CN113963268B - 一种针对大型工程建设的施工状态变化监测方法 - Google Patents
一种针对大型工程建设的施工状态变化监测方法 Download PDFInfo
- Publication number
- CN113963268B CN113963268B CN202111218245.8A CN202111218245A CN113963268B CN 113963268 B CN113963268 B CN 113963268B CN 202111218245 A CN202111218245 A CN 202111218245A CN 113963268 B CN113963268 B CN 113963268B
- Authority
- CN
- China
- Prior art keywords
- construction
- state
- remote sensing
- scale
- area
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 187
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 230000008859 change Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003287 optical effect Effects 0.000 claims description 42
- 230000011218 segmentation Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 20
- 238000009440 infrastructure construction Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 101100425560 Rattus norvegicus Tle4 gene Proteins 0.000 description 1
- 101100327317 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) CDC1 gene Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 125000000217 alkyl group Chemical group 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种针对大型工程建设的施工状态变化监测方法，涉及时序遥感图像工程建设监测技术领域，解决现有工程建设数据大多来自资料收集，受到数据来源、数据真实和有效性的制约，同时统计工作量大统计时间长，无法获得直接的监测信息的技术问题，本发明提出了一种面向大区域范围的基建工程施工状态快速分类方法，采用多尺度分割和按对象分类处理技术，且结合雷达后向散射系数特性辅助识别施工状态，从而基于中高分辨率光学遥感和雷达影像可以实现全国范围内大型基建工程进度状态的全流程监测，获取最直观的基建工程的进展信息；形成了一套工程施工动态变化监测模型。
Description
技术领域
本发明涉及时序遥感图像工程建设监测技术领域，更具体的是涉及一种利用时间序列多源遥感数据针对大区域范围内大型工程建设的施工状态变化监测方法。
背景技术
我国正处于快速的城市化和工业化时代，固定资产投资是经济发展主要驱动力之一。固定资产投资统计数据不仅对国家宏观调控和经济发展趋势的分析和解读提供重要的参考，也和我国国民经济发展状态息息相关，而且长期来看投资增长和经济增长的周期变化一直保持高度的相关性。根据国家统计局定义，固定资产投资按照构成分为建筑工程、安装工程、设备工器具购置和其它费用。建筑工程指各种房屋、建筑物的建造工程，这部分投资额必须兴工动料，通过施工活动才能实现，是固定资产投资额的重要组成部分。而且规模以上建筑工程或者是大型房地产开发项目，都涉及到土地覆盖变化、地面建筑物和配套设施的变化，卫星遥感图像在这些方面都具有独特的优势。
随着卫星遥感技术的发展，遥感卫星数量不断增多，大部分地区可以获取多时序、多分辨率和多平台的海量遥感数据。而且遥感应用技术与人工智能识别技术的不断发展，通过遥感卫星进行对地观测越发成熟，现代遥感手段既能宏观掌握地面整体情况及变化，又能分辨出具体地物形状、轮廓、阴影、材质、温度等细节，成为了地面大区域乃至全球尺度上持久观测研究的重要手段。遥感已经在国土、农业、应急和环保等方面具有较为成熟的应用。
