1
引用格式
引用格式：李豪, 杜雨秋, 肖星竹, 陈彦羲. 基于深度学习的四川盆地丘陵区县域耕地遥感识别研究[J]. 智慧农业(中英文), 2024, 6(3): 34-45.
DOI：10.12133/j.smartag.SA202308002
Citation:LI Hao, DU Yuqiu, XIAO Xingzhu, CHEN Yanxi. Remote Sensing Identification Method of Cultivated Land at Hill County of Sichuan Basin Based on Deep Learning[J]. Smart Agriculture, 2024, 6(3): 34-45.
DOI：10.12133/j.smartag.SA202308002
基于深度学习的四川盆地丘陵区县域耕地遥感识别研究
李豪1*， 杜雨秋2，3， 肖星竹1， 陈彦羲1
（1.四川农业大学 资源学院，四川成都 611130，中国；2.中国科学院地理科学与资源研究所，北京 100101，中国；3.中国科学院大学，北京 101408，中国）
摘要：
［目的/意义］耕地识别是农业遥感的重要应用领域之一，但现阶段深度学习等人工智能方法在中国西南丘陵区遥感识别的研究应用深度仍然不够，识别精度有待提升。
［方法］为了快速、精确地获取耕地面积、分布等信息，基于高分辨率的高分六号（GF-6）遥感影像，运用UNet++、DeeplabV3+、UNet与PSPNet等新型深度学习模型对四川省绵阳市三台县耕地信息进行识别，并对各深度学习模型、传统机器学习方法——随机森林法及新型土地覆盖产品SinoLC-1的识别精度进行对比分析，以期深入探索深度学习方法在地物遥感识别领域的应用前景。
［结果和讨论］深度学习模型在F1分数、整体精度（Overall Accuracy, OA）、Kappa系数等精度评价指标的表现上，相比于传统机器学习方法和新型土地覆盖产品均有显著提升，精度提升幅度分别可达20%和50%；其中添加了密集跳跃连接技术的UNet++模型的识别效果最好，其F1分数、交并比（Intersection over Union, IoU）、平均交并比（Mean Intersection over Union, MIoU）、OA 值和 Kappa系数值分别为0.92、85.93%、81.93%、90.60%和0.80。应用UNet++模型对2种由仅光谱特征以及光谱+地形特征两种不同特征构建的影像进行耕地提取，光谱+地形特征模型的IoU、OA和Kappa 3个指标比仅光谱特征模型分别提高了0.98%、1.10%和0.01。
［结论］深度学习技术在应用于高分辨率遥感影像中的耕地识别方面展现出显著的实用价值，融合光谱和地形特征可以实现信息互补，能进一步改善耕地的识别效果。本研究可为相关部门更好地管理和利用耕地资源、推动农业可持续发展提供技术支撑。
关键词： 深度学习；遥感影像；耕地识别；精度评价；丘陵地区
图1 四川省绵阳市三台县位置图
Fig.1 Geographical location map of Santai county， Mianyang city， Sichuan province
图2 三台县耕地识别模型样本位置及样例
Fig.2 The location and samples of the cropland extraction model in Santai county
图3 三台县耕地识别模型训练损失值随批次的变化曲线
Fig.3 Curve of the fluctuation of train loss of the cropland recognition model in Santai county with batch iterations
图4 三台县耕地识别模型MIoU随轮次的变化曲线
Fig.4 Curve of the fluctuation of MIoU of the cropland recognition model in Santai county with epoch iterations
图5 三台县耕地识别模型Kappa系数随轮次的变化曲线
Fig.5 Curve of the fluctuation of Kappa of the cropland recognition model in Santai county coefficient with epoch iterations
图6 三台县耕地识别结果对比
Fig.6 Comparison of cropland identification results for different models in Santai county
图7 三台县耕地识别局部细节对比
Fig. 7 Comparison of partial details in cultivated land identification in Santai county
作者简介
李豪 副教授
来源：《智慧农业（中英文）》2024年第3期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
