干旱区生态环境知识资源中心(Arid): 基于深度学习的寒旱区多时序影像土地利用及变化监测以新疆莫索湾垦区为例

Arid

	基于深度学习的寒旱区多时序影像土地利用及变化监测以新疆莫索湾垦区为例
其他题名	Dynamic monitoring of land-use/land-cover change in cold and arid region based on deep learning: A case study of Mosuowan reclamation area in Xinjiang
	袁盼丽; 汪传建; 赵庆展; 王学文; 任媛媛; 杨启原
来源期刊	干旱区地理
ISSN	1000-6060
出版年	2021
卷号	44 期号:6 页码:1717-1728
中文摘要	针对生态环境脆弱的寒旱区开展地物要素提取以及土地覆盖变化监测研究,对农业规划、城乡建设、生态环境监测与保护等具有重要意义。借助20152019年新疆莫索湾垦区Landsat-8影像构建数据集,对比3种传统方法:最大似然分类(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)和随机森林(Random forest,RF)及5种语义分割模型:Deep-Labv3+(Xception)、DeepLabv3+(MobileNet)、SegNet(ResNet50)、U-Net(MobileNet)和PSPNet(MobileNet),选取最优自动化地物提取模型对研究区19982020年农用地、建筑用地、水体和荒漠4种地物要素进行分类,并运用土地利用转移矩阵和动态度进行定量动态变化分析。结果表明:Deep-Labv3+(Xception)模型可以实现更准确、更高效的地物提取,总体精确度(OA)、Kappa系数和F1值分别为96.06%、0.96和0.86,其中所选模型的平均交并比(MIoU)较其他模型提升0.03~0.39。近23 a,莫索湾垦区的荒漠、农用地和建筑用地三者的土地结构转化较为明显,荒漠总面积减少15.00%,农用地总面积增加12.68%,建筑用地总面积增加2.53%,水体面积变化较为平稳。地物类型总体转变方向为荒漠向农用地转化、农用地向建筑用地转化。该研究可为深度学习技术应用于中分辨率遥感卫星影像领域中实现土地利用及变化动态监测提供参考。
英文摘要	In this study, we conducted researchon the extraction of ground elements and the dynamic monitoring of land cover change in cold and arid areas with fragile ecological environments. The Mosuowan reclamation area in Xinjiang, China was selected as the target area, and the Landsat series satellite images from 2015 to 2019 were cut into subimages with sizes of 416*416 px. Specifically, the training set, validation set and testset are 306 subimages, 204 subimages and 120 subimages respectively. Three traditional methods were then evaluated: MLC, SVM, and RF. Five semantic segmentation models were also evaluated: DeepLabv3+(Xception), DeepLabv3+ (MobileNet), SegNet (ResNet50), U-Net (MobileNet), and PSPNet (MobileNet). In the evaluation experiments, DeepLabv3+ (Xception) was found to achieve the optimal segmentation effect and multiscale feature fusion using fewer parameters. The overall accuracy, Kappa coefficient, precision, recall, F1-score, and MIoU were 96.06%, 0.96, 87.69%, 83.78%, 0.86, and 0.77, respectively. The MIoU of the DeepLabv3 + (Xception) model was significantly better than those of the other four models, improving from 0.03 to 0.39. On the basis of the land use classification results of the long-term timeseries remote sensing data from 1998 to 2020, we analyze spatial structure change in land use and the associated driving factors. Over the past 23 years, the total areas of desert, agricultural land, and construction land have been reduced by 15.00%, 12.68%, 2.53%, respectively. At the same time, the amount of water area has remained relatively stable. The overall transformation direction of land use is from desert to agricultural land and then from agricultural land to construction land. It can be seen from the results that the desertification control was effective, and urbanization rapidly developed. Consequently, this study can provide a reference for the application of deep learning in the field of medium-resolution remote sensing images, which can be used to realize the dynamic monitoring of land use and change.
中文关键词	遥感影像 ; 长时间序列 ; 深度学习 ; 地物分类 ; 动态监测
英文关键词	DeepLabv3+ remote sensing image long time-series deep learning DeepLabv3+ feature classification dynamic monitoring
类型	Article
语种	中文
收录类别	CSCD
WOS类目	Geology
CSCD记录号	CSCD:7114550
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/377653
作者单位	袁盼丽, 石河子大学信息科学与技术学院;;兵团空间信息工程技术研究中心;;兵团工业技术研究院, ;;兵团空间信息工程技术研究中心;;, 石河子;;石河子;;石河子, 新疆;;新疆;;新疆 832003;;832003;;832003, 中国.; 赵庆展, 石河子大学信息科学与技术学院;;兵团空间信息工程技术研究中心;;兵团工业技术研究院, ;;兵团空间信息工程技术研究中心;;, 石河子;;石河子;;石河子, 新疆;;新疆;;新疆 832003;;832003;;832003, 中国.; 王学文, 石河子大学信息科学与技术学院;;兵团空间信息工程技术研究中心;;兵团工业技术研究院, ;;兵团空间信息工程技术研究中心;;, 石河子;;石河子;;石河子, 新疆;;新疆;;新疆 832003;;832003;;832003, 中国.; 汪传建, 安徽大学互联网学院, 合肥, 安徽 230039, 中国.; 任媛媛, 石河子大学信息科学与技术学院;;兵团空间信息工程技术研究中心, ;;兵团空间信息工程技术研究中心, 石河子;;石河子, 新疆;;新疆 832003;;832003, 中国.; 杨启原, 石河子大学信息科学与技术学院;;兵团空间信息工程技术研究中心, ;;兵团空间信息工程技术研究中心, 石河子;;石河子, 新疆;;新疆 832003;;832003, 中国.
推荐引用方式 GB/T 7714	袁盼丽,汪传建,赵庆展,等. 基于深度学习的寒旱区多时序影像土地利用及变化监测以新疆莫索湾垦区为例[J],2021,44(6):1717-1728.
APA	袁盼丽,汪传建,赵庆展,王学文,任媛媛,&杨启原.(2021).基于深度学习的寒旱区多时序影像土地利用及变化监测以新疆莫索湾垦区为例.干旱区地理,44(6),1717-1728.
MLA	袁盼丽,et al."基于深度学习的寒旱区多时序影像土地利用及变化监测以新疆莫索湾垦区为例".干旱区地理 44.6(2021):1717-1728.