遙感影像變化監測及網格化策略應用

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. 廣州市城市規劃勘測設計研究院, 廣東 廣州 510000）

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

1 變化監測處理方法

1.1 衛星數據接收處理

每日接收國產公益衛星推送數據及商業衛星獲取數據，備份入庫并持續處理加工，通過糾正、融合等專業流程處理，獲取具有位置信息和色彩信息的單景正射圖像成果。

1.2 變化圖斑數據提取

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據與上一期進行比較，自動提取發生變化的區域范圍圖斑，生成變化圖斑矢量文件。網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

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

1.4 圖斑成果標準化

將圖斑數據對應到相關旗縣，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，形成標準化變化監測成果。

1.5 線索下發和反饋

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

圖1 網格化策略流程

2 網格化策略

2.1 劃分地理網格

衛星影像的軌道參數雖然比較固定，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緯度網格作為基本處理單元，反過來計算相對應的影像數據覆蓋情況，比較有利于計算和管理。

格網劃分不宜過小，否則會導致單景影像切割過于細碎，增加計算次數；同時也不宜過大，以避免邊緣破格情況。針對亞米衛星的格網經驗大小約為長寬各5 km，為方便調整格網大小和索引計算，選取經緯度都為整數的點作為基礎網格左下角，將1°在經線和緯線方向上分為X和Y段，給定每個格網唯一編號。網格編號形如111 040 020 020 017 015，即矩形[（111，40），（112，41）]，經緯方向分別分割為20 段，本格網為x方向上第18個，y方向上第16個（從零開始）。可通過一點經緯度計算所在格網編號和通過格網編號計算格網范圍4角點坐標。

本方式可以任意規定格網大小并形成唯一編號，方便根據實際數據情況進行調整。

2.2 數據篩選策略

接收同一批次衛星數據后，自動逐景計算所覆蓋格網編號，同時向數據庫中寫入格網編號對應的當前景號和時間戳。下一步判斷與本格網上一次處理的時間間隔，是否超過預設的監測最小時間單元（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。

經過上述計算，得到待更新網格列表，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，標記為優先級1。繼續遍歷優先級1 中影像數為2 個的格網，確定優先級2。繼續迭代到無法繼續縮小范圍，剩余的格網按照單一影像所涉及的格網數量最大為原則，同理遍歷選擇，直至確定所有格網對應的影像。

通過篩選，每個網格滿足更新條件只會處理一次數據，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最小。同時網格在時間序列上做到有數據才更新，覆蓋不全時依然保持在上一次時間戳，保持了時間連續的嚴密性，如圖2所示。

圖2 網格覆蓋示意圖

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格，導致單次任務出現規律性的空白條帶，需在接邊處網格計算覆蓋比例，通過經驗閾值（約60%）優化，保障接邊處正常生產。

實踐的過程中，由于影像邊緣數據常有多光譜配準誤差，會產生噪聲和無效斑塊，導致增加誤提取數量。從長期來看，邊緣未生產網格會被多期數據覆蓋，故無需過多考慮網格邊緣的嚴密性。

2.3 變化監測提取

繼續處理的數據通過查詢上一個done 數據的景號，形成提取任務清單，發送到變化監測提取接口，只處理該格網范圍，對邊緣進行適當緩沖。等待AI監測任務完成后，回調事件更新數據庫狀態，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，如在后續檢查中發現影像質量問題（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 年內蒙古自治區重點區域約80 000 km2月度變化監測項目為例，由于自然資源部國土衛星中心已開展國產公益衛星常態化變化監測，本區使用亞米級商業衛星數據進行變化圖斑自提及線索發現工作，以吉林一號高分02、03 系列衛星為主。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域過小的影像對，剩余待處理影像對3 499組。

使用網格策略：將前影像范圍加載入數據庫進行網格初始化，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行命令，人工工作量減少90%，為自然資源變化監測的提速增效發揮了一定的作用。同時具有時間、空間銜接嚴密的特點，實現無縫精密管理。

后續成果已利用于耕地衛片執法，違法違規占用耕地專項整治等專項行動，實現了快速定位、發現占耕線索，做到“早發現早處理”，切實防止耕地破壞和“非農化”“非糧化”行為。

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