基于深度学习的洪河保护区沼泽湿地分类研究

本文以黑龙江省洪河保护区为研究区,选取OHS高光谱数据为数据源,采用深度学习SegNet网络模型和随机森林机器学习算法进行沼泽湿地遥感分类定量研究对比分析,SegNet网络模型由encoder和decoder两部分组成,encoder模型是沿用VGG16对物体信息进行解析,再由decoder将解析后的信息对应成最终的图形模型。结果表明,基于深度学习方法的信息提取精度0.903优于随机森林RF算法0.837,制图效果更好,能更深层次地挖掘高光谱数据包含的深层信息,精准表示洪河自然保护区内部结构的空间分布格局,为湿地保护提供一定的参考。