林业科学

作者：谢锦莹1,2,3,丁丽霞1,2,3,*,王志辉4,刘丽娟1,2,3

单位：1. 浙江农林大学省部共建亚热带森林培育国家重点实验室 杭州 3113002. 浙江省森林生态系统碳循环与固碳减排重点实验室 杭州 3113003. 浙江农林大学环境与资源学院 杭州 3113004. 浙江远卓科技有限公司 杭州 310012

关键词：滨海湿地植被,遥感监测,全卷积神经网络,面向对象,高分辨率

基金：浙江省自然科学基金项目(LY18D010002)

目的: 提出一种基于全卷积神经网络（FCN）与面向对象的滨海湿地植被分类方法，以提高滨海湿地植被监测效果。方法: 以浙江慈溪部分杭州湾滨海湿地为研究区，基于高分辨率QuickBird影像，采用FCN与面向对象相结合的方法监测滨海湿地植被：1）融合QuickBird影像的多光谱数据和全色数据提高影像空间分辨率，运用目视判读制作标签图，以100×100窗口选取样本后进行翻转、旋转等操作，获得训练样本4 904对、测试样本544对，采用FCN对样本完成训练后得到相应的模型参数用于整幅影像，获得全图分类结果；2）对原始影像进行多尺度分割，利用平均全局评分指数法确定最优分割尺度为170，以最优分割结果对FCN分类结果进行边界约束，得到最终分类结果并制作滨海湿地植被分类图；3）基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。结果: 1）采用FCN处理的影像分类总体精度达94.39%，典型滨海湿地植被精度均在85%以上，但分类结果存在少量椒盐现象，分类误差产生的主要原因是滨海湿地下垫面背景复杂，不同植被类型空间分布杂乱；2）将面向对象与FCN相结合处理的结果影像可消除椒盐现象，总体精度达97.56%，典型滨海湿地植被精度均在90%以上。结论: 基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息，在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象，弥补基于像元分类的缺陷，优化滨海湿地植被分类结果，在滨海湿地植被监测方面值得推广和运用。

来源：2020年第8期

《林业科学》期刊编辑部

查看林业科学杂志2020年第8期