浅析基于东莞三调的专项调查

基于第三次全国国土调查(以下简称“三调”)的各项专项调查工作是对三调成果的内容延伸调查和应用延伸,是丰富三调内容、提升成果应用广度的重要方面。本文通过对东莞市三调中的各类专项调查内容和模式浅析,梳理了基于东莞市三调的专项调查总体框架和思路,提出了部分具有重要应用意义的专项调查方向。     

基于“三调”成果的底图应用分析

在生态文明建设的背景下，自然资源管理面临新要求、新挑战。围绕自然资源部“两统一”职责的实现，统一的底图底数是开展部门各项工作的基础和前提。第三次国土调查是自然资源部组建以来最新、最全面的一次国土调查，为统一底图底数奠定了良好的基础。本文提出基于“三调”成果分步开展“基础调查与专项调查”“现状与管理”的数据融合方法，同时借助专项调查丰富自然资源的自然、经济、社会、生态属性内容，形成一张支撑自然资源管理工作的应用底图。     

土地调查市级数据库建设若干问题处理方法

全国第二次土地调查工作的外业调查和县级数据库建设即将结束,为实现对二调成果的集中管理,保证调查成果充分应用于国土资源管理日常业务,为土地资源宏观规划和管理决策提供快速、准确、翔实的基础数据,满足市级对县级土地调查数据管理和应用的迫切需求,市级数据汇总及数据库建设是十分重要的一项内容。笔者根据自己参加第二次土地调查的外业...     

第三次全国国土调查质量控制技术探讨

如何做好第三次全国国土调查(以下简称"三调")的质量控制,保证三调数据成果质量,成为该项工作能否圆满完成的关键所在.笔者根据从事三调工作积累的经验,介绍了实施三调工作的技术路线,提出了市县级"五位一体"的三调质量控制流程,并详细阐述了三调工作全过程质量控制的检查要点和方法.从基础层面保障三调质量管理工作有序高效,确保三...     

自然资源调查监测地表覆盖成果质检关键技术探讨

自然资源统一调查监测中的地表覆盖成果作为重要的基础性空间数据,将发挥对各类自然资源调查监测的基础支撑作用,其成果质量水平将影响各类自然资源统计、分析、评价结果的可靠性。根据测绘重大工程质量控制实践,为确保最终成果质量,需要制定科学、合理、统一的成果质量评价标准,并开展全面、高效、准确的成果质量检查。本文深入分析了地理国情监测、国土调查等已开展的自然资源调查监测工程中地表覆盖相关数据成果的质量特性,以及相关工程中地表覆盖成果质量评价标准、质量检查技术方法的现状及关键技术需求。在此基础上,探讨了基于定量化指标评定法的地表覆盖成果质量评价技术方法,应用面向对象、深度学习等遥感影像智能信息提取技术辅助的地表覆盖分类精度质量检查技术方法,以及应用新型远程化、增强化外业调绘核查技术辅助的地表覆盖成果外业质量检查技术方法,为自然资源统一调查监测中地表覆盖成果质量控制的实施提供技术参考。     

无人机航测技术在广东省和平县第三次全国国土调查中的应用

第三次全国国土调查是查实查清我国国土资源利用现状的重要手段,对提高国土资源利用效率和建设信息化社会有着积极的推动作用。本文以广东省和平县第三次国土调查项目为基础,将无人机航测技术应用于本次三调中,快速的获取了调查区高分辨率的航拍影像数据,结合GNSS技术等进行外业核查和补绘,生产出了符合三调精度要求的DOM、DEM产品,对编制各类工作底图奠定了基础。实践证明,将无人机航测技术应用第三次全国国土调查中具有明显的优势,主要体现在精度高、效率快、成本低、利用率高等方面。     

