灌区信息监测
作物识别对灌区农业用水管理很重要，需要 精准的识别
1. 业务需求-现状及问题
1）基于“像元+传统分类”的分类
优点： 充分利用遥感影像光谱特征的的分布规律，即自然聚类的特征 ，进行分类
缺点：由于地球表面许多地物存在着“同谱异物、同物异谱”现象
，利用基于像元的方法进行分类会导致“椒盐现象”
3. 应用案例
水源地 监测
种植 结构
水保 监测
应用 案例
水政 执法
洪涝 监测
3. 应用案例
水源地 监测
种植 结构
水保 监测
应用 案例
洪涝 监测
水政 执法
3. 应用案例-水源地水体遥感监测
业务目标
以全国重要湖泊和水库等水源地作为监测目标， 进行地表水体范围和水域面积的连续动态监测， 自动地监测地表水体变化情况，揭示其时空变化 规律。
3. 应用案例-水源地水体遥感监测
业务流程
人工选择
水体面积遥感监测系统业务流程设计
人工获取高分数据处理流程
应急模式
数据库检索
批量文件处理
人工录入 数据库检索
自动获取高分数据 处理流程
目录监听 图像校正 人工批量导入
根据系统业务需求分析成
果，通过对常规业务处理
和应急业务处理两类业务 流程分析，系统业务流程 归纳为系统数据自动推送、 水面积信息提取、水面积 提取信息后处理和专题分 析产品制作等四个阶段处
1. 业务需求-现状及问题
2）基于“面向对象+传统分类”的分类
优点：将不同的地物分割到不同的对象之中 ，这对分类起了至关重要的作用。 缺点：对象的特征，如光谱、形状、纹理等 。但对于形状、纹理特征认识描述的不够全 面，信息量还不足以支撑地物分类、识别。
尺度1
尺度2
尺度3
1. 业务需求-现状及问题
上图为分类结果中冬小麦种植区细部图
3. 应用案例-作物种植结构
4）结果展示
最终将【面向对象分割+NDVI阈值+深度学习分类】的方法分别应用于
2）变化监测
2. 解决方案-总体思路
1
规则库建设
包括基础数据的准备及规则库建设
业 务 流 程
2
遥感影像自动解译
实现遥感影像的信息自动提取及变化监测
3
基于对象矢量后编辑及成果导出
对分类后结果进行对象编辑及栅格、矢量导出
2. 解决方案-基于对象矢量后编辑及成果导出
基于面向对象分割后的对象进行对象编辑并将结果到出为栅格或矢量
否
否
成果入库归档
数据入库
专题分析及 产品制作
专题分析
指定水体水面积 变化时序分析 指定空间水面积 变化时序分析
产品制作
按行政区查询 按流域查询 自定义查询 水体提取信息矢量合并 专题图制作 报告制作
专题分析及成果导出
3. 应用案例-水源地水体遥感监测
成果展示
3. 应用案例
水源地 监测
种植 结构
洪涝 监测
水政 执法
3. 应用案例-湖北水政执法
业务目标
为加强湖泊保护，保障湖泊功能，使千湖之省碧水长流， 建设湖泊卫星遥感监测系统，利用遥感影像和识别技术， 实现全省755个湖泊及湖泊水体管理范围内违建情况的变 化监测和分析，用来指导当地水政部门违建取证。
3. 应用案例-湖北水政执法
业务流程
3. 应用案例-作物种植结构
以河北省冬小麦为例种植结构提取方法
以提取冬小麦种植空间分布结构为例， 梳理农作物种植空间分布提取技术。选 择高分一号卫星,分辨率16m的遥感数据 作为主要数据源之一。 此外还包括的数据源有： （1）河北省土地利用分类栅格数据
（2）河北省县级行政区划矢量数据
（3）河北省农作物种植物候信息 （4）中国种植业信息网
左图为NDVI阈值提取结果图（图内右上黄 色部分为山林，右下大面积黄色部分为冬小 麦种植区）
3. 应用案例-作物种植结构
基于NDVI阈值提取出的对象挑选样本并分类，分为冬小麦和非冬小麦两类， 此处深度学习分类方法主要是基于卷积神经网络对样本进行学习从而对图 像进行分类。下图为分类结果展示。
上图中橘色代表林地 黄色代表冬小麦种植区
3.1信息提取及变化监测方案
1）辅助文件准备——地类描述文件 准备两个地类描述XML文件，文件格式如下：
文件1：参与训练样本的自动提取、 模型训练 文件2：参与信息的自动提取及变化监 测
XML文件制作 人机交互界面
2. 解决方案-规则库建设
输入
监测区域 遥感影像
3.1信息提取及变化监测方案
1）辅助文件准备——训练样区文件
3. 应用案例-作物种植结构
1）影像选取
由河北省主要作物物候表可以看出，3月中上旬耕地内只有冬小麦生长，因 此选取3月中上旬GF-1遥感影像作为提取冬小麦源数据。
