基于Sentinel-1A SAR的洞庭湖汛期水体面积动态变化监测研究【增强内容出版】

首页 > 成果 > 详情

认领

导出

Link by 中国知网学术期刊 Link by 万方学术期刊

反馈

作者信息关键词期刊信息基础信息归属信息摘要

成果类型：

期刊论文

作者：

张雨林;蒋昌波;隆院男;闫世雄

作者机构：

[张雨林] 长沙理工大学水利与环境工程学院

洞庭湖水环境治理与生态修复湖南省重点实验室

湖南工业大学

[蒋昌波] 洞庭湖水环境治理与生态修复湖南省重点实验室<&wdkj&>湖南工业大学

[隆院男; 闫世雄] 长沙理工大学水利与环境工程学院<&wdkj&>洞庭湖水环境治理与生态修复湖南省重点实验室

语种：

中文

关键词：

洞庭湖;水体面积;深度学习

关键词(英文)：

Sentinel-1A;HRNet;Dongting Lake;Water area;Sentinel-1A;The deep learning algorithm;HRNet

期刊：

遥感技术与应用

ISSN：

1004-0323

年：

2024

卷：

期：

页码：

741-752

DOI：

10.11873/j.issn.1004-0323.2024.3.0741

基金类别：

51839002:国家自然科学基金 52079010:国家自然科学基金 XSKJ2019081-45:湖南省水利科技项目 2020SK2130:湖南省重点研发计划项目

机构署名：

本校为第一机构

摘要：

洞庭湖水体面积动态变化监测对防洪、维系生态系统的稳定及生物多样性具有重要意义。以经典Unet网络模型和创新性HRNet网络模型为代表的深度学习技术已成为遥感图像信息获取的高效途径，实验以Sentinel-1A SAR影像为主要数据源，定性、定量地分析了Sentinel-1双极化水体指数法（Sentinel-1 Dual-Polarized Water Index，SDWI）、面向对象分类法、UNet网络模型和HRNet网络模型4种方法的水体提取效果，并基于最佳水体提取方法对洞庭湖2016~2021年汛期（4~10月）水体面积进行时空变化特征分析。结果表明：①HRNet和Unet网络模型较传统方法具有更优的水体提取效果，其中，HRNet网络模型在抑噪、抗阴...

摘要(英文)：

Monitoring the dynamic changes of water area in Dongting Lake is of great significance for flood control,ecosystem stability and biodiversity.The deep learning algorithm represented by the classic Unet the innovative HRNet has become an efficient way to obtain remote se...MORE Monitoring the dynamic changes of water area in Dongting Lake is of great significance for flood control,ecosystem stability and biodiversity.The deep learning algorithm represented by the classic Unet the innovative HRNet has become an efficient way to obtain remote sens...

反馈

产权有误：本人成果被他人认领

数据有误：数据基本信息有误

归属有误：成果的院系归属、机构署名归属有误

其他原因：

验证码：

看不清楚，换一个

确定

取消

成果认领

标题：

用户	作者	通讯作者	--
	请选择	请选择	--

确定

取消