使用中间复合物和卷积神经网络进行红树林的时空空间分析
Kathiroli R1, Madhumitha P S2, Achyut Prasad D C2
1Madras Institute of Technology, Anna University, Chennai, Tamil Nadu, India. kathirolig@gmail.com.
Scientific reports
|July 24, 2025
概括
本研究引入了一种新的云掩饰特征提取 (CMFE) 方法,以准确地绘制红树林的范围,克服云层覆盖和空间分辨率问题所带来的挑战,以实现有效的保护和管理.
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:
- 红树林在生态上至关重要,但经常被低估,受到气候变化和海平面上升的威胁.
- 准确地绘制红树林范围的地图对于有效的管理和恢复工作至关重要.
- 由于云层覆盖和空间分辨率错位,现有的方法面临局限性.
研究的目的:
- 提出和验证一种新的云掩饰特征提取 (CMFE) 方法,用于精确的红树林范围分析.
- 克服现有的基于索引和直接图像输入方法的局限性.
- 在十年内绘制红树林密度类别和动态变化的地图.
主要方法:
- 使用了来自Landsat 8 (USGS) 和Sentinel 2 (科珀尼克斯) 的多光谱图像.
- 集成的比特掩盖 (使用QA频段),中间组合和多频段的光谱/纹理特征提取.
- 采用深度学习模型将红树林分类为稀疏,中等和密集类.
主要成果:
- 与现有技术相比,CMFE方法表现出优越的准确性和抗云覆盖和空间错位的弹性.
- 成功地绘制了Pichavaram红树林十年 (2014-2024) 红树林密度的动态变化.
- 该方法有效地使用中位数组合重建了模糊的数据.
结论:
- 该CMFE方法提供了一个显著的进步在红树林的监测和分析.
- 准确而有弹性的红树林地图绘制对于面对气候变化的保护至关重要.
- 这种方法为了解和管理重要的红树林生态系统提供了强大的工具.
更多相关视频
06:18Author Spotlight: Deciphering Neural Circuit Formation from Two-Photon Microscopy and Single Neuron Imaging
Published on: November 21, 2023
915
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
13.4K
