基于遥感指数与深度学习的黄河冰凌遥感监测识别分析OA北大核心CSTPCD

黄河流域特殊的地理位置和环境因素造就了其复杂的凌情特征,及时准确掌握凌汛期间冰凌变化规律与特点是凌汛监测防治的关键任务。卫星遥感可实现黄河冰凌的大范围快速提取,目前常用的方法有遥感指数与深度学习两类,为验证和对比不同方法对黄河冰凌遥感监测识别的有效性,基于Sentinel-2遥感数据,利用归一化积雪指数及其改进形式和U^(2)-Net等三种方法对2023年黄河宁蒙段冰凌进行遥感提取。结果表明:NDSI、MNDSI、U^(2)-Net三种方法的结果分类精度分别为83.42%、87.98%和92.01%;Kappa系数分别为0.88、0.90和0.97;三种方法均对冰凌有较好的提取效果,但指数法对于流凌、清沟等其他类型的识别效果较差,浅滩处提取的边界较为杂乱,U^(2)-Net可以精确区分出清沟,提取冰凌边界的效果更好。