摘要：台阶是露天煤矿的重要地物之一,可以反映露天煤矿的生产状态,利用遥感影像提取台阶可以为煤矿生产监测和生态保护修复提供重要依据。该文构建了BenchSegNet深度学习模型,用于从Sentinel-2影像中提取露天煤矿台阶。研究结果表明,BenchSegNet继承了SegFormer强大的泛化性能和U-Net强大的细节信息提取能力,准确率达到97.69%。相较于SegFormer模型,BenchSegNet模型的精确率、召回率和F1分数分别提升了6.19百分点、4.09百分点和5.06百分点,相较于U-Net和ASPP-UNet这2种传统的卷积神经网络模型,3个指标均提升近10百分点,相较于随机森林和支持向量机这2种传统的机器学习算法,3种指标均提升近15百分点。可以看出,BenchSegNet深度学习模型具有较高的精度,同时Sentinel-2卫星具有全球覆盖、重访周期短、空间分辨率高的特点,因此结合Sentinel-2影像和BenchSegNet模型可以有效监测露天煤矿台阶的变化过程。
