CN107909260A - 一种自然资源资产离任审计评价方法 - Google Patents

一种自然资源资产离任审计评价方法 Download PDF

Info

Publication number
CN107909260A
CN107909260A CN201711104833.2A CN201711104833A CN107909260A CN 107909260 A CN107909260 A CN 107909260A CN 201711104833 A CN201711104833 A CN 201711104833A CN 107909260 A CN107909260 A CN 107909260A
Authority
CN
China
Prior art keywords
data
spot
forest
audit
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711104833.2A
Other languages
English (en)
Inventor
冯存均
左石磊
贾霞
余青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Geomatics Center Of Zhejiang
Original Assignee
Geomatics Center Of Zhejiang
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Geomatics Center Of Zhejiang filed Critical Geomatics Center Of Zhejiang
Priority to CN201711104833.2A priority Critical patent/CN107909260A/zh
Publication of CN107909260A publication Critical patent/CN107909260A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种自然资源资产离任审计评价方法。该方法包括以下步骤，S1：收集离任审计所需的自然资源地理信息数据；S2：对自然资源地理信息数据依次进行预处理；S3：从数据中提取各种待审计的自然资源数据和管制区数据；S4：进行叠置分析，提取不同数据之间的冲突区域图斑，并进行核查最终确定违规问题；S5：根据确定的违规问题所涉及的图斑数据，对每种待审计的自然资源的专题数据进行校正，然后对矫正后的数据进行汇总分析，获得每种待审计的自然资源面积；S6：基于预设的自然资源资产离任审计评价指标体系，计算待审计对象的评价结果。本发明实现了对地理信息技术的深度应用，能够对相关自然资源数量、变量、质量等进行审查和评价。

