一种基于卷积自编码的潜在风沙源识别方法技术

本发明专利技术公开了一种基于卷积自编码的潜在风沙源识别方法，属于风沙源识别领域，包括以下步骤：S1、获取研究区域的遥感影像；S2、对遥感影像进行预处理；S3、确定卷积核尺寸；S4、构建卷积自编码器神经网络模型，进行训练；S5、生成表达整个研究区域的空间结构异常分布图；S6、识别时间、空间尺度下的潜在风沙源。本发明专利技术采用上述基于卷积自编码的潜在风沙源识别方法，兼顾区域内的空间特征和时间上的变化特征，从而可有效提高河谷微地貌特征提取及潜在风沙源识别的准确性，为复杂地质条件下，利用遥感影像进行河谷微地貌特征提取及潜在风沙源识别，提供了较为实用可靠的科学方法。

【技术实现步骤摘要】

本专利技术涉及风沙源识别，尤其涉及一种基于卷积自编码的潜在风沙源识别方法。

技术介绍

1、潜在风沙源区域是指受到风、水两营力作用的、间歇性出露沙体的地区，潜在风沙源是导致沙尘暴和其他风沙灾害的主要原因之一，故潜在风沙源的控制和管理有助于减轻水土流失、预防风沙灾害。

2、近年来，随着rs(遥感技术)、gis技术(地理信息系统)的长足发展，利用高分辨率的环境遥感信息资料，对区域河谷微地貌特征以及潜在风沙源进行更深入的研究，成为重要的研究方向之一。

3、同时，随着人工智能、深度学习算法的不断发展与优化，深度学习算法与遥感技术结合的方式提取所需信息，已成为当前的重要手段。神经网络对深层次隐含结构特征的学习能力，使其在河谷微地貌特征提取及潜在风沙源识别领域引起了广泛的关注。

4、已有研究证明，深度玻尔兹曼、深度置信网络等神经网络模型在复杂地质环境的异常识别中表现不俗。然而，由于风沙活动强烈的区域，如河谷微地貌特征不断演化，导致潜在风沙源时空表征不稳定，时空变化特征提取困难，潜在风沙源时空分布特征识别参数训练难度较大，准确率较低。<本文档来自技高网...

【技术保护点】

1.一种基于卷积自编码的潜在风沙源识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于卷积自编码的潜在风沙源识别方法，其特征在于：在步骤S1中，由USGS获取研究区域的遥感影像，且遥感影像的可见光波段、近红外波段以及短波红外波段的空间分辨率均为30m，全色波段的空间分辨率为15m。

3.根据权利要求2所述的一种基于卷积自编码的潜在风沙源识别方法，其特征在于：步骤S2具体包括以下步骤：

4.根据权利要求3所述的一种基于卷积自编码的潜在风沙源识别方法，其特征在于：步骤S3具体包括以下步骤：

5.根据权利要求4所述的一种基于卷积...

【技术特征摘要】

1.一种基于卷积自编码的潜在风沙源识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于卷积自编码的潜在风沙源识别方法，其特征在于：在步骤s1中，由usgs获取研究区域的遥感影像，且遥感影像的可见光波段、近红外波段以及短波红外波段的空间分辨率均为30m，全色波段的空间分辨率为15m。

3.根据权利要求2所述的一种基于卷积自编码的潜在风沙源识别方法，其特征在于：步骤s2具体包括以下步骤：

4.根据权利要求3所述的一种基于卷积自编码的潜在风沙源识别方法，其特征在于：步骤s3具体包括以下步骤：

5....

【专利技术属性】
技术研发人员：武可聪，陈丽蓉，韩中鹏，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：