[1] 赵宪文, 李崇贵, 斯 林, 等. 基于信息技术的森林资源调查新体系[J]. 北京林业大学学报, 2002(Z1):151-159.
[2] 杨 超, 邬国锋, 李清泉, 等. 植被遥感分类方法研究进展[J]. 地理与地理信息科学, 2018, 34(4):24-32. doi: 10.3969/j.issn.1672-0504.2018.04.005
[3] 郭瑞霞, 李崇贵, 刘思涵, 等. 利用多时相特征的落叶松人工林分类[J]. 浙江农林大学学报, 2020, 37(2):235-242. doi: 10.11833/j.issn.2095-0756.2020.02.006
[4] 郭文婷, 张晓丽. 基于Sentinel-2时序多特征的植被分类[J]. 浙江农林大学学报, 2019, 36(5):849-856.
[5] 刘瑞清, 李加林, 孙 超, 等. 基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类[J]. 地理学报, 2021, 76(7):1680-1692. doi: 10.11821/dlxb202107008
[6] 于婉婉, 徐凯健, 赵 萍, 等. Sentinel-2影像红边谱段对不同生长期区域优势树种识别的影响[J]. 地理与地理信息科学, 2021, 37(3):42-49. doi: 10.3969/j.issn.1672-0504.2021.03.007
[7] 李 煜, 李崇贵, 刘思涵, 等. 应用哨兵2A多时相遥感影像对树种的识别[J]. 东北林业大学学报, 2021, 49(3):44-47,51. doi: 10.3969/j.issn.1000-5382.2021.03.008
[8] AGARWAL S, JOSHI P K, SHUKLA Y, et al. SPOT VEGETATION multi temporal data for classifying vegetation in south central Asia[J]. Current Science, 2003, 84: 1440-1448.
[9] 温一博, 范文义. 多时相遥感数据森林类型识别技术研究[J]. 森林工程, 2013, 29(2):14-20. doi: 10.3969/j.issn.1001-005X.2013.02.003
[10] 王 斌, 范冬林. 深度学习在遥感影像分类与识别中的研究进展综述[J]. 测绘通报, 2019(2):99-102,36.
[11] SHELHAMER E, LONG J, DARRELL T. Fully Convolutional Networks for Semantic Segmentation [M]. IEEE Computer Society, 2017.
[12] 苏健民, 杨岚心, 景维鹏. 基于U-Net的高分辨率遥感图像语义分割方法[J]. 计算机工程与应用, 2019, 55(7):207-213. doi: 10.3778/j.issn.1002-8331.1806-0024
[13] 刘文祥, 舒远仲, 唐小敏, 等. 采用双注意力机制Deeplabv3 + 算法的遥感影像语义分割[J]. 热带地理, 2020, 40(2):303-313.
[14] 杨建宇, 周振旭, 杜贞容, 等. 基于SegNet语义模型的高分辨率遥感影像农村建设用地提取[J]. 农业工程学报, 2019, 35(5):251-258. doi: 10.11975/j.issn.1002-6819.2019.05.031
[15] 江 涛, 王新杰. 基于卷积神经网络的高分二号影像林分类型分类[J]. 北京林业大学学报, 2019, 41(9):20-29.
[16] MAGGIORI E, TARABALKA Y, CHARPIAT G, et al. Fully Convolutional Neural Networks For Remote Sensing Image Classification [C]. Geoscience & Remote Sensing Symposium, 2016.
[17] CHEN G, ZHANG X, WANG Q, et al. Symmetrical dense-shortcut deep fully convolutional networks for semantic segmentation of very-high-resolution remote sensing images[J]. IEEE Journal of Selected Topics in Applied Earth Observations Remote Sensing, 2018: 1633-1644.
[18] Cao K, Zhang X. An improved Res-UNet model for tree species classification using airborne high-resolution images[J]. Remote Sensing, 2020, 12(7): 1128. doi: 10.3390/rs12071128
[19] 许慧敏, 齐 华, 南 轲, 等. 结合nDSM的高分辨率遥感影像深度学习分类方法[J]. 测绘通报, 2019(8):63-67.
[20] 孙晓敏, 郑利娟, 吴 军, 等. 基于U-net的“高分五号”卫星高光谱图像土地类型分类[J]. 航天返回与遥感, 2019, 40(6):99-106.
[21] 王雅慧, 陈尔学, 郭 颖, 等. 高分辨率多光谱遥感影像森林类型分类深度U-net优化方法[J]. 林业科学研究, 2020, 33(1):11-18.
[22] BRUZZONE L, ROLI F. An extension of the Jeffreys-Matusita distance to multiclass cases for feature selection[J]. IEEE Transactions on Geoscience Remote Sensing, 1995, 33(6): 1318-1321. doi: 10.1109/36.477187
[23] FRAMPTON W J, DASH J, WATMOUGH G, et al. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation[J]. Isprs Journal of Photogrammetry Remote Sensing, 2013, 82: 83-92. doi: 10.1016/j.isprsjprs.2013.04.007
[24] FERNANDEZ-MANSO, QUINTANO. SENTINEL-2A red-edge spectral indices suitability for discriminating burn severity[J]. International Journal of Applied Earth Observation and Geoinformation, 2016, 50: 170-175. doi: 10.1016/j.jag.2016.03.005
[25] RONNEBERGER O, FISCHER P, BROX T. U-Net: Convolutional networks for biomedical image segmentation[J]. International Conference on Medical Image Computing and Computer-Assisted Intervention, 2015: 234-241.