【目的】研究芦苇(Phragmites australis)湿地土地类型变化、监测覆被特征,为湿地保护和开发提供参考。【方法】基于2017—2023年9月扎龙湿地Sentinel-2遥感影像,制作了包含湖泊、芦苇地、建筑地、耕地、盐碱地5种土地类型的遥感影像数...【目的】研究芦苇(Phragmites australis)湿地土地类型变化、监测覆被特征,为湿地保护和开发提供参考。【方法】基于2017—2023年9月扎龙湿地Sentinel-2遥感影像,制作了包含湖泊、芦苇地、建筑地、耕地、盐碱地5种土地类型的遥感影像数据集。通过视觉状态空间(visual state space model,Vmamba)联合注意力机制并结合水体指数NDWI生成水体掩膜对研究区进行信息提取,统计各土地类型的位置和面积变化信息。利用像元二分法提取植被覆盖度(fractional vegetation cover,FVC),计算叶面积指数(leaf area index,LAI)和生态质量指数(ecosystem quality index,EQI)。【结果】通过本研究提出的方法对研究区内分布信息进行提取,整体精度(overall accuracy,OA)为80.85%、平均交并比(mean intersection over union,MIoU)为71.59%,宏观平均F1值(macro-F1,MF1)为79.93%。2017—2023年,在扎龙湿地内湖泊、芦苇地的覆盖面积呈增加趋势;耕地、建筑地的覆盖面积呈减少趋势;盐碱地的覆盖面积呈波动趋势。植被覆盖度、生态质量指数先升高后降低,与中国气候公报内容基本一致。【结论】Vmamba联合注意力机制并结合水体掩膜的模型,在湿地信息提取方面效果良好,一定程度上提高土地利用分类与变化监测的精度。植被覆盖度、叶面积指数、生态质量指数的监测对湿地资源管理与可持续利用提供借鉴。展开更多
为解决由于无人机视角下毛竹林的形状和纹理复杂,现有方法在分割精度和鲁棒性方面表现不佳的问题,提出了一种应用跨领域适应和偏移量引导的毛竹林分割网络——BFSNet。以百山祖国家公园为试验区,利用无人机拍摄周边毛竹林图像构建数据...为解决由于无人机视角下毛竹林的形状和纹理复杂,现有方法在分割精度和鲁棒性方面表现不佳的问题,提出了一种应用跨领域适应和偏移量引导的毛竹林分割网络——BFSNet。以百山祖国家公园为试验区,利用无人机拍摄周边毛竹林图像构建数据集。为增强模型的特征提取能力,提出跨领域适应模块以有效利用源模型的强特征提取能力,并结合自主学习提取适用于毛竹林分割任务的特征,利用两者的优势进行互补。为提高模型对于不同形状毛竹林的识别和定位能力,结合可变形卷积的偏移量引导模块,引入可学习的偏移量参数,以适应不同形状的毛竹林目标。将BFSNet在DeepGlobe Land Cover Classification Challenge和自制数据集上进行模型训练和测试,并与多种主流图像分割方法进行对比。结果表明:BFSNet在交并比、Dice系数、精确率和召回率4项指标上均取得了最优的性能表现,分别获得了76.04%和71.93%的交并比。与多种主流的图像分割模型相比,BFSNet在毛竹林的分割效果方面表现最为出色,对毛竹林形状的精确建模能力能够有效地应对不同形态的毛竹林。展开更多
文摘【目的】研究芦苇(Phragmites australis)湿地土地类型变化、监测覆被特征,为湿地保护和开发提供参考。【方法】基于2017—2023年9月扎龙湿地Sentinel-2遥感影像,制作了包含湖泊、芦苇地、建筑地、耕地、盐碱地5种土地类型的遥感影像数据集。通过视觉状态空间(visual state space model,Vmamba)联合注意力机制并结合水体指数NDWI生成水体掩膜对研究区进行信息提取,统计各土地类型的位置和面积变化信息。利用像元二分法提取植被覆盖度(fractional vegetation cover,FVC),计算叶面积指数(leaf area index,LAI)和生态质量指数(ecosystem quality index,EQI)。【结果】通过本研究提出的方法对研究区内分布信息进行提取,整体精度(overall accuracy,OA)为80.85%、平均交并比(mean intersection over union,MIoU)为71.59%,宏观平均F1值(macro-F1,MF1)为79.93%。2017—2023年,在扎龙湿地内湖泊、芦苇地的覆盖面积呈增加趋势;耕地、建筑地的覆盖面积呈减少趋势;盐碱地的覆盖面积呈波动趋势。植被覆盖度、生态质量指数先升高后降低,与中国气候公报内容基本一致。【结论】Vmamba联合注意力机制并结合水体掩膜的模型,在湿地信息提取方面效果良好,一定程度上提高土地利用分类与变化监测的精度。植被覆盖度、叶面积指数、生态质量指数的监测对湿地资源管理与可持续利用提供借鉴。
文摘为解决由于无人机视角下毛竹林的形状和纹理复杂,现有方法在分割精度和鲁棒性方面表现不佳的问题,提出了一种应用跨领域适应和偏移量引导的毛竹林分割网络——BFSNet。以百山祖国家公园为试验区,利用无人机拍摄周边毛竹林图像构建数据集。为增强模型的特征提取能力,提出跨领域适应模块以有效利用源模型的强特征提取能力,并结合自主学习提取适用于毛竹林分割任务的特征,利用两者的优势进行互补。为提高模型对于不同形状毛竹林的识别和定位能力,结合可变形卷积的偏移量引导模块,引入可学习的偏移量参数,以适应不同形状的毛竹林目标。将BFSNet在DeepGlobe Land Cover Classification Challenge和自制数据集上进行模型训练和测试,并与多种主流图像分割方法进行对比。结果表明:BFSNet在交并比、Dice系数、精确率和召回率4项指标上均取得了最优的性能表现,分别获得了76.04%和71.93%的交并比。与多种主流的图像分割模型相比,BFSNet在毛竹林的分割效果方面表现最为出色,对毛竹林形状的精确建模能力能够有效地应对不同形态的毛竹林。
