黄土高原近20年来苹果栽植面积迅猛增加,对区域生态水文和社会经济发展均产生了重要影响.但该区域果园地块小且场景复杂,仅有县/市尺度统计数据,尚无苹果园实际的空间分布信息.为此,本研究建立了无人机低空遥感影像专业数据集.融合迁移学习与深度学习方法,将残差神经网络ResNet34网络迁移到Linknet网络,得到R_34_Linknet网络.将R_34_Linknet网络与5种常用的深度学习语义分割模型Seg?Net、FCN_8s、DeeplabV3+、UNet和Linknet应用于黄土高原苹果园空间分布提取,表现最好的模型为R_34_Linknet,其在测试集上的调和平均值F1为87.1％,像素准确度PA为92.3％,均交并比MIoU为81.2％,频权交并比FWIoU为85.7％,平均像素准确度MPA为89.6％.将空间金字塔池化结构(Atrous Spatial Pyramid Pooling,ASPP)与R_34_Linknet网络相结合,扩大网络的感受野,得到R_34_Linknet_ASPP网络;然后对ASPP结构进行改进,得到R_34_Linknet_ASPP+网络.对比三种网络性能,表现最优的为R_34_Linknet_ASPP+,在测试集上F1为86.3％,PA为94.7％,MIoU为82.7％,FWIoU为89.0％,MPA为92.3％.使用R_34_Linknet_ASPP+在长武县王东沟和白水县通积村提取苹果园面积精度分别为94.22％和95.66％.本研究提出的R_34_Linknet_ASPP+方法提取到的苹果园更加准确,苹果园地块边缘处效果更好,可作为黄土高原苹果园空间分布制图等研究的技术支撑和理论依据.

无人机遥感;苹果园提取;深度学习;黄土高原;迁移学习;残差神经网络;语义分割

张志博;赵西宁;高晓东;张利;杨孟豪

西北农林科技大学水利与建筑工程学院,陕西杨凌712100;中国科学院水利部水土保持研究所,陕西杨凌712100

智慧农业（中英文）

[1]张志博;赵西宁;高晓东;张利;杨孟豪-.基于改进Linknet网络的黄土高原苹果园精准提取)[J].智慧农业（中英文）,2022(03):95-107

FWIoU,苹果园提取

Linknet,黄土高原,精准提取,栽植,猛增,区域生态,生态水文,文和,地块,市尺,分布信息,无人机低空遥感,遥感影像,影像专业,迁移学习,深度学习方法,残差神经网络,ResNet34,习语,语义分割,分割模型,Seg,FCN,8s,DeeplabV3+,UNet,测试集,调和平均,像素,均交并比,MIoU,MPA,空间金字塔池化,Atrous,Spatial,Pyramid,Pooling,大网,感受野,ASPP+,网络性能,长武县,东沟,白水县,取到,苹果园地,布制,制图,无人机遥感

0.326854