【炸裂】AI自动帮我下载遥感影像,解译建筑物轮廓,顺带手下载了个QGIS叠加展示验证精度,效果可观

图 1　实际生成的道里区影像快视图。东北部是哈尔滨主城区，向西逐渐过渡为机场、村镇、农田与河流。

一幅能够用于建筑物解译的遥感底图，至少要同时解决四个问题：覆盖是否完整、分辨率是否够用、坐标是否正确、每个像元能否追溯到来源。如果只是从网页截图，视觉上可能很清楚，但无法稳定地量测、拼接和批量推理；如果坐标系错了，即使轮廓画得再漂亮，叠加到 GIS 中也会整体偏移。

因此，这次任务从一开始就把目标定义成一套可复现的地理数据产品：

• 空间范围：哈尔滨市道里区，行政区代码 230102；
• 影像：RGB 三波段 GeoTIFF，像元 0.5 米，带有效区掩膜与金字塔；
• 解译对象：影像中可见的屋顶轮廓，不是地籍意义上的建筑基底；
• 成果：GeoPackage、GeoJSON 和 Shapefile，主坐标系为 EPSG:32652；
• 质量控制：全区拓扑检查、分场景目视检查、外部建筑数据一致性验证。

项目边界取自 DataV/高德行政区数据。它的原始坐标采用 GCJ-02，而卫星影像服务和绝大多数国际 GIS 数据采用 WGS 84。如果直接套用，边界会产生数百米级的系统偏差。处理时先对边界执行迭代式 GCJ-02 → WGS 84 反算，再投影到 WGS 84 / UTM 52N（EPSG:32652）。

选择 UTM 52N 的原因很直接：道里区位于该投影带内，单位是米，0.5 米像元、8 平方米最小建筑面积、0.35 米简化容差等参数都可以按真实尺度设置。最终行政区矢量面积为 464.017384577 km²，栅格有效像元折算面积为 464.017349750 km²，两者误差仅 -0.0000075%，说明裁切掩膜与像元网格高度一致。

影像来自 Esri World Imagery 的 ArcGIS REST export 接口，而不是浏览器截图。服务署名为：Source: Esri, Vantor, Earthstar Geographics, and the GIS User Community。本项目下载时，覆盖道里区的源影像分辨率约为 0.31—0.50 米，元数据显示它是由 WorldView-2、WorldView-3 和 Legion-3 影像构成的多时相镶嵌，日期范围为 2023-04-08 至 2025-05-29。

这里有一个容易忽略的事实：World Imagery 是持续更新的全球镶嵌服务，因此“道里区这幅图”并不对应单一卫星、单一成像日期。不同片区可能来自不同传感器和日期，这也会给后续解译带来色调、季节和阴影差异。

为了避免一次请求超出服务限制，先在 EPSG:32652 下建立严格对齐的 0.5 米网格，再按 2048 × 2048 像素切块请求。完整外包矩形为 38 列 × 25 行，其中与道里区边界相交的任务块为 526 个。每一块下载后都记录请求范围、像素大小、状态和来源元数据，最后再镶嵌、裁切并构建内部金字塔。

主影像文件的 SHA-256 为：

9f876b1169bd8e96a980a85f266cf30f8b78ecfc98e8de12ca182722256d8f27

建筑物分割采用 HOTOSM 发布的 DINOv3 建筑模型，主体是 DINOv3 ViT-S/16 + UperNet。模型以 ONNX 格式运行，推理引擎使用 ONNX Runtime；在 Apple 芯片上优先调用 CoreMLExecutionProvider，无法支持的算子自动回退到 CPU。输入 RGB 影像按该模型的 VHR 统计量归一化。

整幅 3.9 亿级像素影像无法一次送入模型，因此采用两层切片：

1. 外层按 4096 × 4096 像素宏块处理，每个宏块带 128 像素缓冲区；
2. 内层模型窗口为 256 × 256 像素，步长 192 像素，相邻窗口重叠 25%；
3. 重叠区使用 Hanning 权重融合，最低权重设为 0.05，减少窗口边缘的棋盘状接缝。

全区共完成 151 个宏块、22,140 次模型推理。中间成果是一幅约 580 MB的双波段概率 GeoTIFF：第一波段是建筑概率，第二波段是边界概率。保留概率而不是直接输出二值结果，后面就可以反复比较阈值，无需重复跑模型。

