基于深度学习的GF-1卫星WFV影像赤潮探测方法

• 全文链接
• 请求原文

作   者：

崔宾阁;  杨光;  方喜;  刘荣杰; 

作者机构：

自然资源部第一海洋研究所海洋物理与遥感研究室;  山东科技大学计算机科学与工程学院; 

关键词：

注意力机制;  深度语义分割;  赤潮探测;  多尺度;  GF-1 WFV; 

期刊名称：

海洋学报

i s s n：

0253-4193

年卷期：

2023 年 007 期

页   码：

147-157

摘   要：

赤潮是我国主要的海洋生态灾害，有效监测赤潮的发生和空间分布对于赤潮的防治具有重要意义。传统的赤潮监测以低空间分辨率的水色卫星为主，但是其对于频发的小规模赤潮存在监控盲区。GF-1卫星WFV影像具有空间分辨率高、成像幅宽大和重访周期短等优点，在小规模赤潮监测中表现出较大的潜力。然而，GF-1卫星WFV影像的光谱分辨率较低，波段少，传统面向水色卫星的赤潮探测方法无法应用于GF-1卫星WFV数据。而且赤潮具有形态多变、尺度不一的特点，难以精确提取。基于此，本文提出了一种面向GF-1卫星WFV影像的尺度自适应赤潮探测网络（SARTNet）。该网络采用双层主干结构以融合赤潮水体的形状特征与细节特征，并引入注意力机制挖掘不同尺度赤潮特征之间的相关性，提高网络对复杂分布赤潮的探测能力。实验结果表明，SARTNet赤潮探测精度优于现有方法，F1分数达到0.89以上，对不同尺度的赤潮漏提和误提较少，且受环境因素的影响较小。