目前对于大区域范围内大型工程建设动态监测主要有以下几种方法，一方面是可根据建筑材料市场生产销售等信息，间接建立销售信息和工程建设进度关联模型进行监测；另外也可利用用统计学的方法对工程相关预算、招标信息、施工图纸或者建筑公司财报等进行加工统计对工程进展进行监测。但是上述方法获得数据大多来自资料收集，受到数据来源、数据真实和有效性的制约，同时统计工作量大统计时间长，无法获得直接的监测信息。
发明内容
本发明的目的在于：为了解决上述技术问题，本发明提供一种利用时间序列多源遥感数据针对大区域范围内大型工程建设的施工状态变化监测方法，跟踪区域内的大型基建项目建设情况。采用中分辨率遥感卫星对建设工程的状态进行监测，对光学遥感卫星数据采用面向对象的分类算法进行不同施工状态区域范围的提取，对雷达遥感卫星图像基于后向散射系数特性辅助进行人工识别获取状态信息，构建大型基建工程施工动态变化监测模型和数据库，实现对监测区全域基建工程的动态管理。
本发明为了实现上述目的具体采用以下技术方案：
一种针对大型工程建设的施工状态变化监测方法，
步骤1：获取任意行政区划内大于0.5平方公里的近三年大型基建工程中的建设信息；
步骤2：将建设信息与该基建工程的高分辨率遥感历史影响对比，人工标注基建工程的地理位置，并在遥感影像描出整个工程建设范围矢量文件；
步骤3：按照月度收集待监测区域的遥感卫星影像，进行批量预处理，并根据行政区划数据进行掩膜处理，获得待分类处理的预处理影像数据；
步骤4:根据遥感解译的技术，对工程范围内的工程各个部分的施工状态建立遥感解译标志，形成分类样本库；
步骤5：对每个月待分类处理的预处理影像数据进行多尺度分割和面向对象分类处理，快速提取工程的各个施工状态，对施工状态各类图斑整饰后融合处理，完成目视修正；对部分光学影像质量差造成的分类错误，根据合成孔径雷达的后向散射系数辅助识别图斑属性，最后对分类结果进行精度验证；
步骤6：建立大型基建工程施工动态变化监测模型和数据库，实现对监测区全域基建工程的动态管理；
步骤7：将建立的大型基建工程施工动态变化监测模型编写python脚本实现，完成自动化批量处理。
进一步地，所述建设信息包括工程地理位置、开工时间、竣工时间以及工程建设范围。
进一步地，所述步骤3具体如下：
步骤301、根据待监测区域范围，通过光学遥感卫星采集近三年以来的月度卫星遥感图像，得到光学图像数据；
因气候条件影响无法获得光学图像数据时，继续补充采集因光学遥感数据质量不好的地区的缺损时间的雷达遥感卫星图像，得到雷达图像数据；
步骤302、通过对光学图像数据进行处理获得工程建设范围内光学影像；
步骤303、通过对雷达图像数据进行处理，获得工程建设范围内雷达影像。
进一步地，所述步骤4具体如下：
步骤401、建立施工状态分类模型，包括土地平整、地基工程、主体结构施工和封顶完工等四种状态；
步骤402、选择9或10月份的待分类处理的预处理影像数据作为样本，根据工程建设范围矢量文件确定待监测工程的位置范围，选择其中3-5个工程作为样本；
步骤403、根据卫星影像上的地表特征，对样本范围内的影像进行人工解译和图斑勾画，确定各个局部区域的施工状态，将各个局部区域作为样本形成矢量文件和对应的栅格文件，建立样本采样库，要求每种施工状态样本数量不少于5种。
进一步地，所述步骤5具体如下：
步骤501、采用面向对象的多尺度分割方法，连续地对同质像素或对象进行合并既而自下而上的分割；
步骤502、设置分割尺度、形状因子、紧致度因子对光学影像进行多尺度分割；
步骤503、分割后的光学影像导入分类样本采样库数据，与分割后的图斑叠加；
步骤504、基于样本和多尺度分割图斑采用CART决策树的分类器算法进行分类，分为4个施工状态和其他5类；
步骤505、对施工状态各类图斑整饰后融合处理，完成目视修正，形成当月该行政区划内大型工程状态的分类矢量结果；
步骤506、对部分多云雨地区无法获取光学影像数据，可用雷达影像数据进行补充；根据影像上工程各个部分在后向散射系数差异辅助识别施工状态，获取相关信息。
步骤507、根据公布的大型基建工程的位置以及在建状态，实地采样进行精度验证。
进一步地，所述步骤6具体如下：
步骤601、将逐月的分类矢量结果的属性表添加字段，状态图斑属性结构细分6个：编号、面积、状态、状态变化、单位工程竣工时间和工程竣工时间；
步骤602、导出逐月的矢量图版属性表，进行表格排序、筛选、合并等基本操作，并将相邻两个月同名编号对齐，得到所有编号对其的表格，次月比上月增加的编号以0代替空格。
