精选导读
2023年下半年以来，AI无疑是最热门的科技话题，它似乎正在带给我们一个全新的未来世界。AI，即人工智能（Artificial Intelligence），其底层逻辑是通过海量数据和特定算法，使计算机具备某种思维能力，这也被看作是对人类大脑的强化与延伸。
正当人们满怀憧憬地期待着AI可能带来的机遇和变化时，在自然资源领域，AI技术已逐步运用于实践中，并取得了相应的成效。如何跟上科技发展的脚步，将AI融入各类自然资源管理职能和应用场景，是各级自然资源部门将要面对的一项崭新的课题。
关键词：#自然资源# #人工智能# #深度学习#
在摸索中前行
今年年初，有关AI技术在赞比亚找到巨型铜矿的消息轰动地质行业，尽管很快证明是误传，但有关“人工智能找矿”讨论的热度在国内陡然上升。
事实上，在地质领域，人工智能相关探索和成果已涉及区域地质调查、智能矿产预测、地质灾害调查、矿产勘查等诸多方面。较早突破并成功应用的是智能地质填图。
中国地质调查局自然资源综合调查指挥中心信息工程研究室主任李丰丹介绍，经过多年的探索，中国地质调查局针对区域地质调查中填图对象高精度识别和高精准定位需求，以“数据+知识+智能算法”驱动为技术应用框架，已基本形成了面向地质填图全过程、基于深度学习的填图对象识别与定位以及人工智能地质图生成技术与方法，初步构建了同步于填图过程的 AI应用流程和建模平台，并已在三大岩类及造山带地质填图项目中示范应用，取得了良好效果。
“AI具有较强的空白区地质图预测能力和水平，不仅可以揭露浅覆盖地区地质体，还可以通过迭代地质图分析对比前后发生变化的区域，为地质路线部署、关键地质问题研究提供参考，从而提高地质填图精度、研究程度和工作效率。”李丰丹说。
而在找矿方面，由于需要丰富的地质、物探、化探数据，当前完全应用人工智能仍存在较大难度。但有关专家认为，采用人工智能深度学习的方法，在某些环节特别是矿产资源预测环节，用来寻找资源富集地，圈定靶区，提高找矿成功率，还是具有乐观前景。
中国地质科学院矿产资源研究所研究员娄德波在上述方面的实践已有多年，其所在科研团队对阿尔金地区某工作区的花岗伟晶岩型锂矿进行了有关深度学习语义分割方法的实验。实验初步证明，该方法对地物分布情况复杂、细小花岗伟晶岩脉不易识别等问题的解决效果显著，可作为我国低植被覆盖难进入区花岗伟晶岩型锂矿的找矿勘查新方法，为锂矿的找矿调查提供快捷有效的技术支撑。
但他表示，人工智能的优势在于大数据的规律化智能处理，当应用于具体精细勘查时，还需要突破不同矿床复杂性、个体化带来的壁垒。小范围数据训练出的模型，不一定会适应更大尺度上的区域。这是地质信息的极度复杂和不均一性决定的。在他看来，要想提高深度学习的性能，就伟晶岩找矿而言，一是进一步改善模型的结构，提高网络在细节上的预测性能；二是在预测中不断将新发现的含矿伟晶岩脉作为训练样本补充，通过进一步的训练优化模型，提高模型的泛化能力，使其能在更复杂的条件下预测。
相对“人工智能+矿床勘查”的个性化，中国地质调查局发展研究中心研究员、自然资源部矿产勘查技术指导中心矿产政策研究室主任李永胜介绍，“人工智能+”在推动智能矿产预测，助推新一代信息技术与地质找矿深度融合方面的探索更具普适性。
以中国地质调查局智能矿产预测技术攻关与找矿示范项目为例，该项目最大特点是“数据驱动+知识驱动”。在数据方面，充分应用了地质矿产领域长期积累的海量地质类图件，实现了图件中地质演化、矿床形成、矿床分布等各类地质要素在语义上和形式上的统一及向量化表达，使其可以与物探、化探、遥感数据有效融合，并进行定量化分析与计算。在知识方面，基于成矿地质体、成矿构造与成矿结构面、成矿作用特征标志的“三位一体”勘查区找矿预测理论矿床模型知识图谱，通过图嵌入实现地质知识特征的向量化，实现了数据与知识融合的成矿分析与找矿预测。
据介绍，该项目已基于CNN、ResNet、ViT、孪生网络等人工神经网络架构的找矿预测方法，研发了智能找矿预测系统，建立了地学大数据智能矿产预测方法技术体系，并在甘肃大桥、寨上等金矿整装勘查区，吉林白山多金属矿集区，陕西石泉—旬阳金矿整装勘查区，云南鲁甸铅锌银多金属矿整装勘查区等20多个典型矿区开展了智能矿产预测试点应用。在甘肃大桥、北山等地进行了钻探验证，显示出良好的找矿潜力。
