我國經(jīng)濟社會發(fā)展和民生改善比過去任何時候都更加需要科學技術解決方案，都更加需要增強創(chuàng)新這個第一動力。近年來，鮮明的“大數(shù)據(jù)”時代特征和不斷增長的“信息流”，正推動著自然資源科技與人工智能迅速接軌，并逐漸應用于地質調查填圖、礦產(chǎn)資源預測、遙感影像解譯、地質災害防治、自動駕駛地圖等方面。那么，當前自然資源領域人工智能應用還存在哪些問題，其發(fā)展又有著怎樣的趨勢與方向呢？

地質知識智能化推動現(xiàn)有工作模式轉變

所謂人工智能，就是用機器模擬人的識別、認知、分析和決策能力。近年來，人工智能的普及化正以前所未有的方式改變著人類的生活。

隨著計算力的突破、數(shù)據(jù)洪流的暴發(fā)和算法的不斷創(chuàng)新，在具有鮮明“大數(shù)據(jù)”特征的自然資源領域，以深度學習為代表的人工智能也顯現(xiàn)出了勃勃生機，輔助政府實現(xiàn)對自然資源的智能治理，形成科學化和精準化的決策。

“在深度學習、自然語言處理、計算機視覺、智能機器人、自動程序設計、數(shù)據(jù)挖掘等方面表現(xiàn)優(yōu)異的人工智能，正在成為地質調查工作升級進化的重要引領力量。”自然資源部地質調查主流程信息化創(chuàng)新團隊負責人李超嶺告訴記者，該團隊地質調查智能化的研究始于2014年。6年來，中國地質調查局發(fā)展研究中心聯(lián)合中國地質大學（武漢）等多家單位，基于“人工智能+大數(shù)據(jù)+云計算”等新一代技術，開展了以“地質調查全流程知識+認知智能化”為核心的新一代泛數(shù)字地質調查技術體系、方法和流程的研究，現(xiàn)已取得明顯進展。

“經(jīng)過近5年的攻關與試驗，我們在地質填圖方面已基本形成了基于填圖單位、地質路線（PRB）數(shù)據(jù)深度學習的地質圖預測技術、方法、流程、軟件系統(tǒng)和應用平臺。”隨即，李超嶺拿出幾幅剛剛“出爐”的地質圖，邊比對邊講解。

不久前，為檢驗該項技術方法的能力水平，李超嶺團隊與沈陽地質調查中心共同開展了奈瑪拉吉、巨里河及荷葉哈達等1：5萬圖幅的填圖工作。結果令人欣喜：人工智能獲得的圖件與地質人員野外地質填圖基本一致，顯現(xiàn)出模型對各類地質體預測評價的準確性。

“這項技術突破后，將進一步變革現(xiàn)有地質調查工作模式，形成‘優(yōu)化地質路線+地質知識圖譜+地質大數(shù)據(jù)+深度學習算法’的新型地質填圖模式。”李超嶺表示。

近幾年，依托人工智能在視覺領域的優(yōu)勢，李超嶺團隊還應用知識圖譜和深度學習技術，初步建立了中國巖石地層深度學習識別基礎模型。目前，該模型已涵蓋1.5萬種手標本巖石分類，識別精度達98%以上，且正在向泛化能力、感知向認知能力的突破進行攻關研究。“該識別模型建成完善后，可對移動端提供巖石種類識別、巖石地質年代、所屬填圖單位和產(chǎn)地等相關人工智能服務。”

更加成熟的應用反映在地質調查智能空間建設方面。經(jīng)過近7年的持續(xù)研究和發(fā)展，該團隊建立了地質調查智能空間云平臺非結構化、碎片數(shù)據(jù)挖掘技術框架及基于空間位置和地質對象關聯(lián)的地質知識服務模式框架及相關技術，為數(shù)據(jù)密集型地質調查工作新模式提供了人工智能環(huán)境，并已獲得應用。

地質調查工作正在從數(shù)字化、信息化走向智能化，同樣地質找礦、綠色礦山建設、地質編圖等，也與人工智能發(fā)生著明顯的“化學反應”。如：中南大學有色金屬成礦預測與地質環(huán)境監(jiān)測教育部重點實驗室研究建立了基于深度學習的山東大尹格莊金礦床深部三維預測模型。經(jīng)與幾種人工建立的找礦指標預測模型對比分析，證明了這一人工智能模型預測的準確性。

最近，李超嶺團隊找礦預測方面的驗證工作也已拉開帷幕——有關地勘隊伍正在利用該團隊已經(jīng)形成的地質對象深度學習技術與方法，開展面向東天山地區(qū)基性—超基性雜巖體與銅鎳等金屬礦床的專屬性等問題的深度學習試驗。

