“第二十八届中国科协年会学术论文”专题：

1.空天信息技术驱动的区域经济韧性评估与政策响应机制研究

2.上海国土空间星空地一体化遥感监测关键技术及应用

3.基于改进的YOLO11的天际线检测算法

4.面向灾前光学与灾后SAR的配准不确定性感知实例级建筑损毁评估

5.无人机倾斜摄影测量技术支持下的三维建模可行性研究

6.耦合多因子要素的川渝跨省低空目视航线自动规划及航线服务能力评估

7.面向高标准农田基础设施管护的无人机巡检智能分析方法

8.高速公路路域植被生物量估算——以山西省太临高速为例

9.面向多云地区的置信度引导多模态Transformer水稻提取

10.人—房—经济耦合的三维城市时空演化模式识别与路径分析——以中国西南地区为例

上海国土空间星空地一体化遥感监测关键技术及应用

摘要：目的 为响应超大城市治理现代化需求,解决传统国土空间监测范围广、变化快、监管难的痛点,本文阐述了构建国土空间星空地一体化遥感监测的关键技术及应用场景。 方法 基于“立体感知—智能驱动—平台赋能—场景创新”的总体框架,深度融合卫星遥感、航空遥感、无人机(库)等多源遥感数据,通过多源异构数据融合、AI驱动的国土空间智能解译等关键技术,实现国土空间变化的全域快速响应。 结果 以上海为例,在耕地保护、生态安全、不可移动文物监测等场景开展了系列技术验证与实践探索。 结论 本文方法兼具先进性和业务实用性,可为全国城市国土空间精细化治理和应用场景创新提供参考。     

 关键词：星空地一体化  国土空间监测  多源遥感  超大城市  智能解译 

 基金项目：上海市科委科技创新行动计划-长三角构建区域创新共同体领域(24CSJ140304) 

 本文引用格式：  张雯, 姚文强, 赵峰. 上海国土空间星空地一体化遥感监测关键技术及应用[J]. 测绘通报，2026(5)：7-11, 16.  

 阅读全文：http://tb.chinasmp.com/article/2026/0494-0911/20260502.htm 

 当前，上海正深入贯彻落实“人民城市”理念，全面推进城市数字化转型，这对城市精细化管理和智慧监测提出了更高要求。传统的国土空间监测面临着范围广、变化快、监管难等多重挑战[1]。一方面，自然资源分布广泛且动态变化频繁，仅依靠人工巡查或单一技术手段难以实现全面覆盖；另一方面，卫星遥感影像和航空正射影像虽能提供大范围的数据支持，但其获取过程易受天气影响，难以满足实时性和动态性的需求[2]。低空经济催生了无人机等新业态，为城市国土空间真正实现动态监测和即时响应提供了新的解题思路[3-5]。 

 为加强自然资源国土空间用途管制，提升国土空间资源监管效能，国内各大城市在监测体系建设方面已经开展了一些探索。北京依托国土空间基础信息平台，通过“遥感监测+无人机核查+地面巡查”模式实现了新生违法建设的“天上看、地上查、网上管”[6]。广州构建了“广州鹰眼”低空遥感监测系统[7]，以“基础设施+信息平台+AI算法+应用场景”四维架构为核心，通过百余座无人机库，实现违建全流程监管。武汉建立了“城市智眼”无人机遥感监测网络，为十余个行业部门提供常态化服务[8]。可见，我国各城市结合本地管理需求形成了各具特色的技术方案，但目前主要是侧重于使用某一遥感数据源或聚焦某一应用领域，尚未构建起多源遥感数据协同联动的立体监测网络，难以满足超大城市全域化、全要素监测和快速响应反馈的治理需求。 

 本文立足上海超大城市精细化管理实际需求，通过整合卫星遥感、航空遥感和无人机(库)等多源时空数据，构建国土空间星空地一体化遥感监测体系，结合人工智能技术，实现全域监测和快速响应，并在多个专题场景中开展应用示范，以期为其他城市提供可复制、可借鉴的技术框架与实践经验。 

 0 1 建设框架与关键技术       

构建多尺度、全方位的国土空间星空地一体化智慧遥感监测体系，以“立体感知—智能驱动—平台赋能—场景创新”为主要框架，建设多源遥感数据管理和应用一体化平台，如图 1所示。具体建设内容如下。

