从基于EAF-Unet算法的高分辨率图像的细分中提取绿化和绿色池

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 生态生态学 生态生态学

背景情况:

• 内陆池对于淡水资源和生物多样性至关重要.
• 带有藻类繁殖或藻覆盖的绿化和绿化池 (EGP) 威胁着水生生态系统.
• EGP可以导致缺氧和微囊释放.

研究的目的:

• 使用遥感数据自动识别环保和绿色池 (EGP).
• 开发和评估一个高效的注意力融合联网 (EAF-Unet) 算法用于EGP检测.
• 为培训和验证EAF-Unet模型建立一个标记的数据集.

主要方法:

• 构建了一个集注意力机制的高效注意力融合联网 (EAF-Unet) 算法.
• 使用高芬-2 (GF2) 全色和多光谱图像.
• 优化输入功能 (RGB,NIR,NDVI,明亮) 和编码 (ResNet50) 使用标记的EGP数据集.

主要成果:

• 该EAF-Unet算法实现了高性能:精度 (0.81),回忆 (0.79),F1-Score (0.80) 和IoU (0.67).
• 该模型准确而稳健地从GF2图像中提取EGP,而不需要池水面罩.
• 确定了最佳的输入特征和编码,以区分EGP.

结论:

• 欧洲农业基金-Unet提供了一种准确和可靠的方法,用于从卫星图像中自动识别EGP.
• 遥感EGP产品可以帮助识别严重化的池.
• 这些产品可以作为参考,用于确定污水排放造成污染的高风险地区.