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。
误差图斑与实际情况。受访者 供图
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。
高空距离误差图斑。受访者 供图
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
12月11~15日，第32届Texas相对论天体物理学研讨会（Texas Symposium on Relativistic Astrophysics）在上海交通大学李政 人类蛋白质KRAS（蓝色）与其伴侣之一RAF1（黄色）相互作用的三维图。图片来源：西班牙巴塞罗那基因组调控中心 科技日报北京12 关于2023年第二批拟备案的省自然科学基金结题验收项目的公示 根据《河南省自然科学基金项目管理办法》（豫科〔2022 过去的数个月，对我国道路交通智能检测领域知名专家赵祥模教授来讲，一如既往地保持着忙碌而有序的“快节奏”，他从容地在多 为纪念中国航空仪表技术与惯性技术的奠基人、北京航空航天大学建校元老林士谔先生110周年诞辰暨北航仪器科学与光电工 “科学探索奖”5周年之后再出发。作为目前国内金额最高的青年科技人才资助计划之一，第六届“科学探索 。本文链接：新技术可自动快速检测森林变化情况http://www.sushuapos.com/show-11-13137-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 安徽省发布科学技术奖励评审委员会会议通知
下一篇： 智能文档处理“百宝箱”助力文档应用开发