遥感影像处理技术在土地利用变更调查中的应用
党永超 陈重豪 高超华 慕继发 王文轩

自然资源部第一地理信息制图院，陕西西安，710054；

摘要：2025年起，国家不再统一下发遥感监测图斑，县级调查单元须自主完成变化信息提取，传统人工判读模式在图斑数量大、提交时限紧、核查差错率要求高的多重压力下难以为继。以某县国土变更调查为对象，构建"多源影像预处理—深度学习智能检测—人机协同提取—在线举证核查"的技术流程：以历年变更调查成果反哺构建训练样本库，采用改进U-Net双时相网络开展变化检测，并按"最小上图面积"约束过滤细碎图斑；将检测图斑按可信度分级，形成自动通过、人工复核、外业举证三级流转机制。应用表明，智能检测对变化图斑的召回率达92.3%、准确率达85.6%，人均日处理图斑由35个提升至90个，内业周期由45d压缩至28d，成果通过国家核查差错率1.6%，优于2%的合格线，有效提升土地利用变更调查的效率和准确度。

关键词：遥感影像处理；土地利用变更调查；变化检测；深度学习；国土调查云

参考文献

[1]张祖勋,姜慧伟,庞世燕,等.多时相遥感影像的变化检测研究现状与展望[J].测绘学报,2022,51(7):1091-1107.

[2]史嘉诚,刘伟,尹鹏程,等.矢量边界约束下基于深度学习和高分影像的土地利用矢量图斑变化检测方法[J].遥感技术与应用,2024,39(3):753-763.

[3]问青青,王广科,吴达胜.基于深度学习的高分辨率遥感影像林地变化检测[J].浙江林业科技,2024,44(6):69-79.

[4]DAUDT R C, LE SAUX B, BOULCH A, et al. Fully convolutional siamese networks for change detection[C]//Proceedings of the 25th IEEE International Conference on Image Processing (ICIP). Athens: IEEE, 2018: 4063-4067.

[5]宋业冲,李英成,耿中元,等.深度学习方法在光伏用地遥感检测中的应用[J].测绘科学,2020,45(11):84-92.