典型文献
基于深度学习的Sentinel-1A影像冰川识别
文献摘要：
冰川监测对于气候变化研究及区域可持续发展有重要意义,利用遥感影像提取冰川边界是冰川监测的关键.利用Sentinel-1A结合地形数据,通过基于VGG16、MobileNetV2的UNet和DeepLabV3+卷积神经网络对喀喇昆仑地区的冰川进行识别,并比较V H极化和VV极化下的识别精度.结果表明,V H极化的识别精度整体高于VV极化.基于MobileNetV2网络的识别精度不如VGG16高,但实现了精度相当的同时提高了运行效率.基于相同的主干网络,DeepLabV3+较UNet网络识别精度高,即基于VGG16的DeepLabV3+网络精度最高,在V H极化下其识别总体精度可达95.18％,交并比Io U可达84.33％,均交并比m Io U达到88.91％.卷积神经网络对纯净冰川、表碛冰川及冰川湖都有较好的识别效果,且识别出部分前进冰川,为大区域山地冰川的快速且半自动化识别提供了技术基础.
文献关键词：
Sentinel-1A;冰川;深度学习;喀喇昆仑
中图分类号：
作者姓名：
王梓霏;柯长青
作者机构：
南京大学地理与海洋科学学院,南京 210023
文献出处：
引用格式：
[1]王梓霏;柯长青-.基于深度学习的Sentinel-1A影像冰川识别)[J].遥感信息,2022(04):43-50
A类：
B类：
Sentinel,1A,冰川监测,变化研究,区域可持续发展,遥感影像,影像提取,川边,地形数据,VGG16,MobileNetV2,UNet,DeepLabV3+,喀喇昆仑,VV,识别精度,主干网络,总体精度,Io,均交并比,纯净,大区域,山地冰川,半自动化,自动化识别,技术基础
AB值：
0.332682
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。
