复杂地形下稻田洪水淹没制图的两阶段深度学习与 SAR 框架
《Remote Sensing》:Paddy Rice Inundation Mapping Based on Multi-Resolution Remote-Sensing Imagery and Semantic Segmentation with a Dual-Attention and Edge-Aware Attention Network
【字体:
大
中
小
】
时间:2026年10月23日
来源:Remote Sensing 4.3
编辑推荐:
**摘要**
在稻田区及时准确地绘制洪水淹没范围对于洪灾评估至关重要。然而,在复杂地形中,破碎的田块和异质性土地覆盖仍然是面临的挑战。本研究提出了一种两阶段制图框架,将多分辨率遥感影像与基于深度学习的语义分割相结合。首先,开发了一种双注意力与边缘感知注意力网络(DAEA-N
**摘要**在稻田区及时准确地绘制洪水淹没范围对于洪灾评估至关重要。然而,在复杂地形中,破碎的田块和异质性土地覆盖仍然是面临的挑战。本研究提出了一种两阶段制图框架,将多分辨率遥感影像与基于深度学习的语义分割相结合。首先,开发了一种双注意力与边缘感知注意力网络(DAEA-Net),从超高分辨率(VHR)影像中提取高精度的水稻田地图。其次,利用先验直方图标记控制分水岭(PH-MCW)方法,在SAR影像上结合基于地形坡度的感兴趣区域(AOI)过滤,以及土地利用调查数据中的永久性水体和潜在淹没土地类型,对稻田中的洪水淹没范围进行划定。在测试集上,与U-Net、HRNet和DeepLabV3+等语义分割模型相比,DAEA-Net在总精度(OA)、交并比(IoU)、F1分数和Kappa系数上均取得了最高值,分别为0.9205、0.8747、0.9331和0.8352。采用AOI过滤的PH-MCW分割方法在去除地形引起的虚假警报的同时保留了水体表面,有效提升了洪水水体检测能力,在两个洪水验证参考数据集(NDRCC和AIR-PolSAR-Seg-2.0)上的F1分数分别为0.821和0.764。所提出的框架为复杂地形中稻田洪水淹没制图提供了一种半自动化解决方案,其中先验水体比例在应用前需通过局部检查进行细化。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号