火狐体育

今天是

當前位置:

火狐体育何宏昌教授團隊在濕地遙感領域取得重要研究進展

來源:火狐体育 _showDynClicks("wbnews", 1283650130, 32965)  發布時間: 2021-09-13 15:32:46

  近日,火狐体育測繪地理信息學院智能計算與遙感應用實驗室青年骨干教師付波霖,在濕地遙感領域取得重要研究進展。相關研究成果以“Study on transfer learning ability for classifying marsh vegetation with multi-sensor images using DeepLabV3+ and HRNet deep learning algorithms”為題發表在遙感領域國際權威期刊《International Journal of Applied Earth Observation and Geoinformation》(SCI一區TOP,2021年IF=5.933)上。該研究得到國家自然科學基金、廣西自然科學基金和廣西八桂學者團隊等項目的共同資助。測繪地理信息學院2019級碩士研究生劉曼與導師付波霖為論文共同第一作者,何宏昌教授與范冬林老師為論文共同通訊作者,桂林理工大學為第一完成單位。2021年以來,實驗室研究團隊在北斗/GNSS高精度對流層大氣探測和濕地遙感兩個研究方向均取得了重要進展,已發表二區及以上SCI論文9篇,中文EI源刊論文6篇。

  濕地(di)(di)植被的(de)(de)(de)(de)高精(jing)度(du)分類(lei)與快速(su)監測是系(xi)統研(yan)(yan)究(jiu)濕地(di)(di)結構與生態功能(neng)的(de)(de)(de)(de)重要基礎,并(bing)為(wei)濕地(di)(di)的(de)(de)(de)(de)保(bao)護(hu)與合(he)理開發(fa)提供必要的(de)(de)(de)(de)參考信息。近年來(lai),深度(du)學(xue)習中的(de)(de)(de)(de)卷積(ji)神經網(wang)絡算(suan)法(fa)(CNN)已被用(yong)于遙感(gan)領域,但(dan)(dan)如何利(li)用(yong)CNN智能(neng)算(suan)法(fa)與多(duo)源(yuan)遙感(gan)影像(xiang)進(jin)行(xing)自(zi)然植被的(de)(de)(de)(de)高精(jing)度(du)、高效(xiao)率分類(lei)仍是一項具有(you)挑戰(zhan)性的(de)(de)(de)(de)難題。有(you)研(yan)(yan)究(jiu)表明,利(li)用(yong)CNN算(suan)法(fa)的(de)(de)(de)(de)遷(qian)(qian)移(yi)學(xue)習能(neng)力可提高地(di)(di)物(wu)(wu)的(de)(de)(de)(de)分類(lei)效(xiao)率,但(dan)(dan)目前已有(you)的(de)(de)(de)(de)研(yan)(yan)究(jiu)只驗(yan)證了遷(qian)(qian)移(yi)學(xue)習在(zai)分布(bu)較(jiao)為(wei)規則的(de)(de)(de)(de)地(di)(di)物(wu)(wu)中具有(you)較(jiao)好的(de)(de)(de)(de)性能(neng),尚(shang)未(wei)有(you)研(yan)(yan)究(jiu)論證CNN算(suan)法(fa)在(zai)空間分布(bu)較(jiao)為(wei)復雜的(de)(de)(de)(de)自(zi)然植被分類(lei)中的(de)(de)(de)(de)遷(qian)(qian)移(yi)學(xue)習效(xiao)果。

  該項(xiang)研究首次利(li)用新(xin)一代中國高空(kong)間分(fen)辨率(lv)(lv)對(dui)(dui)地(di)(di)觀測衛(wei)星(xing)GF-1、GF-2與(yu)ZY-3,以及國際對(dui)(dui)地(di)(di)觀測衛(wei)星(xing)Sentinel-2A與(yu)Landsat 8 OLI,系統探索(suo)了遙(yao)感影像的(de)不同空(kong)間分(fen)辨率(lv)(lv)梯度(du)和不同光譜維(wei)度(du)組合(he)對(dui)(dui)沼澤植(zhi)被(bei)分(fen)類(lei)精度(du)的(de)影響,創新(xin)性地(di)(di)利(li)用多源影像探究了CNN算法在(zai)沼澤植(zhi)被(bei)中的(de)遷移學習性能(neng),并對(dui)(dui)比(bi)論證了傳統基于像素的(de)CNN分(fen)類(lei)方法與(yu)融(rong)合(he)圖像分(fen)割的(de)CNN分(fen)類(lei)方法對(dui)(dui)濕地(di)(di)植(zhi)被(bei)邊界處的(de)精準識別能(neng)力,該研究成(cheng)果(guo)為復雜(za)自然(ran)植(zhi)被(bei)智能(neng)識別和變化檢測提供了新(xin)的(de)思路。

