DB3710 T 173-2022 养殖海筏卫星遥感监测技术规范.pdf

《DB3710 T 173-2022 养殖海筏卫星遥感监测技术规范.pdf》由会员分享，可在线阅读，更多相关《DB3710 T 173-2022 养殖海筏卫星遥感监测技术规范.pdf（12页珍藏版）》请在麦多课文档分享上搜索。

1、ICS 07.060A 45DB3710威海市地方标准DB 3710/T 1732022养殖海筏卫星遥感监测技术规范Technical specification for sea rafts monitoring based on satelliteremote sensing2022-10-12 发布2022-11-12 实施威海市市场监督管理局发 布DB3710/T 1732022I目次前言.II1范围.12规范性引用文件.13术语和定义.14数据准备.24.1卫星影像数据.24.2基础地理信息数据.25数据预处理.25.1坐标基准.25.2深度基准.25.3几何定位精度.25.4影像配准

2、精度.25.5卫星影像数据处理.26监测流程.27监测方法.37.1样方布设.47.2外业数据采集.47.3建立样本库.47.4提取模型.47.5精度评价.47.6数据提取.47.7结果修订.47.8面积统计.48监测成果.58.1矢量数据.58.2监测报告.58.3专题图.58.4统计表.5附录 A（规范性）矢量数据属性结构表.6附录 B（规范性）专题图.7附录 C（规范性）统计表.8DB3710/T 1732022II前 言本文件按照 GB/T 1.12020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。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专

3、利的责任。本文件由威海市自然资源和规划局提出、归口，并组织实施和评估。本文件起草单位：威海市自然资源和规划局、山东省地质矿产勘查开发局第六地质大队、航天科工海鹰集团有限公司、威海市国土空间技术中心。本文件主要起草人：郑军洋、徐昌、苏晓玉、宋彬、于明辉、韩宗涛、邢晓平、贾婧雯、寻鹏、薛超玉、邵棋藩、裴心宁、闫少青、李宏伟、王梦涵、刘增超、权嘉乐。DB3710/T 17320221养殖海筏卫星遥感监测技术规范1范围本文件规定了养殖海筏卫星遥感监测的数据准备、数据预处理、监测流程、监测方法和监测成果。本文件适用于应用高分辨率卫星遥感技术开展养殖海筏面积及空间分布的卫星遥感监测工作。2规范性引用文件下

4、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 14950摄影测量与遥感术语GB/T 15968-2008遥感影像平面图制作规范GB/T 17694地理信息术语HY 070海域使用面积测量规范3术语和定义GB/T 14950、GB/T 17694、HY 070界定的以及下列术语和定义适用于本文件。3.1养殖海筏sea rafts指在浅海水面上利用浮子和绳索组成的养殖浮筏。3.2准确率accuracy所有预测正确的（包括正类和负类）占总数的比例。3.3召

5、回率recall反映了所有真正为正例的样本中被分类器判定出来为正例的比例。3.4决策树分类decision tree classification通过样本数据构建一棵树，树中除了叶子节点的每个节点都是一个数据特征的划分点，将待测数据的对应特征和该节点上的划分特征做对比，直至分到叶子节点为止，实现待测数据类型的判别。DB3710/T 173202223.5学习率learning rate优化算法中的一种调谐参数，用以控制模型的学习速度及模型参数的更新速度，使损失函数收敛到最小值。4数据准备4.1卫星影像数据4.1.1宜选择 2 月至 11 月的卫星影像数据。4.1.2卫星影像数据质量应符合 GB

6、/T 15968-2008 中 3.1.1 的规定。4.1.3遥感卫星影像分辨率不低于 2m，云量宜小于 5%且云层区域未覆盖筏式养殖区。4.1.4遥感卫星影像数据应包含蓝、绿、红、近红外四个波段，宜使用 GF-1、GF-2、GF-6 等国产高分辨率卫星影像。4.2基础地理信息数据选用海岸线矢量数据和宗海矢量数据，以确定海域监测范围。5数据预处理5.1坐标基准采用CGCS2000坐标系。5.2深度基准采用理论最低潮面（理论深度基准面）。5.3几何定位精度卫星影像的平面位置中误差应优于2个像元。5.4影像配准精度同一传感器多波段之间应无“双眼皮”现象，多光谱波段间配准精度应优于0.3个像元；全色

