科研产出
基于WorldView-2影像和语义分割模型的小麦分类提取
《遥感技术与应用 》 2022 北大核心 CSCD
摘要：为使用高分辨率遥感影像和深度学习语义分割模型实现快速准确的小麦种植空间信息提取，以WorldView-2遥感影像为数据源，制作尺度分别为128×128、256×256、512×512的样本数据集，对U-net和DeepLab3+语义分割模型的参数进行训练，建立小麦遥感分类模型；通过与极大似然和随机森林方法比较，检验深度学习分类效果。结果显示：（1）不同尺度样本训练得到的模型总体精度、Kappa系数分别在94%和0.82以上，模型精度稳定，样本尺度大小对小麦分类提取模型影响较小；（2）深度学习方法的小麦分类总精度和Kappa系数分别在94%和0.89以上，极大似然和随机森林则在92%和0.85以下，表明该研究建立的小麦遥感分类模型优于传统分类方法。研究结果可为高分辨率遥感影像作物种植信息的深度学习方法提取提供参考。
关键词： 高分辨率影像 U-net DeepLabv3+ 小麦 信息提取
全文链接
请求原文
成都郊区农业乡镇的土地利用变化特征分析
《中国农业信息 》 2020
摘要：[目的]定量分析成都郊区农业乡镇土地利用变化特征,对产业结构调整优化意义重大.[方法]文章选择以农业为主导的乡镇,建立浅丘、平坝不同地形的土地利用现状调查样区各2个,通过2013年和2018年分辨率优于1 m的高分辨率遥感影像获取土地利用类型信息,计算土地利用类型转移矩阵,分析该区土地利用时空变化特征.[结果](1)2013-2018年该地区农业用地结构发生明显变化,园地、设施大棚和坑塘水面等占比上升,耕地和林地占比下降.(2)主要土地利用类型转移为耕地转出与园地转入,其中耕地主要转为园地、设施大棚和建设用地,分别占转出面积的64.1%、15.3%和12.5%;园地主要来源于耕地和林地,分别占转入面积的83.2%和11.5%.(3)浅丘、平坝不同地形农区发展的主导产业不同,显著影响农业土地利用类型转化,浅丘区以耕地和林地转为园地为主,平坝区以耕地转为设施大棚和果园为主.[结论]成都郊区农业乡镇的农业产业类型、规模化趋势改变了该地区农业土地利用格局、提高了土地集约化水平,研究结果可为农业产业结构优化调整、乡村振兴提供参考.
全文链接
请求原文
首页上一页1下一页尾页
