基于语义分割模型的温州市红树林识别方法及时序变化分析
1 GIRI C， OCHIENG E， TIESZEN L L，et al. Status and distribution of mangrove forests of the world using earth observation satellite data［J］.Global Ecology and Biogeography，2011，20（1）：154-159. DOI：10.1111/j.1466-8238. 2010. 00584.x 2 CARNEY J， GILLESPIE T W， ROSOMOFF R. Assessing forest change in a priority West African mangrove ecosystem： 1986-2010［J］. Geoforum，2014，53：126-135. DOI：10.1016/j.geoforum.2014.02.013 3 TAO Yancheng， LIU Wenai， PAN Lianghao， et al. Application of remote sensing technology in investigation and monitoring of damaged mangrove resources［J］. Journal of Guangxi Academy of Sciences， 2021， 37（3）： 256-263. 陶艳成， 刘文爱， 潘良浩， 等. 遥感技术在受损红树林资源调查与监测中的应用［J］. 广西科学院学报， 2021， 37（3）： 256-263.4 PAN Gang， DUAN Shunshan. Monitoring the coastal resources and environment using remotely-sensed data［J］. Remote Sensing Technology and Application， 2009， 24（2）： 230-237. 潘刚， 段舜山. 基于遥感技术的海岸带资源环境管理［J］. 遥感技术与应用， 2009， 24（2）： 230-237.5 Tao Lü， ZHONG Shiquan， JIANG Weiguo， et al. Study on the impact of fish vines on mangrove degradation in Lianzhou Bay， Guangxi based on high score data［J］. Wetland Science，2025，23（1）：11-21. 吕涛， 钟仕全， 蒋卫国， 等. 基于高分数据的广西廉州湾鱼藤对红树林退化的影响研究［J］. 湿地科学，2025，23（1）：11-21.6 KE Shuting， LI Guangchun， ZHENG Lan， et al. A study on the long-term changes of mangroves in Zhangzhou City based on GEE［J］. Wetland Science & Management， 2025， 21（1）： 32-38. 柯舒婷， 李广春， 郑斓， 等. 基于GEE的漳州市红树林长时序变化遥感监测分析［J］. 湿地科学与管理， 2025， 21（1）： 32-38.7 GIRI C. Observation and monitoring of mangrove forests using remote sensing： Opportunities and challenges［J］. Remote Sensing， 2016， 8（9）： 783. DOI： 10.3390/rs8090783 8 JIANG Yufeng， QI Jianguo， CHEN Bowei， et al. Classification of mangrove species with UAV hyperspectral imagery and machine learning methods［J］. Remote Sensing Technology and Application，2021，36（6）：1416-1424. 姜玉峰，齐建国，陈博伟，等. 基于无人机高光谱影像和机器学习的红树林树种精细分类［J］. 遥感技术与应用， 2021，36（6）：1416-1424.9 FAN Hangqing， WANG Wenqing. Some thematic issues for mangrove conservation in China［J］. Journal of Xiamen University （Natural Science Edition）， 2017， 56（3）： 323-330. 范航清， 王文卿. 中国红树林保育的若干重要问题［J］. 厦门大学学报（自然科学版）， 2017， 56（3）： 323-330.10 JIA Mingming. Remote sensing analysis of China’s mangrove forests dynamics during 1973 to 2013［D］. Changchun： Northeast Institute of Geography and Agroecology， Chinese Academy of Sciences， 2014.贾明明. 1973~2013年中国红树林动态变化遥感分析［D］. 长春： 中国科学院研究生院（东北地理与农业生态研究所）， 2014.11 DONG Di， ZENG Jisheng， WEI Zheng，et al.Integrating space-borne optical and SAR imagery for monitoring mangroves and Spartina alterniflora in Zhangjiang Estuary［J］.Journal of Tropical Oceanography，2020，39（2）：107-117. 董迪， 曾纪胜， 魏征， 等. 联合星载光学和SAR影像的漳江口红树林与互花米草遥感监测［J］. 热带海洋学报， 2020， 39（2）： 107-117.12 XUE Yufei， ZHANG Shenghan， BAI Nana， et al. Classification of mangrove species using coupled Sentinel-1/2 multi-source time-series remote sensing image features［J］. Journal of Geo-Information Science， 2024， 26（11）： 2626-2642. 薛宇飞， 张声晗， 白娜娜， 等. 耦合Sentinel-1/2多源时序遥感影像特征的红树林物种分类方法［J］. 