进一步地，所述步骤7具体如下：
步骤601、将工程施工动态变化监测模型编写python脚本实现批量自动化处理，遍历读取监测全区域前后相邻两月数据表，经过数据预处理和数据筛选等步骤，提取状态信息进行统计，汇总并输出相邻两月状态变化值；
步骤602、将统计结果每个状态的面积进行分析，并且计算衍生出正在施工面积、当年累计完工面积，当月地面建设增量和减量、主体建造的增量和减量、封顶完工的增量和减量等多个大型基建工程遥感指数。
本发明的有益效果如下：
1.提出了一种面向大区域范围的基建工程施工状态快速分类方法，采用多尺度分割和按对象分类处理技术，且结合雷达后向散射系数特性辅助识别施工状态，从而基于中高分辨率光学遥感和雷达影像可以实现全国范围内大型基建工程进度状态的全流程监测，获取最直观的基建工程的进展信息。
2.形成了一套工程施工动态变化监测模型，此模型创造性的设计出一种施工状态变化属性结构形式，并且针对这套数据结构设计出一套施工状态逐月动态变化的统计方法；模型定量计算工程各个施工状态的面积变化，衍生出多个基建工程遥感指数，掌握了基建工程时空动态规律，有效提高了多源遥感数据在对地定量观测和在工程监测领域应用的能力。
3.通过采用多时序多源遥感数据的方法对基建工程的全过程进行周期性监测，从最根本最直观的方面获取基建工程的进展信息。通过光学、雷达等多种卫星遥感手段，可对国内大型基建工程的施工面积总数，按重要工程阶段(如拆迁、土地平整、地基、钢架结构、封顶等)进行分类统计，数据具有可靠性、更新率高、时效性强、人力投入小、数据获取更方便快捷等特点。通过这种遥感信息定量化提取和经济相关的空间特性指标的分析和反演，提供不同尺度的经济监测手段，既拓展了遥感卫星数据的在金融投资领域的应用价值，也为政府监管部门、上游建材供应商、施工单位及金融投资者的决策提供了客观数据支撑。
附图说明
图1是本发明的流程结构示意图；
图2是本发明实施例4中，某市2020年遥感监测竣工面积与公开统计竣工面积对比图；
图3是本发明实施例4中，2020年遥感监测竣工面积与公开统计竣工面积趋势图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1到3所示，结合以下实施例：
实施例1
本实施例提供一种针对大型工程建设的施工状态变化监测方法，
步骤1：获取任意行政区划内大于0.5平方公里的近三年大型基建工程中的建设信息；
步骤2：将建设信息与该基建工程的高分辨率遥感历史影响对比，人工标注基建工程的地理位置，并在遥感影像描出整个工程建设范围矢量文件；
步骤3：按照月度收集待监测区域的遥感卫星影像，进行批量预处理，并根据行政区划数据进行掩膜处理，获得待分类处理的预处理影像数据；
步骤4:根据遥感解译的技术，对工程范围内的工程各个部分的施工状态建立遥感解译标志，形成分类样本库；
步骤5：对每个月待分类处理的预处理影像数据进行多尺度分割和面向对象分类处理，快速提取工程的各个施工状态，对施工状态各类图斑整饰后融合处理，完成目视修正；对部分光学影像质量差造成的分类错误，根据合成孔径雷达的后向散射系数辅助识别图斑属性，最后对分类结果进行精度验证；
步骤6：建立大型基建工程施工动态变化监测模型和数据库，实现对监测区全域基建工程的动态管理；
步骤7：将建立的大型基建工程施工动态变化监测模型编写python脚本实现，完成自动化批量处理。
具体工作原理：提供一种利用多源遥感数据监测大型基建工程施工动态变化方法，跟踪区域内的大型基建项目建设情况。采用中分辨率遥感卫星对建设工程的状态进行监测，对光学遥感卫星数据采用面向对象的分类算法进行不同施工状态区域范围的提取，对雷达遥感卫星图像基于后向散射系数特性辅助进行人工识别获取状态信息，构建大型基建工程施工动态变化监测模型和数据库，实现对监测区全域基建工程的动态管理。
实施例2
所述建设信息包括工程地理位置、开工时间、竣工时间以及工程建设范围等。所述步骤3具体如下：步骤301、根据待监测区域范围，通过光学遥感卫星采集近三年以来的月度卫星遥感图像，得到光学图像数据；因气候条件影响无法获得光学图像数据时，继续补充采集因光学遥感数据质量不好的地区的缺损时间的雷达遥感卫星图像，得到雷达图像数据，雷达遥感卫星包括卫星；步骤302、通过对光学图像数据进行处理获得工程建设范围内光学影像；步骤303、通过对雷达图像数据进行处理，获得工程建设范围内雷达影像。
具体工作原理：光学遥感卫星包括高分六号、高分一号和Sentinel-2号等卫星；因气候条件影响无法获得光学图像数据时，继续补充采集因光学遥感数据质量不好的地区的缺损时间的雷达遥感卫星图像，得到雷达图像数据，雷达遥感卫星包括高分三号和Sentinel-1号等卫星；