7、与多光谱数据配准精度应优于0.5个像元；不同卫星数据源间影像配准精度应优于1像元。5.5卫星影像数据处理卫星影像数据应经过辐射定标、大气校正、正射校正等处理，得到数据成果包括两类，一类是包含蓝、绿、红、近红外的地表反射率数据，数值浮点型，位深32bit；一类是包含RGB（即红、绿、蓝）波段的真彩色数据，数值整型，位深8bit。所有数据的数学基准应保持一致。6监测流程利用高分辨率卫星影像数据，依据影像颜色、纹理、形状特征，制作养殖海筏样本，采用卷积神经网络模型及决策树模型，精准识别养殖海筏面积及空间分布等信息。养殖海筏卫星遥感监测流程见图1。DB3710/T 17320223图 1养殖海筏卫星遥

8、感监测流程图7监测方法DB3710/T 173202247.1样方布设在主要筏式养殖区，按照空间布局均匀、代表性强的原则布设样方，区市宜布设不少于6个样方，每个样方大小为5km*5km。借助高分辨率遥感卫星影像，内业完成疑似养殖海筏边界勾绘，形成样方调查数据集。7.2外业数据采集外业调查过程中，核查内业勾绘的疑似养殖海筏数据情况，记录每个调查区域实际养殖情况，填写外业调查表。7.3建立样本库结合外业采样数据，在卫星影像上划定具备典型性的样本标绘范围，勾绘所有养殖海筏矢量样斑，并进行栅格化处理。通过随机裁剪及样本增强处理，构建养殖海筏样本库，样本数量应不少于2000个，每个样本由三波段RGB影像

9、及标签数据构成。7.4提取模型7.4.1构建7.4.1.1通过仿射变换构建不同视角的样本图像，增加样本数据的丰富性，利用颜色、形状、纹理特征，构建深度学习卷积神经网络模型，通过注意力机制提升模型泛化能力，实现养殖海筏的高精度提取。7.4.1.2结合标绘的养殖海筏样斑及地表反射率影像数据，提取养殖海筏的光谱反射率特征，构建决策树模型，通过决策树分类规则实现海域背景的高精度剔除，提升养殖海筏的提取精度。7.4.2训练利用深度学习卷积神经网络模型，对养殖海筏样本库进行模型训练，训练批次应依据单次传递给网络用以训练的样本个数(batch size)和学习率而设定，当损失函数收敛时终止训练，保存训练后模

10、型。7.5精度评价在构建的样本库中，选择20%的样本作为验证样本集，该样本不参与模型训练。在模型训练过程对验证集样本影像进行养殖海筏提取，将提取结果与真实样本标签数据进行对比，计算准确率和召回率，其计算结果应达到90%及以上。7.6数据提取根据训练后模型及高分辨率真彩色卫星影像数据，实现养殖海筏提取结果输出（栅格），再依据决策树模型及高分辨率地表反射率卫星影像数据，实现提取结果中背景像元的有效剔除，经矢量化处理，得到养殖海筏矢量数据提取结果。7.7结果修订内业人员对提取结果进行目视判断检查，针对无法明确的区域，由外业调查人员开展后续现场核查工作，形成养殖海筏矢量数据成果。7.8面积统计养殖海筏

11、面积统计宜采用高斯-克吕格投影，对最终监测面积进行统计，单位为（hm2），精确到0.001。DB3710/T 173202258监测成果8.1矢量数据养殖海筏矢量数据属性字段包括监测时间、养殖海筏面积等，矢量数据属性的内容及格式见附录A。8.2监测报告监测报告内容包括监测时间、范围、卫星及传感器、监测流程、监测方法、监测结果和统计分析等。8.3专题图养殖海筏空间分布监测专题图内容包括图名、图例、公里格网、比例尺、养殖海筏分布信息以及行政区域地理信息等，专题图的表示形式见附录B。8.4统计表统计表内容包括统计行政区划、养殖海筏面积等信息，统计表的内容及格式见附录C。DB3710/T 173202

12、26AA附录A（规范性）矢量数据属性结构表养殖海筏卫星遥感监测矢量数据属性结构表见表A.1。表 A.1矢量数据属性结构表序号字段名称字段说明字段类型字段长度小数位数备注1TIME监测日期SJ2YHWZSM用海位置说明Char303TBBH图斑编号Char104TBLX图斑类型Char105XZB中心经度Double1566YZB中心纬度Double1567YZHFMJ养殖海筏面积Double1528BZ备注Char100DB3710/T 17320227BB附录B（规范性）专题图养殖海筏空间分布监测专题图见图B.1。图 B.1养殖海筏空间分布监测专题图DB3710/T 17320228CC附录C（规范性）统计表养殖海筏卫星遥感监测统计表见表C.1。表 C.1养殖海筏卫星遥感监测统计表行政区划图斑数量养殖海筏面积（公顷）总计_