DB15∕T 3937-2025 典型地物遥感智能解译技术规程

ICS07.040

CCSA77

15

内蒙古自治区地方标准

DB15/T3937—2025

典型地物遥感智能解译技术规程

CodeofpracticeforIntelligentremotesensingInterpretationof

typicalground

2025-02-28发布2025-03-28实施

内蒙古自治区市场监督管理局发布

DB15/T3937—2025

目次

前言.................................................................................II

1范围...............................................................................1

2规范性引用文件.....................................................................1

3术语和定义.........................................................................1

4总体要求...........................................................................2

5技术流程...........................................................................2

6遥感数据准备.......................................................................3

7典型地物智能解译...................................................................3

8样本与模型算法迭代.................................................................4

9质量控制...........................................................................5

10成果组织..........................................................................5

附录A（资料性）图斑属性赋值表.......................................................7

附录B（资料性）成果数据属性表.......................................................8

I

DB15/T3937—2025

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

本文件由内蒙古自治区测绘地理信息标准化技术委员会（SAM/TC27）归口。

本文件起草单位：内蒙古自治区测绘地理信息中心、中国科学院空天信息创新研究院、通辽市城市

地理信息中心。

本文件主要起草人：丁锐、田婷婷、杜斌、胡日查、于欣、谭美淋、岳云峰、昝露洋、任冠尧、金

一、闫伟华、阿岩、温超、贾艳灵、魏纪成、扈彤利、彭树鸿、张建平、李重霄、李思奇。

II

DB15/T3937—2025

典型地物遥感智能解译技术规程

1范围

本文件规定了典型地物遥感智能解译的总体要求、技术流程、遥感数据准备、典型地物智能解译、

样本与模型算法迭代、质量控制和成果组织等内容。

本文件适用于房屋建筑区、道路与铁路、水域、耕地、园地、林地、草地、湿地等典型地物的遥感

智能监测与识别，其他地物遥感智能解译可参照执行。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T18316数字测绘成果质量检查与验收

GB/T24356测绘成果质量检查与验收

CH/T1015.3基础地理信息数字产品1:100001:50000生产技术规程第3部分：数字正射影像图

(DOM)

TD/T1055第三次全国国土调查技术规程

3术语和定义

下列术语和定义适用于本文件。

人工智能artificalintelligence

通过人工的方法和技术，模仿、延伸和扩展人的智能，形成能以人类智能相似的方式做出反应的机

器智能。

深度学习语义分割模型deeplearningsemanticsegmentationmodel

通过多个处理层自动学习和提取图像中复杂特征的机器学习模型。这些模型通过标注数据进行训

练，能够自动学习到遥感图像中的各种地物特征，模型能够将遥感图像中的每个像素分类到特定的地物

类别，实现地物像素级高精度识别、分类。

微调finetune

1

DB15/T3937—2025

在机器学习和深度学习中，使用在大型数据集上预训练的模型作为基础模型，通过在特定任务的较

小数据集上进行额外的训练，使模型能够更好地适应该特定任务的过程。这种方法通常会冻结预训练模

型的某些层，只训练最后几层或新增的层，以防止模型在小数据集上过拟合，同时利用预训练模型中已

经学到的特征表示。

图斑mask

遥感图像中具有相似光谱特征、纹理特征或形状特征的连通区域，这些区域通常被认为是同一种地

物类型。

样本sample

在机器学习和数据分析中，指从总体（或数据集）中抽取出的一部分数据，用于训练、验证或测试

模型。在遥感图像处理中，指从遥感图像中提取的用于模型训练、验证或测试的像素或图斑数据。

4总体要求

数学基础

平面坐标系：2000国家大地坐标系（CGCS2000）。

高程基准：1985国家高程基准，正常高系统。

时间参考

采用公元纪年，时间采用北京时间。

解译手段

基于多源高分辨率卫星遥感影像数据，采用人工智能模型识别，开展典型地物的遥感监测识别工作。

图斑边界误差

典型地物图斑识别边界误差应不超出2个像素，边界不明显的地物图斑识别边界误差应不超出5个

像素。

5技术流程

技术流程主要包括遥感数据准备、智能识别、质量控制、样本和模型迭代以及成果输出等，见图1。

2

DB15/T3937—2025

图1典型地物遥感智能解译技术流程

6遥感数据准备

遥感数据要求

遥感数据要求：

a)影像数据无过度曝光或欠曝光，无纹理不清、模糊、条带色带及噪声；

b)影像数据无严重几何畸变或扭曲，保持几何形状准确性；

c)云覆盖小于10%的影像，避免云、云阴影和雪的影响；

d)使用不少于RGB三波段的真彩色遥感影像；

遥感数据处理

遥感数据处理流程包括辐射定标、正射校正、云检测、图像镶嵌等，预处理按照CH/T1015.3相关

要求执行。

遥感影像数据质检

对处理后的遥感影像数据进行数据质量检查，检查项及质检要求按照GB/T18316执行。

7典型地物智能解译

解译内容

解译内容：

a)解译区域内的典型地物图斑的空间位置、范围、图斑面积、类型等；

b)典型地物包括房屋建筑区、道路与铁路、水域、耕地、园地、林地、草地、湿地等。

典型地物自动识别与提取

3

DB15/T3937—2025

采用基于深度学习语义分割模型的遥感地物自动化提取技术方法，基于地物样本库以及高分辨率

遥感影像数据，实现典型地物的自动提取。自动算法基于训练完成的深度学习语义分割模型，流程包

括数据处理、模型自动识别、结果后处理三个方面，能够实现目标地物智能识别，掩膜结果输出、图

斑矢量化、自动颜色渲染等功能。

自动识别与提取结果精度评价

评估智能解译模型的自动化解译精度，应使用精确率与召回率开展模型精度评价。选取少量数据

同步开展手工解译标注与智能模型推理预测，对智能解译模型预测结果和真值标注结果开展精度测

评。

Precision（精确率）表示了网络预测的真实像素与网络预测的整体像素的比率，见公式（1）：

TP

Precision=……………(1)