对光学图像数据进行辐射定标、大气校正、融合、几何精校正和按工程区域矢量文件裁剪等处理，获得工程建设范围内光学影像；其中Sentinel-2号光学数据选择使用10米分辨率的四个波段数据；对雷达图像数据进行视滤波处理、辐射定标、几何精校正和按工程区域矢量文件裁剪等处理，获得工程建设范围内雷达影像。
实施例3
所述步骤4具体如下：
步骤401、建立施工状态分类模型，包括土地平整、地基工程、主体结构施工和封顶完工等四种状态；
步骤402、选择9或10月份的待分类处理的预处理影像数据作为样本，根据工程建设范围矢量文件确定待监测工程的位置范围，选择其中3-5个工程作为样本；
步骤403、根据卫星影像上的地表特征，对样本范围内的影像进行人工解译和图斑勾画，确定各个局部区域的施工状态，将各个局部区域作为样本形成矢量文件和对应的栅格文件，建立样本采样库，要求每种施工状态样本数量不少于5种。
具体工作原理还包括：
步骤501、采用面向对象的多尺度分割方法，连续地对同质像素或对象进行合并既而自下而上的分割。其中影像分割最关键的参数是分割尺度，分割尺度大小影响分割的异质性以及后续图像分类的精度。本例中采用eCognition9.0软件的ESP2最佳分割尺度评价工具筛选尺度峰值。
步骤502、设置最佳分割尺度、形状因子、紧致度因子对光学影像进行多尺度分割，评价分割结果优劣。
步骤503、分割后的光学影像导入分类样本采样库数据，与分割后的图斑叠加。
步骤504、在eCognition9.0软件中基于样本和多尺度分割图斑采用CART决策树分类器算法进行分类，分为4个施工状态(土地平整、地基工程、主体结构施工、封顶完工)和其他5类。
CART决策树分类方法可简单表达为：
式中，CART决策树利用经济学的基尼系数来筛选检测变量(分类特征)和分割阈值(特征阈值)，p(j/h)表示从训练样本中随机抽取的一个样本，P2(j/h)为表达式中乘法得到的结果，当它的某一个检测变量(特征)值为h时属于第j类的概率；nj(h)表示训练样本中检测变量(特征)值为h时属于第j类的样本个数；n(h)表示训练样本中检测变量(特征)值为h的所有样本的个数。
步骤505、对施工状态各类图斑整饰后融合处理，完成目视修正，形成当月该行政区划内大型工程状态的分类矢量结果；
步骤506、对部分多云雨地区无法获取光学影像数据，可用雷达影像数据进行补充；根据影像上工程各个部分在后向散射系数差异辅助识别施工状态，获取相关信息。
步骤507、根据公布的大型基建工程的位置以及在建状态，实地采样进行精度验证。
所述步骤6具体如下：
步骤601、将逐月的分类矢量结果的属性表添加字段，状态图斑属性结构细分6个：编号、面积、状态、状态变化、单位工程竣工时间和工程竣工时间。
编号:矢量中每个基建工程分别命名，格式为城市+序号，如某市0；基建工程区域中单位工程分别命名格式为城市+序号_二级序号，如某市0_1(注：本例中单位工程不完全等同于建筑工程中的单位工程，而是以细分图斑为定义，一个图斑即一个单位工程)。
(2)面积：面积字段为图斑的几何面积，分类图斑生成后通过计算几何进行计算生成，单位统一为km2。
(3)状态：该字段为表示基建区各存在状态而设置，对状态编码分别为：0表示基建区域、2表示地面建设、3表示主体建造、4表示已完成状态，根据当月状态进行手工填写。
(4)属性变化：属性变化字段为状态字段相比上期发生改变，填写方式为：上期状态+本期状态，如：23。新增的图斑和未发生改变的填写为0。注意：状态字段只针对图斑状态整体上由2变3、3变4、2变4，图斑面积和编号不发生改变，仅属性发生变化的情况。如果一个图斑因为一部分状态发生改变，变化的部分另起编号，没变的部分沿用编号，变化的部分由于相当于新增了一个图斑，编号发生变化，属性改变字段就不再填写。
(5)单位工程竣工时间：单位工程竣工时间为追溯单位工程封顶完工的最早时间，如“某市1_0”，状态字段在n期为3，到n+1期为4，则在n+1期单位工程竣工时间字段里填上时间，格式为m年n月，表示在m年n月这期状态改变为4，并且在此后的更新中，时间标识一直继承。
(6)工程竣工时间：用于监测整个基建工程内所有图斑的属性都为封顶完工状态，即在编号为基建工程的一栏中填上竣工。
步骤602、导出逐月的矢量图版属性表，进行表格排序、筛选、合并等基本操作，并将相邻两个月同名编号对齐，得到所有编号对其的表格，次月比上月增加的编号以0代替空格。
