利用迁移学习进行长时序遥感影像分类的影响因素和策略

摘要：

长时间序列遥感影像分类是研究区域自然资源和土地利用时空变迁的重要基础.传统的区域长时序遥感影像分类,需要逐景影像选取样本进行分类,存在样本复用性低、人工工作繁复等问题;而迁移学习作为一种将已有知识应用到不同任务中的机器学习方法,可以实现遥感影像特征信息的重复利用.但长时序遥感影像由于时间跨度和物候等差异,地物光谱存在不稳定性,样本的特征信息在长时间跨度、不同物候的遥感影像中的复用效果会受到影响,而关于影响的范围和程度目前尚缺乏系统性研究.本研究以河南省济源市为研究区,使用Landsat长时序遥感影像,基于直推式迁移学习的方法构建SVM和随机森林分类模型,将单景影像中选取的样本迁移应用到20 a跨度的长时间序列影像中进行分类,根据不同物候、不同时间跨度下迁移实验的分类结果,分析两种因素对样本迁移效果的影响,进而归纳利用迁移学习进行样本长时序遥感影像分类的策略及方法,为有效提高样本复用性、减少长时序影像分类的人工工作提供借鉴和参考.

关键词：长时序数据、土地利用、迁移学习、遥感影像

所属期刊栏目：7

分类号：TP75(遥感技术)

资助基金：海南省自然科学基金;河南南太行山水林田湖草生态保护修复试点工程济源项目

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：160-168