Page 102 - 《渔业研究》2025年第6期
P. 102

渔业研究 2025，47（6） ：793 − 802                                           http://www.hyyysci.com
                Journal of Fisheries Research                                     DOI:10.14012/j.jfr.2025126

                陈红梅，彭 俊，陈芸芝，等. 基于     Res-PGAUnet 的沿海养殖池塘遥感提取研究[J]. 渔业研究，2025，47（6） ：793 − 802.
                Chen H M，Peng J，Chen Y Z，et al. Study on remote sensing extraction of coastal aquaculture ponds based on Res-PGAUnet[J]. Journal of
                Fisheries Research，2025，47（6） ：793 − 802.

                          基于       Res-PGAUnet 的沿海养殖池塘遥感

                                                     提取研究



                 陈红梅 ，彭    俊         1,2,3 ，陈芸芝     2,3* ，罗冬莲 ，陈钰玫 ，刘国昕 ，王婉萍                           1
                                                                                           1
                                                                              2,3
                                                                 1*
                          1
                                           （1.   福建省水产研究所，福建 厦门 361013；
                              2.   福州大学空间数据挖掘与信息共享教育部重点实验室，福建 福州 350108；
                             3.   卫星空间信息技术综合应用国家地方联合工程研究中心，福建 福州 350108）

                  摘要：【背景】沿海养殖池塘常与盐田、河道等地物混杂，加之池塘形态多样、尺度不一，
                  采用传统遥感提取方法面临提取精度不足、抗干扰能力弱、自动化程度低等技术瓶颈。深度
                  学习方法能通过卷积层自动从影像中学到丰富的光谱与空间特征，从而实现大范围精准分
                  类，提高提取任务的自动化程度。【目的】实现面向复杂干扰地物场景养殖池塘的精准、高
                  效自动化提取。【方法】本研究基于高分二号（GF-2）卫星影像数据，以福建省漳州市旧镇
                  湾以南沿海池塘养殖区为研究区域，在                   U-Net 模型基础上，融合残差结构、金字塔池化、引导
                  分支与双注意力机制，构建             Res-PGAUnet 模型，并进行精度分析与大范围应用测试。【结果】旧
                  镇湾以南模型的核心改进模块（残差结构、金字塔池化、引导分支和双注意力机制）均对性
                  能提升有显著贡献，使得              Res-PGAUnet 模型在面对河道、盐田、海水等多种干扰地物时，
                  表现出更强的抗干扰能力和鲁棒性，IoU                    与  F1-score 分别达到    0.854 0  与  0.921 3，能有效减
                  少误提和漏提，改善了小目标高位池漏提和边界粘连。【结论】大范围泛化测试进一步证实
                  了  Res-PGAUnet 模型在实际应用中的潜力，该模型可为池塘养殖空间信息的精准监测与渔
                  业可持续发展提供技术支撑。
                  关键词：养殖池塘；高分二号（GF-2）影像；深度学习；Res-PGAUnet；金字塔池化；引导
                  分支；双注意力机制
                  中图分类号：S951.4;      文献标识码：A      文章编号：2096 − 9848 （2025） 06 − 0793 − 10

                  池塘养殖是水产养殖的重要养殖方式之一，在                             遥感技术具有宏观、快速和周期性的对地观测
              保障国家粮食安全、供给优质动物蛋白以及促进沿                           能力，在养殖池塘提取上得到了广泛应用。传统提
              海地区社会经济发展方面发挥了重要作用。快速、                           取方法主要包括基于像元和基于对象两类。基于像
              准确地掌握池塘养殖的空间分布、规模及变迁信                            元 的 方 法 通 过 构 建 如 归 一 化 差 异 水 体 指 数
              息，对于开展养殖规划、海域使用管理、养殖污染                           （ Normalized  difference  water  index， NDWI） [1] 、
              防控及灾害应急响应等具有重要的意义。                               改进的归一化差异水体指数（Modified normalized

                   收稿日期：2025-10-30    修回日期：2025-11-20
                   基金项目：福建省海洋服务与渔业高质量发展专项资金项目（FJHY-YYKJ-2024-1-14、FJHY-YYKJ-2024-1-18-2） ；福建省水产研究所
                          科技引领专项“基于遥感数据的海水养殖信息智能提取技术及应用研究”（2022KJYL03）
                   第一作者：陈红梅，女，助理研究员，研究方向为海洋遥感与地理信息系统。E-mail: 563898690@qq.com
                   通信作者：陈芸芝，女，副研究员，研究方向为资源与环境遥感。E-mail: chenyunzhi@fzu.edu.cn
                          罗冬莲，女，教授级高级工程师，研究方向为海洋生态。E-mail: 295807046@qq.com
              ©《渔业研究》编辑部。本文为使用        CC BY-NC-ND 4.0 许可协议的开放获取作品。
              © Editorial Office of Journal of Fisheries Research. This is an open access article under the CC BY-NC-ND 4.0 license.
   97   98   99   100   101   102   103   104   105   106   107