Description

一种自然资源资产离任审计评价方法
技术领域
本发明属于地理信息技术领域，具体涉及一种自然资源资产离任审计评价方法。
背景技术
开展自然资源资产离任审计，是加快推进生态文明建设的一项重大决策部署。当前的离任审计主要依赖于审计部门的人工查找、计算来实现，尚没有一种科学、合理的方法来完成该项繁重的工作。地理信息技术是是一种十分重要的空间信息系统，它是在计算机硬、软件系统支持下，对整个或部分地球表层(包括大气层) 空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。地理信息系统处理、管理的对象是多种地理空间实体数据及其关系，包括空间定位数据、图形数据、遥感图像数据、属性数据等，可以用于分析和处理在一定地理区域内分布的各种现象和过程，解决复杂的规划、决策和管理问题。
现有技术中，杜吉中(2014)对GIS技术在财政专项资金整合分析、农业种粮补贴资金审计、公益林效益补偿资金审计中的应用进行总结；李培培(2015) 对审计中应用地理信息技术的相关问题进行分析，在具体审计业务中的应用进行总结，并提出存在问题和相关建议；傅欣(2016)提出搭建地理信息分析平台，利用GIS系统、GoogleEarth软件和GPS系统开展造林审计。
可见，地理信息技术在专项审计中应用较多，但自然资源资产审计需要全方位多角度的评价，对地理信息技术应用的广度、深度要求较高，本发明即集成了用于自然资源资产审计的全套技术方法，改变了传统的人工查找局部资料来发现问题的审计工作模式，实现了全覆盖审查、追溯审查、信息化审查，提高了审计发现问题的精准度和工作效率。本发明还针对审计部门审计任务繁重、审计力量不足的实际问题，整合现有地理信息技术应用于自然资源资产审计的技术方法，为实现“全覆盖审计”，形成“总体分析、发现疑点、分散核查、系统研究”的数字化审计作业方式奠定基础。
现有审计评价指标体系研究成果中用于计算的数据绝大多数依赖于被审计单位或专业部门提供。而数据获取和分析是审计过程的关键环节，数据获取方法的科学性、数据的准确性是准确评价被审计对象的根本性要求。本发明充分利用测绘地理信息成果与技术设置或获取、计算相关指标，从而得到更为客观、准确的评价结果。
发明内容
本发明的目的在于解决现有技术中尚无法利用地理信息技术实现自然资源资产离任审计的缺陷，并提供一种自然资源资产离任审计评价方法。本发明基于测绘地理信息部门丰富的测绘地理信息数据，结合专业部门提供的专题数据，充分利用现代测绘地理信息技术，通过定位、对比、计算及空间叠置分析方法，对相关自然资源数量、变量、质量等进行审查和评价。
本发明所采用的具体技术方案如下：
本发明的自然资源资产离任审计评价方法，其步骤如下：
S1：收集离任审计所需的自然资源地理信息数据，包括地理国情普查地表覆盖数据和专业部门数据。本发明中，专业部门数据是指管理自然资源的各个管理部门所拥有的自然资源分布数据。
S2：对自然资源地理信息数据依次进行空间配准、矢量化、格式转换和坐标统一；
S3：从地理国情普查地表覆盖数据和专业部门数据中提取各种待审计的自然资源数据；提取各类自然资源数据中的管制区数据。本发明中管制区是指某一类自然资源中不允许开发或者有条件地限制性开发的区域。
S4：对S3中得到的数据进行叠置分析，提取不同数据之间的冲突区域图斑，并对这些图斑所涉及的疑似违规问题进行核查，最终确定违规问题；
S5：根据确定的违规问题所涉及的图斑数据，对每种待审计的自然资源的专题数据进行校正，然后对矫正后的数据进行汇总分析，获得每种待审计的自然资源面积；
S6：根据S4和S5中得到的数据，基于预设的自然资源资产离任审计评价指标体系，计算待审计对象的评价结果。
作为优选，通过叠置分析确定违规问题的方法如下：
S401：土地开发项目违规问题的分析方法为：利用土地开发项目范围线与公益林数据进行叠置分析，提取土地开发项目范围线内的公益林图斑，即为疑似违规占用公益林进行垦造耕地图斑；利用土地开发项目范围线与坡度数据进行叠置分析，提取坡度25度以上的土地开发项目，即为垦造耕地质量不佳图斑；利用当前土地开发项目范围线与历史耕地影像进行比较解译，提取土地开发项目范围线内在历史耕地影像上已经为耕地的图斑，即为疑似重复虚报新增耕地图斑；
S402：公益林占用问题的分析方法为：利用地理国情普查中的地表覆盖数据与林业部门公益林数据进行空间叠置分析，提取公益林内非林地图斑；利用公益林调整范围数据与地表覆盖数据进行叠置分析，提取非林地图斑，即为调整后现状非林地图斑；
S403：林地征占用违规问题的分析方法为：对项目占用林地范围，统计分析计算面积并与批复数值比较是否有出入；将项目占用林地范围与环境功能区数据划叠置分析，提取位于省级自然保护区内的图斑；将项目占用林地范围与公益林数据叠置分析，提取占用公益林征占用项目图斑；对临时征占用项目，将其与地表覆盖数据进行叠置分析，结合项目批复两年后的影像解译，提取地表覆盖不为林地、园地或草地的图斑，即为超过24个月未复绿图斑；
S404：林业采伐违规问题的分析方法为：对林业采伐范围，利用ArcGIS统计分析功能计算面积并与批准数值比较是否有出入；将林业采伐范围与公益林数据进行叠置分析，提取林业采伐范围内的公益林图斑，即为违规采伐公益林情况；
S405：违规开采矿产问题的分析方法为：利用矿产资源数据与公益林数据进行叠置分析，提取矿产资源数据范围内的公益林图斑，作为疑似违规开采矿产资源的图斑；
S406：对S401～S405中发现的疑似违规图斑进行分析，剔除行业管理差异引起的误差以及合法、合规图斑，对剩余的疑似违规图斑进行外业核查，最终确定违规问题。
作为优选，基于预定的自然资源资产离任审计评价指标体系，计算待审计对象的评价结果的方法如下：
首先，针对森林资源、土地资源、矿产资源、水资源、大气资源、海洋资源、生态状况7类自然资源设置评价各自的指标体系；
然后，计算待审计对象在任期内各指标的分值，并根据每个指标的权重，计算待审计对象的最终得分。本发明中，指标体系、分值评分、权重等可以根据实际情况结合与审计部门进行商榷确定。
作为优选，自然资源数据中森林蓄积量的获取方法如下：
S501：对目标审计区域的无人机高光谱数据和HJ-1A HSI高光谱数据进行预处理，其中无人机高光谱数据的预处理包括辐射校正、几何校正、图像拼接； HJ-1A HSI高光谱数据的预处理包括步骤S5011～S5013：
S5011：去条带噪声：通过像元的标准差、列平均值、波段标准差和波段均值之间的差异来进行线性化修正，修正公式为：
DN′i,j,k＝gi,k·DNi,j,k+bi,k
gi,k＝Stdvk/Stdvi,k
其中，DNi,j,k为第k波段i列j行的原始像元DN值，DN′i,j,k为去除条纹之后的第k波段i列j行像元DN值；gi,k为第k波段第i列像元的增益，bi,k为第k 波段第i列像元的偏移；Stdvk为第k波段像元值的标准差；为第k波段像元值的平均值；Stdvi,k为第k波段第i列像元值的标准差；为第k波段i列像元值的平均值；
S5012：大气校正：使用FLAASH模型进行大气校正。
S5013：几何精校正：选用1：10000地形图为基准影像，选取控制点，获取和HSI影像同名地物点的两组坐标，采用二次多项式模型进行模拟，使用最邻近内插法进行像元重采样，误差控制在一个像元内；
S502：以小班为单位，提取无人机高光谱数据中各小班的平均光谱和平均蓄积量作为样本点，选择多元线性回归模型进行森林蓄积量的估测，模型中因变量为森林蓄积量，自变量为所提取到的特征波段，拟合得到多元线性回归模型后基于经过预处理后的HJ-1AHSI高光谱数据进行森林蓄积量的估测。
进一步的，所述的特征波段共6个，波长分别为656nm、802nm、925nm、 442nm、596nm、684nm。
本发明相对于其他应用于自然资源资产审计的技术方法而言，具有以下有益效果：实现了对地理信息技术的深度应用，改变了传统的人工查找局部资料来发现问题的审计工作模式；可以用于研究开发审计信息化平台，解决审计任务繁重、审计力量不足的实际问题，为数字化审计作业方式奠定基础；确定了更为广泛全面的审计内容，包含包括正在开采和利用的自然资源、具有生态保护功能的自然资源以及与自然资源息息相关的自然环境；形成更为科学、准确的数据获取和分析技术，从而得到更为客观、准确的评价结果。
附图说明
图1为服务摸清自然资源总体情况审计流程图；
图2为服务揭示问题审计流程图；
图3为森林蓄积量获取方法的总体技术流程图；
图4为自然资源审计信息化平台系统框架。
