基于深度學(xué)習(xí)的工業(yè)用地動態(tài)更新研究

王海君,高 雅

(江蘇省測繪研究所,江蘇 南京 210013)

0 引言

工業(yè)企業(yè)用地是實體經(jīng)濟各項生產(chǎn)活動和實體經(jīng)濟健康運行的重要載體,工業(yè)企業(yè)用地的精準高效配置是護航實體經(jīng)濟,保障產(chǎn)業(yè)鏈、供應(yīng)鏈安全穩(wěn)定,創(chuàng)造高質(zhì)量工業(yè)發(fā)展空間的重要途徑之一。工業(yè)用地的供應(yīng)直接決定了產(chǎn)業(yè)鏈、供應(yīng)鏈的現(xiàn)狀。中央經(jīng)濟工作會議明確,要加快構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進的新發(fā)展格局,要緊緊扭住供給側(cè)結(jié)構(gòu)性改革這條主線,注重需求側(cè)管理,打通堵點,補齊短板,貫通生產(chǎn)、分配、流通、消費各環(huán)節(jié),形成需求牽引供給、供給創(chuàng)造需求的更高水平動態(tài)平衡,提升國民經(jīng)濟體系整體效能[1]。

促進工業(yè)經(jīng)濟平穩(wěn)增長,既是確保宏觀經(jīng)濟穩(wěn)定運行的重要抓手,也是提升產(chǎn)業(yè)鏈、供應(yīng)鏈韌性和安全的重要基礎(chǔ)。工業(yè)企業(yè)用地調(diào)查是摸清工業(yè)企業(yè)用地現(xiàn)狀、掌握工業(yè)企業(yè)經(jīng)濟增長勢頭、改革完善工業(yè)用地供應(yīng)政策的有力手段,也是落實黨的二十大提出的構(gòu)建新發(fā)展格局、著力推動高質(zhì)量發(fā)展的總體要求和國家“十四五”規(guī)劃提出的深入實施制造強國戰(zhàn)略要求的重要舉措[1]。

按照相關(guān)政策要求,自2016年起全國各省市開始全面開展工業(yè)用地調(diào)查工作,取得了良好的調(diào)查成果,其應(yīng)用也取得了不錯的經(jīng)濟社會效益。

1 研究區(qū)現(xiàn)狀

江蘇既是一個經(jīng)濟大省,又是一個資源小省,人口密度居全國首位(直轄市除外),人地矛盾十分尖銳。面對經(jīng)濟總量高速增長、區(qū)域發(fā)展差異較大、發(fā)展空間持續(xù)約束、產(chǎn)業(yè)結(jié)構(gòu)亟待轉(zhuǎn)型的多重壓力和嚴峻形勢,適應(yīng)形態(tài)更高級、分工更復(fù)雜、結(jié)構(gòu)更合理的經(jīng)濟新常態(tài)發(fā)展階段高效率、低成本、可持續(xù)發(fā)展的本質(zhì)要求,正確應(yīng)對,及時轉(zhuǎn)型,主動調(diào)整資源要素配置方式,通過深化改革、創(chuàng)新機制、全面推進土地節(jié)約集約利用,已經(jīng)勢在必行,迫在眉睫。

江蘇省自2016年起開展全省范圍工業(yè)用地調(diào)查,成為全國首個完成全省域工業(yè)用地調(diào)查的省份,此后工業(yè)用地調(diào)查更新成為一項常態(tài)化的工作。通過建立動態(tài)工業(yè)用地時空大數(shù)據(jù)數(shù)據(jù)庫,實現(xiàn)對土地資源要素配置效率和產(chǎn)出效益的動態(tài)監(jiān)測評價,為工業(yè)用地績效評價、城鎮(zhèn)低效用地再開發(fā)、更好地發(fā)揮政府對土地資源要素配置的調(diào)控作用提供基礎(chǔ)數(shù)據(jù)和決策支撐[2]。

