土地利用规划调查无人机航拍图斑核查方法浅析.pdf

114115华北自然资源测绘测量2023.5焦晓林：土地利用规划调查无人机航拍图斑核查方法浅析总第116期052023年或直角关系法，其中交会法角度控制在3050。完成补测工作后需要进行外业调绘，利用内业根据点坐标为参照，保证地物位置正确，提升测图的精准度。外业调绘根据不同地物的性质进行数据4测量，比较常见的为房屋、道路和水系。房屋建筑结构的定位以墙基角为准，房檐宽度图上长度在0.2 mm以上需注明宽度，其类型划分为一般房屋、简单房屋、建筑房屋、破坏房屋和棚屋，需要进行区分并逐个调绘。交通方面的调绘主要按照道路等级和位置划分，以路边线为基准反映线段曲直程度和交叉程度，调绘不可中断，同时路边设施也需要进行调绘，包括路标、路牌、红绿灯等。各级公路需做好路肩宽度设置，1 mm以上按比例表示，1 mm以下则按照1 mm表示。针对水系的调绘，要点在于水位位置，根据水涯线和岸边线的距离控制地图信息，以1 mm为距离，1 mm以内水涯线在图上绘在岸边线上，反之则分别绘出。详细区分河流、湖泊以及水库等不同性质的水系，若遇到水坝、桥梁等建筑需要中断，遇到水塘还需标注有无养殖情况，有则标为“鱼”，无则标为“塘”。3.6 图幅筛选与接边制作航空影像绘制中一般利用无人机航拍向中央控制面板传输数据，以便快速了解测绘情况并进行处理。为确保相关工作顺利落实，需要对成片进行检验和筛选，快速了解地物信息，避免造成偏差。完成图像筛选后进行图幅接边工序，沿着接边线进行节点编辑，确保整体图幅高程值和面层码一致。利用DEM、DOM进行数字高程模型制作，通过空三加密成果转出EOD工程并生成DEM进行接边，对航测区域的地物进行编辑处理，具体的工艺流程为：原始影像正射纠正按照影像匀色标准模板进行制作正射影像镶嵌DOM色彩精编分幅与裁切DOM分幅图成果，影像输出分辨率为0.1 m。4 结束语通过对城市地形图测绘中航空摄影测量技术应用进行研究，进一步了解了无人机航摄的特点及详细步骤，根据城市地图测绘需求做好控制点布设，并在航线设计方法中选用2种不同摄影方式提升测绘精度，利用信息修正技术解决以往普通航空影像测绘中数据关联性差的问题，在加强技术协同的同时提升测绘信息精准度。参考文献：1 王丽.无人机航空摄影测量影像数据快速处理技 术分析J.数字通信世界,2022(09):89-91.2 郝祥坤.航空摄影测量中控制测量要点分析J.西部资源,2022(04):58-60.3 周路.无人机航空摄影测量技术在城镇地籍测量 中的应用策略研究J.科技创新与应用,2022,12 (17):189-192.4 林建雄.航空摄影测量中控制测量要点探讨J.资源信息与工程,2022,37(03):85-87.表2 区域网平差精准度要求摘要：无人机土地利用规划调查获取的图斑数量少、面积小，无法满足高精度的土地利用规划调查要求，导致用地类型的识别分类效果较差。为此，提出土地利用规划调查无人机航拍图斑核查方法。设计无人机的外业航摄计划安排，定制飞行计划，对数据进行处理。获取到航拍图斑后进行纹理规划，得到航拍影像纹理规划图层作为图斑核查分类依据，利用SVM作为图斑分类器实现土地类型分类。结果表明，该方法对不同类型的用地分类精度和召回率较高，具有较高的实用价值。关键词：土地利用规划；土地调查；无人机航拍；图斑核查；SVM中图分类号：P237 文 献标识码:A文章编号：2096-7519（2023）05-115-4焦晓林（晟洲信息科技有限公司晋中分公司，山西 榆次 030600）作者简介：焦晓林（1997），男，助理工程师，毕业于山西煤炭职业技术学院，主要从事测绘相关工作。土地利用规划调查无人机航拍图斑核查方法浅析土地利用规划调查是全面掌握土地利用状况的重要手段，是开展土地执法监管的基础。为了保证土地利用规划调查顺利开展，提升调查效率，利用无人机对建设用地、未利用地、农用地、耕地、林地等地类进行全面调查，从中获取遥感影像开展图斑核1-2查。随着无人机技术的快速发展，传统的航拍方3-4法已经无法满足现代土地调查工作的需要。遥感技术具有传统航空遥感无法比拟的优势，而土地利用规划调查作为国土资源的基础工作，主要采用“3S”集成技术提取变化图斑进行实地核实。