当前位置: 首页 > 文章 > 基于GF-1遥感影像的荒漠区耕地分类与提取方法 石河子大学学报(自然科学版) 2021 (3) 383-390
Position: Home > Articles > 基于GF-1遥感影像的荒漠区耕地分类与提取方法 Journal of Shihezi University(Natural Science) 2021 (3) 383-390

基于GF-1遥感影像的荒漠区耕地分类与提取方法

作  者:
马永建;汪传建;赵庆展;任媛媛;田文忠
单  位:
石河子大学信息科学与技术学院/兵团空间信息工程技术研究中心
关键词:
深度学习;耕地提取;GF-1卫星;高分辨率遥感;U-Net网络;
摘  要:
耕地作为一种战略性自然资源,是确保我国粮食生产安全的物质基础和重要前提。荒漠区绿洲性耕地生态环境脆弱,易受风沙侵蚀,对耕地进行持续性精确监测具有更为重要的意义。,本文基于深度学习算法,使用GF-1遥感数据进行耕地及其类别信息提取。为充分利用研究区物候特征,结合冬夏两期遥感影像,将植被指数NDVI值和纹理特征灰度共生矩阵能量值作为特征波段,基于U-Net模型实现耕地分类和提取,主要包括农田(棉花覆盖耕地)、果林耕地及未耕作耕地3种类型。结果表明:仅使用夏季影像对农田的识别准确度即可达90.83%,若加入冬季影像、植被指数及纹理特征波段,可有效提升模型对果林耕地、未耕作耕地的识别效果,整体识别准确度分别为88.39%、79.51%,相比于传统方法提升了4.67%、6.11%。同时与支持向量机和随机森林分类器相比,该方法能够减少地块内同种作物间的"椒盐噪声",避免对未耕作耕地的大规模错分现象。因此,本文方法可为荒漠区绿洲性耕地状态的快速识别与监测提供参考。

相似文章

计量
文章访问数: 10
HTML全文浏览量: 0
PDF下载量: 2

所属期刊

推荐期刊