AI+国土空间治理的昌平实践：构建耕地保护与执法监测的智能闭环

导 读

清华同衡与北京市规划自然资源委昌平分局合作，开发了国土空间大数据治理和智慧协同工作平台。核心应用包括影像智能比对识别和多维矩阵驾驶舱，通过AI技术提升昌平区耕地保护与执法监测的效率，构建智能闭环管理。这一技术使得监管模式由被动转为主动，提升了治理效能和协同工作能力，释放了人力资源，聚焦高价值任务。该智慧治理平台获得了多家政务、新闻媒体的深入报道，充分展示了其在耕地保护中的创新价值和社会影响力，为推动构建耕地保护新格局提供坚实保障！

为守牢耕地红线，落实最严格的耕地保护制度，清华同衡深度参与了市规划自然资源委昌平分局的国土空间治理数智化建设，研发了国土空间大数据治理和智慧协同工作平台，构建了耕地保护、执法监测的AI+应用场景。

通过影像智能比对识别应用平台、协同移动平台、“多维矩阵驾驶舱”，不仅可以主动精准识别问题图斑、全过程跟踪问题图斑整改进度，还能多维矩阵化分析展示耕地状态，真正实现从“发现-分析-整改-复核-回头看”的全流程智能化监管闭环管理，成功推动耕地保护监管模式由“事后处置”向“事前预警”“事中监管”“事后回头看”的智能转变升级，为昌平区耕地保护装上“数智引擎”。

耕地保护AI+应用场景

一、影像智能比对识别

影像智能比对识别是利用经过训练的差异分割AI深度学习模型，从双时相非多光谱影像提取变化图斑，与地类图斑属性进行语义融合，运行类型判别AI模型，自动识别出耕地的疑似问题图斑，人工初审会商后形成任务单，将核查结果反馈给图斑台账，形成线索图斑处置闭环。

影像智能比对识别应用平台

图斑初审会商

图斑核查结果反馈

影像智能比对识别的特点有三个：一是“快”，11小时完成图斑计算；二是“全”，一次性可覆盖昌平全域；三是“省”，大幅度节省巡查人力。

影像智能比对识别的特点

影像智能比对识别应用平台具备243架构，即2个核心模块分别是 “影像比对”和“智能筛选”；4个附属功能是“图斑初审”、“类别判定”、“持续跟踪”和“回头看”；3大应用场景分别是耕保空间 、执法监测和变更调查。

影像智能比对识别应用平台的架构

二、耕保驾驶舱

基于数据深度治理成果和协同移动平台数据动态更新构建多维矩阵驾驶舱，从现状耕地、耕保空间和一般耕地三个业务维度，以及区级、镇街级、地块级三个空间尺度进行可视化分析挖掘，耕保驾驶舱有3个特点:一是数据完全鲜活，保持每日更新，未来可随时更新；二是图斑全生命周期可追溯，图斑的审核状态、外业审核照片、联审的每日变化信息都有记录；三是驾驶舱指标可视且能随时展开、随时汇总、随时排名、随时空间跟随，多维度指标系统内交圈。

耕保驾驶舱通过多维度、多尺度的动态分析，实现了耕地资源的精准监测、问题图斑快速识别、种植结构优化评估和属地责任监管，为科学决策、政策调整和量化政策执行效果提供了数据支撑，显著提升了耕地保护的精细化、动态化和数字化管理水平，确保耕地红线管控措施落地。

耕保驾驶舱的特点

多维度指标分析

图斑跟踪和报告生成

三、AI+效能体现

协同监管提升效能

通过影像智能比对主动发现差异图斑、协同移动平台处置问题图斑、“多维矩阵驾驶舱”辅助耕保空间监管精细决策，多维度统一协调将耕保问题图斑的多头线索下发、多头整改审查、多头整改结果上报归集到统一的协同平台上，针对耕保问题图斑，基层单位只需从一个对接口接收线索、提交整改结果、查看审查意见，大大减轻了基层的工作负担。同时协同平台的使用，减少了线下开会和协调时间，提高了多部门联动的工作效率。

协同提升治理效能

整改后审核情况跟踪

AI计算提升效率

我们以“耕地疑似问题图斑的提取”“执法图斑回头看”实际操作数据分析评估，说明AI使用带来的工作效能的提升。

背景条件

昌平区总面积约 1343.5 km²，平原面积约 552 km²，耕地面积约65.07km²，AI模型运算的空间范围是按全区1343平方公里范围，人工卷帘比对选取耕保空间或图斑对应的空间范围，AI算力机的配置是1台2 CPU、128G内存、英伟达5090显卡、SSD存储的计算服务器。

• 耕地疑似问题图斑提取

选取耕地疑似问题图斑的单次提取实际操作数据来计算效能，结果如下表：

结论：在耕地疑似问题图斑提取任务中，采用影像智能比对识别应用平台人机协同模式，效率相比纯人工方式提升了12倍。如果与更传统、更低效的人工野外巡查相比，节省的时间将是数量级的差距。

• 执法图斑回头看

选取执法图斑回头看的单批次2042个图斑实际操作数据计算分析效能，结果如下表：

结论：利用影像智能比对识别应用平台在执法图斑回头看任务中，人机协同比纯人工利用影像效率提升了7.5倍，这对于确保执法效果的闭环管理至关重要，使得大规模、高频次的复查成为可能。

回头看计算结果（拼接一屏）

• AI+价值提炼

1. 革命性效率提升：

AI的引入，将国土资源监测从“人海战术”的劳动密集型工作，转变为了以算力为核心的技术密集型工作。效能提升普遍在7-12倍以上，这意味着过去需要一周多才能完成的分析，现在一天之内即可完成。

2. “人机协同”是最佳实践：

根据目前的实操数据表明，“AI计算 + 人工研判”的人机协同模式（模式Ⅲ）是兼顾效率、准确性和成本的最佳平衡点。AI充当了不知疲倦的“初级分析师”，完成了90%以上的重复性劳动，让人可以专注于需要经验和决策的复杂问题。

3. 推动工作模式变革：

从“事后发现”到“早期预警”：效率的提升使得对更大范围区域进行定期、快速的扫描成为可能，从而能够更早地发现疑似问题，将违法行为遏制在萌芽状态。

从“巡查”到“全覆盖监测”：以往因人力所限只能进行巡查，现在可以实现全域、全量的图斑监测与核查，极大地提升了监管的威慑力和公正性。

释放人力，聚焦高价值工作：将专业人员从繁琐的影像比对中解放出来，去从事更复杂的调查、核实、决策和执法工作，优化了人力资源配置。

如对本文照片、动图、数据引用或有相关问题，

liangxiangchun@thupdi.com

编辑/排版｜王淑芸

封面图/图片｜供稿部门

供稿｜清华同衡 详细规划与设计分院 CIM智慧城市研究室