基于深度学习的土地征收遥感影像地物识别与面积测算研究

一、多源遥感数据融合策略

土地征收测绘中存在单源影像数据源不足：卫星遥感影像空间分辨率高，不能覆盖几十甚至上百平方千米的征地范围，同时河渠、道路等线状地物，大量的耕地、林地等不能表现细节，三调耕地、林地等基本地类需要精细化管理；无人机航摄空间分辨率高，续航能力有限，不能大面积反映房屋的屋顶纹理、墙面材质等细节，不能满足国土空间规划下建设用地细分。多源遥感数据融合解决以上问题，能够满足国土政策精细化土地征地的要求：辐射校正统一光谱尺度，消除卫星、地空影像成像设施不同而造成的影像亮度差异；控制点对齐，统一空间定位，为“三调”影像土地征用的应用提供数据基准。融合使用“大框+细框”：卫星影像确定土地范围、成片房屋等大类区域边界框，满足用地范围框定中耕地范围粗略界定的要求；无人机协助细节识别，例如卫星影像识别大片农田，无人机识别田埂、沟渠细节，协助识别耕地是否为三调中界定的大片永久基本农田；卫星影像识别宅基地的房屋主体，无人机识别院墙、门楼等细节，协助判识宅基地中的建设用地、附属设施用地。某乡镇征收项目卫片锁定 3 个行政村全图、15 个集中式生活点“三调”地类图斑；无人机锁定点内砖木、砖混结构房、宅基地附属物，实现用地层地物判定由粗到细化，填衽数字卫片小地块空缺、弥补无人机大化弱化识别的弊端，使地物判定更加符合国土政策对征地地类判定的精细要求。

二、改进的U-Net分割模型构建

U-NET是典型的图像分割算法，U-Net编码器解码器模块适用于像素分类，但是不适用于土地利用遥感影像的分割，存在混合地物特征复杂提取不清晰、小地块地物丢失严重的问题，不适应“三调”地类精细化判别与征地地类精细化判别政策。本文在U-Net的基础进行网络结构调整与图像增强，适应国土征地的测绘精细化要求：编码器模块 4层卷积改进 6 层卷积与残差，提高混合地物识别能力，能够有效识别“三调”中的“水田与水浇地”“建制市镇与村庄”；残差避免梯度消失，有效识别耕地园地的植被光谱、宅基地的空间特征，为《土地管理法》征收土地的地类判别提供数据支持；解码器模块增加空间信息关注度，输出注意空间，使得模型聚焦于宅基地、青苗，忽略裸地等其他空间信息，适用于征地的建设用地、农用地差异化补偿。针对土地征收现场数据训练少样本的问题，多视角选取数据增强：旋转 0^∘-360^∘ 不同的多航拍视角下“三调”影像图斑，翻转水平/垂直下的复杂地貌下的地类，随机扩大 0.8-1.2 倍下不同面积的地物：小块宅基地，狭长的田间路。

三、目标检测算法辅助地物识别

基于深度学习的土地征收遥感影像除了对图像中的地物进行基于分割模型的地物识别外，还还结合目标检测算法进行辅助地物辅助识别，以提升地物识别准确率。目标检测算法可以快速检测出图像中的待检物体，并给出物体的类信息和位置信息，在土地征收遥感图中，借助Faster R-CNN等目标检测算法对建筑物、车辆等典型地物进行检测，将目标检测结果与分割结果进一步融合，更加全面检测出地物，减少地物的误检、漏检现象。如在对建筑物进行目标检测时，借助目标检测算法可以快速识别出建筑物的位置并进行地物检测，而后借助分割模型可以细化其边界，再将两种检测结果进行比较和统一。

四、面积测算算法优化

面积测算是土地征收过程中的重要环节，其精确程度直接影响征收方宇被征收方的切实利益，因此必须加以重视。但受地理环境、土地形状以及测算方法等因素的影响，征收土地面积的精准测算并不容易。传统的征收土地面积测算，通常是在对征收土地的地物定位之后，就要进行面积的计算。在面积计算方法上，一般通过计算像素点的方法来计算面积。如果地物形状不规则，面积计算容易出现误差。而遥感影像面积测算则不然，其面积计算是通过多种方法对多边形进行拟合。在分割得到地物边界后，通过对边界进行多边形拟合算法，获得较为准确的地物形状，然后再按照多边形面积公式计算面积。通过遥感影像的方法进行征收土地的面积计算能够有效避免由于边界不规则造成的面积误差，进而提高面积计算精度。

结论：总而言之，基于深度学习的土地征收遥感影像的地物识别和面积测算更加精准和高效。因为遥感影像能够直接对征收土地范围内的物体进行拍摄和测算，进而根据其几何特征以及性能数据对其进行分辨，识别度自然提升。面积测算则借助多边形拟合的方式，面积计算结果更加精确。且基于深度学习的土地征收遥感影像技术还能够不断自我更新，并结合实际情况灵活调整和变化识别及测量方式，进一步保证土地征收测绘的科学和效果。

参考文献：

[1]陈琦,王珅,陶懿.基于高光谱遥感影像的地物目标识别算法在农田“非粮化”问题中的应用[J].黑龙江环境通报,2024,37(12):151-153.

[2]李艾莉.基于面积测算知识规则自动推理的建筑物权籍测算模型构建与差异性分析[J].经纬天地,2024,(02):85-90.

[3]谷亨勇.高分影像特征识别下的土地利用动态遥感监测[J].测绘与空间地理信息,2025,48(04):115-118.