TB-耕地侵蚀沟遥感自动识别技术规程

Q/LB.□XXXXX-XXXX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。本文件由吉林省土壤学会提出并归口。本文件起草单位：中国科学院东北地理与农业生态研究所、松辽水利委员会松辽流域水土保持监测中心站、西北农林科技大学、北京市农林科学院。本文件主要起草人：杨久春、张延玲、喜吉日、李庆耀、刘焕军。本文件为首次发布。耕地侵蚀沟遥感自动识别技术规程范围本文件规定了基于高空间分辨率遥感影像，结合深度学习方法提取耕地侵蚀沟的技术流程，包括数据源要求、影像预处理、样本构建与标注、深度学习模型构建、侵蚀沟提取和精度评价等内容。本文件适用于黑土区耕地侵蚀沟自动提取工作。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/T14950摄影测量与遥感术语GB/T15968遥感影像平面图制作规范GB/T20257国家基本比例尺地图图式GB/T20465水土保持术语SL/T277水土保持监测技术规范术语和定义下列术语和定义适用于本文件。侵蚀沟（erosiongully）由坡面径流汇集冲刷地表所形成的沟槽，是土壤侵蚀的一种重要形式。[来源：GB/T20465，2.2.10]遥感自动识别（remotesensing-basedautomaticidentification）利用计算机算法，基于遥感影像进行侵蚀沟等目标地物进行自动检测、识别和空间定位的技术方法。高空间分辨率遥感影像（highspatialresolutionremotesensingimagery）由星载或机载遥感传感器获取，空间分辨率优于2m的对地观测影像数据。[来源：GB/T14950，3.2;4.76]影像标注（imageannotation）在遥感影像上，给目标地物赋予类别标签，生成真值样本，用于深度学习模型训练、模型验证、目标解译等。技术程序耕地侵蚀沟遥感自动提取技术流程包括数据准备、影像预处理、样本构建与标注、模型构建与训练、侵蚀沟提取与后处理、精度评价与成果输出环节，具体流程如下：a)数据准备：获取满足要求的高空间分辨率光学遥感影像及相关辅助数据；b)影像预处理：对影像进行辐射定标、大气校正、正射校正、影像融合及多尺度分割等处理；c)样本构建与标注：制作侵蚀沟样本及其标签，并进行样本裁切、数据增强和数据集划分；d)模型构建与训练：利用Gully-ERFNet模型，设置训练参数，完成模型训练、验证和优化；e)侵蚀沟提取与后处理：利用训练好的模型对目标区域影像进行侵蚀沟提取，并进行后处理；f)精度评价与成果输出：对提取结果进行精度评价，形成最终成果。技术要求数据准备数据源宜选用空间分辨率优于2m的光学遥感影像，包括但不限于吉林一号、高分二号（GF-2）等卫星影像数据，或同等分辨率的无人机航拍影像。影像应包含可见光波段（红、绿、蓝）和近红外波段。时相要求影像采集时间宜选择植被覆盖度较低的时段，以确保侵蚀沟特征的可见性。在吉林省范围内，推荐采集时段为每年的4月至5月（春季播种前）或10月至11月（秋季作物收割后）。质量要求参照SL/T2777.2.1(4)-(5)执行。辅助数据宜收集道路、城镇等矢量数据，用于对提取结果中误提区域的剔除。影像预处理辐射校正对原始影像进行辐射定标和大气校正。参照GB/T15968的规定执行。正射校正对影像进行正射校正，消除地形起伏和传感器姿态引起的几何畸变。参照GB/T15968的规定执行。影像融合采用PCA主成分变换或IHS变换等方法对多光谱波段与全色波段进行融合处理，获得兼具高空间分辨率和多光谱信息的遥感影像。多尺度分割采用面向对象方法对影像进行多尺度分割，将影像划分为光谱、纹理和空间特征相对一致的影像对象。分割结果用于侵蚀沟初始样本筛选。样本构建与标注影像标注侵蚀沟提取采用二分类标注，将样本中的侵蚀沟和非侵蚀沟的标签分别设置为1和0。影像裁切将影像统一裁切为512×512像素的大小。数据增强为提高模型的泛化能力和鲁棒性，对样本进行数据增强，增强方法包括：a)空间变换：随机旋转、水平翻转、垂直翻转；b)像素增强：对比度调整等。数据集划分将增强后的数据集按照训练集、验证集和测试集进行划分。如按8:1:1比例划分，也可根据模型训练情况进行调整。模型构建与训练模型选择模型推荐采用适用于耕地侵蚀沟形态特征、环境特征的深度学习模型，包括但不限于以下两种结构：a）针对侵蚀沟影像特征与道路、房屋等地物特征易于混淆的情况，推荐采用的实时语义分割网络模型中加入注意力机制（Gully-ERFNet模型），以更好地捕捉侵蚀沟的特征信息，并最大限度地减少冗余信息的干扰；b）针对侵蚀沟提取的模型样本是基于影像裁切，易于导致侵蚀沟地物不连续的问题，推荐在实时语义分割网络模型中加入金字塔池化模块（Gully-ERFNet模型），以通过不同尺度的池化和特征融合扩大模型感受野，增强模型对不同尺度侵蚀沟特征的表达能力。训练参数配置根据样本数量、影像特征、区域适用范围、硬件环境和模型收敛情况确定模型训练参数。训练参数宜符合下列要求：a)优化器：宜采用SGD或同等性能的优化器b)学习率：默认设为0.005，并根据训练过程设置学习率衰减策略；c)训练轮数：不少于100轮（epochs），确保模型充分收敛；d)损失函数：宜采用ACL损失函数e)数据输入尺寸：推荐512×512像素。侵蚀沟提取与后处理模型应用对目标区域的预处理影像按照512×512像素进行分块。利用训练好的模型对每个分块进行应用，获得每个分块的侵蚀沟提取结果。结果拼接将各分块的侵蚀沟提取结果拼接为完整区域的提取结果。后处理对侵蚀沟提取结果进行后处理，包括但不限于以下后处理操作：a)斑点去除与孔洞填充：去除面积小于1000像素的斑点并填充孔洞；b)道路误分剔除：基于道路缓冲区去除误分类道路；c)居民地误分剔除：基于居民地矢量数据去除误分类居民地及田沟。精度评价精度评价指标体系基于测试集样本对提取结果进行精度评价。精度评价采用基于像素级的混淆矩阵进行定量评估，评价指标包括但不限于以下指标：精确率（Precision）、召回率（Recall）、交并比（IOU）及F1分数（F1-score）。各评价指标的基础参数定义、计算公式及必须达到的精度阈值应按附录A的规定执行。真实性检验自动识别结果应开展真实性检验，以判定提取结果是否为真实的侵蚀沟，包括但不限于以下检验：a）空间位置检验：应检查自动识别结果与遥感影像中侵蚀沟形态特征的位置一致性，确认识别目标是否位于耕地范围内，并记录侵蚀沟中心位置、空间范围及所在行政区域信息；b）形态特征检验：应依据侵蚀沟具有狭长连续、沟缘明显、具有一定延伸方向等空间特征，对识别结果进行人工或自动辅助判断；c）真伪分类：识别结果应划分为真实侵蚀沟、疑似侵蚀沟和误识别目标三类。真实侵蚀沟作为最终成果输出，疑似目标应进行人工复核，误识别目标应予以删除。专题图成果a)专题图内容应包含侵蚀沟的空间分布范围，以及行政区划边界或流域边界等基础地理信息；b)专题图的图名、图例、比例尺、指北针、制图单位与制图时间等基本地图要素的表示与绘制方式，应符合GB/T20257（所有部分）的规定；c)专题图的影像底图制作应符合GB/T15968的规定。成果输出数据格式侵蚀沟自动识别成果应以空间数据形式输出，包括栅格数据和矢量数据。a）栅格成果宜采用GeoTIFF格式，包含完整空间参考信息，像元值应按照分类结果进行编码，其中0表示非侵蚀沟，1表示侵蚀沟；b）矢量成果宜采用Shapefile、GeoJSON等常用空间数据格式，包含侵蚀沟空间边界及相关属性信息。属性信息矢量成果属性表应包含侵蚀沟识别编码、空间位置、面积、长度、时间及其他必要信息。其中，侵蚀沟识别编码应具有唯一性，用于成果管理和后续调查更新。成果记录识别成果应建立完整记录，记录内容包括数据源信息、影像预处理方法、模型名称及版本、主要训练参数、成果生成时间、精度评价结果和质量检查情况等。成果记录应与空间数据同步保存，保证识别过程和成果应用的可追溯性。质量检查成果提交前应开展质量检查，主要包括：a）空间检查：矢量成果是否存在拓扑错误，空间位置是否与源影像保持一致；b）属性检查：成果属性字段是否完整，属性内容是否符合要求；c）成果检查：识别结果是否存在明显误识别、遗漏或异常斑块；d）精度检查：依据本文件5.6规定的方法开展精度评价，确保成果满足质量要求。

