TY - JOUR ID - 10.11834/jrs.20211146 TI - 时间序列SAR图像不可移动文物水域淹没监测 AU - 吴樊 AU - 李娟娟 AU - 张波 AU - 王超 AU - 张红 AU - 陈富龙 AU - 李璐 AU - 许璐 VL - IS - PB - 科学出版社 SP - EP - PY - JF - 遥感学报 JA - UR - http://jors.ijournals.cn/jrs/ch/reader/view_abstract.aspx?file_no=202103200000003&flag=2 KW - 合成孔径雷达,遥感,不可移动文物,水体提取,深度学习,洪水监测 KW - Synthetic Aperture Radar KW - remote sensing KW - immovable cultural relics KW - water extraction KW - deep learning KW - flooding;monitoring KW - AB - 全球气候变化引起的极端降雨、洪涝灾害是导致不可移动文物受损的重要破坏因素。合成孔径雷达(Synthetic aperture radar, SAR)具有全天时、全天候、大范围周期性对地观测的优势,是大区域水体监测的重要手段,对不可移动文物水域淹没及风险监测具有重要意义。本文利用时间序列SAR图像提出基于残差U-Net的不可移动文物水域淹没及风险监测框架。首先,基于双峰阈值分割法结合专家知识辅助进行水体样本生成,提高样本制作效率;其次,引入残差模块建立U型卷积网络,综合残差结构及U-Net的特点,缓解梯度更新时的弥散、消失等现象,通过卷积层之间累加和跳跃链接,保留多尺度的地物特征信息,以实现水体快速、高精度的语义分割;最后通过将结果与不可移动文物点位进行空间叠加分析,实现对不可移动文物水淹状况的监测。选取鄱阳湖及南昌市昌邑北垱遗址作为试验研究对象。获取了21景覆盖鄱阳湖区域不同时相Sentinel-1SAR图像,并结合Sentinel-2光学图像进行结果分析与评价。实验结果表明:本文方法在鄱阳湖试验区对水体提取总精度优于95%,相较于FCN(Fully Convolutional Networks)与U-Net方法具有更好的精度。利用不同时相SAR图像获得时间序列水体分布范围变化图,与昌邑北垱遗址点位进行空间叠加分析,得到不可移动文物水域淹没长时间序列监测结果。实验结果表明本文提出的方法可以有效提取水体范围,对不可移动文物水域淹没及风险监测可以提供有力支撑。 ER -