基于深度学习的农业大棚遥感提取方法研究
2021-12-12石文西雷雨田汪月婷陈静波
无线电工程 2021年12期
石文西,雷雨田,汪月婷,袁 媛*,陈静波
(1.南京邮电大学 地理与生物信息学院,江苏 南京 210023;2.中国科学院空天信息创新研究院,北京 100094)
0 引言
农业塑料大棚是一种新兴的保护地栽培设施,根据我国《土地管理法》规定,大棚用地被规划为农用地中的生产设施用地,其土地利用属性极大地区别于建设用地。然而,近年来假借发展设施农业之名,擅自或者变相改变农业用途,在耕地甚至基本农田上建设“大棚房”,在“大棚房”内违法违规建设“私家庄园”等,严重冲击了耕地红线,对土地资源和粮食安全造成了极大危害。因此,及时、准确地识别和监测农业大棚的位置以及空间分布,成为自然资源管理部门开展耕地“非农化”整治工作的重点。
由于农业大棚在外观上具有一定隐蔽性,难以进行人工测定和快速监测,因此,国内外许多学者将遥感技术应用于大棚和地膜农田的检测提取,利用不同空间分辨率的光学遥感影像进行大范围的大棚监测[1-4]。当前,主流的大棚识别方法普遍遵循传统的遥感图像分类流程:先提取并筛选合适的图像特征,再训练机器学习分类器将特征映射为地物类型。常用于进行大棚识别的光谱特征包括各波段均值、标准差和比率等。此外,由于纹理特征能为区分具有相似光谱、不同空间结构的地物提供有效信息,使用塑料大棚的纹理特征来弥补光谱特征的局限性也成为部分研究的重点。例如,Agueera等人[5]提出一种从不同窗口大小和不同灰度量化的全色图像中提取纹理特征来提高大棚像素级分类的方法。……
登录APP查看全文
