贵州乱占耕地建房动态监测监管技术平台研究与实现_王红雷.pdf

地理信息世界GEOMATICS WORLD第29卷 第6期2022年12月Vol.29 No.6December，2022自然资源统一调查监测技术体系构建贵州乱占耕地建房动态监测监管技术平台研究与实现Research and Platform Realization of Dynamic Monitoring and Supervision on Illegal Housing Construction on Farmland in Guizhou引文格式：王红雷，谢义娟，刘诗琦，等.贵州乱占耕地建房动态监测监管技术平台研究与实现J.地理信息世界,2022,29(6):16-20.王红雷，谢义娟，刘诗琦，严文璞，张兰兰贵州省第三测绘院，贵州 贵阳 550000作者简介：王红雷（1983），男，贵州贵阳人，高级工程师，硕士，主要从事地理信息系统开发与应用工作E-mail：通信作者：刘诗琦（1989），男，贵州贵阳人，工程师，学士，主要从事地理信息系统开发与应用工作E-mail：收稿日期：2022-08-10WANG Honglei，XIE Yijuan，LIU Shiqi，YAN Wenpu，ZHANG LanlanThird Surveying and Mapping Institute of Guizhou Province,Guiyang 550000,China【摘要】贵州属高原山地地貌，农村乱占耕地建房存在分布散、发现难等特点，开展常态化执法监管面临诸多困难。针对当前贵州省农村乱占耕地建房整治专项工作的难点和实际情况，设计从疑似违法行为自动发现到实地核查、跟踪整改的一体化监管流程，通过对卫星遥感、人工智能、GIS等技术的研究，基于全新的监管流程实现农村乱占耕地建房动态监管系统，以人防+技防提升执法监管效能，为农村乱占耕地建房整治工作提供了完整解决方案。系统应用至今全省乱占耕地建房行为发现查处效率明显提升，表明该技术方法能快速监测出疑似违法建房行为，使违法建房行为得到及时制止整改。【关键词】乱占耕地；自动变化检测；移动GIS；开源技术；动态监管【中图分类号】P2；X1 【文献标识码】A 【文章编号】1672-1586（2022）06-0016-05 Abstract：Guizhouprovincehasaplateauandmountainousterrain，whichischaracterizedbyscattereddistributionanddifficultyindiscoveryofhousesbuiltonillegallyoccupiedfarmlandinruralareas.Therefore，regularlawenforcementandsupervisionarefacedwithmanychallenges.BasedontheproblemsandtheactualsituationofthespecialworkofbuildinghousesonillegallyoccupiedfarmlandinGuizhou，thispaperdesignsanintegratedsupervisionprocedurefromautomaticdiscoveryofsuspectedillegalactstoon-the-spotverificationandfollow-uprectification.Throughsatelliteremotesensing，artificialintelligence，GISandothertechnologies，adynamicsupervisionsystemforbuildinghousesonillegallyoccupiedfarmlandinruralareasisrealizedbasedonthenewsupervisionprocess，soastoimprovetheefficiencyoflawenforcementandsupervisionby“civildefense+technicaldefense”.Itprovidesacompletesolutionfortheconstructionandrenovationofhousesinruralareas.Sincetheapplicationofthissystem，theefficiencyofthedetectionandpunishmentofillegalhousebuildingbyoccupyingfarmlandinthewholeprovincehasbeensignificantlyimproved，indicatingthatthistechnicalmethodcanquicklydetectsuspectedillegalhousingconstruction，sothatillegalhousingconstructioncanbestopped（rectified）intime.Key words：illegallyoccupiedfarmland；automaticchangedetection；mobileGIS；opensourcetechnology；dynamicsupervision0 引 言粮食安全关系国计民生，是国家安全的重要根基。为保障国家粮食安全，坚守耕地保护红线底线不突破，2020 年 7 月 3 日国务院召开农村乱占耕地建房问题整治工作电视电话会议，要求以零容忍的态度坚决遏制新增乱占耕地建房行为，随后印发一系列坚决制止耕地非农化、防止耕地非粮化的意见通知，强调严格规范耕地占补平衡，严格保护耕地红线和粮食播种面积，保障国家粮食安全。贵州农村乱占耕地建房整治专项工作主要通过自然资源部门实地巡查暗访、政策宣传等人防方式进行，虽然取得了一定成效，但工作方法单一、被动，缺乏自主快速发现疑似乱占耕地建房行为、跟踪整改违法用地行为的技术方法，农村乱占耕地建房行为禁而不止。