文献类型：期刊文章

作　　者：党宇[1] 张继贤[1,2] 邓喀中[1] 赵有松[2] 余凡[3]

机构地区：[1]中国矿业大学,徐州221116 [2]国家测绘产品质量检验测试中心,北京100830 [3]中国测绘科学研究院,北京100830

出　　处：《地球信息科学学报》

基　　金：国家自然科学基金项目(41671440)

年　　份：2017

卷　　号：19

期　　号：11

起止页码：1530-1537

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。

关 键 词：深度学习  地理国情普查  地表覆盖分类  质量评价  AlexNet  

分 类 号：P237]