遥感时序光谱重构的耕地信息提取方法

发布时间：2022-07-14 17:08

　　针对传统耕地提取方法人工干预多、提取速度慢、成本高,不适用于大规模耕地提取等问题,选取时间序列Sentinel-2数据,基于时序光谱特征的耕地自动识别方法对玛纳斯县典型耕地区域进行耕地提取,并比较了不同样本特征对耕地提取精度的影响。结果表明:采用该方法总体分类精度、Kappa系数、耕地类型的用户精度分别达到了95.37%、0.942 3和97.04%,比采用时间序列NDVI和单时期影像样本特征总体精度分别提高4.02%和5.69%。研究结果为进一步利用中高分辨率遥感数据和深度学习方法对耕地进行信息提取和典型地物分类提供了新思路。 

【文章页数】：9 页

【文章目录】：
0 引言
1 研究区与数据源
    1.1 研究区
    1.2 数据源及预处理
2 研究方法
    2.1 基于地块的样本生成
    2.2 时序光谱图重构
    2.3 卷积神经网络模型搭建
    2.4 卷积神经网络模型优化
3 结果与分析
    3.1 耕地提取精度评价
    3.2 不同样本特征对比分析
        1)光谱维对卷积神经网络分类精度的影响。
        2)时间维对卷积神经网络分类精度的影响。
        3)时序光谱特征对卷积神经网络分类精度的影响。
4 结束语


【参考文献】：
期刊论文
[1]一种基于深度学习的遥感图像分类及农田识别方法[J]. 宫浩,张秀再,胡敬锋.  现代电子技术. 2019(08)
[2]基于支持向量机的农业遥感图像耕地提取技术研究[J]. 李昌俊,黄河,李伟.  仪表技术. 2018(11)
[3]基于纹理特征与MODIS-NDVI时间序列的耕地面积提取研究[J]. 于利峰,乌兰吐雅,乌云德吉,许洪滔,包珺玮,任婷婷.  中国农业资源与区划. 2018(11)
[4]机器学习法的干旱区典型农作物分类[J]. 黄双燕,杨辽,陈曦,姚远.  光谱学与光谱分析. 2018(10)
[5]基于无人机遥感可见光影像的北疆主要农作物分类方法[J]. 戴建国,张国顺,郭鹏,曾窕俊,崔美娜,薛金利.  农业工程学报. 2018(18)
[6]基于多时相遥感影像的耕地利用信息提取研究[J]. 李丹,梁欣,孙丽娜,刘洋,宋以健.  现代测绘. 2018(04)
[7]不同植被红边指数在城市草地健康判别中的对比研究[J]. 方灿莹,王琳,徐涵秋.  地球信息科学学报. 2017(10)
[8]中国耕地保护研究的回顾与进展[J]. 郑沃林,殷梅华,吴剑辉.  世界地理研究. 2016(05)
[9]复杂网络数据流的入侵数据检测方法仿真[J]. 王翠娥,李香林,崔冬华.  计算机仿真. 2015(12)
[10]基于多时相TM图像的耕地信息提取[J]. 徐超,詹金瑞,潘耀忠,朱文泉.  国土资源遥感. 2013(04)



本文编号：3661534