| 基于多源遥感的大尺度高分辨率不透水面深度学习提取方法EI北大核心CSCD |
| |
| 引用本文： | 孙根云,王鑫,安娜,张爱竹.基于多源遥感的大尺度高分辨率不透水面深度学习提取方法EI北大核心CSCD[J].测绘学报,2023(2):272-282. |
| |
| 作者姓名： | 孙根云 王鑫 安娜 张爱竹 |
| |
| 作者单位： | 1.中国石油大学(华东)海洋与空间信息学院266580;2.海洋国家实验室海洋矿产资源评价与探测技术功能实验室266071;3.中国自然资源航空物探遥感中心100083; |
| |
| 基金项目： | 国家自然科学基金(41971292)。 |
| |
| 摘 要： | 深度学习是提取不透水面的一类重要方法,具有精度高,泛化性强等优势。但是模型的训练需要依靠大量的训练样本。尤其是在高分辨率、大尺度不透水面制图时,获取数量足够且高质量的训练样本非常费时费力。因此,本文结合多源遥感影像与开源数据,提出了一种大尺度高分辨率不透水面自动提取方法。该方法首先从众源数据OpenStreetMap中自动获取训练样本,然后用开源的不透水面产品对噪声样本加权,减小标签噪声对模型训练的负面影响;在此基础上,构建了一种三分支的超轻量级CNN模型,融合光学、SAR和地形数据生成10 m不透水面产品。以越南全境为试验区,对本文方法进行了验证。试验结果表明,本文提出的方法分类总体精度和Kappa系数分别为91.01%和0.82,优于目前已发布的不透水面产品。本文研究成果可为澜湄流域等热带亚热带城市可持续发展和生态环境保护提供基础技术和数据支撑。
|
| 关 键 词： | 不透水面 深度学习 众源数据 卷积神经网络 多源数据融合 |
| 本文献已被 维普 等数据库收录！ |
|
