一种应用于国土空间监测的遥感大数据解译系统及方法与流程

1.本发明涉及国土测绘技术领域，尤其涉及一种应用于国土空间监测的遥感大数据解译系统及方法。


背景技术：

2.国土资源是一个国家人民生活的场所和生产基地，是国家和人民赖以生存和发展的基础，因此，从这个意义上来讲，可以认为国土资源是指一个国家主权管理地域内一切自然资源的总称，其中最主要的就是土地、水、气候、生物和矿产资源。中国土地资源总量丰富、土地用途信息齐全，但人均土地占有量小、各类土地所占的比例不尽合理，土地资源相对不足。
3.土地测绘技术是合理应用土地的基础，而随着经济和科学技术的发展，国土测绘技术也从传统的丈量逐渐转变为今天的以数字化和信息化为特点的现代测绘技术；土地测绘要求的专业性强，对数据测量精度的要求越来越高，这就要求我们掌握更先进的测量手段，而现有的测绘技术已经无法适应于现代土地测量工作的需求。
4.因此，亟需一种应用于国土空间监测的遥感大数据解译系统及方法，通过对待测区域进行遥感监测，并对遥感数据进行精准解译，进而更精确定位国土空间的遥感测绘信息。


技术实现要素：

5.针对现有技术的不足，本发明提供一种应用于国土空间监测的遥感大数据解译系统及方法，通过对待测区域进行遥感监测，并对遥感数据进行精准解译，进而更精确定位国土空间的遥感测绘信息。
6.一种应用于国土空间监测的遥感大数据解译系统，包括：采集模块，用于布设采集设备根据飞行路线采集待测区域的原始遥感影像；人机协同智能解译模块，用于根据多级耦合智能解译模型对原始遥感影像进行自动解译，并自动提取解译结果基于半自动提取方法对解译结果进行解译结果验证，输出已验证解译结果；国土监测模块，用于获取分类指令，基于影像智能分类模型和分类指令对各待测区域中各分区分时相的已验证解译结果进行分类，并根据分类结果形成需求的国土空间解译结果。
7.作为本发明的一种实施例，采集模块包括：区域确定单元，用于确定采集设备出发位置和待测区域；环境状态信息确定单元，用于确定待测区域的环境信息和采集设备的状态参数信息；飞行路线生成单元，用于根据采集设备出发位置、待测区域、环境信息以及状态参数信息，并基于大数据技术生成最佳遥感飞行路线指令和采集始末指令；采集设备控制单元，用于根据飞行路线指令控制采集设备进行对应飞行操作，和根据采集始末指令控制采集设备进行对应的原始遥感影像采集操作。
8.作为本发明的一种实施例，人机协同智能解译模块包括：智能计算后台单元，用于基于深度学习构建的多级耦合智能解译模型对获取的原始遥感影像进行自动解译，生成解
译结果；智能引擎单元，用于自动提取解译结果并推送至人机交互解译前台；人机交互解译前台，用于利用半自动提取方法对解译结果进行验证，输出已验证解译结果。
9.作为本发明的一种实施例，智能计算后台单元执行包括如下操作：构建基于深度学习网络的解译模型，根据多级知识耦合技术、对象智能计算技术和分层分区提取技术对预设的遥感影像样本信息进行分类处理，得到场景样本集、对象样本集和像素样本集；先后输入场景样本集、对象样本集和像素样本集对解译模型进行训练，得到基于场景-对象-像素的多级耦合智能解译模型；根据多级耦合智能解译模型对获取的原始遥感影像进行自动解译，生成解译结果。
10.作为本发明的一种实施例，国土监测模块包括：分区分时相样本自动生成单元，用于自动提取各待测区域中各分区分时相的已验证解译结果生成分区分时相样本；人机交互编辑单元，用于获取用户分类指令；影像智能分类单元，用于根据用户分类指令选取对应的影像智能分类模型；分类样本自动反馈单元，用于基于对应的影像智能分类模型对各分区分时相样本进行分类，并根据分类结果形成需求的国土空间解译结果进行自动反馈。
11.作为本发明的一种实施例，国土监测模块还包括分类模型迭代优化单元，用于形成分区分时相样本自动更新，并根据更新样本完成对应影像智能分类模型迭代自主学习的闭环。
