高分二号遥感影像提取冬小麦空间分布
精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙.本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE (Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据.WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果.利用随机梯度法对WWRSE模型进行训练.选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9％,比SegNet提高了13.8％,比DeepLab提高了10.9％,比RefineNet提高了8.6％.实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势.WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据.
高分二号、卷积神经网络、RefineNet模型、最大后验概率模型、冬小麦、空间分布、章丘
24
山东省自然科学基金;宁夏回族自治区重点研发计划;国家重点研发计划;中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室开放研究项目;中国气象局干旱气候变化与减灾重点开放实验室干旱气象科学研究基金
2020-06-17（万方平台首次上网日期，不代表论文的发表时间）
共13页
596-608
