為更好地服務國土空間開發與用途管制等自然資源管理工作，近年來，自然資源部第三地理信息制圖院深耕智能遙感解譯技術，研發了一套智能化生產系統——自然資源深度學習遙感智能解譯平臺。該平臺利用空間信息、人工智能（AI）等先進技術，將調查監測工作與人工智能技術深度融合，可以大幅縮短遙感影像解譯周期，提高解譯精準度，減少人工工作量，提高生產效率40%左右。目前，這套生產系統已應用到國土利用動態全覆蓋遙感監測、地理國情監測等多個國家級、省級重大工程。

　　
類人化工作模式彰顯智能

　　
據介紹，自然資源深度學習遙感智能解譯平臺是該院基于其自主國家發明專利成果“一種深度學習模型性能評價方法及系統”研發的，主要包括“一門戶、四系統”。

　　
其中，資源共享門戶就像人的大腦，負責儲存和分發數據；云雪分析評估系統、地理信息數據生產系統、遙感變化檢測系統和遙感目標檢測系統4個系統類似于人的四肢軀干，各有所長，分工執行任務。在工作過程中，資源共享門戶支持所有系統進行數據共建共享，而共建共享過程也會讓資源庫豐富強大，并促進系統自動識別解譯能力越來越強。

　　
平臺的工作環節分“樣本制作、模型訓練、影像推理”三步。簡單來講，就是先以《自然資源調查監測體系構建總體方案》為基礎構建樣本庫，再通過模型訓練環節的學習與訓練，讓系統熟練掌握“工作技能”，最后由系統對影像進行推理，獨立開展智能遙感解譯工作。整個過程與人類的學習工作過程十分類似。而且，平臺還具備二次開發接口、即時在線分析等定制化應用，能為時空大數據智慧管控和動態分析提供持續支撐。

　　
云雪識別火眼金睛

　　
在衛星遙感影像上，云和雪都具有高反射率特性，在影像上看起來都是一片亮白。傳統方法無法很好地將云雪區分開，需要花費大量的人力對每景影像逐個勾繪云雪圖斑、統計面積占比信息。

　　
為解決這一問題，該院開展了云雪智能識別研究，形成了無人值守的全自動云雪智能分析工藝，并在四川1∶1萬無圖區測繪項目的影像統籌環節應用。作業人員只需要在下班前為系統指定測區影像存儲路徑，設置面積閾值、波段重組和平滑容差等參數信息，系統便能自動進行云雪矢量范圍提取并輸出云雪占比統計信息，第二天一早就可以直接獲得測區影像云雪覆蓋情況。云雪智能識別全面解放了生產力，實現大數據遙感影像中云雪的高精度快速檢測，提升工作效率近20倍。

　　
要素提取快速高效

　　
基于遙感影像開展自然資源要素提取是調查監測工作中最基礎、最繁瑣的工作，依靠傳統人機互動進行識別解譯，不僅效率較低，而且過多主觀判斷的加入也容易導致標準執行不統一。

　　
為解決測區水體要素生產工作量大、人工采集耗費時間長等問題，該院不斷優化生產工藝，構建解譯專家知識庫，推出了人機融合智能生產工藝，即：整景智能提取—局部實時更新—綜合動態研判。首先由機器智能快速地對整景影像進行核心要素的全面識別提取，再為局部解譯效果不是很好的區域進行重點識別提取，最后由作業人員進行綜合判斷。通過這一工藝形成的水體數據集，可以實現不同區域、不同影像源、不同時相的遙感影像中河流、湖泊和坑塘等水體的快速自動提取，生產效率相比傳統作業模式提高近20%，減輕生產人員工作負擔的同時提升了遙感解譯生產的科學性和時效性。

　　
地物變化自動感知

　　
隨著山水林田湖草整體保護、系統修復、綜合治理的開展，自然資源遙感應用正在實現從周期性調查到動態化監測的轉型，傳統的作業模式很難滿足時效性需求，迫切需要提升變化信息提取技術。

　　
為更好地服務自然資源變化的智能感知和成果信息化質檢，該院融合地理信息技術與人工智能，形成了貫穿生產與質檢工序的建（構）筑物變化自動感知工藝，并在全國地理國情監測省級監測、國土利用動態全覆蓋遙感監測和衛片執法遙感監測等項目中開展了應用。利用時序多源遙感影像和歷史矢量數據，分別在生產工序和質檢工序適配不同類型指標的訓練模型，作業員只需輕輕一點，系統便自動進行不同尺度、不同場景、不同時間序列的建（構）筑物變化檢測，自動生成數據圖。結果顯示，相較于傳統多時相影像人工目視對比，生產效率提升了近20%，質檢效率提升了近40%，而且成果質量更高。

　　
結合新時期測繪地理信息“兩支撐、一提升”工作定位，未來，該院將繼續加強科技創新，深入研究測繪科技在服務自然資源調查監測、自然資源開發利用與保護、國土空間用途管控、地質災害防治、自然資源督察等工作中的技術支撐作用，不斷提高綜合保障能力。