12.作为本发明的一种实施例，一种应用于国土空间监测的遥感大数据解译系统还包括变更信息生成模块，变更信息生成模块执行包括如下操作：基于大数据技术，获取各待测区域的国土空间的土地用途的影像特征，作为特征标识；再根据特征标识对已验证解译结果进行比对，生成国土空间土地用途信息；并根据历史国土空间土地用途信息与对应的国土空间土地用途信息进行比对，生成国土空间变更信息进行自动反馈。
13.作为本发明的一种实施例，一种应用于国土空间监测的遥感大数据解译系统还包括国土空间变更合理推荐报告生成模块，国土空间变更合理推荐报告生成模块执行包括如下操作：获取国土空间变更信息中存在变更的国土空间信息作为变更国土空间信息；其中，变更国土空间信息包括土地用途信息和变更土地范围信息；基于大数据技术，根据变更国土空间信息确定变更国土空间影响力辐射范围；获取被包含在变更国土空间影响力辐射范围内的其他国土空间信息；根据威弗-托马斯指数，确定变更国土空间信息与其他国土空间信息的土地用途信息的关联性强度数值；判定关联性强度数值低于预设数值的其他国土空间信息为低经济关联国土；若其他国土空间信息中不存在超过预设数量的低经济关联国土则判定本次国土空间信息变更合理，同时基于大数据技术，根据与变更国土空间信息的关联性强度数值以及其他非低经济关联国土的已有国土空间土地用途信息，生成低经济关联国土的国土空间变更合理推荐报告。
14.一种应用于国土空间监测的遥感大数据解译方法，包括：布设采集设备根据飞行路线采集待测区域的原始遥感影像；根据多级耦合智能解译模型对原始遥感影像进行自动解译，并自动提取解译结果基于半自动提取方法对解译结果进行解译结果验证，输出已验证解译结果；获取分类指令，基于影像智能分类模型和分类指令对各待测区域中各分区分时相的已验证解译结果进行分类，并根据分类结果形成需求的国土空间解译结果。
15.作为本发明的一种实施例，一种应用于国土空间监测的遥感大数据解译方法还包括：基于大数据技术，获取各待测区域的国土空间的土地用途的影像特征，作为特征标识；
再根据特征标识对已验证解译结果进行比对，生成国土空间土地用途信息；并根据历史国土空间土地用途信息与对应的国土空间土地用途信息进行比对，生成国土空间变更信息进行自动反馈。
16.本发明的有益效果为：
17.本发明提供一种应用于国土空间监测的遥感大数据解译系统及方法，通过对待测区域进行遥感监测，并对遥感数据进行精准解译，进而更精确定位国土空间的遥感测绘信息。
18.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
19.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
20.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
21.图1为本发明实施例中一种应用于国土空间监测的遥感大数据解译系统的系统模块示意图；
22.图2为本发明实施例中一种应用于国土空间监测的遥感大数据解译系统中采集模块的单元示意图；
23.图3为本发明实施例中一种应用于国土空间监测的遥感大数据解译系统中人机协同智能解译模块的单元示意图；
24.图4为本发明实施例中一种应用于国土空间监测的遥感大数据解译系统中国土监测模块的单元示意图；
25.图5为本发明实施例中一种应用于国土空间监测的遥感大数据解译方法的流程图。
具体实施方式
26.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
