-
题名基于深度学习的中国第二次冰川编目半自动化更新
- 1
-
-
作者
王世豪
柯长青
陈军
-
机构
南京大学地理与海洋科学学院
安徽建筑大学环境与能源工程学院
-
出处
《遥感技术与应用》
CSCD
北大核心
2023年第6期1264-1273,共10页
-
基金
国家自然科学基金重点项目(41830105)
青年科学基金项目(41901129)资助。
-
文摘
中国第二次冰川编目的部分数据用第一次冰川编目替代,这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣,常年多云层覆盖,无法获取有效的光学影像,缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题,对Unet模型进行压缩,通过修改样本尺寸、卷积核数量和优化器等模型参数,提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征,选用45景ENVISAT ASAR影像和NASA DEM,基于Unet及其压缩网络进行深度学习,参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读,完成了未更新编目的冰川边界提取及修正,并对属性进行了更新。结果表明:基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区,共有冰川8374条,总面积5622.65±303.58 km2,误差占总冰川面积的5.4%,整体呈退缩状态,冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据,可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。
-
关键词
深度学习
Unet
ENVISAT
ASAR
冰川识别
第二次冰川编目更新
-
Keywords
Deep learning
Unet
ENVISAT ASAR
Glacier identification
Second Chinese glacier inventory update
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
P343.6
[自动化与计算机技术—控制科学与工程]
-