浅谈第二次土地调查地类调查

第二次土地调查的土地分类与已有的土地分类不同,在调查中对土地分类的判定方法有偏差就会在土地详查、土地利用更新调查中产生差异。因此,如何准确、合理地判定每块土地的分类,对全面查清土地利用状况,掌握真实的土地基础数据十分重要。本文在分析《第二次全国土地调查技术规程》的土地分类基础上,结合辽宁省实践提出了一些想法,为开展第二次土地调查进行地类调查提供参考。     

一种深度卷积神经网络土地利用场景照片的分类方法

国土调查多角度实景举证照片具有视角多、分辨率高、层次丰富和剖面清晰的特点，透视且细致地刻画了土地利用图斑赋存状况和场景，弥补了遥感影像单一天顶视角的不足。本文基于语义分割提出了一种深度卷积神经网络（DCNN）实景照片土地利用场景分类方法，多语义标记照片场景，语义组合智能判定照片土地利用类别。该方法成功地应用在第三次国土调查照片自动核查工作中，减轻了人工判读工作量，提高了土地利用场景自动识别的精度。     

3S技术在第二次全国土地调查中的应用

第二次全国土地调查工程工作量庞大,数据复杂,计划工期短,成果质量要求高。如果用第一次全国土地调查时采用的常规方法开展工作,不仅工作效率低下、工期得不到保障,而且数据的准确性无法保证,也不能建立连通的"国家-省-市-县"四级土地调查数据库和管理系统。充分运用3S技术进行作业,可大大提高工作效率,降低生产成本,为土地管理部门快速提供准确、详实、现势性强的土地利用数据资料,满足经济社会发展及国土资源管理的需要。本文按第二次全国土地调查工作流程中的主要工序,介绍3S技术在第二次全国土地调查工作中的具体应用,并对其后续应用进行展望。     

基于第三次国土调查的自然资源调查研究

自然资源调查是贯彻落实新发展理念、推进自然资源管理体制改革的重要举措，也是履行自然资源管理“两个统一、六项职责”的前提和基础。第三次国土调查（简称“三调”）数据详细地记录了国土空间开发与利用现状、自然资源变化等情况，可以为自然资源调查提供优良的数据基础。因此，本文以“三调”数据为基础，结合原自然资源管理各部门提供的专题资料，进行自然资源要素分类与编码、自然资源要素提取等自然资源调查的分析与探索，并以黑龙江省宁安市为例进行试验分析，旨在为黑龙江省乃至全国范围的自然资源调查提供参考，形成可复制、可推广的调查体系。     

超体素随机森林与LSTM神经网络联合优化的室内点云高精度分类方法

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题,提出一种超体素随机森林与长短期记忆神经网络（long short-term memory,LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点,对原始点云进行超体素划分,并以超体素为基本单元进行多元特征计算,搭建室内点云超体素随机森林分类模型,实现点云数据的粗分类。在此基础上,引入LSTM对粗分类的超体素邻域连接关系进行神经网络模型训练与预测,实现超体素粗分类结果的优化。基于开放数据集对所提分类方法进行有效性和精度验证,结果显示,该方法在公开数据集中对13类要素的分类精度可达到83.2%;与经典的深度学习框架相比,该方法在小样本训练时可以达到更优的分类精度。     

“一村一镇一地图”外业调查方法优化

"一村一镇一地图"是完成数字县(区)地理空间框架建设重要工作之一,在现代地理空间技术的协作下,开展地址地名外业的核查、增补工作是保证地名地址数据成果质量的关键。通过总结与分析郁南县地址地名外业调查工作底图制作、地名资料收集、技术路线、技术方法、调查区域划分、调查路线规划、外业成果整理等,为建设地址地名数据库提供基础。     

