基于JSEG改进的用于分类与遥感分类图分割的算法

《Remote Sensing》:An Improved JSEG-Based Algorithm for Segmentation of Categorical and Remote Sensing Classification Maps

【字体: 大 中 小 】 时间:2026年08月04日 来源:Remote Sensing 4.3

编辑推荐:

  光伏(PV)电站的快速扩张需要对空间分布进行精确制图并开展均衡发展规划,然而PV部署与生态保护之间的权衡仍未被充分探讨。研究人员以中国盐城市为研究区,融合深度学习、多源数据与生态约束,评估PV设施的空间分布与开发潜力。研究人员将UNet、PSPNet与Deep

  
光伏(PV)电站的快速扩张需要对空间分布进行精确制图并开展均衡发展规划,然而PV部署与生态保护之间的权衡仍未被充分探讨。研究人员以中国盐城市为研究区,融合深度学习、多源数据与生态约束,评估PV设施的空间分布与开发潜力。研究人员将UNet、PSPNet与DeepLabV3+三种深度学习模型应用于屋顶、水体与裸地三类下垫面的PV板识别;将PV制图结果与生态保护区域叠加以量化空间冲突,并采用层次分析法(AHP)结合熵权TOPSIS法评估区县尺度开发潜力。UNet在屋顶(交并比IoU=97.09%)、水体(IoU=95.78%)与裸地(IoU=94.79%)均取得最高IoU。全市PV总面积达71.11 km2,其中屋顶占60.35%,且有26.56%(18.89 km2)位于生态保护区内。适宜未来PV开发的面积占市域8.44%,大丰区、东台市与亭湖区潜力最高;资源禀赋(尤其建筑覆盖度,权重=0.5410)为主导因素。该框架为在PV潜力评估中整合生态约束提供了可复制路径,并支撑城乡背景下的分区精准规划。
研究背景方面,太阳能作为最具前景的可再生能源之一,光伏(Photovoltaic,PV)发电主导了太阳能利用形式。截至2024年底,中国累计装机约8.87亿千瓦。传统PV监测依赖人工采样与统计,效率低且精度有限;随机森林(Random Forest,RF)与支持向量机(Support Vector Machine,SVM)等机器学习方法在复杂环境中误报率高。以UNet、PSPNet、DeepLabV3+为代表的深度学习语义分割模型虽提升了复杂场景识别能力,但不同下垫面的最优架构选择缺乏系统比较。同时,既有PV适宜性评估多关注资源禀赋,忽视现状开发强度、生态保护区与土地利用政策,且常将“适宜性”与“开发现状”割裂。盐城作为江苏沿海碳达峰试点城市,PV(约占新能源装机51%)快速扩张已在滩涂与自然保护区产生空间冲突,“渔光互补”等模式尚难完全协调集约用地与保护。为此,研究人员开展此项研究,旨在建立“提取—适宜性—潜力”连续框架,将生态约束作为硬约束嵌入评估。
主要关键技术方法方面,研究人员在Google Earth Engine(GEE)平台获取2023年Sentinel-2A多光谱影像(云量<5%,中值合成)用于水体与裸地PV样本,辅以Google Maps优于0.5 m分辨率RGB影像用于屋顶PV样本,样本经Google Earth Pro目视解译多边形标注(最小制图单元10×10像素),按7:3划分训练验证集,在线增强含水平/垂直/对角翻转;选用统一ResNet-50骨干的UNet、PSPNet、DeepLabV3+在PyTorch 2.0.0下训练100轮(批大小8,交叉熵+Dice损失),以IoU与F1-score等评价。适宜性分区采用AHP集成坡度、坡向、植被覆盖度与土地覆被四类因子(九分制标准化,CR<0.10),加权线性组合生成适宜性指数。潜力评估构建资源禀赋—开发现状—社会经济三层七指标体系,以熵权法客观赋权并结合TOPSIS计算贴近度排序。生态约束层取自世界保护区数据库(World Database on Protected Areas,WDPA)与ESA WorldCover 10 m土地覆被。