图 1 城市国土空间星空地一体化监测建设框架

1.2 关键技术

1.2.1 星空地一体化感知网络建设

多源数据获取是建立监测体系的首要问题[10]。整合卫星遥感(亚米级)、航空遥感(分米级)、无人机低空遥感(厘米级)数据资源，形成兼具宏观区域和局部点单元的遥感影像获取方式。针对城市区域，优先考虑获取亚米级卫星影像，在拍摄时点的选择上以应用需求为导向。航空遥感作为高精度的城市肌理分析数字底板，为低空遥感提供影像参考。综合考虑网络和数据安全条件，结合现场实勘调查，规划无人机库部署点位，利用航空遥感成果(DOM、DEM、DSM)实现无人机航线规划，构建低空安全场；再结合地面测量感知设备，构建星空地一体化感知网络[11](如图 2所示)。

图 2 星空地一体化感知网络

1.2.2 多源异构数据融合

为满足各类监测应用需求，除星空地一体化感知网络获取的遥感数据外，同时还需要汇集各类行政审批、地籍权属、规划用途等结构化数据。由于单一来源数据获取的信息片面，但多类型的数据存在精度、时相、格式等诸多不同，因此需要将多源异构数据进行融合，形成统一的时空基底[12]。将多源数据分类形成原始测绘数据、地理特征要素和决策支撑信息，分别开展数据级融合、特征级融合和决策级融合[13]。

(1) 原始测绘数据数据级融合技术，解决遥感影像栅格数据像素级空间匹配的问题。对光学卫星遥感影像进行辐射校正和空间坐标转换等预处理，消除遥感影像数据系统偏差；将分米级航空正射影像作为影像基准，采用加权平均、小波变换等算法，对预处理后像素数据进行快速几何校正和匹配，保留卫星影像原始辐射与空间细节信息。对无人机低空遥感影像，通过拍摄影像的序列位置与POS姿态，对影像进行特征点自动匹配、密集点云生成及正射影像拼接，将正射影像拼接的航向和旁向重叠度由70%、80%降低至30%、30%左右，解决无人机影像单张覆盖范围小、拼接易错位等问题，实现局部区域、高精度无人机影像的快速一体化拼接，与卫星遥感影像实现空间匹配[14-15]。

(2) 地理特征要素级融合技术，实现结构化数据和遥感影像数据的融合和专题特征要素信息提取。对结构化数据进行治理，通过数据清洗、标准化整理等，形成规范化、结构化数据库。利用数据级融合后的遥感影像数据，采用Canny算法等提取影像中的地物边缘、纹理等核心特征，通过加权融合、目标检测算法等构建空间地理特征集合。此外，针对单张无人机影像的空间自动匹配，可利用数据级融合进行矢量栅格一体化空间匹配，充分发挥结构化数据库与遥感影像的协同支撑作用。

(3) 决策支撑信息决策级融合技术，将特征级融合数据转化为地物分类、变化识别等标准化初步决策信息，根据应用需求实现数据精准定位与快速调取，将分散的决策信息转化为标准化、结构化的决策级数据集，为后续AI遥感智能解译和决策分析模型的高效运行提供支撑。

1.2.3 AI遥感智能解译

AI遥感智能解译是建立智慧监测体系应用的核心内容[16](如图 3所示)。系统构建影像样本库、光谱样本库、特征样本库和变化信息样本库。影像样本库利用要素特征级融合数据，按照分辨率、地物类型分类，进行样本裁剪、标注标准化等处理；光谱样本库依托高光谱影像数据，提取耕地、林地、水体、房屋等典型地物的光谱曲线，结合地面实测数据建立光谱特征字典；特征样本库整合特征级融合数据，按地物专题类型分类存储，满足不同模型的样本需求；变化信息样本库标注多时相影像的变化范围及类别，并采用数据增强技术扩充样本量。

