基于深度学习的河道提取与变化监测应用——以永定河为例

• 作者: 周亚文 孙中平 孙志伟 王惠英
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 深度学习 河道提取 变化监测 永定河
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 技术应用
• 页码范围: 173-178
• 页数: 6页
• 分类号: P237
• 字数: 2757字
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2019.02.010

摘要

本文基于2014年、2017年、2018年三期GF1遥感影像,针对北京市石景山永定河河道变化特征,开展基于深度学习算法的河道自动提取与变化图斑自动发现.选择GEOWAY GFLP作为地理要素智能训练平台,采用基于疑似变化区域自动发现与人工交互确认相结合的遥感监测技术路线,选取典型水体样本进行分析、训练,构建深度学习卷积神经网络水体提取模型.通过分析与验证发现,基于深度学习水体提取模型自动提取的河道准确率高于90％,精度高于最小距离、最大似然及SVM分类方法,可用于城市河道的自动提取和变化发现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙中平	遥感科学国家重点实验室北京师范大学地理科学部	22	283	9.0	16.0
3	王惠英		4	9	2.0	2.0
4	孙志伟		3	4	1.0	2.0
5	周亚文		2	6	2.0	2.0