叶远斌

摘要：开展常态化地理国情监测是广东省基础测绘“十三五”规划重要内容，本文综合利用多时相影像、专题资料及已有矢量成果数据，研究基于神经网络深度学习的地理国情地表覆盖变化检测。实验表明：国情地表覆盖信息提取总体精度优于86.22%，KAPPA系数达到83.04%；与传统人工目视判别方法比较，误检率小于7.05%，漏检率小于10.52%，在人力投入、作业效率、成果质量等有明显优势。

关键字：地理国情监测；深度学习；特征提取；变化发现

引言

地理国情是指与地理相关的自然和人文要素的国情，是从地理的角度采用空间化的方法，对国情进行持续观测并对观测结果进行描述、分析、预测和可视化的过程。按照国务院对地理国情监测工作总体部署和测绘地理信息事业转型发展需要，从2016年起地理国情信息获取进入常态化监测阶段，在地理国情普查的基础上，进行地理国情监测业务化运行建设，构建功能完备的地理国情动态监测与综合信息分析发布系统，形成常态化地理国情监测机制，提供地理国情信息业务化、常态化服务。

传统基础性地理国情监测方法主要通过对遥感卫星影像及相关专题资料整合预处理后，将上年度成果数据叠加到监测影像上，人工逐格网进行检查识别，对于局部或个别的地物、地类变化，可在变化区域识别的同时完成变化信息提取；对于范围较大，内部变化比较复杂的变化区域，可先勾画出变化区域的整体……