基于深度学习语义模型的大尺度泥炭沼泽遥感识别

傅显浩; 吴艳飞; 邱俊杰; 王佳珂; 杜兰珠; 徐俊锋

doi:10.19926/j.cnki.issn.1674-232X.2024.03.061

杭州师范大学学报（自然科学版） ›› 2025, Vol. 24 ›› Issue (1) : 27 -34. DOI: 10.19926/j.cnki.issn.1674-232X.2024.03.061

基于深度学习语义模型的大尺度泥炭沼泽遥感识别

傅显浩, 吴艳飞, 邱俊杰, 王佳珂, 杜兰珠, 徐俊锋

作者信息 +

Author information +

文章历史 +

PDF

摘要

随着气候变化和人类活动的影响，泥炭沼泽正面临退化的挑战，亟需准确的空间分布信息以便于进行保护、修复和管理.为了精确描绘泥炭沼泽的空间分布，选择芬兰中部2个行政分区作为研究区.采用U-Net、ResUnet和DeeplabV3+3种深度学习语义分割模型，对泥炭沼泽进行高精度的空间信息提取.结果显示，ResUnet模型在划分土路和泥炭沼泽边界方面表现优异，F₁指数达到了96.3%.基于ResUnet模型计算得出研究区内泥炭沼泽的总面积约为3 348.6 km²,占总面积的17.2%,制图精度达到了88.4%.研究结果为泥炭沼泽的有效保护和可持续管理提供了数据支持和新视角，展示了深度学习技术在环境监测和生态系统管理中的应用潜力.