基于深度学习SE-ResNet模型的皖江洪水调蓄区湿地类型遥感识别

摘要

由于湿地类别多样且结构复杂，湿地遥感分类识别极具挑战.为了快速、准确地遥感识别湿地类型，本文以皖江洪水调蓄区为研究区，基于Sentinel-2影像获取的光谱特征、植被和水体指数特征以及纹理特征构建样本集，引入深度学习压缩-激发与残差网络(SE＿ResNet)模型开展湿地类型遥感识别研究.结果显示，SE-ResNet模型湿地类型识别显著优于传统监督分类最大似然法和机器学习随机森林法，总体精度分别提高19.00个百分点和10.25个百分点，达到了94%,Kappa系数达到0.90.SE-ResNet模型可以精细识别出不同湿地类型，特别是河流湿地、洪泛平原湿地和淡水湖湿地，识别结果比全球30 m湿地数据产品(GWL＿FCS30)和湖泊型流域自然-人文综合数据集(CODCLAB)更为精细和准确.

关键词

湿地类型 / Sentinel-2 / 深度学习 / SE-ResNet / 长江

基金资助

国家科技基础资源调查专项(2023F Y100101); 安徽省中青年教师培养行动项目(YQZD2023009); 安徽省高等学校省级质量工程项目(2023jyxm0164); 安徽省自然科学基金(2408085MD097); 安徽师范大学大学生创新创业训练计划(202410370002)