基于使用HY-1C/D CZI卫星数据的增强光谱信息,用于红潮检测的语义细分网络
Kunpeng Sun1, Guanghao Jiang2, Ning Wang1
1North China Sea Marine Forecasting and Hazard Mitigation Center, Ministry of Natural Resources, Qingdao 266061, China; Shandong Key Laboratory of Marine Ecological Environment and Disaster Prevention and Mitigation, Qingdao 266061, China.
Marine pollution bulletin
|March 21, 2025
概括
这项研究引入了一个新的深度学习模型SIC-RTNet,用于使用卫星数据进行精确的红潮监测. 该模型有效地检测红潮,改善了海洋生态早期预警系统.
科学领域:
- 海洋科学 海洋科学
- 遥感技术 遥感技术 遥感技术
- 生态监测 生态监测
背景情况:
- 传统的红潮监测依赖于低空间分辨率的传感器,阻碍了检测小事件和早期爆发.
- 现有的方法与中高空间分辨率,低光谱分辨率卫星数据不兼容,限制了早期检测能力.
研究的目的:
- 开发一个先进的卫星遥感模型,以高效地监测红潮.
- 提高红潮事件的检测准确度,特别是在早期阶段.
- 为了使用高空间分辨率和宽带卫星数据进行监控.
主要方法:
- 提出了基于光谱信息通道约束 (SIC-RTNet) 的残余神经网络红潮监测模型.
- 嵌入剩余块以保护弱红潮信号特征.
- 利用来自宽带数据的光谱信息通道来增强光谱差异.
- 实施了改进的损失功能,以处理红潮和海水不平衡的数据集.
主要成果:
- SIC-RTNet实现了高性能指标:85.5%的精度,95.4%的回忆,0.90的F1-Score和0.90的平均交叉点.
- 与其他现有方法相比,该模型显示出更高的准确性.
- 通过使用高空间分辨率和宽带遥感数据成功识别了红潮.
结论:
- SIC-RTNet提供了一种有效的解决方案,用于自动化红潮识别,使用随时可用的卫星数据.
- 该模型显著增强了海洋生态灾害监测和预警系统.
- 这种方法扩大了中高空间分辨率卫星传感器用于红潮检测的实用性.
