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

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：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.

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

外文关键词：

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

作者：

刘婷、包广道、李竺强、朱瑞飞、包颖、张忠辉

展开 >

作者单位：

吉林省林业科学研究院,吉林长春 130033

吉林大学地球探测科学与技术学院,吉林长春 130026

长光卫星技术有限公司,吉林长春 130000

吉林省林业技术推广站,吉林长春 130022

展开 >

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

基金：

吉林省发改委创新能力建设项目吉林省自然科学基金吉林省科技发展计划吉林省自然科学基金吉林省科技厅重点研发项目吉林省科技发展计划

项目编号：

2021C044-9YDZJ202201ZYTS446YDZJ202102CXJD04620220101315JC2023020-2098NC20200602006ZP

出版年：

2023

DOI：

10.3969/j.issn.0517-6611.2023.13.023

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

年,卷(期)：2023.51(13)

参考文献量15