  論文鏈接:

研究流程(cheng)圖

  該項研(yan)究主要分為三(san)個部分: (1)在(zai)0.8m-30m的(de)(de)空(kong)間(jian)分辨(bian)(bian)率(lv)(lv)與430nm-2300nm的(de)(de)光譜(pu)(pu)范圍下構(gou)建16種多(duo)源(yuan)影(ying)像(xiang)組(zu)合(he)方(fang)案(an),驗證(zheng)不(bu)同空(kong)間(jian)分辨(bian)(bian)率(lv)(lv)梯(ti)度和光譜(pu)(pu)維(wei)度的(de)(de)組(zu)合(he)方(fang)式對沼(zhao)澤(ze)(ze)植(zhi)被(bei)(bei)(bei)(bei)識別(bie)能力(li)的(de)(de)影(ying)響。(2)融合(he)8種不(bu)同空(kong)間(jian)分辨(bian)(bian)率(lv)(lv)影(ying)像(xiang)的(de)(de)分類(lei)結果,并(bing)(bing)與面向(xiang)對象的(de)(de)多(duo)尺度影(ying)像(xiang)分割結果進行(xing)疊加整合(he),對比驗證(zheng)傳統基(ji)于像(xiang)素的(de)(de)CNN分類(lei)方(fang)法(fa)與融合(he)圖像(xiang)分割的(de)(de)CNN分類(lei)方(fang)法(fa)對濕(shi)地植(zhi)被(bei)(bei)(bei)(bei)邊界處的(de)(de)精準識別(bie)能力(li)。(3)基(ji)于多(duo)源(yuan)影(ying)像(xiang)構(gou)建12種訓(xun)(xun)練(lian)方(fang)案(an),對灌草植(zhi)被(bei)(bei)(bei)(bei)、淺水(shui)沼(zhao)澤(ze)(ze)植(zhi)被(bei)(bei)(bei)(bei)與深(shen)水(shui)沼(zhao)澤(ze)(ze)植(zhi)被(bei)(bei)(bei)(bei)3種植(zhi)被(bei)(bei)(bei)(bei)群(qun)(qun)叢進行(xing)遷移(yi)(yi)學(xue)習(xi)(xi)訓(xun)(xun)練(lian),定(ding)量評估DeepLabV3+與HRNet 深(shen)度學(xue)習(xi)(xi)算法(fa)在(zai)沼(zhao)澤(ze)(ze)植(zhi)被(bei)(bei)(bei)(bei)群(qun)(qun)叢中的(de)(de)遷移(yi)(yi)學(xue)習(xi)(xi)能力(li),并(bing)(bing)探(tan)究在(zai)不(bu)同空(kong)間(jian)分辨(bian)(bian)率(lv)(lv)和光譜(pu)(pu)維(wei)度下沼(zhao)澤(ze)(ze)植(zhi)被(bei)(bei)(bei)(bei)群(qun)(qun)叢的(de)(de)遷移(yi)(yi)學(xue)習(xi)(xi)效果。

(A為(wei)(wei)(wei)灌草植(zhi)被(bei);B為(wei)(wei)(wei)深(shen)水(shui)沼澤植(zhi)被(bei);C為(wei)(wei)(wei)淺水(shui)沼澤植(zhi)被(bei);D為(wei)(wei)(wei)白(bai)樺林(lin)與(yu)白(bai)楊(yang)林(lin);E為(wei)(wei)(wei)水(shui);F為(wei)(wei)(wei)水(shui)稻(dao)田;G為(wei)(wei)(wei)玉米地與(yu)高粱地)

論文發表情況

火狐体育