CN113705990A - 自然资源信息处理方法、装置、电子设备及存储介质 - Google Patents
自然资源信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113705990A CN113705990A CN202110943004.3A CN202110943004A CN113705990A CN 113705990 A CN113705990 A CN 113705990A CN 202110943004 A CN202110943004 A CN 202110943004A CN 113705990 A CN113705990 A CN 113705990A
- Authority
- CN
- China
- Prior art keywords
- natural resource
- data
- remote sensing
- natural
- information processing
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 13
- 238000012544 monitoring process Methods 0.000 description 22
- 238000007726 management method Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 241000209504 Poaceae Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种自然资源信息处理方法、装置、电子设备及存储介质，所述方法包括获取至少一幅遥感正射影像图；对所述遥感正射影像图进行解译，提取所述遥感正射影像图中的自然资源数据；分析所述自然资源数据，并生成分析结果。本公开以遥感正射影像图为基础，无需人工野外调查，极大地降低了成本，提高了处理效率，同时能够自动综合分析各类自然资源数据，便于数据共享，所得分析结果更为准确。
Description
技术领域
本发明一般涉及自然资源监管技术领域，具体涉及一种自然资源信息处理方法、装置、电子设备及存储介质。
背景技术
自然资源是指天然存在、有使用价值、可提高人类当前和未来福利的自然环境因素的总和，而自然资源的监管以反映山、水、林、田、湖、草、沙及矿产等自然资源的数量、地类、空间分布和权属性质等数据为基础。
目前，相关技术通过实地野外调查来获取监管数据，但这种方式不仅需要耗费大量的人力和物力，成本高昂，还由于大范围作业效率低，数据采集周期过长会丧失时效性，无法及时发现自然资源变化，影响判断结果的准确性。并且，在数据管理和应用层面对自然资源数据进行分散存储、离线拷贝或是纸质传递，不利于数据共享。
发明内容
鉴于相关技术中的上述缺陷或不足，期望提供一种自然资源信息处理方法、装置、电子设备及存储介质，能够快速地获取自然资源数据，提高自然资源监管决策的效率以及判断结果的准确性，同时便于数据共享。
第一方面，本公开提供一种自然资源信息处理方法，所述方法包括：
获取至少一幅遥感正射影像图；
对所述遥感正射影像图进行解译，提取所述遥感正射影像图中的自然资源数据；
分析所述自然资源数据，并生成分析结果。
可选地，在本公开一些实施例中，所述对所述遥感正射影像图进行解译包括基于深度学习的目标检测、影像分割、影像分类和影像重建中的至少一种。
可选地，在本公开一些实施例中，所述对所述遥感正射影像图进行解译还包括点云分类、高光谱遥感影像分类和遥感超分辨率重建中的至少一种。
可选地，在本公开一些实施例中，所述分析所述自然资源数据，包括：
获取所述自然资源数据中地表自然资源分类数据；
根据第一目标范围，统计所述地表自然资源分类数据处于所述第一目标范围内的各类自然资源数量和空间分布。
可选地，在本公开一些实施例中，所述根据第一目标范围，统计所述地表自然资源分类数据处于所述第一目标范围内的各类自然资源数量之后，所述方法还包括：
根据所述各类自然资源数量和预先设置的自然资源资产核算模型，计算所述各类自然资源对应的价值量。
可选地，在本公开一些实施例中，所述分析所述自然资源数据，包括：
获取所述自然资源数据中第二目标范围的变化图斑数据，所述变化图斑数据基于所述第二目标范围在当前年度两个不同时间所对应的图斑数据得到；
对所述变化图斑数据进行空间压占分析，并确定压占类型。
可选地，在本公开一些实施例中，所述获取所述自然资源数据中第二目标范围的变化图斑数据，所述变化图斑数据基于所述第二目标范围在当前年度两个不同时间所对应的图斑数据得到，还包括：
获取所述第二目标范围在当前年度的上一年度所对应的图斑数据；
根据所述变化图斑数据和所述上一年度所对应的图斑数据，确定所述当前年度的自然资源变更调查数据。
第二方面，本公开提供一种自然资源信息处理装置，所述装置包括：
获取模块，配置用于获取至少一幅遥感正射影像图；
解译模块，配置用于对所述遥感正射影像图进行解译，提取所述遥感正射影像图中的自然资源数据；
分析模块，配置用于分析所述自然资源数据，并生成分析结果。