27.请参阅图1，本发明实施例提供了一种应用于国土空间监测的遥感大数据解译系统，包括：采集模块1，用于布设采集设备根据飞行路线采集待测区域的原始遥感影像；人机协同智能解译模块2，用于根据多级耦合智能解译模型对原始遥感影像进行自动解译，并自动提取解译结果基于半自动提取方法对解译结果进行解译结果验证，输出已验证解译结果；国土监测模块3，用于获取分类指令，基于影像智能分类模型和分类指令对各待测区域中各分区分时相的已验证解译结果进行分类，并根据分类结果形成需求的国土空间解译结果；
28.上述技术方案的工作原理和有益效果为：本系统包括采集模块1，用于根据用户想测绘的区域布设采集设备根据设定好的飞行路线采集待测区域的原始遥感影像，同时实时传输回后台的人机协同智能解译模块2进行同步解译，提高解译效率，其中采集设备包括但
不限于无人机、有人机或卫星等设备，当涉及卫星等设备时飞行路线则为提前根据卫星轨迹确定，进而根据轨迹选择待测区域；同时，若解译存在问题还可重新规划飞行路线选择再次拍摄存在解译问题的待测区域；人机协同智能解译模块2采用了智能计算后台+智能引擎+人机交互解译平台的模式，当接收到原始遥感影像后，智能计算后台运用深度学习等方法进行智能计算，并待存在结果时自动提取结果通过智能引擎推送到人机交互解译前台，人机交互解译前台则通过预先设定好的半自动提取方法对计算结果进行判断验证，通过上述步骤，能够使得整体作业效率提高20％；得到需求的解译结果后，国土监测模块3获取用户输入的分类指令，该分类指令根据用户侧重想查看哪一类的国土而自主选择，然后基于影像智能分类模型和分类指令对各待测区域中各分区分时相的已验证解译结果进行分类，并根据分类结果形成需求的国土空间解译结果，该国土监测模块3突破了顾及时空特征的遥感影像样本生成与智能分类一体化迭代方法，查全率优于85％，通过上述技术方案，有益于对遥感数据进行精准解译，进而更精确定位国土空间的遥感测绘信息。
29.请参阅图2，在一个实施例中，采集模块1包括：区域确定单元10，用于确定采集设备出发位置和待测区域；环境状态信息确定单元11，用于确定待测区域的环境信息和采集设备的状态参数信息；飞行路线生成单元12，用于根据采集设备出发位置、待测区域、环境信息以及状态参数信息，并基于大数据技术生成最佳遥感飞行路线指令和采集始末指令；采集设备控制单元13，用于根据飞行路线指令控制采集设备进行对应飞行操作，和根据采集始末指令控制采集设备进行对应的原始遥感影像采集操作；
30.上述技术方案的工作原理和有益效果为：采集模块1用于采集待测区域的原始遥感影像，当采集设备为无人机或有人机等飞行机器搭载雷达时，需根据待测区域内的环境状态信息设定飞行路线；其中，在采集前，根据用户输入的待测区域，基于网络获取待测区域的目前环境信息，包括天气信息、光照信息等，同时获取待测区域的经度和纬度等信息，并选择能够起飞的采集设备，并获取该采集设备的起飞位置和该采集设备的状态参数，如电量、续航时间、最低安全飞行高度以及最小转弯半径等状态参数信息；确定好上述参数后，基于大数据技术，计算该采集设备的最佳遥感飞行路线和采集位置并生成对应指令，最后根据对应指令控制采集设备出发，通过上述技术方案，有益于提高采集时的可靠性。
31.请参阅图3，在一个实施例中，人机协同智能解译模块2包括：智能计算后台单元20，用于基于深度学习构建的多级耦合智能解译模型对获取的原始遥感影像进行自动解译，生成解译结果；智能引擎单元21，用于自动提取解译结果并推送至人机交互解译前台；人机交互解译前台22，用于利用半自动提取方法对解译结果进行验证，输出已验证解译结果；
32.智能计算后台单元21执行包括如下操作：构建基于深度学习网络的解译模型，根据多级知识耦合技术、对象智能计算技术和分层分区提取技术对预设的遥感影像样本信息进行分类处理，得到场景样本集、对象样本集和像素样本集；先后输入场景样本集、对象样本集和像素样本集对解译模型进行训练，得到基于场景-对象-像素的多级耦合智能解译模型；根据多级耦合智能解译模型对获取的原始遥感影像进行自动解译，生成解译结果；
