编号
zgly0001743522
文献类型
期刊论文
文献题名
基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类
作者单位
西安科技大学测绘科学与技术学院
母体文献
林业科学研究
年卷期
2022,35(4)
页码
103-111
年份
2022
分类号
X87
S757
关键词
多时相Sentinel-2A/B影像
植被指数
红边指数
U-Net模型
支持向量机
森林分类
文摘内容
[目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征(DVI、mNDVI、CIred-edge、NDre1)。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果](1)在单一时相+DEM基础上,加入多时相植被指数后,U-Net模型精度为77.87%,比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习U-Net模型能够避免“椒盐”现象,分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用U-Net模型在一定程度上能够提高林分类型分类精度。