第三方面，本公开提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如第一方面中任意一项所述的自然资源信息处理方法的步骤。
第四方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如第一方面中任意一项所述的自然资源信息处理方法的步骤。
综上，本公开实施例提供的自然资源信息处理方法、装置、电子设备及存储介质，通过获取遥感正射影像图，并快速地进行解译，提取该遥感正射影像图中的自然资源数据，无需人工野外调查，极大地降低了成本，提高了处理效率，同时能够自动综合分析各类自然资源数据，便于数据共享，所得分析结果更为准确。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1为本公开实施例提供的一种自然资源信息处理方法的流程示意图；
图2为本公开实施例提供的一种自然资源信息处理系统的结构示意图；
图3为本公开实施例提供的一种自然资源信息处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
为了便于理解和说明，下面通过图1至图3详细的阐述本公开实施例提供的自然资源信息处理方法、装置、电子设备及存储介质。
请参考图1，其为本公开实施例提供的一种自然资源信息处理方法的流程示意图，该方法包括以下步骤：
S101，获取至少一幅遥感正射影像图。
需要说明的是，遥感正射影像图(Digital Orthophoto Map，DOM)是利用数字高程模型，对经过扫描处理的数字化遥感影像逐像元进行辐射改正、微分纠正和镶嵌，并按规定图幅范围裁剪生成的数字正射影像数据集，带有公里格网、图廓整饰和注记的平面图。同时，遥感正射影像图具有地图几何精度和影像特征，信息丰富、直观真实以及制作周期短的优势。比如，该遥感正射影像图的来源可以包括但不限于低空无人机、航空摄影和航天传感器等，从而能够多维度、宏观地为自然资源调查监测提供重要的数据资源。
S102，对遥感正射影像图进行解译，提取遥感正射影像图中的自然资源数据。
可选地，本公开一些实施例中对遥感正射影像图进行解译可以包括但不限于基于深度学习的目标检测、影像分割、影像分类和影像重建中的至少一种，以目标地物影像样本库作为机器学习的训练样本，从而能够对遥感正射影像图进行目标提取、地物分类和变化图斑提取等操作，自动提取地表覆盖分类等自然资源数据，并存入数据库中，这样设置的好处是可以避免人工主观判断，提高了处理效率和识别精度。比如，目标检测方法可以包括但不限于R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN、SPPnet、SSD和YOLO等，影像分割和分类方法可以包括但不限于FCN、Deeplab、PSPNet、DeconvNet、Segnet和Unet等。
进一步地，本公开一些实施例中对遥感正射影像图进行解译还包括点云分类、高光谱遥感影像分类和遥感超分辨率重建中的至少一种，由此能够实现多源遥感数据的质量改进和信息提取。比如，点云分类的方法包括PointNet，高光谱遥感影像分类的方法包括RestNet，以及遥感超分辨率重建的方法包括SRGAN。
S103，分析自然资源数据，并生成分析结果。
示例性地，下面结合图2所示的自然资源信息处理系统对S101～S103的实现过程进行详细说明。该自然资源信息处理系统包括解译系统和应用系统，其中解译系统能够实现S101～S102，应用系统能够实现S103。
第一方面、解译系统。该解译系统以遥感正射影像图作为输入，并输出遥感影像数据、基础地理数据、自然资源现状数据、国土空间规划数据和自然资源业务管理数据等自然资源数据，保存至数据库中。其可以实现如下功能：
①：特定目标检测。自然资源监管中国土空间用途管制是以用途管制为主要手段进行的国土空间开发保护，最大限度保护耕地、林地、草原、河流、湖泊和湿地等自然生态用地，即保障各个自然资源类别严格按照规划进行使用和用途改变。本公开实施例通过目标检测能够精确搜索出遥感影像中所有感兴趣的目标类别和场景，例如建筑物、水体、城市绿化和路网等，并快速确定它们的位置和大小，从而准确识别多种自然资源目标和场景类别，以及判定重点自然资源目标的位置和相互关系，为国土空间用途管制、生态修复、地质灾害防治和执法督察提供数据支撑。
②：自然资源定量信息提取。自然资源调查监测要求统一掌握各类自然资源的范围、数量、质量和变化状况，同时自然资源的精细化管理也要求快速掌握自然资源各类别的现状情况。本公开实施例通过影像分割和影响分类能够快速实现高分辨率遥感影像的高精度分类，并自动获取各个自然资源类型的边界和定量化指标，例如林地、草地和水体等自然资源定量信息，辅助自然资源调查监测评价，实现了自然资源定量化和精细化管理。
③：自然资源变化检测。自然资源执法监察与耕地保护要求对用地量大、违法用地多面广的地区开展变化自动比对分析、自查回传和成果核查全天候督察。本公开实施例充分利用神经网络和深度学习等方法，通过对同一区域内不同时期的遥感影像进行自动对比，能够快速发现自然资源类别变化，从而辅助国土空间规划监测评估、耕地保护和执法监察等自然资源监管工作。