地球信息科学学报， 2024， 26（11）： 2626-2642.13 SUN Yuchao， DONG Di， GAO Qing， et al. Study on the extraction of mangrove distribution information based on multi-feature combination of Sentinel-2 images［J］. Journal of Ocean Technology， 2025， 44（1）： 21-32. 孙玉超， 董迪， 高晴， 等. 基于Sentinel-2影像多特征组合的红树林分布信息提取研究［J］. 海洋技术学报， 2025， 44（1）： 21-32.14 THAKUR S， MONDAL I， GHOSH P B， et al. A review of the application of multispectral remote sensing in the study of mangrove ecosystems with special emphasis on image processing techniques［J］. Spatial Information Research， 2020， 28（1）： 39-51. DOI： 10.1007/s41324-019-00268-y 15 LIU Kai， GONG Hui， CAO Jingjing， et al. Comparison of mangrove remote sensing classification based on multi-type UAV data［J］. Tropical Geography， 2019， 39（4）： 492-501. 刘凯， 龚辉， 曹晶晶， 等. 基于多类型无人机数据的红树林遥感分类对比［J］. 热带地理， 2019， 39（4）： 492-501.16 RUAN Shengquan， WANG Xinguang， LI Boran. Research on mangrove extraction from ZY-3 data based on the object-oriented method［J］. Geomatics & Spatial Information Technology， 2021， 44（1）： 96-98. 阮胜权， 王新广， 李勃燃. 基于资源卫星数据面向对象法的红树林提取研究［J］. 测绘与空间地理信息， 2021， 44（1）： 96-98.17 MENG Liangli， LING Ziyan， JIANG Weiguo， et al. Mangrove information extraction based on the Sentinel remote sen-sing data： A case study of Maoweihai Bay of Guangxi［J］. Geography and Geo-Information Science， 2020， 36（4）： 41-47. 蒙良莉， 凌子燕， 蒋卫国， 等. 基于Sentinel遥感数据的红树林信息提取研究——以广西茅尾海为例［J］. 地理与地理信息科学， 2020， 36（4）： 41-47.18 WANG L， SOUSA W P， GONG P. Integration of object-based and pixel-based classification for mapping mangroves with IKONOS imagery［J］. International Journal of Remote Sensing， 2004， 25（24）： 5655-5668. DOI： 10.1080/014311602331291215 19 YANG Hongyan， DU Jianmin， RUAN Peiying， et al. Vegetation classification of desert steppe based on unmanned aerial vehicle remote sensing and random forest［J］. Transactions of the Chinese Society for Agricultural Machinery， 2021， 52（6）： 186-194. 杨红艳， 杜健民， 阮培英， 等. 基于无人机遥感与随机森林的荒漠草原植被分类方法［J］. 农业机械学报， 2021， 52（6）： 186-194.20 HU Tengyun， XIE Pengfei， WEN Yanan， et al. Research on building footprints extraction methods based on different deep learning models［J］. Remote Sensing Technology and Application， 2023， 38（4）： 892-902. 胡腾云， 解鹏飞， 温亚楠， 等. 基于不同深度学习模型提取建筑轮廓的方法研究［J］. 遥感技术与应用， 2023， 38（4）： 892-902.21 DONG Xiuchun， LIU Zhongyou， JIANG Yi， et al. Winter wheat extraction of WorldView-2 image based on semantic segmentation method［J］. Remote Sensing Technology and Application， 2022， 37（3）： 564-570. 董秀春， 刘忠友， 蒋怡， 等. 基于WorldView-2影像和语义分割模型的小麦分类提取［J］. 遥感技术与应用， 2022， 37（3）： 564-570.22 XU Zhiyu， ZHOU Yi， WANG Shixin，et al. U-Net for urban green space classification in Gaofen-2 remote sensing images［J］. Journal of Image and Graphics，2021，26（3）：700-713. 徐知宇， 周艺， 王世新， 等. 面向GF-2遥感影像的U-Net城市绿地分类［J］. 中国图象图形学报， 2021， 26（3）：700-713.23 LIU Shuai， LI Xiaoying， YU Meng， et al. Dual decoupling semantic segmentation model for high-resolution remote sensing images［J］. Acta Geodaetica et Cartographica Sinica， 2023， 52（4）： 638-647. 刘帅， 李笑迎， 于梦， 等. 高分辨率遥感图像双解耦语义分割网络模型［J］. 