森林巡检在森林监测中至关重要。现有的森林图斑变化检测主要基于遥感影像并依靠人工目视判别,工作过程需耗费大量人力和时间。
中南林业科技大学、三亚市林业科学研究院、中国林业科学院热带林业研究所等单位的研究者合作,利用无人机(UAV)和人工智能技术,通过位置和姿态系统数据对无人机拍摄的影像进行几何校正,并采用卷积神经网络提取森林边界,与历史数据对比以识别森林减少区域,再通过平均边界距离算法排除误分类,最终生成精确的森林变化地图,开发出完全自动化的森林变化检测系统。
?
该研究区域位于海南省的铁炉港,处于低纬度地区。该地区深受热带海洋性季风气候影响,全年高温,夏季温和,冬季温暖;年平均气温25.5摄氏度,最冷月份平均气温20.3摄氏度,极端最低气温5.1摄氏度。年平均降水量1255毫米,地形为沙坝-泻湖型港湾,土质为沙土。
研究通过将飞行高度设置为80米和380米来测试不同飞行高度对校正影像的影响。在约80米高度拍摄30张无人机图像进行森林变化检测,深度网络提取了72个森林变化斑块,其中22个斑块被正确识别,而50个斑块被误判。利用平均距离法进一步分析72个变化斑块,获取到被正确识别的斑块61个,误判斑块11个,准确度85%。结果表明,这些自动化方法能有效辅助森林变化检测,提高监测效率。
?
在此基础上,研究人员在380米高度拍摄了50张无人机图像,识别出110个森林变化斑块,其中32个正确识别,78个误判。误判的斑块面积主要小于500平方米,大于750平方米的多为真实变化森林斑块。平均距离阈值设在8米时效果最佳,104个斑块被正确识别,6个斑块被误判,准确度达0.95,召回率0.94,可满足我国森林检测要求。
据介绍,传统森林变化检测依赖于比较不同时期的高分辨率卫星图像,该研究采用UAV技术,利用单幅图像和RTK定位数据进行校正,无需图像拼接,可自动识别和排除错误的森林变化区域,实现超过95%的准确率。
该研究论文近日发表于Forests上。研究得到海南省自然科学基金等项目的资助。
相关论文信息:https://doi.org/10.3390/f15091676
“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)