具体实施方式
下面结合附图和具体实施例对本发明做进一步阐述和说明。
本实施例中，以某县作为待审计县，应用本发明对自然资源资产进行离任审计评价。该县森林资源十分丰富，是省内重点林区；土地资源中农用地占比超过 95％，其中林地占比超过七成，土地利用特点为山地多，林地占比大；水资源丰富，人均水资源量约为全省人均水平的4倍；矿产资源中非金属矿产资源较有特色，石灰岩、建筑石料、萤石等较为丰富，且分布集中有利于规模化经营，其余矿产因规模小或品位低而较难开发；该县空气质量状况常年较优，PM2.5平均值低于30ug/m3，空气质量优良率超过95％。
本实施例中自然资源资产离任审计评价方法的步骤如下：
一、收集自然资源数据，构建数据库
步骤一：数据搜集。审计人员需要搜集相关数据，包括地理国情普查地表覆盖数据和专业部门数据，专业部门数据包括国土部门的土地利用数据、基本农田数据、矿产资源规划数据、土地开发项目范围，林业部门的林业采伐资料、林地征占用资料、二类小班数据、公益林数据、公益林调整数据，环保部门的环境功能区划资料以及其他土地利用总体规划、生态环境功能区规划、县域总体规划等。地理国情普查地表覆盖数据较为准确，用于作为基准数据，对各专业部门的数据进行校准。
步骤二：数据处理整合。对从专业部门搜集来的数据进行空间配准、矢量化、格式转换、坐标统一等数据处理整合工作，最终统一到CGCS2000坐标系，*.shp 格式。其中，因林业部门信息化管理落后，林地征占用、林业采伐数据是通过纸质材料参考二类小班范围线来确定具体范围，进一步矢量化提取。
步骤三：从地理国情普查地表覆盖数据中提取待审计的自然资源数据，例如耕地、林地、露天采掘场数据，而部分自然资源数据在地理国情普查地表覆盖数据中没有涉及，因此需要从各专业部门数据中提取，例如公益林、林业二类小班、耕地、基本农田等数据；另外，还需要提取各类自然资源数据及各类规划中的管制区数据。针对各种提取到的数据形成相应的专题数据，用于后续分析。
步骤四：由于专业部门数据无法准确反映当前的实际地表覆盖，因此需采用叠置分析对数据进行校正。空间叠置模型可按需进行裁切、并集、求异、求交、擦除等操作，其目的是提取一种规划的禁止类区域内另一种规划的允许建设区类型，即疑似冲突区域。本实施例中，空间叠置分析的具体方法如图1所示，具体包括但不限于以下几类：
1)土地开发项目违规问题。利用土地开发项目范围线与公益林数据进行叠置分析，提取土地开发项目范围线内的公益林图斑，即为疑似违规占用公益林进行垦造耕地图斑；利用土地开发项目范围线与坡度数据进行叠置分析，提取坡度 25度以上的土地开发项目，即为垦造耕地质量不佳图斑；利用土地开发项目范围线与历史影像进行比较解译，提取土地开发项目范围线内在历史影像上已经为耕地的图斑，即为疑似重复虚报新增耕地图斑。
2)公益林占用问题。利用地理国情普查地表覆盖数据与林业部门公益林数据进行空间叠置分析，提取公益林内非林地图斑；利用公益林调整范围与利用地理国情普查地表覆盖数据进行叠置分析，提取非林地图斑，即为调整后现状非林地图斑。
3)林地征占用违规问题。对项目占用林地范围，统计分析计算面积并与批复数值比较是否有出入；将项目占用林地范围与环境功能区划叠置分析，提取位于省级自然保护区内的图斑；将项目占用林地范围与公益林叠置分析，提取占用公益林征占用项目图斑；对临时征占用项目，将其与地理国情普查地表覆盖数据进行叠置分析，结合批复两年后影像解译，提取地表覆盖不为林地、园地、草地的图斑，即为超过24个月未复绿图斑。
4)林业采伐违规问题。对林业采伐范围，利用ArcGIS软件的统计分析功能计算面积并与批准数值比较是否有出入；将林业采伐范围与公益林进行叠置分析，提取林业采伐范围内的公益林图斑，即为违规采伐公益林情况。
5)违规开采矿产问题。利用矿产数据与公益林数据进行叠置分析，提取矿产数据范围内的公益林图斑，作为疑似违规开采矿产资源的图斑。
上述提取到的图斑即为可能存在违规问题的区域，因此将其作为疑似违规问题图斑，针对这些图斑需要进行进一步核实，主要包括以下内容：
首先，剔除行业管理差异引起的误差。行业管理差异主要表现为：林业部门在进行公益林范围划定时，将面积小于15亩的园地划入公益林范围，则将这部分图斑从疑似违规占用公益林图斑中剔除。当然，假如有其他的行业管理差异引起的误差，也需要进行剔除。
其次，剔除合法、合规图斑。对于已经发现的疑似违规情况，进一步查阅相关合同、审批材料提取合法、合规图斑，同时结合遥感影像数据进行解译、比对，如果该图斑已经经过了合法、合规的审批，则需要剔除这些合法、合规图斑，进一步确定疑似违规图斑。
最后，外业核查。对确实需要进行外业核查的疑似违规图斑，由地理信息技术人员准备外业图纸，携带GPS设备，与审计人员、责任单位人员共同进行外业核查，最终确定违规情况。
步骤五：根据确定的违规问题所涉及的图斑数据，对在步骤三中提取到的每种待审计的自然资源的专题数据进行校正，得到真实的每种待审计的自然资源的当前分布情况。然后如图2所示，对矫正后的数据进行汇总分析，获得每种待审计的自然资源的总量及质量情况，例如耕地、基本农田、林地、公益林、露天采掘场真实面积，坡度大于25度的耕地、基本农田等的总面积及分布情况。
步骤六：根据前述步骤得到的数据，构建自然资源评价指标体系，对自然资源进行科学的离任审计评价。在本实施例中，基于与审计部门共同开展自然资源资产审计的经验和相关研究基础上，研究构建了基于地理信息技术的自然资源评价指标体系。
1)内容指标
研究形成森林资源、土地资源、矿产资源、水资源、大气资源、海洋资源、生态状况等7类共计47个指标，包含总指标、目标、子目标和指标四个层次，其中32个指标所需数据是能够用测绘地理信息技术获取或分析处理得到，其余指标所需数据暂时仍需使用专业部门提供或公开发布的数据。实际操作中可根据被审计区域主体功能区定位和资源禀赋从中选择或另行增加相应资源类型。具体指标是结合各类自然资源约束指标、考核指标及典型疑似违规类型情况等确定，指标方向可分为正向指标、负向指标和下达任务完成情况类指标。
表1基于地理信息技术的自然资源评价目标、子目标、指标内容
2)指标标准化
除下达任务完成情况类指标采用极值控制法，即任务完成分值为100，未完成分值为0，其余指标采用Min-max标准化方法，其中参考最小值(Xmin)与最大值(Xmax)利用目标值法、经验借鉴法、专家咨询法确定。
对于正向指标，当指标值超过最大值时，标准化分值为100，当指标值低于最小值时，标准化分值为0，当指标介于最大值、最小值之间时，按照如下公式计算：
式中：Yi——指标的标准化分值；Xi——i指标值；Xmax——i指标参考最大值；Xmin——i指标参考最小值。
对于负向指标，当指标值超过最大值时，标准化分值为0，当指标值低于最小值时，标准化分值为100，当指标介于最大值、最小值之间时，按照如下公式计算：
式中：Yi——指标的标准化分值；Xi——i指标值；Xmax——i指标参考最大值；Xmin——i指标参考最小值。
3)指标权重
评价指标权重，应依据不同目标、子目标、指标对总指标的影响程度确定，目标、子目标、指标的权重值应在0～1之间，各目标权重值之和、同一目标下的各子目标权重值之和、同一子目标下的各指标权重值之和都为1。
权重确定可采用特尔斐法，通过对评价目标、子目标、指标的权重进行多轮专家打分，并按如下公式计算权重值：
式中：wi——第i个目标、子目标或指标的权重；Eij——专家j对于第i个目标、子目标或指标的打分；n——专家总数。
其中，参与打分的专家应熟悉区域自然资源状况，人数一般为10～40人；打分应在不相互协商的情况下独立进行；打分一般进行2～3轮。
4)分值计算
子目标分值由其下指标分值分别乘以各自权重再汇总相加得到，目标分值由其下子目标分值分别乘以各自权重再汇总相加得到，总指标分值由其下目标分值分别乘以各自权重再汇总相加得到。
(1)子目标分值计算
自然资源评价子目标分值按照如下公式计算：
式中：Fij——i目标j子目标的自然资源评价分值；Sijk——i目标j子目标k指标的分值；wijk——i目标j子目标k指标相对j子目标的权重值；n ——指标个数。
(2)目标分值计算
自然资源评价目标分值按照如下公式计算：
式中：Fi——i目标的自然资源评价分值；Fij——i目标j子目标的自然资源评价分值；wij——i目标j子目标相对i目标的权重值；n——子目标个数。
(3)总指标分值计算
自然资源评价总指标分值按照如下公式计算：
式中：Y——自然资源评价总指标分值；Fi——i目标自然资源评价分值； wi——i目标相对总指标的权重值；n——目标个数。
