文献总结 | RSE：基于深度学习算法的大西洋马尾藻分布及量化研究

文摘 2024-03-15 17:13 北京

点击上方湖泊遥感与智慧流域关注我们

研究背景

RESEARCH BACKGROUND

自2011年以来，大西洋中马尾藻的数量明显增加。尽管马尾藻为许多海洋生物提供了重要的栖息地和食物来源，但大量堆积的马尾藻通常会对当地生态系统、旅游业和经济造成损害。此外，马尾藻在分解过程中释放的硫化氢和氨气可能对近距离接触者造成呼吸、皮肤和神经方面的伤害，从而对公共健康构成威胁。

该研究旨在通过深度学习模型（UNet）提高对大西洋中马尾藻检测和量化的精度，尤其是涉及到近岸水域以及受云影响的区域。

研究方法

该研究基于Unet算法来提取MODIS影像中的马尾藻特征，并生成马尾藻的分布图以及量化马尾藻的覆盖度和生物量。

图1 马尾藻提取及量化方法流程图

研究结果

1. 各算法精度对比

对比三种模型（AFAI、AFAI（掩膜后）和Unet模型）的特征提取准确性，U-net模型表现出了更高的检测精度，特别是在近岸水域和云影响区域。具体来说，U-net模型在假阳性率（FPR）、假阴性率（FNR）、F1score、Matthews相关系数（MCC）和交并比（IoU）等多个性能指标上均优于AFAI模型。

表1 各算法精度评价表

2. 近岸水域马尾藻提取效果评估

在近岸水域的马尾藻提取中，U-net模型展现出了能在距离海岸线10到50公里范围内较为准确得检测到马尾藻的能力，F1score值从68%到76%不等，这表明基于U-net算法能够将MODIS图像的适用范围扩展至近岸水域。

图2 各模型检测近岸水域马尾藻像素(像素分解后)的F1-score表现

3. 大西洋中马尾藻数量的变化

从2021年所检测出的马尾藻量来看，U-net模型在大部分月份估算的马尾藻量均高于AFAI模型，特别是在4月至9月间，U-net模型检测的量相较于AFAI模型大约高出10%。通过利用更多有效像素，基于U-net模型所检测到的马尾藻量平均每月增加了26%，即Unet算法显著提高了马尾藻监测的准确性和可靠性。

图3（a-d)2021年6月和11月的马尾藻分布图，每个网格为0.5°×0.5°

图4 (a)使用U-net模型和AFAI模型)估算的每月马尾藻面积和生物量(b)每个模型使用的每个月有效像元的数量

总结讨论

总结：

过去基于MODIS及其他卫星数据使用AFAI模型对大西洋中的马尾藻进行检测时，由于在近岸水域和云雾等的影响存在着很多不确定性，为避免误导性信息，这些区域通常会在研究中被去除掉。而本研究中所使用的U-net模型成功克服了这些问题，显著提升了马尾藻检测的准确性和覆盖范围。

本研究也指出人工智能（AI），尤其是深度学习技术，在解决遥感图像特征提取中遇到的困难方面有巨大潜力。这一强大工具有望推动遥感技术在海洋科学研究和环境管理等领域的发展。

讨论：

1. 马尾藻量生物量估算的不确定性

估算Sargassum生物量时使用的转换常数（即每平方米3.34公斤的湿生物量）来源于多次现场测量的平均值。尽管这个常数是基于一系列样本的平均值，可能更为接近实际情况，但马尾藻生物的个体差异表明生物量的估算可能存在一定程度的不确定性。

2. U-net模型相较于AFAI模型的优势

与基于阈值的AFAI模型不同，U-net模型判断一个像元是否为马尾藻依赖于像素的光谱信息、AFAI值，以及马尾藻特征的空间连贯性。这种方法让U-net模型能够有效处理近岸水域和云附近像素的检测，解决了AFAI模型面临的主要问题。更重要的是，如果发现U-net模型存在误判，可以使用这些误判的特征重新训练模型来避免在以后的检测中产生相同的错误。通过这种方式，U-net模型不仅在近岸水域提供了更高的数据覆盖率，而且整体上的检测也展现出了更高的准确性。

✎ 编者注

以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。

原文链接 ↓

https://doi.org/10.1016/j.rse.2023.113515

点击左下方 “阅读原文” 可下载论文原文。

团队介绍

湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师4人（段洪涛，罗菊花，刘东，谭振宇），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！

联系人：段洪涛研究员，htduan@niglas.ac.cn。

点击下方链接直接关注我们

科学前沿丨文献总结 | WR：浅水湖泊溶解二氧化碳和甲烷浓度对变暖的响应

科学前沿丨文献总结 | RSE：2022年巴基斯坦洪水Sentinel-1 SAR 观测分析

科学前沿丨文献总结 | WR：受养分输入控制的农业沟渠是温室气体排放热点

科学前沿丨文献总结 | RSE：考虑近红外非零反射的高光谱太阳耀光校正算法

团队成果 | JAG：基于摄像头RGB图像的蓝藻水华动态实时监测算法研究

团队成果 | 湖泊草藻不同群落遥感自动识别算法研究取得进展

团队动态 | 段洪涛研究员连续4年入选全球前2％科学家榜单

团队动态丨段洪涛研究员荣获朱李月华优秀教师奖

http://mp.weixin.qq.com/s?__biz=MzA3NTg4NDcwMQ==&mid=2247539057&idx=1&sn=a16bfb427bd8d384e2f6715cdbaa34da

湖泊遥感与智慧流域