基于U-Net的甘蔗提取方法

摘要：

[目的]基于深度学习的分类方法是使用高分辨率遥感影像快速提取作物种植空间信息的新方法.[方法]以云南省陇川县甘蔗种植园为研究区,收集空间分辨率为0.5 m的Google Earth开放影像进行数据预处理,建立样本数据集,构建U-Net神经网络模型,训练模型参数;使用U-Net模型提取甘蔗种植空间信息,通过地面样方数据验证甘蔗提取精度.[结果](1)基于深度学习方法的甘蔗分类总体精度和Kappa系数分别为92.76％和0.8480,面积总精度为94.41％;平坝区、丘陵区分类精度存在差异,总精度和Kappa系数分别为97.10％、0.9221和88.42％、0.7673;(2)受部分地物RGB影像特征与甘蔗相似的影响,分类结果存在错分现象.[结论]基于U-Net神经网络模型的方法可用于高分辨率影像的甘蔗提取,更准确的分类精度还有待进一步研究和验证.

关键词：遥感、卷积神经网络、信息提取、甘蔗

所属期刊栏目：31

资助基金：四川省农业科学院前沿学科研究基金"基于遥感大数据和深度学习的作物种植信息提取"2019QYXK036;四川省科技厅应用基础研究项目"基于空间大数据的乡村地区土地利用变化研究"2019YJ0608;四川省财政创新能力提升工程专项资金项目"成都市天府新区智慧农业研究"2016GXTZ-011

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-34