具体为：使用VLOOKUP函数根据唯一值找出相对应的值，VLOOKUP函数格式为＝VLOOKUP(Fn,A:B,x,0)，“A:B”表示A至B列，“Fn”表示在A至B列中需要查到的编号，“x”表示A至B列中的第一列，在这里即A列，“0”表示精确查找，在这里固定为0。
所述步骤7具体如下：步骤601、将工程施工动态变化监测模型编写python脚本实现批量自动化处理，遍历读取监测全区域前后相邻两月数据表，经过数据预处理和数据筛选等步骤，提取状态信息进行统计，汇总并输出相邻两月状态变化值；
步骤602、将统计结果每个状态的面积进行分析，并且计算衍生出正在施工面积、当年累计完工面积，当月地面建设增量和减量、主体建造的增量和减量、封顶完工的增量和减量等多个大型基建工程遥感指数。
实施例4
以珠三角某市为例对工程建设的各个阶段及状态进行采样，样点尽量多并且能够反映工地建设的实时状态，将点位导入ArcGIS与同时像的高分辨率遥感影像叠加，并运用遥感解译的专业技术知识对对施工状态(地面建设、主体结构施工、封底完工)存在的每种状态建立解译标志。
然后，从美国国家地质调查局官网下载2020年覆盖珠三角区域的Sentinel-2号数据进行辐射定标、大气校正、融合、按工程范围裁剪预处理。中国资源卫星中心购买GF1\GF2\GF6号数据进行辐射定标、大气校正、融合、按工程范围裁剪等，欧空局官网下载Sentinel-1号数据进行多视和滤波处理、按工程范围裁剪、辐射定标、地理编码处理。
接着，基于面向对象与目视修正结合的方法对遥感影像进行分类，部分数据质量不好用CF1\GF2\GF6以及Sentinel-1数据代替，删除图像分类后除施工状态的“其他”类别图斑。通过图斑整饰与融合处理完成目视修正。
最后，建立基建工程施工动态变化监测模型，编写python脚本实现，统计结果每个状态的面积进行分析，计算衍生出正在施工面积、当年累计完工面积，当月地面建设增量和减量、主体建造的增量和减量、封顶完工的增量和减量等多个大型基建工程遥感指数(表1)。
根据公开的统计数据对某市2020年遥感监测当年累计完工面积数据进行趋势分析和数据拟合，通过图2(某市2020年遥感监测竣工面积与公开统计竣工面积对比图)可以看出，两种不同手段得到了某市2020年累计竣工面积数值接近，发展趋势都呈稳定的上升趋势，两组数据具有较高的一致性；从图3(某市2020年遥感监测竣工面积与公开统计竣工面积趋势拟合图)可以看出，R平方值是趋势线拟合程度的指标，本例中为0.8749，大小可以反映趋势线的估计值与对应的实际数据之间的拟合程度较高，两个变量的线性相关性较强，趋势线的可靠性较高，说明利用遥感技术对于工程的动态监测是可靠的。
表1某市大型基建工程施工进度遥感监测统计表(单位：km2)
其中，某市_0为工地总面积；某市_2为地面建设面积；某市_3为主体建造面积；某市_4为封顶完工面积；某市_正在施工面积等于当期施工总面积减去累计封顶完工面积；某市_当年累计完工面积等于累计封顶完工面积减去上年封顶完工面积；Δ0为施工总面积较上月变化量；Δ2-为当月完成的地面建设施工面积；Δ2+为当月新增的地面建设施工面积；Δ2为地面建设施工面积较上月变化量(净值)；Δ3-为当月完成的主体建造施工面积；Δ3+为当月新增的主体建造施工面积；Δ3为主体建造施工面积较上月变化量(净值)；Δ4为已封顶建筑面积较上月变化量。
上述实例的结果说明利用本发明提出的方法，基于多源遥感数据采用面向对象以及雷达辅助识别实现了对监测区的全域覆盖监测，针对遥感监测结果建立了一套工程施工动态变化监测模型，模型定量计算工程各个施工状态的面积变化，衍生出多个基建工程遥感指数，掌握了基建工程时空动态规律。有效的监测方法结合模型对于监测结果的分析处理能力，提高了多源遥感数据在对基建工程监测领域的应用能力。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明的保护范围，任何熟悉本领域的技术人员在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种针对大型工程建设的施工状态变化监测方法，其特征在于，
步骤1：获取任意行政区划内大于0.5平方公里的近三年大型基建工程中的建设信息；
步骤2：将建设信息与该基建工程的高分辨率遥感历史影响对比，人工标注基建工程的地理位置，并在遥感影像描出整个工程建设范围矢量文件；
步骤3：按照月度收集待监测区域的遥感卫星影像，进行批量预处理，并根据行政区划数据进行掩膜处理，获得待分类处理的预处理影像数据；
步骤4:根据遥感解译的技术，对工程范围内的工程各个部分的施工状态建立遥感解译标志，形成分类样本库；