近几年，国内学者对遥感影像变化检测技术和 GIS 理论、应172022年 第6期自然资源统一调查监测技术体系构建用进行了大量研究，并取得丰富成果1-3，全国开始探索以 3S 技术、互联网技术和通信技术融合辅助执法监查工作4-8，但大多数方法自学习能力和泛化能力差9-10，不能满足大数据量、多频次快速解译的现实需要，且未形成完整业务流程解决方案。因此，本文针对当前贵州省乱占耕地建房整治动态监管面临的难点及当前研究的不足，改进现有工作模式，研究深度学习遥感影像自动变化检测技术、开源技术、GIS 技术等关键技术，搭建涉及整个乱占耕地整治工作流程的监测监管系统，使全省乱占耕地整治工作由被动查处变为主动出击，为提高自然资源治理的能力和水平提供有力的技术支撑。1 业务流程设计1.1 监测对象乱占耕地建房整治工作监测对象为全省范围内 2020年 7 月以来疑似违法新增的建/构筑物及工矿用地，包括新建、动土在建、续/改/扩建，主要监测其空间位置、面积、占基本农田/耕地面积、违法及整改情况等，最小监测面积为 100 m2。监测对象特征见表 1。1.2 影像数据情况动态监测遥感影像数据来源于贵州省遥感统筹影像，全省范围每季度覆盖一次，分辨率为 0.5 2 m，主要类型包括高分 1、2、7 号，以及北京 2 号、吉林 1号、SuperView-1、KOMPSAT-3A 等。1.3 动态监测监管流程区别于传统人防的违法乱占耕地建房监管方式，本次设计构建“空天地一体化”的全流程遏制新增乱占耕地建房常态化监测管理体系，通过上下联动、人防+技防，做到违法用地早发现、早制止、早处理。动态监管流程如图 1 所示。以月为监测周期，省、市、县 3 级自然资源执法部门分工协作。省级部门依托技术支撑单位，每月获取最新的卫星遥感影像，经过预处理后作为后时相影像，采用 AI 自动识别和人工筛选的方式与 2020 年 7 月以前的影像对比分析，监测提取变化区域，与专题数据进行GIS 叠加分析得到疑似违法目标数据，入库动态监管系统，并将核查任务自动推送至地方核查人员 APP；县级核查人员通过核查举证 APP 获取省级下发的疑似新增违法图斑，开展实地核查和信息上报；省、市级对上报信息按要求进行审核。审核流程如图 2 所示，市级对上报信息的真实性、完整性、准确性进行初审核，通过后省级进行最终审核。对于确属乱占耕地违法建房的图斑，通过监管平台持续跟踪并督促地方整改，地方按相关要求（拆除复耕、没收、保留、移交等）整改并上报相关表 1 监测对象特征Tab.1 Characteristics of monitoring objects建设类型前时相后时相实例样图（前/后时相）新增建/构筑物非建设用地（耕地、林地、草地等）或没有明显建设有明显新增建设特征，覆盖有建/构筑物或在建中房屋、工棚、温室大棚、看护房、养殖场、公园、广场、地面硬化、推填土等续建有明显建设推填土特征或在建特征有明显建设特征，覆盖有建/构筑物地基、工棚、建/构筑物、广场、公园、道路、大型沟渠、路面硬化等改/扩建已有建/构筑物或在建特征有明显新增建设特征和区域面积扩大房屋、养殖场、公园、广场、地面硬化、推填土、道路等新增/扩工/采矿用地非建设用地（耕地、林地、草地等）或工/采矿用地工/采矿用地或其范围明显扩大采矿、采石、采砂（沙）场，砖瓦窑等地面生产用地及堆放场图 1 动态监管流程Fig.1 Dynamic supervision process王红雷，等.贵州乱占耕地建房动态监测监管技术平台研究与实现18地理信息世界GEOMATICS WORLD第29卷自然资源统一调查监测技术体系构建图 2 审核流程 Fig.2 Audit process2 自动监测方法近年来，随着计算机视觉领域人工智能算法的快速发展和出色表现，一些学者将其理论方法引入遥感影像自动解译领域，涌现了大量的自动遥感解译方法11-12。与传统基于经验设定特征的检测方法相比，卷积神经网络（Convolutional Neural Networks，CNN）是为识别二维图像而设计的，带有卷积结构的特征深度学习模型，通过卷积操作，网络能够逐层学习输入图像的深层次特征，具有良好的容错能力、自学习能力和并行处理能力，有学者将 CNN 应用于高分辨率遥感影像建筑物自动提取，表明其自动化水平和精度比传统方法有显著提升13-15。因此，本文立足贵州省乱占耕地建房监测的现状和需求，基于 CNN 深度学习网络，建立了疑似乱占耕地建房自动识别框架（图 3）。每月获取的最新遥感影像经预处理后，与 2020 年 7 月前遥感影像统一地理空间坐标、分辨率和位深，输入 CNN网络中自动解译，通过将解译结果简化、矢量化和人工错分筛选后，与专题数据进行 GIS 叠加分析得到最终疑似违法图斑监测结果。3 平台研发与实现3.1 动态监管平台动态监管平台由 1 个应用服务器系统、两个应用子系统及用户体系构成，总体架构如图 4 所示。1）应 用 服 务 器 系 统。Eggjs 是 基 于 Node.JS16的开源 Web 框架，继承 Node.js 所有特性，基于约定和规范开发，能够快速搭建高性能应用服务器，PostgreSQL17-18开源数据库对空间数据有良好支持，为降低开发经费，动态监管平台应用服务器基于 Eggjs 和PostgreSQL 搭建。2）农村乱占耕地建房信息管理子系统。采用跨平台的 B/S 结构，通过台账表和影像地图叠加矢量数据两种方式直观展现监测数据，提供简洁、友好的操作界面。基本形式为客户端服务器数据 3 个逻辑层，逻辑层之间通过标准协议、服务和软件连接器联系。3）农村乱占耕地建房核查举证 APP。基于 Android系统进行开发，采用影像底图叠加矢量数据的直观方式展示核查数据。因贵州山区网络条件不佳，APP 设计为离在线一体化模式，嵌入轻量型 SQLite 数据库缓存业务数据，确保用户在无网络环境