一种扰动地块识别方法、装置、设备、介质及产品与流程

本申请涉及环境监测，特别是涉及一种扰动地块识别方法、装置、设备、介质及产品。

背景技术：

1、生产建设项目对于水土流失的影响，表面看水土侵蚀空间有限，但实际上积累效应很明显，同时不同类型的生产建设项目，引发的扰动地貌单元、水土流失特征和危害也有较大差异，加之这种项目扰动频繁，监管难度大。

2、近几年，基于高分辨率遥感影像，通过遥感自动提取模型结合人工辅助校正，可以快速准确发现生产建设项目造成的扰动状况，进而对可能引起的人为水土流失风险进行预判评估，对于有效提高监管效率，遏制人为水土流失，进一步改善区域生态环境状况具有重要意义。目前，对部分地块已经开始试点遥感监管工作，并逐步应用人工+智能手段提取新增解译图斑，识别变化地块。人工判定方式存在效率低、认识标准不一等问题，采用深度学习的人工智能提取手段，能够快速识别、认识图地块的性状、自然变化，进而根据学习经验识别是否业务变化，提高决策和管理的科学化、高效化。但是，目前扰动地块的自动识别中，误提、漏提的现象仍然比较突出，因此扰动地块识别的准确性仍有待提高。

技术实现思路

1、本申请的目的是提供一种扰动地块识别方法、装置、设备、介质及产品，可提高扰动地块识别的准确性。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种扰动地块识别方法，包括：

4、采集多组样本数据；每组样本数据均包括相同区域的前期遥感影像和后期遥感影像，后期遥感影像中扰动地块为建筑物；

5、对各组样本数据进行处理和筛选，得到符合设定要求的多组样本数据；所述设定要求包括每组样本数据中前期遥感影像和后期遥感影像的分辨率之差小于设定值、坐标系相同和云所占面积不超过设定百分比；

6、对符合设定要求的各组样本数据中后期遥感影像中扰动地块进行标注；

7、根据标注后的各组样本数据确定训练样本组；

8、采用训练样本组训练深度学习模型，得到扰动地块识别模型；

9、采用所述扰动地块识别模型识别待识别遥感影像组中后期遥感影像中的扰动地块。

10、可选地，对符合设定要求的各组样本数据中后期遥感影像中扰动地块进行标注，具体包括：

11、分别对符合设定要求的各组样本数据进行卷帘分析确定扰动地块，对所述扰动地块进行勾绘，得到标注后的各组样本数据。

12、可选地，根据标注后的各组样本数据确定训练样本组，具体包括：

13、对标注后的各组样本数据中前期遥感影像和后期遥感影像进行矢量转栅格处理；

14、对矢量转栅格处理后的前期遥感影像和后期遥感影像按照设定尺寸进行裁切处理，得到裁切处理后前期遥感影像块和后期遥感影像块，将包含勾绘的扰动地块的后期遥感影像块以及与该后期遥感影像块对应的前期遥感影像块构成样本块组，各样本块组构成训练样本组。

15、可选地，所述设定尺寸为256*256。

16、可选地，所述设定百分比为3％。

17、可选地，所述坐标系为2000国家大地坐标系。

18、第二方面，本申请提供了一种扰动地块识别装置，包括：

19、样本数据采集模块，用于采集多组样本数据；每组样本数据均包括相同区域的前期遥感影像和后期遥感影像，后期遥感影像中扰动地块为建筑物；

20、样本数据处理模块，用于对各组样本数据进行处理和筛选，得到符合设定要求的多组样本数据；所述设定要求包括每组样本数据中前期遥感影像和后期遥感影像的分辨率之差小于设定值、坐标系相同和云所占面积不超过设定百分比；

21、标注模块，用于对符合设定要求的各组样本数据中后期遥感影像中扰动地块进行标注；

22、训练样本组确定模块，用于根据标注后的各组样本数据确定训练样本组；

23、深度学习模型训练模块，用于采用训练样本组训练深度学习模型，得到扰动地块识别模型；

24、扰动地块识别模型应用模块，用于采用所述扰动地块识别模型识别待识别遥感影像组中后期遥感影像中的扰动地块。

25、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的扰动地块识别方法。

26、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的扰动地块识别方法。

27、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的扰动地块识别方法。

28、根据本申请提供的具体实施例，本申请公开了以下技术效果：

29、本申请提供了一种扰动地块识别方法、装置、设备、介质及产品，将两期遥感影像中，后期遥感影像新建的建筑物作为扰动地块，使样本数据更有针对性，对各组样本数据进行处理和筛选，使得样本数据符合设定要求，提高了样本数据的质量，进而可提高扰动地块识别的准确性。

技术特征：

1.一种扰动地块识别方法，其特征在于，所述扰动地块识别方法包括：

2.根据权利要求1所述的扰动地块识别方法，其特征在于，对符合设定要求的各组样本数据中后期遥感影像中扰动地块进行标注，具体包括：

3.根据权利要求1所述的扰动地块识别方法，其特征在于，根据标注后的各组样本数据确定训练样本组，具体包括：

4.根据权利要求3所述的扰动地块识别方法，其特征在于，所述设定尺寸为256*256。

5.根据权利要求1所述的扰动地块识别方法，其特征在于，所述设定百分比为3％。

6.根据权利要求1所述的扰动地块识别方法，其特征在于，所述坐标系为2000国家大地坐标系。

7.一种扰动地块识别装置，其特征在于，所述扰动地块识别装置包括：

8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的扰动地块识别方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的扰动地块识别方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的扰动地块识别方法。

技术总结
本申请公开了一种扰动地块识别方法、装置、设备、介质及产品，涉及环境监测技术领域，该方法包括：采集多组样本数据；每组样本数据均包括相同区域的前期遥感影像和后期遥感影像，后期遥感影像中扰动地块为建筑物；对各组样本数据进行处理和筛选得到符合设定要求的多组样本数据；设定要求包括每组样本数据中前期遥感影像和后期遥感影像的分辨率之差小于设定值、坐标系相同和云所占面积不超过设定百分比；对符合设定要求的各组样本数据中后期遥感影像中扰动地块进行标注；根据标注后的各组样本数据确定训练样本组；采用训练样本组训练深度学习模型得到扰动地块识别模型。本申请提高扰动地块识别的准确性。

技术研发人员：孙涛,赵永军,罗志东,吕国敏,时宇,张霞,张盼,苏亚鲁,田相采
受保护的技术使用者：中国水利水电科学研究院
技术研发日：
技术公布日：2024/12/10