农业机械学报

作者：孙立全，郭家龙，苑紫岩，冯浩，吴淑芳

单位：新疆大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：淤地坝;深度学习;遥感;延河流域

基金：国家重点研发计划项目（2023YFD1900300）

准确获取淤地坝数目、位置及空间分布等信息是科学分析淤地坝减蚀和拦沙作用及其未来建设规划的重要基础。本研究以黄土高原延河流域淤地坝为研究对象，以高分二号影像以及Google Earth影像作为数据源分别制作坝体和坝地标签，选取深度学习目标检测（Faster R-CNN、YOLO v3、Cascade R-CNN和YOLOX）及语义分割（FCN、U-Net、PSPNet和DeepLab v3+）算法分别对淤地坝坝体及坝地进行识别提取，并结合地理分析方法实现流域尺度沟道缓冲区框定，在缓冲区内进行淤地坝提取。结果表明：在淤地坝坝体识别中，YOLOX模型表现最佳，当交并比（IoU）阈值为0.50~0.95时，平均精度（AP）达69.4%。基于该模型对延河流域影像进行识别，获得1440个检测框，模型准确率为75.8%，召回率达85.7%。在淤地坝坝地提取中，4个模型表现均较好，平均交并比、精确率、召回率及F1分数均达0.85、90%、85%和88%以上。采用多数投票法结合4个模型预测结果分别提取了流域内92.0km2生产运行期坝地和10.6km2蓄水拦泥期坝地。通过引入地理分析方法，坝体识别准确率从75.8%提升至84.5%，识别提取效率提升1倍以上。该研究为黄土高原及其他地区的淤地坝快速准确识别提供了重要依据，淤地坝监测结果为流域综合治理和水土保持规划提供了科学借鉴和理论指导。

来源：2025年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第9期