④：多源遥感数据处理。这样设置的好处在于，能够丰富保障全天候遥感监测的数据资源和质量，进一步提升全天候遥感监测辅助自然资源管理的综合实力。比如，基于人工智能的三维点云处理可以包括基于卷积神经网络的LiDAR(Light Detection AndRanging，激光探测与测距)点云配准和点云分类，相较于基于影像的分割和分类，本公开实施例能够提升建筑物和地形起伏区域的分类精度，进一步提升自然资源管理的精准程度。再如，通过基于卷积神经网络的遥感影像超分辨率重建和去云等处理，本公开实施例能够对现有数据资源进行优化处理，提升了基于影像的自然资源信息判读精度。又如，由于高光谱影像能够精细化反映多种自然资源类别的细微特征，因此本公开实施例通过基于人工智能的高光谱遥感影像分类处理，可以精细化获取自然资源类别的分类结果，便于自然资源精细化管理。
第二方面、应用系统。该应用系统以自然资源数据库作为数据支撑，输出各类自然资源专题地图、统计报表和文字报告等分析结果，由此能够辅助自然资源调查监测和管理决策工作。其可以实现如下功能：
①：自然资源数量与空间分布统计展示。本公开实施例通过获取自然资源数据中地表自然资源分类数据，而后根据第一目标范围，统计地表自然资源分类数据处于第一目标范围内的各类自然资源数量和空间分布。这样设置的好处是，能够快速获取目标范围内的山、水、林、田、湖、草、沙和露天煤矿等各类自然资源的面积数量、地理位置及其在数量上的连年变化情况，便于从时间、空间等多维度摸清区域自然资源现状。
示例性地，本公开实施例首先加载从遥感正射影像图中提取的自然资源分类数据图层，比如该自然资源分类数据图层为土地利用现状数据的地理图斑图层或者地理国情监测数据的地表覆盖图层；其次，选择一个行政区划单元，或者在地图上绘制一个多边形范围，抑或通过导入坐标文件的方式生成多边形图形，作为第一目标范围；再次，对第一目标范围进行自然资源面积数量自动统计，并弹出统计结果展示界面，以饼状图或柱状图的形式展示各类(山、水、林、田、湖、草、沙等)自然资源总面积，也可按照一级分类、二级分类和三级分类的表格形式进行统计结果详情展示，当在统计表格中选择某一类自然资源时，能够在地图上展示其空间位置，并自动定位至该类自然资源覆盖区域；最后，将统计结果以文档形式导出和下载。
②：自然资源资产价值核算。本公开实施例根据各类自然资源数量的统计结果，融入预先设置的自然资源资产核算模型，能够对第一目标范围内的耕地资源、水资源、林地资源和草地资源等自然资源对应的价值量进行快速计算。其中，模型参数可以根据实际应用的目标区域进行个性化设置，计算结果可为自然资源资产核算和自然资源资产离任审计提供数据参考。
示例性地，本公开实施例首先加载从遥感正射影像图中提取的自然资源分类数据图层，比如该自然资源分类数据图层为土地利用现状数据的地理图斑图层或者地理国情监测数据的地表覆盖图层；其次，选择一个行政区划单元，作为自然资源资产核算的第一目标范围；然后，自动对第一目标范围进行自然资源价值量计算，并弹出统计结果展示界面，以饼状图或柱状图的形式展示林地资源、草地资源、耕地资源和水资源的数量和价值量，以及通过统计表格的形式展示各类资源价值量详情；最终，将自然资源资产核算结果以文档形式导出和下载。需要说明的是，首次对某一区域进行自然资源资产核算时，可以设定自然资源资产核算模型的计算参数，后续再对同一区域进行核算时，可直接应用本次保存的计算参数，由此能够进一步提升处理效率。
③：辅助自然资源执法监察。本公开实施例通过获取自然资源数据中第二目标范围的变化图斑数据，该变化图斑数据基于第二目标范围在当前年度两个不同时间所对应的图斑数据得到，进而对变化图斑数据进行空间压占分析，并确定压占类型，由此能够判定变化图斑位置是否有不符合规划的违法用地行为，并将分析结果输出为文字、地图、统计表格相结合的报告文档，为自然资源执法监察部门提供执法目标，提高了执法监察部门的执法效率。
示例性地，本公开实施例首先加载所获取的变化图斑数据，该变化图斑数据基于覆盖同一区域的不同时间点的两期图斑数据得到；其次，对所有变化图斑位置所压占的土地利用现状、国土空间规划、林业专题、草地专题、基本农田图层等各类专题数据进行空间压占分析，并展示变化图斑空间压占分析结果，将各变化图斑的空间压占情况归为“合法”、“违法”和“疑似违法”三种情况；然后，以统计表格的形式展示变化图斑空间压占分析结果详情，同时可在地图中查看压占图斑空间位置和压占面积等详细信息，其中对于分析结果为“违法”的变化图斑，可以查看违反的条款，对于分析结果为“疑似违法”的变化图斑，可结合人为判断，根据实际情况再将其归为“合法”或“违法”；最终，导出分析结果报告，供自然资源执法监察部门使用。
④：辅助土地利用现状变更调查。本公开实施例除了获取变化图斑数据之外，还获取第二目标范围在当前年度的上一年度所对应的图斑数据，进而根据变化图斑数据和上一年度所对应的图斑数据，确定当前年度的调查数据。比如，获取目标区域内土地利用类型变化情况，将变化空间位置、变化类型(如耕地变为林地)等信息进行存储，为土地利用现状年度变更调查提供数据参考，使土地利用现状年度变更调查的目标图斑更全面、更准确，降低土地利用现状年度变更调查的作业成本。
