首页|基于深度学习与多源遥感数据的新增建设用地自动检测

基于深度学习与多源遥感数据的新增建设用地自动检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
新增建设用地自动检测可以为自然资源保护提供一种新型有效的技术支持,本文以广西贵港市为研究区域,提出一种基于深度学习与多源遥感数据的新增建设用地自动检测方法.首先通过在训练区中对高分辨率遥感影像进行影像预处理、数据增广与差值处理得到训练数据,然后利用深度学习语义分割模型(DeepLabv3+)进行训练、调优,接着在测试区中结合遥感影像(Sentinel-2A)的变化区域提取结果对可能出现新增建设用地的区域进行筛选,最后对不同裁剪重叠率下的新增建设用地的自动检测结果进行验证.结果表明:1)在测试区中裁剪重叠率越高,图斑检测正确率越高,但同时也增加了检测计算量与图斑错分率,裁剪重叠率为70％时能在检测正确率、计算量和错分率之间取得较好的平衡.2)在70％的裁剪重叠率下,新增建设用地图斑检测正确率85.16％,错分率36.57％,图斑平均IoU为57.23％,检测面积率74.52％.
Automatic detection of newly increased construction land based on deep learning and multi-source remote sensing data

张泽瑞、刘小平、张鸿辉、罗伟玲

展开 >

中山大学地理科学与规划学院,广东广州510275

广东国地规划科技股份有限公司,广东广州510650

深度学习 多源遥感数据 新增建设用地 城乡规划

国家自然科学基金广东省国土空间规划一张图建设关键技术研究项目羊城创新创业领军人才支持计划

41871318GDZRZYKJ20200072019016

2022

10.13471/j.cnki.acta.snus.2020D058

中山大学学报(自然科学版)(中英文)
中山大学

中山大学学报(自然科学版)(中英文)

CSTPCDCSCD北大核心
影响因子：0.608
ISSN：0529-6579
年,卷(期)：2022.61(2)
  • 2
  • 10