针对“3S”集成技术中遥感数据采集速度慢、举证难度大等问题，本文以遥感影像为数据源，提出利用无人机航拍图像进行图斑核查的方法，实现遥感影像5图斑“非接触式”快速举证。利用无人机航摄系统采集数据时效性好、效率高等特点满足图斑核查需要。但是通过无人机获取的图斑数量少、面积小，使用传统的图斑核查方法用地类型的识别分类效果较差。因此本文设计一种基于SVM的无人机航拍图斑核查方法。1 无人机航拍图斑核查方法设计1.1 外业航摄流程设计外业航摄主要包括航拍飞行计划安排、飞行前准备、数据处理。航拍飞行计划安排中，根据项目技术指标和实际核查面积，规划具体的调查飞行时间。在一般的土地利用规划调查中，经常使用的无人机航摄主要有3款机型：大疆精灵4系列、大疆Mavic 63 Pro和大疆TokioV2 Pro。3款机型性能各不相同，作业前要先确定3款机型的参数、飞行时间、航线设计等内容。在数据处理过程中，无人机航拍获取数据量大，必须经过处理才能得到更有效的成果。经过前期详细调研，了解规划调查需要达到的成果指标后根据本次规划调查工作目标及内容要求对航摄数据进行分类处理，保证飞行数据的精度和时效性。无人机成图比例尺点别平面位置中误差/m高程中误差/m平地丘陵地平地丘陵地1:500基本定向点0.130.130.110.11（0.20）检查点0.1750.1750.150.15（0.28）公共点0.350.350.300.30（0.56）1:1000基本定向点0.300.300.11（0.20）0.26检查点0.500.500.15（0.28）0.40公共点0.800.800.30（0.56）0.60的分类能力，选择LNSD样本集作为测试数据，并利用高分辨率影像图斑土地作为动态细化的判定对象，判定土地利用类型。2.1 实验设计实验过程中选择的台式机，硬件CPU为IntelXeon Scalable Silver 3607型号，数量为2，实验室条件下，计算物理核心的数量为15个，共30个线程。将实验所选择的LNSD样本集中的样本进行随机组:合，将LNSD样本集以8 2的比例进行划分，分为训练集和测试集，将方法的核查判定结果与实际结果进行对比，得到图斑核查方法的实验性能结果。在实验中，为了判断图斑核查精度，改变阈值，获取总体精度和召回率，利用基于在线的图斑核查方法进行性能对比。2.2 实验结果对比与分析本文方法和传统的基于在线的图斑核查方法进行P-R曲线对比，如图2所示。116117华北自然资源测绘测量2023.5焦晓林：土地利用规划调查无人机航拍图斑核查方法浅析总第116期052023年航拍获取的航摄数据一般分为航拍图像和三维数字模型两类。其中，航拍图像需经过影像预处理、地物分类处理及遥感正射影像处理等过程获得数字正射影像图（DOM）；三维数字模型需经过扫描、数字化等过程获得数字地形图（DEM）。航拍作业流程（外业航摄）主要包括以下几个步骤：1）航摄计划安排：根据项目需求与作业人员沟通规划调查所需航摄面积以及具体的航摄日计划；2）数据准备：根据规划调查工作需要进行项目前期准备工作，包括航摄人员组织安排、飞行路线规划、相关技术规范与资料查阅、飞行方案制定等；3）航摄飞行计划：根据规划调查工作安排进行航摄任务计划编制，包括空中作业航线设计与作业时间分配等；4）数据处理：根据规划调查方案要求开展相关数据处理工作，包括图像预处理、地物分类及高程判读、正射影像图制作、DEM制作及质量检查等；5）航拍作业设计：根据项目技术规范与作业人员操作经验设计飞行路线；6）航拍作业实施：根据航摄计划与现场情况实施航拍作业，包括航飞前准备、航飞拍摄及影像预处理、影像检校与质量检查等。1.2 无人机航拍图斑纹理规划航拍影像图斑纹理规划的目的是实现影像-纹理-类型的3层核查体系，保证纹理样本内部具有明显的可分性。在获取航拍航片之前，需要收集已有的卫星遥感影像数据，获取的卫星遥感影像数据包括：数字高程模型（DEM）、正射校正模型、彩色遥感图片等。本次规划调查使用了正射校正模型和彩色遥感图片。正射校正模型用于纠正航片中出现的建筑物、道路等地物的位置偏差；彩色遥感图片用于增加影像的层次感、对比度。