5)评价分级
本发明将评价等级分为六个等别，为优秀、较优、良好、中等、合格、不合格，分别与分值范围对应，反映资源开发、利用、保护、管理的综合效果，见表 4-1。
表2评价分级标准
基于该自然资源资产离任审计评价指标体系，可以计算每个待审计对象的评价结果。
现有技术中，“森林蓄积量”指标的获取存在准确性较低的问题，因此在本发明中，特别针对“森林蓄积量”指标获取方法进行了改进。其总体技术流程如图3所示，其具体步骤如下：
a)无人机高光谱影像预处理
通过无人机载高光谱设备获取数据，对无人机高光谱数据进行预处理，包括辐射校正、几何校正、图像拼接等。
b)HSI高光谱影像预处理
HJ-1A HSI高光谱数据是已经经过波段复原、辐射校正和系统几何校正的2 级产品，并将校正后的图像映射到指定的地图投影坐标下。但为了后续特征信息提取和定量参数反演等研究，还需要进一步进行去条带噪声、大气校正、几何精校正、图像镶嵌和裁剪等一系列预处理工作。
去条带噪声：
在获取地物的光谱信息时，由于受到大气吸收、散射、地面起伏变化以及传感器自身状态、搭载平台运动等因素的影响，某些波段会出现大量噪声，影响后续的研究工作。条带噪声是一种普遍存在的噪声现象，几乎存在于所有的光谱仪传感器中，比如LandsatMSS、TM、CHRIS等。
采用“全局去条带”法对图像条带进行修正。全局去条带是通过像元的标准差、列平均值、波段标准差和波段均值之间的差异来进行线性化修正，从而达到消除条纹的效果。
DN′i,j,k＝gi,k·DNi,j,k+bi,k
gi,k＝Stdvk/Stdvi,k
其中，DNi,j,k为第k波段i列j行的原始像元DN值，DN′i,j,k为去除条纹之后的第k波段i列j行像元DN值；gi,k为第k波段第i列像元的增益，bi,k为第k 波段第i列像元的偏移；Stdvk为第k波段像元值的标准差；为第k波段像元值的平均值；Stdvi,k为第k波段第i列像元值的标准差；为第k波段i列像元值的平均值。
大气校正：
高光谱影像的光谱分辨率较高，在获取比多光谱传感器更为精细的地物波谱信息之外，也接收到更精细的大气吸收特征。为了消除大气吸收、散射等作用引起的辐射失真，必须对图像进行大气校正。
大气校正均是以大气辐射传输模型为基础，根据不同的适用范围和假设条件发展出了多种校正模型，包括5S、6S、LOWTRAN、MODTRAN、ATCOR等。根据HSI高光谱影像的特点，使用基于MODTRAN模型发展出的FLAASH模型进行大气校正。
几何精校正：
遥感成像过程中容易受到遥感平台的位置以及运动状态的变化、地形表面曲率、大气折射、地形起伏等综合因素作用的影响，导致真实地物目标的几何位置在遥感成像过程中扭曲偏移，即是所谓的遥感影像发生几何畸变。
几何粗校正是把卫星的姿态、位置、轨道参数等参与计算来纠正遥感影像的系统性几何畸变。HJ-1A星上的HSI数据是经过几何粗校正的2级产品数据，具备相对精确的地理坐标和地理投影，但是由大气折射以及地形起伏等等因素引起的很小的几何畸变容易被忽略，因此仅仅是几何粗纠正并不能满足遥感数据像元与地表地物地理位置精确配准，需要进行几何精校正。
几何精校正需要已经过几何粗校正的影像作为基准影像，选用1：10000地形图为基准影像，手动选取控制点，获取和HSI影像同名地物点的两组坐标，采用二次多项式模型进行模拟，使用最邻近内插法进行像元重采样，误差控制在一个像元内。
c)高光谱特征参数提取
高光谱图像光谱分辨率高且波段数多，图像复杂度高，相邻波段之间具有较高的相关性，数据冗余大，若将其全部用于蓄积量估测模型的建模中，不仅会造成数据处理、分析计算、传输存储的困难，还会造成模型精度的降低。所以在建模工作进行前，必须对高光谱影像进行降维处理，提取能够反映森林蓄积的特征参数。光谱微分技术可以提取波长位置、宽度、深度等吸收峰特征参数，同时降低大气吸收、散射等影响，可以降低系统误差。
ρ′(λi)＝[ρ(λi+1)-ρ(λi-1)]/2Δλ
式中：ρ′(λi)为λi处的一阶微分值；Δλ为λi与λi+1间的距离；ρ(λi+1)和ρ(λi-1) 分别为i+1和i-1波段处的反射率；λi为i波段的波长。
参数提取主要考虑跟蓄积量相关的光谱位置参数、光谱面积参数和植被指数参数。
通过森林蓄积量和影像反射率之间的相关性分析，在波长656nm、802nm、 925nm处相关系数具有最大值；通过森林蓄积量和一阶微分值相关性分析，在波长442nm、596nm、684nm处相关系数具有最大值。选取以上相关性较大的6个波段作为森林蓄积量估测的特征波段。
d)二类小班调查数据提取
基于KNN方法进行森林蓄积量估测的方法主要包括像素级和林分级两大类。目前使用最多的是基于像素的估测。该方法是结合遥感影像和地面样地调查数据来估计蓄积量。其中，样地点所对应的光谱信息来自最靠近样地点中心的像元光谱。但是前人研究表明，基于像素级的蓄积量估计误差较大。原因在于样地点的位置偏差、图像校正精度以及遥感影像的空间及光谱分辨率限制等多种因素都可能导致将相邻点位的光谱数据赋值给样本点，造成误差。
另一类是基于林分数据的森林蓄积量估测。该方法是在提取各个林分光谱特征的基础上，结合一部分已知林分调查数据，去估计其它未知林分的蓄积量数据。这种方法可以在一定程度上减少由于位置配准精度所造成的误差。
结合现有数据基础，采用开森林二类调查数据，以小班为单位，提取小班的平均光谱和平均蓄积量作为样本点，以此进行森林蓄积量估测。
二类小班光谱信息提取：根据获取的二类调查小班数据和小班区划矢量数据，利用软件将研究区划分成若干个以小班为单位的样本点。样本点小班区域内的平均光谱值和平均蓄积量作为样本点的光谱值和蓄积量。
异常值去除：基于KNN法进行森林蓄积量估测时，包括两点假设：第一，被卫星影像覆盖的大面积参考区中，存在相似的森林；第二，像元的辐射值差异仅依赖于森林的状态。但是，在实际的自然情况下，由于受到环境的影响，森林的生长可能会存在异常情况，需要剔除这些异常值。采用三倍标准差的方法进行异常值的筛选。凡满足(X为样本数值，为样本平均值，δ为样本标准差)的数值均为异常值，需要剔除。筛选后的数据用于蓄积量的估测。
e)森林蓄积量估测方法的选择：
下面给出两种森林蓄积量的估测方法，分别为KNN法估测模型和多元线性回归估测模型。
KNN法森林蓄积量估测模型：
1)基本原理
KNN(k-Nearest Neighbor)方法，又称叫参考样本法，目前已经被广泛应用于模式识别和统计计算。作为一种典型的非线性方法，KNN方法可以用于非正态分布和密度函数未知的遥感数据分类和参数估计，即使作用的体系为线性不可分，该方法仍适用。
KNN方法用于参数估计时的基本原理为，记P为目标点，Pi为参考点，为两点之间的光谱距离，其中，参考点Pi的森林参数为已知。光谱距离是用于衡量样本的相似程度，距离越小相似度越高，反之则相似度越低。对于目标点P，找出其光谱空间最邻近的k个样本点P1、P2、P3…Pk，其中， 不同于KNN分类器，参数定量估计时需要考虑距离的影响因素，目标点P的连续型森林参数vp可以通过k个参考点的相应的连续型森林参数的加权平均来获得。其中权重通过光谱空间的反距离函数获得。
式中，t为距离分解因子，t越大，估计结果越容易受光谱距离近的值影响，一般情况下t值取0、1、2。参考点和目标点之间的光谱距离可有多种度量方式，如欧氏距离、马氏距离等。
2)估计参数选择
使用KNN法进行定量估计，会受到估计参数的影响，包括光谱距离的度量标准、k值大小、影像特征波段选择、样地点个数、距离分解因子t。其中，距离度量标准包括马氏距离、欧氏距离和Cosine距离；k值在0-30之间；特征波段根据林业遥感光谱特征已经确定；距离分解因子t取值范围为0、1、2。这些参数的不同选择会对模型的估计结果产生很大的影响，所以在建模之前必须选择合适的参数。
参数选择的基本流程为：首先确定特征波段和光谱距离度量标准，在此基础上，确定最优距离分解因子t和近邻k值，最后评价样本点个数对估测结果的影响。
特征波段的选取主要考虑以最小的数据量保证最大的森林特征，采用反射波段和波段组合、一阶微分值、光谱面积参数和若干植被指数。
多元线性回归模型：
同时也选择多元线性回归模型进行森林蓄积量的估测工作。
线性回归假设自变量与因变量之间为线性关系。用线性回归模型来拟合因变量和自变量的数据，并且通过确定模型参数来得到回归方程。当存在多个自变量时，称为多元线性回归。
多元线性回归模型的数学表达式为：
y＝a+b1x1+b2x2+…+bixi+…+bnxn
