| 融合浅层特征的深度卷积神经网络互花米草遥感监测方法 |
| |
| 引用本文： | 朱玉玲,王建步,王安东,王锦锦,赵晓龙,任广波,胡亚斌,陈晓英,马毅.融合浅层特征的深度卷积神经网络互花米草遥感监测方法[J].海洋科学,2019,43(7):12-22. |
| |
| 作者姓名： | 朱玉玲 王建步 王安东 王锦锦 赵晓龙 任广波 胡亚斌 陈晓英 马毅 |
| |
| 作者单位： | 自然资源部第一海洋研究所,山东 青岛,266061;山东黄河三角洲国家级自然保护区管理局,山东 东营,257091;珠海欧比特宇航科技股份有限公司,广东 珠海,519000;自然资源部第一海洋研究所, 山东 青岛 266061;大连海事大学, 辽宁 大连116026 |
| |
| 基金项目： | 国家自然科学基金项目（61601133，41706209）；高分海岸带遥感监测与应用示范项目（41-Y30B12-9001-14/16） |
| |
| 摘 要： | 基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deepconvolutionalneuralnetwork,DCNN)分类模型,开展互花米草(SpartinaalternifloraLoisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中, DCNN有着更好的应用潜力;(2)融合浅层特征后, DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。
|
| 关 键 词： | 深度卷积神经网络(deep convolutional neural network DCNN) 浅层特征融合 湿地分类 互花米草(Spartina alterniflora Loisel) 黄河口 |
| 收稿时间： | 2019/1/30 0:00:00 |
| 修稿时间： | 2019/3/26 0:00:00 |
Remote-sensed monitoring of Spartina alterniflora using deep convolutional neural network method with fusion of shallow features |
| |
| ZHU Yu-ling,WANG Jian-bu,WANG An-dong,WANG Jin-jin,ZHAO Xiao-long,REN Guang-bo,HU Ya-bin,CHEN Xiao-ying and MA Yi.Remote-sensed monitoring of Spartina alterniflora using deep convolutional neural network method with fusion of shallow features[J].Marine Sciences,2019,43(7):12-22. |
| |
| Authors: | ZHU Yu-ling WANG Jian-bu WANG An-dong WANG Jin-jin ZHAO Xiao-long REN Guang-bo HU Ya-bin CHEN Xiao-ying and MA Yi |
| |
| Institution: | First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China,First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China,Administration Bureau of the Yellow River Delta National Nature Reserve, Dongying 257091, China,Zhuhai Orbit Aerospace Science & Technology Co., Ltd., Zhuhai 519000, China,First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China,First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China,First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China;Dalian Maritime University, Dalian 116026, China,First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China and First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China |
| |
| Abstract: | |
| |
| Keywords: | deep convolutional neural network (DCNN) fusion of shallow feature wetland classification Spartina alterniflora the Yellow River estuary |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《海洋科学》浏览原始摘要信息 |
| 点击此处可从《海洋科学》下载免费的PDF全文 |
|
