典型文献
基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型
文献摘要：
森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用.随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义.由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型(UnetR).对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力.与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验.结果表明,UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法.
文献关键词：
区域森林郁闭度;深度学习;光学遥感;激光雷达
中图分类号：
作者姓名：
徐恩恩;郭颖;陈尔学;李增元;赵磊;刘清旺
作者机构：
西安科技大学测绘科学与技术学院,陕西 西安,710054;中国林业科学研究院资源信息研究所,北京,100091
文献出处：
引用格式：
[1]徐恩恩;郭颖;陈尔学;李增元;赵磊;刘清旺-.基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型)[J].武汉大学学报（信息科学版）,2022(08):1298-1308
A类：
区域森林郁闭度,UnetR
B类：
LiDAR,高空间分辨率,卫星遥感数据,估测模型,森林资源调查,调查中,森林质量评价,遥感技术,有效协同,空间覆盖,覆盖能力,协同应用,无人机激光雷达,深度学习模型,图像分类,损失函数,卷积层,批量归一化,连续变量,全卷积神经网络,支持向量机回归模型,遥感监测,人力成本,光学遥感
AB值：
0.237749
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。
