遥感影像变化监测及网格化策略应用

杨 旭,厉芳婷,谭美淋,肖 康,张 蕾,邹镰钊

（1. 内蒙古自治区测绘地理信息中心，内蒙古 呼和浩特 010010；2. 湖北省测绘工程院，湖北 武汉 430074；3. 天津市测绘院有限公司，天津 300000；4. 江西省自然资源政策调查评估中心，江西 南昌 330000；5. 广州市城市规划勘测设计研究院, 广东 广州 510000）

高空间分辨率遥感数据信息真实丰富、易于判读，能客观反映地物的数量、大小、形状等空间形态，空间分布及地物间的空间关系。高时间分辨率遥感数据具备强实时性、高频次特征，反映地物形态、空间分布、空间关系的时间序列变化[1-5]。随着国产公益卫星推送数据资源逐年丰富，以内蒙古自治区为例，境内的2 m 级数据月度平均覆盖度可达70%左右，数据资源可在一定程度上保障周期性影像对比发现。通过高频次精准监测，实现对疑似违法行为的“早发现”，为“早制止、早处置”自然资源管理和保护提供支撑[6]。

1 变化监测处理方法

1.1 卫星数据接收处理

每日接收国产公益卫星推送数据及商业卫星获取数据，备份入库并持续处理加工，通过纠正、融合等专业流程处理，获取具有位置信息和色彩信息的单景正射图像成果。

1.2 变化图斑数据提取

进行双时向变化检测[7]，通过已有的人工智能（AI）算法模型将本期正射数据与上一期进行比较，自动提取发生变化的区域范围图斑，生成变化图斑矢量文件。网格化策略实施阶段为本阶段之前，如图1所示。

1.3 图斑分析过滤

对数据进行成果精处理[8]，根据前后期影像和图斑范围，初步进行人工分析判断，去除季节性变化、临时堆放、非人工变化、建筑拆除等图斑，确认变化情况。套合审批数据、规划数据、现状数据、基本农田数据进一步分析，做出基本定性定量判断。

1.4 图斑成果标准化

将图斑数据对应到相关旗县，添加编号、面积、分析结果等属性字段信息，进行截图、分类、上传等操作，形成标准化变化监测成果。

1.5 线索下发和反馈

将变化监测成果通过垂直系统下发到相关旗县，责成旗县进行核实处理，并及时反馈相关成果（图1）。

图1 网格化策略流程

2 网格化策略

2.1 划分地理网格

卫星影像的轨道参数虽然比较固定，但是具体到某一个月，单景影像的覆盖情况和有效性是较难提前确定的，卫星型号差异和传感器差异导致覆盖地表的面积大小不一。通过提前定义实地经纬度网格作为基本处理单元，反过来计算相对应的影像数据覆盖情况，比较有利于计算和管理。

格网划分不宜过小，否则会导致单景影像切割过于细碎，增加计算次数；同时也不宜过大，以避免边缘破格情况。针对亚米卫星的格网经验大小约为长宽各5 km，为方便调整格网大小和索引计算，选取经纬度都为整数的点作为基础网格左下角，将1°在经线和纬线方向上分为X和Y段，给定每个格网唯一编号。网格编号形如111 040 020 020 017 015，即矩形[（111，40），（112，41）]，经纬方向分别分割为20 段，本格网为x方向上第18个，y方向上第16个（从零开始）。可通过一点经纬度计算所在格网编号和通过格网编号计算格网范围4角点坐标。

本方式可以任意规定格网大小并形成唯一编号，方便根据实际数据情况进行调整。

2.2 数据筛选策略

接收同一批次卫星数据后，自动逐景计算所覆盖格网编号，同时向数据库中写入格网编号对应的当前景号和时间戳。下一步判断与本格网上一次处理的时间间隔，是否超过预设的监测最小时间单元（如10 d），超过则将处理字段设为backup，进行下一步处理，待处理完成设为done；若未超出或当前存在processing记录则设为raw，不进行下一步处理。

经过上述计算，得到待更新网格列表，但是由于同一批次影像常有互相重叠或压盖情况，所以同一网格的新影像会有几景都可作为备选的情况。为了简化处理，先搜索格网仅涉及唯一影像的情况，这组影像设置为必选，反推该组影像能覆盖的所有格网，标记为优先级1。继续遍历优先级1 中影像数为2 个的格网，确定优先级2。继续迭代到无法继续缩小范围，剩余的格网按照单一影像所涉及的格网数量最大为原则，同理遍历选择，直至确定所有格网对应的影像。

通过筛选，每个网格满足更新条件只会处理一次数据，解决了多次影像覆盖重复计算的问题，而且保持处理的影像对数最小。同时网格在时间序列上做到有数据才更新，覆盖不全时依然保持在上一次时间戳，保持了时间连续的严密性，如图2所示。

图2 网格覆盖示意图

在两幅影像接边覆盖较小的情况下，影像接边处会留下非满幅网格，导致单次任务出现规律性的空白条带，需在接边处网格计算覆盖比例，通过经验阈值（约60%）优化，保障接边处正常生产。

实践的过程中，由于影像边缘数据常有多光谱配准误差，会产生噪声和无效斑块，导致增加误提取数量。从长期来看，边缘未生产网格会被多期数据覆盖，故无需过多考虑网格边缘的严密性。

2.3 变化监测提取

继续处理的数据通过查询上一个done 数据的景号，形成提取任务清单，发送到变化监测提取接口，只处理该格网范围，对边缘进行适当缓冲。等待AI监测任务完成后，回调事件更新数据库状态，本批次处理完成。

提取结果图斑中添加字段记录前后景影像号，如在后续检查中发现影像质量问题（诸如曝光过度、云比例过大、成像模糊、位置精度差等情况），可手动修改done 标记为obsolete，自动检索下一时间戳符合要求的影像重新运行。

3 实际案例

以2021 年内蒙古自治区重点区域约80 000 km2月度变化监测项目为例，由于自然资源部国土卫星中心已开展国产公益卫星常态化变化监测，本区使用亚米级商业卫星数据进行变化图斑自提及线索发现工作，以吉林一号高分02、03 系列卫星为主。前期影像为2021年1月共722景（红色），后期影像为2021年2月1 451景（蓝色）。覆盖情况如图3所示。

图3 前后期影像覆盖范围图

使用传统方法：遍历前影像和后影像两两计算相交，找出配对影像4 268 组，通过筛选去除重叠区域过小的影像对，剩余待处理影像对3 499组。

使用网格策略：将前影像范围加载入数据库进行网格初始化，导入后影像进行计算，算法预处理约3 min，查找到待更新网格48 553个，配对待处理影像为1 636组。

按照每张影像纠正效率2 min/片，AI 计算2 min/任务，得出处理效率结果如表1所示。

表1 处理效率对比

通过改进策略，变化监测计算机处理效率提高约53.3%，无需人工配对影像和手动执行命令，人工工作量减少90%，为自然资源变化监测的提速增效发挥了一定的作用。同时具有时间、空间衔接严密的特点，实现无缝精密管理。

后续成果已利用于耕地卫片执法，违法违规占用耕地专项整治等专项行动，实现了快速定位、发现占耕线索，做到“早发现早处理”，切实防止耕地破坏和“非农化”“非粮化”行为。

根据文本的原理设计的Node.js工具程序已在代码托管网站码云（Gitee）开源，项目名为rackar/image_grid，可以给同类业务提供一定的便利和借鉴。