非洲是全球干旱区分布最广的大陆之一，其干旱和半干旱地区占据全大陆面积的60%以上。干旱地区的地表水遥感提取存在诸多挑战，例如水体随季节变化明显，细小河流多且分散，空间形态复杂多变，增加了识别难度。面向“一带一路”非洲水资源监测和科学管理的需求，针对非洲典型干旱地区地表水的光谱和空间特征，本研究提出了一种基于多尺度信息的地表水遥感提取方法（Multi-scale Fusion U-Net with Global and Local Features，GLF-MFUNet），解决光谱特征差异显著、形态变化复杂、细小水体较多等问题，用于埃及水资源卫星监测，反映了当地的地表水资源状况。首先将Vision Transformer与曼哈顿自注意力机制相结合，用以捕捉遥感影像中的全局信息。然后利用卷积层提取局部信息。最后采用空间注意力和通道注意力有效结合全局信息与局部信息，从而准确地识别和提取水体的连续空间关系。
图1. 非洲干旱地区地表水遥感提取方法架构
本研究提出的GLF-MFUNet基于双路编码器和U-Net++解码器结构，主要使用了MVT（manhattan vision transformer）技术和SPCAI（spatial prior convolutional attention integration）技术，其结构如图1。双路编码器由基于卷积技术的局部特征提取支路和基于MVT技术的全局特征提取支路组成。多尺度局部特征编码器使用最大池化操作对影像降采样，生成不同尺度的特征图。为降低计算成本，本研究在多尺度全局特征提取支路中引入三层MVT技术。将卷积技术和MVT技术输出的深层特征输入SPCAI技术中，利用空间和通道注意力优化特征，抑制噪声。在解码器中通过跳跃连接保留低层特征，利用反卷积恢复影像分辨率并上采样至原始分辨率，以生成地表水提取结果。该逐层融合设计使模型有效利用不同尺度信息，提高地表水提取的准确性和可靠性。
采用2023年7月份的Sentinel-2卫星多光谱遥感影像，然后结合国产高分系列卫星影像和Google Earth影像的目视解译获得标注数据，将每幅影像划分为大小为256×256像素的样本数据，正样本影像与负样本影像比例接近1:1。共选择11177个样本，并随机划分为8129个训练样本、2032个验证样本和1016个测试样本。利用所提方法对非洲典型干旱地区——埃及的地表水进行了精细提取，并与其他常用方法的提取结果进行了对比分析。结果表明该方法不仅提高了细小水体提取的精确性，还在复杂背景、光谱特征差异大的水域中表现出色，对于“一带一路”非洲干旱区地表水资源监测和管理具有较好的应用价值。
图2. 不同方法在不同地理环境中的地表水提取结果对比
本研究提出的GLF-MFUNet模型能够显著提升地表水提取的效果，IoU、F1分数、召回率和精确率分别为94.26%、97.05%、98.18%和95.94%。GLF-MFUNet采用卷积模块作为局部特征提取分支，有效捕捉影像细节，同时结合全局特征提取分支获取全局上下文信息。通过空间和通道注意力机制，该模型增强了全局特征与局部特征的融合，并采用U-Net++作为解码器，进一步提升分割精度和细节恢复能力。在埃及复杂背景下的地表水提取实验中，GLF-MFUNet表现出色，能够准确识别和分割不同环境中的水体，且在IoU、F1分数和精确率等方面超越了其他常用语义分割模型，表明其在处理细小水体、复杂边界和背景方面的有效性与优越性。
图3. 非洲典型干旱地区埃及旱季的地表水遥感提取结果
相关研究成果发表于一区TOP期刊《International Journal of Applied Earth Observation and Geoinformation》（影响因子8.6）
论文信息：Yong Li, Xiuhui Liu, Vagner Ferreira, Heiko Balzter, Huiyu Zhou, Ying Ge, Meiyun Lai, Simin Chu, Han Ding, Zhenrong Gu. Surface water mapping from remote sensing in Egypt’s dry season using an improved U-Net model with multi-scale information and attention mechanism [J]. International Journal of Applied Earth Observation and Geoinformation, 2025, 142: 104666.
论文链接：https://doi.org/10.1016/j.jag.2025.104666
项目支持：国家重点研发计划项目“典型自然资源要素遥感监测技术联合研发与应用示范”（2023YFE0207900），国家自然科学基金项目（41977394，W2432026），英国对地观测中心（NCEO）的英国自然环境研究理事会（NERC）项目（NE/W004895/1）
