基于深度学习和遥感数据的水稻种植面积提取

来源：湖北农业科学杂志2023年第11期北京时间：

作者：邱儒琼1,2, 彭少坤2, 李孟璠2

单位：1.中国地质大学（武汉）国家地理信息系统工程技术研究中心,武汉 430074; 2.湖北省发展规划研究院有限公司,武汉 430071

摘要：针对现有基于深度卷积神经网络进行水稻（Oryza sativa L.）遥感识别中样本采集工作量大、样本标注要求高及水稻感受野尺度选择难等问题,构建了一种基于像元和多尺度的深度卷积神经网络（DCNN）水稻遥感识别模型。首先,针对水稻种植分布特点,综合深度卷积神经网络方法的特点,设计了基于像元的DCNN提取模型;其次,将多尺度与DCNN相结合,构建多尺度DCNN模型,增加感受野的多尺度特性;最后,为了验证多尺度DCNN模型提取水稻的效果,以高分一号和高分二号卫星影像为数据源,选取传统机器学习SVM模型、语义分割D-Linknet模型、单一尺度DCNN模型进行分类精度对比分析。结果表明,本研究提出的多尺度DCNN模型的准确率、精确率、召回率、平衡F分数分别为97.75%、96.68%、99.08%、97.85%;与其他模型相比,多尺度DCNN模型结构简单、样本制作简便、识别精度高,具有较好的应用价值。

关键词：水稻（OryzasativaL.）,高分辨率遥感影像,深度学习,种植面积提取,像元分类,深度卷积神经网络（DCNN）,多尺度DCNN模型

基金资助：湖北省自然资源厅科研项目（ZRZY2021KJ03）