复杂场景下小农经营区地块级苹果园模块化制图方法框架

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：实现复杂场景下地块级苹果园的精准制图,是中国苹果产业精细化管理面临的迫切需求.然而,传统的地块级分类制图框架在处理小农经营区内的大量细碎地块时,可靠性大幅度降低.本文提出一种适用于复杂场景下小农经营区的地块级苹果园模块化制图方法框架.①基于模拟人类对目标场景视觉感知的分层策略,从深秋季的单幅超高空间分辨率(Very High Reso-lution,VHR)影像中提取冗余的候选地块;②利用非对称瓶颈网络(Depth-wise Asymmetric Bottleneck Network,DABNet)模型与长短期记忆(Long Short-Term Memory,LSTM)模型,分别从VHR影像与时间序列影像中提取苹果园的空间特征像素与时序特征像素.然后,构建元特征描述特征像素在候选地块中的分布情况,与地块的内在特征共同组成苹果园地块的分类特征;③使用随机森林(Random Forest,RF)将候选地块分类为苹果园地块和非苹果园地块.以山东省栖霞市西城镇为研究区,从43238个候选地块中提取出30292个苹果园地块,分类总体精度达到92.7％.利用RF算法自带的平均精度减少指标(Mean De-crease in Accuracy,MDA)对17种分类子特征进行特征重要性分析,证明本文提出的元特征比传统人工设计特征具有更强的信息抽象与特征表达能力.该框架成功实现场景复杂的小农经营区地块级苹果园制图,可推进精准果园农业的发展.

外文标题：Modular Mapping Framework of Parcel-Level Apple Orchards in Smallholder Agriculture Areas under Complex Scenes

外文关键词：

apple orchardcomplex scenesparcel-level mappingdeep learningmeta-featuretime-series dataVery High Resolution images

作者：

寇雯齐、沈占锋、王浩宇、李硕、焦淑慧、雷雅婷

展开 >

作者单位：

中国科学院空天信息创新研究院国家遥感应用工程技术研究中心,北京100101

中国科学院大学资源与环境学院,北京100049

中国科学院大学电子电气与通信工程学院,北京100049

关键词：

苹果园复杂场景地块级分类深度学习元特征时间序列数据超高空间分辨率影像

基金：

国家重点研发计划国家自然科学基金新疆科学考察项目(第三次)

项目编号：

2021YFC1523503419713752021xjkk1403

出版年：

2024

DOI：

10.12082/dqxxkx.2024.220153

地球信息科学学报

中国科学院地理科学与资源研究所

地球信息科学学报

CSTPCD北大核心

影响因子：1.004

ISSN：1560-8999

年,卷(期)：2024.26(1)

参考文献量43