整治“河湖四乱”卫星遥感监管介.pptxVIP

01 河湖四乱遥感监管汇报内容02 案例介绍PIESAT01河湖四乱遥感监管?1.1 政策背景?1.2 监管对象?1.3 技术路线1.1 政策背景 PIESAT聚焦管好“盆”和“水”,集中开展“清四乱”行动,推动河长制尽快从“有名”向“有实”转变,加强河湖管理保护,维护河湖健康生命.1.2 监管对象 PIESAT类别 定义 标志性地物 监测指标乱建围是指违法违规建设涉河项目,在河湖管理范内修建阻碍行洪的建筑物、构筑物等问题河道内建筑物和构筑物建筑物乱采动是指在河湖管理范围内非法采砂、取土等活大型采砂船滩边堆砂场 采砂,取土是指围垦湖泊,未依法经省级以上人民政府批准围垦河道,非法侵占水域、滩地,种植阻碍行洪的林木及高秆作物等行为水域内耕地、林木,土堤、矮围等围挡建筑围垦碍洪林木及高杆作物乱占是指河湖管理范围内乱扔乱堆垃圾,倾倒、填埋、贮存、堆放固体废物,弃置、堆放阻碍行洪的物体等现象河湖内和附近固体废物堆放和贮存 垃圾乱堆1.3 技术路线 PIESAT主要收集项目基础资料和影像数据资料,项目基础资料包括土地利用资料、行政区划界线、河湖确权资料,影像数据包括高分遥感影像、Landsat8影像、DEM数据.对高分遥感影像及Landsat 8影像数据进行预处理.河湖“四乱”标志性地物解译、非正规垃圾堆放点解译、毁林开荒解译;土地利用解译、植被覆盖度计算、坡度计算.对解译的河湖“四乱”成果、非正规垃圾堆放点成果进行抽取部分成果进行外业复核.利用土地利用、植被覆盖度、坡度信息计算土壤侵蚀强度等级分布及水土流失面积统计分析;制作专题图：河湖“四乱”专题图、垃圾专题图、毁林开荒专题图、植被覆盖度专题图、土壤侵蚀强度专题图;对河湖“四乱”、垃圾、毁林开荒结果进行统计分析.编写报告.1.3 技术路线—遥感影像预处理 PIESAT影像处理采用我的自主开发PIE Ortho 软件进行流程化生产,生成DOM（数字正射）成果影像,并进行拼接匀色.遥感影像处理流程图1.3 技术路线—专题信息提取 PIESAT提取流程采用人机交互解译识别方法,利用高分影像,开展河湖“四乱”标志性地物解译、非正规垃圾堆放点、毁林开荒和土地利用的解译,及各类对象的解译和属性录入工作.（1）制作各解译对象解译标志;（2）建立监管区域河湖“四乱”、非正规垃圾堆放、毁林开荒对象矢量文件,建立属性字段;（3）参考解译标志,利用遥感或GIS等相关软件通过人机交互勾绘对象图斑,并填写属性信息（4）对图斑勾绘成果进行检查审核,质检通过后方可提交.1.3 技术路线—专题信息提取 PIESAT核心技术：AI自动提取技术测试数据深度学习算法样本库集合 样本训练 样本测试高分影像检测数据利用一个地区的遥感影像检测结果 目标检测 精度评估判断精度,是否需扩充样本库河道管理范围1.3 技术路线—专题信息提取 PIESATAI自动提取技术 运用深度学习技术进行河湖四乱监测相关的水体、网箱、采砂、垃圾、临河建筑的智能识别. 其中水体、采砂场、大棚分别运用语义分割模型,临河建筑、网箱养殖、垃圾采用目标检测模型. 而后结合人工目视解译,将大大提升监测对象解译效率1.3 技术路线—专题信息提取 PIESATAI自动提取——违建识别 3.2 监管方法利用多尺度识别,对河道范围内大于60m2的建筑物进行识别.违建识别方法分析通过高分2m影像构建多尺度建筑样本,选用多尺度模型进行训练,实现建筑的快速精准化提取.GF遥感影像数据优势：适用于不同尺度目标的检测,尤其对面积小于400m2的目标表现突出自动识别工程化软件：PIE-AI自动识别软件PIE-AI模块样本库CNN 多尺度检测1.3 技术路线—专题信息提取 PIESATAI自动提取—河道采砂、取土的识别利用卷积神经网络,对疑似采砂、取土场进行识别.采砂识别方法分析采集采砂、取土样本,采用语义分割的方法,对采砂、取土的进行有效及时分析,识别.GF遥感影像数据有采砂船,确定为采砂优势：1、样本需求量少;2、地物边界检测效果较好.无采砂船,确定为疑似采砂工程化软件：PIE-AI自动识别软件PIE-AI模块非采砂采砂、取土样本 U-Net网络训练1.3 技术路线—专题信息提取 PIESAT人工+机器建筑：效率提升8倍采砂：效率提升4倍精度、效率以及训练样本量对精度影响分析对象 样本量 准确率对象识别方式准确率耗时/2000km2机器配置要求600 75.8%人工 100% 8h/县 普通机器机器自动 82% 20min GTX1080TI+I7+建筑1200 82.3%16G机器+人工— 60min —建筑2000 85%人工 100% 4h 普通机器机器自动 61% 15min GTX1080TI+I7+350 61.2%采砂、取土1200 正在采集样本16G机器+人工