基于多时相遥感影像与深度学习的海洋生态修复区变化检测方法研究——以西沙群岛为例

摘要

本研究提出了一种基于多时相遥感影像与深度学习的海洋生态修复区变化检测方法,并以西沙群岛为研究区域。方法首先利用Landsat-8和Sentinel-2多光谱影像,通过辐射校正、大气校正和潮汐校正等预处理技术,提取归一化植被指数(NDVI)、归一化水体指数(NDWI)和珊瑚礁分布指数(CRI),以捕捉海草床、珊瑚礁及水质的动态变化特征。随后,采用改进型U-Net卷积神经网络(CNN),融合多尺度特征提取和残差连接,构建高精度变化检测模型。该方法应用于2018—2023年西沙群岛影像数据,分类精度达92.5%,误分类率低于5%,展现出较强的鲁棒性和环境适应性。验证结果表明,模型检测的海草床扩展、珊瑚礁恢复及水质改善趋势与实地调查数据高度一致,为海洋生态修复效果的科学评估提供了可靠技术支持,为海洋生态监测与管理提供了创新思路和实践参考。

关键词

海洋生态修复 / 遥感影像 / 变化检测 / 卷积神经网络 / 多光谱影像