文献类型：期刊文章

作　　者：王宁[1] 程家骅[2] 张寒野[2] 曹红杰[1,3] 刘军[3]

WANG Ning;CHENG Jiahua;ZHANG Hanye;CAO Hongjie;LIU Jun(Beijing Unistrong Science and Technology Co.,Ltd.,Beijing 100015,China;East China Sea Fisheries Research Institute,Chinese Academy of Fishery Sciences,Shanghai 200090,China;BeiDou Navigation and LBS(Beijing)Co.,Ltd.,Beijing 100191,China)

机构地区：[1]北京合众思壮科技股份有限公司,北京100015 [2]中国水产科学研究院东海水产研究所,上海200090 [3]北斗导航位置服务(北京)有限公司,北京100191

出　　处：《国土资源遥感》

基　　金：国家重点研发计划项目“全球位置信息叠加协议与位置服务网技术”(编号:2017YFB0503700);北京市博士后工作经费资助项目“基于深度学习的高分辨率遥感影像养殖水体提取技术研究”(编号:2018-ZZ-036);青海省重大科技专项项目“海北州高寒草地生态畜牧业大数据管理平台与关键技术集成示范”(编号:2017-NK-A4);农财专项-农业农村资源等监测统计经费项目(2017)共同资助。

年　　份：2020

卷　　号：32

期　　号：1

起止页码：35-42

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、GEOREFPREVIEWDATABASE、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：选择安徽省巢湖流域为研究区,采用U-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于小面积水体,随机森林模型水体提取结果存在较多细碎图斑,U-net模型水体提取结果和人工目视解译结果更加符合;③对于遥感影像中城市建筑物阴影和山体阴影,U-net模型能较好地消除阴影影响,正确提取水体,而随机森林模型存在较多将阴影误分为水体的现象;④总体来看,在复杂地表覆盖类型条件下,U-net模型提取水体的总体精度为98. 69%,Kappa系数为0. 95,均高于随机森林模型,在2种模型漏分误差相当的情况下,U-net模型错分误差远小于随机森林模型。U-net模型避免了人工提取分类特征的过程,自动化程度更高,训练效率较高,适用于遥感影像中水体高精度提取。

关 键 词：GF-1  U-net模型  随机森林  水体提取

分 类 号：TP79]