示例性地，本公开实施例首先加载所获取的变化图斑数据以及变更调查年度的上一年度所对应的图斑数据，该变化图斑数据基于覆盖同一区域的土地利用变更调查年度年初和年末的两期图斑数据得到；其次，将变化图斑数据和上一年度所对应的图斑数据进行空间求交运算，获取交集部分，并将交集部分从上一年度图斑数据中裁切掉，与变化图斑数据合并，完善属性信息；最终，导出数据作为当前年度的土地利用变更调查数据。
⑤：辅助地理国情监测。本公开实施例除了获取变化图斑数据之外，还获取第二目标范围在当前年度的上一年度所对应的图斑数据，进而根据变化图斑数据和上一年度所对应的图斑数据，确定当前年度的调查数据。比如，获取目标区域内地表覆盖类型变化情况，将变化空间位置、变化类型(如耕地变为林地)等信息进行存储，为年度地理国情监测野外调查提供数据参考，使地理国情监测的目标图斑更全面、更准确，降低地理国情监测的作业成本。
示例性地，本公开实施例首先加载所获取的变化图斑数据以及地理国情监测年度的上一年度地理国情监测地表覆盖图斑数据，该变化图斑数据基于覆盖同一区域的地理国情监测年度年初和年末的两期图斑数据得到；其次，将变化图斑数据和上一年度地理国情监测地表覆盖图斑数据进行空间求交运算，获取交集部分，并将交集部分从上一年度地理国情监测地表覆盖图斑数据中裁切掉，与变化图斑数据合并，完善属性信息；最终，导出数据作为当前年度的地理国情监测数据。
⑥：生态修复治理遥感监测。本公开实施例利用遥感影像动态修复治理情况进行持续监测，通过提取特定的自然资源(如露天煤矿排土场)信息和对比分析，掌握区域生态状况及其变化趋势，为目标区域生态修复治理提供数据支撑。
示例性地，本公开实施例首先获取监测目标范围在生态修复治理前和生态修复治理后对应的归一化植被指数(NDVI)数据；进而，将前后两期归一化植被指数数据相减，并对相减后的栅格数据进行重分类，栅格像元值<0的区域赋值为-1，栅格像元值>0的区域赋值为1，该重分类后的栅格数据为生态修复治理监测结果。需要说明的是，栅格像元值为1的区域为生态修复治理成效显著的区域，栅格像元值为-1的区域为生态恶化区域，而栅格像元值为0的区域表示生态修复治理前后无明显变化。
本公开实施例提供的自然资源信息处理方法，通过获取遥感正射影像图，并快速地进行解译，提取该遥感正射影像图中的自然资源数据，无需人工野外调查，极大地降低了成本，提高了处理效率，同时能够自动综合分析各类自然资源数据，便于数据共享，所得分析结果更为准确。
基于前述实施例，本公开实施例提供一种自然资源信息处理装置。该装置100可以应用于图1～图2对应实施例的自然资源信息处理方法中，如图3所示，包括：
获取模块101，配置用于获取至少一幅遥感正射影像图；
解译模块102，配置用于对遥感正射影像图进行解译，提取遥感正射影像图中的自然资源数据；
分析模块103，配置用于分析自然资源数据，并生成分析结果。
可选地，在本公开一些实施例中，解译模块102还配置用于进行基于深度学习的目标检测、影像分割、影像分类和影像重建中的至少一种。
可选地，在本公开一些实施例中，解译模块102还配置用于进行点云分类、高光谱遥感影像分类和遥感超分辨率重建中的至少一种。
可选地，在本公开一些实施例中，分析模块103还配置用于获取自然资源数据中地表自然资源分类数据；
根据第一目标范围，统计地表自然资源分类数据处于第一目标范围内的各类自然资源数量和空间分布。
可选地，在本公开一些实施例中，分析模块103还配置用于根据各类自然资源数量和预先设置的自然资源资产核算模型，计算各类自然资源对应的价值量。
可选地，在本公开一些实施例中，分析模块103还配置用于获取自然资源数据中第二目标范围的变化图斑数据，该变化图斑数据基于第二目标范围在当前年度两个不同时间所对应的图斑数据得到；
对变化图斑数据进行空间压占分析，并确定压占类型。
可选地，在本公开一些实施例中，分析模块103还配置用于获取第二目标范围在当前年度的上一年度所对应的图斑数据；
根据变化图斑数据和上一年度所对应的图斑数据，确定当前年度的调查数据。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
本公开实施例提供的自然资源信息处理装置，通过获取模块获取遥感正射影像图，解译模块进行快速地解译，提取该遥感正射影像图中的自然资源数据，无需人工野外调查，极大地降低了成本，提高了处理效率，同时分析模块能够自动综合分析各类自然资源数据，便于数据共享，所得分析结果更为准确。
基于前述实施例，本公开实施例提供一种电子设备，该电子设备包括处理器和存储器。存储器中存储有至少一条指令、至少一段程序、代码集或指令集，指令、程序、代码集或指令集由处理器加载并执行以实现图1～图2对应实施例的自然资源信息处理方法的步骤。
