西藏拉鲁湿地植被覆盖语义分割研究

Journal: Ecological Environment and Protection DOI: 10.12238/eep.v8i6.2743

陈亮, 鲍才让扎西, 马馨隆

西藏大学工学院

Abstract

拉萨的“城市之肺”拉鲁湿地因气候变化和城市化而萎缩,传统的监测方法已无法进行精细评估。为解决此问题,本研究首次将DeepLabV3+语义分割框架应用于高原湿地植被覆盖估算,并针对类别不平衡现象,设计了Dice+Focal混合损失函数和余弦退火学习率策略。结果显示,该模型在单张RTX 4060显卡上可稳定训练,mIoU和mAP分别达到0.8106和0.8527,总体准确率为96.17%,显著优于传统方法。该技术为拉鲁湿地提供了快速、精准的植被动态监测新路径,也为青藏高原高寒城市湿地的生态管理与修复提供了方法学基础。

Keywords

DeepLabV3;语义分割;西藏拉鲁湿地

Funding

自治区级大学生创新创业训练计划项目(S202510694014)。

References

[1] 张金,钱洁容,秦贵虎.促进湿地恢复、保护,实现生态共享——以拉鲁湿地为例[J].云南水力发电,2024,40(07):1-4.
[2] 张佳丽.耦合两类正则化方法的椒盐噪声去除模型[D].河南大学,2021.
[3] 王孙宾,石刘伟,黄俊.基于多尺度特征感知与模糊边界建模的息肉分割网络[J/OL].安徽工业大学学报(自然科学版),1-11[2025-09-02].https://link.cnki.net/urlid/34.1254.n.20250603.1422.002.
[4] 韩静园,王育坚,谭卫雄,等.基于FCN的路面裂缝分割算法[J].传感器与微系统,2022,41(06):146-149.
[5] 王晓振.基于U-Net的红外弱小目标检测算法研究[D].中国科学院大学(中国科学院长春光学精密机械与物理研究所),2025.
[6] 林宁宁,高心丹.DeepLab V3+改进的树木图像分割[J].计算机工程与设计,2023,44(01):232-239.

Copyright © 2025 陈亮, 鲍才让扎西, 马馨隆

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License