基于Res-Unet的色林错湖20年水体面积变化提取研究
青藏高原地区的湖泊对当地环境、生态、人文的影响巨大,从遥感高分影像上准确、迅速提取大型湖泊是开展相关研究的重要基础.遥感影像的湖泊提取方法已从传统人工目视解译向自动化发展,但NDWI等常用水体提取技术在应用于不同地域对象时精度不一,特别在提取高原大型湖泊时精度仍有待提高.针对这一问题,设计了一种Res-Unet相结合的水体提取深度学习神经网络,选取青藏高原地区的Landsat高分影像作为训练数据,利用训练所得模型对青藏高原的色林错湖进行提取并分析其20年内的面积变化情况.结果表明:1)基于Res-Unet的神经网络提取湖泊面积的mIoU为0.9279,Kappa系数为0.9252,远高于NDWI的提取精度,适用于色林错湖面积提取;2)2000—2020年,该湖泊总面积增长了468.70 km2,与青藏高原北部的各拉丹东冰川消融带来的径流补给增加存在联系.
色林错湖、Res-Unet模型、湖泊提取、深度学习
4
TP79(遥感技术)
2022-12-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
6-12