自然资源遥感监测体系建设现状与发展展望

尤淑撑，何 芸

(自然资源部国土卫星遥感应用中心，北京 100048)

0 引言

遥感监测是一种快速了解区域自然资源演化的重要手段。通过对各类自然资源利用及变化状况开展持续监测，掌握自然资源现状及其动态变化规律是有效保护、管理自然资源的必要前提[1-4]。遥感应用于土地资源、水资源和森林资源等专题监测已经有30多年历史，在技术和方法上取得了极大进步[5-9]。我国应用卫星遥感技术先后开展了地理国情监测[10-12]、土地利用变更调查监测与核查[13-15]及第三次国土调查[16-17]等相关工作，保持了全国土地调查数据和国土资源综合监管平台基础信息的准确性和现势性，为满足生态文明建设[18]、空间规划编制[19]、自然资源管理体制改革和统一确权登记[20]等各项工作奠定了重要基础。

当前，我国正处于生态文明建设的关键期，需要显著提升自然资源管理和治理的现代化水平。2018年3月，我国组建了自然资源部，履行“两统一”职责，急需依托现有基础测绘成果构建统一的调查监测技术体系，开展自然资源动态监测，跟踪监测自然资源的发展及利用变化情况，进而揭示自然资源相互关系和演替规律，为科学编制国土空间规划、统一实施所有国土空间用途管制和生态保护修复，逐步实现山、水、林、田、湖、草的整体保护、系统修复和综合治理，以及保障国家生态安全提供基础支撑。

为了更好地发挥遥感技术在自然资源管理中的作用，自然资源部组建后，整合部内遥感应用力量，充分发挥卫星遥感技术优势，以实现全国范围内自然资源全要素、全覆盖季度遥感监测、重点区域月度遥感监测、重点目标即时遥感监测为主要目标，启动实施了自然资源遥感监测体系建设工作，加快推进遥感数据自动化处理和影像智能解译技术研发，不断优化工程技术流程和运行模式。经过1年多的运行，自然资源遥感监测工作取得了一定进展，基本建立了自然资源遥感监测体系框架，编制了影像处理、变化提取、质量检查和成果数据建库等技术规范，研发了数据处理、变化自动检测、成果统计分析及质检等软件系统，建立了工程生产和质量控制体系，形成了工程配套运行机制与管理制度，实现了2 m级国产公益卫星数据当日接收、当日处理和当日质检，有效实施了相关遥感监测保障工作。本文通过对前期工作的总结归纳，介绍了自然资源遥感监测技术框架，总结了当前自然资源遥感监测工作取得的主要进展和成效，展望了自然资源遥感监测体系的未来。

1 监测体系框架

自然资源遥感监测技术体系主要目标是充分利用现代测量、信息网络以及空间探测等技术手段，构建“天-空-地”一体的自然资源遥感监测框架。

1.1 基本思路

围绕自然资源整体保护、综合治理和系统修复监测需求，形成天空地一体化观测能力，建立自然资源数据-质量-生态一体化遥感监测技术流程，实现山、水、林、田、湖、草综合监测，全面支撑自然资源治理现代化，其技术框架如图1所示。

图1 自然资源遥感监测技术框架

1.2 目标任务

针对自然资源管理的实际需要，通过优化观测计划、重构业务流程和创新地表覆盖/土地利用变化检测技术，形成全国范围季度、重点区域月度和重点目标即时监测能力，具体包括：构建自然资源卫星观测体系，通过卫星资源整合和应用需求统筹，最大程度保障影像数据需求；健全遥感影像数据生产体系，实现正射遥感影像产品统一生产，保障自然资源常规性及应急监测需求；完善自然资源全天候遥感监测体系，实现全国季度、重点区域月度和重点目标即时监测，为自然资源调查、监测和监管提供基础信息和专题产品服务；创新应用服务体系，实现自然资源国土卫星遥感信息产品统一的共享服务，满足各类用户对自然遥感监测信息产品的多样化需求。

1.3 监测方法

自然资源遥感监测具有影像处理量大(日均接收200～400景数据，数据量约3 TB)、时效性高、应急性强和监测目标多等特点，需要广泛采用大数据、人工智能等现代技术，创新利用深度学习算法实现自然资源变化监测和特定目标的自动信息提取。

1.3.1 面向复杂场景的自然资源要素变化监测技术

针对监测过程中目标特征复杂多变、尺度多样化和变化目标小等难点，建立面向复杂场景自然资源要素变化自动提取技术流程。

首先，根据目标多尺度特性，采用扩张卷积核，指数级地扩大感受野而不丢失分辨率，使模型具有更大的感受野而不会过度地对特征映射进行下采样，不同扩张率的扩张卷积滤波器如图2所示。

