冻土是冰冻圈的重要组成部分，它对气候变化具有敏感性。冻土冻融状态的识别在水资源管理、寒区工程、农业等方面有着重要的作用。本文基于青藏高原东部的陆地卫星遥感影像和地表钻孔数据，结合前人的框架模型，开展了冻土冻融状态识别的研究。利用MAP（Mean Accuracy Pixel）、MIoU（Mean Intersection over Union）、泰勒图等指标，比较了YOLOv5（You Only Look Once version 5）、YOLOv8两个架构的目标探测模型和U-Net（U-Convolutional Networks）框架下四种不同编码器的语义分割模型。结果表明，目标探测模型中YOLOv8-Large在冻融识别任务下有更好的表现，语义分割模型中ResNet34编码器的抗干扰性最强，能够在噪声较多的影像中完成较高精度的冻融识别。我们的研究提供了一种新的高分辨率的途径来识别冻土的冻融状态，以更好的服务于冰冻圈科学、水文学、生态学和气候变化等各个研究领域。

冻土,冻融状态,深度学习,青藏高原东部