基于人工神经元网络技术的土地利用/覆盖变化探测

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于人工神经元网络技术的土地利用/覆盖变化探测

肖平, 李德仁

文章导航 > 武汉大学学报 ● 信息科学版 > 2002 > 27(6): 586-590

肖平, 李德仁. 基于人工神经元网络技术的土地利用/覆盖变化探测[J]. 武汉大学学报 ● 信息科学版, 2002, 27(6): 586-590.

引用本文:

肖平, 李德仁. 基于人工神经元网络技术的土地利用/覆盖变化探测[J]. 武汉大学学报 ● 信息科学版, 2002, 27(6): 586-590.

XIAO Ping, LI Deren. Land Use/Cover Change Detection Based on Artificial Neural Network[J]. Geomatics and Information Science of Wuhan University, 2002, 27(6): 586-590.

Citation:

XIAO Ping, LI Deren. Land Use/Cover Change Detection Based on Artificial Neural Network[J]. Geomatics and Information Science of Wuhan University, 2002, 27(6): 586-590.

基于人工神经元网络技术的土地利用/覆盖变化探测

肖平¹,
李德仁²

1 陕西省基础地理信息中心, 西安市友谊东路334号, 710054;
2 武汉大学测绘遥感信息工程国家重点实验室, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金资助项目(40023004)

作者简介:
肖平,高级工程师,博士。现主要从事遥感图像处理和GIS系统开发方面的研究。主持和参与了国家"水下深拖图像处理系统"和"1:5万土地覆盖分类体系建立"等多项重大课题,发表相关论文10多篇。E-mail:xiaopinggis@163.com

中图分类号: P271

Land Use/Cover Change Detection Based on Artificial Neural Network

XIAO Ping¹,
LI Deren²

1 Shanxi Provincial Geomatics Center, 334 East Youyi Road, Xi'an, China, 710054;
2 National Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan, China, 430079

摘要: 针对现有的一些土地利用/覆盖变化探测方法存在的某些不足,提出了利用人工神经元网络(artificial neural network,ANN)进行土地利用/覆盖变化探测的方法,并对ANN网络的输入输出、网络结构和不同的网络模型进行了深入研究,充分利用已有的基础地理信息和高分辨率遥感影像辅助选取了ANN训练样本。试验结果表明,利用ANN总体上可提高土地利用/覆盖变化探测效率。
- 土地利用/覆盖 /
- 动态监测 /
- 人工神经网络
Abstract: ANN has been introduced in land use/cover change detection to improve the change detection results.In this paper,the input and output,the structure and reasonable settings of ANN have been studied and compared.Different ANN models and algorithms have been introduced to improve the performance of ANN.The results have shown that LVQ and MAALR(momentum-adaptive adjust ment of learning rate) have turned to be more efficient in land use/cover change detection than BPNN because they take less ANN training time and have no local minimum. The experiments based on TM satellite images of different time have shown that ANN method is practical and efficient for the change detection.The accuracy of it is higher than those of the traditional methods,and it can provide both changed areas and categories at the same time.Besides,it is easy to integrate multi-source data because of low demand for data distribution.
- land use/cover /
- dynamic monitoring /
- artificial neural network

