一种基于深度学习的滨海湿地动态变化预测方法

本发明公开了一种基于深度学习的滨海湿地动态变化预测方法，其包括：获取研究区域内历史长时间序列的遥感图像，拆分若干图像块；搭建基于时间序列的预测基础数据集；基于多通道数据构建预测的输入数据X；形成位于数据年份范围内的预测样本；构建结合了卷积神经网络与ConvLSTM模块的时空序列语义分割网络模型，将预测样本输入时空序列语义分割网络模型中进行预测；将预测的最大概率的地物类别作为最终预测类别，得到二维数组的类别图，得到目标年份的预测图；对预测图进行处理，得到目标年份高质量的预测图。本方法能够捕捉湿地生态系统在多年尺度上的动态变化趋势，从而为海岸带生态管理与保护提供数据支撑。