-
题名基于深度学习的黄丘区正负地形分割
被引量：2
- 1
-
-
作者
赵子林
韩磊
陈芮
赵永华
李亚北
康宏亮
-
机构
长安大学地球科学与资源学院
长安大学土地工程学院、陕西省土地整治重点实验室
中国科学院地球环境研究所黄土与第四纪地质国家重点实验室
-
出处
《水土保持研究》
CSCD
北大核心
2023年第5期21-30,共10页
-
基金
国家自然科学基金项目(41871190)
陕西省重点研发计划(2021SF-440)
+1 种基金
黄土与第四纪地质国家重点实验室开放基金(SKLLQG2002)
长安大学中央高校基本科研业务费专项资金(300102353201)。
-
文摘
[目的]基于深度学习,实现大范围、高精度的正负地形分割,正负地形的有效分割对黄土高原水土流失治理及生态恢复重建具有重要的理论价值和指导意义。[方法]在黄土高原丘陵区选取典型样区,采用中分辨率DEM数据制作地形分割数据集,构建了改进Unet的黄丘区正负地形分割模型,该模型以Unet模型结构为基础,引入残差模块替换卷积模块加深网络结构,增加了地形信息的提取;结合卷积注意力模块,排除无用信息增加了模型抗干扰性;优化激活函数与损失函数,增强了模型鲁棒性与精度。[结果]坡面畸变邻域判断法地形分割总体精度为70.3%,在深度学习模型中,改进型Unet深度学习模型效果最优,相较于Unet模型与Res-Unet模型都有一定的提升,总体精度达到了86.2%。[结论]与传统的坡面畸变邻域判断法比较,基于深度学习的网络模型分割结果精度评价指标均较优,并验证了改进Unet的黄丘区正负地形分割模型的有效性。
-
关键词
正负地形分割
深度学习
Unet
残差模块
卷积注意力
-
Keywords
positive and negative terrain segmentation
deep learning
Unet
residual block(RB)
convolutional block attention module(CBAM)
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
