基于深度学习的海冰融池识别

摘要：

融池对海冰融化速率估算具有重要作用.基于Sentinel-2影像,选择可见光(波段2、波段3、波段4)和近红外(波段8)作为特征波段,采用两种特征组合方式(波段2/3/4反射率、波段2/3/4反射率与波段2/3/4/8反射率差值归一化值),分别训练多层神经网络(multi-layer neural network,MNN),进行海冰、开阔水域、亮融池、暗融池识别.结果表明,基于可见光与归一化值MNN识别效果更佳,总体识别精度达到88.0％,其中亮融池生产者精度和用户精度分别为77.6％和77.1％,暗融池的生产者精度和用户精度分别为55.2％和96.1％.波段反射率差值归一化处理可增大地物间区分度,提高融池识别精度.与其他算法相比,应用MNN可实现融池准确识别,为海冰融化速率估算提供有效参考.

关键词：海冰融池识别、反射率差值归一化、多层神经网络、Sentinel-2、波弗特海

所属期刊栏目：37

分类号：TP751(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-03-21（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：85-93