农业工程学报

作者：王之君,张志皓,李亚楠,赵文举,

关键词：U-Net, 面向对象分类, 淤地坝, 水文分析, 特征融合, 深度学习, 马莲河流域

基金：42

为解决淤地坝提取中存在的淤地范围边界模糊、易混淆及点位仍需人工解译等问题，该研究提出一种基于面向对象分类（object-based image analysis，OBIA）和U-Net模型的淤地坝提取语义分割模型（UNet-OBIA）。通过构建包含梯田、植被、裸地、建筑物等4类复杂背景信息的淤地坝RGB+DEM多源遥感影像数据集，基于尺度参数估计方法选取最优分割尺度参数，将 OBIA多尺度分割及U-Net模型提取的淤地坝边界范围进行特征融合，进而采用水文分析法定位坝体点位。为验证模型精度，将UNet-OBIA与FCN、DeepLabv3+、PSPNet及UNet++ 融合OBIA模型进行对比。在马莲河流域3个典型区域的结果表明：UNet-OBIA模型的精确率、召回率、总体精度、italic>F/italic>sub>1/sub>分数、平均交并比分别提升至92.47%、87.16%、95.82%、89.73%和81.41%；较之基础U-Net模型分别提高2.83、1.27、1.25、2.01和3.82个百分点，综合性能最优；水文分析法淤地坝点位识别准确率80.30%、完整率86.88%，综合表明该模型在复杂场景淤地坝精确提取中具有良好的鲁棒性和泛化性能。该研究提出的方法可为黄土高原流域淤地坝空间优化布局、土壤侵蚀与水文模拟等提供数据和方法支撑。/

来源：2026年第4期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第4期