研究以我國自主研發(fā)的珞珈一號(LJ1-01)衛(wèi)星影像為數(shù)據(jù)源,通過對原始影像進行預處理、影像增強和三波段合成等方式,構建開源燈光漁船夜間燈光影像樣本數(shù)據(jù)集,比較并選擇YOLO-V5s作為模型的基本框架,并添加小目標檢測層以提高對夜間燈光漁船的檢測能力。實驗結果表明,本實驗方法能準確、有效地檢測出LJ1-01影像中的燈光漁船,可為小目標的燈光漁船提取和中高分辨率夜光衛(wèi)星數(shù)據(jù)提取等研究提供技術支撐。
此外,研究還利用主流中外文獻數(shù)據(jù)庫,通過CiteSpace知識圖譜分析了夜間燈光遙感在漁業(yè)研究中的應用現(xiàn)狀和發(fā)展趨勢。結果表明,該領域發(fā)文量總體上呈現(xiàn)增長趨勢,美國和中國是此方向的主要研究國家,區(qū)域主要集中在太平洋、大西洋以及中國近海等海域,研究尺度呈現(xiàn)從大范圍到精細化的變化特征,提取方法朝著自動化、高精度、系統(tǒng)化的方向發(fā)展。
相關成果以論文“Exploring deep learning techniques for the extraction of lit fishing vessels from Luojia1-01”和“基于CiteSpace的夜間燈光漁船遙感提取研究進展分析”分別發(fā)表在環(huán)境科學與生態(tài)學領域國際知名期刊《Ecological Indicators》(JCR 1區(qū),2023年影響因子為6.9)和《海洋漁業(yè)》(CSCD核心庫)。東海所與上海海洋大學聯(lián)合培養(yǎng)研究生胡慧娟為第一作者,周為峰副研究員為通訊作者和共同第一作者。該研究得到了國家重點研發(fā)計劃(2023YFD2401303)、中央公益性科研院所基本科研業(yè)務費(水科院東海所2022ZD0402)等項目的資助。
文章鏈接:
https://doi.org/10.1016/j.ecolind.2024.111682
https://doi.org/10.13233/j.cnki.mar.fish.2023.06.012
