语Unet网络用于从长期和大量卫星图像中检测水线和屏障形状变化的分析
Hsien-Kuo Chang1, Wei-Wei Chen1, Jia-Si Jhang2
1Department of Civil Engineering, National Yangming Chiaotung University, Hsinchu 300, Taiwan.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
沿海侵蚀正在重塑台湾的威桑德屏障 (WSDB). 研究人员使用人工智能跟踪水线变化,揭示季节性变化和最近的L形地形,表明大量的土地面积损失.
科学领域:
- 沿海的地形形态.
- 遥感和地缘空间分析.
- 环境科学中的人工智能
背景情况:
- 屏障岛屿,如台湾的威桑迪屏障 (WSDB) 对于沿海保护至关重要,但面临着严重的侵蚀.
- 近几十年来,海不断侵蚀,影响了WSDB的稳定性和生态功能.
研究的目的:
- 开发和应用先进的AI模型,以在WSDB上准确检测水线.
- 分析WSDB的形态演变,重点关注其南端的变化.
- 量化土地面积减弱,并确定影响侵蚀分析的因素.
主要方法:
- 利用SiamUnet深度学习网络,与三个DeepUnet变体进行比较,用于水线检测.
- 处理了207张高分辨率卫星图像,绘制了随时间变化的水线变化.
- 分析了形态变化,包括L形南端的形成和季节性变化.
主要成果:
- 该研究在WSDB的南端发现了两个不同的形态变化.
- 最近的L形地形在2017年底至2021年之间出现,呈现季节性长度变化.
- 土地面积减弱量化为 -0.344 km2/年,图像选择和海平面偏差被认为是关键因素.
结论:
- SiamUnet模型有效地检测屏障水线并量化侵蚀动态.
- WSDB表现出显著的形态变化,包括季节性波动的L形南端,突出其脆弱性.
- 了解像图像选择和海平面偏差这样的因素对于准确的海岸侵蚀评估至关重要.
更多相关视频
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
3.9K
13:35Reefshape: A System for the Efficient Collection and Automated Processing of Time-Series Underwater Photogrammetry Data for Benthic Habitat Monitoring
Published on: June 13, 2025
347
