典型文献
基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类
文献摘要：
[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.
文献关键词：
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
中图分类号：
作者姓名：
杨丹;李崇贵;李斌
作者机构：
西安科技大学测绘科学与技术学院,陕西 西安 710054
文献出处：
引用格式：
[1]杨丹;李崇贵;李斌-.基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类)[J].林业科学研究,2022(04):103-111
A类：
mNDVI,NDre1,+DEM,+DEM+
B类：
Net,多时相,Sentinel,2A,林分类型,深度学习模型,森林植被,分类效果,黑龙江省,孟家,林场,数字高程模型,数据源,森林类别,JM,植被指数,红边指数,CIred,edge,模型精度,总体精度,椒盐,细腻,建植,时序特征,分类精度,森林分类
AB值：
0.271642
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。
