科研之友
微信
新浪微博
Facebook
分享链接
摘要
选取北盘江镇与花江镇作为研究区,利用谷歌高精度遥感影像,结合分区分层分级思想,基于深度学习与传统约束方法对研究区耕地进行精准提取。结果表明:1)在数量精度上,以视觉形态差异对研究区进行分区并选取不同模型训练获得的精细地块,面积约为9 867 hm2,与实际数量基本一致,F-Measure主要分布在[0.82, 0.98]之间,受到地形和岩石裸露率的影响,石漠化严重地区耕地提取精度较低。2)在形态精度上,预测耕地与实际耕地的GIOU主要分布在[0.7, 1]之间,分割正确率>0.85,表明预测耕地边界与实际地块边界吻合度高,提取结果符合研究区实际情况。3)利用地貌坡度等约束条件对耕地进行划分发现,研究区以喀斯特耕地为主,占比74%,并且石漠化程度较严重,其中轻度石漠化耕地与中度石漠化耕地占总耕地的32%。在石漠化地区,耕地的狭长程度、破碎程度受人类影响较大;距离居民地越近、可达性越高的地区,其土地利用率越高,斑块越破碎。文章所提出方法可用于耕地破碎、地形复杂地区的耕地提取,能够为地区的发展、耕地治理与研究、环境保护与决策等提供精准数据支持。
- 出版日期2020
- 单位贵州师范大学; 遥感科学国家重点实验室; 中国科学院遥感与数字地球研究所; 长安大学