33.上述技术方案的工作原理和有益效果为：人机协同智能解译模块2设置在后台，用于接收采集模块发送的信息进行实时解译，其中，智能计算后台单元21构建了“场景-对象-像素”多级耦合智能解译模型，突破了多级知识耦合、分层分区提取、对象智能计算等技术，
实现了场景级分层提取、对象级异常检测、像素级智能计算，压缩作业范围超过80％，极大的提高了整体解译效率。
34.请参阅图4，在一个实施例中，国土监测模块3包括：分区分时相样本自动生成单元30，用于自动提取各待测区域中各分区分时相的已验证解译结果生成分区分时相样本；人机交互编辑单元31，用于获取用户分类指令；影像智能分类单元32，用于根据用户分类指令选取对应的影像智能分类模型；分类样本自动反馈单元33，用于基于对应的影像智能分类模型对各分区分时相样本进行分类，并根据分类结果形成需求的国土空间解译结果进行自动反馈；
35.国土监测模块还包括分类模型迭代优化单元，用于形成分区分时相样本自动更新，并根据更新样本完成对应影像智能分类模型迭代自主学习的闭环；
36.上述技术方案的工作原理和有益效果为：当同时采集多个待测区域的原始遥感影像或采集单个待测区域时，国土监测模块3用于根据用户侧重对解译内容进行分类，当然的，若用户未选择侧重，则国土监测模块3会直接输出采集到的解译结果供用户参考，其中，国土监测模块3中的分类方式突破了顾及时空特征的遥感影像样本生成与智能分类一体化迭代方法，实现了分区分时相样本自动生成、影像智能分类、人机交互编辑、分类样本自动反馈、分类模块迭代优化，形成样本自动更新与模型迭代自主学习的闭环，查全率优于85％。
37.在一个实施例中，一种应用于国土空间监测的遥感大数据解译系统还包括变更信息生成模块，变更信息生成模块执行包括如下操作：基于大数据技术，获取各待测区域的国土空间的土地用途的影像特征，作为特征标识；再根据特征标识对已验证解译结果进行比对，生成国土空间土地用途信息；并根据历史国土空间土地用途信息与对应的国土空间土地用途信息进行比对，生成国土空间变更信息进行自动反馈；
38.上述技术方案的工作原理和有益效果为：变更信息生成模块用于更便于用户查看历史过往中国土空间土地用途信息的变更，有利于更精确的绘制国土空间图，其中，该变更信息生成模块基于大数据技术，获取各待测区域的国土空间的土地用途的影像特征，作为特征标识，其中，获取的影像特征是各待测区域的国土空间的遥感影像在面对不同土地用途时的影像差异特征；然后根据特征标识对已验证解译结果进行比对，生成国土空间土地用途信息，即根据对应的特征标识对解译的国土空间进行土地用途标识，最后根据历史国土空间土地用途信息与对应的国土空间土地用途信息进行比对，即判断历史与现在的相同国土空间上的土地用途是否发生变化，所占国土空间的大小是否存在变化等，并生成国土空间变更信息进行自动反馈给用户，通过上述技术方案，有益于丰富国土空间的测绘支撑数据。
39.在一个实施例中，一种应用于国土空间监测的遥感大数据解译系统还包括国土空间变更合理推荐报告生成模块，国土空间变更合理推荐报告生成模块执行包括如下操作：获取国土空间变更信息中存在变更的国土空间信息作为变更国土空间信息；其中，变更国土空间信息包括土地用途信息和变更土地范围信息；基于大数据技术，根据变更国土空间信息确定变更国土空间影响力辐射范围；获取被包含在变更国土空间影响力辐射范围内的其他国土空间信息；根据威弗-托马斯指数，确定变更国土空间信息与其他国土空间信息的土地用途信息的关联性强度数值；判定关联性强度数值低于预设数值的其他国土空间信息
为低经济关联国土；若其他国土空间信息中不存在超过预设数量的低经济关联国土则判定本次国土空间信息变更合理，同时基于大数据技术，根据与变更国土空间信息的关联性强度数值以及其他非低经济关联国土的已有国土空间土地用途信息，生成低经济关联国土的国土空间变更合理推荐报告；
