基于深度学习的水体生境图像分类与质量评价——以长三角一体化先行启动区为例

摘要：

[目的]面对长三角一体化地区生态高质量修复与智能化监测的更高诉求,开展基于深度学习的水体生境质量评价,旨在探索风景园林数字技术的前沿领域,为长三角一体化地区的水体生态修复与生态绿色发展提供信息化与智能化的技术支撑.[方法]采用基于深度学习的图像分类方法,通过卷积神经网络(convolutional neural networks,CNN)训练,实现大范围、大批量的水体生境卫星图像智能识别、分类与评价.[结果]构建了长三角一体化先行启动区水体生境卫星图像数据集,训练了水体生境质量评价深度学习模型,对研究范围内全域的水体生境进行了高精度、自动化的生境质量评价.[结论]深度学习模型能够长时序、大范围地对水体生境进行质量评价,为水体生境的修复实践提供技术支撑,未来可实现对长三角一体化示范区水体生境质量的跟踪监测.

关键词：风景园林、人工智能、水体生境、计算机视觉、深度学习、图像分类、卷积神经网络、长三角

所属期刊栏目：30

分类号：TU985(地下建筑)

资助基金：国家自然科学基金;上海市科技创新行动计划软科学研究项目;自然资源部大都市区国土空间生态修复工程技术创新中心开放性项目

在线出版日期：2023-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：22-28