基于高分遥感数据和深度学习的石冰川自动提取研究——以念青唐古拉山西段为例

作者：徐瑾昊,冯敏,王建邦,冉有华,祁元,杨联安,李新

摘要：石冰川是以冰岩混合物为基础形成的一类具有舌状堆积纹理的冰缘地貌,了解其分布和变化对于寒区环境研究具有重要价值,遥感技术的发展为石冰川的识别提供了有效的手段。针对石冰川发育地的偏远和调查的困难,以及其光谱特征的微弱性,提出了一种基于深度学习的石冰川识别方法,以ResNet作为训练网络,得到石冰川的图像分类模型,以国产高分一号遥感影像作为实验数据,在念青唐古拉山西段展开了应用,共识别出石冰川96条。验证结果表明:该方法具有较高的识别精度(98.72%的总体精度、89.48%的生产精度和81.77%的用户精度),证明该方法能够有效地识别石冰川,并为在大区域开展石冰川的调查和分析提供了基础。

发文机构：西北大学城市与环境学院 中国科学院青藏高原研究所三极监测与大数据中心 兰州大学资源环境学院 中国科学院西北生态环境资源研究院 高分辨率对地观测系统甘肃数据与应用中心

关键词：深度学习高分一号石冰川ResNetDeep LearningGaofen-1Rock GlacierResNet

分类号： TP753[自动化与计算机技术—检测技术与自动化装置]