文献类型：期刊文章

作　　者：靳宁[1] 孙林[2] 张东彦[2,3] 张选[4] 李毅[5] 姚宁[5]

JIN Ning;SUN Lin;ZHANG Dongyan;ZHANG Xuan;LI Yi;YAO Ning(Department of Resources and Environment,Shanxi Institute of Energy,Jinzhong 030600,China;National Engineering Research Center of Agro-Ecological Big Data Analysis and Application,Anhui University,Hefei 230601,China;College of Mechanical and Electronic Engineering,Northwest A&F University,Yangling,Shaanxi 712100,China;Institute of Agricultural Science and Technology of Third Division,Xinjiang Production and Construction Corps,Tumxuk 843900,China;College of Water Resources and Architectural Engineering,Northwest A&F University,Yangling,Shaanxi 712100,China)

机构地区：[1]山西能源学院资源与环境工程系,晋中030600 [2]安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心,合肥230601 [3]西北农林科技大学机械与电子工程学院,陕西杨凌712100 [4]新疆生产建设兵团第三师农业科学研究所,图木舒克843900 [5]西北农林科技大学水利与建筑工程学院,陕西杨凌712100

出　　处：《农业机械学报》

基　　金：山西省基础研究计划自然科学研究面上项目(202203021221231)。

年　　份：2023

卷　　号：54

期　　号：11

起止页码：159-168

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：棉花是我国重要的经济作物和战略储备物资,及时、准确地获取棉花空间分布信息对于棉花产量预测、农业政策的制定与调整具有重要意义。针对高分辨率遥感影像获取难度大以及传统机器学习对特征信息利用不足的问题,本文以新疆南部地区图木舒克市为目标区域,提出一种以U-HRNet为基本框架,融合CBAM注意力机制的CBAM-U-HRNet棉花种植地块提取模型。选择U-Net、HRNet和U-HRNet作为对比模型,评估CBAM-U-HRNet模型在Sentinel-2(10 m)和GF-2(1 m)2种空间分辨率数据集上的表现以及在棉花地块提取的优势。结果表明,基于Sentinel-2遥感影像的CBAM-U-HRNet组合模型对棉花地块的提取精度最优,mIoU和mPA分别达到92.78%和95.32%。与Sentinel-2数据集相比,空间分辨率更高的GF-2数据在HRNet、U-Net和U-HRNet网络上取得了更高的精度。对于两种不同空间分辨率的数据集,基于CBAM-U-HRNet模型的棉花地块提取精度较为接近,表明CBAM-U-HRNet模型能够减少由于数据集空间分辨率不同导致的错分。与随机森林算法相比,CBAM-U-HRNet模型对棉花地块提取的准确率更高。研究结果可以为干旱地区棉花识别与种植地块快速提取提供技术支撑。

关 键 词：棉花 种植地块提取  注意力机制  CBAM-U-HRNet模型  Sentinel-2  

分 类 号：S127]