《Ecological Indicators》:Evolution of water pattern in Chagan Lake Basin from 2017 to 2025 using PlanetScope images and a newly developed MS-FCN8s algorithm
编辑推荐:
摘要:作为中国东北典型的湖泊群,查干湖流域的水动态对区域水安全和生态保护至关重要。高分辨率影像光谱信息有限,水体指数在复杂背景下表现不佳,而深度学习模型常出现边界模糊或漏检问题。为解决这些问题,本研究旨在利用PlanetScope影像构建一种新型MS-FCN8
摘要:作为中国东北典型的湖泊群,查干湖流域的水动态对区域水安全和生态保护至关重要。高分辨率影像光谱信息有限,水体指数在复杂背景下表现不佳,而深度学习模型常出现边界模糊或漏检问题。为解决这些问题,本研究旨在利用PlanetScope影像构建一种新型MS-FCN8s模型,并揭示流域水格局的时空演变规律。结果表明,MS-FCN8s算法能够整合多波段反射率与水体指数,表现出稳定且精确的提取能力,总体精度(OA)比传统FCN提高约2.8%。此外,该模型在检测小型水体及保持边界完整性方面优于U-Net、DeepLabV3+和TransUNet。同时,查干湖流域(2017–2025年)水体变化显示总面积增加17.14%,表明水文持续扩张。空间上,格局已从碎片化、孤立斑块显著转变为以查干湖为中心的水文连通系统。面积增长主要由大型水体(>1 km2)驱动,而小型水体(<0.1 km2)尽管在数量上占优,但对总面积增长的贡献不足3.5%。
**论文解读:查干湖流域水格局演变的高分辨率遥感监测与深度学习模型应用**
**1. 研究背景与问题**
湖泊是陆地水循环的关键组成部分,对区域生态系统稳定、气候调节和社会经济发展具有重要作用。然而,在气候变化和人类活动的双重影响下,许多湖泊的水文过程和空间形态发生了显著变化,包括水域面积波动加剧、空间分布格局改变以及水陆边界频繁迁移。传统的地面调查方法在覆盖范围、时间连续性和效率方面存在局限,而遥感技术凭借其宽覆盖、高时效的优势成为水体监测的主流手段。然而,高分辨率遥感影像光谱信息有限,传统水体指数(如NDWI、MNDWI)在复杂背景(如山体阴影、植被阴影、建筑物阴影)下表现不佳;机器学习方法依赖人工特征,缺乏高层语义学习;深度学习模型虽能自动提取特征,但常因下采样导致边界模糊或漏检小型水体。查干湖流域作为吉林省西部生态经济区的核心区域,其水体变化直接影响区域生态平衡和社会经济发展。因此,亟需一种能够适应高分辨率影像光谱受限条件、准确提取精细水体的模型,以系统揭示该流域水格局的时空演变规律。
**2. 研究内容与结论**
研究人员提出了一种多光谱增强的MS-FCN8s模型,该模型基于FCN-8s架构,采用改进的VGG16作为编码器,去除全连接层以保留空间信息,并通过多尺度跳跃连接实现浅层细节与深层语义的融合。模型输入层融合了近红外、红、绿波段以及归一化植被指数(NDVI)和归一化水体指数(NDWI),从而增强光谱判别能力。利用PlanetScope高分辨率影像(3m空间分辨率),研究人员提取了查干湖流域2017年、2021年和2025年7–9月的水体分布,并进行了多模型对比和时空格局分析。结果表明,MS-FCN8s在总体精度(OA=96.9%)、F1分数(93.2%)和交并比(IoU=88.1%)上均优于FCN、U-Net、DeepLabV3+、TransUNet、FPN和SegNet,尤其在复杂场景(如弯曲边界、密集植被、阴影、窄沟渠)中表现出更强的鲁棒性和边界保持能力。基于该模型提取的水体分布显示,从2017年到2025年,查干湖流域总水域面积从991.85 km2增加到1161.86 km2,增幅为17.14%,表明水文持续扩张。空间上,水体格局从碎片化、孤立斑块转变为以查干湖为核心、连通性增强的集中分布系统。面积增长主要由大型水体(>100 km2)驱动,而小型水体(<0.1 km2)数量占优但对面积贡献有限(<3.5%)。景观格局指数分析显示,斑块数量(NP)从3384增至5263,斑块密度(PD)从0.300增至0.468,而平均斑块面积(MPS)从0.293 km2降至0.221 km2,最大斑块指数(LPI)从29.45%升至36.69%,表明大型水体主导地位增强,小型水体数量增加但个体面积减小。水体重心向西北方向迁移约5.87 km,反映了区域水体重分布趋势。
