手机知网 App
24小时专家级知识服务
打 开
环境科学与资源利用
基于深度学习的黑臭水体遥感信息提取研究
黑臭水体分布散且广,对人民的居住环境、城市整体美观形象都造成了严重的损害,是我国许多大中城市共同存在的环境污染问题。本文以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net网络模型对黑臭水体遥感信息提取进行对比实验研究。为了更好的区分黑臭水体与非黑臭水体,计算归一化差异植被指数NDVI(Normalized Difference Vegetation Index)和归一化差异黑臭水体指数NDBWI(Normalized Difference Black-odorous Water Index),探究深度学习模型输入不同指数的提取效果。针对细小形状的黑臭水体普遍存在的漏检问题,引入注意力机制模块对模型进行优化,构成一种改进型深度学习黑臭水体遥感信息提取模型。结论表明:(1)RGB+NIR+NDVI+NDBWI影像由于拥有最丰富的特征信息和较少的数据冗余,在各模型中都能较好的区分黑臭水体与非黑臭水体,但依然存在漏检与错检;(2)输入融合RGB+NIR+NDVI+NDBWI指数的遥感影像并引入注意力机制的U-Net网络模型对黑臭水体的提取结果最佳,在精度评价指标F1-srore、MIoU、Recall上分别达到了0.8645、0.8681、0.8359。
0 251
手机阅读本文
下载APP 手机查看本文
长江科学院院报
网络首发
相似文献
相关工具书
图书推荐

搜 索