融合多尺度特征的冬小麦空间分布提取方法

TP751; 获取到高质量的特征是从遥感影像中提取高精度的农作物空间分布的关键,该研究针对利用哨兵2A(Sentinel-2A)影像提取高精度的冬小麦空间分布开展研究.针对影像中存在的数据空间尺度不一致的问题,以生成式对抗网络为基础建立了降尺度模型REDS(Red Edge Down Scale),用于将B5、B6、B7、B114个通道的空间分辨率从20 m降为10 m;然后利用卷积神经网络构建了逐像素分割模型REVINet(Red Edge and Vegetation Index Feature Network),REVINet以10m分辨率的B2、B3、B4、B5、B6、B7、B8、B1...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 38; no. 24; pp. 268 - 274
Main Authors 陈芳芳, 宋姿睿, 张景涵, 王梦楠, 吴门新, 张承明, 李峰, 柳平增, 杨娜
Format Journal Article
LanguageChinese
Published 山东农业大学农业大数据研究中心,泰安 271018 01.12.2022
山东农业大学信息科学与工程学院,泰安 271018%国家气象中心,北京 100081%山东农业大学信息科学与工程学院,泰安 271018
农业农村部黄淮海智慧农业技术重点实验室,泰安 271018%航天宏图信息技术股份有限公司,北京 100093
山东省数字农业工程技术研究中心,泰安 271018%山东省气候中心,济南 250031%山东农业大学信息科学与工程学院,泰安 271018
Subjects
卷积神经网络
NDRE1
红边波段
降尺度
EVI
冬小麦空间分布
Sentinel-2A
NDVI
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2022.24.029

Cover

More Information
Summary:TP751; 获取到高质量的特征是从遥感影像中提取高精度的农作物空间分布的关键,该研究针对利用哨兵2A(Sentinel-2A)影像提取高精度的冬小麦空间分布开展研究.针对影像中存在的数据空间尺度不一致的问题,以生成式对抗网络为基础建立了降尺度模型REDS(Red Edge Down Scale),用于将B5、B6、B7、B114个通道的空间分辨率从20 m降为10 m;然后利用卷积神经网络构建了逐像素分割模型REVINet(Red Edge and Vegetation Index Feature Network),REVINet以10m分辨率的B2、B3、B4、B5、B6、B7、B8、B11,以及提取出的增强植被指数、归一化植被指数和归一化差值红边指数组合作为输入,进行逐像素分类.选择ERFNet、U-Net和RefineNet作为对比模型同REVINet开展对比试验,试验结果表明,该研究提出的方法在召回率(92.15％)、查准率(93.74％)、准确率(93.09％)和F1分数(92.94％)上均优于对比方法,表明了该研究在从Sentinel-2A中提取冬小麦空间分布方面具有明显的优势.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2022.24.029