针对规划范围内已有的卫星遥感影像数据，对其进行初步的几何纠正。利用现有卫星遥感数据对规划范围内已有卫星遥感影像数据进行初步纠正后，可直接用于本次规划调查的成果制作。为了体现不同地类之间的差异，提高判读精度，可对规划范围内的土地利用情况进行专题信息图层设置。该图层主要包括裸地、植被、水体3种大型地类，从这3种地类中再进行细分，得到的纹理规划土层如图1所示。该图层可以在外业调查时直接作为图斑识别依据。运用规划范围内已有卫星遥感影像数据与本底航片，将现状调查结果与现状图对比分析，并通过GIS空间叠加分析生成新的专题信息图层；同时依据专题信息图层结果对规划范围内已有卫星遥感影像数据进行分析，形成专题信息图层。1.3 基于SVM的图斑核查分类SVM分类方法目前在机器自动分类领域应用非常广泛，其优势是可以自动提取图斑的纹理特征，获得高精度的分类结果。为了选择最优超平面，本文首先对训练样本进行灰度化处理和归一化处理（即阈值归一化处理），然后对图像进行直方图均衡化处理，最后使用Sigmoid函数作为核函数。SVM算法的核心是利用小规模训练数据集学习分类模型预测大规模未知分类问题，并从大规模训练数据集中提取高质量样本信息。SVM算法适合小样本、高维、非线性、局部极小等复杂分类问题。为了令分类超平面达到线性可划分结果，需要对图斑进行降维内积，过程中的判别函数为：式中，为图斑，为SVM的判别阈值，为斜率。在分类过程中，设置图斑中出现概率最大的3个纹理特征中为 、，对应的出现概率分别为 ，获得最终调整后的纹理概率为：在以上计算中，对某一图斑进行标记，获取不同纹理之间的概率值，并调整阈值，得到图斑内所有标记的纹理概率，获取图斑内的纹理含量，最后利用SVM超平面实现图斑的核查分类，完成无人机航拍图斑核查方法设计。2 方法性能验证为了验证本文设计的无人机航拍图斑核查方法图1 航拍影像纹理规划图层（1）（2）00.20.40.60.81.00.20.40.60.81.0本文核查方法基于在线的图斑核查方法精度/%召回率图2 不同核查方法的P-R曲线变化情况对比农村住宅平原村庄平原缓坡耕地梯状园地区块茶园缓坡耕地平原大棚梯状园地区块茶园高密林人工林山体自然裸土推填土未硬化道路航拍影像是否为地物覆盖是否为植被覆盖裸地植被耕地园地林地建设用地构筑物硬化地面YNYN的分类能力，选择LNSD样本集作为测试数据，并利用高分辨率影像图斑土地作为动态细化的判定对象，判定土地利用类型。2.1 实验设计实验过程中选择的台式机，硬件CPU为IntelXeon Scalable Silver 3607型号，数量为2，实验室条件下，计算物理核心的数量为15个，共30个线程。将实验所选择的LNSD样本集中的样本进行随机组:合，将LNSD样本集以8 2的比例进行划分，分为训练集和测试集，将方法的核查判定结果与实际结果进行对比，得到图斑核查方法的实验性能结果。在实验中，为了判断图斑核查精度，改变阈值，获取总体精度和召回率，利用基于在线的图斑核查方法进行性能对比。2.2 实验结果对比与分析本文方法和传统的基于在线的图斑核查方法进行P-R曲线对比，如图2所示。116117华北自然资源测绘测量2023.5焦晓林：土地利用规划调查无人机航拍图斑核查方法浅析总第116期052023年航拍获取的航摄数据一般分为航拍图像和三维数字模型两类。其中，航拍图像需经过影像预处理、地物分类处理及遥感正射影像处理等过程获得数字正射影像图（DOM）；三维数字模型需经过扫描、数字化等过程获得数字地形图（DEM）。航拍作业流程（外业航摄）主要包括以下几个步骤：1）航摄计划安排：根据项目需求与作业人员沟通规划调查所需航摄面积以及具体的航摄日计划；2）数据准备：根据规划调查工作需要进行项目前期准备工作，包括航摄人员组织安排、飞行路线规划、相关技术规范与资料查阅、飞行方案制定等；3）航摄飞行计划：根据规划调查工作安排进行航摄任务计划编制，包括空中作业航线设计与作业时间分配等；4）数据处理：根据规划调查方案要求开展相关数据处理工作，包括图像预处理、地物分类及高程判读、正射影像图制作、DEM制作及质量检查等；5）航拍作业设计：根据项目技术规范与作业人员操作经验设计飞行路线；6）航拍作业实施：根据航摄计划与现场情况实施航拍作业，包括航飞前准备、航飞拍摄及影像预处理、影像检校与质量检查等。