为快速、准确、大范围地获取海水养殖空间分布与动态变化,设计了一套基于深度学习的海水养殖遥感动态监测系统。采用C#语言,在Microsoft Visual Studio 2012开发平台下开发,集成ArcGIS Engine、DevExpress组件以及深度学习养殖区提取模...为快速、准确、大范围地获取海水养殖空间分布与动态变化,设计了一套基于深度学习的海水养殖遥感动态监测系统。采用C#语言,在Microsoft Visual Studio 2012开发平台下开发,集成ArcGIS Engine、DevExpress组件以及深度学习养殖区提取模型,构建了一个含遥感数据预处理、海水养殖智能提取、空间分析及专题图制图功能于一体的综合平台。文章对海水养殖遥感动态监测系统的需求设计、功能模块设计、开发环境以及系统实现等进行了详细的阐述,并以福建省诏安湾为例,基于GF-2遥感影像,应用MSU-ResUnet模型,快速、高精度提取了2020年诏安湾海上筏式、网箱养殖区分布,并进行规划符合性分析。该系统能够快速、高精度地完成大范围海水养殖区域信息的提取与动态分析,提升了养殖信息提取工作的自动化水平与效率,可为近海养殖规划管理、环境保护提供科学、直观的决策支持。展开更多
文摘为快速、准确、大范围地获取海水养殖空间分布与动态变化,设计了一套基于深度学习的海水养殖遥感动态监测系统。采用C#语言,在Microsoft Visual Studio 2012开发平台下开发,集成ArcGIS Engine、DevExpress组件以及深度学习养殖区提取模型,构建了一个含遥感数据预处理、海水养殖智能提取、空间分析及专题图制图功能于一体的综合平台。文章对海水养殖遥感动态监测系统的需求设计、功能模块设计、开发环境以及系统实现等进行了详细的阐述,并以福建省诏安湾为例,基于GF-2遥感影像,应用MSU-ResUnet模型,快速、高精度提取了2020年诏安湾海上筏式、网箱养殖区分布,并进行规划符合性分析。该系统能够快速、高精度地完成大范围海水养殖区域信息的提取与动态分析,提升了养殖信息提取工作的自动化水平与效率,可为近海养殖规划管理、环境保护提供科学、直观的决策支持。