TP+FP

式中：

TP——表示真正例truepositive，模型正确预测为正类的数量；

FP——表示假正例falsepositive，模型错误地将负类预测为正类的数量。

Recall（召回率）表示了网络预测的真实像素与实际的真实像素的比率，见公式（2）：

TP

Recall=……………(2)

TP+FN

式中：

TP——表示真正例truepositive，模型正确预测为正类的数量；

FN——表示假负例falsenegative，模型错误地将正类预测为负类的数量。

8样本与模型算法迭代

样本制作要求

8.1.1样本图斑标记要求

基于卫星影像的样本制作，要求样本标记位置以及图斑轮廓准确，并涵盖大部分目标地物的典型形

态信息。样本标记要求标记典型的区域，并涵盖可能出现漏检、误检的影像区域。

8.1.2样本图斑标记判读方法

基于自动解译图斑数据，经过对图斑类型判定、图斑面积大小选择、图斑边界判别，复核不同地物

图斑结果。采用网格作业法，在工作区域划定标准网格，逐网格依次判读，确保覆盖全部工作区域，网

格大小依据工作区域范围、影像分辨率、判读比例尺等因素确定。

8.1.3样本图斑标记影像显示比例尺

在样本标记人工目视检查时，影像显示缩放比例不小于1:4000。

8.1.4地物图斑类型判定

结合多源数据，准确判定图斑类型，对误判、漏判的图斑或区域进行标记。

8.1.5图斑属性赋值

4

DB15/T3937—2025

规范、完整填写矢量数据属性表，要求至少具备图斑地物类型、影像的传感器类型、影像获取时间

等信息。图斑属性赋值表详见附录A。

样本与模型迭代要求

样本与模型交替迭代，以历史版本模型结合人工目视判别扩充样本库，并基于新的样本数据补充构

建新版训练集，训练集和验证集比例应为8：2，开展模型参数微调训练，直至模型能够在所有测试数据

上达到预期精确率和召回率。

样本补充迭代

为提高样本库质量和模型解译精度，应对低质量解译结果进行人工标注后补充至样本库。误分区域

应清理误分图斑并将修正后的区域整体纳入样本库，漏检区域需标注完整后纳入，图斑边界精度较差的

情况需修复后补充至样本库。

模型算法迭代

模型算法迭代应基于历史版本模型参数作为初始参数，利用迭代后的样本数据进行模型微调训练，

直至模型达到预期精确率和召回率。

9质量控制

质量检查过程

质量检查过程：

a)相关质量要求按照GB/T24356和TD/T1055等相关规范要求执行。采用“软件自动检查+人

工审核抽查”方式，对提取目标地物图斑矢量数据的空间和属性信息进行正确性、完整性检查，

确保成果数据质量；

b)人工对模型推理预测结果进行10%抽样检查；

c)审核过程检查记录；

d)提出的质量问题，作业人员进行全面修改，并在检查记录上签字；

e)经最终检查不合格或未达到质量指标要求的，全部退回检查返修；

f)对返修后成果履行过程检查，直至合格再次提交最终检查；

g)最终检查完成后进行成果质量等级评定，并编写检查报告，检查记录及检查报告随成果一并提

交。

软件自动检查

对成果矢量数据进行图斑拓扑错误、图斑属性缺失检查，并结合影像数据对成果的投影信息、影像

关联信息进行检查，最后对成果文件进行完整性、正确性检查。

人工审核抽查

图斑漏提检查：对典型地物模型产生的漏提、误提图斑进行补充修改。

图斑属性填写错误检查：矢量数据属性填写符合字段要求，类型判读填写正确。

10成果组织

5

DB15/T3937—2025

成果内容

典型地物遥感智能解译成果主要包括典型地物识别图斑数据、图斑配套影像、典型地物识别报告等。

典型地物识别图斑数据成果

典型地物图斑成果数据为面状shapefile（.shp）矢量格式，其属性包含图斑编号、图斑类型、面

积、影像名称等字段。相关格式详见附录B。

图斑配套影像成果

图斑配套影像成果为智能提取图斑成果数据所对应的多源遥感影像数据，数据格式为.tif栅格格

式。

典型地物识别报告成果

包括概述（背景和工作概况）、地物分布特征、智能解译所使用的遥感影像传感器类型、遥感影像

获取时间、主要结论（识别结果及分析）、精度验证结果。

6

DB15/T3937—2025

A

A

附录A

（资料性）

图斑属性赋值表

图斑属性赋值表见表A.1。

表A.1图斑属性赋值表

序号属性名编码定义备注

1图斑类型LX图斑所对应的地物真实地类名称文本格式，字段长度为30

2影像的传感器类型CGQ影像所对应的卫星及传感器名称文本格式，字段长度为30

3影像获取时间SJ影像拍摄时间日期格式，字段长度为10，YYYY-MM-DD

浮点型数字格式，单位为公顷，小数点

4图斑面积MJ图斑面积大小

后2位

7

DB15/T3937—2025

B

B

附录B

（资料性）