遙感影像變化監(jiān)測及網(wǎng)格化策略應用

楊 旭,厲芳婷,譚美淋,肖 康,張 蕾,鄒鐮釗

（1. 內蒙古自治區(qū)測繪地理信息中心，內蒙古 呼和浩特 010010；2. 湖北省測繪工程院，湖北 武漢 430074；3. 天津市測繪院有限公司，天津 300000；4. 江西省自然資源政策調查評估中心，江西 南昌 330000；5. 廣州市城市規(guī)劃勘測設計研究院, 廣東 廣州 510000）

高空間分辨率遙感數(shù)據(jù)信息真實豐富、易于判讀，能客觀反映地物的數(shù)量、大小、形狀等空間形態(tài)，空間分布及地物間的空間關系。高時間分辨率遙感數(shù)據(jù)具備強實時性、高頻次特征，反映地物形態(tài)、空間分布、空間關系的時間序列變化[1-5]。隨著國產(chǎn)公益衛(wèi)星推送數(shù)據(jù)資源逐年豐富，以內蒙古自治區(qū)為例，境內的2 m 級數(shù)據(jù)月度平均覆蓋度可達70%左右，數(shù)據(jù)資源可在一定程度上保障周期性影像對比發(fā)現(xiàn)。通過高頻次精準監(jiān)測，實現(xiàn)對疑似違法行為的“早發(fā)現(xiàn)”，為“早制止、早處置”自然資源管理和保護提供支撐[6]。

1 變化監(jiān)測處理方法

1.1 衛(wèi)星數(shù)據(jù)接收處理

每日接收國產(chǎn)公益衛(wèi)星推送數(shù)據(jù)及商業(yè)衛(wèi)星獲取數(shù)據(jù)，備份入庫并持續(xù)處理加工，通過糾正、融合等專業(yè)流程處理，獲取具有位置信息和色彩信息的單景正射圖像成果。

1.2 變化圖斑數(shù)據(jù)提取

進行雙時向變化檢測[7]，通過已有的人工智能（AI）算法模型將本期正射數(shù)據(jù)與上一期進行比較，自動提取發(fā)生變化的區(qū)域范圍圖斑，生成變化圖斑矢量文件。網(wǎng)格化策略實施階段為本階段之前，如圖1所示。

1.3 圖斑分析過濾

對數(shù)據(jù)進行成果精處理[8]，根據(jù)前后期影像和圖斑范圍，初步進行人工分析判斷，去除季節(jié)性變化、臨時堆放、非人工變化、建筑拆除等圖斑，確認變化情況。套合審批數(shù)據(jù)、規(guī)劃數(shù)據(jù)、現(xiàn)狀數(shù)據(jù)、基本農田數(shù)據(jù)進一步分析，做出基本定性定量判斷。

1.4 圖斑成果標準化

將圖斑數(shù)據(jù)對應到相關旗縣，添加編號、面積、分析結果等屬性字段信息，進行截圖、分類、上傳等操作，形成標準化變化監(jiān)測成果。

1.5 線索下發(fā)和反饋

將變化監(jiān)測成果通過垂直系統(tǒng)下發(fā)到相關旗縣，責成旗縣進行核實處理，并及時反饋相關成果（圖1）。

圖1 網(wǎng)格化策略流程

2 網(wǎng)格化策略

2.1 劃分地理網(wǎng)格

衛(wèi)星影像的軌道參數(shù)雖然比較固定，但是具體到某一個月，單景影像的覆蓋情況和有效性是較難提前確定的，衛(wèi)星型號差異和傳感器差異導致覆蓋地表的面積大小不一。通過提前定義實地經(jīng)緯度網(wǎng)格作為基本處理單元，反過來計算相對應的影像數(shù)據(jù)覆蓋情況，比較有利于計算和管理。

格網(wǎng)劃分不宜過小，否則會導致單景影像切割過于細碎，增加計算次數(shù)；同時也不宜過大，以避免邊緣破格情況。針對亞米衛(wèi)星的格網(wǎng)經(jīng)驗大小約為長寬各5 km，為方便調整格網(wǎng)大小和索引計算，選取經(jīng)緯度都為整數(shù)的點作為基礎網(wǎng)格左下角，將1°在經(jīng)線和緯線方向上分為X和Y段，給定每個格網(wǎng)唯一編號。網(wǎng)格編號形如111 040 020 020 017 015，即矩形[（111，40），（112，41）]，經(jīng)緯方向分別分割為20 段，本格網(wǎng)為x方向上第18個，y方向上第16個（從零開始）?？赏ㄟ^一點經(jīng)緯度計算所在格網(wǎng)編號和通過格網(wǎng)編號計算格網(wǎng)范圍4角點坐標。

本方式可以任意規(guī)定格網(wǎng)大小并形成唯一編號，方便根據(jù)實際數(shù)據(jù)情況進行調整。

2.2 數(shù)據(jù)篩選策略

接收同一批次衛(wèi)星數(shù)據(jù)后，自動逐景計算所覆蓋格網(wǎng)編號，同時向數(shù)據(jù)庫中寫入格網(wǎng)編號對應的當前景號和時間戳。下一步判斷與本格網(wǎng)上一次處理的時間間隔，是否超過預設的監(jiān)測最小時間單元（如10 d），超過則將處理字段設為backup，進行下一步處理，待處理完成設為done；若未超出或當前存在processing記錄則設為raw，不進行下一步處理。

