基于深度学习的生产建设项目扰动图斑自动提取
快速获取生产建设项目扰动范围,对提高水土保持监督检查效率、控制人为水土流失具有重要意义.生产建设项目数量多且分布广,遥感技术能够及时、准确获取其空间分布.当前开展生产建设项目自动提取的研究较少,方法以面向对象分类为主,存在专业性强、区域适用性低、工程化应用难度高等问题.基于高分一号、高分六号遥感影像,分析归纳生产建设项目扰动特征,将裸地和新增建设用地确定为生产建设项目检测的特征地物,分别采用改进的DeepLabV3+模型和U-Net模型,开展生产建设项目扰动图斑提取试验研究,并结合扰动图斑面积特点,设置最小识别面积.结果显示:当最小识别面积为1hm2时,DeepLabV3+模型平均数量准确率为78.31%,数量召回率为61.69%,面积准确率为88.82%,面积召回率为80.60%,整体分类效果较好,能够有效缓解样本数量不均衡的问题,更适用于生产建设项目扰动图斑自动提取.该结果可为全国大范围监管提供有效的方法.
生产建设项目、深度学习、DeepLabV3+、U-Net
21
S157;TP79(土壤学)
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共11页
128-138