![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于FCN算法的秦岭北麓建设用地多时序遥感监测分析研究.pdf
《基于FCN算法的秦岭北麓建设用地多时序遥感监测分析研究.pdf》由会员分享,可在线阅读,更多相关《基于FCN算法的秦岭北麓建设用地多时序遥感监测分析研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 14 卷 第 9 期2023 年 9 月Vol.14 No.9September,2023矿 产 勘 查MINERAL EXPLORATION基于FCN算法的秦岭北麓建设用地多时序遥感监测分析研究赵燕伶1,谢涛1,荣豪2,郝旋捷1,杨张瑜1,李宁1(1.自然资源陕西省卫星应用技术中心,陕西 西安 710054;2.物华能源科技有限公司,陕西 西安 710054)摘 要 为全面掌握秦岭北麓建设用地分布情况及转化机制,促进资源、环境协调可持续发展。本文选取秦岭北麓建设用地作为研究对象,以20192021年的高分一号影像数据作为数据源。通过建立样本库,选取实验区,采用FCN(fully conv
2、olutional networks 全卷积神经网络)算法对实验区和秦岭北麓全区多时序影像进行智能提取,实现秦岭北麓建设用地变化监测。从对建设用地图斑分布情况、变化趋势以及变更因素的分析来看,秦岭北麓12个季度建设用地面积整体呈现增长趋势,建设用地转入类型以其他用地和耕地为主,转出则以其他用地为主。通过有效掌握秦岭北麓建设用地变更机制,对提升国土综合监管及社会服务能力具有重要意义。关键词 秦岭北麓;FCN算法;遥感监测;样本库中图分类号:P627 文献标志码:A 文章编号:1674-7801(2023)09-1740-09Research on multi-time-series remote
3、 sensing monitoring and analysis of construction land in the northern foot of Qinling Mountains based on FCN algorithmZHAO Yanling1,XIE Tao1,RONG Hao2,HAO Xuanjie1,YANG Zhangyu1,LI Ning1(1.Natural Resources Shaanxi Provincial Satellite Application Technology Center,Xian 710054,Shaanxi,China;2.Wuhua
4、Energy Technology co.,LTD,Xian 710054,Shaanxi,China)Abstract:In order to fully grasp the distribution and transformation mechanism of construction land in the northern foot of Qinling Mountains and promote the coordinated and sustainable development of resources and environment.This paper selects th
5、e construction land at the northern foot of Qinling Mountains as the research object,and takes Gaofen-1 image data from 2019 to 2021 as the data source.By establishing a sample database doi:10.20008/j.kckc.202309021收稿日期 2022-06-01;修回日期 2022-08-02基金项目 本文受陕西省2021年重点研发计划项目“基于遥感大数据的秦岭地区高精度植被类型遥感制图关键技术研究
6、”(2021SF2-01)和陕西省秦岭生态环境保护专项“秦岭卫星遥感综合监测服务平台建设与应用”(陕自然资财函【2020】24)联合资助。第一作者简介 赵燕伶,女,1991年生,硕士,工程师,从事土地利用与遥感监测等工作;E-mail:。引用格式 赵燕伶,谢涛,荣豪,郝旋捷,杨张瑜,李宁.2023.基于FCN算法的秦岭北麓建设用地多时序遥感监测分析研究 J.矿产勘查,14(9):1740-1748.Zhao Yanling,Xie Tao,Rong Hao,Hao Xuanjie,Yang Zhangyu,Li Ning.2023.Research on multi-time-series r
7、emote sensing monitoring and analysis of construction land in the northern foot of Qinling Mountains based on FCN algorithm J.Mineral Exploration,14(9):1740-1748.1740第 14 卷 第 9 期赵燕伶等:基于FCN算法的秦岭北麓建设用地多时序遥感监测分析研究and selecting the experimental area,FCN(fully convolutional networks)algorithm is used to
