基于深度学习的多时序遥感影像水稻提取研究

黄晓涵; 黄文龙

您当前的位置：

首页 >

文章列表页 >

基于深度学习的多时序遥感影像水稻提取研究

3S技术应用 | 更新时间：2025-11-25

- 基于深度学习的多时序遥感影像水稻提取研究
- 基于深度学习的多时序遥感影像水稻提取研究
- 地理空间信息 2023年21卷第8期页码：61-64+113
- 作者机构：
  
  安徽大学资源与环境工程学院
- 作者简介：
- 基金信息：
  
  国家级大学生创新创业训练计划(202110357071)
- DOI：
  中图分类号： S127;S511
- 纸质出版：2023
- 稿件说明：
移动端阅览
黄晓涵, 黄文龙. 基于深度学习的多时序遥感影像水稻提取研究[J]. 地理空间信息, 2023,21(8):61-64+113.

黄晓涵, 黄文龙. 基于深度学习的多时序遥感影像水稻提取研究[J]. 2023, 21(8): 61-64+113.
黄晓涵, 黄文龙. 基于深度学习的多时序遥感影像水稻提取研究[J]. 地理空间信息, 2023,21(8):61-64+113. DOI：

黄晓涵, 黄文龙. 基于深度学习的多时序遥感影像水稻提取研究[J]. 2023, 21(8): 61-64+113. DOI：

摘要

水稻在我国的农业领域占有重要的地位，产量约占全国粮食总产量的50%，因此对水稻种植区域实现准确、快速提取具有重要意义。以安徽省凤台县区域为研究对象，提出了结合深度学习与多时序遥感影像提取水稻种植区域的方法。实验结果表明：抽穗期与成熟期时相组合提取精度最高、效果最好，水稻抽穗期与成熟期的植被特征反差能够较好地提取出水稻区域；且在与传统监督分类方法的对比中，提出方法的提取效果明显优于传统监督分类的方法。

Abstract

关键词

Keywords

references

冯权泷,陈泊安,李国庆,姚晓闯,高秉博,张连翀.遥感影像样本数据集研究综述[J].遥感学报,2022(04).

刘道芳,许志辉,卢欣.基于国产数据及物候特征的水稻面积精细遥感监测方法研究[J].河南科技,2021(21).

牛鑫鑫,孙阿猛,王钎沣,夏萍.基于深度学习的遥感图像分类研究[J].激光杂志,2021(05).

董蕴雅,张倩.基于CNN的高分遥感影像深度语义特征提取研究综述[J].遥感技术与应用,2019(01).

崔璐,张鹏,车进.基于深度神经网络的遥感图像分类算法综述[J].计算机科学,2018(S1).

K. Chandrasekar,M. V. R. Sesha Sai,P. S. Roy,R. S. Dwevedi.Land Surface Water Index (LSWI) response to rainfall and NDVI using the MODIS Vegetation Index product[J].International Journal of Remote Sensing,2010.

Xiangming Xiao,Stephen Boles,Jiyuan Liu,Dafang Zhuang,Steve Frolking,Changsheng Li,William Salas,Berrien Moore.Mapping paddy rice agriculture in southern China using multi-temporal MODIS images[J].Remote Sensing of Environment,2004.

Qi J.,Chehbouni A.,Huete A.R.,Kerr Y.H.,Sorooshian S..A modified soil adjusted vegetation index[J].Remote Sensing of Environment,1994(2).

浏览量

615

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

融合空间和时序遥感信息的深度学习水稻提取

基于改进SegNet模型的冬小麦种植分布提取

一种基于PC-LSTM的GNSS场景识别方法

基于多源遥感影像的新增农村乱占耕地建房监测方法

顾及季节影响的无人机影像水稻田提取方法