典型文献
基于多维卷积神经网络的多源高分辨率卫星影像茶园分类
文献摘要：
武夷山市地形条件、茶园种植结构复杂,云雨天气多、卫星影像难获取.针对单一影像源茶园难提取的问题,以武夷山市新田镇为研究区,综合Sentinel-2影像的光谱信息和Google影像的纹理特征,提出一种基于多源高分辨率卫星影像和多维卷积神经网络(multidimensional multi-source convolutional neural networks,MM-CNN)的茶园分类方法.该方法以一维和二维卷积神经网络为基础,根据不同分辨率的影像,通过建立2种模型,分别提取茶园及疑似区域,并融合2个模型结果,最终得到茶园分布,以相对经济、高效的方式完成研究区茶园分布的高精度提取.结果表明,MM-CNN融合多源高分辨率影像进行茶园提取的空间分布精度优于单一影像源方法,MM-CNN方法具有一定的普适性和鲁棒性,为南方丘陵山区大范围高效监测茶园分布情况提供了方法参考.
文献关键词：
武夷山市;茶园;卷积神经网络;语义分割;U-Net;1D-CNN;Sentinel-2;Google影像
中图分类号：
作者姓名：
廖廓;聂磊;杨泽宇;张红艳;王艳杰;彭继达;党皓飞;冷伟
作者机构：
福建省气象科学研究所,福州 350008;武夷山国家气候观象台,武夷山 354300;武汉珈和科技有限公司,武汉 430200;浙江万维空间信息技术有限公司,南京 210012
文献出处：
引用格式：
[1]廖廓;聂磊;杨泽宇;张红艳;王艳杰;彭继达;党皓飞;冷伟-.基于多维卷积神经网络的多源高分辨率卫星影像茶园分类)[J].自然资源遥感,2022(02):152-161
A类：
多源高分辨率影像
B类：
高分辨率卫星影像,茶园,武夷山市,地形条件,种植结构,云雨,雨天,新田,Sentinel,光谱信息,Google,纹理特征,multidimensional,source,convolutional,neural,networks,MM,分类方法,二维卷积神经网络,南方丘陵山区,语义分割,Net,1D
AB值：
0.240051
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
