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
2024年度国家自然科学基金委员会与韩国国家研究基金会合作交流与双边研讨会项目指南 根据国家自然科学基金委员会（NS 12月17日，上海交通大学中银科技金融学院第一届科技成果转化大赛进行决赛。 中国银行上海市分行行长、党委书记张守川，上海 即使在新冠疫情期间接种了数十亿剂疫苗后，信使核糖核酸（mRNA）疫苗仍令人惊讶。近日，《自然》发表的一项研究表明，mRNA疫苗可 文｜卜金婷 田瑞颖 《自然》近日发文警告，对人工智能（AI）的不当使用或将催生大量不可靠或无用的研究，导致可重复性 关于发布“2023年度华夏建设科学技术奖”授奖项目的公示 华夏奖字〔2023〕第4号 各有关单位： 2023年度华夏建设科学技术 河南省科学技术厅关于2024年度河南省国际科技合作项目拟立项项目的公示 根据《河南省科技计划项目管理办法（试行）》 。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