典型文献
基于深度学习的海冰融池识别
文献摘要：
融池对海冰融化速率估算具有重要作用.基于Sentinel-2影像,选择可见光(波段2、波段3、波段4)和近红外(波段8)作为特征波段,采用两种特征组合方式(波段2/3/4反射率、波段2/3/4反射率与波段2/3/4/8反射率差值归一化值),分别训练多层神经网络(multi-layer neural network,MNN),进行海冰、开阔水域、亮融池、暗融池识别.结果表明,基于可见光与归一化值MNN识别效果更佳,总体识别精度达到88.0％,其中亮融池生产者精度和用户精度分别为77.6％和77.1％,暗融池的生产者精度和用户精度分别为55.2％和96.1％.波段反射率差值归一化处理可增大地物间区分度,提高融池识别精度.与其他算法相比,应用MNN可实现融池准确识别,为海冰融化速率估算提供有效参考.
文献关键词：
海冰融池识别;反射率差值归一化;多层神经网络;Sentinel-2;波弗特海
中图分类号：
作者姓名：
王智豪;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]王智豪;柯长青-.基于深度学习的海冰融池识别)[J].遥感信息,2022(06):85-93
A类：
海冰融池识别,反射率差值归一化
B类：
融化速率,Sentinel,可见光,近红外,特征波段,特征组合,组合方式,多层神经网络,multi,layer,neural,network,MNN,开阔,水域,识别精度,生产者,归一化处理,地物,区分度,准确识别,有效参考,波弗特海
AB值：
0.222005
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。