作为另一方面，本公开实施例提供一种计算机可读存储介质，用于存储程序代码，该程序代码用于执行前述图1～图2对应实施例的自然资源信息处理方法中的任意一种实施方式。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本公开所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。而集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例自然资源信息处理方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围。
Claims (10)
1.一种自然资源信息处理方法，其特征在于，所述方法包括：
获取至少一幅遥感正射影像图；
对所述遥感正射影像图进行解译，提取所述遥感正射影像图中的自然资源数据；
分析所述自然资源数据，并生成分析结果。
2.根据权利要求1所述的自然资源信息处理方法，其特征在于，所述对所述遥感正射影像图进行解译包括基于深度学习的目标检测、影像分割、影像分类和影像重建中的至少一种。
3.根据权利要求2所述的自然资源信息处理方法，其特征在于，所述对所述遥感正射影像图进行解译还包括点云分类、高光谱遥感影像分类和遥感超分辨率重建中的至少一种。
4.根据权利要求1所述的自然资源信息处理方法，其特征在于，所述分析所述自然资源数据，包括：
获取所述自然资源数据中地表自然资源分类数据；
根据第一目标范围，统计所述地表自然资源分类数据处于所述第一目标范围内的各类自然资源数量和空间分布。
5.根据权利要求4所述的自然资源信息处理方法，其特征在于，所述根据第一目标范围，统计所述地表自然资源分类数据处于所述第一目标范围内的各类自然资源数量之后，所述方法还包括：
根据所述各类自然资源数量和预先设置的自然资源资产核算模型，计算所述各类自然资源对应的价值量。
6.根据权利要求1所述的自然资源信息处理方法，其特征在于，所述分析所述自然资源数据，包括：
获取所述自然资源数据中第二目标范围的变化图斑数据，所述变化图斑数据基于所述第二目标范围在当前年度两个不同时间所对应的图斑数据得到；
对所述变化图斑数据进行空间压占分析，并确定压占类型。
7.根据权利要求6所述的自然资源信息处理方法，其特征在于，所述获取所述自然资源数据中第二目标范围的变化图斑数据，所述变化图斑数据基于所述第二目标范围在当前年度两个不同时间所对应的图斑数据得到，还包括：
获取所述第二目标范围在当前年度的上一年度所对应的图斑数据；
根据所述变化图斑数据和所述上一年度所对应的图斑数据，确定所述当前年度的自然资源变更调查数据。
8.一种自然资源信息处理装置，其特征在于，所述装置包括：
获取模块，配置用于获取至少一幅遥感正射影像图；
解译模块，配置用于对所述遥感正射影像图进行解译，提取所述遥感正射影像图中的自然资源数据；
分析模块，配置用于分析所述自然资源数据，并生成分析结果。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至7中任意一项所述的自然资源信息处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任意一项所述的自然资源信息处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110943004.3A CN113705990A (zh) | 2021-08-17 | 2021-08-17 | 自然资源信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110943004.3A CN113705990A (zh) | 2021-08-17 | 2021-08-17 | 自然资源信息处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113705990A true CN113705990A (zh) | 2021-11-26 |
Family
ID=78653024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110943004.3A Pending CN113705990A (zh) | 2021-08-17 | 2021-08-17 | 自然资源信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113705990A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114549972A (zh) * | 2022-01-17 | 2022-05-27 | 中国矿业大学(北京) | 露天矿采场提取方法、装置、设备、介质及程序产品 |
| CN115775074A (zh) * | 2022-11-25 | 2023-03-10 | 北京汇达城数科技发展有限公司 | 自然资源数据信息化管理方法、系统、终端及存储介质 |
