基于深度学习融合OBIA的黄土高原小流域淤地坝系提取

淤地坝对于防治黄土高原水土流失有不可替代的作用,因此精确提取淤地范围和淤地坝点位对研究黄土高原水土有重要意义。现有图像分类方法中缺乏对淤地坝地形特征的考虑,容易被误判为梯田或土堆。除此之外,自动提取研究多集中于淤地范围提取,淤地坝点位仍依赖人工判读。因此,提出一种自动提取淤地坝系的方法:通过深度学习融合面向对象的影像分析(OBIA)方法提取韭园沟流域淤地范围,再利用水文分析方法提取淤地坝点位。结果表明:本方法提取的淤地范围精准率、召回率、F1Score分别为81.97%、90.94%、89.70%,F1Score与仅使用OBIA方法相比提升了21.94%。淤地坝点位的自动识别准确率为81.08%,完整率为88.89%,与前人目视解译的准确度相近,并实现了淤地坝范围和淤地坝点位的全要素提取。研究结果可为黄土高原淤地坝空间布局优化和水土流失评估等分析提供重要基础数据。