基于深度学习的农业区土地利用无人机监测分类

• 作者: 卢奕竹 吕娟 宋文龙 李焕新 田琳静 陈静
• 来源期刊: 中国水利水电科学研究院学报
• 学科: 工学
• 关键词: 农业干旱 无人机 土地利用 深度学习 卷积神经网络 遥感 YC-mapper
• 年，卷（期）: 2019,（4）
• 页码范围: 312-320
• 页数: 9页
• 分类号: TP79
• 字数: 3856字
• 语种: 中文
• DOI: 10.13244/j.cnki.jiwhr.2019.04.010

摘要

农业种植区土地利用快速监测与分类对政府部门制定规划、土地资源管理、生态环境保护规划与决策以及农业旱情与旱灾动态监测评估具有重要意义.本研究以东雷二期抽黄灌区具有下垫面代表性的小区域为研究区,利用卷积神经网络深度学习方法,针对较高空间分辨率的无人机航片影像,开展了农业区土地利用监测分类研究,并与最大似然法进行比较,探究该方法对于农业区土地利用监测分类的适用性.结果 表明,该方法优于最大似然法,其总体分类精度达93％以上,Kappa系数为0.9以上,能够更清晰地识别提取出地物边界,分类效果较好.本研究有助于提升应急抗旱减灾工作对农业区土地利用的快速监测与分类能力,为旱情与旱灾快速监测评估、决策提供技术支持,同时能够及时为政府、土地资源管理以及生态环境保护规划等部门提供基础数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李焕新		3	6	1.0	2.0
2	吕娟	中国水利水电科学研究院水利部防洪抗旱减灾工程技术研究中心	36	317	9.0	16.0
3	宋文龙	中国水利水电科学研究院水利部防洪抗旱减灾工程技术研究中心	8	64	5.0	8.0
4	田琳静	首都师范大学资源环境与旅游学院	1	0	0.0	0.0
8	卢奕竹	中国水利水电科学研究院水利部防洪抗旱减灾工程技术研究中心	1	0	0.0	0.0