基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型
森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用.随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义.由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型(UnetR).对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力.与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验.结果表明,UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法.
区域森林郁闭度、深度学习、光学遥感、激光雷达
47
P237(摄影测量学与测绘遥感)
国家重点研发计划2017YFD0600900
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
1298-1308