图 2　真实城区样区：左侧为原始影像，右侧红色区域为阈值 0.4371 下的建筑预测。模型能够覆盖大部分屋顶，同时仍需抑制道路、硬化地面和阴影误检。

最终采用的建筑概率阈值是 0.4371，即 uint8 概率值不低于 112。这个数字不是拍脑袋决定的：项目比较了 0.40、0.4371、0.50 等阈值，并测试边界概率权重 0.15、0.30、0.45。综合城区、城郊、村镇、工业园和稀疏区的目视结果后，保留建筑概率主导、边界权重为 0 的方案。

图 3　真实样区的参数比较。左上为基准阈值，其余三格逐步增加边界权重；边界通道没有带来稳定增益，因此最终不参与二值判定。

矢量化不是简单的“栅格转面”。实际处理链条如下：

1. 3 × 3 中值滤波，去除孤立噪点；
2. 按 0.4371 阈值二值化，提取带洞的层级轮廓；
3. 删除小于 8 m² 的碎片，并去除面积小于 4 m² 的内部小孔洞；
4. 对几何执行有效性修复，再以 0.35 米容差进行拓扑保持简化；
5. 用长宽比、紧致度、局部置信度过滤细长道路和阴影伪影；
6. 只对矩形度不低于 0.84、宽度不低于 2 米且形态接近矩形的对象做保守正交化；
7. 把坐标吸附到 0.05 米精度网格，最后消除分块边界上的重复和重叠。

精修前共有 42,296 个对象。全区拓扑整理删除了 5 个分块边界完全重复对象，处理 7 对实质重叠，消除重叠面积 8.3617 m²，最后得到 42,291 个完整候选建筑轮廓，合计屋顶面积 30.8662 km²。

如果只在一个城区样区看起来不错，很容易对模型产生误判。项目专门制作了九宫格质检图，覆盖城市核心区、密集住宅、西南城区、城郊、机场、农村村庄、农村聚落、西部工业区和稀疏控制区。绿色是本次影像解译轮廓，黄色是 Overture East Asia VHR 参考建筑，青色是 OpenStreetMap 建筑。

图 4　全流程最关键的真实质检图。九种场景可以同时暴露密集楼群粘连、农村漏检、工业屋顶边界和稀疏区误检等问题。

验证使用了两类公开建筑数据：一是 Overture East Asia VHR 数据集（DOI：10.5281/zenodo.8174931），道里区内经过处理后约 73,964 个参照对象；二是 OSM 建筑，主验证中有效参照为 5,411 个。外部数据只用于匹配、分级和找问题，没有拿它们替换影像解译边界。

匹配时给参考轮廓建立 3 米缓冲区，通过空间索引查找候选，再统计参考对象检出率、预测对象在已制图区内的匹配代理、质心距离和 IoU。结果如下：

阈值校准另抽取 1,600 个 Overture 建筑，包含 309,199 个正样本像元和 320,000 个背景像元，在 0.30—0.70 之间以 0.025 的间隔扫描。原始像元代理 F1 在阈值 0.30 时最高，约为 0.6141；但该阈值在裸地、道路和大型硬化面上会产生明显误检。最终选择 0.4371，是把像元统计与多场景目视边缘贴合度结合后的工程折中，而不是单纯追逐一个最高分。

完整集保留所有通过几何与形态规则的 42,291 个候选。为了让默认交付更稳妥，又生成了保守集：剔除 1,642 个置信度低于 0.54、且没有 Overture 或 OSM 支持的弱候选，剩余 40,649 个，屋顶面积 30.7881 km²。

最终几何检查结果为：空几何 0、无效几何 0、重复几何 0，大于 0.25 m² 的成对重叠 0。这个结果说明成果在数据结构和拓扑层面已经干净，可以直接进入 GIS 编辑；它不等价于语义识别百分之百正确。

图 5　大型未匹配候选复核。红色为模型轮廓，黄色/青色为外部参照。未匹配不一定是误检，也可能是新建建筑、参照缺失或时间不一致。

这套结果具备区域级建筑普查和制图底稿价值，但不能把“OSM 检出率 96.03%”直接写成“总体精度 96.03%”。

原因是外部参照自身并不完整，也不完全同质。OSM 在城区覆盖较好、在农村可能缺失；Overture VHR 与本次影像的时相不同；参照通常表达建筑基底，而模型表达可见屋顶；高层建筑还会产生离轴位移。因此，上述指标更适合称为一致性代理。

