基于遥感影像耕地解译样本库的构建及解译方法研究

现如今,遥感技术正在飞速的发展,国内生产的遥感卫星技术辨识率也逐渐上升,提取数据的频率与周期也在稳步的上升,针对遥感影像信息的提取和变化监测提出新型要求。故此,本文从遥感影像耕地解译样本库的构建及解译方法分析,并采用相关系统,以此助力于探寻遥感影像耕地解译样本库提取与变化监测实践应用的新型高效方法。

高分辨率遥感影像样本库动态构建与智能解译应用

在人工智能时代,遥感影像解译朝着自动化智能化方向发展,高质量的样本数据集是其核心。我国积累了海量优质的时空地理信息基础数据及衍生产品,是深度学习驱动的遥感影像智能解译样本的重要来源。盘活现有数据资源,可推动人工智能与遥感解译的应用深度与广度。本文基于现有数据资源,针对样本数据集区域受限、时效性不强、类型单一等问题,研究了面向深度学习的高分遥感影像智能解译样本库动态构建技术。首先,分析了要素提取、地表覆盖分类、变化检测方面的公开样本数据集的特点,提出业务驱动的样本应需生成-动态构建-智能应用思路;其次,研究了基于历史解译成果的样本自动生成、SAM大模型提示学习引导的样本清洗精化方法及实现过程;再次,设计了具有区域性、时序性、尺度性、多传感器、多类型的样本库,以及顾及空间-时间-地类关系的动态样本数据库架构,研究了样本数据集“量化-检索-组合”动态重构过程,实现时空样本的动态管理与多维检索;最后,开展了地表覆盖分类、要素提取、变化检测等智能解译应用,验证了本文研究思路及方法的可行性,以期推动基于已有基础数据的样本数据集的有效利用,以及样本构建-管理-应用及数据-模型-业务的互联互通,为高分遥感影像智能解译样本库构建与应用提供参考思路。

遥感影像智能解译样本库现状与研究

我国遥感对地观测等项目顺利实施,获取了大量时效性强、覆盖范围广、信息量丰富的遥感数据。但遥感影像智能化自动处理技术发展仍相对滞后,无法满足区域/全球大范围地物信息快速提取的需求。近年来,人们利用深度学习技术显著提高了影像特征提取成效,但由于所使用的深度学习样本数量和类型有限,对于多源遥感影像的自动解译能力仍然不足。本文面向大范围多源遥感影像地物信息智能解译需求,在分析现有样本集现状及问题的基础上,研究提出遥感影像智能解译样本库设计方案,并在此基础上设计了基于互联网的样本协同采集与共享服务框架。本文将为多源遥感影像样本库建设提供参考,为大范围遥感影像智能解译提供支持。

山水林田湖草自然资源遥感智能解译样本库建设研究

针对瞄准遥感智能解译样本稀缺这一基础性问题,本文研究涵盖山水林田湖草自然资源要素的遥感解译样本分类体系、采集与清洗、建库与利用方法,构建分布均匀、种类齐全、涵盖不同地物类型及观测尺度的遥感解译样本库,形成国产高分辨率卫星遥感信息提取与变化检测自动化、智能化业务支撑能力,服务自然资源监测监管及相关行业应用。

深度学习遥感影像解译技术在耕地保护中的应用

耕地是国家粮食安全、社会稳定的重要保障,保护耕地就意味着保障农业生产力,确保充足的粮食供应,并且维持生态平衡,促进生态环境的可持续发展。通过耕地保护,农民持续增收,社会更加和谐、稳定。近年来,我国科学技术水平不断发展,基于深度学习的遥感影像解译技术在耕地保护中发挥了极为重要的作用,深度学习技术能够结合海量数据提供端到端的学习,在无人工干预的情况下对遥感影像进行解译。基于此,本文对深度学习遥感影像解译技术在耕地保护中的应用展开了分析和研究。

浅谈地理国情普查遥感影像解译样本库的制作

遥感影像解译样本库数据对于第一次地理国情普查工作有着至关重要的作用,是内业解译图斑的重要作业依据,并为将来的自动化内业解译软件储备基础数据。本文对遥感影像解译样本库数据的制作原理和方法进行了初步的探讨。

