AI基于卫星影像粗略计算水田范围和面积

发表日期： 2023年12月18日来源：原创文章(禁止转载)

内容摘要：随着AI技术的不断进步和成熟，在卫星遥感影像领域也逐渐出现AI的身影。目前卫星影像的应用以及非常普遍，特别是在国土测绘，农业林业和水利等具备土地属性的行业， 【遥感影像结合GIS】更是得到广泛的使用，像国土二调，国土三调，宅基地确权，农业确权，一张图，卫片执法等一系列全国性的项目更是推动了遥感影像行业的发展。

卫星影像的典型应用就是【土地分类和面积统计】（简称：分类统计）。目前，小面积或者精准的分类统计都是基于【高分辨率卫星图结合人工解译】来实施的，这种方法的优点是【成果精度高】，人工机动性好，但不足的地方就是采用人工操作导致的【费用高，工期慢】，不适用于【时间紧急的项目】或者【预算偏低的项目】。那么如何解决大范围、低精度、时间紧迫的分类统计项目呢？

北京亿景图是国内知名的卫星影像数据服务商，利用国外友商的AI技术，结合自身遥感影像数据的优势，推出了一种新的方式：AI利用卫星影像数据提取目标分布范围和面积统计。采用低分辨率的遥感影像数据，首先生产NDVI、NDWI或者SWIR等特征明显的光谱数据（图1示例是采用SWIR数据），然后基于AI的图像特征识别生成自动分类图斑（图2，图3），再对图斑进行面积测算（图4，图5，图6），最终得到每个地块的图斑矢量、图斑面积以及辖区地块图斑面积总和（图7），通过在高分辨率卫星图像的套合对比（图8到图12）可以看出，AI提取的图斑没有太大的误差，可以满足基本的使用要求。

测试区域面积为25平方公里，整个操作过程大约1小时，工作主要分3个阶段：1、影像数据准备；2、AI解译；3、矢量后处理(主要是采用人工对矢量进行：错误图斑清洗、面积赋值、总和统计)。值得注意的是，作业范围的大小和影像数据分辨率的高低是影响生产时间的主要因素，且影响并不是成正比，常规的项目基本能控制在1-3个工作日之内。由此可以看出AI分类统计的主要优点就是：成本低、速度快，主要适用于大面积、低精度的统计型项目。那么AI分类统计的不足是什么呢：
1、矢量毛边严重。不像人工画图的那么细致，AI自动生产的矢量图斑有很多细微的拐点（图13）
2、有识别错误。存在过多识别目标或者遗漏识别目标的问题（图14）。
3、成果矢量不利于人工修改。对于明显错误的提取图斑可以人工手动直接删除，但不建议进行手动增加图斑或者手动修改图斑，这样工作量会非常大，有悖于高效快速、低成本的初衷。
4、对影像数据样本依赖严重。如果影像数据的目标特征不明显，那么将直接影响提取的结果数量和准确度，目前低分辨率影像主要以水体、植被要素为主，这两个要素在多光谱数据里有明显的颜色特征和形状特征，其中水以蓝色或暗黑色为主，植被以红色或绿色为主( 高分辨率影像由于清晰度比较高，可实现对房屋、地块、林地、草地、道路、水域等一类地物要素进行统计分类，但是数据成本较高)。

【购买卫星影像】请联系北京亿景图公司工作人员，或在线留言给我们，点击在线搜索查看更多卫星项目案例。