本文帮助读者更好地理解使用3D-CNN对卫星数据进行土地覆盖分类的不同深度学习方法。
遥感概论土地覆盖分类的深度学习Sundarbans国家公园卫星图像CNN在土地覆盖分类中的实现结论参考文献遥感概论
遥感是探测和监测一个地区的物理特征的过程，方法是测量该地区在一定距离(通常是从卫星或飞机)反射和发射的辐射。特殊摄像机收集远程遥感图像，这有助于研究人员“感知”地球上的事物。
由带电粒子振动产生的电磁能量，以波的形式在大气和真空空间中传播。这些波有不同的波长和频率，波长越短，频率就越高。有些电波、微波和红外线的波长较长。而紫外线、x射线和伽马射线的波长要短得多。可见光位于长到短波辐射范围的中间。这一小部分能量是人类肉眼所能探测到的。需要仪器来探测所有其他形式的电磁能。在不同卫星的帮助下，我们利用全范围的光谱来探索和理解发生在地球和其他行星上的过程。
一些例子是:
卫星和飞机上的相机拍摄了地球表面大面积的图像，使我们看到的东西比我们站在地面上看到的多得多。船上的声纳系统可以在不需要潜入海底的情况下生成海底图像。卫星上的照相机可以用来拍摄海洋温度变化的图像。地球遥感图像的一些具体用途包括:
大型森林火灾可以从太空中绘制地图，使得护林员可以看到比地面大得多的区域。追踪云层来帮助预测天气或观察喷发的火山，并帮助观察沙尘暴。在数年或数十年的时间里跟踪城市的发展和农田或森林的变化。发现并绘制海底崎岖的地形(例如巨大的山脉、深谷和海底的“磁条”)。在本文中，我们将使用Sentinel-2卫星收集的数据。以下是简要信息:
Sentinel-2任务由两颗卫星组成，用于支持植被、土地覆盖和环境监测。年6月23日，欧洲航天局(ESA)发射了Sentinel-2A卫星，在太阳同步轨道上运行，周期为10天。第二颗相同的卫星Sentinel-2B于年3月7日发射，并可在EarthExplorer上获取数据。它们每隔五天就会覆盖地球所有的陆地表面、大型岛屿以及内陆和沿海水域。
Sentinel-2多光谱仪器(MSI)沿着公里的轨道带获得了从可见和近红外(VNIR)到短波红外(SWIR)波长的13个光谱波段。MSI测量了在13个光谱波段内通过大气的反射辐射。空间分辨率取决于特定的光谱波段:
10米波段:蓝色(nm)，绿色(nm)，红色(nm)，近红外(nm)。在20米处有6个波段:4个窄波段用于植被表征(nm、nm、nm和nm)和2个较大的SWIR波段(nm和nm)用于雪/冰/云探测或植被水分胁迫评估。60米波段:主要用于云层遮挡和大气校正(气溶胶为nm，水蒸气为nm，卷云探测为nm)。
土地覆盖分类的深度学习
深度学习。神经网络。反向传播。在过去的一两年里，我经常听到这些流行词，最近它也确实抓住了我的好奇心。深度学习是当今一个活跃的研究领域，如果你一直