遥感影像解译样本数据库建设的思考

本文针对遥感影像解译样本制作中遇到的实际问题,例如数据库中成果数据展示不直观、数据资源利用价值低等问题,进行讨论并研究一种全新的遥感影像解译样本数据库建设方法。通过遥感影像解译样本数据采集与配准、遥感影像解译样本数据库结构设计、样本数据建库、样本数据库更新,实现数据库建设。以期为判断解译结果正确性提供帮助,并为地理国情监测积累提供实地参考资料。

新疆遥感影像解译样本数据库建设的思考

分析了地理国情普查、土地变更调查、国土三调及林地、草地调查等项目举证成果资料,详细阐述了处理、整合现有资料构建新疆遥感影像解译样本数据库的流程及方法,说明了该数据库的建立对新疆自然资源调查监测工作的重要意义。

基于多源遥感影像的智能解译样本库建设

针对因深度学习样本数量和类型有限而导致的遥感影像的自动解译能力不足等问题,本文在分析现有样本集现状及问题的基础上,结合甘肃省地形地貌条件和已有数据,研究和探讨了甘肃省遥感影像解译样本库构建的总体思路和基本策略,建立了拥有百万级样本的遥感影像智能解译样本库。

耕地“非农化”遥感解译样本分类体系及应用

了解耕地“非农化”的时空格局及其演变过程,是合理制定土地利用政策的重要依据;卫星遥感具有大范围的时空监测能力,基于遥感影像进行耕地监测,极为高效。针对耕地“非农化”类型复杂多样、“非农化”遥感监测分类体系缺乏的问题,该研究提出了耕地“非农化”遥感解译样本分类体系,进而构建耕地“非农化”遥感解译样本库。针对样本采集效率低、质量差的问题,该研究提出了一种基于地理国情监测成果的快速样本采集方法,用于快速获取高精度、高可靠性的“非农化”遥感解译样本。为验证方法的可行性和有效性,选取湖北省范围作为研究区域,利用该研究所提出的耕地“非农化”样本体系和样本采集方法,采集了覆盖平原、丘陵、山地、高山等地形的9类样本,并形成了深度学习模型训练的样本库;选择EfficientNet深度学习网络提取湖北省耕地“非农业”空间分布。结果表明:1)基于地理国情监测成果的样本采集方法可以极大地利用地理国情监测数据空间、属性精度高的特点,快速、精确定位变化样本。2)依据分类体系采集的样本用于模型优化后,样本数量超过5000时,模型精度有明显提高。在验证区域,采用目视解译和外业核查点的方式进行精度验证,其正检率分别为67.0%和76.5%,召回率分别为77.9%和76.5%。3)利用样本体系训练构建的网络模型相较于全要素样本训练模型,精度有显著提高,5个核查区正检率均提高20个百分点以上。因此,该研究提出的方法可以提高耕地“非农化”遥感监测的效率和精度,可适用于区域尺度的耕地遥感季度监测。

遥感影像解译样本的一体化生产研究

遥感影像解译样本数据包括地面照片和遥感影像实例,是制作遥感影像解译样本数据库的基础资料。文中针对地理国情普查中遥感影像解译样本的采集、整理进行了研究,通过利用GEOWAY地理国情普查外业调绘核查软件完成遥感影像解译样本的采集、整理,实现了解译样本的一体化生产流程,并与传统的纸质调绘、PDA数字调绘进行对比分析,充分证明解译样本的一体化生产流程自动化程度高,减少了人力、物力,提高了生产效率。

遥感影像解译样本数据的检查方法

以鄂伦春自治旗测区的数据成果为例,介绍遥感影像解译样本数据的检查方法,包括对地面照片、遥感影像实例的人工检查,以及使用Python编制程序提取地面照片的EXIF信息,对遥感影像解译样本数据库中的属性信息进行自动对比检查,提高了质量检查效率及正确率。

1∶10000基础地理信息数据遥感影像解译样本数据库建设探讨

1∶10000基础地理信息数据生产主要基于遥感影像进行地理信息解译,由于遥感影像航摄时间、航摄季节及传感器的不同,同一地物遥感影像表达不一致,在数据生产过程中会影响作业人员解译。本研究探索利用近几年的外业调查数据和各类地理要素解译样本建立影像样本库管理系统,用于辅助内业人员对影像判读、提高解译准确性和工作效率。