中國科學院院士、中國科學院大學教授翟明國曾談到，在大數(shù)據(jù)時代，地質學家需要改變傳統(tǒng)思維模式，并更多地考慮和研究如何應用人工智能手段推動地質事業(yè)進入革命性發(fā)展的嶄新階段。

國際地球科學聯(lián)合會主席、中國科學院院士成秋明則撰文表示，以機器學習為代表的數(shù)據(jù)驅動技術正在重新激活和增強傳統(tǒng)學科解決新問題的能力，大數(shù)據(jù)技術將從根本上改變地球科學研究的方向，最終實現(xiàn)地球科學研究的范式轉變。

基于這樣的認識，由我國科學家主導發(fā)起、國際地科聯(lián)批準的“深時數(shù)字地球”國際大科學計劃已從去年開始執(zhí)行。各國科學家們將用10年的時間共同建立一個鏈接地學信息的研究平臺，整合全球地球演化數(shù)據(jù)，共享全球地學知識，并在大數(shù)據(jù)驅動下重建地球生命、地理、物質和氣候的演化，進而達到精確重建地球和生命演化歷史、識別全球礦產(chǎn)資源與能源的宏觀分布規(guī)律的目標，推動地球科學研究變革?，F(xiàn)在，地質調查系統(tǒng)的多家單位也在積極參與，人們普遍認為，其中涉及知識圖譜等內容的研究將會大大推動人工智能技術在地學領域的應用與深化。

遙感影像解譯地圖智能決策成效顯著

在自然資源領域，人工智能應用較早且最為廣泛的是對遙感影像的解譯、提取和分析。

遙感圖像數(shù)據(jù)的海量性、多樣性和復雜性等特點對遙感圖像檢索的速度和精度提出了更高的要求。目前，基于卷積神經(jīng)網(wǎng)絡的思想，通過對神經(jīng)網(wǎng)絡的訓練，建立圖像底層特征和高層語義之間的映射關系，已開發(fā)了多種深度學習遙感圖像檢索方法，可以實現(xiàn)土地利用監(jiān)測、巖性自動分類、水體污染建模、生態(tài)指數(shù)計算等任務，并彌補了許多以往人工檢索解譯過程中存在的不足。

武漢大學教授艾廷華講述了這樣一個案例：在全國國土調查多級數(shù)據(jù)庫建設中，面臨數(shù)據(jù)壓縮后土地用地格局與各類用地面積平衡保持不變的問題，他們采用了土地利用圖斑的機器學習，在典型樣本的訓練后，較好地解決了該問題。

中國測繪科學研究院深度學習科研小組從2016年便開始進行深度學習遙感解譯方面的算法研究，并與青海國情監(jiān)測院、北京測繪院等業(yè)務部門密切結合，進行生產(chǎn)性試驗，探索人工智能直接服務于自然資源監(jiān)測調查的技術支持，目前已形成了半自動人機協(xié)作目視解譯技術。

“今年，針對自然資源遙感影像變化檢測實際應用場景對自動識別精度和大幅降低人工解譯工作量的需求，我們通過《自然資源不變檢測實用軟件研發(fā)與成果轉化》等重點專項，創(chuàng)新性地開展了自然資源不變檢測方法研究和人工智能模型軟件研發(fā)。”該院攝影測量與遙感研究所副所長寧曉剛介紹說。

地圖產(chǎn)業(yè)在發(fā)展道路上一直跟進人工智能技術。

“當前，深度學習表現(xiàn)出超乎想象的智能化功效，地圖產(chǎn)業(yè)搭上這一班車，也將駛入智能化的快車道。地圖深度學習用于發(fā)掘地圖空間知識規(guī)則、參與空間導航、選址等智能化決策行為，已經(jīng)開始發(fā)揮積極作用。”艾廷華對記者表示。

據(jù)他介紹，深度學習給地圖賦予智能表現(xiàn)在設計制作和應用分析兩個方面。

在地圖設計制作上，包括制圖數(shù)據(jù)的智能化加工處理及可視化表達的優(yōu)化決策，從而最佳滿足地圖受眾的應用目標和個性化體驗；在地圖應用分析上，基于大量既有的地圖數(shù)據(jù)庫案例，通過典型的有代表性區(qū)域環(huán)境特征訓練，使地圖具有自我決策分析的能力，從而完成新的地理環(huán)境數(shù)據(jù)的空間格局分析、地學知識提取，在空間規(guī)劃、功能區(qū)劃分、環(huán)境治理等方面彰顯地圖智能化功能。其中，通過各種地理場景的學習可使地圖具備處理突發(fā)狀況的能力、自我預測時空過程的演變趨勢、自我判斷地理環(huán)境中的交互關系，從而提高自動駕駛的安全性，提高新一代地圖技術的應用效率。

