摘要: 水坝的检测对于城市规划、生态环境评估等有着重要意义。目前基于遥感的水坝检测研究主要是基于样本集的算法改进或在小区域上的检测,缺乏在大尺度地学区域的实践应用。而在大区域中,水坝分布稀疏,地表存在更多的桥梁等地物会对水坝的检测形成显著干扰。为应对这一问题,该文以大清河流域为例,研究大尺度区域内的水坝遥感检测。该文研究主要分为2个阶段,第一阶段是将容易与水坝混淆的桥梁作为难分负样本(即容易产生假阳性的样本)参加训练,基于DIOR公开数据集改进适合于水坝提取的神经网络结构; 第二阶段是基于优化后的网络以及大区域多源样本数据进行微调训练获取模型,并实现大清河区域的水坝检测。优化后的模型在第一阶段测试中水坝检测F1分数为0.783,在第二阶段大清河流域检测得到了330处水坝,其结果与现有公开的水坝空间分布数据集GRandD相符,且更为详细。结果表明,结合桥梁样本优化训练后的模型可以有效避免对桥梁的误提取,从而提高检测精度。