科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对淡水养殖区空间分布零碎以及样本数量不均衡等因素造成淡水养殖区提取不准确的问题，该研究提出了一种基于U-Net(U-shaped Network)的改进模型，制作了Landsat淡水养殖区动态监测的数据集，增加高、低维特征融合的坐标注意力机制提高模型的提取精度，构建多尺度特征学习更多位置信息，引入focal tversky loss损失函数提升零碎养殖区的识别率，实现1985—2021年研究区淡水养殖区的精确提取，分析近36年研究区淡水养殖区时空变化情况。结果表明：1)2021年淡水养殖区提取效果良好，改进后的模型总体分类精度为0.947，准确率为0.926、召回率0.966、F1分数0.946，均交并比0.899、Kappa系数为0.894，与其他模型相比，总体分类精度、Kappa系数大幅提升。2)1985—2021年，研究区淡水养殖区大致经历起步扩张、急速扩张、轻微萎缩3个阶段：1985—2000年研究区淡水养殖面积持续增加，总面积由1985年0.48km2增长至2000年36.92km2，年度增加量大于1km2且小于5km2;2000—2017年淡水养殖区面积急速增加至234.47km2，年度增加量大于5km2; 2021养殖区面积209.58km2,2017—2021年养殖区面积减少了24.89 km2，转出的淡水养殖区多为建设用地所取代。综上，改进的模型具有较高的识别精度，该研究可以为淡水养殖区的提取提供参考，为水产养殖业的科学化管理提供信息依据。
- 单位