地質災害監(jiān)測識別分析預警能力全面提升

我國地質災害多發(fā)頻發(fā)。為了加快構建“人防和技防并重”的群專結合的監(jiān)測模式，實現(xiàn)“在抗御自然災害方面要達到現(xiàn)代化水平”的目標，我國地質災害防治科技也在應用人工智能的道路上加快了步伐。

“資源環(huán)境與國土空間信息的數(shù)據(jù)累積與時空管理，很大程度地豐富了我們對地球表層災變機理的認知；北斗三代衛(wèi)星導航、人工智能、物聯(lián)網(wǎng)和先進制造等技術發(fā)展，讓智能化的風險調查、隱患排查和預警預報成為可能。”自然資源部地質災害技術指導中心教授級高工陳紅旗表示。

當前中國地質調查局地質環(huán)境監(jiān)測院研發(fā)推廣的地質災害智能預警系統(tǒng)已經(jīng)在實際應用中展現(xiàn)出明顯效果，準確預警湖北省秭歸縣卡門子灣滑坡、云南省騰沖市黃瓜菁滑坡等地質災害。

“滑坡變形是能夠直接反映滑坡變形演化過程的一種綜合性變量。我們應用地表變形監(jiān)測時間序列數(shù)據(jù)、雨量監(jiān)測時間序列數(shù)據(jù)和降雨預報數(shù)據(jù)，開展基于差分整合移動平均自回歸模型、極端梯度提升、長短期記憶人工神經(jīng)網(wǎng)絡等統(tǒng)計學方法、機器學習、深度學習算法的時間序列分析和滑坡地表位移動態(tài)預測，探索適用于不同類型滑坡的形變智能預測模型。”中國地質調查局地質環(huán)境監(jiān)測院高級工程師馬娟告訴記者，近幾年，在首席科學家殷躍平的帶領下，自然資源部地質災害技術指導中心專家團隊正致力于人機結合風險預警方面的研究，針對監(jiān)測預警中的結構化和非結構化數(shù)據(jù)提供風險預警的模型，初步構建“人機結合”決策模式與技術流程，最大限度地提升滑坡預警決策的準確度。

滑坡在我國南方山區(qū)汛期地質災害中極為突出。為此，江西省測繪地理信息工程技術研究中心針對淺層滑坡成災機理及成災模式分析，基于深度卷積神經(jīng)網(wǎng)絡模型的滑坡演變過程模擬，建立了滑坡演化的定量評估模型和早期預警系統(tǒng)。在成都理工大學，有科技人員進行了基于深度學習的滑坡檢測算法研究，應用機器學習常用的優(yōu)化算法和逃離局部最優(yōu)的策略，立足高光譜遙感數(shù)據(jù)特點和滑坡目標遙感特征，完成了深度學習在地質災害領域的典型應用。

為解決公路滑坡無人機空中監(jiān)測圖像模糊問題，深圳大學采用了暗通道去霧算法和超分辨率重建算法相結合的圖像優(yōu)化增強實驗，進行了基于移動機器視覺和深度學習的地質災害監(jiān)測勘察及評估方法研究，實現(xiàn)了對滑坡體無接觸式安全評估。

泥石流也是山區(qū)常見的地質災害。泥石流的形成過程分為初始化、流動、沉積三個階段。泥石流形成過程的模擬是泥石流研究的一個重要課題。近年來，基于物理模型的方法和數(shù)據(jù)驅動的方法，一些科學家已將機器學習很好地引入泥石流敏感性分析和泥石流形成過程的模擬。

據(jù)中南財經(jīng)政法大學信息與安全工程學院教授張敬東等人介紹，地面塌陷也是一種較為常見的地質災害，會導致道路改線、道路污染、居民地及水系的改變，而通過遙感技術，可較好地識別地面塌陷。“我們針對傳統(tǒng)地面塌陷識別方法效率低下問題，提出了基于深度學習的地面塌陷遙感識別方法。通過大量實驗對比分類精度、Kappa系數(shù)調整深度信念網(wǎng)絡模型的參數(shù)，得到適合地面塌陷識別的參數(shù)設置，證明了深度學習在遙感圖像中地面塌陷識別方法的可行性和高效性，為今后的地面塌陷識別提供了新思路。”

“‘十四五’期間，我們將更加清楚地看到地質災害監(jiān)測、識別、分析、預警全流程智能化的具體方向。建議相關科研力量立足我國地質災害空間分異性，加強案例積累與挖掘，在建設更加精密的群測群防網(wǎng)絡的基礎上，研發(fā)自適應性較強的監(jiān)測傳感采集設備，探索更加精準的預測預警模型與算法，為精細化的防災減災服務奠定基礎。”陳紅旗如是說。

