研究目的
利用Landsat-8影像,通过感知器神经网络开发一种自动推导调参的水/非水区域估算公式——我们称之为感知器推导水公式(PDWF)。
研究成果
所提出的PDWF方法在水体/非水体区域估算方面优于MNDWI、AWEI和U-net,显示出显著的精度提升。该方法能有效减少由山体阴影、建筑物阴影和暗色土壤引起的误判。同时,镜面反射和冰雪校正算法进一步提高了水体/非水体区域估算的准确性。
研究不足
该研究仅使用无云、无雪且无太阳耀斑的Landsat-8影像进行训练。模型未针对受太阳耀斑影响和被雪覆盖的区域进行训练,这些区域需要额外的校正算法。
1:实验设计与方法选择:
本研究采用感知器神经网络推导水/非水区域估算参数。工作流程包括参考数据生成、卫星影像预处理、感知器模型训练以及对未见测试数据进行水/非水区域估算。
2:样本选择与数据来源:
收集了全球多个地点的22幅Landsat-8影像,覆盖各类地表水体特征。
3:实验设备与材料清单:
使用了Landsat-8影像、全球地表水(GSW)数据以及开源地理资源分析支持系统(GRASS)地理信息系统(GIS)。
4:实验步骤与操作流程:
研究涉及生成特征图、训练感知器模型并应用该模型估算水/非水区域。
5:数据分析方法:
通过定量与定性分析,将PDWF方法的性能与MNDWI、AWEI及深度学习模型(U-net)进行比较。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容