3D-HRNet网络在珠海一号高光谱影像的自然资源监测应用及生态环境分析

遥感和深度学习方法结合应用于自然资源的监测、评估是一种高效的方法。该研究综合考虑珠海一号高光谱影像的特性,在HRNet网络中引入3D卷积模块提出3D-HRNet网络用于自然资源调查监测的语义分割模型,并以遥感影像计算生物丰富度指数、植被覆盖指数、水网密度指数、土地应力指数、污染负荷指数和环境约束指数构建生态指数(ecological index,EI)生态评价模型,对北京市北部部分区域进行自然资源监测和评估。结果表明:①3D-HRNet模型提取自然资源的平均总体精度为0.83,F1分数为0.83,Kappa系数为0.73,比HRNet模型分别高0.04,0.04和0.06,比3D-CNN模型分别高0.04,0.05和0.06,说明3D-HRNet模型提取高光谱影像的自然资源结果比HRNet模型更好,即3D卷积模块能更好地利用高光谱间特性提取信息;②利用EI生态评价模型对北京市北部部分区域2020年生态环境进行评价,其EI平均值为68.2,反映了区域内生态状况良好,与北京市生态环境状况公报结论接近,说明遥感用于EI生态评价的可行性,为区域生态状况的时空分析提出创新性方法。