赵志国

(上海元易勘测设计有限公司, 上海 201203)

0 引言

植被是构成地球生态循环的重要组成部分,可以有效监测地球的生态变化。如今伴随着卫星技术以及传感器的发展,多光谱遥感影像的应用越来越广泛。现在多光谱遥感影像经常用于植被分类,传统的人工目视解译法耗费时间,而且对于解译者来说需要有十分专业的知识,花费大量的人力才能够完成工作。深度学习被大量应用于各种不同的研究领域,原因是深度学习在计算机应用中显示出的极高效率,遥感领域也是如此,以前超大数据量的运算和处理,人工无法胜任,深度学习到来之后就变得不再那么遥不可及。遥感领域中对数据的发掘以及利用都可以通过深度学习来实现。

在遥感影像植被分类中,中低分辨率的多光谱影像能够用于较大尺度的植被群落级别的分类,我们通过使用Google Engine合成多个时段的中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)反射率数据构建新的伪高光谱数据,该数据具有时间特性,在一定程度上可以保留全年的相关信息,也可以降低云雾等信息造成的干扰。

1 研究区域与数据

1.1 研究区域

本研究所用的遥感影像数据为2016年1月1日至2016年12月31的MODIS数据，影像地区是上海、福建、陕西、辽宁。数据源选择的是2016年目标区域全年MODIS数据,共366 d的样本反射率数据。

1.2 训练集数据

训练集数据选取的是MODIS数据中的MOD09GA.006 Terra Surface Reflectance Daily Global 1 km和500 m影像集,其对大气气体以及气溶胶的低水平数据进行了校正,MOD09GA提供了1～7个波段,训练集所选取的是较为常见的红光、蓝光、绿光和近红外光4个波段。……