图 3 AI智能解译算法

模型训练与优化方面，利用多层语义结构模型和深度学习模型等，通过训练和优化参数，实现目标检测、变化监测、场景分类、地表覆盖分类等多项任务，其中目标检测任务采用YOLO、Faster R-CNN模型等，变化监测任务采用Siamese、ChangeNet模型等，场景分类与地表覆盖分类任务采用U-Net、ResNet模型等。针对城市区域地物破碎、复杂程度高的特点，训练过程中采用自适应学习调整，优化模型过拟合、训练收敛慢等问题。通过精确性评价、信息熵或混淆矩阵等方法，对模型性能进行量化评估。

聚焦耕地、林地、水体、房屋等专题信息，结合决策级融合数据对其属性进行补充，作为智能解译数据的精度验证，提升城市国土空间信息智能解译能力[17]。

1.2.4 国土空间监测平台研发

打造集数据汇聚、任务调度、智能解译、指标管理、编制报告等功能于一体的国土空间监测平台，技术框架如图 4所示。通过制定数据采集、处理、更新和存储的全流程技术标准，建立高效共享的数据资源池[18]。建立基于政务云的私有化部署与数据加密机制，确保数据资源的安全、保密、可控。集成遥感智能解译与变化发现模型库和工具箱，实现数据处理自动化、监测成果可视化、分析报告智能化输出，为从监测体系的技术端到应用服务端提供便捷。

图 4 国土空间监测平台技术框架

2.1 构建全域监测感知体系

按照监测建设框架，结合上海超大型城市精细化管理需求和多源遥感数据获取的实际能力，开展系列技术验证与实践探索，目前已初步形成上海国土空间星空地一体化遥感监测网络见表 1。数据获取方面，全市域卫星遥感影像(50 cm分辨率)季度覆盖、重点区域双月度覆盖，航空正射影像(10 cm分辨率)全市年度覆盖，无人机库已部署上线70余台，覆盖全市涉农区域超6000 km2。卫星遥感影像具有覆盖范围大、单位面积成本低等优势，可实现区域宏观监测，但分辨率低、时效性不足，影像获取易受云雨天气影响；航空遥感影像能提供全域分米级高精度信息，可以采集大范围高精度多类型信息，可作为重要的底图资料，但空域申请复杂、数据处理周期长，时效性不足；低空遥感无人机(库)影像则能提供实时的厘米级细节信息，及时快速精准捕捉局部特征，但电池容量有限、不适合广域飞行。通过3种数据获取手段的相互协同补充，弥补了单一数据源的不足，有效提升了上海国土空间监测遥感数据获取的全面性与适应性。

表 1 上海国土空间星空地一体化遥感监测数据获取

2.2 研发AI智能解译算法

以“数据+AI”为核心，针对实际应用需求，研发形成基于多源数据的AI智能解译算法模型库。通过对多源遥感影像进行配准融合，实现卫星遥感影像“T+3”快速纠正，用于大范围快速获取变化；针对无人机(库)获取的厘米级影像，进行弱约束条件下的遥感正射影像生成和矢栅一体化多维度融合，并构建低空遥感影像变化样本库，形成2万多组无人机影像变化样本库，无人机影像变化识别准确率提升20%。此外，针对不同应用场景开发相应专题信息智能解译模块，如土地资源监测模块，重点研发耕地、林地、水体、建设用地等14类专题要素的智能提取与分类模型；城乡建设巡查模块，重点研发挖湖造景、临时推堆土等典型场景智能解译模型(如图 5所示)。

图 5 基于无人机影像的变化发现智能解译

2.3 打造智慧高效的全流程技术体系

研发“上海国土空间星空地一体化监测系统”，实现监测数据统一管理、智能解译模块化服务、统计分析指标管理等功能。平台支持海量多源数据的高效存储与管理，并建立覆盖数据全生命周期的技术标准体系，从而保障数据处理流程的自动化与规范化。建立在政务云端的系统，可直接对接审批管理系统和AI解译算法模型，实现数据安全可控、功能自定义扩充、智能水平自主提升(如图 6所示)。

图 6 上海国土空间星空地一体化监测平台示意

 0 3  应用实例       

 为切实推动上海国土空间星空地一体化遥感监测体系从“技术可行”向“业务实用”的转变，目前已在耕地保护、生态安全、应急管理、历史文化保护等多个场景中得到应用，并取得了显著成效。 