研究结果部分,首先“不同下垫面深度学习模型性能比较”表明,UNet在三类下垫面训练损失收敛最稳,屋顶IoU 97.09%、水体95.78%、裸地94.79%,F1均>95%;PSPNet边界碎片化最严重,DeepLabV3+次之。故UNet(ResNet-50)被选为盐城PV提取最优模型。
“盐城市现存PV板空间分布”显示,2023年提取PV总面积71.11 km2,屋顶42.91 km2(60.35%)、水体16.85 km2(23.70%)、裸地11.34 km2(15.95%);26.56%(18.89 km2)落入生态保护区,冲突集中于草本湿地、水体与裸地(非耕地或建成区),东台(23.29 km2)、大丰(11.10 km2)、亭湖(10.30 km2)规模居前,响水与大丰生态重叠面积最大(7.94与7.31 km2)。
“PV开发适宜性分区”表明,适宜区占市域8.44%,集中于大丰、滨海、东台沿海建成与滩涂,要求坡向偏南、坡度0–10°、植被覆盖<0.4;大丰适宜面积705.79 km2居首但开发比率仅1.22%,东台开发比率6.66%最高,响水0.79%最低,揭示适宜土地未充分利用的梯度差异。
“综合开发潜力评估”中熵权显示资源禀赋准则权0.6400(建筑覆盖度单指标0.5410),开发现状0.2775,社会经济仅0.0522,年太阳辐射贡献0.0002(因平原变异小)。TOPSIS贴近度排名:大丰0.7582、东台0.3893、亭湖0.2201、射阳0.1965、滨海0.1010,建湖/盐都/响水/阜宁靠后;大丰凭适宜面积与海岸带资源居首,东台凭开发状态与经济次之,亭湖宜分布式屋顶PV。
讨论部分指出,UNet优势与Zhao等、Li等结论一致,其对称编码解码与跳跃连接利于保留板缘细部;PSPNet金字塔池化引入全局上下文噪声致碎片化;DeepLabV3+对阵列内通道不敏感。26.56%生态重叠率为既有文献未直接量化者,填补了WDPA作为硬约束与现状叠加的空白。大丰“高适宜+高冲突”揭示纯资源驱动框架会高估可开发性。AHP权重扰动(表面类型±10%–20%转移至坡度)下九区县适宜排序基本不变,证明鲁棒。与《江苏省海上PV开发方案(2025–2030)》及盐城绿电直连计划比对,提取密集簇与官方优先区(东台、大丰、响水、亭湖)空间一致。局限含单年影像无时序、UNet跨域泛化未测、熵权低估低变异物理因子(如太阳辐射)、30 m DEM与10 m WorldCover对屋顶细微适宜性欠精细、未纳入电网消纳与Transformer类模型;未来可引入多时相、迁移学习、高分辨率数字表面模型(Digital Surface Model,DSM)及SegFormer/Mask2Former等。
结论部分翻译如下:
本研究以盐城市为研究区,基于Sentinel-2与Google Maps高分辨率遥感影像,比较UNet、PSPNet与DeepLabV3+在屋顶、水体与裸地下垫面对PV电站的语义分割精度;融合多源地理空间数据,在考虑生态约束与开发现状前提下,应用AHP与熵权TOPSIS评估区县适宜性与开发潜力。主要结论:(1)UNet在三类下垫面均优于DeepLabV3+与PSPNet,其对称编码解码结构与跳跃连接更好保留板缘及内部通道等细部;(2)盐城相当比例PV位于生态保护区,揭示PV开发与生态保护间明确空间冲突,响水与大丰最显著;(3)AHP适宜区集中滨海、大丰、东台,但各区开发比率差异大,东台最高、响水最低,形成开发阶段梯度;(4)熵权TOPSIS显示资源禀赋为主导,大丰综合潜力第一,次为东台、亭湖;阜宁、建湖、响水等传统农业县综合潜力较低,更适合农光互补、渔光互补等分散模式。该框架有效刻画资源禀赋决定作用及区县开发阶段与适宜方向的差异化格局。论文发表于《Remote Sensing》。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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