结合统计结果与逐区目视检查，可以做出相对审慎的评价：

• 位置：
  与 0.5 米影像严格同网格、同投影，叠加无系统性整体偏移；平面定位首先受源影像地理定位精度和建筑高度位移影响。
• 完整性：
  城区和外部已有制图区表现较好，OSM 参照检出率超过 96%；农村小房、树木遮挡建筑和低对比屋顶仍有漏检。
• 轮廓质量：
  大型、清晰、规则屋顶边缘较稳；连排建筑可能粘连，密集阴影区和复杂工业构筑物边缘会变形。
• 误检风险：
  硬化场地、温室大棚、临时棚体、道路局部和高反射地物是主要混淆源。
• 适用范围：
  适合作为建筑普查底稿、变化排查线索、空间统计和人工核查起点；不应直接作为地籍、产权、规划许可或测绘验收成果。

最后一步不是“导出文件就结束”，而是用桌面 GIS 软件对成果做可视化复核。本项目从 QGIS 官方下载页获取 macOS 长期支持版 QGIS 3.44.12 LTR。下载的是适配 Intel 与 Apple 芯片的通用安装镜像，文件大小 1,543,137,413 字节（约 1.44 GiB），安装后应用约 3.4 GB。

安装镜像 SHA-256：

41a2876a2d373215c9fdf3e85d791f71634983c9812f69b2fa5cfddce6529e47

安装前核对了散列值；安装后，macOS Gatekeeper 验证通过，签名方为 Developer ID Application: Open Source Geospatial Foundation (4F7N4UDA22)，并带 Apple 公证票据。Windows 或 Linux 用户可以参考 QGIS 官方安装指南选择对应版本。

1. 打开主影像 daoli_world_imagery_0.5m_utm52n.tif；
2. 再加载推荐成果 daoli_buildings_conservative_epsg32652.gpkg；
3. 确认工程坐标参考系统为 EPSG:32652 — WGS 84 / UTM zone 52N；
4. 把建筑图层放在影像上方，填充设为透明，轮廓设为红色；
5. 缩放到 1:5,000 左右，分别检查城市、工业、村镇和稀疏区域；
6. 保存为 daoli_imagery_buildings_overlay.qgz，便于下次直接恢复图层和样式。

图 6　真实 QGIS 工程截图：主城区 1:5,000 叠加效果。红线紧贴多数可见屋顶，密集街区的连片建筑也是重点复核对象。

图 7　真实 QGIS 工程截图：农村与鱼塘场景。与城区相比，建筑更稀疏，树木遮挡、低对比屋顶和小型棚体更考验模型。

推荐日常使用保守集 GPKG。GeoPackage 没有 Shapefile 的字段名长度、编码和多文件组合等老问题，且对 4 万级面要素的空间索引和编辑体验更稳定。需要追求召回、准备人工复核时，再切换到完整集。

保守集 GPKG 的 SHA-256 为：

a2fb0b540a0e4733e6794c0b669b9a9c7746cf67dff4475e3615d0326d4b7610

这次任务最有价值的地方，不是某个模型名字，而是建立了一条闭环：边界坐标先校正，影像下载可追溯，推理保留概率，矢量化参数可复跑，外部参照只做验证，QGIS 再回到原始影像逐区检查。这样得到的不是“一张看起来像建筑的图”，而是一套知道来源、知道限制、还能继续编辑和改进的数据。

如果把它迁移到其他城市，建议保留下面这份检查单：

1. 确认行政区边界的原始坐标体系；
2. 选择适合当地的米制投影，并让下载网格严格对齐；
3. 保存每个影像请求的来源、日期、分辨率和返回状态；
4. 使用重叠滑窗与加权融合，控制深度学习推理接缝；
5. 保留概率栅格，分场景而不是只在单一样区调阈值；
6. 矢量化后检查无效几何、重复、重叠和分块边界伪影；
7. 把“与参照的一致性”与“真实世界精度”明确区分；
8. 在 GIS 中回到原始影像抽样复核，并记录已知局限。

遥感自动解译的正确打开方式，不是承诺机器永远正确，而是让每一个结果都能被定位、被解释、被验证，也能被修正。