式中，a为回归常数，bi为第i个自变量的回归系数。
上述两个模型的选择，可以根据误差评价结果进行确定。在进行估计误差评价前，需要选择合适的评价模型。评价模型有交叉验证法、留置样本法等。
交叉验证法是一种计算建模和估计误差较为常见的方法，具体流程是将每个样本点轮流不计入数据集，利用剩余的样本点数据集对不计入数据集的样本点的蓄积量进行KNN估计，对比计算完每个样本点的估计值和实际值的差异，实现 KNN蓄积量估计精度的评价。由于要保证最大量的训练数据用于定量估计，因此该方法适合于数量较小的样本数据集。
留置样本法是将样本数据集分为两部分，一部分用于训练学习，一部分用于精度评价。这种方法适用于数据量大的样本数据集。
根据样本数量的特点，选用标准误差RMSE、相对标准误差RMSEr、偏差Bias、相对偏差Biasr四个度量指标进行误差分析。
式中，为估计值，为估计值的平均值，yi为观测值，n为样本个数。
在本实施例中，经过评估最终采用多元线性回归模型进行森林蓄积量估测。具体做法为：对森林蓄积量和经过预处理后的影像反射率之间进行相关性分析，提取特征波段(如前所述，特征波段共6个，波长分别为656nm、802nm、925nm、 442nm、596nm、684nm)。然后以小班为单位，提取无人机高光谱数据中各小班的平均光谱和平均蓄积量作为样本点，选择多元线性回归模型进行森林蓄积量的估测，模型中因变量为森林蓄积量，自变量为所提取到的特征波段，由此拟合得到多元线性回归模型。然后基于该模型对森林蓄积量进行估测，此时所波段的输入值需要基于经过预处理后的HJ-1A HSI高光谱数据确定。由此，得到目标审计区域的森林蓄积量。
基于上述步骤一～步骤六，即可对审计对象进行离任审计。本实施例中，进一步根据审计业务需求，开发了自然资源审计信息化平台，将前述功能集成于一体。系统总体设计框架见图4。该平台采用B/S架构，具有异地浏览和信息采集的灵活性，其分布性特点使得用户可以随时随地进行查询、浏览等业务处理；该平台采用组件式模块，其优势在于低耦合，方便任务分配及敏捷开发实现，也为后续的模块扩展提供空间，且服务类型与内容多样化，可以根据模型方法添加新的服务，经过注册后提供给用户调用。系统功能目前包括数据输入与整理、典型疑问地块分析、专题数据纠正、总体评价等四个方面。
1)数据输入与整理
所需数据包含基础测绘、地理国情普查数据、专题数据等，这些数据格式、坐标各异，通过数据输入与整理模块，形成统一的分析、评价底图数据。
2)典型疑问地块分析
按照典型疑似违规类型进行空间自动叠加分析，得到典型疑问地块情况，可导出图形与表格，供审计人员外业进一步核实。目前设计采用GP Service或SOE 的方式进行服务功能扩展；后期设计采用Hbase进行分布式NoSQL存储，结合 Spark进行分布式并行运算服务，提供高效率的用户任务反馈。
3)专题数据纠正
通过典型疑问地块分析发现专题数据存在的问题，经确认后对输入的专题数据进行修正，作为总体评价中反映自然资源总体情况类指标的基础数据。
4)总体评价
按照总体评价模型进行总体评价打分及分级，根据地区资源禀赋和主体功能区规划选择评价指标。总体评价后可自动导出简要评价报告，主要包含各类资源评价、典型疑问地块分析、综合评价三方面内容。
利用该平台，本实施例基于地理信息数据和技术手段，以较少的时间和人力投入即准确获取了该县相关资源的总体情况并发现了违规问题，同时还给出了审计初步结果。
1、基本农田总体情况。
1)存在将坡度大于25度耕地、生态公益林划定为基本农田。2012年开始，该县进行基本农田划区定界，划定基本农田13109.86公顷。上述基本农田中含坡度大于25度的耕地1606.16公顷，生态公益林1677.09公顷，不符合国土资源部《关于明确基本农田数据库建设有关事项的函》关于“……下列类型的耕地禁止新划定为基本农田：坡度大于25度且未采取水土保持措施的耕地、易受自然灾害损毁的耕地”和最严格耕地保护制度关于“不准占用基本农田进行植树造林”的规定。
2)基本农田存在闲置、荒芜现象。审计发现，基本农田内存在大于0.5公顷的撂荒地块14处，面积54.3公顷。上述做法不符合《基本农田保护条例》第十八条“禁止任何单位和个人闲置、荒芜基本农田……”的规定。
2、规划不协调情况。
该县县域总体规划、生态环境功能区规划、土地利用总体规划、粮食生产功能区规划、公益林和基本农田等6个规划之间有关区域、区块用途管控存在差异和矛盾，各个规划之间存在不衔接、不一致、不融合情况。一是县域总体规划与生态环境功能区规划。县域总体规划禁建区面积25122.24公顷，生态环境功能区规划禁止准入区、限制准入区面积98375.37公顷，重叠面积23127.38公顷，两个规划分别扣除重叠区域后为差异区域。二是县域总体规划与土地利用总体规划。土地利用总体规划禁建区面积26913.91公顷、限建区面积176208.94公顷，县域总体规划禁建区面积5074.09公顷、限制准入区面积207614.09公顷，重叠面积分别为5027.58公顷和173602公顷，两个规划分别扣除重叠区域后为差异区域。三是土地利用总体规划与生态环境功能区规划。生态环境功能区规划禁止准入区、限制准入区面积89375.37公顷，土地利用总体规划禁止建设区面积 5074.09公顷，重叠面积5074.09公顷，生态环境功能区规划扣除重叠区域后为差异区域。四是县域总体规划与公益林。县域总体规划的适建区、已建区与公益林重叠3074.28公顷，为规划矛盾区域。五是县域总体规划与粮食生产功能区。县域总体规划的适建区、限建区、已建区与粮食功能区重叠面积4374.7公顷，为规划矛盾区域。六是县域总体规划与基本农田。县域总体规划的适建区、限建区、已建区与基本农田重叠面积20131.73公顷，为规划矛盾区域。
3、公益林总体情况。
根据相关数据比对结果，并经县林业局现场勘查，确认公益林中存在非林地面积216.75亩。主要原因是该县未按时完成省级公益林矢量数据库完善工作、公益林信息更新不及时以及林业技术人员小班勾绘错误等其他工作失误。
4、土地开发项目违规问题。
2013至2015年该县有6个土地开发项目涉及在省级生态公益林的林地垦造耕地，并已种植油茶、旱稻、油菜等，合计面积6.14公顷。以上做法不符合《某省人民政府关于加强和改进垦造耕地工作的通知》关于“严禁将坡度25度以上的林地、……以及生长茂盛成片的林地垦造为耕地，坚决杜绝以土地开发为名，擅自毁林开垦”、《某省公益林管理办法》第十六条“公益林内禁止下列行为 (一)……开垦等毁林行为”和《中国人民共和国水土保持法》第二十条“禁止在二十五度以上陡坡地开垦种植农作物”的规定。
5、林地征占用违规问题。
该县存在林地征占用违规问题。经分析，某公司占用林地超出征地范围约2 亩，目前林地植被已破坏；某度假山庄超占林地面积约3亩。
6、林业采伐违规问题。
该县林木采伐管理信息化程度不高，采伐作业设计书内容不完整，资料保管不全。林木采伐许可证审批发放不规范。抽查某公司林木采伐许可证审批案卷，发现作业设计书未附伐区地形图，审计指出问题后，提供了手工勾画的作业红线，经地理信息技术叠置分析未发现问题，但无法确保采伐面积统计的准确性。
7、违规开采矿产问题。
审批的采石矿区范围包含省级生态公益林54.9亩，还存在个别建设项目超占林地情况。2006年，该县国土资源局在审批某公司石场时，核发的采矿许可证划定范围包含省级生态公益林54.9亩，不符合《某省人民政府办公厅关于印发某省重点生态公益林管理办法(试行)的通知》第十三条“禁止在重点生态公益林区内进行开垦、采石、挖沙、取土、筑坟等损坏重点生态公益林的行为”的规定，虽然此违规行为发生时间较早，但被审计领导在任期内也未予纠正。
8、总体评价结果
勾选森林资源、土地资源、水资源、矿产资源、大气资源5类资源类型共计 39个指标，经分析计算，得到该县森林资源评价总分为89，土地资源评价总分为78，水资源评价总分为92，矿产资源评价总分为85，大气资源评价总分为96。该县在某省主体功能区规划中定位为省级重点生态功能区，结合该县资源禀赋确定森林资源、土地资源、水资源、矿产资源、大气资源的权重比例为3：2：2： 1：2，最终总分为88.4，评价分级为较优，即资源开发、利用、保护、管理的综合效果较好。该评价结果与审计人员在审计过程中总体定性评价结果基本吻合，较为客观的反映了该县自然资源开发、利用、保护、管理情况。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (5)