 3.1 耕地保护 

 耕地保护作为自然资源管理的重要工作，常规监测监管一般通过卫星遥感监测发现疑似变化图斑，再进行人工实地核查。上海国土空间星空地一体化遥感监测体系充分利用多源遥感影像的优势，在卫星遥感提供大范围、周期性宏观数据的基础上，通过AI智能解译对两期不同时相的耕地“非农化”进行智能变化检测，算法能够快速识别水体、林地、建筑等疑似违法的重点目标地物；通过耕地范围内专题要素样本迭代训练，不断提升智能解译的准确性，尤其针对小图斑水体识别与复杂地物类型提取，目前水体识别的准确率可达93%，召回率可达90%[19]。针对疑似变化图斑，利用无人机库(群)对疑似变化图斑进行智能核查。无人机厘米级影像分辨率较卫星遥感影像亚米级提升10倍以上，可多角度、精细捕捉地表变化；此外，无人机核查举证的响应速度从“按天计算”跃升至“分钟级触发”。例如，在某街镇耕地保护工作中，人工核查140个图斑约1.164 km2)需96工时(12人次×8 h)，而单台无人机仅需9 h作业，时间压缩90.6%，实现了耕地保护从“粗放监测”到“精准治理”的转变。目前已应用于上海量子城市建设“鹰击护耕”场景中。 

 3.2 生态保护 

 生态保护红线是我国生态安全的底线与生命线。为了及时掌握生态保护红线各类敏感指标变化情况，改变以往此类工作技术难度大、工作量大、效率低的状态，通过星空地一体化遥感监测体系持续开展生态保护红线的跟踪监测。利用卫星遥感每季度对生态保护进行定期遥感监测，及时发现违规建设、倾倒渣土等行为。通过多源数据融合和快速处理，以卫星和航空遥感影像为基础底图，利用无人机(库)对重点区域进行每年2次详查，通过低空遥感影像快拼图算法实现低重叠度的影像拼接。如，在某1 km2的生态保护区域内，通过季度卫星遥感影像发现3处疑似问题图斑，主要为林地变为人工堆掘地等；结合无人机详查，通过多角度取证拍照，进一步核实发现了16处疑似问题图斑，包括林地变为草地等类型，识别精准、效率高效、预警即时，为生态管理部门及时掌握生态保护区域的生态情况及用地变化提供了技术保障和高精度数据支撑。 

 3.3 不可移动文物监测 

 不可移动文物承载着人类文明的历史记忆。通过卫星遥感影像定期发现不可移动文物本体及其沿线范围内的变化，比如文物本体拆除、周边道路施工等。当卫星遥感影像识别到变化特征后，可即时触发无人机拍照取证的任务，任务调度引擎将自动生成飞行采集任务，分配至对应区域的无人机库；飞行采集完成后，数据可自动推送至相关业务系统，和审批数据进行叠加对比；对判定为疑似违法违规图斑的，可推送相应执法部门，从而实现“动态监测-快速取证-审批分析-线索推送”的全流程管理，相较于人工现场巡查，无人机库每小时采集复核工作量是人工复核量的近十倍，大大减少了资源成本，为不可移动文物保护提供重要的技术支持。 

 0 4  结语       

 立足上海超大城市精细化治理需求，本文探讨了星空地一体化遥感监测建设的主要关键技术与实践应用。通过构建超大城市多源遥感协同的立体监测网络，实现AI驱动的国土空间智能解译与快速响应机制，创新业务需求导向的场景应用模式，并在上海的耕地保护、生态保护及不可移动文物监测等场景取得了显著成效。 

 但是，当前该监测体系仍存在一定的不足。首先，星空地一体化数据的获取还主要集中于遥感影像，未来可接入更多物联感知设备，提升多源异构数据的时空匹配和融合能力。其次，随着样本库的不断补充和优化，AI智能解译算法的准确率虽有所提升，但在复杂场景下的适应性仍需加强。此外，平台的功能可进一步扩展，比如引入大语言模型与AI智能体技术、构建国土空间专业知识库，实现智能问答、语义检索等高级功能。未来，将持续深化国土空间星空地一体化监测体系，助力上海打造具有世界影响力的社会主义现代化国际大都市。