高分二号遥感影像提取冬小麦空间分布

编号 zgly0001706625

文献类型 期刊论文

文献题名 高分二号遥感影像提取冬小麦空间分布

作者 宋德娟  张承明  杨晓霞  李峰  韩颖娟  高帅  董海燕 

作者单位 山东农业大学信息科学与工程学院  山东省数字农业工程技术研究中心  山东省气候中心  中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室  中国科学院空天信息创新研究院 

母体文献 遥感学报 

年卷期 2020年05期

年份 2020 

分类号 TP751  S512.11 

关键词 高分二号  卷积神经网络  RefineNet模型  最大后验概率模型  冬小麦  空间分布  章丘 

文摘内容 精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。