（规范性）

精度评价指标公式侵蚀沟提取精度采用以下评价指标：序号评价指标计算公式说明阈值1精确率（Precision）TP/(TP+FP)×100%85%2召回率（Recall）TP/(TP+FN)×100%75%3交并比（IOUl）IOU=TP/(TP+FP+FN)65%4F1-score2×精确率×召回率/(精确率+召回率)80%注：TP为真阳性，FP为假阳性，FN为假阴性，TN为真阴性。

（资料性）

Gully-ERFNet模型框架Gully-ERFNet模型是在轻量级语义分割网络ERFNet基础上构建的侵蚀沟遥感识别模型。该模型采用编码器—解码器结构，通过引入SE（Squeeze-and-Excitation）注意力机制和PPM（PyramidPoolingModule）多尺度特征融合模块，提高模型对侵蚀沟狭长形态、边缘特征及复杂背景信息的识别能力，如图1所示。图1Gully-ERFNet模型框架图SE注意力机制模块嵌入于编码器和解码器各Non-bottleneck-1D结构之后（如图2所示），通过学习不同特征通道的重要性权重，增强模型对侵蚀沟关键纹理和空间特征的响应，降低道路、居民地等相似地物造成的干扰。图2SE注意力机制模块PPM模块设置于编码器和解码器之间，通过多尺度池化与特征融合方式扩大模型