[1]	任加新, 刘万增, 李志林, 李然, 翟曦. 利用卷积神经网络进行“问题地图”智能检测 . 武汉大学学报 ● 信息科学版, 2021, 46(4): 570-577. doi: 10.13203/j.whugis20190259
[2]	许珊, 邹滨, 王敏, 刘宁. PM_2.5浓度空间估算的神经网络与克里格方法对比 . 武汉大学学报 ● 信息科学版, 2020, 45(10): 1642-1650. doi: 10.13203/j.whugis20180482
[3]	门计林, 刘越岩, 张斌, 周繁. 多结构卷积神经网络特征级联的高分影像土地利用分类 . 武汉大学学报 ● 信息科学版, 2019, 44(12): 1841-1848. doi: 10.13203/j.whugis20180137
[4]	刘建军, 陈军, 张俊, 张元杰, 刘剑炜. 智能化时代下的地理信息动态监测 . 武汉大学学报 ● 信息科学版, 2019, 44(1): 92-96. doi: 10.13203/j.whugis20180436
[5]	李平湘, 刘致曲, 杨杰, 孙维东, 黎旻懿, 任烨仙. 利用随机森林回归进行极化SAR土壤水分反演 . 武汉大学学报 ● 信息科学版, 2019, 44(3): 405-412. doi: 10.13203/j.whugis20160531
[6]	梁勇, 杨磊, 吴秋兰, 洪学宝, 汉牟田, 杨东凯. 地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析 . 武汉大学学报 ● 信息科学版, 2018, 43(10): 1546-1552. doi: 10.13203/j.whugis20160557
[7]	邹滨, 许珊, 张静. 土地利用视角空气污染空间分异的地理分析 . 武汉大学学报 ● 信息科学版, 2017, 42(2): 216-222. doi: 10.13203/j.whugis20150042
[8]	刘耀林, 赵翔, 刘殿锋. 土地利用优化配置人工免疫并行决策支持系统 . 武汉大学学报 ● 信息科学版, 2014, 39(2): 166-171. doi: 10.13203/j.whugis20120269
[9]	黎曦, 郑宏, 刘操. 利用HSI色彩空间的PCNN人脸识别方法 . 武汉大学学报 ● 信息科学版, 2014, 39(12): 1499-1503.
[10]	聂建亮, 高为广, 张双成. 利用BP神经网络的动态精密单点定位故障诊断算法 . 武汉大学学报 ● 信息科学版, 2010, 35(3): 283-285.
[11]	陈锦富, 温贤鑫, 杨鹤标. COM构件安全测试中的动态监测方法研究 . 武汉大学学报 ● 信息科学版, 2010, 35(5): 554-557.
[12]	邓兴升, 王新洲. 动态神经网络在变形预报中的应用 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 93-96.
[13]	严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类 . 武汉大学学报 ● 信息科学版, 2007, 32(10): 876-879.
[14]	黄海, 祝国瑞. 基于模糊神经网络的土地合理储备量预测研究 . 武汉大学学报 ● 信息科学版, 2006, 31(6): 561-563.
[15]	徐艳芳, 刘文耀, 武兵, 黄敏. 人工神经网络在色彩变换中的应用 . 武汉大学学报 ● 信息科学版, 2006, 31(9): 799-801.
[16]	曹雪, 柯长青. 基于TM影像的南京市土地利用遥感动态监测 . 武汉大学学报 ● 信息科学版, 2006, 31(11): 958-961.
[17]	张红, 舒宁, 刘刚. 多时相组合分类法在土地利用动态监测中的应用 . 武汉大学学报 ● 信息科学版, 2005, 30(2): 131-134.
[18]	焦利民, 刘耀林. 土地适宜性评价的模糊神经网络模型 . 武汉大学学报 ● 信息科学版, 2004, 29(6): 513-516.
[19]	胡耀垓, 李伟, 胡继明. 一种改进激活函数的人工神经网络及其应用 . 武汉大学学报 ● 信息科学版, 2004, 29(10): 916-919.
[20]	邓跃进, 王葆元, 张正禄. 边坡变形分析与预报的模糊人工神经网络方法 . 武汉大学学报 ● 信息科学版, 1998, 23(1): 26-31.

WeChat

点击查看大图

计量

文章访问数: 424
HTML全文浏览量: 30
PDF下载量: 176
被引次数: 0

基于人工神经元网络技术的土地利用/覆盖变化探测

肖平¹,
李德仁²

1 陕西省基础地理信息中心, 西安市友谊东路334号, 710054;

2 武汉大学测绘遥感信息工程国家重点实验室, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金资助项目(40023004)

作者简介:
肖平,高级工程师,博士。现主要从事遥感图像处理和GIS系统开发方面的研究。主持和参与了国家"水下深拖图像处理系统"和"1:5万土地覆盖分类体系建立"等多项重大课题,发表相关论文10多篇。E-mail:xiaopinggis@163.com

收稿日期: 2002-07-08
刊出日期: 2002-06-05

中图分类号: P271

关键词:

土地利用/覆盖 /

人工神经网络

摘要: 针对现有的一些土地利用/覆盖变化探测方法存在的某些不足,提出了利用人工神经元网络(artificial neural network,ANN)进行土地利用/覆盖变化探测的方法,并对ANN网络的输入输出、网络结构和不同的网络模型进行了深入研究,充分利用已有的基础地理信息和高分辨率遥感影像辅助选取了ANN训练样本。试验结果表明,利用ANN总体上可提高土地利用/覆盖变化探测效率。

English Abstract

肖平, 李德仁. 基于人工神经元网络技术的土地利用/覆盖变化探测[J]. 武汉大学学报 ● 信息科学版, 2002, 27(6): 586-590.

引用本文:

肖平, 李德仁. 基于人工神经元网络技术的土地利用/覆盖变化探测[J]. 武汉大学学报 ● 信息科学版, 2002, 27(6): 586-590.

XIAO Ping, LI Deren. Land Use/Cover Change Detection Based on Artificial Neural Network[J]. Geomatics and Information Science of Wuhan University, 2002, 27(6): 586-590.

Citation:

XIAO Ping, LI Deren. Land Use/Cover Change Detection Based on Artificial Neural Network[J]. Geomatics and Information Science of Wuhan University, 2002, 27(6): 586-590.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码