浏览全部资源
扫码关注微信
1. 山东省青岛生态环境监测中心
2. 平度市自然资源局
3. 中国石油大学(华东)
Published:2025
移动端阅览
孙立娥, 李金玺, 徐可, et al. 基于MobileNet的自然保护区人类活动遥感监测[J]. 2025, 23(9): 85-88.
DOI:
孙立娥, 李金玺, 徐可, et al. 基于MobileNet的自然保护区人类活动遥感监测[J]. 2025, 23(9): 85-88. DOI:
以2023年高分辨率遥感影像为数据源,首先利用7种分类方法提取某省级自然保护区的土地利用分类信息,并进行精度评估;再结合人工目视解译识别各种人类活动,并进行人类活动影响评价。结果表明,7种分类方法中MobileNet模型的分类准确率高达98.44%,明显高于传统方法;该省级自然保护区的主要人类活动类型为居民点,其次为农田、交通设施、其他人工设施和旅游用地;保护区总体受人类活动影响轻微,各功能分区中核心区、缓冲区和实验区受人类活动影响程度分别为轻微、一般和较明显。
陈秋影.基于深度学习的中分辨率影像分类与应用[D].安徽理工大学,2023(04).
石灵杰.基于深度学习ResNet模型的遥感图像森林分类研究[D].中南林业科技大学,2022(02).
龙丽红.基于深度学习的土地场景分类应用研究[D].汕头大学,2022(02).
李慧慧.基于深度学习的高分辨率遥感影像典型地物要素分类研究[D].长安大学,2022(06).
孙炳靖.基于改进DenseNet的遥感图像分类算法研究[D].哈尔滨理工大学,2022(01).
李道纪.基于深度学习的高分辨率光学遥感影像典型地物智能分类技术研究[D].战略支援部队信息工程大学,2020(08).
马永建.基于CNN的高分辨率遥感影像典型农作物分类方法研究[D].石河子大学,2020(08).
高晗.基于SVM的图像分类算法[D].吉林大学,2019(12).
门计林.基于卷积神经网络的高分辨率遥感影像土地利用分类[D].中国地质大学,2019(01).
王协.融合多尺度学习与深度卷积神经网络的高分辨率遥感图像土地利用信息提取方法[D].浙江大学,2018(03).
田智慧,常蓬,赫晓慧,程淅杰.一种基于CNN-GCN的高分辨率遥感影像土地覆盖分类[J].测绘科学,2023(06).
朱叶飞,秦小麟,詹雅婷,王玉军,宋珂.卷积神经网络和视觉注意力语义分割模型在高分辨率遥感影像分类中的性能分析[J].地质学刊,2023(03).
林涛,彭鹏,李煜.安徽省大方寺省级自然保护区人类活动遥感监测[J].安徽地质,2022(S1).
王娟,王志红,张建国,初娜,李斯,尹展.河南省国家级自然保护区人类活动遥感监测及其影响强度评价[J].自然资源遥感,2022(04).
杨志刚,黎颖卿,秦琳,郭盛才,樊晶.广东国家级和省级自然保护区人类活动遥感动态监测与评价[J].自然保护地,2022(03).
孙立娥,汪进生,王明丽.崂山省级自然保护区人类活动遥感监测与评价[J].河北环境工程学院学报,2022(05).
宋拥军,吴静,王慧敏,刘现印,张智安.基于地理国情的自然保护区人类活动监测研究[J].地理空间信息,2020(10).
孔梅,孟祥亮,高洁,王琦.山东省省级自然保护区人类活动遥感监测与评价[J].环境监控与预警,2020(01).
舒军,杨露,陈义红,杨莉,邓芳.基于小数据集的改进LeNet图像分类模型研究[J].中南民族大学学报(自然科学版),2019(04).
曹巍,黄麟,肖桐,吴丹.人类活动对中国国家级自然保护区生态系统的影响[J].生态学报,2019(04).
李帅,张梦华,郭力娜.不同监督分类器对土地利用分类精度的影响[J].华北理工大学学报(自然科学版),2018(02).
刘晓曼,李静,刘玉平,刘慧明,闻瑞红.自然保护区人类活动天地一体化监管与评价技术体系[J].中国环境科学,2016(10).
徐网谷,秦卫华,刘晓曼,夏欣,周大庆,范鲁宁,蒋明康.中国国家级自然保护区人类活动分布现状[J].生态与农村环境学报,2015(06).
0
Views
101
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution