ICS 07.040 CCS A 77 15 内蒙古自治区 地方 标准 DB15/T 3937—2025 典型地物遥感智能解译 技术规程 Code of practice for Intelligent remote sensing Inter pretation of typical ground 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/T 3937 —2025 I 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 DB15/T 3937 —2025 II 前言 本文件按照 GB/T 1.1 —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/TC 27 ）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。 DB15/T 3937 —2025 1 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/T 18316 数字测绘 成果质量检查与验收 GB/T 24356 测绘成果质量检查与验收 CH/T 1015.3 基础地理信息 数字产品 1:10000 1:50000 生产技术规程 第3部分：数字正射影像图 (DOM) TD/T 1055 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 artifical intelligence 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 deep learning semantic segmentation m odel 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 fine tune DB15/T 3937 —2025 2 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。 DB15/T 3937 —2025 3 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/T 1015.3 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/T 18316 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 DB15/T 3937 —2025 4 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。 Precisio n（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）： Precision = TP TP+FP ……………………………………………(1) 式中： TP——表示真正例 true positive ，模型正确预测为正类的数量； FP——表示假正例 false positive ，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）：