推进绿色潮汐监测：利用一种新型深度学习与遥感融合方法对南海南部进行时空分析

《International Journal of Applied Earth Observation and Geoinformation》：Advancing green tide monitoring: a spatiotemporal analysis in the Southern Yellow Sea using a novel deep learning and remote sensing fusion approach

　　

洪宇侃 | 吴梦泉 | 孟一鸣 | 刘龙星 | 山玉红 | Lv金毅 | 陈刚 | 唐一杰

• •
  新型UPS-Net-LDU融合了HAG和EES模块，用于实现精细尺度的绿潮分割。
• •
  2018–2025年的GF-1 WFV时间序列数据显示，海洋系统（SYS）中存在稳定的“源头–通道–汇”模式。
• •
  八年间观察到高/低藻华强度的准两年周期性变化。
• •
  海水温度（SST）表现出双相调节特性：在15–24°C范围内促进藻类生长，在高于24°C时抑制其生长。
• •
  在交并比（IoU）、召回率（Recall）和F1分数方面，UPS-Net-LDU的表现优于U-Net、DeepLabV3+、HR-Net、SegFormer和PSP-Net、LINK-Net。