图2 不同扩张率的扩张卷积滤波器

此外，引入条件随机场，实现图像信息与像素级别类别标签多类别推理输出的结合。具体描述如下：

设X，Y是随机变量，P(Y|X)是在给定X的条件下Y的条件概率分布。若随机变量Y构成一个由无向图G=(V，E) 表示的马尔可夫随机场，即：

P(Yv|X，Yw，w≠v)=P(Yv|X，Yw，w～v)，

(1)

对任意结点v成立，则称条件概率分布P(Y|X)为条件随机场。式中，w～v是图G=(V，E) 中与结点v有边连接的所有结点w；w≠v是结点v以外的所有结点；Yv，Yw是结点v，w对应的随机变量。

设P(Y|X)为线性链条件随机场，则在随机变量X取值为x的条件下，随机变量Y取值为y的条件概率具有如下形式：

(2)

式中，Z(x)是规范化因子，

(3)

式中，tk是定义在边上的特征函数，称为转移特征，依赖于当前和前一个位置；sl是定义在结点上的特征函数，称为状态特征，依赖于当前位置；λk，μl是tk，Sl对应的权值；特征函数tk，Sl取值为1或0，当满足特征条件时取值为1，否则为0。

1.3.2 特定目标智能发现技术

自然资源特定目标监测业务通常面向大范围目标进行自动提取，但实际生产中目标样本数量覆盖相对较少，如何在大范围海量数据下实现高精度、高效率的特定目标自动提取生产成为重要挑战，强泛化高效性模型构建和大范围样本工程化训练是实现大范围高频特定目标自动提取的关键。

强泛化高效性模型主干网络的选取综合考虑实时性及性能，采用DeepLabV3+模型，以修改后的ResNet-34为主干网络。将原始ResNet-34主干网络7×7卷积模板改为2层3×3卷积模板，在节省参数的同时获得了相同感受野以及更多网络非线性能力。将修改后的主干网络在IMAGENET数据集上进行预训练，然后采用预训练参数对DeepLabV3+模型主干网络进行初始化，相应的网络模型结构示意如图3所示。

图3 深度学习算法网络结构示意

低层次特征引入模块主要起到2个作用：增大感受野和增强非线性。低层次特征引入模块的结构采用金字塔池化结构，包括4条并行通路。其中，前3条通路首先采用自适应池化，将特征图降采样，接着经过2个卷积层，最后采用双线性内插法将特征图上采样，得到与输入尺寸相同的特征图。第4条通路由空洞卷积实现，输入输出尺寸不变。此外，网络训练过程中除了采用常规损失函数以外，还构造另一个辅助损失，并引入一个权重参数来控制辅助损失的权重，从而实现模型优化学习，将更多空间信息嵌入到高层特征中。辅助损失通路结构示意如图4所示。

图4 辅助损失通路结构示意

2 进展与成效

自然资源部先后在卫星资源整合、影像数据处理、监测信息提取和成果应用服务等方面开展相关优化整合工作，促进了自然资源遥感监测能力的全面提升，有效保障了自然资源遥感监测所需的卫星影像数据需求，实现了有效影像数据当天接收、当天处理、当天信息提取和质检，首次实现了全国2 m级影像自然资源季度性遥感监测，具体包括：

① 创新了自然资源遥感监测应用模式，形成全覆盖、全天候、全要素、全方位的遥感监测产品体系和标准规范，实现了从周期性监测到“季度-月度-即时”动态监测的转型升级。

② 通过卫星资源整合和需求统筹，卫星数据有效获取能力得到了大幅提升，基本实现2 m级卫星数据全国季度覆盖。通过成像需求、任务规划和拍摄计划3个层面对类似卫星资源进行统筹整合，显著提升卫星影像获取能力。如，通过目前对10颗2 m级卫星的统筹，全国季度有效覆盖比例达到90%以上。

③ 创建了基于深度学习的自然资源要素智能解译业务化应用技术流程，突破了面向复杂场景的自然资源要素变化监测和特定目标智能发现技术，有效保证了变化图斑自动提取精度。推进人工智能信息提取技术应用，研发了一套面向广泛自然资源监测业务的“影像-标注-特征”深度学习样本库以及复杂场景下自然资源要素特定目标和变化信息自动提取深度学习模型；采取多波段影像自适应综合智能处理、区域约束下深度学习模型及正交多边形重建等算法，实现了地表覆盖多要素月度、季度和年度等周期成果的可视化整合输出。目前实现2 m级影像变化信息每月自动提取处理面积3 000 000 km2以上，高尔夫球场、光伏用地、大棚及机场等提取正确率80%以上。自然资源要素信息深度学习提取效果如图5所示。

