土地利用分类数据的精度对雨洪风险淹没模拟研究具有重要影响.土地利用分类中不同地物之间存在复杂的非线性关系,为提高土地分类数据的精度,本研究引入具有非线性映射能力的BP神经网络模型,提出了一种基于深度学习的遥感影像土地利用分类方法.选取野三坡风景名胜区GF-2遥感影像数据,对该影像进行多尺度分割.同时将能够反映土地利用信息的光谱数据和DEM数据、坡度数据,作为输入层神经元,将土地利用类型作为输出层神经元,归一化处理后进行迭代训练,构建了基于BP神经网络的土地利用分类模型.该模型的分类总体精度达到91%,Kappa系数为0.890 6.基于该模型的识别结果,利用水文模型和ArcGIS空间分析工具,模拟并分析野三坡景区百年一遇的极端降水事件造成的雨洪淹没区,并提出应对雨洪灾害的相关策略.
The accuracy of land use data significantly impacts the simulation study of stormwater risks. Complex nonlinear relationships exist among different land features in land use classification. In order to enhance the accuracy of land classification data, this research introduces the Backpropagation(BP)neural network model with nonlinear mapping capabilities. A remote sensing image land use classification method based on deep learning is proposed. The study utilizes GF-2 remote sensing image data from the Yesanpo Scenic Area to conduct multiscale segmentation on the image. Spectral data reflecting land use information, along with DEM data and slope data, are chosen as input layer neurons, while land use types - DOI:10.3969/j.issn.1000-1565.2024.02.012基于BP神经网络的土地利用智能分类识别与雨洪风险模拟姜艳波1,徐宁伟2,陈泰熙3,秦安臣1,黄大庄1(1.河北农业大学 园林与旅游学院,河北 保定 071001;2.北京城市学院 城市建设学部,北京 100191;3.香港浸会大学 计算机科学系,香港 999077 )摘 要:土地利用分类数据的精度对雨洪风险淹没模拟研究具有重要影响.土地利用分类中不同地物之间存在复杂的非线性关系,为提高土地分类数据的精度,本研究引入具有非线性映射能力的BP神经网络模型,提出了一种基于深度学习的遥感影像土地利用分类方法.选取野三坡风景名胜区GF-2遥感影像数据,对该影像进行多尺度分割.同时将能够反映土地利用信息的光谱数据和DEM数据、坡度数据,作为输入层神经元,将土地利用类型作为输出层神经元,归一化处理后进行迭代训练,构建了基于BP神经网络的土地利用分类模型.该模型的分类总体精度达到91%,Kappa系数为0.890 6.基于该模型的识别结果,利用水文模型和ArcGIS空间分析工具,模拟并分析野三坡景区百年一遇的极端降水事件造成的雨洪淹没区,并提出应对雨洪灾害的相关策略.关键词:BP神经网络;土地利用分类;机器学习;雨洪风险;野三坡风景名胜区中图分类号:TP391 文献标志码:A 文章编号:1000-1565(2024)02-0208-08Intelligent classification of land use based on BP neural network and stormwater simulationJIANG Yanbo1, XU Ningwei2, CHEN Taixi3, QIN Anchen1, HUANG Dazhuang1(1. College of Landscape Architecture and Tourism, Hebei Agricultural University, Baoding 071001, China; 2. Urban Construction Department, Beijing City University, Beijing 100191, China; 3. Department of Computer Science, Hong Kong Baptist University, Hong Kong 999077, China)Abstract:The accuracy of land use data significantly impacts the simulation study of stormwater risks. Complex nonlinear relationships exist among different land features in land use classification. In order to enhance the accuracy of land classification data, this research introduces the Backpropagation(BP)neural network model with nonlinear mapping capabilities. A remote sensing image land use classification method based on deep learning is proposed. The study utilizes GF-2 remote sensing image data from the Yesanpo Scenic Area to conduct multiscale segmentation on the image. Spectral data reflecting land use information, along with DEM data and slope data, are chosen as input layer neurons, while land use types - 收稿日期:2023-10-08;修回日期:2024-01-16 基金项目:河北省文化艺术科学规划和旅游研究项目(HB22-YB026);绍兴市哲学社会科学研究“十三五”规划2019年度重点课题(135408);河北省住房和城乡建设厅科研发展基金计划项目 第一作者:姜艳波(1990—),女,满族,河北农业大学在读博士,主要从事计算机在雨洪管控中的应用研究.E-mail:jiangyanbo_jyb@126.com 通信作者:秦安臣(1961—),男,河北农业大学教授,博士生导师,主要从事遥感影像在风景区中的应用研究.E-mail:759256768@qq.com黄大庄(1963—),男,河北农业大学教授,博士生导师,主要从事生态旅游规划、园林植物应用研究.E-mail:huangdazhuang@126.com第2期姜艳波等:基于BP神经网络的土地利用智能分类识别与雨洪风险模拟serve as output layer neurons. After normalization, an iterative training process is conducted to construct a BP neural network-based land use classification model. The model achieves an overall classification accuracy of 91%, with a Kappa coefficient of 0.8906. Based on the results obtained from this model, hydrological modeling and ArcGIS spatial analysis tools are employed to simulate and analyze the rain-induced flood-affected areas resulting from a once-in-a-century extreme precipitation event in the Yesanpo Scenic Area. Relevant strategies to mitigate rainfall-induced flooding are also proposed.
