基于深度学习的海冰融池识别

融池对海冰融化速率估算具有重要作用。基于Sentinel-2影像,选择可见光(波段2、波段3、波段4)和近红外(波段8)作为特征波段,采用两种特征组合方式(波段2/3/4反射率、波段2/3/4反射率与波段2/3/4/8反射率差值归一化值),分别训练多层神经网络(multi-layer neural network,MNN),进行海冰、开阔水域、亮融池、暗融池识别。结果表明,基于可见光与归一化值MNN识别效果更佳,总体识别精度达到88.0%,其中亮融池生产者精度和用户精度分别为77.6%和77.1%,暗融池的生产者精度和用户精度分别为55.2%和96.1%。波段反射率差值归一化处理可增大地物间区分度,提高融池识别精度。与其他算法相比,应用MNN可实现融池准确识别,为海冰融化速率估算提供有效参考。