1.一种自然资源资产离任审计评价方法，其特征在于，步骤如下：
S1：收集离任审计所需的自然资源地理信息数据，包括地理国情普查地表覆盖数据和专业部门数据；
S2：对自然资源地理信息数据依次进行空间配准、矢量化、格式转换和坐标统一；
S3：从地理国情普查地表覆盖数据和专业部门数据中提取各种待审计的自然资源数据；提取各类自然资源数据中的管制区数据；
S4：对S3中得到的数据进行叠置分析，提取不同数据之间的冲突区域图斑，并对这些图斑所涉及的疑似违规问题进行核查，最终确定违规问题；
S5：根据确定的违规问题所涉及的图斑数据，对每种待审计的自然资源的专题数据进行校正，然后对矫正后的数据进行汇总分析，获得每种待审计的自然资源面积；
S6：根据S4和S5中得到的数据，基于预设的自然资源资产离任审计评价指标体系，计算待审计对象的评价结果。
2.如权利要求1所述的自然资源资产离任审计评价方法，其特征在于，通过叠置分析确定违规问题的方法如下：
S401：土地开发项目违规问题的分析方法为：利用土地开发项目范围线与公益林数据进行叠置分析，提取土地开发项目范围线内的公益林图斑，即为疑似违规占用公益林进行垦造耕地图斑；利用土地开发项目范围线与坡度数据进行叠置分析，提取坡度25度以上的土地开发项目，即为垦造耕地质量不佳图斑；利用当前土地开发项目范围线与历史耕地影像进行比较解译，提取土地开发项目范围线内在历史耕地影像上已经为耕地的图斑，即为疑似重复虚报新增耕地图斑；
S402：公益林占用问题的分析方法为：利用地理国情普查中的地表覆盖数据与林业部门公益林数据进行空间叠置分析，提取公益林内非林地图斑；利用公益林调整范围数据与地表覆盖数据进行叠置分析，提取非林地图斑，即为调整后现状非林地图斑；
S403：林地征占用违规问题的分析方法为：对项目占用林地范围，统计分析计算面积并与批复数值比较是否有出入；将项目占用林地范围与环境功能区数据划叠置分析，提取位于省级自然保护区内的图斑；将项目占用林地范围与公益林数据叠置分析，提取占用公益林征占用项目图斑；对临时征占用项目，将其与地表覆盖数据进行叠置分析，结合项目批复两年后的影像解译，提取地表覆盖不为林地、园地或草地的图斑，即为超过24个月未复绿图斑；
S404：林业采伐违规问题的分析方法为：对林业采伐范围，利用ArcGIS统计分析功能计算面积并与批准数值比较是否有出入；将林业采伐范围与公益林数据进行叠置分析，提取林业采伐范围内的公益林图斑，即为违规采伐公益林情况；
S405：违规开采矿产问题的分析方法为：利用矿产资源数据与公益林数据进行叠置分析，提取矿产资源数据范围内的公益林图斑，作为疑似违规开采矿产资源的图斑；
S406：对S401～S405中发现的疑似违规图斑进行分析，剔除行业管理差异引起的误差以及合法、合规图斑，对剩余的疑似违规图斑进行外业核查，最终确定违规问题。
3.如权利要求1所述的自然资源资产离任审计评价方法，其特征在于，基于预定的自然资源资产离任审计评价指标体系，计算待审计对象的评价结果的方法如下：
首先，针对森林资源、土地资源、矿产资源、水资源、大气资源、海洋资源、生态状况7类自然资源设置评价各自的指标体系；
然后，计算待审计对象在任期内各指标的分值，并根据每个指标的权重，计算待审计对象的最终得分。
4.如权利要求1所述的自然资源资产离任审计评价方法，其特征在于，自然资源数据中森林蓄积量的获取方法如下：
S501：对目标审计区域的无人机高光谱数据和HJ-1A HSI高光谱数据进行预处理，其中无人机高光谱数据的预处理包括辐射校正、几何校正、图像拼接；HJ-1A HSI高光谱数据的预处理包括步骤S5011～S5013：
S5011：去条带噪声：通过像元的标准差、列平均值、波段标准差和波段均值之间的差异来进行线性化修正，修正公式为：
DN′i,j,k＝gi,k·DNi,j,k+bi,k
gi,k＝Stdvk/Stdvi,k
<mrow> <msub> <mi>b</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mover> <mrow> <msub> <mi>DN</mi> <mi>k</mi> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> <mo>-</mo> <msub> <mi>g</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mover> <mrow> <msub> <mi>DN</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> </mrow> </msub> </mrow> <mo>&amp;OverBar;</mo> </mover> </mrow>
其中，DNi,j,k为第k波段i列j行的原始像元DN值，DN′i,j,k为去除条纹之后的第k波段i列j行像元DN值；gi,k为第k波段第i列像元的增益，bi,k为第k波段第i列像元的偏移；Stdvk为第k波段像元值的标准差；为第k波段像元值的平均值；Stdvi,k为第k波段第i列像元值的标准差；为第k波段i列像元值的平均值；
S5012：大气校正：使用FLAASH模型进行大气校正。
S5013：几何精校正：选用1：10000地形图为基准影像，选取控制点，获取和HSI影像同名地物点的两组坐标，采用二次多项式模型进行模拟，使用最邻近内插法进行像元重采样，误差控制在一个像元内；
S502：以小班为单位，提取无人机高光谱数据中各小班的平均光谱和平均蓄积量作为样本点，选择多元线性回归模型进行森林蓄积量的估测，模型中因变量为森林蓄积量，自变量为所提取到的特征波段，拟合得到多元线性回归模型后基于经过预处理后的HJ-1A HSI高光谱数据进行森林蓄积量的估测。
5.如权利要求4所述的自然资源资产离任审计评价方法，其特征在于，所述的特征波段共6个，波长分别为656nm、802nm、925nm、442nm、596nm、684nm。
CN201711104833.2A 2017-11-10 2017-11-10 一种自然资源资产离任审计评价方法 Pending CN107909260A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711104833.2A CN107909260A (zh) 2017-11-10 2017-11-10 一种自然资源资产离任审计评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711104833.2A CN107909260A (zh) 2017-11-10 2017-11-10 一种自然资源资产离任审计评价方法

