基于深度学习的遥感影像地表水时空监测与分析

厉芳婷; 胡菡; 刘韬; 周军元; 邓拓; 尧志青

您当前的位置：

首页 >

文章列表页 >

基于深度学习的遥感影像地表水时空监测与分析

3S技术应用 | 更新时间：2025-11-25

- 基于深度学习的遥感影像地表水时空监测与分析
- 基于深度学习的遥感影像地表水时空监测与分析
- 地理空间信息 2023年21卷第9期页码：52-56
- 作者机构：
  
  湖北省测绘工程院
- 作者简介：
- 基金信息：
  
  湖北省自然资源厅科技资助项目（ZRZY2022KJ03）
- DOI：
  中图分类号： P237;P332;TP18
- 纸质出版：2023
- 稿件说明：
移动端阅览
厉芳婷, 胡菡, 刘韬, 等. 基于深度学习的遥感影像地表水时空监测与分析[J]. 地理空间信息, 2023,21(9):52-56.

厉芳婷, 胡菡, 刘韬, et al. 基于深度学习的遥感影像地表水时空监测与分析[J]. 2023, 21(9): 52-56.
厉芳婷, 胡菡, 刘韬, 等. 基于深度学习的遥感影像地表水时空监测与分析[J]. 地理空间信息, 2023,21(9):52-56. DOI：

厉芳婷, 胡菡, 刘韬, et al. 基于深度学习的遥感影像地表水时空监测与分析[J]. 2023, 21(9): 52-56. DOI：

摘要

基于深度学习的遥感影像水体提取方法存在对训练样本数量和质量依赖强和对不同类型水体的适应性问题，因此构建了引入注意力机制的U-Net优化模型的水体提取方法。通过样本训练优化模型对湖北省2001—2020年5期遥感影像进行水体提取，经精度验证和对比测试，总体精度为98.09%，生产者精度为93.89%，用户精度为95.48%

Kappa系数为93.17%，均高于NDWI、U-Net、SVM方法。利用水体时空监测结果，分析降水、气温、人口、城镇化率等数据，研究湖北省地表水面积时序变化的驱动因素，结果表明湖北省地表水面积变化与年均降水量显著正相关，人口因素对水田等小水体面积变化产生影响，区域气温、城镇化率与地表水面积变化相关性不明显。

Abstract

关键词

Keywords

references

陈伟,刘湘媛,曾圣,张华平,毛志芳.基于GEE的地表覆盖与气候状态关联研究[J].测绘通报,2021(12).

薛凯,于泉洲,曹建荣.南水北调东线山东段沿岸城镇化空间特征研究[J].地理空间信息,2021(02).

陈前,郑利娟,李小娟,徐崇斌,吴俣,谢东海,刘亮.基于深度学习的高分遥感影像水体提取模型研究[J].地理与地理信息科学,2019(04).

李玲玲.遥感技术在水资源监测中的应用探讨[J].科学技术创新,2019(19).

Feng Ling,Doreen Boyd,Yong Ge,Giles M. Foody,Xiaodong Li,Lihui Wang,Yihang Zhang,Lingfei Shi,Cheng Shang,Xinyan Li,Yun Du.Measuring River Wetted Width From Remotely Sensed Imagery at the Subpixel Scale With a Deep Convolutional Neural Network[J].Water Resources Research,2019.

Chao Wang,Mingming Jia,Nengcheng Chen,Wei Wang.Long-Term Surface Water Dynamics Analysis Based on Landsat Imagery and the Google Earth Engine Platform: A Case Study in the Middle Yangtze River Basin[J].Remote Sensing,2018.

Yang Chen,Rongshuang Fan,Xiucheng Yang,Jingxue Wang,Aamir Latif.Extraction of Urban Water Bodies from High-Resolution Remote-Sensing Imagery Using Deep Learning[J].Water,2018.

Isikdogan Furkan,Bovik Alan C.,Passalacqua Paola.Surface Water Mapping by Deep Learning[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2017.

Zhang Liangpei,Zhang Lefei,Du Bo.Deep Learning for Remote Sensing Data: A Technical Tutorial on the State of the Art[J].IEEE Geoscience and Remote Sensing Magazine,2016.

Gudina L. Feyisa,Henrik Meilby,Rasmus Fensholt,Simon R. Proud.Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery[J].Remote Sensing of Environment,2014.

Leo Breiman.Random Forests.[J].Machine Learning,2001.

S. K. McFEETERS.The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features[J].International Journal of Remote Sensing,1996(7).

Barton Ian J.,Bathols Janice M..Monitoring floods with AVHRR[J].Remote Sensing of Environment,1989(1).

浏览量

470

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

顾及季节影响的无人机影像水稻田提取方法

基于注意力机制的遥感影像道路提取方法

改进U-Net模型在滑坡区域识别中的应用——以宁夏西吉县为例

多尺度特征融合神经网络的地表覆盖提取

一种新的基于深度学习的遥感影像变化检测算法——H-BIT方法的提出与应用