煤田地质与勘探

作者：张成业, 李飞跃, 李军, 邢江河, 杨金中, 郭俊廷, 杜守航,

关键词：露天煤矿区, 土地利用, 高分辨率影像, 深度学习, 神经网络, 高分二号卫星, 自动识别, 识别精度,

遥感与深度学习为及时掌握露天煤矿区土地利用情况提供了高效率的技术手段。基于国产高分二号(GF-2)卫星高分辨率遥感影像，利用深度学习DeepLabv3+模型实现露天煤矿区土地利用识别，并与U-Net、FCN、随机森林、支持向量机、最大似然法等方法进行对比。首先，制作高分辨率影像样本数据，通过敏感性测试确定适合研究区露天煤矿场景的样本最佳裁剪尺寸和方式；然后，训练深度神经网络DeepLabv3+模型，进行土地利用识别实验；最后，比较不同方法的识别结果。结果表明：研究区露天煤矿场景下的样本最佳裁剪尺寸为512像素×512像素，最佳裁剪方式为随机裁剪。采用的DeepLabv3+模型对露天煤矿区土地利用识别的总体精度、Kappa系数分别为80.10%、0.73，均优于U-Net、FCN、随机森林、支持向量机、最大似然法等方法的识别精度。DeepLabv3+模型的识别速度与上述5种方法保持在同一数量级，验证了DeepLabv3+模型和GF-2卫星影像在露天煤矿区土地利用识别中的可行性，对露天煤矿区生态环境监测与修复规划具有重要意义。

来源：2022年第6期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2022年第6期