**3. 关键技术方法**
本研究主要采用以下关键技术方法:(1)基于PlanetScope卫星影像(3m分辨率,四波段)进行水体提取,影像数据覆盖查干湖流域2017、2021、2025年7–9月,其中2021年影像用于模型训练;(2)构建MS-FCN8s深度学习模型,输入层融合原始波段和NDVI、NDWI指数,采用改进VGG16编码器和FCN-8s跳跃连接结构,使用加权交叉熵损失和Dice损失组合的复合损失函数(Combined_Loss)处理类别不平衡;(3)样本数据增强(随机旋转、翻转)共生成11148个样本,按70%训练、15%验证、15%测试划分;(4)与FCN、U-Net、DeepLabV3+、TransUNet、FPN、SegNet等六种模型进行对比,采用F1-Score、OA、IoU作为评价指标;(5)采用景观格局指数(NP、PD、MPS、LPI、PLAND、ED、ENN_MN)和面积加权重心法分析水体空间格局演变。
**4. 研究结果**
**(1)不同模型水体提取效果对比**:MS-FCN8s在复杂场景中(弯曲边界、密集植被、阴影、窄沟渠)表现出最佳分割性能,显著优于其他对比模型。定量指标上,MS-FCN8s的OA、F1-Score、IoU分别达到96.9%、93.2%、88.1%,较传统FCN的OA和IoU分别提升2.8%和9.1%,较U-Net、DeepLabV3+、TransUNet的IoU分别提升3.0%、4.8%、2.8%。
**(2)水体分布时空变化**:2017年流域水体以小规模、分散分布为主,小型水体广泛分布于西部低洼区,破碎化严重;2025年主湖(查干湖)显著扩张,水体连通性增强,形成以查干湖为中心、周边水体协调分布的格局。总面积从991.85 km2增至1161.86 km2,增幅17.14%。方向性分析显示,东北方向水体面积增加最多(+362.62 km2),其次为南方(+121.78 km2),而北方和西方分别减少283.24 km2和45.44 km2。
**(3)水体规模等级变化**:2017年小型水体(<0.1 km2)占数量96.17%但仅贡献面积13.46%,中型(0.1–100 km2)和大型(≥100 km2)分别占数量3.80%和0.03%,面积贡献57.09%和29.45%。2025年小型水体数量占比升至97.48%但面积占比降至11.44%,中型和大型水体面积占比分别调整为51.87%和36.69%。这表明数量增长由小型水体驱动,而面积增长主要由大型水体(特别是查干湖)驱动。
**(4)景观格局指数分析**:NP从3384增至5263,PD从0.300增至0.468,MPS从0.293 km2降至0.221 km2,LPI从29.45%升至36.69%,PLAND从8.81%增至10.32%,ED从0.421增至0.530,ENN_MN从0.382 km降至0.293 km。这些变化表明水体斑块数量增加、分布密度增大、平均斑块面积减小,但最大斑块主导性增强,整体连通性提升,边界复杂性增加。
**(5)水体重心迁移**:面积加权重心从东南向西北方向迁移约5.87 km,表明水体扩张主要集中于流域西北区域,导致整体分布中心偏移。
**5. 讨论与结论**
讨论部分指出,MS-FCN8s的优势源于输入层融合NDVI和NDWI提供的光谱先验,以及FCN-8s多尺度跳跃连接对高分辨率细节的保留。水体扩张的驱动因素包括气候湿润化趋势(年降水量从2017年415.19 mm增至2024年678.83 mm,潜在蒸散发下降)以及人工生态补水工程(如跨流域调水)对特定区域水资源的精准调配。小型水体数量增加但面积占比下降,主要由于其生态脆弱性、易受局部干扰和缺乏系统性管理。研究局限包括模型在极端复杂场景仍有误检,以及缺乏对降水、地下水、人工补水等驱动因素的定量分析。未来需整合多源气象水文数据,结合地面观测进行综合验证。结论部分总结了MS-FCN8s在边界刻画、碎片化水体检测和误检抑制方面的稳健性能,为高分辨率多时相水体监测提供了可靠工具,并揭示了查干湖流域水体扩张的尺度依赖特征——大型水体驱动面积增长,小型水体数量增加但稳定性差,反映了自然和人为因素的共同作用。该研究发表在《Ecological Indicators》期刊,为区域水资源管理和生态保护提供了科学依据和方法参考。