AI管地“慧拿地”初登场
如果说地学研究和找矿突破是技术密集型领域，那么土地的规划与管理则体现出更复杂的社会性和经济特性。与土地相关的规划、整治、出让、监管、不动产登记，以及所涉及的法律、政策、经济模式等等，构成了一个相当复杂的系统，有大量的数据、指标、政策法规、成本收益等需要考量，这也为人工智能的应用提供了广阔的空间。
2023年8月举办的首届全国国土空间规划年会上，中国工程院院士吴志强提出，实现现代国家空间规划的数智化转型，有目标愿景、路径选择、发展动力、精准评估、迭代优化等五大关键要素。其中，目标愿景的精准性决定了整个规划的灵魂。数智赋能空间规划的目标愿景，就是通过对空间发展历史规律的机器学习，对国土空间及其之上的生产、生活和生态“三生”系统的目标选择，提供多种可能和多元方案的比较，同时大规模捕捉人们的需求。
吴志强院士认为，数智赋能空间规划的路径选择，是通过 AI方法提供多模式下的预测方案，围绕用地规模、空间结构、功能布局等规划核心问题，帮助决策者和规划师预见未来趋势，确定发展路径。他还展示了在严控规模、基于规律、战略引导3种发展模式下对衢州、德清等城市空间发展的智能推演。
当前，国内很多专家学者都认为，AI技术的快速发展将给城市规划和土地利用带来重大改变。AI技术在这些领域的应用，不仅能提供更高效的工具，还可以创新思路，为城市发展挖掘更多的潜力。通过机器学习和数据挖掘技术，AI可以识别和分析土地利用模式，并预测未来的发展趋势。这有助于规划者更好地理解不同区域的土地利用现状和未来发展定位，以及在环境保护、基础设施建设等方面的需求，为城市发展规划的制定提供科学依据。
事实上，AI技术在一些地方的土地管理中已经逐步得到应用。不久前，浙江省杭州市余杭区在自然资源智慧交易服务平台植入AI模型，让企业从“会拿地”转向“慧拿地”。该平台的AI智能匹配模型，能帮助企业定制个性化选地方案，从几千宗土地中获得合适的地块。
据介绍，这款AI模型可根据用户的浏览记录、搜索喜好等，形成用户画像，而平台会根据用户的需求特点推荐与企业契合度最高的土地资源。目前，已有142万人次使用了这项服务。
此外，AI客服的全程辅助拿地功能，可为企业提供7×24小时不打烊“点餐式”服务，答疑响应度高、准确性强。对竞买人已关注或报名的地块，平台会主动推送提醒短信，包括资源发布、报名完成、资格取得、交易开拍等关键节点。
浙江省自然资源网上交易中心负责人介绍，通过挖掘交易数据价值，将进一步优化本区域的营商环境。“比如，企业想知道某个地区的工业用地亩均税收等要求，或者想了解某个地区最近有没有推出工业用地，AI模型都能快速给出精准的答案。”该负责人说。
据了解，浙江还计划打造AI模型升级版，利用自然资源交易大数据，探索自然资源全要素整体配置，为政府决策与企业发展提供支持。
在耕地保护方面，AI技术也得到了一定的应用。保障国家粮食安全的根本在耕地，对耕地地块信息快速、精准提取是监管工作的重要基础，同时也可为农业估产、灾害分析、土地整治等提供技术支撑。
通过AI与高分辨率遥感的结合，可实现地物提取、变化检测等功能，其提取效果与精度较传统方法有了较大提升。目前，国内已有部分技术公司通过收集不同地貌的水田、旱田、梯田等各类耕地的特征数据信息，构建样本数据库，并开发相关模型。有些采用面、线双提取模型相结合的方法，既可以较好地提取耕地的范围与较明显的边界，又可显示耕地内部的纹理细节，通过对面、线结果进行融合处理，得到最终的耕地地块提取结果。同时，还可形成包含影像上传、在线解译、结果优化与处理的全流程模块。
AI应用场景开发方兴未艾
AI技术在不断发展，其应用范围也在不断拓展，正推广至自然资源管理的多个领域。
在海洋领域，专家认为，AI技术在海洋监测、海洋环保、海洋经济开发等方面将发挥重要作用。通过卫星、无人机、浮标等设备，研究人员可以获得海洋水质、温度、盐度、流速、生物等各类数据，而 AI算法通过对海量数据的深度学习和快速分析，可以实时精准捕捉海洋动态变化，有效识别赤潮、油污等灾害，对海洋气象、海洋灾害等及时做出预警报。