1.2 无人机航拍图斑纹理规划航拍影像图斑纹理规划的目的是实现影像-纹理-类型的3层核查体系，保证纹理样本内部具有明显的可分性。在获取航拍航片之前，需要收集已有的卫星遥感影像数据，获取的卫星遥感影像数据包括：数字高程模型（DEM）、正射校正模型、彩色遥感图片等。本次规划调查使用了正射校正模型和彩色遥感图片。正射校正模型用于纠正航片中出现的建筑物、道路等地物的位置偏差；彩色遥感图片用于增加影像的层次感、对比度。针对规划范围内已有的卫星遥感影像数据，对其进行初步的几何纠正。利用现有卫星遥感数据对规划范围内已有卫星遥感影像数据进行初步纠正后，可直接用于本次规划调查的成果制作。为了体现不同地类之间的差异，提高判读精度，可对规划范围内的土地利用情况进行专题信息图层设置。该图层主要包括裸地、植被、水体3种大型地类，从这3种地类中再进行细分，得到的纹理规划土层如图1所示。该图层可以在外业调查时直接作为图斑识别依据。运用规划范围内已有卫星遥感影像数据与本底航片，将现状调查结果与现状图对比分析，并通过GIS空间叠加分析生成新的专题信息图层；同时依据专题信息图层结果对规划范围内已有卫星遥感影像数据进行分析，形成专题信息图层。1.3 基于SVM的图斑核查分类SVM分类方法目前在机器自动分类领域应用非常广泛，其优势是可以自动提取图斑的纹理特征，获得高精度的分类结果。为了选择最优超平面，本文首先对训练样本进行灰度化处理和归一化处理（即阈值归一化处理），然后对图像进行直方图均衡化处理，最后使用Sigmoid函数作为核函数。SVM算法的核心是利用小规模训练数据集学习分类模型预测大规模未知分类问题，并从大规模训练数据集中提取高质量样本信息。SVM算法适合小样本、高维、非线性、局部极小等复杂分类问题。为了令分类超平面达到线性可划分结果，需要对图斑进行降维内积，过程中的判别函数为：式中，为图斑，为SVM的判别阈值，为斜率。在分类过程中，设置图斑中出现概率最大的3个纹理特征中为 、，对应的出现概率分别为 ，获得最终调整后的纹理概率为：在以上计算中，对某一图斑进行标记，获取不同纹理之间的概率值，并调整阈值，得到图斑内所有标记的纹理概率，获取图斑内的纹理含量，最后利用SVM超平面实现图斑的核查分类，完成无人机航拍图斑核查方法设计。2 方法性能验证为了验证本文设计的无人机航拍图斑核查方法图1 航拍影像纹理规划图层（1）（2）00.20.40.60.81.00.20.40.60.81.0本文核查方法基于在线的图斑核查方法精度/%召回率图2 不同核查方法的P-R曲线变化情况对比农村住宅平原村庄平原缓坡耕地梯状园地区块茶园缓坡耕地平原大棚梯状园地区块茶园高密林人工林山体自然裸土推填土未硬化道路航拍影像是否为地物覆盖是否为植被覆盖裸地植被耕地园地林地建设用地构筑物硬化地面YNYN118119华北自然资源测绘测量2023.5梁宝星：基于InSAR技术的大同市平城区城市地面沉降监测总第116期052023年随着社会经济和城镇化的快速发展，人类生产经营活动越来越密集，由此引发的地面沉降频发。自中国首部地面沉降防治规划获得国务院批复以来，全国范围内的地面沉降防治已经提上议程，规划指出，全国遭受地面沉降灾害的城市超过50个，分布于北京、天津、河北、山西、内蒙古等20个省市。可见，对城市进行持续沉降监测具有重要意义。1 研究区概况平城区隶属于山西省大同市，位于大同市中部，介于东经11311 11319，北纬4001 24008 之间，总面积约239 km。平城区位于大同盆地中心，北邻内蒙，东望河北，是首都之屏障，三晋之门户，扼晋、冀、蒙咽喉之咽喉要道。2 数据概况此次平城区InSAR监测使用的数据源为哨兵1号Sentinel-1A（以下简称“S1A”）数据。S1A是欧洲航天局（ESA）哥白尼计划的第一颗主要用于环境监测的卫星，数据分辨率5 m*20 m（单视），宽幅250 km。利用S1A、C波段卫星数据，通过永久散射体干涉测量（PS-InSAR）技术提取平城区地表形变信息，分类确定重大地表变形区。