Publications (1)

Publication Number Publication Date
CN107909260A true CN107909260A (zh) 2018-04-13

Family

ID=61844707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711104833.2A Pending CN107909260A (zh) 2017-11-10 2017-11-10 一种自然资源资产离任审计评价方法

Country Status (1)

Country Link
CN (1) CN107909260A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764583A (zh) * 2018-06-06 2018-11-06 浙江农林大学 森林蓄积量的无偏预估方法
CN109064000A (zh) * 2018-07-25 2018-12-21 天图软件科技有限公司 自然资源审计的方法、装置和系统
CN109214686A (zh) * 2018-09-10 2019-01-15 华南农业大学 一种面向耕地占补平衡的定量分析方法
CN110032615A (zh) * 2019-04-23 2019-07-19 武大吉奥信息技术有限公司 一种基于规则库实现gis空间数据在线统计的方法
CN110222934A (zh) * 2019-05-08 2019-09-10 深圳中大环保科技创新工程中心有限公司 自然资源资产的审计方法、装置、设备及可读介质
CN110472200A (zh) * 2019-07-29 2019-11-19 深圳市中兴新云服务有限公司 一种基于表单的数据处理方法、装置及电子设备
CN110503445A (zh) * 2018-05-16 2019-11-26 深圳市自由度环保科技有限公司 一种自然资源资产核算平台及方法
CN111401187A (zh) * 2020-03-10 2020-07-10 中山市水利水电勘测设计咨询有限公司 一种水土保持情况的调查方法
CN111611335A (zh) * 2020-05-09 2020-09-01 杭州学联土地规划设计咨询有限公司 一种国土空间适用性评价方法、系统及存储介质
CN111782712A (zh) * 2020-07-02 2020-10-16 云南省地图院 一种自然资源资产审计综合空间分析系统及方法
CN111831777A (zh) * 2020-07-17 2020-10-27 云南省地图院 数据处理方法及装置、电子设备及计算机可读存储介质
CN111881797A (zh) * 2020-07-20 2020-11-03 北京理工大学 滨海湿地植被精细分类方法、装置、设备和存储介质
CN112085334A (zh) * 2020-08-06 2020-12-15 深圳市鹏城林业调查规划院有限公司 一种林业工作管理方法、系统、终端及存储介质
CN112241659A (zh) * 2019-07-17 2021-01-19 杭州海康威视数字技术股份有限公司 违章建筑的检测装置和检测方法以及终端设备
CN113190594A (zh) * 2020-09-26 2021-07-30 云南省地图院 一种基于空间分析服务链的自然资源保护红线审计方法
CN113723860A (zh) * 2021-09-09 2021-11-30 四川省自然资源科学研究院 一种土地资源资产离任审计评价方法、装置及存储介质
CN114817616A (zh) * 2022-06-29 2022-07-29 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) 一种森林蓄积量连续监测方法、系统及其执行方法
CN115063120A (zh) * 2022-08-05 2022-09-16 国网浙江省电力有限公司金华供电公司 基于云服务的工程审计系统
CN115527120A (zh) * 2022-10-18 2022-12-27 湖南省第二测绘院 一种快速发现和处置违法用地的监测监管方法及系统
CN116680260A (zh) * 2023-06-08 2023-09-01 黑龙江省国土空间规划研究院 一种三区三线省级数据库质量检查系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495405A (zh) * 2011-11-30 2012-06-13 武汉大学 一种tm/etm+影像大气校正产品质量评价方法
CN105046188A (zh) * 2015-04-13 2015-11-11 中南林业科技大学 Modis混合像元分解森林信息提取方法
CN106850666A (zh) * 2017-03-02 2017-06-13 水禾测绘信息技术有限公司 林业信息共享云平台与监测业务系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102495405A (zh) * 2011-11-30 2012-06-13 武汉大学 一种tm/etm+影像大气校正产品质量评价方法
CN105046188A (zh) * 2015-04-13 2015-11-11 中南林业科技大学 Modis混合像元分解森林信息提取方法
CN106850666A (zh) * 2017-03-02 2017-06-13 水禾测绘信息技术有限公司 林业信息共享云平台与监测业务系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
王醒无: "领导干部自然资源资产和环境责任离任审计方法探析", 《现代审计与经济》 *
邓敏 等: "依托地理国情普查数据的自然资源资产审计", 《测绘》 *
郑刚: "基于KNN法的森林蓄积量的遥感估计和反演", 《中国优秀硕士学位论文全文数据库 农业科技辑》 *
钮立明 等: "HJ_1A星HSI数据2级产品处理流程研究", 《国土资源遥感》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110503445A (zh) * 2018-05-16 2019-11-26 深圳市自由度环保科技有限公司 一种自然资源资产核算平台及方法
CN108764583A (zh) * 2018-06-06 2018-11-06 浙江农林大学 森林蓄积量的无偏预估方法
CN108764583B (zh) * 2018-06-06 2021-09-28 浙江农林大学 森林蓄积量的无偏预估方法
CN109064000A (zh) * 2018-07-25 2018-12-21 天图软件科技有限公司 自然资源审计的方法、装置和系统
CN109214686A (zh) * 2018-09-10 2019-01-15 华南农业大学 一种面向耕地占补平衡的定量分析方法
CN110032615A (zh) * 2019-04-23 2019-07-19 武大吉奥信息技术有限公司 一种基于规则库实现gis空间数据在线统计的方法
CN110032615B (zh) * 2019-04-23 2021-05-11 武大吉奥信息技术有限公司 一种基于规则库实现gis空间数据在线统计的方法
CN110222934A (zh) * 2019-05-08 2019-09-10 深圳中大环保科技创新工程中心有限公司 自然资源资产的审计方法、装置、设备及可读介质
CN112241659A (zh) * 2019-07-17 2021-01-19 杭州海康威视数字技术股份有限公司 违章建筑的检测装置和检测方法以及终端设备
CN112241659B (zh) * 2019-07-17 2024-05-17 杭州海康威视数字技术股份有限公司 违章建筑的检测装置和检测方法以及终端设备
CN110472200A (zh) * 2019-07-29 2019-11-19 深圳市中兴新云服务有限公司 一种基于表单的数据处理方法、装置及电子设备
CN110472200B (zh) * 2019-07-29 2023-10-27 深圳市中兴新云服务有限公司 一种基于表单的数据处理方法、装置及电子设备
CN111401187A (zh) * 2020-03-10 2020-07-10 中山市水利水电勘测设计咨询有限公司 一种水土保持情况的调查方法
CN111611335A (zh) * 2020-05-09 2020-09-01 杭州学联土地规划设计咨询有限公司 一种国土空间适用性评价方法、系统及存储介质
CN111782712A (zh) * 2020-07-02 2020-10-16 云南省地图院 一种自然资源资产审计综合空间分析系统及方法
CN111831777A (zh) * 2020-07-17 2020-10-27 云南省地图院 数据处理方法及装置、电子设备及计算机可读存储介质
CN111831777B (zh) * 2020-07-17 2023-07-07 云南省地图院 数据处理方法及装置、电子设备及计算机可读存储介质
CN111881797A (zh) * 2020-07-20 2020-11-03 北京理工大学 滨海湿地植被精细分类方法、装置、设备和存储介质
CN112085334A (zh) * 2020-08-06 2020-12-15 深圳市鹏城林业调查规划院有限公司 一种林业工作管理方法、系统、终端及存储介质
CN113190594A (zh) * 2020-09-26 2021-07-30 云南省地图院 一种基于空间分析服务链的自然资源保护红线审计方法
CN113723860A (zh) * 2021-09-09 2021-11-30 四川省自然资源科学研究院 一种土地资源资产离任审计评价方法、装置及存储介质
CN113723860B (zh) * 2021-09-09 2023-05-12 四川省自然资源科学研究院 一种土地资源资产离任审计评价方法、装置及存储介质
JP7339467B1 (ja) 2022-06-29 2023-09-05 四川省林業和草原調査規劃院（四川省林業和草原生態環境監測中心） 森林蓄積量連続監視測定方法、システム及びその実施方法
CN114817616A (zh) * 2022-06-29 2022-07-29 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) 一种森林蓄积量连续监测方法、系统及其执行方法
CN114817616B (zh) * 2022-06-29 2022-09-16 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) 一种森林蓄积量连续监测方法、系统及其执行方法
US11869023B1 (en) 2022-06-29 2024-01-09 Sichuan Provincial Institute of Forestry and Grassland Inventory and Planning Continuous monitoring method and system for forest stock and execution method therefor
CN115063120B (zh) * 2022-08-05 2022-11-04 国网浙江省电力有限公司金华供电公司 基于云服务的工程审计系统
CN115063120A (zh) * 2022-08-05 2022-09-16 国网浙江省电力有限公司金华供电公司 基于云服务的工程审计系统
CN115527120A (zh) * 2022-10-18 2022-12-27 湖南省第二测绘院 一种快速发现和处置违法用地的监测监管方法及系统
CN116680260A (zh) * 2023-06-08 2023-09-01 黑龙江省国土空间规划研究院 一种三区三线省级数据库质量检查系统及方法