遥感影像解译样本数据生产及其质检系统的设计与实现

遥感影像解译样本数据生产及质检是全国地理国情普查内业编辑与整理的重要环节,数据量和涉及面都较大。遥感影像解译样本数据生产及质检系统依据相关技术规定,基于C#开发,运行平台为.NET Framework。实践证明,该系统运行稳定可靠,提高了样本数据库的生产效率和质量,减轻了劳动强度,对遥感影像解译样本数据的内业编辑与整理有着重要的意义。

小样本深度学习在遥感影像目标检测中的应用

深度学习目标检测模型构建通常需要大规模的训练样本集,而遥感影像目标检测中通常由于标注样本有限难以满足神经网络的训练需求。小样本学习(FSL)方法是在训练样本稀缺的条件下构建深度学习模型的一种有效方法,在自然影像小样本目标检测(FSOD)中应用较为广泛,但是针对遥感影像的小样本目标检测方法较少。针对自然影像数据集的小目标检测方法,系统总结了度量学习、元学习、迁移学习和数据增强四类FSOD方法的原理及优缺点,进而重点围绕遥感影像FSOD方法研究现状,提出遥感影像FSOD的发展方向是建立公认的评定指标、三维目标检测和多元特征融合。

北京市第一次地理国情普查遥感影像解译样本的采集分析

遥感影像作为地理国情普查工作中重要的采集依据,关系着整个国情普查成果的质量。本文通过在北京市第一次地理国情普查中遥感影像解译样本采集的实际经验对采集方法及质量控制等方面进行分析。

省级基础地理信息数据遥感解译样本探索与制作

当前空天地一体化遥感数据海量且每日剧增,具备多源、异构、信息量丰富、多尺度等大数据特点,能够为深度学习在遥感信息智能提取中提供大量训练样本,但遥感影像智能解译样本库之间的分类体系、精度、制作方法差异较大,跨数据集用于深度学习模型进行训练时,易导致深度学习效果不佳。本文针对基础地理信息数据更新的特点,提出基于TensorFlow框架的多源卫星遥感影像智能解译样本库设计方案,研究遥感影像智能解译样本库的分类体系、精度要求、制作方法,采用文件数据库管理的方式,通过C#、ArcGISRuntime SDK技术开发样本库管理平台,实现卫星遥感影像智能解译样本库高效生产及管理。

基于YOLOX的货运源头遥感解译标志库研究

货运源头核查是进行源头治超的关键。传统依赖于台账统计的方法费时费力,相比之下,遥感技术具有大面积覆盖等优点,利用其进行货运源头核查工作可有效提高工作效率。然而,目前尚无公开可用的货运源头遥感解译标志库,故提出一种基于YOLOX的货运源头遥感解译标志库建立方法。首先,根据货运源头核查标准,提出货运源头四类场站、四类企业解译标志库建立标准,然后基于YOLOX搭建货运源头遥感图像自动检测方法,并与专家解译结果相对比。研究结果表明,用于识别铁路货场、港口、矿石以及砂石企业的AP均在0.50以上,可实现自动化建立货运源头遥感解译标志库,为利用遥感影像进行货运源头核查提供技术支撑,显著提高源头核查工作的效率。

遥感影像解译标志库的建立和应用

在遥感影像解译标志库中,全面、综合地总结了各种解译要素和常见的各种典型地物及其解译标志。该库具有全面性、综合性、开放性和包容性的特点。同时,结合该遥感影像解译标志库,成功地实现了对研究区的遥感地质解译。根据所建立的解译标志库系统地总结了研究区各种岩性的遥感影像特征;解译结果与1:200000地质资料相对比,共发现18处影像特征与其不一致的地方。经野外验证,根据解译标志库所建立的不同岩性的解译标志及解译结果是准确可靠的。

地理国情普查中遥感影像解译样本快速制作方法探讨

遥感影像解译样本是地理国情普查项目的一项重要成果。遥感影像解译样本的制作对样本数据的采集和整理有严格的规定,需采集大量地面照片,并建立具有对照关系的地面照片和遥感影像实例的解译样本数据。为了提高遥感影像解译样本制作效率,采用清华山维EPS地理国情普查外业调查软件作为外业采集处理平台,并针对EPS软件在解译样本编辑整理阶段的不足,开发批量辅助处理工具,两者互相补充,实现遥感影像解译样本的快速制作。