土地调查与地物要素分类

土地调查是一项重大的国情国力调查，地物全要素分类作为土地调查的一项重点工作，是查实查清土地资源的重要手段。进行地物全要素分类，目的是全面查清当前全国土地利用状况，掌握真实准确的土地基础数据，健全土地调查、监测和统计制度，强化土地资源信息社会化服务，满足经济社会发展和国土资源管理工作需要。

土地调查

 地物要素分类

“遥”看大地，“智”分万物

遥感(Remote Sensing)技术是指非接触的，远距离的探测技术。遥感技术在次和第二次全国土地调查工作中都起到了举足轻重的作用，总结下来，主要有如下3点：

，可进行大面积同步对地观测。遥感卫星所搭载的各类传感器能在较短时间内，从空中乃至宇宙空间对大范围地区进行对地观测，并从中获取海量有价值的遥感数据。例如，一景Landsat卫星影像，其地面覆盖面积可达3万多平方公里。

第二，获取土地资源信息速度快，周期短。由于人造卫星围绕地球运转，可及时获取所经地区的各种土地资源的最新数据，达到快速更新原有土地资源数据，或根据新旧土地资源数据变化进行土地资源动态监测，这是人工实地测量所无法比拟的。例如，Landsat卫星5号，每16天就可以覆盖地球一遍。

第三，获取信息受条件限制少。在地球上有很多地方，自然条件极为恶劣，人类难以到达，如沙漠、沼泽、高山峻岭等。采用不受地面条件限制的遥感技术，可方便及时地获取各种宝贵资料。

虽然，遥感技术可大大减小土地资源调查工作中，相关工作人员对土地资源信息获取的工作量和工作难度。但是，在后续的土地资源信息处理以及分析工作中，还需大量有经验的判图人员进行地物要素分类的目视解译判读工作。

以北京市平谷区前两次的土地调查工作为例，次土地调查工作进行了3年(1992~1995年)之久，第二次土地调查工作的工作进度稍快，也消耗了将近1年(2001年)的时间。其中，人工判读任务占了土地调查工作绝大多数的时间，导致土地调查工作的效率降低。因此，如何提高遥感地物判读效率成为土地资源调查工作的重点关注点之一。

为了解决上述问题，我公司将“AI+遥感”的概念及其先进技术应用在遥感地物要素分类任务中，采用基于深度学习的DeepLab v3++算法，充分利用深度学习快速推理的特性，辅助土地调查的人工判读工作，有效提升遥感地物判读效率，使目视解译和智能解译有机的结合在一起，兼顾土地调查工作所要求的精度和速度要求。目前，在航天宏图的PIE-Engine平台上，每平方公里数据处理速度约200毫秒，精度优于80%。

基于PIE-Engine的实时智能遥感地物要素分类

我们以广州市区域的一景高分二影像为测试样例，通过PIE-Engine实时调用PIE-AI的地物分类智能解译算法，对该地区的7种主要地物(水体，耕地，林地，草地，建筑，道路，裸土)进行分类，使用PIE-Engine遥感计算云平台的实现效果如下图：

 PIE-Engine实时进行地物要素分类

 地物要素分类效果图

在PIE-Engine平台的具体实现代码如下：

【PIE-Engine公测注册地址】

https://engine.piesat.cn

 扫描二维码即刻注册体验

作为一款刚刚诞生的全新产品，我们欢迎不同行业、不同背景、不同使用习惯的你们，成为我们的批用户。

由于这是一款全新产品，仍然还有很多不足，我们也会继续加油打磨。如果你对于这款产品有着不同的看法、建议，以及在使用过程中遇到问题，除了查看在线帮助文档和教程外，还可以通过本文留言区或以下方式联系我们：

【联系电话】400-890-0662

【QQ交流群】215356434

【联系邮箱】piecloud_support@piesat.cn