步骤5：对每个月待分类处理的预处理影像数据进行多尺度分割和面向对象分类处理，快速提取工程的各个施工状态，对施工状态各类图斑整饰后融合处理，完成目视修正；对部分光学影像质量差造成的分类错误，根据合成孔径雷达的后向散射系数辅助识别图斑属性，最后对分类结果进行精度验证；
步骤6：建立大型基建工程施工动态变化监测模型和数据库，实现对监测区全域基建工程的动态管理；
步骤7：将建立的大型基建工程施工动态变化监测模型编写python脚本实现，完成自动化批量处理。
2.根据权利要求1所述的一种针对大型工程建设的施工状态变化监测方法，其特征在于，所述建设信息包括工程地理位置、开工时间、竣工时间以及工程建设范围。
3.根据权利要求1所述的一种针对大型工程建设的施工状态变化监测方法，其特征在于，所述步骤3具体如下：
步骤301、根据待监测区域范围，通过光学遥感卫星采集近三年以来的月度卫星遥感图像，得到光学图像数据；
因气候条件影响无法获得光学图像数据时，继续补充采集因光学遥感数据质量不好的地区的缺损时间的雷达遥感卫星图像，得到雷达图像数据；
步骤302、通过对光学图像数据进行处理获得工程建设范围内光学影像；
步骤303、通过对雷达图像数据进行处理，获得工程建设范围内雷达影像。
4.根据权利要求1所述的一种针对大型工程建设的施工状态变化监测方法，其特征在于，所述步骤4具体如下：
步骤401、建立施工状态分类模型，包括土地平整、地基工程、主体结构施工和封顶完工四种状态；
步骤402、选择9或10月份的待分类处理的预处理影像数据作为样本，根据工程建设范围矢量文件确定待监测工程的位置范围，选择其中3-5个工程作为样本；
步骤403、根据卫星影像上的地表特征，对样本范围内的影像进行人工解译和图斑勾画，确定各个局部区域的施工状态，将各个局部区域作为样本形成矢量文件和对应的栅格文件，建立样本采样库，要求每种施工状态样本数量不少于5种。
5.根据权利要求1所述的一种针对大型工程建设的施工状态变化监测方法，其特征在于，所述步骤5具体如下：
步骤501、采用面向对象的多尺度分割方法，连续地对同质像素或对象进行合并既而自下而上的分割；
步骤502、设置分割尺度、形状因子、紧致度因子对光学影像进行多尺度分割；
步骤503、分割后的光学影像导入分类样本采样库数据，与分割后的图斑叠加；
步骤504、基于样本和多尺度分割图斑采用CART决策树的分类器算法进行分类，分为4个施工状态和其他5类；
步骤505、对施工状态各类图斑整饰后融合处理，完成目视修正，形成当月该行政区划内大型工程状态的分类矢量结果；
步骤506、对部分多云雨地区无法获取光学影像数据，可用雷达影像数据进行补充；根据影像上工程各个部分在后向散射系数差异辅助识别施工状态，获取相关信息；
步骤507、根据公布的大型基建工程的位置以及在建状态，实地采样进行精度验证。
6.根据权利要求1所述的一种针对大型工程建设的施工状态变化监测方法，其特征在于，所述步骤6具体如下：
步骤601、将逐月的分类矢量结果的属性表添加字段，状态图斑属性结构细分6个：编号、面积、状态、状态变化、单位工程竣工时间和工程竣工时间；
步骤602、导出逐月的矢量图版属性表，进行表格排序、筛选、合并基本操作，并将相邻两个月同名编号对齐，得到所有编号对其的表格，次月比上月增加的编号以0代替空格。
7.根据权利要求1所述的一种针对大型工程建设的施工状态变化监测方法，其特征在于，所述步骤7具体如下：
步骤601、将工程施工动态变化监测模型编写python脚本实现批量自动化处理，遍历读取监测全区域前后相邻两月数据表，经过数据预处理和数据筛选步骤，提取状态信息进行统计，汇总并输出相邻两月状态变化值；
步骤602、将统计结果每个状态的面积进行分析，并且计算衍生出正在施工面积、当年累计完工面积，当月地面建设增量和减量、主体建造的增量和减量、封顶完工的增量和减量多个大型基建工程遥感指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218245.8A CN113963268B (zh) | 2021-10-19 | 2021-10-19 | 一种针对大型工程建设的施工状态变化监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218245.8A CN113963268B (zh) | 2021-10-19 | 2021-10-19 | 一种针对大型工程建设的施工状态变化监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113963268A CN113963268A (zh) | 2022-01-21 |