测绘学报， 2023， 52（4）： 638-647.24 DURDURAN S S. Automatic classification of high resolution land cover using a new data weighting procedure： The combination of K-means clustering algorithm and central tendency measures （KMC-CTM）［J］. Applied Soft Computing， 2015， 35： 136-150. DOI： 10.1016/j.asoc.2015.06.025 25 GIDARIS S， KOMODAKIS N. Object detection via a multi-region and semantic segmentation-aware CNN model［C］∥Proceedings of the IEEE International Conference on Computer Vision （ICCV）. IEEE， 2015： 1134-1142. DOI： 10.1109/ICCV.2015.135 26 MARMANIS D， WEGNER J D， GALLIANI S， et al. Semantic segmentation of aerial images with an ensemble of CNNS［J］. ISPRS Annals of the Photogrammetry， Remote Sensing and Spatial Information Sciences， 2016， III-3： 473-480. DOI： 10.5194/isprs-annals-iii-3-473-2016 27 SHELHAMER E， LONG J， DARRELL T. Fully convolutional networks for semantic segmentation［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017， 39（4）： 640-651. DOI： 10.1109/TPAMI.2016.2572683 28 RONNEBERGER O， FISCHER P， BROX T. U-Net： Convolutional networks for biomedical image segmentation［M］.Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015. Cham： Springer International Publishing， 2015： 234-241. DOI： 10.1007/978-3-319-24574-4_28 29 BADRINARAYANAN V， KENDALL A， CIPOLLA R. SegNet： A deep convolutional encoder-decoder architecture for image segmentation［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017， 39（12）： 2481-2495. DOI： 10.1109/TPAMI.2016.2644615 30 PANBOONYUEN T， JITKAJORNWANICH K， LAWAWIROJWONG S， et al. Semantic segmentation on remotely sensed images using an enhanced global convolutional network with channel attention and domain specific transfer learning［J］. Remote Sensing， 2019， 11（1）： 83. DOI： 10.3390/rs11010083 31 LIU P H， LIU X P， LIU M X， et al. Building footprint extraction from high-resolution images via spatial residual inception convolutional neural network［J］. Remote Sensing， 2019， 11（7）： 830. DOI： 10.3390/rs11070830 32 CHEN L C， PAPANDREOU G， KOKKINOS I， et al. DeepLab： Semantic image segmentation with deep convolutional nets， atrous convolution， and fully connected CRFs［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2018，40（4）：834-848. DOI： 10.1109/TPAMI.2017.2699184 33 CHEN L C， ZHU Y K， PAPANDREOU G，et al.Encoder-de-coder with atrous separable convolution for semantic image segmentation［C］∥Computer Vision-ECCV 2018.Cham：Sp-ringer，2018：833-851. DOI：10.1007/978-3-030-01234-2_49 34 CHOLLET F. Xception： Deep learning with depthwise separable convolutions［C］∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. IEEE， 2017： 1800-1807. DOI： 10.1109/CVPR.2017.195
基金
国家自然科学基金项目(42377453);湖南省教育厅基金项目(22C0254);湖南省自然科学基金项目(2022JJ60014);湖南省科技创新计划(2021RC4037);大学生创新创业训练计划(S202310534030)
{{custom_fund}}
相关知识
基于语义分割模型的温州市红树林识别方法及时序变化分析
一种钢板腐蚀像素级定位以及腐蚀程度识别方法及系统
【综述研读】深度学习多模态图像语义分割前沿进展
基于语义分割的油菜花分割方法的研究
基于YOLOv8n的轻量级巴旦木果实识别方法
基于卷积神经网络的花卉识别方法
基于ResNet模型的玉米叶片病害检测与识别
基于超轻量级全卷积神经网络的花卉识别方法
基于云平台的耦合主被动遥感影像的大蒜作物识别方法与流程
基于卷积神经网络和集成学习的材质识别和分割方法研究
网址: 基于语义分割模型的温州市红树林识别方法及时序变化分析 https://m.huajiangbk.com/newsview2602076.html
