复杂环境城镇爆破工程逐渐增多,城市环境建设特别是在创建卫生文明城市中对降噪和防尘的要求也随之提高,基于常用降噪降尘措施,通过现场试验:爆前洒水、覆盖彩条布、单发雷管覆盖介质,探讨切实可行的降尘、降噪、减震方法,得出爆区覆盖彩条布降尘效果最佳,平均降尘率达41.2%以上; 地表雷管覆盖介质为水、沙、碎石时降噪效果最佳,平均降噪率达21.2%、减震率达35.2%。
城市控制爆破 场平工程 降尘 降噪 现场试验 urban controlled blasting site smoothing project fallen dust noise reduction field test
1 中国科学院空天信息创新研究院数字地球重点实验室, 北京 100094
2 中国科学院大学电子电气与通信工程学院, 北京 100049
3 中国林业科学研究院资源信息研究所, 北京 100091
树种调查一直面临着成本高、效率低、精度不高等问题。利用遥感手段能大大提高树种类型调查的工作效率、节省成本;卷积神经网络(CNN)虽然已经在自然图像分类领域取得了许多突破,但是较少有人将CNN模型用于单木树种分类。基于上述考虑,搭建出CNN模型,并与高分遥感影像相结合,进行单木树种分类。在利用高分影像半自动化构建单木树种遥感影像样本集过程中,采用了影像冠层切片(CSI)圈定、人工标注、数据增强等方法;同时为了训练单木树种遥感影像样本集,对5个CNN模型进行针对性改写。通过对比分析发现:LeNet5_relu和AlexNet_mini都未取得最佳分类效果;GoogLeNet_mini56、ResNet_mini56和DenseNet_BC_mini56分别对不同的树种具有最佳分类效果;DenseNet_BC_mini56总体精度最高(94.14%),Kappa系数最高(0.90),是总体最佳分类模型。该研究证明了CNN在单木树种分类中的有效性,能为森林资源调查提供重要的解决方案。
图像处理 单木树种分类 卷积神经网络 高分遥感影像 深度学习 激光与光电子学进展
2021, 58(2): 0228002