图5 自然资源要素信息深度学习提取效果

④ 创新发展了生产线智能流转与可插拔式模块调度控制技术，研发了自然资源卫星遥感监测系统。实现了影像自动优选、监测底图数据增量式更新、监测任务自动流转、要素变化自动提取、人机协同编辑、数据模板化统计分析、信息自动入库、标准信息产品及监测日报、月报、季报自动生成；支持多节点并行运算及多终端自动调度，支持每日150 000 km2以上自然资源遥感监测作业生产；实现监测全流程监控和成果自动化流转，提高了整个监测工作的自动化水平。

⑤ 创新发展了基于监测成果应用包的多人协同作业模式，实现数据信息产品的高效流程，有效提升遥感监测作业效率。系统支持从全国一张图服务中按照需求范围抽取服务数据并加密，支持每季全国约300 TB的影像处理成约0.5 TB影像底图服务，支持20人以上并行访问，全国范围高分影像数据流转从15 d以上到30 h以内。

⑥ 构建了长时间序列典型自然资源要素数据库，实现了全国自然资源全覆盖、全要素季度、月度、即时监测产品在线应用服务。通过实施自然资源遥感监测，有效支撑自然资源管理主体业务工作。先后开展了内蒙古自治区水平衡遥感监测、安徽扬子鳄保护区监测、辽宁自然保护区监测、京津冀地区大棚监测、全国“大棚房”问题专项清理整治遥感监测、全国季度卫片执法遥感监测、全国高尔夫球场季度监测和全国红树林遥感调查监测等工作，首次实现2 m级数据全国自然资源季度性监测，首次取得长时间序列全国红树林、湖泊和冰川监测数据，为自然资源可持续利用和监管等工作提供了基础信息。

3 发展展望

自然资源遥感监测体系的构建有利于持续提升卫星遥感对自然资源监测监管的支撑能力和水平，实现自然资源数量、质量、生态一体化监测和山、水、林、田、湖、草集成化监测，为自然资源管理提供全天候、全方位和全流程的支撑保障服务。

自然资源遥感监测主要发展方向包括：① 监测需求服务对象更加多样化，从服务自然资源调查与执法监管到全面服务自然资源管理；② 监测信息需求更加多元化，从以变化信息为主到特定目标、典型地类和地类变化等多元信息，实现从单一要素到多要素/全要素监测；③ 监测周期需要多频化，从年度为主到季度、月度和即时等多频次监测，实现从周期性变化监测到长时间序列监测。

监测模式上将实现常态化监测，实现当天数据、当日信息提取，用好每一景数据，挖掘每一个像素的价值。根据专项整治和生态修复等工作实施专项监测。同时，对重点关注目标建立遥感监测本底数据库，开展持续跟踪监测。通过长时间序列监测揭示自然资源管理状况和演变机制分析。

监测方法上将实现天空地一体化，即发挥中低分辨率时间优势、高空间分辨率精细识别优势和高光谱定量反演优势。技术手段上将要求实现自动分类和人机交互模式有效衔接，即针对地广人稀、变化图斑量少和面积很小的变化图斑采用自动分类为主；针对变化剧烈的重点城市和重点区域，以人机交互方式开展变化图斑去伪及明显、较大变化图斑补漏等编辑工作；针对全国分布量少的单一监测目标，如高尔夫球场、湖泊等特征明显、识别度高目标，以计算机自动提取实现扫描发现，以人机交互方式进行核实编辑。

4 结束语

遥感卫星的快速发展为自然资源遥感监测提供了重要保障，人工智能、大数据和云计算等高新技术的广泛应用促进了自然资源遥感监测能力的跃升，为实现全国季度性全覆盖监测、重点区域月度监测和重点目标的即时应急监测奠定了重要基础。

未来，自然资源遥感监测技术体系建设将重点围绕全面提高遥感影像集群化处理、自动智能遥感信息提取、变化图斑协同编辑核查及全流程质量控制等能力水平，构建与工程业务化运行相匹配的应用系统，持续提升卫星遥感对自然资源监测监管的支撑能力和水平，不断健全完善自然资源卫星遥感监测监管体系。实现自然资源数量、质量、生态一体化监测和山、水、林、田、湖、草集成化监测，为自然资源管理提供全天候、全方位和全流程的支撑保障服务。