ISPRS最新成果|南京航空航天大学薛朝辉团队提出可解释深度展开网络,实现无标记红树林精细测绘

图 6.邻域训练样本示意图。尽管网络训练使用的样本大小为 7×7，为更清晰展示，此处显示 64×64 的较大尺寸。

图 7.表征模型、深度学习与深度展开三者之间差异与关系的对比示意图。(a) 表征模型；(b) 深度学习；(c) 深度展开。

图 8.MIDU‑Net 网络架构示意图。

图 9.2024 年中国红树林空间分布与面积。(a) 10 km×10 km 格网内红树林分布统计，子图 (i)～(v) 为不同局部区域红树林制图结果；(b) 各省红树林面积及占比。

图 10.不同测试区红树林制图结果精度评价，(a)～(i) 分别对应测试区 1 至测试区 9。

图 11.2024 年中国红树林斑块数量与规模。(a) 不同面积红树林斑块空间分布；(b) 各省最大红树林斑块面积；(c) 各省红树林斑块平均面积；(d) 各省红树林斑块数量；(e) 各省不同面积等级红树林斑块数量与占比。

图 12.本研究结果与非人工编辑红树林数据集在不同区域的空间覆盖与边缘细节对比。(a1)～(c1) GMW v3.0；(a2)～(c2) LREIS‑GM；(a3)～(c3) ESAWC v200；(a4)～(c4) HGMF_2020；(a5)～(c5) 本研究结果。

图 13.本研究结果与人工编辑红树林数据集在不同区域的空间覆盖与边缘细节对比。(a1)～(c1) GMF_2020；(a2)～(c2) MC_2018；(a3)～(c3) MGMC_2019；(a4)～(c4) LSSM_2020；(a5)～(c5) 本研究结果。

图 14.不同红树林数据集在 (a) 总面积与 (b) 斑块数量上的对比。

图 15.NDVI 与 NDWI 阈值敏感性分析。(a)～(b) 为不同 NDVI 阈值对 4 个测试区（T2、T5、T6、T8）制图精度的影响；(e)～(h) 为不同 NDWI 阈值对相同区域制图精度的影响。

图 16.红树林光谱重构残差可视化分析。(a)～(d) 为输入 PlanetScope 影像；(e)～(f) 为红树林光谱特征重构残差。暖色（越接近红色）表示重构精度越高。

图 17.MIDU‑Net 在红树林‑盐沼混合区域的制图效果。(a1)～(d1) 为不同月份影像；(a2)～(d2) 为红树林与盐沼植被光谱差异；(e)～(f) 为对应红树林制图结果。