基于无人机影像和深度学习技术的青海湖刚毛藻水华提取研究
Abstract
受青藏高原气候暖湿化影响，青海湖新生湖滨带刚毛藻水华频繁暴发。以往刚毛藻水华提取研究主要依赖多源卫星遥感影像，但受限于影像空间分辨率和混合像元效应，难以精确捕捉刚毛藻水华的真实分布及其细节特征。本文利用低空无人机影像结合Attention DeepLab V3+深度学习模型自动提取青海湖刚毛藻水华特征，对比分析其与光谱指数和机器学习方法的提取结果，并探讨无人机影像与光学卫星遥感影像提取结果的差异。结果表明：（1）Attention DeepLab V3+可在没有先验阈值情况下准确检测刚毛藻水华分布范围，模型的Kappa系数、精度、召回率和F1得分分别为0.985、0.969、0.983和0.976，表明识别能力较强。（2）与随机森林模型和红绿蓝浮游藻类指数相比，该模型Kappa系数和F1得分分别提高4.47%~29.75%和6.35%~34.02%，能够更好地适应复杂的刚毛藻水华分布特征，尤其是在边界细节呈现和空洞分离方面具有明显优势。（3）基于Landsat OLI-2和Sentinel-2 MSI等常用光学卫星遥感影像的提取结果存在高估青海湖刚毛藻水华面积的现象，前者平均相对误差值范围为65.28%~110.69%，后者平均相对误差值范围为5.5%~323.47%。本研究利用无人机影像的高分辨率优势，为准确评估青海湖刚毛藻水华的真实分布提供了技术支持，并为其他水体藻华特征的监测与追踪奠定了基础。
Fields of Study & Subjects
Remote-Sensing Image Classification
Aquatic Ecosystems and Phytoplankton Dynamics
Wetland Management and Conservation
Publication details
- Journal / source
- Journal of Lake Sciences
- Volume
- 38
- Issue
- 1
- Pages
- 129–141
- Publication date
- 1 January 2026
- Language
- EN