基于深度学习的新增建设用地信息提取试验研究——全国土地利用遥感监测工程创新探索

论文摘要

以全国土地利用遥感监测工程积累的几百万个新增建设用地图斑为训练样本,利用卷积神经网络完成深度学习变化检测模型的训练,实现重大工程中新增建设用地信息的自动提取。与人工提取结果进行的对比分析表明,基于深度学习的新增建设用地自动检测技术在全国土地利用遥感监测工程中有很好的适用性,当新增建设用地信息提取查全率达80%左右时,辅以少量的人工干预可大大提高工程实施效率。

论文目录

• 0 引言
• 1 深度学习技术简介
• 2 全国土地利用遥感监测分类体系
• 3 样本训练
•   3.1 技术路线
•   3.2 训练样本选取
•   3.3 训练样本处理及训练
•   3.4 训练样本精度评价
• 4 试验与分析
•   4.1 试验区与数据源
•     4.1.1 北京市通州区
•     4.1.2 四川省资阳市雁江区
•   4.2 新增建设用地实际检测结果与分析
• 5 结论与展望

文章来源

类型: 期刊论文

作者: 吴海平,黄世存

关键词: 深度学习,土地利用,遥感监测,新增建设用地

来源: 国土资源遥感 2019年04期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 中国国土勘测规划院,中国资源卫星应用中心

基金: 自然资源部专项项目“全国土地利用变更调查监测与核查”(编号:ZX180901)资助

分类号: P237

页码: 159-166

总页数: 8

文件大小: 485K

下载量: 545