AI+遙感技術己經在自然資源典型地物類型識別、耕地保護和執法監察中已得到初步應用，并展現出廣闊的發展前景。

遙感成為自然資源調查監管重要手段

遙感能夠全面、立體、快速、有效地探明地上和地下自然資源的分布情況，這使其逐步成為從多維和宏觀角度去認識世界的重要的方法和手段。近年來，我國已逐步形成低空、航空和航天衛星遙感一體化數據采集、處理和應用等較為完備的遙感監測體系，目前遙感已經廣泛應用在國土、規劃、水利、農業、林業、海洋、測繪、氣象、生態環境、航天、地質、軍事、礦產等領域。

國家信息化發展戰略綱要明確提出“加強陸地、大氣、海洋遙感監測，提升對我國資源環境、生態保護、應急減災、大眾消費以及全球觀測的服務保障能力”，遙感成為推動自然資源部統一行使全民所有自然資源資產所有者職責和統一行使所有國土空間用途管制和生態保護修復職責的重要手段。主要體現在：

1.基于遙感數據作為重要工作底圖，結合遙感專題信息提取結果，開展自然資源調查監測評價，統一掌握各類自然資源范圍、數量、質量等方面的存續、變化狀況。

2.利用全天候、多時相遙感監測手段，及時開展區域范圍耕地、林地、草地、濕地、海域、海島等國土空間用途，轉用政策實施和監測監管體系建設提供數據和技術支撐。

3.結合遙感影像分析識別重點生態修復的區域，通過階段性監測評估手段，統籌山水林田湖草整體保護、系統修復、綜合治理，提升國土空間生態保護修復治理能力。

4.綜合運用合成孔徑雷達測量、高分辨率衛星遙感、無人機遙感、機載激光雷達測量等多種新技術手段，精準排查地質災害隱患點，提升防災減災管理能力和現代化水平。

5.充分利用低空無人機和多時相遙感監測手段，完善立體化的違法行為發現渠道和處置模式，建立快捷有效的核查指揮和快速反應機制，提升自然資源執法督察的科學性和時效性。

目前，遙感數據采集技術逐漸成熟，但精準的遙感專題信息提取主要靠全人工目視解譯實現，迫切需要自動化的高精度遙感影像信息提取技術實現快速的目標識別和信息提取，為自然資源調查監測快速提供高精度產品成果。

AI+遙感技術提升自動化影像識別和分析能力

2012年，Hinton等人在ImageNet比賽上利用多層卷積神經網絡成功對包含一千多個類別的一百萬張圖片進行了訓練，分類錯誤率只有15%，比第二名低了近11個百分點，此后深度學習卷積網絡的圖像的目標檢測、分割，語音識別和自然語言處理等在交通、醫療、金融、無人駕駛、物流、家居和零售等領域得到較多的應用。隨著技術的不斷革新以及計算機硬件特別是GPU的發展，將使得圖像識別、分類的準確度和效率大幅提升，進而減少大量的人工工作量。

借助卷積神經網絡在圖像識別領域的應用技術，關于AI+遙感的圖像識別和信息提取研究不斷開展。基于R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN、SPPnet、SSD、YOLO等算法的遙感目標檢測技術能夠快速識別遙感影像中的特定目標地物類別。其中，Faster-RCNN是一個準實時的端到端的深度學習檢測算法，相比其他方法，在精度和檢測速度都得到了大大提升。基于Faster-RCNN技術的遙感影像目標檢測正被應用于遙感影像的違法建筑物、樹木、單株作物、自然災害隱患點、橋梁等地物目標檢測。基于FCN、Deeplab、PSPNet、DeconvNet、Segnet、Unet等算法的遙感影像分割和分類技術相比原有的非監督分類、監督分類和面向對象遙感影像分類技術，能夠大幅提升分類精度。目前最常用的基于UNet算法的遙感影像分割算法，能夠準確實現建筑物、植被等多地物類別的分割和分類處理。另外基于LinkNet的遙感道路提取技術能夠快速提取大面積道路信息，相比傳統人工采集或目視判讀技術大幅提升道路更新效率。基于PointNet的點云分類、基于RestNet等算法的高光譜遙感影像分類、基于SRGAN算法的遙感超分辨率重建等多種技術實現多源遙感數據質量改進和信息提取。

目前，基于AI+遙感信息提取的產品主要面向遙感影像目標檢測和遙感影像分割，產品形態多以云服務或按照項目定制訓練模型為主，多數AI+遙感產品暫未提供通用的模型訓練產品。接下來，隨著技術的不斷發展，針對用戶數據特定的時相、分辨率、區域和地物類別等特征，提供通用性的訓練數據制作功能，模型訓練功能和數據成果預測功能等完整的AI+遙感影像識別和信息提取整體解決方案和產品，將在提升影像信息提取效率的同時，大幅提升成果精度。

AI+遙感的信息提取逐漸得到廣泛應用，如規劃部門在“全國大棚房問題專項整治行動”項目中利用AI+遙感技術快速實現大棚房的識別監測，準確率達到90%以上，同時，相比傳統人工判讀花費數月時間，AI+遙感技術大幅提升識別效率。自然資源部門利用AI+遙感技術進行疑似違章建筑提取和耕地保護應用，相比人工影像比對方式大幅提高監察頻率。多種探索和應用使基于AI+遙感技術進行自然資源全要素，高效精準、常態化、低成本監管成為可能。

