赵宇欣;张冬有;毛德华;杜保佳;孙俊杰

中国科学院东北地理与农业生态研究所;正元地理信息集团股份有限公司潍坊分公司;哈尔滨师范大学寒区地理环境监测与空间信息服务黑龙江省重点实验室

木本沼泽;Sentinel;红边波段;深度学习;支持向量机

木本沼泽的遥感信息提取一直是湿地研究的难点之一,在复杂环境地区传统调查方法无法深入,而利用遥感影像提取湿地分布信息大大提高了研究效率,对于理解全球变化具有重要意义.本研究选取位于黑龙江省西北部大兴安岭地区额木尔河流域的一景影像为研究案例,融合应用Sentinel-1的雷达波段和Sen-tinel-2的红边波段,基于红边光谱特征和雷达特征等变量组合的特征波段集,采用深度学习和支持向量机方法对湿地分布信息进行提取,以期提高湿地信息提取和识别的精度.结果 表明:在深度学习方法中,加入红边特征比只使用光谱特征总体精度提高了2.3%,达84.3%;加入雷达特征后,精度再度提高1.8%.即精度最高的融合光谱特征、红边特征以及雷达特征的方案,总体精度达86.5%,Kappa系数达0.84,其中林地精度达99.9%、草本沼泽达85.4%、木本沼泽达69.9%、水域达89.3%.最优深度学习模型迭代精度最高达95.7%.利用支持向量机方法进行对照试验,只使用光谱特征以及依次加入红边特征、雷达特征总体精度分别为74.4%、75.4%、77.3%,各项方案的总体精度均低于深度学习方法精度.本文采用深度学习方法对Sen-tinel-1/2结合的影像进行湿地信息精准提取,最高精度达86.5%,为今后更大尺度上木本沼泽的遥感信息精准提取研究提供了方法参考.