联合多时相Sentinel-2和DeepLabV3+的县域柑橘信息提取

作     者：玉林海 韦凯耀 窦世卿 丁柏瀚 韩冰 YU Linhai;WEI Kaiyao;DOU Shiqing;DING Bohan;HAN Bing

作者机构：桂林理工大学测绘地理信息学院桂林541000 

出 版 物：《航天返回与遥感》 (Spacecraft Recovery & Remote Sensing)

年 卷 期：2024年第45卷第3期

页      面：118-130页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0825[工学-航空宇航科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(42161028) 广西八桂学者专项项目(DT2100001072) 桂林市科技局开发项目(2020010701,20210226-2) 

主　　题：柑橘 植被指数 多时相Sentinel-2影像 DeepLabV3+ MobileNetV2 注意力机制 

摘      要：针对传统分类方法识别柑橘种植空间信息准确率不高的问题,文章提出一种联合多时相Sentinel-2与DeepLabV3+的县域柑橘种植空间信息提取方法。首先采用优化后的轻量化网络MobileNetV2作为DeepLabV3+的骨干网络,并嵌入CBAM(Convolutional Block Attention Module)注意力机制模块构建改进DeepLabV3+模型;然后利用多时相Sentinel-2影像整合原始波段与光谱指数构建特征数据集,并通过实验对比分析确定模型分类的最佳特征组合与时相;最后将研究区影像分割为具有重叠度的待预测影像集,结合最优分类模型进行预测后拼接得到柑橘园地提取结果。结果表明:1)改进DeepLabV3+提取精度均高于DeepLabV3+、随机森林模型,在B2~B8A波段添加红边指数RESI的特征组合中总体精度值可达91.1%,最佳提取时相为11月;2)改进DeepLabV3+结合重叠预测方法提取效果优于直接预测方法,且全实验数据集区的提取面积与统计数据的相对误差均保持在±0.04%以内。文中所提出的方法可为南方地区县域范围的柑橘园地自动化监测与种植规划提供参考。