科学研究

中国-巴基斯坦地球科学研究中心（简称”中巴中心“）第四科研领域王卷乐研究员课题组在印度河三角洲红树林提取方法研究上取得新进展。相关研究成果近日在线发表在 Remote Sensing。

印度河三角洲是南亚红树林最主要的生长区域之一，不仅为众多鸟类、鱼虾和昆虫提供自然栖息地，还具有防风消浪、保留水土、储碳固碳的功能，既是“动物乐园”也是“海岸卫士”。红树林的消亡，威胁滨海湿地生态安全。

高效准确提取红树林是开展红树林调查、监测、保护以及可持续性规划工作的重要基础。传统的语义分割模型不仅包含大量的参数，在训练过程中很容易忽略特征稀疏的像元，且上采样后恢复的图像与原始图像的对应性不强，不能准确提取中等分辨率影像中的红树林。着眼于该问题，课题组通过GEE平台获取印度河三角洲地区的无云Landsat 8 OLI影像，利用NDVI和土地利用数据制作集成标签，提出使用一种融合多重尺度特征的语义分割模型MSNet应用于印度河三角洲区域的红树林提取。MSNet模型在训练过程中不仅能够保持图像的高分辨率特征，充分学习弱特征的像元，还将不同尺度的底层特征进行多重融合，增强语义信息，提高地物识别和分割定位的准确性。研究提取了2014年和2022年的印度河三角洲红树林的覆盖区域。统计结果显示印度河三角洲在2014-2022年间，红树林覆盖面积有所增加，其中消减面积为44.37km2，增长面积为170.48km2，净增长面积为126.11km2。

研究可为巴基斯坦有关部门开展红树林的调查、监测、保护以及可持续性规划提供强方法和数据支撑。

相关研究受到中国-巴基斯坦地球科学研究中心的资助。

论文题目：An Effective Deep Learning Model for Monitoring Mangroves: A Case Study of the Indus Delta

原文链接：https://www.mdpi.com/2072-4292/15/9/2220

文章相关信息

印度河三角洲红树林提取结果。(a)为2014年印度河三角洲的红树林覆盖区；(b)为2022年印度河三角洲的红树林覆盖区；(c)为2014年至2022年印度河三角洲红树林覆盖的变化。