随着人工智能技术的发展，越来越多的用户将深度学习与遥感技术相结合运用到自然资源调查、监管、信息管理等工作中,大大的提高了生产效率，减轻了工作人员的工作量和负担。
GeoScene的用户青岛市勘察测绘研究院（下称青岛院，文末有他们的详细介绍）在各类项目中持续创新和积极尝试，将深度学习等新兴技术融入到自然资源大格局服务中，取得了一定的技术成果。
以下为青岛院利用GeoScene平台的深度学习技术提升自然资源调查监测监管能力的案例。
地理国情监测是一项重大的国情国力调查，是自然资源调查监测重要的专项调查监测评价工作之一，是全面获取地理国情信息的重要手段，是掌握地表自然、生态以及人类活动基本情况的基础性工作。为直观反映水草丰茂期地表各类自然资源的变化情况，同时体现与自然资源基础调查、专项调查的统筹衔接，2020年地理国情监测任务新增了植被覆盖和地表水面两项专题地表覆盖生产任务。
为提高生产效率，积极探索深度学习与遥感影像相结合方式在地理省情监测专题地表覆盖提取当中的应用，青岛院使用GeoScene平台的深度学习能力，提取了青岛市范围内地表水面专题地表覆盖数据。
首先采用之前测绘手段采集的对应区域内的水体数据作为标注，使用0.5米分辨率遥感影像，标注样本1675个，导出深度学习样本2万多个。
使用GeoScene深度学习辅助地理国情监测专题地表覆盖提取
通过不断训练迭代，精度达90%以上，虽然最终提取的地表水面专题数据还存在小部分提取不完整，但是只需少量后处理及人工干预即可使用，精度基本满足数据更新需求，相对于传统人工采集方式，生产效率提升300%，有效保证了项目工期，节省了生产成本。
使用GeoScene深度学习提取的地表水面专题地表覆盖数据
为了解决新增违建巡查发现不及时不到位，人工巡查对楼顶、企业园区内部等存在不方便和盲点等问题，青岛院利用深度学习快速提取建筑的信息，并与上一期数据进行对比以快速发现变化的区域，很好地解决了以上问题。
基于0.5米分辨率遥感影像，利用历史房屋数据快速标注样本2242个，利用GeoScene深度学习能力进行样本训练。经过反复训练和调整优化，最终得到青岛市范围内的建筑物覆盖数据。
使用GeoScene深度学习提取的房屋数据
通过将深度学习结果与2018年人工采集成果进行对比，可以非常快速的发现变化的区域和房屋数量，从而达到初步筛查新增违建的目的，有效辅助了当地违法建设治理工作。
左侧为2018年人工采集成果，右侧为2019年深度学习提取成果（白框内变化明显）
为落实最严格的耕地保护制度，确保耕地占补平衡，《关于严格核定土地整治和高标准农田建设项目新增耕地的通知》要求，各级自然资源主管部门要加强新增耕地核定工作监督核查。
青岛院正在开展利用高分辨率遥感影像及相关技术手段对上报的核查结果逐项进行复核工作。为此引入深度学习技术，基于0.07米分辨率的无人机航飞影像，标注样本1217个，利用GeoScene的深度学习能力快速提取耕地信息，虽然提取结果存在小部分图斑边界不太平整，但能够很好的区分耕地和果园，为耕地整治成果验收提供评定参考。
使用GeoScene深度学习提取的耕地数据
青岛院承接青岛市部分区域的城市管理部件普查工作，为了快速实现对城市部件采集和更新，引入深度学习技术，基于0.05米高分辨率无人机航飞影像，通过历史测绘数据快速标注样本2261个，利用GeoScene的深度学习能力提取井盖的数量（提取准确数量7780个）和位置以及空间分布。虽然提取结果存在一定的误判，例如把屋顶的空调错判为井盖，但是可以利用房屋数据通过空间分析进行初步筛除（约320个），最终成果能够有效的满足项目需求，节省人力成本，提升生产效率。
使用GeoScene深度学习提取的井盖数据
深度学习与遥感技术的结合，是推动自然资源管理高质量发展的重要科技支撑，能有效服务于自然资源调查监测管理工作，可在地理国情监测、自然资源遥感监测、自然资源开发利用监测等领域中发挥重要作用。
