近日，可持续发展大数据国际研究中心（SDG中心）在富营养化坑塘及农村黑臭水体遥感监测方面取得新进展。研究人员针对水体表面覆盖浮萍或水华的坑塘研发一种基于深度学习模型的遥感提取方法。
随着水体中营养物质增多，坑塘和沟渠中的藻类和浮萍大量增殖。水体季节性或年际性的被浮萍或水华覆盖，研究中将这种水体定义为浮萍水华型水体（DAWs）。浮萍水华型水体在有机物含量高或富营养化的流域水体中易成为黑臭水体。因此，实现浮萍水华型水体的识别，进而辅助筛查黑臭水体，具有重要的环境监测与管理意义。
研究团队基于高分辨率遥感影像（0.25m），提出一种轻量化的 SEM-Unet 模型，并在复杂地物背景下验证其高精度识别能力。通过引入色度角（α）、斜率和（S）和绿通道指数(GI)三种差异增强指标，构建ASGI波段组合，显著增强浮萍水华型水体的遥感特征，提升模型的分类性能；在轻量化 MobilenetV2-Unet 架构中加入 scSE 注意力模块，进一步增强模型在复杂背景下的分割表现。此外，结合 DropPath 正则化与 DiceLoss 和 Focal Loss 的损失函数组合，有效提高模型的泛化能力与处理类别不平衡的能力。
实验结果显示，采用ASGI波段组合显著提高模型的识别精度和IoU值，并且SEM-Unet模型在保持轻量化的同时，展现了较高的识别精度。尤其，在富营养化严重的海河流域应用中，该模型仍能有效识别浮萍水华型水体，其整体识别精度达到85.11%，虚警率（FPR）为27.27%，漏检率（FNR）仅为4%。这一成果为水体环境监测提供高效的技术支持。
综上，上述模型为浮萍水华型水体提供一种适用于地物全要素复杂背景下的轻量化、高精度遥感识别算法，并可以在有机物含量高或富营养化的流域水体中，提供一种大范围、快速的浮萍水华型黑臭水体遥感筛查方法。
研究成果“Extraction of duckweed or algal bloom covered water using the SEM-Unet based on remote sensing”发表在环境科学与生态学1区TOP期刊《Journal Of Cleaner Production》（JCLP）。SDG中心张煜婷博士为论文第一作者，研究员张兵与研究员申茜为论文共同通讯作者。
研究团队围绕水环境大数据遥感方向，进行黑臭水体遥感识别研究，率先开展了基于高分数据适用于全国大范围的黑臭水体遥感识别算法研究，在该研究方向已发表100余项专著、论文和专利。
论文链接：https://doi.org/10.1016/j.jclepro.2024.144625
浮萍水华型水体与易混淆地物示例
RGB输入方式与ASGI输入方式识别效果对比
基于高分辨率数据的浮萍水华型水体遥感识别结果对比
模型在海河流域保定市农村的黑臭水体识别结果
动态新闻