基于无人机影像和深度学习的渭北旱塬区土地利用精准分类.pdf

第 38 卷 第 22 期 农 业 工 程 学 报 Vol.38 No.22 2022 年 11 月 Transactions of the Chinese Society of Agricultural Engineering Nov. 2022 199 基于无人机影像和深度学习的渭北旱塬区土地利用精准分类 1 2 3 4 5 2※ 4 3 张志博 ，赵西宁 ，姜海晨 ，袁 浩 ，杨 龙 ，高晓东 ，石亮亮 ，牛雨婷 （1. 西北农林科技大学旱区农业水土工程教育部重点实验室，杨凌 712100 ；2. 中国科学院水利部水土保持研究所，杨凌 712100 ； 3. 西北农林科技大学资源环境学院，杨凌 712100 ；4. 西北农林科技大学信息工程学院，杨凌 712100 ；5. 西北农林科技大学经济 管理学院，杨凌 712100 ） 摘 要：为明确基于无人机影像的旱塬区土地利用精准分类方法，尤其是算法的选择，该研究通过获取渭北旱塬区 白水县通积村不同航拍高度无人机正射遥感影像，利用多种深度学习算法和机器学习算法对土地利用分类进行研究。 首先，采用大疆御 2Pro 获取研究区 80 和 160 m 不同高度航拍影像；然后对不同航拍高度目视解译结果和多种深度 学习、机器学习模型预测结果进行对比分析；最后，基于表现最佳算法对其进行创新和改进。结果表明：深度学习 算法的表现远远优于传统机器学习算法，其中深度学习算法中表现最好的 DeepLabv3+像素精度为 90.06% ，比随机 森林（Random Forest ，RF ）和支持向量机（Support Vector Machine，SVM ）分别高出 24.65 和 21.32 个百分点。基 于 DeepLabv3+ 改进的 DeepLabv3+_BA 模型整体分类效果最好，其像素精度为 91.37% ，比 FCN 、SegNet、UNet 和 DeepLabv3+分别高出 7.43 、10.12、2.27 和 1.31 个百分点。各种算法在 160 m 数据集上各指标精度高于 80 m 。改进 模型 DeepLabv3+_BA 具有较高的地物分类精度及较强的鲁棒性，该研究可为基于无人机影像和深度学习的土地利 用信息普查提供技术参考。 关键词：无人机；遥感；土地利用；可见光影像；深度学习；机器学习 doi ：10.11975/j.issn.1002-6819.2022.22.022 中图分类号：TP79 文献标志码：A 文章编号：1002-6819(2022)-22-0199-11 张志博，赵西宁，姜海晨，等. 基于无人机影像和深度学习的渭北旱塬区土地利用精准分类[J]. 农业工程学报，2022， 38(22)：199-209. doi ：10.11975/j.issn.1002-6819.2022.22.022 Zhang Zhibo, Zhao Xining, Jiang Haichen, et al. Precise classification of land use in Weibei Dryland using UAV images and deep learning[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 199-209. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.22.022 建可见光影像的分类特征。 0 引