这所院校又添新作:利用深度学习和遥感技术监测城市水中入侵植物的时空分布
论论资讯 | 2024-04-29 |
89热度
Ecological Indicators
Explore content
About the journal
Publish with us
Monitoring the spatial–temporal distribution of invasive plant in urban water using deep learning and remote sensing technology
Hao Z.; Lin L.; Post C.J.; Mikhailova E.A.
Published:2024-05-01
DOI:10.1016/j.ecolind.2024.112061
研究背景
在城市水域中,水生生态系统能够维持生物多样性,增强城市环境的整体韧性。然而,它们极易受到生物入侵的影响。入侵的水生植物威胁着自然环境,降低了本地水生植物和动物群落的多样性。因此,检测和绘制这些入侵水生植物的分布对于保护城市水生态系统至关重要。
研究内容
最新研究使用高分辨率无人机图像和深度学习方法,监测了水莴苣(Pistia stratiotes)在城市水域的扩张。研究使用了一架大疆 Matrice 300 RTK 无人机,在中国福州仓山区观音湖拍摄了分辨率为 0.018 米的时间序列图像。研究结合了三种深度学习模型架构和三种骨干网络,用于检测水莴苣。结果显示,DeepLabv3 + 模型与 ResNet-34 在时间序列图像中检测水莴苣的性能最佳,平均准确率为 90.24%。研究表明,无人机图像和深度学习模型的结合可以实现出色的水莴苣监测准确率,并提供了一种方法来随时间绘制动态城市水系中的入侵水生植物。
研究意义
这项研究是首个利用高分辨率无人机图像和深度学习方法来监测水莴苣扩张的研究。通过该研究,我们不仅可以更好地了解入侵水生植物对城市水生态系统的影响,还为未来的水生植物监测和入侵物种管理提供了新的思路和方法。
学术热榜
查看全部
相关资讯
换一批