闫保银-地理智慧助力自然资源调查更高效.pdf

《闫保银-地理智慧助力自然资源调查更高效.pdf》由会员分享，可在线阅读，更多相关《闫保银-地理智慧助力自然资源调查更高效.pdf（40页珍藏版）》请在三个皮匠报告上搜索。

1、P1地理智慧地理智慧助力助力自然资源调查更高效自然资源调查更高效闫保银南京国图信息产业有限公司 技术总监二二二年七月P2汇 报 提 纲国土变更调查中的应用实践02自然资源调查应用需求01森林资源调查中的应用实践03总结与展望04P3P3自然资源调查应用需求自然资源调查应用需求1P41.1 自然资源部成立2018年3月，按照国务院机构改革方案要求，成立了自然资源部，负责统一开展自然资源调查工作。水资源土地资源森林资源草原资源湿地资源矿产资源自然资源统一调查P51.2 自然资源调查体系设计2020年1月，自然资源部印发了自然资源调查监测体系构建总体方案，方案明确了自然资源统一调查的调查内容。基础调

2、查自然资源调查专项调查P61.3 自然资源调查技术需求智能化识别大数据挖掘网络爬虫空天地网区块链二三维一体化P71.4 地理智慧相关技术发展随着5G、云计算、大数据、边缘计算、物联网、人工智能等新技术的快速发展和创新，这些技术与地理信息技术的融合发展，带动了地理智慧的快速发展。区块链GIS云GIS人工智能GIS边缘GIS三维GIS大数据GIS分布式GISP8P8国土变更调国土变更调查中的应用实践查中的应用实践2P92.1 国土变更调查工作内容变化信息提取工作底图制作外业调查实地举证数据库更新逐级汇交核查P102.2 变化信息提取传统方法叠加最新正射影像和最新的国土变更调查数据库，逐图斑逐网格进

3、行地类的人工判读，提取疑似变化图斑的地类和范围，费时费力，工作效率低。P112.3 基于深度学习的变化信息提取技术流程三调遥感影像三调图斑数据深度学习模型训练和优化最新遥感影像影像分割样本数据集模型文件分地类识别模型文件最新国土调查数据库地类识别结果变化图斑提取模型训练图斑提取P122.3 基于深度学习的变化信息提取利用全国多个地方的2018年、2019年三调遥感影像及对应的地类图斑数据，批量建立影像分割样本数据集。P132.3 基于深度学习的变化信息提取利用影像分割样本数据集，对深度学习模型进行模型训练与优化。开源框架D-LinkNet神经网络模型P142.3 基于深度学习的变化信息提取基于

4、训练好的模型，对调查区的最新遥感影像分地类进行自动解译，形成分地类的解译成果。P152.3 基于深度学习的变化信息提取针对轮廓模糊的分割结果边界不规则问题，研究现有的解译图斑规则化方法，提出了一种基于特征边重构的建筑物化简算法，以提高解译图斑边界效果。规则化结果特征边分组特征边重构直角化规则特征边编号计算主方向识别图斑结果P162.3 基于深度学习的变化信息提取叠加处理后的地类识别成果和最新国土调查成果，通过相交处理后提取地类不一致的图斑作为变化图斑。P172.4 国图地理智能引擎系统研发基于多年实践经验和数据积累，公司研发了“强样本、强引擎、强业务”的国图地理智能引擎系统，以更好地支撑应用。

5、P18P18森林资源调森林资源调查中的应用实践查中的应用实践3P193.1 森林资源调查分类森林资源规划设计调查(二类)以国有林场、森林公园等森林经营单位或县级行政区域为调查单位，按照普查方式进行的森林资源调查森林资源连续清查(一类)以省为单位，利用固定样地为主进行的森林资源抽样复查森林资源调查P203.2 森林资源调查主要指标森林资源调查优势树种平均树高平均胸径蓄积量郁闭度公顷株数P21样地布设3.3 传统调查方法基于林地小班选择标准样地，以样地为单位进行因子抽样调查。调查方式采用人工目视调查和人工测量方式，效率低，工作量大。人工测量P223.4地理智慧新方法应用优势树种平均胸径平均树高蓄积

6、量公顷株数基于遥感的机器学习分类LiDAR估测模型反演P233.5 基于遥感的优势树种智能识别技术流程P243.5 基于遥感的优势树种智能识别建立树种分类体系解译标志判读标志影像特征解译标志板栗板栗树冠宽大，大多经过修剪且排列随机，颜色较亮，光谱特征明显，纹理精细均匀。麻栎麻栎树冠较板栗小，树木排列紧密，影像上呈“破裂”状。P253.5 基于遥感的优势树种智能识别解译标志判读标志影像特征解译标志松树松树是在真彩色图像上，亮度较暗，与杉木一样呈现深色。图像纹理较其他植被类型粗糙。杉木杉木一般树冠小，略高大。影像上呈现