基于无人机影像和深度学习的渭北旱塬区土地利用精准分类

• Published in: 农业工程学报 Vol. 38; no. 22; pp. 199 - 209
• Main Authors: 张志博, 赵西宁, 姜海晨, 袁浩, 杨龙, 高晓东, 石亮亮, 牛雨婷
• Format: Journal Article
• Language: Chinese
• Published: 西北农林科技大学旱区农业水土工程教育部重点实验室,杨凌 712100%中国科学院水利部水土保持研究所,杨凌 712100%西北农林科技大学资源环境学院,杨凌 712100%西北农林科技大学信息工程学院,杨凌 712100%西北农林科技大学经济管理学院,杨凌 712100 2022
• Subjects: 无人机; 遥感; 机器学习; 土地利用; 可见光影像; 深度学习
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2022.22.022

TP79; 为明确基于无人机影像的旱塬区土地利用精准分类方法,尤其是算法的选择,该研究通过获取渭北旱塬区白水县通积村不同航拍高度无人机正射遥感影像,利用多种深度学习算法和机器学习算法对土地利用分类进行研究.首先,采用大疆御2Pro获取研究区80和160 m不同高度航拍影像;然后对不同航拍高度目视解译结果和多种深度学习、机器学习模型预测结果进行对比分析;最后,基于表现最佳算法对其进行创新和改进.结果表明:深度学习算法的表现远远优于传统机器学习算法,其中深度学习算法中表现最好的DeepLabv3+像素精度为90.06％,比随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)分别高出24.65和21.32个百分点.基于DeepLabv3+改进的DeepLabv3+_BA模型整体分类效果最好,其像素精度为91.37％,比FCN、SegNet、UNet和DeepLabv3+分别高出7.43、10.12、2.27和1.31个百分点.各种算法在160 m数据集上各指标精度高于80 m.改进模型DeepLabv3+_BA具有较高的地物分类精度及较强的鲁棒性,该研究可为基于无人机影像和深度学习的土地利用信息普查提供技术参考.