Similar Documents

Publication Publication Date Title
CN107909260A (zh) 一种自然资源资产离任审计评价方法
Tomppo et al. Combining national forest inventory field plots and remote sensing data for forest databases
Feilhauer et al. Combining Isomap ordination and imaging spectroscopy to map continuous floristic gradients in a heterogeneous landscape
Cienciała et al. Credibility of the cadastral data on land use and the methodology for their verification and update
CN108760643A (zh) 一种适宜于高海拔地区的干旱遥感监测方法
Thenkabail et al. Remote sensing of global croplands for food security
Atay Kaya et al. Land use and land cover change monitoring in Bandırma (Turkey) using remote sensing and geographic information systems
Kumar et al. A SWIR-based vegetation index for change detection in land cover using multi-temporal Landsat satellite dataset
Kocur-Bera Data compatibility between the Land and Building Cadaster (LBC) and the Land Parcel Identification System (LPIS) in the context of area-based payments: A case study in the Polish Region of Warmia and Mazury
CN113850706A (zh) 一种地区碳测算方法、展示平台、云服务器及存储介质
CN108876487A (zh) 一种基于大数据及智能决策机制的工业地块估计方法
Azizi et al. Integration of Sentinel-1/2 and topographic attributes to predict the spatial distribution of soil texture fractions in some agricultural soils of western Iran
Chen et al. An integrated GIS tool for automatic forest inventory estimates of Pinus radiata from LiDAR data
Jamshidi et al. Disaggregation of conventional soil map by generating multi realizations of soil class distribution (case study: Saadat Shahr plain, Iran)
Moral et al. Mapping management zones in a sandy pasture soil using an objective model and multivariate techniques
CN103364792B (zh) 用户驱动的粮食遥感地面参照信息收集方法
Amati et al. Using machine learning to identify urban forest crown bounding boxes (CBB): Exploring a new method to develop urban forest policy
Ismayilova et al. Classifying urban green spaces using a combined Sentinel-2 and random forest approach
Romdhoni The Use of Landsat Image and Census Data for Modelling Population Density and Urban Density in Palembang, Indonesia
Antamoshkin et al. Methodology for automated classification of farmland based on Earth remote sensing data
Subiyanto et al. The use of a MLP neural network for analysis and aodeling of land use changes with variations variable of physical and economic social
Masoudi et al. Developing a new model for ecological capability evaluation of irrigated lands in Firouzabad Township, Iran
Barichievy Evaluating soil and terrain variables in a production environment: implications for agricultural land assessment
Ugbaje et al. Space-time mapping of soil organic carbon stock and its local drivers: Potential for use in carbon accounting
Ramteke et al. Optical remote sensing applications in crop mapping and acreage estimation: A review

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180413