融合迁移学习与空间特征提取的新疆景观类型识别

摘要

【目的】针对新疆大尺度、多类型景区景观自动化识别精度不足与效率低下的问题，研究旨在开发一个兼具高精度与高泛化性的景观智能识别模型，以支持区域的生态保护与智慧管理。【方法】提出一种融合迁移学习与空间特征提取的TSF-Net模型。模型集成多源遥感与社交媒体数据，通过引入低秩适配(LoRA)技术实现轻量化跨域迁移，并构建CNN-Transformer混合架构进行多尺度空间特征提取。同时，采用动态类别权重与混合损失函数策略，以解决景观类别识别出现分布不均的问题。【结果】TSF-Net模型在新疆景区测试集上的景观分类精度达到81.2%,平均交并比(mIoU)为0.38。与U-Net、DeepLabV3+等基准模型相比，本模型在参数量减少34.5%的前提下，推理速度提升92.9%。消融试验进一步证实，LoRA、CBAM注意力机制及动态损失权重等核心模块对模型性能提升贡献显著。【结论】本研究提出的TSF-Net模型有效实现了对新疆复杂景观的高精度、高效率识别，其技术框架在生态敏感区识别与游憩空间优化中的成功应用。未来将在全国典型生态功能区进行验证和推广，力争为国家公园与生态保护区的智慧化管理提供更加普适的技术方案。

关键词

景观类型识别 / 迁移学习 / 空间特征 / 智慧景区

基金资助

新疆维吾尔自治区重点研发计划项目“新疆核桃种质创新及生产关键设备研发与应用”(2024B02017)