基于深度學習的農業區土地利用無人機監測分類

摘要：農業種植區土地利用快速監測與分類對政府部門制定規劃、土地資源管理、生態環境保護規劃與決策以及 農業旱情與旱災動態監測評估具有重要意義。本研究以東雷二期抽黃灌區具有下墊面代表性的小區域為研究區, 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,開展了農業區土地利用監測分類研 究,并與最大似然法進行比較,探究該方法對于農業區土地利用監測分類的適用性。結果表明,該方法優于最大 似然法,其總體分類精度達93%以上,Kappa系數為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區土地利用的快速監測與分類能力,為旱情與旱災快速監測評 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環境保護規劃等部門提供基礎數據。