期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
天山中段土地损毁自动分类模型的构建与应用
1
作者 张紫昭 刘培志 +8 位作者 胡杨 陈凯 黄军朋 史光明 张艳阳 赖润森 朱建华 王雪野 陈伟楠 《水文地质工程地质》 北大核心 2025年第4期26-38,共13页
新疆天山中段矿产资源丰富,但高强度采矿活动导致土地损毁问题日益加剧。针对矿山土地损毁监测效率低、传统遥感解译依赖人工经验等问题,文章提出了基于神经网络的遥感影像土地损毁自动分类模型——SENetV2-COTDeepLabV3+,该模型是在Dee... 新疆天山中段矿产资源丰富,但高强度采矿活动导致土地损毁问题日益加剧。针对矿山土地损毁监测效率低、传统遥感解译依赖人工经验等问题,文章提出了基于神经网络的遥感影像土地损毁自动分类模型——SENetV2-COTDeepLabV3+,该模型是在DeepLabV3+模型基础上,融合了上下文转换器模块与SENetV2模块,从而增强了上下文特征提取和通道注意力机制能力,优化了模型对复杂矿山地物的分割能力。根据高分系列遥感影像,构建了包含59198个样本的天山中段矿山样本集,通过数据增强扩展至177594个样本;使用该数据训练SENetV2-COT-DeepLabV3+模型,提高其泛化能力与识别精度,精准掌握矿产资源开发造成的土地损毁分布和程度;通过与FCN、UNeT、PSPNeT等模型进行对比试验得出该改进模型在平均交并比、平均召回率、平均精确率和平均系数等4项指标上均优于FCN、PSPNet等主流模型,分割精度较DeepLabV3+提升了1.63%~2.34%。基于该模型在pycharm平台搭建了矿区土地损毁类型深度学习遥感解译系统,目前该系统已部署至当地矿山管理部门,识别准确率达85%以上,实现了高精度、高效率的土地损毁识别,为矿区土地损毁动态监测与生态修复管理提供了智能化解决方案,推动矿山开发与环境保护的协调发展。 展开更多
关键词 天山中段 土地损毁模型 神经网络 自动分类 矿山生态修复
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部