耕地_非农化_遥感解译样本分类体系及应用.pdfVIP

第 38 卷 第 15 期 农 业 工 程 学 报 Vol.38 No.15 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 297 耕地“非农化”遥感解译样本分类体系及应用 1,2 1※ 3 4 厉芳婷 ，张 过 ，石婷婷 ，李 乐 （1. 武汉大学测绘遥感信息工程国家重点实验室，武汉 430079 ；2. 湖北省测绘工程院，武汉 430074 ； 3. 湖北省航测遥感院，武汉 430074 ；4. 广东工业大学管理学院，广州 510520 ） 摘 要：了解耕地“非农化”的时空格局及其演变过程，是合理制定土地利用政策的重要依据；卫星遥感具有大范围的 时空监测能力，基于遥感影像进行耕地监测，极为高效。针对耕地“非农化”类型复杂多样、“非农化”遥感监测分类 体系缺乏的问题，该研究提出了耕地“非农化”遥感解译样本分类体系，进而构建耕地“非农化”遥感解译样本库。针 对样本采集效率低、质量差的问题，该研究提出了一种基于地理国情监测成果的快速样本采集方法，用于快速获取高精 度、高可靠性的“非农化”遥感解译样本。为验证方法的可行性和有效性，选取湖北省范围作为研究区域，利用该研究 所提出的耕地“非农化”样本体系和样本采集方法，采集了覆盖平原、丘陵、山地、高山等地形的 9 类样本，并形成了 深度学习模型训练的样本库；选择 EfficientNet 深度学习网络提取湖北省耕地“非农业”空间分布。结果表明：1）基于 地理国情监测成果的样本采集方法可以极大地利用地理国情监测数据空间、属性精度高的特点，快速、精确定位变化样 本。2 ）依据分类体系采集的样本用于模型优化后，样本数量超过5 000 时，模型精度有明显提高。在验证区域，采用目 视解译和外业核查点的方式进行精度验证，其正检率分别为 67.0%和 76.5%，召回率分别为 77.9%和 76.5% 。3 ）利用样 本体系训练构建的网络模型相较于全要素样本训练模型，精度有显著提高，5 个核查区正检率均提高 20 个百分点以上。 因此，该研究提出的方法可以提高耕地“非农化”遥感监测的效率和精度，可适用于区域尺度的耕地遥感季度监测。 关键词：遥感；分类；解译；样本；耕地；非农化；精度评价 doi ：10.11975/j.issn.1002-6819.2022.15.032 中图分类号：TP79 文献标志码：A 文章编号：1002-6819(2022)-15-0297-08 厉芳婷，张过，石婷婷，等. 耕地“非农化”遥感解译样本分类体系及应用[J]. 农业工程学报，2022，38(15)：297-304. doi ：10.11975/j.issn.1002-6819.2022.15.032 Li Fangting, Zhang Guo, Shi Tingting, et al. Classification system and application of remote sensing interpretation samples of cultivated land non-agriculturalization