本站讯 近日，国际SCI知名期刊IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing（影响因子：4.7，中科院二区TOP）发表了以中国海洋大学海洋地球科学学院2020级地球信息科学与技术专业本科生黄斌斌为第一作者、河口海岸带研究所李鹏老师为通讯作者的学术论文——“A New Deep Learning Method for Flood Mapping with SAR Image Convolutional Neural Network”，报道了一种融合雷达卫星遥感和深度学习的洪水测图方法的最新研究成果。
洪水是世界上最严重的自然灾害之一，对群众生命财产、公共基础设施等造成重大损失。相比传统的光学卫星遥感观测，合成孔径雷达（SAR）能够提供相位与极化信息，可以全天候、全天时工作，不受云和雨的影响，因此利用SAR遥感进行洪水制图和灾害评估具有明显的优势。然而，SAR成像极易受到斑点噪声、阴影、叠掩等影响，增加了其在传统水体探测与提取领域的难度与挑战性。针对上述问题，黄斌斌等设计了一种基于SAR卫星遥感影像和卷积神经网络的新模型WaterDetectionNet（WDNet），具有较强的水体探测与提取能力，可以实现精确洪水制图。为了提高模型的泛化能力，课题组采用了半自动策略生成了语义信息丰富且具有地物多样性的SAR数据集S1Water。与传统的机器学习和深度学习方法相比，通过引入自关注模块增加了空间和通道关注，能够自适应更新网络权值，提高了模型性能和水体探测精度。以2020年鄱阳湖洪水为案例，结果表明WDNet模型总体精度0.99，查全率0.99，交互比0.97，F1分数0.99。该研究旨在为全球洪灾快速制图提供一种经济有效的方法，以实际行动减缓气候变化威胁，结合地球大数据支撑联合国2030可持续发展目标，增强人类社会的适应能力。
该成果第一作者黄斌斌同学，通讯作者李鹏副教授，合作者包括2020级地信专业本科生陆宏远、尹佳敏，以及长安大学李振洪教授、中国海洋大学王厚杰教授，得到了国家级本科生创新训练项目（项目名称：基于多源雷达遥感和深度学习的洪水灾害监测方法研究，项目号：202310423058，项目负责人：黄斌斌，参加人员：陆宏远、尹佳敏，导师：李鹏）、国家自然科学基金黄河专项（项目名称：水沙调控和湿地保育作用下黄河口湿地生态系统演变及其驱动机制，项目号：42041005-4，项目负责人：王厚杰）的资助。
学院本科教学历来重视拔尖创新学生的培养，依托国家级/省级/校级大学生创新训练计划项目和教师科研项目，为学生搭建创新能力培养平台，培养学生的科学素养，产出高水平科研成果。
文章链接：https://ieeexplore.ieee.org/document/10632592
WDNet主要架构与实例应用示意图（Huang, et al., 2024）
通讯员：李鹏