自然資源智能化治理尚需破解諸多難題

當前，隨著圖像分類、目標檢測、圖像語義分割、場景文字識別、圖像生成、視頻分類、度量學習等方面能力的提升，人工智能已經(jīng)成為政府實現(xiàn)對自然資源的智能治理、形成科學化和精準化的決策的一項重要手段，并在土地利用變化過程監(jiān)測及其效應分析、復雜海洋現(xiàn)象預報模型構建、古生物化石圖像自動分類、木材精準識別等方面實現(xiàn)了突破。

對于人工智能現(xiàn)階段的應用和未來發(fā)展，科學家們的觀點頗具辯證色彩：一方面，要深刻地認識到人工智能是未來大國博弈的核心“制高點”，隨著科學技術的不斷突破，其在自然資源領域的應用價值也將被逐步釋放；另一方面，人工智能不是萬能的，各種人工智能技術都有一定的適應性，而且需要與自然資源各專業(yè)的知識密切結合才能更好地發(fā)揮作用。

艾廷華認為，人工智能與自然資源領域科技的結合，需要關注兩點：一是深度學習樣本庫的建設，針對地理信息及其他自然資源數(shù)據(jù)，建設一批圖譜庫、波譜庫、案例庫。“我國地域廣闊，區(qū)域特征差異性強，典型的有代表性的樣本庫建設是一項基礎性的工作”；二是加強數(shù)據(jù)科學與地學領域知識的結合，更多地考慮如何通過各項先進技術的融合與創(chuàng)新，將以往優(yōu)秀的理論、傳統(tǒng)技術、知識圖譜與人工智能結合得更為緊密。

李超嶺等人認為，從人工智能發(fā)展的四大要素——知識、大數(shù)據(jù)、算法、算力來看，當前自然資源領域人工智能發(fā)展應用還存在諸多難題。

一是將已有知識體系“智能化”難度較大。人工智能不是單純地建立數(shù)學模型，而是要把地質知識變成可計算的知識圖譜，然后通過建模使其具備認知能力，實現(xiàn)從“感知智能化”到“認知智能化”的轉變，顯然其間還有很多關鍵技術需要攻克。

二是大數(shù)據(jù)在應用上不夠順暢。專業(yè)調查和空—天—地—海立體監(jiān)測手段的現(xiàn)代化、多樣化為自然資源領域積累了海量數(shù)據(jù)，這是自然資源工作信息化、智能化的基礎和優(yōu)勢，但在實際應用中，原始數(shù)據(jù)的獲得會受到許多限制，亟須有關部門在數(shù)據(jù)開放、解密等方面有所支持。

三是自然資源系統(tǒng)缺乏一定規(guī)模的算力環(huán)境。計算是人工智能發(fā)展的基石，在我國，只有BAT量級的企業(yè)才有資金和能力建設大型人工智能算力平臺。自然資源領域人工智能應用需要配備相應的算力環(huán)境才能持續(xù)創(chuàng)新，而當前，不同的項目組各自為戰(zhàn)，計算能力都非常有限，多家單位建立的超算中心更偏重于邏輯計算，如果借助社會上的算力，數(shù)據(jù)上傳存儲保密的問題又無法解決。

四是人工智能領域的專業(yè)人才極端缺乏。人工智能人才非常搶手，當前由于待遇等原因，自然資源領域很難引進人工智能專業(yè)技術人員，通過項目培養(yǎng)起來的青年人才又往往留不住，這顯然對人工智能的發(fā)展應用十分不利。

此外，算法在國際上屬于開源的狀態(tài)，目前自然資源及其他領域的應用基本都是在國外原創(chuàng)算法上的改進，尚未取得原創(chuàng)算法“從0到1”的突破。

“人工智能正從根本上改變著人的思維和行為，并形成一種新的范式。在可以預見的未來，自然資源領域各行業(yè)與人工智能的結合點將變得越來越豐富。”

“人工智能作為新一輪產(chǎn)業(yè)變革的核心力量，將重塑生產(chǎn)、分配、交換和消費等經(jīng)濟活動各環(huán)節(jié)，催生新業(yè)務、新模式和新產(chǎn)品。在這一趨勢下，自然資源領域也應著力研究相關政策和技術，形成新的智慧動能。”

李超嶺等人希望，“十四五”期間，自然資源管理部門能從行業(yè)的角度對人工智能發(fā)展應用進行研究和頂層設計，出臺相關規(guī)劃，制定一系列政策，真正扶持、推動自然資源工作與人工智能的深度融合和快速發(fā)展。