8、intelligently extract the multi-time series images of the experimental area and the northern foot of Qinling Mountains,so as to realize the change monitoring of construction land in the northern foot of Qinling Mountains.According to the analysis of the distribution,change trend and change factors o
9、f construction map spots,the area of construction land in the northern foot of Qinling Mountains showed an overall growth trend in 12 quarters,and the transfer types of construction land were mainly other land and cultivated land,while the transfer types were mainly other land.By effectively masteri
10、ng the change mechanism of construction land in the northern foot of Qinling Mountains,it is of great significance to enhance the comprehensive land supervision and social service capacity.Keywords:northern Qinling Mountains;FCN algorithm;remote sensing monitoring;sample bank0引言2020年,在自然资源部下发 自然资源调查
11、监测体系构建总体方案 的背景下,国土资源成为自然资源调查中的重点调查对象之一。中国可利用的国土资源非常有限,特别是秦岭北麓地区,如何及时且快速地掌握国土资源现状,了解其变化信息,对配合秦岭“伤痕调查”,服务“数字国土”及“智慧秦岭”建设,提升秦岭北麓国土资源调查监管能力和治理能力具有重要意义。传统的人工调查方法中,人工投入大、成本高、监督客观性弱(丁永福等,2018),随着中国卫星遥感技术的不断进步,国产卫星影像的空间分辨率显著提高,米级、亚米级的数据已广泛应用于生产实践(胡琨菠等,2019),国产卫星遥感技术也成为国土资源调查监测的有效手段(蓝翔,2021)。在国土资源变化监测方面,传统的监
12、测往往通过人工目视解译来获取变化信息,耗时长、成本高(周柱灿等,2022)。随着遥感影像数据空间分辨率的提升,遥感数据处理技术逐渐向智能化方向发展(付杰等,2022),以神经元网络为特征的深度学习技术超越了传统的人工目视解译,成为人工智能研究领域中的一个热点(孙江锋等,2019),在遥感图像分类、识别及目标检测等任务中得到了广泛应用。吴海平和黄世存(2019)以北京市通州区2016年和2017 年度的北京二号遥感数据为基础,利用卷积神经网络完成了深度学习变化监测模型的训练,实现了北京通州区新增建设用地信息的自动提取;王志有等(2020)以高分二号影像数据作为数据源,提出了基于分支卷积神经网络的
13、变化监测方法,实现 宁 夏 地 区 卫 星 影 像 的 变 化 监 测。2015 年,Jonathan Long 等 提 出 的 全 卷 积 神 经 网 络(fully convolutional networks,FCN),在丢弃了传统卷积神经网络(Convolutional Neural Networks,CNN)算法中的全连接层的基础上,通过末端的反卷积层使输出的分割结果与输入图像的分辨率一致,实现了像素级的分类,被广泛应用于遥感领域(黄露等,2020);谢锦莹等(2020)以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率影像,采用FCN与面向对象相结合的方法实现了滨海湿地植被监测。目
14、前还没有利用FCN算法进行秦岭北麓建设用地变化监测的应用研究,因此,本文在选用秦岭北麓建设用地作为研究对象的基础上,利用图像裁剪算法搭建秦岭北麓解译样本库,然后构建FCN模型对遥感影像特征进行提取,并选取实验区对FCN模型提取的准确度进行验证,最后利用FCN算法实现秦岭北麓多期次建设用地遥感监测智能化提取,并对监测结果进行对比分析,摸清秦岭北麓国土资源现状和变化趋势,以期提升国土资源调查监管技术水平,为国土执法监察部门提供决策支持和执法依据。1研究区概况与数据1.1研究区概况研究区西起宝鸡,东到潼关,南以秦岭分水岭为界,北至关中盆地南缘,为陕西境内秦岭北麓地区,主要涉及宝鸡、西安、渭南3市15
15、个县(区),总面积16065 km2,是关中地区的生态屏障和水源涵养地(周煜杰等,2019)(图1)。研究区地形陡峭、沟谷深邃、河流短促,属于温带大陆季风气候(鲍锋等,2020),土地覆被以林地和耕地为主,约占秦岭北麓地区总面积的93%,其次为不透水面、草地,约占秦岭北麓地区总面积的6%,灌木地、水体和荒地面积相对较少。17412023 年矿产勘查1.2数据与处理根据季度监测的频次需求,选取符合时相要求(20192021年共12个季度),影像质量较好的国产高分一号(GF-1)遥感影像数据作为解译数据源,影像来源于自然资源陕西省卫星应用技术中心。所用卫星影像云量需低于5%、噪音少,且3个年份相同
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 FCN 算法 秦岭 北麓 建设 用地 多时 遥感 监测 分析研究
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。