安徽农业科学2023，Vol.51Issue(13) ：96-101,108.DOI:10.3969/j.issn.0517-6611.2023.13.023

基于三维卷积神经网络模型的吉林一号光谱星影像森林类型分类

Forest Type Classification with Jilin-1GP Spectral Satellite Image Based on Three-dimension Convolution Neural Network

刘婷 包广道 李竺强 朱瑞飞 包颖 张忠辉
安徽农业科学2023，Vol.51Issue(13) ：96-101,108.DOI:10.3969/j.issn.0517-6611.2023.13.023
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于三维卷积神经网络模型的吉林一号光谱星影像森林类型分类

Forest Type Classification with Jilin-1GP Spectral Satellite Image Based on Three-dimension Convolution Neural Network

刘婷 1包广道 1李竺强 2朱瑞飞 3包颖 4张忠辉1
扫码查看

作者信息

  • 1. 吉林省林业科学研究院,吉林长春 130033
  • 2. 吉林大学地球探测科学与技术学院,吉林长春 130026
  • 3. 长光卫星技术有限公司,吉林长春 130000
  • 4. 吉林省林业技术推广站,吉林长春 130022
  • 折叠

摘要

为探究基于三维卷积神经网络模型应用吉林一号光谱卫星数据的森林类型分类效果,以安图县与敦化市交界地带为研究区,采用吉林一号光谱卫星影像为主要数据源,基于三维卷积神经网络深度学习模型对研究区森林类型进行分类,并与传统的随机森林分类方法进行对比分析.结果表明:当三维卷积神经网络的训练样本数量为2400,训练次数为70000 时,分类效果最佳.基于三维卷积神经网络方法的总体分类精度为92.9%,Kappa系数为0.92;与随机森林方法分类结果对比,总体分类精度和Kappa系数分别提高了 2.8百分点和0.03;三维卷积神经网络能够更加充分地利用遥感影像丰富的光谱信息和空间信息,提高森林类型的分类精度,在斑块构成和景观破碎度方面均得到较大提升,内部完整度较高,破碎化程度较轻微,更贴合实际工作需要.说明国产吉林一号光谱卫星遥感数据可以有效地对森林类型进行识别,在林业的生产经营上具有极大的应用潜力.

关键词

三维卷积神经网络/吉林一号光谱卫星/森林类型分类

Key words

Three-dimension convolution neural network/Jilin-1GP spectral satellite(Jilin-1 GP)/Forest type classification

引用本文复制引用

基金项目

吉林省发改委创新能力建设项目(2021C044-9)

吉林省自然科学基金(YDZJ202201ZYTS446)

吉林省科技发展计划(YDZJ202102CXJD046)

吉林省自然科学基金(20220101315JC)

吉林省科技厅重点研发项目(2023020-2098NC)

吉林省科技发展计划(20200602006ZP)

出版年

2023
安徽农业科学
安徽省农业科学院

安徽农业科学

影响因子：0.413
ISSN：0517-6611
参考文献量15
段落导航相关论文