一些应用在国内外已有尝试。当前，澳大利亚研发了一种AI辅助工具，能够预测气候变化条件下特定鱼类种群的数量波动及分布范围变化，帮助渔业部门设定合理的捕捞配额，避免过度捕捞。荷兰研发的漂浮垃圾收集器，运用AI视觉识别技术自动追踪并捕获河流中的塑料垃圾，有效阻止其流入海洋等。
在青岛，相关部门和企业正在积极建设海洋人工智能大模型，目前青岛已围绕海洋气象预报、海洋灾害预警、智慧港口建设、海洋药物筛选与研发、海洋资源勘探与开发、海洋智能装备制造、海洋信息智能感知、海洋水下自主无人系统研发、深远海养殖、海洋文旅等领域，梳理出近百个应用场景。
据介绍，青岛将深入挖掘、分析、筛选海洋人工智能大模型应用场景需求，先行先试模型的构建、训练、优化与应用，加强模型对“透明海洋”大科学计划等重大海洋工程、项目的支撑。打造一批特色应用标杆，重点围绕海洋精准预测预报、船岸一体化建设、海洋生物活性物质筛选、智能船舶设计、海洋生态治理、海洋环境数据协同共享等领域，打造一批标志性、引领性、示范性的海洋人工智能大模型产品、服务和应用解决方案，构建典型示范应用场景。
测绘和地理信息领域对AI的应用被赋予很大期待。人工智能被认为是智能化测绘的主要技术之一，在数据的采集、加工、分析方面有着广阔前景。有专家认为，未来测绘领域70%的工作会被人工智能取代。
6月25日至26日，以“空间智能新质引擎”为主题的2024空间智能软件技术大会在北京举行。会上，我国新一代地理空间AI技术底座——SuperMap AIF正式发布。
据了解，SuperMap AIF由北京超图软件股份有限公司研发，具有模型多元化、跨平台、可本地部署等特性，可为专业三维建模、城市与建筑空间设计、远程遥感、基础测绘等多个领域提供前沿应用解决方案。
“以前，人工建构区域三维模型需要数日才能完成，而现在，借助地理空间AI技术只需20多分钟。”自然资源部地理信息系统技术创新中心主任、超图软件董事长宋关福介绍，基于该技术底座，AI自动化建模模型可自动生成三维城市场景，整个过程用时缩短至小时级。
据悉，超图软件2019年就推出了人工智能地理信息系统（GIS）技术，给行业应用带来了智能化解决方案。在本次大会上，超图软件汇集地理空间AI技术各项功能推出的 SuperMap AIF，进一步完善了地理空间 AI技术和产品体系。
今年3月，中国地质环境监测院举办了地质灾害AI识别与监测预警大数据模型咨询研讨会。会议邀请了中国科学院院士陈祖煜和来自北京航空航天大学、香港科技大学等高校的专家，围绕人工智能、大数据的相关基础理论，以及在滑坡隐患识别、监测预警、风险评估等方面的应用进行了深入探讨。中国地质环境监测院地质安全板块业务人员介绍了在智能化技术支撑和引领防灾减灾方面的最新研究进展，并围绕智能化技术在地质灾害防治中的应用现状和发展前景进行了讨论。本次研讨会为地质灾害防治和智能化领域研究搭建了交流互鉴的平台，拓展和丰富了地质灾害防治研究的视野和思路，提升了技术支撑服务水平。
而在今年“5.12”防灾减灾日期间，浙江省发布了全国首位地质灾害防治 AI数字人“江大安”。这款可以全年无休的数字人在地灾防治、预警中可发挥多种功能，引起了观众的极大兴趣。这也是 AI技术在地灾防治中的一次新尝试。
尽管人工智能在自然资源领域有着巨大的发展潜力，但也应该看到，进一步深化和拓展其应用还面临着诸多短板和瓶颈。比如，在地学方面，由于地理现象在空间上的异质性，地学大模型的泛化能力和迁移能力面临挑战。在一个区域特定时段训练的模型，被迁移到世界上另外的一个区域和新的时间阶段，可能因为环境影响因子不相似，其表现并不理想。目前人工智能对语言、图像等的识别比较成功，但对于识别构成复杂、非线性的地理信息，效果仍不十分理想。
除了技术问题，人才也很关键。AI技术要运用到各个领域，就需要为机器深度学习提供大量的各类数据，这要求计算机领域和其他各领域专业人员的紧密合作，以及对跨学科复合型人才的培养。
同时，人工智能相关基础设施建设也要不断加强。业内有这样的说法，AI的尽头是算力，算力的尽头是能源。大型计算机中心、存储设备和相应的能源保障体系，是未来AI技术广泛应用的基础。
可以说，AI技术让人们看到了未来的曙光，但要在包括自然资源领域在内的各个方面产生质的变化，仍任重道远。
《中国自然资源报》i自然全媒体 2024年07月30日