| CN116342685A (zh) * | 2023-05-29 | 2023-06-27 | 四川凯普顿信息技术股份有限公司 | 一种基于dom影像的农业耕地地块的面积测量方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651609A (zh) * | 2016-09-27 | 2017-05-10 | 云南大学 | 一种矿产资源开发环境遥感监测辅助信息系统及方法 |
| CN109063026A (zh) * | 2018-07-16 | 2018-12-21 | 宁夏回族自治区国土资源地理信息中心（宁夏国土资源档案馆） | 一种地理信息数据采集方法及系统 |
| CN111553245A (zh) * | 2020-04-24 | 2020-08-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于机器学习算法和多源遥感数据融合的植被分类方法 |
-
2021
- 2021-08-17 CN CN202110943004.3A patent/CN113705990A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651609A (zh) * | 2016-09-27 | 2017-05-10 | 云南大学 | 一种矿产资源开发环境遥感监测辅助信息系统及方法 |
| CN109063026A (zh) * | 2018-07-16 | 2018-12-21 | 宁夏回族自治区国土资源地理信息中心（宁夏国土资源档案馆） | 一种地理信息数据采集方法及系统 |
| CN111553245A (zh) * | 2020-04-24 | 2020-08-18 | 中国电建集团成都勘测设计研究院有限公司 | 基于机器学习算法和多源遥感数据融合的植被分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| 尤淑撑 等: "自然资源遥感监测体系建设现状与发展展望", 无线电工程, vol. 50, no. 5, pages 343 - 348 * |
| 张瑞新: "内蒙古地理信息大数据平台建设与应用", 地理信息世界, vol. 27, no. 6, pages 109 - 117 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114549972A (zh) * | 2022-01-17 | 2022-05-27 | 中国矿业大学(北京) | 露天矿采场提取方法、装置、设备、介质及程序产品 |
| CN114549972B (zh) * | 2022-01-17 | 2023-01-03 | 中国矿业大学(北京) | 露天矿采场提取方法、装置、设备及介质 |
| CN115775074A (zh) * | 2022-11-25 | 2023-03-10 | 北京汇达城数科技发展有限公司 | 自然资源数据信息化管理方法、系统、终端及存储介质 |
| CN116342685A (zh) * | 2023-05-29 | 2023-06-27 | 四川凯普顿信息技术股份有限公司 | 一种基于dom影像的农业耕地地块的面积测量方法 |
| CN116342685B (zh) * | 2023-05-29 | 2023-07-28 | 四川凯普顿信息技术股份有限公司 | 一种基于dom影像的农业耕地地块的面积测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hermosilla et al. | Land cover classification in an era of big and open data: Optimizing localized implementation and training data selection to improve mapping outcomes | |
| Artés et al. | A global wildfire dataset for the analysis of fire regimes and fire behaviour | |
| Hermosilla et al. | Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics | |
| CN106384081B (zh) | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 | |
| CN113705990A (zh) | 自然资源信息处理方法、装置、电子设备及存储介质 | |
| Stojanova et al. | Estimating vegetation height and canopy cover from remotely sensed data with machine learning | |
| Ioannidis et al. | Towards a strategy for control of suburban informal buildings through automatic change detection | |