| CN113963268B true CN113963268B (zh) | 2022-06-28 |
Family
ID=79464595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111218245.8A Active CN113963268B (zh) | 2021-10-19 | 2021-10-19 | 一种针对大型工程建设的施工状态变化监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113963268B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
| CN109063680A (zh) * | 2018-08-27 | 2018-12-21 | 湖南城市学院 | 基于高分遥感和无人机的城市规划动态监测系统及方法 |
| CN109446943A (zh) * | 2019-01-23 | 2019-03-08 | 国家海洋环境监测中心 | 一种填海造地区域开发全过程遥感监测方法 |
| CN110929607A (zh) * | 2019-11-11 | 2020-03-27 | 桂林理工大学 | 一种城市建筑物施工进度的遥感识别方法和系统 |
| CN111368736A (zh) * | 2020-03-04 | 2020-07-03 | 北京四象爱数科技有限公司 | 基于sar和光学遥感数据的水稻精细化估产方法 |
| CN112115198A (zh) * | 2020-09-14 | 2020-12-22 | 宁波市测绘和遥感技术研究院 | 一种城市遥感智能服务平台 |
| CN113377886A (zh) * | 2021-05-20 | 2021-09-10 | 太湖流域管理局太湖流域水土保持监测中心站 | 一种生产建设项目水土保持监管外业调查方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109886608A (zh) * | 2019-03-28 | 2019-06-14 | 交通运输部水运科学研究所 | 一种基于机理分析的航道工程生态环境影响及对策评价方法 |
| RU2759895C2 (ru) * | 2020-01-24 | 2021-11-18 | Акционерное общество "Российская корпорация ракетно-космического приборостроения и информационных систем" (АО "Российские космические системы") | Система поддержки принятия решений для управления экономическими процессами по данным, получаемым от интеллектуальной космической системы |
-
2021
- 2021-10-19 CN CN202111218245.8A patent/CN113963268B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107064932A (zh) * | 2017-02-28 | 2017-08-18 | 华南农业大学 | 一种基于时间序列sar遥感影像的建设用地变化检测方法 |
| CN109063680A (zh) * | 2018-08-27 | 2018-12-21 | 湖南城市学院 | 基于高分遥感和无人机的城市规划动态监测系统及方法 |
| CN109446943A (zh) * | 2019-01-23 | 2019-03-08 | 国家海洋环境监测中心 | 一种填海造地区域开发全过程遥感监测方法 |
| CN110929607A (zh) * | 2019-11-11 | 2020-03-27 | 桂林理工大学 | 一种城市建筑物施工进度的遥感识别方法和系统 |
| CN111368736A (zh) * | 2020-03-04 | 2020-07-03 | 北京四象爱数科技有限公司 | 基于sar和光学遥感数据的水稻精细化估产方法 |
| CN112115198A (zh) * | 2020-09-14 | 2020-12-22 | 宁波市测绘和遥感技术研究院 | 一种城市遥感智能服务平台 |
