社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

Journal of Remote Sensing|中国科学院董金玮团队:基于改进深度学习框架解析中国 2000‑2024 年中心支轴式灌溉系统时空动态

GEE遥感训练营 • 5 小时前 • 8 次点击  

论文摘要



研究背景:中心支轴式灌溉系统(CPIS)是一种节水灌溉技术,但在缺水区域,其快速扩张会加剧粮食生产与地下水可持续性之间的权衡关系。在中国,由于缺少中心支轴式灌溉系统连续、长期的观测数据,难以量化这种粮食 — 水资源权衡关系。
研究目标:针对异质农业景观下中心支轴式灌溉系统提取存在的难题,构建模型实现中心支轴式灌溉系统高精度提取,生成长时间序列数据集,量化其扩张特征,为评估粮食增产与地下水耗竭风险提供支撑。
研究方法:本文提出融合 Focal Tversky 损失函数与 PointRend(基于点的渲染)优化模块的 EfficientNet–UNet 框架(ETP-UNet)。基于该模型,制作 2000—2024 年间隔 3 年的中国中心支轴式灌溉系统(CCPIS)长时间序列数据集,并采用基于样本的面积估算器统计灌溉区面积变化。
研究结果与结论:实验结果表明,ETP-UNet 模型交并比(IoU)达到 81.0%,F1 分数为 89.5%,边界交并比为 66.0%。基于该模型生成的 CCPIS 数据集总体精度高于 0.88,宏 F1 分数超过 0.87。样本面积估算结果显示,中心支轴式灌溉系统面积由 2000 年的 23 ± 18 平方千米增长至 2024 年的 2202 ± 64 平方千米,增幅约 96 倍。扩张集中于半干旱区,2009—2015 年扩张速度最快,该时段配套灌溉发展激励政策持续加码。新增中心支轴式灌溉区主要来源于裸地(53%)和草地(32%),仅有 15% 来自原有耕地。CCPIS 数据集为综合评估中心支轴式灌溉系统带来的增产效益与地下水枯竭风险奠定重要基础,可为我国干旱、半干旱地区保障粮食安全与淡水资源可持续的管控方案提供支撑。

关键图表



图1.中国中心支轴式灌溉系统(CPIS)的位置与气候背景。(A) 来源于 Potapov 等人的耕地分布与 Zhang 等人的灌溉区分布;(B、C) 谷歌地球影像展示中国典型中心支轴式灌溉系统景观;(D) 正在作业的中心支轴式灌溉系统的喷淋臂。

图2.ETP‑UNet 网络架构(集成 Focal Tversky 损失与 PointRend 基于点渲染细化模块的 EfficientNet‑UNet 框架)。该架构主要由三部分构成:EfficientNet‑B4 编码器、空间‑通道压缩激励(SCSE)‑UNet 解码器、PointRend 细化分支。左上角影像为作者 2025 年 8 月于内蒙古巴彦淖尔拍摄的中心支轴式灌溉系统无人机示例影像,用于展示模型输入。

图3.基于 3 套中心支轴式灌溉系统数据集空间一致性构建的分层随机抽样方案。抽样分层由叠加本文 ETP‑UNet 结果、全球中心支轴灌溉数据集 GCPIS 与 Arid‑CPIS 数据集得到。

图4.ETP‑UNet 框架消融实验。(A) 遥感影像;(B) 作为真值的 Arid‑CPIS 参考标签;(C) EfficientNet 基础模型;(D) 引入 Focal Tversky 损失的 EfficientNet;(E) 引入 PointRend 模块的 EfficientNet;(F) 本文所提同时引入 Focal Tversky 损失与 PointRend 模块的 ETP‑UNet 模型。

图5.测试数据集上不同模型的分割结果与误差。(A) 遥感影像;(B) 作为真值的 Arid‑CPIS 参考标签;(C) 本文 ETP‑UNet 模型;(D) MobileNetV3‑Large‑UNet;(E) ResNet34‑UNet;(F) SAM‑UNet;(G) TransUNet;(H) U‑Net。

图6.中心支轴式灌溉系统数据集地块尺度对比:本文 CCPIS(ETP‑UNet 生成)与 Arid‑CPIS、全球数据集 GCPIS 对比。(A) Landsat 生成的 2019 年年最大归一化植被指数合成影像;(B) GCPIS 数据集;(C) Arid‑CPIS 数据集;(D) 本文 ETP‑UNet 框架生成的 CCPIS 数据集。

图7.中国 5 km×5 km 网格单元下 CCPIS 与现有中心支轴式灌溉系统产品的面积对比。(A) 2021 年 CCPIS 对比 2021 年 Arid‑CPIS;(B) 2018 年 CCPIS 对比 2019 年 GCPIS;虚线代表 1:1 参考关系。

图8.中国中心支轴式灌溉系统时间发展阶段与空间扩张格局。(A) 中国干旱、半干旱区(含极干旱区);(B) 中心支轴式灌溉系统面积时序变化与基于贝叶斯信息准则划分的发展阶段;(C) 按首次出现阶段统计的中心支轴式灌溉系统空间分布,以及不同干旱等级区域的占比。

图9.2000‑2024 年中国干旱半干旱区中心支轴式灌溉系统的新兴热点分析 (EHSA)。(A) 热点类型空间分布;堆叠柱状图展示各分析区间内首次归为各类热点的网格单元数量。(B‑F) 为内蒙古主要中心支轴式灌溉区域的连续热点、增强热点、新增热点典型样区。

图10.2024 年中心支轴式灌溉系统空间构型及其三个发展阶段的演变过程。(A) 2024 年中心支轴式灌溉系统空间分布,呈现多核混合镶嵌格局;(B) 三个扩张阶段下三类聚集构型的占比;(C) 分散型中心支轴灌溉地块;(D) 集群型中心支轴灌溉地块;(E) 集中型中心支轴灌溉地块。

图11.中心支轴式灌溉系统的扩张动态与土地来源。(A) 2024 年全部中心支轴式灌溉系统在 2000 年基准下的初始土地利用构成占比;(B) 各年份新增中心支轴式灌溉系统对应前期土地利用类型的相对占比;(C) 各年份转化为中心支轴式灌溉系统的前期土地类型绝对面积。

版权声明

声明:本推文仅用于学习交流,不做其他任何目的。若有侵权,请联系微信号:GeeStudy_2020删除或修改!论文doi链接:https://doi.org/10.34133/remotesensing.1081,点赞、收藏、关注!

更多阅读



ISPRS最新成果 | 华中师范大学林安琪团队:STDENet——融合时空差异增强与语义流对齐的耕地变化检测网络

2026-11-06

RSE最新成果 | 探究新增热红外卫星观测在田块尺度蒸散发制图中的价值

2026-11-05

Geo‑spatial Information Science|宁波大学谭凯团队:融合无人机激光雷达冠层高度与 Sentinel‑1/2 卫星数据的盐沼地上生物量估算

2026-11-04



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203178