10.11873/j.issn.1004-0323.2021.4.0908
基于ENVINet5的高分辨率遥感影像稀疏塑料大棚提取研究
随着设施农业管理要求的提高,需要提取高分辨率遥感影像中大范围、低密度的塑料大棚空间分布信息作为农业管理和资源分配的依据.以浙江省桐庐县为研究区域,利用高分辨率遥感影像数据,对比分析不同机器学习方法提取塑料大棚的效果.ENVINet 5深度学习架构可以克服标签较少的困难,通过语义学习进行塑料大棚提取和面积估算,总体精度和Kappa系数达到97.84%和0.81;U-net深度学习网络的提取结果中,总体精度和Kappa系数为96.22%和0.79,两种深度学习方法均优于利用支持向量机进行塑料大棚提取的结果.研究表明通过深度学习方法提取高分辨率遥感影像中稀疏分布的塑料大棚有很好的效果,可以为农业经济作物管理、规划和气象保障提供支持.
深度学习;高分辨率遥感;塑料大棚;卷积神经网络
36
TP79(遥感技术)
科技计划;国家自然科学基金
2022-01-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
908-915