基于深度学习与 Sentinel-2 卫星数据的阿联酋红树林人工智能监测系统（2017-2024）
机器学习
2024-12-03 v2 统计计算
摘要
红树林在维持沿海生态系统健康和保护生物多样性方面发挥着至关重要的作用。因此，对红树林进行持续测绘对于理解其动态变化至关重要。地球观测影像通常提供了一种具有成本效益的方式来监测红树林动态。然而，目前缺乏针对阿联酋红树林区域的区域性研究。本研究利用 UNet++ 深度学习模型结合 Sentinel-2 多光谱数据和人工标注标签，监测了 2017 年至 2024 年间阿联酋密集分布的红树林（覆盖率大于 70%）的时空动态，在验证集上实现了 87.8% 的 mIoU。结果显示，2024 年阿联酋红树林总面积约为 9,142.21 公顷，较 2017 年增加了 2,061.33 公顷，碳汇量增加了约 194,383.42 吨，相当于固定了约 713,367.36 吨二氧化碳。阿布扎比拥有最大的红树林面积，并在阿联酋红树林增长中占据主导地位，在 2017 年至 2024 年间增加了 1,855.6 公顷，而其他酋长国也通过红树林面积稳定、可持续的增长为红树林扩张做出了贡献。这一全面的增长模式反映了所有酋长国在红树林修复方面的共同努力。
引用
@article{arxiv.2411.11918,
title = {Artificial Intelligence Mangrove Monitoring System Based on Deep Learning and Sentinel-2 Satellite Data in the UAE (2017-2024)},
author = {Linlin Tan and Haishan Wu},
journal= {arXiv preprint arXiv:2411.11918},
year = {2024}
}
备注
17 pages, 9 figures