基于深度学习的湖北省土壤侵蚀空间分布

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.