GF-1号卫星2017年3月8日河北地区遥感影像图
3. 应用案例-作物种植结构
2）面向对象分割 面向对象方法是以影像对象“Image object”为处理单元，而不是遥感影像的单个像 元，该方法的基本处理对象是通过多尺度分割产生的，即按照一定的均质性条件对 原始影像中的像元进行区域合并形成同质相邻像元的集合体。面向对象的信息提取 方法是在利用遥感影像光谱信息的基础上，还综合的考虑影像对象的空间信息、纹 理信息以及领域对象的关联信息等。面向对象影像分割示意图如下所示：
种植 结构
水保 监测
应用 案例
水政 执法
洪涝 监测
3. 应用案例-洪涝灾害遥感监测
业务目标
洪涝灾害 事件发生
基于遥感影像的 洪涝灾害信息提取
洪涝灾害 评估报告
快速、准确
东华软件股份公司
2012年12月
3. 应用案例-洪涝灾害遥感监测
业务流程
3. 应用案例-洪涝灾害遥感监测
成果展示——洪涝灾害监测系统
分析结果展示
1）分类结果混淆矩阵
2）错分数据分析空间展示
2. 解决方案-遥感影像自动解译
2）变化监测
3.1信息提取及变化监测方案
利用面向对象遥感影像分割优势实现基于控制边界的变化监测
2. 解决方案-遥感影像自动解译
2）变化监测
变化监测
1）基于控制边界的信息提取
3.1信息提取及变化监测方案
基于控制边界的变化监测
水利信息遥感解译
自动 快速 准确 遥感解译方法 像元 面向对象
水土保持监管
生产建设项目、动土、水保措施识别是水保 的重要方面，对快速解译、变化检测要求高
水政执法取证
河湖管理范围的违建监测是水政执法取证 的重要方面，对准确变化检测要求高
洪涝灾害监测
洪涝灾害也是防洪减灾的重要方面，及时、 快速获取淹没范围很重要
影像分割前
影像分割后
3. 应用案例-作物种植结构
2） 基于NDVI阈值样本筛选
具体面向对象分割参数选择3 个分割尺度，分别为50、30、 18，平滑度选择0.5。然后进 行NDVI阈值提取。
在NDVI阈值过程中发现，无 法完全将冬小麦与山林区分 开来，因此将冬小麦与山林 一起提出，而后利用深度学 习分类方法进行分类。
对分类后结果进行对象编辑及栅格、矢量导出
2. 解决方案-遥感影像自动解译
1）信息自动提取
信息提取
1）基于已有规则的信息提取 遥感影像
3.1信息提取及变化监测方案
信息提取结果
自动分类结果
2）基于训练样区信息提取
2. 解决方案-遥感影像自动解译
1）信息自动提取
信息提取结果分析
3.1信息提取及变化监测方案
删除有云区域或提取错误 样本，并重新导出
……..
2. 解决方案-规则库建设
3.1信息提取及变化监测方案
2）构建规则库——模型训练
模型训练 模型训练结果
2. 解决方案-总体思路
1
规则库建设
包括基础数据的准备及规则库建设
业 务 流 程
2
遥感影像自动解译
实现遥感影像的信息自动提取及变化监测
3
基于对象矢量后编辑及成果导出
“面向对象+深度学习”遥感信息
提取技术在水利行业应用
水利部遥感技术应用中心 水利部防洪抗旱减灾工程技术研究中心 中国水利水电科学研究院
2017.10
报告内容
1. 业务需求
2. 解决方案
3. 应用案例
1. 业务需求-水利行业
水利遥感应用领域
水源地监测
水源地水体范围是水源地管理重要方面，自 动化快速提取很重要
3.1信息提取及变化监测方案
1）辅助文件准备——训练样区文件
方法2、方法3训练样区制作步骤
第一步：设置样区范围 第二步：训练样区制作
方法2：基于面向对象法制作
方法3：基于深度学习规则制作
2. 解决方案-规则库建设
第一步：自动提取
3.1信息提取及变化监测方案
2）构建规则库——训练样本提取
第二步：人工编辑
水保 监测
应用 案例
洪涝 监测
水政 执法
3. 应用案例-水土保持
业务目标
以生产建设项目的地表动土监测为目标，进行北 京市生产建设项目分季度、分年度监测，支撑北 京市水土保持监测和监管。
3. 应用案例-水土保持
业务流程
卫星遥感数据源
要素解读
首期遥感数据 现场调查结合解译建立 解译标志 土地利用 生产建设项目 位置图 多期遥感数据 现场调查结合解译建立 解译标志 土地利用 动土专题信息图
3. 应用案例-洪涝灾害遥感监测
成果展示
3. 应用案例
水源地 监测
种植 结构