自然资源统一调查背景下林业数据与草地数据衔接初探

草地调查是自然资源调查工作的重要内容,其调查成果在草地资源管理中发挥着重要作用。针对长期以来土地调查草地数据与林业调查草地数据存在冲突矛盾的问题,本文对比分析了土地、草地及林业管理部门使用分类标准和调查数据的差异,并结合广西桂林阳朔县第三次国土调查,着眼于自然资源统一调查监测,依据第三次国土调查工作分类,探讨了草地数据的衔接方法,提出新时期开展草地资源调查工作的一些建议,为推进林草调查工作融合和自然资源统一调查监测提供了参考。     

基于地理国情的深度学习分类容错性研究

地理国情监测获取的地表覆盖分类成果具有覆盖区域全、精细度高、时相新等优势,具有作为深度学习分类模型训练样本的能力和优势,能够大大减少样本获取的成本.但是,受数据源、时相以及采集标准等因素的影响,直接使用地表覆盖数据作为样本,往往与模型训练采用的影像存在一定的误差.研究采用深度学习语义分割算法,比较了人工标注样本以及不同...     

深度学习在海珠国家湿地公园统一确权调查中的应用

针对自然资源调查中单一数据源难以兼顾地物空间与光谱属性的问题,本文提出了基于深度学习的数据融合分类方法。该方法利用多源数据有限样本,实现了植被覆盖区精细化分类;并以广东海珠国家湿地公园为试点,完成了示范区内自然资源类型提取,以及植被数量与质量调查。试验结果表明,该方法可有效实现自然资源类型提取与植被分类,林木数量探测正确率优于87%,显著提升了植被分类精细度,探索了基于精细化调查的自然确权登记途径。     

浅析黑龙江省兰西县国土二调实施方案研究

土地调查是我国法定的一项重要制度,是全面查实查清土地资源的重要手段.第二次全国土地调查作为一项重大的国情国力调查,目的是全面查清目前全国土地利用状况,掌握真实的土地基础数据,建立和完善土地调查、统计和登记制度,实现土地资源信息的社会化服务,满足经济社会发展及国土资源管理的需要.     

Kohonen神经网络在遥感影像分类中的应用研究

根据Kohonen网的生物学基础 ,基本结构和学习算法 ,提出了解决遥感影像分类的途径。依据实验区土地利用类别的光谱特征 ,采用主成分分析对遥感影像进行预处理 ,结合地理辅助数据的量化输入训练出Kohonen自组织图后对融合有地理辅助数据的影像进行土地利用分类 ,并与BP网和最大似然法分类结果进行分析比较。结果表明 ,地理辅助数据的参与对提高Kohonen网影像分类精度具有意义     

联合空-谱信息的高光谱影像深度三维卷积网络分类

针对高光谱影像分类高维和小样本的特点,提出一种基于深度三维卷积神经网络的高光谱影像分类方法。首先,该方法直接以高光谱数据立方体为输入,利用三维卷积操作提取高光谱数据立方体的三维空-谱特征。然后,利用残差学习构建深层网络,提取更高层次的特征表达,以提高分类精度。最后,采用Dropout正则化方法防止过拟合。利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证,结果表明,与支持向量机和现有的基于深度学习的高光谱影像分类方法相比,该方法能有效提高高光谱影像的地物分类精度。     

利用样本生成方法进行机载多光谱LiDAR数据深度学习分类

机载多光谱LiDAR系统能够快速、准确地获取地物的空间几何和光谱信息,为地物覆盖分类和目标识别提供新的数据源。近年来,基于三维点云的深度学习算法取得了一系列突破性进展,然而直接将不规则的原始点云数据输入深度学习模型进行基于点的分类存在一定的困难。本文提出了一种基于FPS-KNN的样本生成方法,用于基于深度学习的机载多光谱LiDAR数据分类。该方法首先对输入数据进行归一化处理;然后利用最远点采样方法(FPS)和K近邻法(KNN)在输入数据中生成一系列规则大小的训练样本数据集。通过机载多光谱LiDAR数据的试验表明,该方法所生成的样本不仅符合卷积神经网络所要求的输入数据形式,而且能够确保对输入场景的完整覆盖。