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

JAG最新成果 | 过程先验引导深度学习实现浓密冠层下可解释森林湿地制图

GEE遥感训练营 • 9 小时前 • 18 次点击  

论文摘要



研究背景:冠层遮挡的水文信号以及湿地 - 旱地的渐变过渡特征,制约了森林湿地的边界提取。尤其是将异质的对地观测数据直接拼接为无结构特征集进行融合时,该问题更加突出。
研究目标:构建过程先验引导的多分支卷积神经网络,在中国长白山地区开展 10 米分辨率森林湿地制图。
研究方法:模型输入包含源自 Sentinel-1、Sentinel-2、ALOS-2 PALSAR-2 以及哥白尼 30 米 DEM 的 85 个环境变量。这些变量预先划分为 5 个预测分支,由独立的卷积分支提取特征后再进行融合。设置同等参数量的单分支模型作为对照;采用五折交叉验证以及独立测试集评估模型;使用分组聚合 SHAP 值与 k 近邻条件替换方法,解析变量贡献;基于最优集成模型输出森林湿地空间分布图并统计面积。
研究结果与结论:相比单分支基线模型,该分组结构在五折验证上森林湿地 F1 分数提升 3.42 个百分点,在独立测试集上提升 1.03 个百分点。五折概率平均集成模型在独立测试集上总体精度 0.873,宏 F1 为 0.882,森林湿地类 F1 为 0.836。在正确分类的森林湿地样本中,模型全局上最依赖时序物候特征;条件替换分析表明,模型剩余依赖优先来自水文变量,其次为地形因子。像素统计得到研究区森林湿地面积 686.6 平方千米,主要分布在边缘平原与丘陵地带。该框架结合过程先验特征分组与依赖关系解析方法,可为冠层遮挡型森林湿地提供可解释的区域制图方案。

关键图表



图1.长白山研究区高程与参考样本点位。(a) 研究区在中国吉林省的地理位置;(b) 高程、河网以及参考样本分布;(c) 展示地形高程与长白山火山口的三维地形视图。

图2.面向森林湿地制图的过程先验引导多分支卷积神经网络总体工作流程。空间分组采用 UTM 52N 投影下 5‑km 网格单元进行划分。

图3.森林湿地制图的模型架构对照试验与业务化模型评估。C0‑C7 分别代表森林湿地、沼泽、灌木湿地、水体、耕地、草地、森林、建设用地。(a) 森林湿地、八类总体宏 F1、湿地类型宏 F1 的 F1 分数差值(多分支 CNN 减去参数量匹配的单分支基线模型)。柱状为平均差值,误差棒代表 95% 置信区间;星号代表配对 t 检验名义 p 值。(b) 单模型平均性能(灰色,5 折训练模型取平均)与五折概率平均集成模型(绿色)的各类别 F1 分数。(c) 涉及 C0 类的误差类别分布:漏分(真实 C0 被错分为其他类别)与错分(其他类别被错分为 C0)。(d) 业务集成模型的 15 格可靠性图;蓝线代表精度,灰色直方图代表样本密度。

图4.森林湿地分布与面积统计。(a) 森林湿地空间分布与面积(VC:火山锥;LP:熔岩台地;BP:玄武岩台地;HI:丘陵;PL:平原)。(b) 不同区域森林湿地面积统计。

图5.正确分类的森林湿地样本的分组级模型证据诊断。(a) 分组总绝对 SHAP 占比,边际与条件替换效应,作为互补非加性统计结果。(b) 分组总计与按通道归一化的绝对 SHAP 结果。(c) 目标类别对数几率上的边际替换效应。(d) 条件替换效应对比边际替换效应;气泡大小代表条件‑边际保留比率;横轴为条件效应,纵轴为边际效应;1:1 线上方垂直间隔表示边际效应大于条件效应。

图6.空间对比与性能诊断。(a) 4 个典型样区位置;上下行分别为本研究得到的湿地分类结果与 CAS_Wetlands 数据集。(b) 固定留出测试集的混淆矩阵。(c) 预测性能与概率标定指标。灰色点为 5 个分组感知交叉验证折,带误差棒黑点为折平均及 95% 置信区间,蓝色菱形为在固定留出测试集上评估的概率平均集成模型;ECE、NLL 同时报告折内验证预测与留出测试集成概率。

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/10.1016/j.jag.2026.105672,点赞、收藏、关注!

更多阅读



2026开学特惠| GEE遥感+AI多智能体高效科研实战特训教学

2026-09-20

GIScience & Remote Sensing | 中山大学赵羲团队:融合 Sentinel-1 SAR 与 AMSR2,邻域感知检索北极海冰空间浮冰破碎指数 SFFI

2026-11-13

ESSD最新成果 | 清华大学赵建世团队发布 CFDID:1994–2023 年中国洪涝灾害影响数据库

2026-11-11



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203472