来自高分辨率卫星图像和深度学习技术的印度全国范围沙滩数据集

《Scientific Data》：A national-scale sandy beach dataset for India derived from high-resolution satellite imagery and deep learning

　　

摘要

沙滩是具有生态、社会和经济意义的重要海岸特征，然而在印度，全面覆盖全国范围的沙滩范围数据集仍然十分匮乏。本文利用2021至2024年间收集的IRS ResourceSat-2/2A LISS-IV多光谱影像（分辨率为5.8米），制作了一份高分辨率、带有地理参考信息的印度海岸线沙滩范围数据集。该数据集基于退潮时的无云影像进行提取，以确保对沙滩范围的准确界定。研究人员选取了14个具有代表性的海岸区域作为样本，通过人工标注来训练和验证U-Net深度学习模型，随后将该模型应用于整个印度海岸线。该模型在独立测试样本上的表现十分出色：交并比达到0.84，精确度为0.90，召回率为0.94，F1分数为0.92。在两条受潮汐影响较小的沙滩上进行进一步验证后，发现U-Net模型与人工数字化结果之间的平均平方根误差（RMSE）仅为11.8平方米（相对偏差小于0.05%）。最终形成的数据集以Shapefile格式提供，便于与标准GIS工作流程兼容，可用于海岸监测、栖息地评估、海岸线变化分析等应用，并可作为未来机器学习模型的训练数据。同时，我们还提供了配套的Google Earth Engine网络应用程序，用于交互式可视化和探索这些沙滩地图。该数据集是印度首个全面的高分辨率沙滩地图，有助于提升海岸管理效率、制定保护规划，并促进对海岸动态的研究。