本研究使用2019年1月到2020年12月的S1A数据，时间间隔24天，共31时相，覆盖大同平城区及周边区域。使用SRTM 30 m分辨率的DEM作为参考DEM，工程区范围为118 km*77 km。数据处理平台选用SARscape软件，软件的干涉叠加模块提供了PS-InSAR进行多时相雷达数据的干涉分析。所使用的软件版本为SARscape5.5.3，运行在ENVI5.6之上。在https:/search.asf.alaska.edu/网站查询覆盖工程区范围的数据，得到覆盖工程区范围的数据，轨道号为40，升轨数据。使用覆盖工程区的30 m分辨率的SRTM DEM作为参考DEM。对S1A数据使用精密轨道文件导入SLC数据。3 PS-InSAR数据处理3.1 技术路线InSAR技术是利用雷达系统获取同一地区2幅SAR影像所提供的相位信息进行干涉处理，进而获摘要：文章应用永久散射体（PS-InSAR）技术对山西省大同市平城区20192020年城市地面沉降进行监测，阐述PS-InSAR原理、数据处理过程的同时对数据结果进行精度分析。结果表明：20192020年，大同市平城区地表沉降速率在-3020 mm/y之间，沉降区域集中在西部村庄。关键词：PS-InSAR；城市地面沉降；监测中图分类号：P237 文 献标识码：A文章编号：2096-7519（2023）05-119-3梁宝星（山西省煤炭地质一一五勘查院有限公司，山西 大同 037003）作者简介：梁宝星（1982），男，工程师，本科，毕业于太原理工大学，主要从事测绘技术相关工作。基于InSAR技术的大同市平城区城市地面沉降监测参考文献：1 吴靖,韩禄欣,沈英,等.基于改进YOLOv4-tiny的 无人机航拍目标检测J.电光与控制,2022,29 (12):112-117.2 黄毓,顾呈剑,周就猫,等.内置RTK无人机航拍技 术在土地整治项目测绘与辅助规划设计中的应 用J.湖南科技大学学报(自然科学版),2022,37(03):87-94.3 徐世武,张诗,曾珏,等.一种深度学习土地利用 图斑影像核查方法J.遥感信息,2021,36(05):56-63.4 曹根榕,顾朝林,陈乐琳.基于“三调”图斑数据 的国土空间规划编制方法探索J.经济地理,2022,42(02):1-10.5 齐君,白钊成,吕光耀,等.基于人眼视域图像识 别的风景道视觉景观质量评价J.地理学报,2022,77(11):2817-2837.6 卢增浩.无人机航测技术在基础测绘中的应用探 讨J.华北自然资源,2022(1):98-100.从图2的曲线平缓程度可以看出，曲线越靠近右上角，核查性能越高。本文设计的图斑核查方法明显更加靠近右上角，证明本文方法的核查性能较优。以本文方法的最优点阈值作为实验的精准阈值，对数据库中不同用地类型图斑进行核查。两种核查方法得到的核查结果如表1所示。从表1可以看出，在不同的用地类型中，本文设计的图斑核查方法得到的召回率和精度都能够保持在90%以上，具有较高的泛化能力。传统的核查方法针对林地和园地的核查精度不高，主要是由于数据影像高度相似，造成核查错误。综上所述，本文所设计的图斑核查方法在实际用地类型核查过程中具有较高的准确性。3 结束语土地利用规划调查工作是一项重要的基础工作，也是一项艰巨任务。为全面查清土地利用现状和开发利用情况，需要科学布局国土资源，准确掌握土地资源的数量、质量、结构和布局情况。各级自然资源部门在组织开展相应调查工作的同时，应不断提高无人机航拍图斑核查方法水平，提高工作效率和质量，以保证土地利用规划调查工作顺利进行。图斑类型本文设计的图斑核查方法基于在线的图斑核查方法精度/%召回率/%精度/%召回率/%园地96.295.481.283.1林地96.293.382.585.5商服用地98.191.291.288.4工业用地97.192.184.184.5采矿用地92.497.092.481.6城镇住宅用地96.594.289.583.3农村宅基地92.597.585.691.2公共设施用地95.293.492.585.1设施农用地96.594.682.191.4表1 核查结果对比