2 技術(shù)流程

工業(yè)用地調(diào)查更新工作是基于上年度工業(yè)企業(yè)用地更新調(diào)查成果基礎(chǔ),結(jié)合最新的城鎮(zhèn)地籍調(diào)查成果、農(nóng)村建設(shè)用地調(diào)查成果、供地數(shù)據(jù)庫、影像圖、工業(yè)企業(yè)信息、第三次國土調(diào)查成果和實地情況等,對行政轄區(qū)范圍內(nèi)所有現(xiàn)狀工業(yè)企業(yè)用地的利用狀況、用地單位情況、投入產(chǎn)出及能耗進行全面摸底調(diào)查及年度工業(yè)企業(yè)用地更新調(diào)查工作。具體的實現(xiàn)流程如下。

2.1 數(shù)據(jù)準備

工業(yè)用地調(diào)查更新是在已有數(shù)據(jù)的基礎(chǔ)上進行的(見圖1),前期數(shù)據(jù)包括從自然資源部門收集調(diào)查年度土地利用現(xiàn)狀圖、高分影像圖、供地數(shù)據(jù)庫、城鎮(zhèn)地籍數(shù)據(jù)、農(nóng)村建設(shè)用地調(diào)查數(shù)據(jù)、集體建設(shè)用地使用權(quán)調(diào)查數(shù)據(jù)、地形圖數(shù)據(jù)、土地儲備規(guī)劃數(shù)據(jù)、土地登記發(fā)證資料(不動產(chǎn)統(tǒng)一登記數(shù)據(jù)庫)、不動產(chǎn)抵押資料等;從發(fā)展改革、工業(yè)和信息化、財政、稅務(wù)、統(tǒng)計、生態(tài)環(huán)境、市場監(jiān)管、社會保障、電力、自來水、燃氣等部門收集工業(yè)企業(yè)名錄及企業(yè)投入產(chǎn)出、用工、能耗等基礎(chǔ)資料。

圖1 數(shù)據(jù)調(diào)查更新流程

前期數(shù)據(jù)因為數(shù)據(jù)來源多樣化、數(shù)據(jù)類型豐富,需要對數(shù)據(jù)進行統(tǒng)一的預(yù)處理,包括數(shù)據(jù)的匯集、清洗、處理、入庫。首先,進行數(shù)據(jù)統(tǒng)一格式處理,如將CAD中的dwg格式轉(zhuǎn)化為shp格式,并建立拓撲關(guān)系進行合并、接邊;其次,進行一致性處理,統(tǒng)一空間基準,統(tǒng)一采用2000國家大地坐標系、1985國家高程基準,統(tǒng)一數(shù)據(jù)結(jié)構(gòu),方便進行數(shù)據(jù)對比分析;最后,進行數(shù)據(jù)空間序化處理,依托地名地址匹配引擎,對數(shù)據(jù)賦予空間屬性[3],具體操作如圖2所示。

圖2 數(shù)據(jù)預(yù)處理流程

2.2 數(shù)據(jù)處理

數(shù)據(jù)處理打破原有人工核查的弊端,采用遙感影像深度學(xué)習(xí)解譯技術(shù),利用高分影像,自動建設(shè)用地分類,減少人工處理工作量,降低數(shù)據(jù)更新成本,具體實現(xiàn)如下。

(1)樣本庫建立。利用多期高分影像、疊加年度土地利用現(xiàn)狀圖、已有工業(yè)用地數(shù)據(jù)等,建立樣本圖庫(見圖3)。為了避免因為季節(jié)等變化對影像解譯的影響,樣本庫建立的過程中包含各時期的樣本,同時對樣本進行空間化處理,與前期數(shù)據(jù)統(tǒng)一基準[4-6]。

圖3 數(shù)據(jù)處理流程

(2)模型建立。①基于PyTorch框架,利用Transformer網(wǎng)絡(luò)模型建立遙感影像自動解譯系統(tǒng),利用已建立的樣本庫進行模型訓(xùn)練和測試,根據(jù)結(jié)果不斷地進行參數(shù)調(diào)整,并對結(jié)果進行降噪處理,提高結(jié)果精度[5];②將解譯結(jié)果與整合的基礎(chǔ)數(shù)據(jù)進行疊加分析,按照規(guī)范要求設(shè)置誤差允許范圍,將在范圍內(nèi)的數(shù)據(jù)存儲到更新庫中,將誤差允許范圍外、基礎(chǔ)圖庫、解譯庫中僅一方有的數(shù)據(jù)存儲到問題數(shù)據(jù)庫中,后續(xù)進行人工核查處理(見圖3)。

