文献类型：期刊文章

作　　者：孟祥锐[1,2] 张树清[3] 臧淑英[1]

Meng Xiangrui;Zhang Shuqing;Zang Shuying(College of Geographical Sciences,Harbin Normal University,Harbin 150025,Heilongjiang,China;College of Urban and Environmental Sciences,Changchun Normal University,Changchun 130032,Jilin,China;Northeast Institute of Geography and Agricultural Ecology,Chinese Academy of Sciences,Changchun 130102,Jilin,China)

机构地区：[1]哈尔滨师范大学地理科学学院,黑龙江哈尔滨150025 [2]长春师范大学城市与环境科学学院,吉林长春130032 [3]中国科学院东北地理与农业生态研究所,吉林长春130102

出　　处：《地理科学》

基　　金：国家自然科学基金项目(41571199)资助~~

年　　份：2018

卷　　号：38

期　　号：11

起止页码：1914-1923

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、CSSCI、CSSCI2017_2018、JST、PROQUEST、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘　　要：以洪河国家级自然保护区为研究对象,应用卷积神经网络(CNN)方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机(SP-SVM)的方法和基于纹理及光谱的支持向量机(TSP-SVM)的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP—SVM方法5.61%和5%,高于TSP—SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP—SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。

关 键 词：湿地遥感分类  卷积神经网络 高分辨率 洪河自然保护区

分 类 号：F129.9]