自然资源遥感智能解译中复杂场景样本抽样方法研究
文献类型：期刊论文
| 作者 | 李连发1,2; 高茜琳1,2; 贺伟1,2; 陈淼淼1,2; 杨晓梅1,2; 王志华1,2; 张俊瑶1,2; 刘晓亮1,2 |
| 刊名 | 地球信息科学学报
 |
| 出版日期 | 2024 |
| 卷号 | N/A页码:1-19 |
| 关键词 | 遥感智能解译 自然资源 优化样本抽样设计 形态转换 复杂场景 |
| 产权排序 | 1 |
| 英文摘要 | 随着遥感分类解译技术的发展，复杂场景下自然资源遥感智能解译已成为研究的焦点。在这一背景下，遥感样本的获取和选择对提高解译的准确性和可靠性至关重要。我国地形地貌多样，气象条件复杂，地表结构细碎，导致复杂地表具有时空分异性，直接影响遥感样本的选择和质量。传统抽样方法所选样本对总体特征的代表性较差，进而影响解译效果。为解决这一问题，本研究总结了遥感分类标记样本抽样方法、多尺度形态转换扩充样本以及标记样本质量评估的关键要点，从理论上阐述了样本优选以减少偏差的必要性，并提出了基于地表复杂度的分区/层和加权样本优化方法。该方法通过考虑地形的复杂性和多样性，优化了样本的抽样过程，减少了因抽样偏差带来的解译误差。通过遵循这些要点和技术，可以获得高质量且有强代表性的标记样本，从而提高遥感分类建模解译精度和/或效益。本研究总结了3个基于复杂度的样本优选的实验结果，并为未来遥感智能解译技术的发展提供了坚实的理论和技术基础。这项研究对于通过样本优选推动复杂场景下遥感自然资源分类建模及智能解译的研究和实际应用具有重要的参考价值。 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/210397]  |
| 专题 | 资源与环境信息系统国家重点实验室_中文论文 |
| 通讯作者 | 李连发; 杨晓梅 |
| 作者单位 | 1.中国科学院大学 2.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室 |
| 推荐引用方式 GB/T 7714 | 李连发,高茜琳,贺伟,等. 自然资源遥感智能解译中复杂场景样本抽样方法研究[J]. 地球信息科学学报,2024,N/A:1-19. |
| APA | 李连发.,高茜琳.,贺伟.,陈淼淼.,杨晓梅.,...&刘晓亮.(2024).自然资源遥感智能解译中复杂场景样本抽样方法研究.地球信息科学学报,N/A,1-19. |
| MLA | 李连发,et al."自然资源遥感智能解译中复杂场景样本抽样方法研究".地球信息科学学报 N/A(2024):1-19. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。