經(jīng)過上述計算，得到待更新網(wǎng)格列表，但是由于同一批次影像常有互相重疊或壓蓋情況，所以同一網(wǎng)格的新影像會有幾景都可作為備選的情況。為了簡化處理，先搜索格網(wǎng)僅涉及唯一影像的情況，這組影像設置為必選，反推該組影像能覆蓋的所有格網(wǎng)，標記為優(yōu)先級1。繼續(xù)遍歷優(yōu)先級1 中影像數(shù)為2 個的格網(wǎng)，確定優(yōu)先級2。繼續(xù)迭代到無法繼續(xù)縮小范圍，剩余的格網(wǎng)按照單一影像所涉及的格網(wǎng)數(shù)量最大為原則，同理遍歷選擇，直至確定所有格網(wǎng)對應的影像。

通過篩選，每個網(wǎng)格滿足更新條件只會處理一次數(shù)據(jù)，解決了多次影像覆蓋重復計算的問題，而且保持處理的影像對數(shù)最小。同時網(wǎng)格在時間序列上做到有數(shù)據(jù)才更新，覆蓋不全時依然保持在上一次時間戳，保持了時間連續(xù)的嚴密性，如圖2所示。

圖2 網(wǎng)格覆蓋示意圖

在兩幅影像接邊覆蓋較小的情況下，影像接邊處會留下非滿幅網(wǎng)格，導致單次任務出現(xiàn)規(guī)律性的空白條帶，需在接邊處網(wǎng)格計算覆蓋比例，通過經(jīng)驗閾值（約60%）優(yōu)化，保障接邊處正常生產(chǎn)。

實踐的過程中，由于影像邊緣數(shù)據(jù)常有多光譜配準誤差，會產(chǎn)生噪聲和無效斑塊，導致增加誤提取數(shù)量。從長期來看，邊緣未生產(chǎn)網(wǎng)格會被多期數(shù)據(jù)覆蓋，故無需過多考慮網(wǎng)格邊緣的嚴密性。

2.3 變化監(jiān)測提取

繼續(xù)處理的數(shù)據(jù)通過查詢上一個done 數(shù)據(jù)的景號，形成提取任務清單，發(fā)送到變化監(jiān)測提取接口，只處理該格網(wǎng)范圍，對邊緣進行適當緩沖。等待AI監(jiān)測任務完成后，回調事件更新數(shù)據(jù)庫狀態(tài)，本批次處理完成。

提取結果圖斑中添加字段記錄前后景影像號，如在后續(xù)檢查中發(fā)現(xiàn)影像質量問題（諸如曝光過度、云比例過大、成像模糊、位置精度差等情況），可手動修改done 標記為obsolete，自動檢索下一時間戳符合要求的影像重新運行。

3 實際案例

以2021 年內蒙古自治區(qū)重點區(qū)域約80 000 km2月度變化監(jiān)測項目為例，由于自然資源部國土衛(wèi)星中心已開展國產(chǎn)公益衛(wèi)星常態(tài)化變化監(jiān)測，本區(qū)使用亞米級商業(yè)衛(wèi)星數(shù)據(jù)進行變化圖斑自提及線索發(fā)現(xiàn)工作，以吉林一號高分02、03 系列衛(wèi)星為主。前期影像為2021年1月共722景（紅色），后期影像為2021年2月1 451景（藍色）。覆蓋情況如圖3所示。

圖3 前后期影像覆蓋范圍圖

使用傳統(tǒng)方法：遍歷前影像和后影像兩兩計算相交，找出配對影像4 268 組，通過篩選去除重疊區(qū)域過小的影像對，剩余待處理影像對3 499組。

使用網(wǎng)格策略：將前影像范圍加載入數(shù)據(jù)庫進行網(wǎng)格初始化，導入后影像進行計算，算法預處理約3 min，查找到待更新網(wǎng)格48 553個，配對待處理影像為1 636組。

按照每張影像糾正效率2 min/片，AI 計算2 min/任務，得出處理效率結果如表1所示。

表1 處理效率對比

通過改進策略，變化監(jiān)測計算機處理效率提高約53.3%，無需人工配對影像和手動執(zhí)行命令，人工工作量減少90%，為自然資源變化監(jiān)測的提速增效發(fā)揮了一定的作用。同時具有時間、空間銜接嚴密的特點，實現(xiàn)無縫精密管理。

后續(xù)成果已利用于耕地衛(wèi)片執(zhí)法，違法違規(guī)占用耕地專項整治等專項行動，實現(xiàn)了快速定位、發(fā)現(xiàn)占耕線索，做到“早發(fā)現(xiàn)早處理”，切實防止耕地破壞和“非農化”“非糧化”行為。

根據(jù)文本的原理設計的Node.js工具程序已在代碼托管網(wǎng)站碼云（Gitee）開源，項目名為rackar/image_grid，可以給同類業(yè)務提供一定的便利和借鑒。