自然资源智能解译样本分类（米级、亚米级卫片）.pdfVIP

自然资源智能解译样本分类

（米级、亚米级卫片）

1范围

本文件规定了自然资源智能解译样本分类原则与分类体系。

本文件适用于基于米级、亚米级卫星遥感影像的广东省自然资源智能解译样本采集与制作、样

本管理以及自然资源常态化监测、各类自然资源专题监测、应急监测与管理工作。

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，其必威体育精装版版本（包括所有的修改单）

适用于本文件。

OGCTrainingDataMarkupLanguageforArtificialIntelligence(TrainingDML-AI)Part

1:ConceptualModel

GB/T10113分类与编码通用术语

GB/T21010土地利用现状分类

GB/T30322地理信息分类系统

3术语和定义

下列术语和定义适用于本文件。

3.1

面分类法methodofareaclassification

选定分类对象的若干属性（或特征）,将分类对象按每一属性（或特征）划分成一组独立的类目,

每一组类目构成一个“面”。再按一定顺序将各个“面”平行排列。使用时根据需要将有关“面”

中的相应类目按“面”的指定排列顺序组配在一起,形成一个新的复合类目。

[来源：GB/T10113，2.1.6]

3.2

线分类法methodoflinearclassification

将分类对象按选定的若干属性（或特征）,逐次地分为若干层级,每个层级又分为若干类目。同

一分支的同层级类目之间构成并列关系,不同层级类目之间构成隶属关系。

[来源：GB/T10113，2.1.5]

3.3

自然资源naturalresources

天然存在、有使用价值、可提高人类当前和未来福利的自然环境因素的总和。

3.4

智能解译intelligentinterpretation

利用计算机技术和人工智能算法，对遥感影像进行自动分类、识别、提取和解释，以获取地表

信息的过程。

1

3.5

样本training/validation/testsamples

服务于遥感智能解译机器学习、深度学习模型训练、验证、测试的数据集统称。一般由影像数

据和标注数据组成。其既区别于传统地学野外采集的物理样本，也不等同于纯粹的统计采样。

3.6

地物分类groundobjectclassification

根据遥感影像中不同地物的特征，将每个像素归类为某一地物类别。

3.7

变化检测changedetection

利用不同时间获取的影像对比分析同一区域的地表变化情况。

3.8

目标识别targetrecognition

从影像中识别储油罐、风力发电机、铁塔等特定对象或目标的任务。此类物体通常使用边界框

进行定位。

3.9

场景分类sceneclassification

根据遥感影像地物特征定义的特定语义类别，通常为多种地类的组合，主要用于场景的快速检

索，例如别墅区、火车站、公园等。

4分类编码原则与规则

4.1分类与编码原则

4.1.1实用性

样本分类应主要依据遥感影像的分辨率、目视解译识别能力和地表覆盖特征等因素，对样本进

行归纳与划分，以满足不同自然资源管理需求。

4.1.2科学性

分类与编码规则应按照“继承、稳定、转换、创新”的要求，构建样本分类体系，着力解决卫

星遥感影像的智能解译问题。

4.1.3系统性

自然资源智能解译样本分类体系应正确反映地表覆盖数据体系，分类层次应清晰合理，对于分

类对象的同级分类应采用相同的视角。

4.1.4继承性

分类与编码规则的设计应满足同一样本类型在分类体系中具有唯一代码，继承沿用现有各种自

然资源分类中效果较好的主要分类，并与相关领域的国家标准保持一致，保持分类的继承性和数据

的可追溯性。

4.1.5开放性

样本的分类采用开放框架，留有充足扩充余地，支持新类别灵活扩展的分类体系。

4.2