摘要：農業(yè)種植區(qū)土地利用快速監(jiān)測與分類對政府部門制定規(guī)劃、土地資源管理、生態(tài)環(huán)境保護規(guī)劃與決策以及 農業(yè)旱情與旱災動態(tài)監(jiān)測評估具有重要意義。本研究以東雷二期抽黃灌區(qū)具有下墊面代表性的小區(qū)域為研究區(qū), 利用卷積神經網絡深度學習方法,針對較高空間分辨率的無人機航片影像,開展了農業(yè)區(qū)土地利用監(jiān)測分類研 究,并與最大似然法進行比較,探究該方法對于農業(yè)區(qū)土地利用監(jiān)測分類的適用性。結果表明,該方法優(yōu)于最大 似然法,其總體分類精度達93%以上,Kappa系數(shù)為0.9以上,能夠更清晰地識別提取出地物邊界,分類效果較 好。本研究有助于提升應急抗旱減災工作對農業(yè)區(qū)土地利用的快速監(jiān)測與分類能力,為旱情與旱災快速監(jiān)測評 估、決策提供技術支持,同時能夠及時為政府、土地資源管理以及生態(tài)環(huán)境保護規(guī)劃等部門提供基礎數(shù)據(jù)。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