基于AI+遙感的自然資源調查監測應用

遙感影像是自然資源調查、監測和管理的重要數據源，基于深度學習的遙感影像信息提取大幅提升遙感數據解譯和信息提取的精度和效率，為提升自然資源調查監管決策能力，建立高效、完善的自然資源遙感監測服務體系提供更為先進的技術手段。AI+遙感的影像目標檢測、自然資源類別分割分類、自然資源多時相變化檢測將為開展國土空間、資源變化、自然環境和綜合治理等衛星遙感監測，為自然資源管理、生態保護和修復、地質災害應對、綜合治理、督察執法等提供重要的技術支撐。基于AI+遙感的自然資源調查監測典型應用包括：自然資源目標檢測，自然資源定量信息提取，自然資源變化檢測和多源遙感信息處理等。

1.AI+遙感目標檢測

國土空間用途管制是以用途管制為主要手段進行國土空間開發保護，最大限度保護耕地、林地、草原、河流、湖泊、濕地等自然生態用地，即保障各自然資源類別嚴格按照規劃進行使用和用途改變規劃。地質環境防災減災工作的重點是快速識別地質災害隱患點。生態修復與執法監察均為快速識別待重點生態修復區域和違法用地使用情況。以上應用場景的目標識別主要靠人工影像判讀和實地調查為主。

基于AI的目標檢測技術能夠精確找出遙感影像中所有感興趣的目標類別和場景，快速確定它們的位置和大小，從而準確識別多種自然資源目標和場景類別，通過判定重點自然資源目標的位置和相互關系，輔助國土空間用途管制、生態修復、地質災害防治和執法督察。

2.AI+遙感的自然資源定量信息提取

自然資源調查監測要求統一掌握各類自然資源的范圍、數量、質量和變化狀況，同時自然資源的精細化管理也要求快速掌握自然資源各類別的現狀情況，原有的基于遙感影像地物分類技術主要靠人工目視判讀或者半自動分類方式，精度和效率急需快速提升。

通過基于AI的影像分割和分類技術，能夠快速實現高分辨率遙感影像的高精度分類，快速自動化的獲取各自然資源類型的邊界和定量化指標，輔助自然資源調查監測評價，實現自然資源定量化、精細化管理。

3.AI+遙感變化檢測

自然資源執法監察與耕地保護要求對用地量大、違法用地量多面廣的地區開展變化自動比對分析、自查回傳、成果核查智能化全天候督察。以往國土執法督察主要靠基于不同時相的遙感影像，由專業遙感監測專家利用人眼目視判讀，在影像上對建筑物逐一比對，效率低，存在人工誤差。基于AI的影像變化檢測技術，能夠快速發現特定時間內區域面積內的自然資源類別變化，輔助國土空間規劃監測評估、耕地保護和執法督察等。

4.基于AI的多源遙感數據處理

除了基于AI的遙感影像目標檢測、影像分割、分類和變化檢測技術，通過基于AI的多源遙感數據的處理和優化技術，能豐富保障全天候遙感監測的數據資源和質量，進一步提升全天候遙感監測輔助自然資源管理的綜合實力。主要包括：

（1）基于AI的三維點云處理，主要包括基于卷積神經網絡的LiDAR點云配準技術和LiDAR點云精細化分類技術，相比基于影像的分割分類技術，能夠進一步提升建筑物和地形起伏區域的分類精度，進一步提升自然資源管理的精準程度。

（2）基于AI的遙感影像質量優化，通過基于卷積神經網絡的遙感影像超分辨率重建和去云等處理，對現有數據資源進行優化處理，提升基于影像的自然資源信息判讀精度。

（3）基于AI的高光譜影像處理，高光譜影像能夠精細化反應多種自然資源類別的細微特征，通過基于AI的高光譜遙感影像分類處理，精細化獲取自然資源類別分類成果，輔助自然資源精細化管理。

小結

以低空無人機、航空攝影和航天傳感器為主的空天一體化遙感，能多維、宏觀地為自然資源調查監測提供重要的數據資源;借助卷積神經網絡在圖像識別領域的應用技術，關于AI+遙感的圖像識別和信息提取研究不斷開展。

目前，AI+遙感已在自然資源典型地物類型識別、耕地保護和執法監察中得到初步應用，并展現出了廣闊的發展前景：

基于AI+遙感的目標檢測技術，實現了典型自然資源場景和類別的存在以及合理性，輔助規劃監測評估、執法監察和地質災害隱患排查;AI+遙感的地物精細化分割分類，實現了自然資源類別的定量化提取，輔助自然資源精細化監測和管理;通過AI+遙感變化檢測，實現了精準的耕地保護和全天候遙感執法，同時能夠定量化監測自然資源類型變化。基于AI的高光譜分類、點云分類、影像高分辨率重建和去云等技術，實現了多源遙感數據處理，為自然資源調查監測提供高質量數據資源和更豐富的方法手段。

AI+遙感的多種技術和應用必將加強陸地、大氣、海洋遙感監測，提升對我國資源環境、生態保護、應急減災、大眾消費以及全球觀測的服務保障能力。

責任編輯：gt