[1] 范峻恺,徐建刚.基于神经网络综合建模的区域城市群发展脆弱性评价——以滇中城市群为例[J].自然资源学报,2020,35(12):2875-2887. DOI: 10.31497/zrzyxb.20201205.
[2] COUMOU D. A decade of weather extremes[J]. Nature Climate Change, 2012, 2(7): 491-496.
[3] 涂勇,吴泽斌,何秉顺.2011—2019年全国山洪灾害事件特征分析[J].中国防汛抗旱,2020,30(Z1):22-25. DOI:10.16867/j.issn.1673-9264.2020239.
[4] KUANG D, LIAO K H. Learning from Floods: Linking flood experience and flood resilience[J]. Journal of Environmental Management, 2020, 271:111025.DOI:10.1016/j.jenvman.2020.111025.
[5] 刘洪生.河北省改革开放40年大事记[M].石家庄:河北人民出版社.2018
[6] 霍小光,张晓松,齐中熙,等. 众志成城 同舟共济[N]. 人民日报,2023-08-07. DOI:10.28655/n.cnki.nrmrb.2023.008007.
[7] 武丹,孔辉.基于机器学习的多特征融合高分辨率遥感影像土地利用分类研究[J].测绘科学技术,2022,10(2):43-50.DOI:10.12677/gst.2022.102005.
[8] 娄佩卿,吴通华,陈杰,等.基于高分遥感影像和集成机器学习的祁连山区融冻泥流识别研究[J].冰川冻土,2023,45(2):786-797.DOI:10.7522/j.issn.1000-0240.2023.0060.
[9] 张金盈,姚光虎,林琳,等.结合主动学习和词袋模型的高分二号遥感影像自动化分类[J].测绘通报,2019(2):103-107.
[10] 陈磊士,赵俊三,李易,等.基于机器学习的多源遥感影像融合土地利用分类研究[J].西南师范大学学报(自然科学版),2018,43(10):103-111. DOI:10.13718/j.cnki.xsxb.2018.10.018.
[11] HUANG L, LUO J, LIN Z J,Fujun Niu, Lin Liu et al. Using deep learning to map retrogressive thaw slumps in the Beiluhe region(Tibetan Plateau)from CubeSat images [J]. Remote Sensing of Environment, 2020, 237: 111534.DOI:10.1016/j.rse.2019.111534.
[12] DAWSON C W, WILBY R.An artificial neural network approach to rainfall-runoff modelling[J].Hydrological sciences journal, 1998.43(1):47-66. DOI:10.1080/02626669809492102.
[13] 王华英,孙海军,张雷,等.基于神经网络的磁场定位技术[J].河北大学学报(自然科学版),2022,42(6):657-664.DOI:10.3969/j.issn.1000-1565.2022.06.014.
[14] LI G B, YU Y Z. Visual saliency based on multiscale deep features[C] //Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 5455-5463.
[15] 柳叶,张青峰,李光录.基于BP神经网络的遥感影像分类研究[J].测绘科学,2012,37(6):140-143. DOI:10.16251/j.cnki.1009-2307.2012.06.012.
[16] 刘照.基于PCA-BP神经网络的高校毕业生失业率预测模型实证研究[J].河北大学学报(自然科学版),2018,38(1):99-104. DOI:10.3969/j.issn.1000-1565.2018.01.015.
[17] 范迎迎,钱育蓉,杨柳,等.基于BP神经网络的遥感影像棉花识别方法[J].计算机工程与设计,2017,38(05):1356-1360.DOI:10.16208/j.issn1000-7024.2017.05.044.
[18] 杨娟.用Pearson-Ⅲ型概率分布推算贵阳降水量的重现期[J].贵州气象, 2015, 39(4): 8-11.
[19] 闫鹏飞,孙静涛,冯晓宁.基于excel的水文频率曲线绘制方法[J].黑龙江交通科技,2013,36(11):111-112. DOI:2/j.cnki.issn1008-3383.2013.11.003.
[20] 李洪良.农田污水灌溉的风险分析研究[D].南京:河海大学,2007.
[21] 许彦,潘文斌.基于ArcView的SCS模型在流域径流计算中的应用[J].水土保持研究, 2006, 13(4):5.
[22] 焦胜,韩静艳,周敏,等.基于雨洪安全格局的城市低影响开发模式研究[J].地理研究,2018,37(9):1704-1713. DOI: 10.11821/dlyj201809004.
[23] 王增长.建筑给水排水工程[M].5版.北京:中国建筑工业出版社,2005. (