(3)Transformer網(wǎng)絡(luò)模型主要包含輸入、編碼塊、解碼塊、輸出四部分(見圖4),其中輸入主要包含詞向量以及位置編碼向量兩部分,在影像解譯中主要就是樣本庫中的樣本數(shù)據(jù)以及待預(yù)測數(shù)據(jù);編碼塊包含多個Self-Attention(SA)層和Feed Forward Neural Network(FFN)層,SA層通常采用多頭注意機制(Multi-Head Attention),將輸入向量跟多組權(quán)重矩陣相乘,計算結(jié)果分別進行殘連接和歸一化處理,經(jīng)過FFN層進行線性變換,最后輸出結(jié)果;解碼塊主要包含兩個Multi-Head Attention 層,第1個 Multi-Head Attention 層采用 Masked 操作,第2個 Multi-Head Attention 層的K、V矩陣使用編碼層的編碼信息矩陣進行計算,而Q使用上一個編碼塊的輸出計算,計算結(jié)果通過FNN轉(zhuǎn)化后輸出;輸出通過Softmax層進行預(yù)測,就是影像解譯后的結(jié)果。

圖4 Transformer網(wǎng)絡(luò)模型原理

(4)將問題庫的數(shù)據(jù)與多期影像數(shù)據(jù)進行人工比對,確認是工業(yè)用地的數(shù)據(jù)存儲到更新庫中,刪除非工業(yè)用地數(shù)據(jù),標記有疑問數(shù)據(jù)。

(5)外業(yè)調(diào)查人員將標記的疑問數(shù)據(jù)進行人工核查,并將其中的工業(yè)用地數(shù)據(jù)存儲到更新庫。

2.3 數(shù)據(jù)質(zhì)檢與入庫

數(shù)據(jù)質(zhì)檢采用抽查方式,從更新庫中抽取10%進行質(zhì)量檢查,通過抽檢數(shù)據(jù)與影像數(shù)據(jù)比對進行判斷,抽檢合格后,將數(shù)據(jù)按照要求進行屬性完善,并將其按照導(dǎo)則格式要求整理入庫。

3 應(yīng)用效果

基于深度學(xué)習(xí)的工業(yè)用地動態(tài)更新技術(shù)在2021年江蘇省工業(yè)用地數(shù)據(jù)更新中進行應(yīng)用實驗,具體過程如下:

(1)樣本選取。選取江蘇省某縣級市600 km2的區(qū)域作為研究區(qū),為了建立適配四季的樣本庫,選取2020年2月、5月、8月、11月4個月精度0.3 m分辨率的高分影像,樣例尺寸為256×256,結(jié)合2020年的工業(yè)用地數(shù)據(jù)進行樣本構(gòu)建,共選取9 000個樣本[7]。

(2)樣本訓(xùn)練。本次采用7∶2的比例進行訓(xùn)練和驗證,設(shè)置模型迭代次數(shù)最大值為2 000。經(jīng)驗證,當模型迭代次數(shù)為1 520時,數(shù)據(jù)交并比最高,達到85%以上。

(3)利用該實驗區(qū)域2021年的影像進行工業(yè)用地提取,迭代次數(shù)采用模擬訓(xùn)練的最佳值,將柵格數(shù)據(jù)轉(zhuǎn)化為矢量數(shù)據(jù),總用時為45 min。與2021年最新調(diào)查成果進行比對,該區(qū)域2021年工業(yè)用地地塊1 678塊,自動提取地塊為1 582塊,交并比為83%。

4 結(jié)語

該技術(shù)路線是綜合工業(yè)用地調(diào)查技術(shù)流程與目前研究比較成熟的遙感影像解譯技術(shù)、多源異構(gòu)地理空間數(shù)據(jù)集成整合技術(shù)、分布式計算與存儲技術(shù)等的基礎(chǔ)上實現(xiàn)的,其效率比人工提高50%以上,不僅縮減項目工期,還節(jié)省了人力物力,實驗證明該方法可以在常態(tài)化工業(yè)用地調(diào)查項目中推廣使用。