温宿县台兰河灌区作物的EAA-UNet遥感分类研究

来源：湖北农业科学杂志2025年第9期北京时间：

作者：李杰, 董峦

单位：新疆农业大学计算机与信息工程学院,乌鲁木齐 830052

摘要：为准确识别新疆阿克苏地区温宿县台兰河灌区作物种植类型,基于深度学习技术提出了一种改进的遥感影像像元分类方法。采用高分系列卫星数据（包括GF1、GF1B、GF6和GF2）,以GF2融合影像为基准进行精细标注,并通过实地勘察对标注结果进行验证,随后将验证后的标注统一配准至其他影像数据,最终构建了样本尺寸为128 px×128 px的多类别分类数据集。EAA-UNet模型通过集成ECA模块、ASSP多尺度特征提取模块和门控注意力机制模块,显著提升了特征提取性能。采用准确率（Accuracy,A）、精确度（Precision,P）和平均交并比（MIoU）3项指标进行定量评估,并与当前主流的像元分类模型进行对比分析,以验证EAA-UNet模型的优越性。结果表明,EAA-UNet模型的准确率、精确率、平均交并比分别为71.56%、82.79%、69.94%,均高于FCN8s模型、UNet模型、ResUNet模型和DeepLabV3+模型。EAA-UNet模型在台兰河灌区的作物分类任务中表现出色,其预测结果与真实地块种植类型高度吻合。EAA-UNet模型通过引入的改进机制有效解决了该灌区作物分类模糊的问题,不仅实现了灌区种植作物类型的精准识别,更为后续台兰河灌区需水量预测提供了可靠的数据支撑。

关键词：EAA-UNet模型,遥感影像,作物,遥感分类,温宿县台兰河灌区

基金资助：新疆维吾尔自治区重大科技专项（2023A02002-4）