| CN113377886A (zh) * | 2021-05-20 | 2021-09-10 | 太湖流域管理局太湖流域水土保持监测中心站 | 一种生产建设项目水土保持监管外业调查方法 |
Non-Patent Citations (1)
| Title |
|---|
| 遥感技术在生态工程动态监测与管理中的应用;卢霞等;《遥感技术与应用》;20120815;第27卷(第4期);629-636 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113963268A (zh) | 2022-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fu et al. | Characterizing the spatial pattern of annual urban growth by using time series Landsat imagery | |
| Weng | Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling | |
| CN105160192B (zh) | 基于M5‑LocalR的TRMM卫星降雨数据降尺度方法 | |
| CN109726698B (zh) | 基于遥感数据进行季度灌溉面积识别的方法 | |
| CN110619258B (zh) | 一种基于高分辨率遥感影像的道路轨迹核查方法 | |
| CN112749627A (zh) | 一种基于多源遥感影像的烟草动态监测的方法和装置 | |
| CN111028255A (zh) | 基于先验信息与深度学习的农田区域预筛选方法及装置 | |
| CN106651004B (zh) | 一种基于降雨洪灾时空数据库的洪灾预测方法 | |
| CN107798425A (zh) | 一种基于大数据的时空混淆暴露度评估系统及方法 | |
| CN108898096B (zh) | 一种面向高分影像的信息快速精确提取方法 | |
| CN113902580B (zh) | 一种基于随机森林模型的历史耕地分布重建方法 | |
| CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
| CN104820826B (zh) | 一种基于数字高程模型的坡形提取与识别方法 | |
| CN113313296A (zh) | 一种基于rusle的区域土壤侵蚀定量评价方法 | |
| CN105467100B (zh) | 基于遥感与gis的县域土壤侵蚀时空动态监测方法 | |
| Fekete et al. | Tree segmentation and change detection of large urban areas based on airborne LiDAR | |
| CN115544889A (zh) | 基于深度学习的数值模式降水偏差校正方法 | |
| Gunathilaka | Modelling the behavior of DVI and IPVI vegetation indices using multi-temporal remotely sensed data | |
| CN117475314A (zh) | 一种地质灾害隐患立体识别方法、系统及介质 | |
| CN113963268B (zh) | 一种针对大型工程建设的施工状态变化监测方法 | |
| CN116151482B (zh) | 一种露天矿区的开采土方量预测方法、装置、设备及介质 | |
| CN116486031A (zh) | 时序遥感数据与地理大数据融合的城市更新区域识别方法 | |
| CN115147726A (zh) | 城市形态图的生成方法、装置、电子设备和可读存储介质 | |
| Abougendia et al. | Classification framework of local climate zones using world urban database and access portal tools: Case study of Alexandria City, Egypt | |
| CN114005027A (zh) | 一种基于无人机影像的城市单木检测系统及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |