近日，地科學院碩士生葉茂林在導師王慶副教授的指導下，于SCI二區期刊《Computers & Geosciences》發表題為《A combined deep learning and morphology approach for DFS identification and parameter extraction》的研究論文，提出一種融合深度學習與河流形态學的分布式河流系統（DFS）參數自動化提取方法，為沉積盆地分析與資源勘探提供了智能化解決方案。

為了能夠自動化的提取分支河流體系河道參數，便于對其進行研究表征，提出一種結合深度學習和形态學的方法，自動提取分支河流體系的河道參數。首先，提出Segformer與ASPP融合優化的Seg_ASPP模型，用于生成河網掩膜；随後使用累計成本和多項式拟合算法提取河流掩膜中心線，并設計一種根據掩膜中心線提取分支河流體系河道長度、寬度和彎曲度的方案。最後，選取柴達木盆地格爾木地區的分支河流體系區域作為實驗區，使用多個深度學習模型對分支河流體系的河道進行預測。與Seg_ASPP模型提取掩膜的精度進行對比評估，将使用該方法自動提取得到的參數值與人工測量的真實值進行誤差對比，長度、寬度和彎曲度的平均相對誤差分别為10.22%、13.57%和5.41%；通過格網化方法，對格爾木實驗區的分支河流體系的河流扇進行定量表征，根據參數距頂點距離不同的變化，将該分支河流體系分為辮狀河段、辮曲共生段和低彎曲河流段。本文提出的DFS參數提取方法在實際應用中有巨大的潛力和應用前景，能對油氣儲層和地質研究領域提供高效的數據獲取方法。

《Computers & Geosciences》是一本以地學-地球科學綜合綜合研究為特色的國際期刊。JCR1區，SCI二區該刊由Elsevier Ltd出版商創刊于1975年，刊期Monthly。該刊已被國際重要權威數據庫SCIE收錄。期刊聚焦地學-地球科學綜合領域的重點研究和前沿進展，及時刊載和報道該領域的研究成果，緻力于成為該領域同行進行快速學術交流的信息窗口與平台。該刊2023年影響因子為4.2。CiteScore指數值為9.3。

論文鍊接：https://www.sciencedirect.com/science/article/pii/S0098300425000068

圖1 Seg_ASPP網絡模型

圖2 模型精度對比

圖3 論文