首页|基于深度学习的Sentinel-1A影像冰川识别

基于深度学习的Sentinel-1A影像冰川识别

Glacier Recognition from Sentinel-1A Satellite Image Based on Deep Learning

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
冰川监测对于气候变化研究及区域可持续发展有重要意义,利用遥感影像提取冰川边界是冰川监测的关键.利用Sentinel-1A结合地形数据,通过基于VGG16、MobileNetV2的UNet和DeepLabV3+卷积神经网络对喀喇昆仑地区的冰川进行识别,并比较V H极化和VV极化下的识别精度.结果表明,V H极化的识别精度整体高于VV极化.基于MobileNetV2网络的识别精度不如VGG16高,但实现了精度相当的同时提高了运行效率.基于相同的主干网络,DeepLabV3+较UNet网络识别精度高,即基于VGG16的DeepLabV3+网络精度最高,在V H极化下其识别总体精度可达95.18％,交并比Io U可达84.33％,均交并比m Io U达到88.91％.卷积神经网络对纯净冰川、表碛冰川及冰川湖都有较好的识别效果,且识别出部分前进冰川,为大区域山地冰川的快速且半自动化识别提供了技术基础.

王梓霏、柯长青

展开 >

南京大学地理与海洋科学学院,南京 210023

Sentinel-1A 冰川 深度学习 喀喇昆仑

41830105

2022

10.3969/j.issn.1000-3177.2022.04.007

遥感信息
科学技术部国家遥感中心,中国测绘科学研究院

遥感信息

CSTPCDCSCD北大核心
影响因子：0.712
ISSN：1000-3177
年,卷(期)：2022.37(4)
  • 1