典型文献
基于深度学习的湖北省土壤侵蚀空间分布
文献摘要：
区域土壤侵蚀空间分布信息对生态修复和土地利用优化决策具有重要作用,但其分析计算的空间模型尚未成熟.引入深度学习方法,利用其计算能力强和拟合效果好的特点,建立土壤侵蚀与各因子之间的复杂联系,获取高精度的土壤侵蚀强度空间分布数据.在Jupyter Notebook平台下,构建UNet++和BP神经网络框架,优选激活函数、损失函数等超参数;以湖北省土壤侵蚀空间分布真实数据作为基准,利用ADAM优化函数和交叉熵损失函数,训练记录土壤侵蚀因子深层信息的神经元;通过遥感手段获取降雨侵蚀力、土壤可蚀性、地表覆盖、植被覆盖、坡度和地形起伏度等因子作为模型输入,通过多次卷积和转置卷积计算获取土壤侵蚀强度等级空间分布数据.对比分析表明:UNet++神经网络的总体精度达到95.7％,比BP神经网络高4.3％,并克服BP神经网络存在的"椒盐"现象;UNet++神经网络在各侵蚀强度中误差分布较均匀,未呈现明显的误差聚集现象,能较好地反映土壤侵蚀分布情况.
文献关键词：
土壤侵蚀;空间分布;深度学习;UNet++;BP神经网络
中图分类号：
作者姓名：
王书韬;史明昌;陈春阳;陈靖涛
作者机构：
北京林业大学水土保持学院,100083,北京
文献出处：
引用格式：
[1]王书韬;史明昌;陈春阳;陈靖涛-.基于深度学习的湖北省土壤侵蚀空间分布)[J].中国水土保持科学,2022(03):119-125
A类：
B类：
分布信息,生态修复,土地利用优化,优化决策,空间模型,未成熟,深度学习方法,计算能力,拟合效果,土壤侵蚀强度,度空间,Jupyter,Notebook,台下,UNet++,网络框架,激活函数,超参数,真实数据,ADAM,优化函数,交叉熵损失函数,侵蚀因子,降雨侵蚀力,土壤可蚀性,地表覆盖,植被覆盖,地形起伏度,模型输入,转置卷积,卷积计算,取土,强度等级,总体精度,椒盐,中误差,误差分布
AB值：
0.37368
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