| Florczyk et al. | A new European settlement map from optical remotely sensed data | |
| Peddle et al. | Large area forest classification and biophysical parameter estimation using the 5-Scale canopy reflectance model in Multiple-Forward-Mode | |
| Ling et al. | Object-based sub-pixel mapping of buildings incorporating the prior shape information from remotely sensed imagery | |
| Wang et al. | Using GF-2 imagery and the conditional random field model for urban forest cover mapping | |
| Newman et al. | Comparing the effects of classification techniques on landscape-level assessments: pixel-based versus object-based classification | |
| Adam | Integration of remote sensing and GIS in studying vegetation trends and conditions in the gum Arabic belt in North Kordofan, Sudan | |
| Cano et al. | Improved forest-cover mapping based on MODIS time series and landscape stratification | |
| Zhou et al. | Comparison of UAV-based LiDAR and digital aerial photogrammetry for measuring crown-level canopy height in the urban environment | |
| Zhao et al. | Combining ICESat-2 photons and Google Earth Satellite images for building height extraction | |
| Oehmcke et al. | Deep point cloud regression for above-ground forest biomass estimation from airborne LiDAR | |
| Remmel et al. | Integration of forest inventory and satellite imagery:: a Canadian status assessment and research issues | |
| Ma et al. | Individual structure mapping over six million trees for New York City USA | |
| Albuquerque et al. | Remotely piloted aircraft imagery for automatic tree counting in forest restoration areas: a case study in the Amazon | |
| Yin et al. | Object-based larch tree-crown delineation using high-resolution satellite imagery | |
| Smith et al. | Real world objects in GEOBIA through the exploitation of existing digital cartography and image segmentation | |
| Ganerød et al. | Where are the outcrops? Automatic delineation of bedrock from sediments using Deep-Learning techniques | |
| González‐Orozco et al. | Taxonomic identification of Amazonian tree crowns from aerial photography | |
| CN105760421A (zh) | 土地利用类型分类的方法 |
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 |