摘要
近年来,我国人工草地建设进入了快速发展阶段,及时、准确地获取大区域范围内人工草地空间分布信息,有助于提升草业宏观管理的数字化水平.以内蒙古阿鲁科尔沁旗的苜蓿人工草地为例,基于Sentinel-2多时相遥感图像,结合苜蓿光谱反射率随刈割期变化的规律,利用ENVI NET 5深度学习模型提取苜蓿人工草地空间分布信息,并与面向对象的随机森林模型提取结果进行了比较.结果表明:(1)深度学习方法提取的2020年和2021年苜蓿草地的用户者精度分别为 100.00%和 98.80%,制图精度分别为 98.42%和 100.00%,总体精度分别为 99.17%和99.33%,Kappa系数分别为0.98和0.99.随机森林模型的用户者精度分别为98.90%和96.61%,制图精度分别为97.82%和94.48%,总体精度分别为98.28%和94.68%,Kappa系数分别为0.94和0.90.深度学习模型提取的苜蓿人工草地空间分布信息各项精度指标均优于随机森林模型.(2)深度学习方法提取结果中的噪声像元较少,简化了复杂的分类后处理流程.此外,深度学习模型无需逐年建模,普适性强.综上所述,深度学习模型可以精确、便利地提取研究区域苜蓿人工草地信息,具有在类似地区大面积推广应用的潜力.
国家科技期刊平台
NSTL
维普
万方数据