40.上述技术方案的工作原理为：国土空间变更合理推荐报告生成模块用于辅助用户对变更的国土空间的合理性进行判断，同时为已变更的国土空间周围的其他国土空间的土地用途根据经济性的发展指数提供更合理的推荐报告，进而为国土空间的合理使用提供一定辅助数据支撑，其中，该国土空间变更合理推荐报告生成模块执行包括如下操作：首先，获取国土空间变更信息中存在变更的国土空间信息作为变更国土空间信息；其中，变更国土空间信息包括但不限于土地用途信息和变更土地范围信息等空间信息，此处的土地用途信息可以被指为工厂、住房、商场、农耕地等等；然后基于大数据技术，根据变更国土空间信息确定变更国土空间影响力辐射范围，确定影响力辐射范围的相关数据包括但不限于变更国土空间信息的土地用途信息和变更土地范围信息，例如，若变更国土空间的土地用途变更为排放一定有害物质的工厂，则根据其占地面积和该有害物质的扩散范围设定影响力辐射范围；然后获取被包含在变更国土空间影响力辐射范围内的其他国土空间信息；根据威弗-托马斯指数，确定变更国土空间信息与其他国土空间信息的土地用途信息的关联性强度数值，计算公式优选为其中，relate
n,m
为第n个其他国土空间信息的土地用途信息的第m类指标的威弗-托马斯指数，定义α(n,u)为对应第n个产业的第u项指标的消耗系数，其中n＝1，2，3...p，将α(1,m)，α(2,m)，...，α(p,m)，按从大到小的顺序排列，m＝1，2，3...，u，则得到新的样本序列为αα(1,m)，αα(2,m)，...，αα(p,m)，f为m类指标中的任一个指标；例如若变更国土空间的土地用途变更为排放一定有害物质的工厂，该侧重的指标类则优先为不宜居住，进而每一其他国土空间信息的土地用途信息的关于适宜居住的指标的消耗系数则会相应改变，从而降低适宜居住指标的关联性强度数值，当判定关联性强度数值低于预设数值的其他国土空间信息为低经济关联国土；若其他国土空间信息中不存在超过预设数量的低经济关联国土则判定本次国土空间信息变更合理，同时基于大数据技术，根据与变更国土空间信息的关联性强度数值以及其他非低经济关联国土的已有国土空间土地用途信息，生成低经济关联国土的国土空间变更合理推荐报告，即生成与变更国土空间信息的土地用途更适配的土地用途分配推荐报告；
41.上述技术方案的有益效果为：通过上述技术方案，为国土空间的测绘数据上使用提供一定的合理辅助数据支撑，提高测绘数据的多样性，实现土地资源利用的最大化利益。
42.请参阅图5，一种应用于国土空间监测的遥感大数据解译方法，包括：布设采集设备根据飞行路线采集待测区域的原始遥感影像；根据多级耦合智能解译模型对原始遥感影像进行自动解译，并自动提取解译结果基于半自动提取方法对解译结果进行解译结果验证，输出已验证解译结果；获取分类指令，基于影像智能分类模型和分类指令对各待测区域中各分区分时相的已验证解译结果进行分类，并根据分类结果形成需求的国土空间解译结
果。
43.在一个实施例中，一种应用于国土空间监测的遥感大数据解译方法还包括：基于大数据技术，获取各待测区域的国土空间的土地用途的影像特征，作为特征标识；再根据特征标识对已验证解译结果进行比对，生成国土空间土地用途信息；并根据历史国土空间土地用途信息与对应的国土空间土地用途信息进行比对，生成国土空间变更信息进行自动反馈。
44.该一种应用于国土空间监测的遥感大数据解译方法的工作原理和有益效果可参照上述关于一种应用于国土空间监测的遥感大数据解译系统各个功能模块中对应提及的工作原理和有益效果，这里就不再做重复的累述了。
45.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。