多光谱无人机的林木火灾受损信息提取研究2.0-德赢Vwin官网网

续~

4.3 林木火灾受损信息提取

研究共选择多光谱影像的5个单波段、3种植被指数和20个纹理特征(5个波段的均值、对比度、二阶矩和相关性)，共28个影像特征，构建ＲF和SVM模型分析林木受损空间分布格局，如图7所示。

图 7 分类结果图

均可清晰地看出火灾后林木不同程度的受损分布，未伤木斑块较完整，水泥路提取较为清晰。其中，烧毁木区域(右下红圈)分类结果图对比可知，2种分类方法均存在局部烧毁木错分成道路的情况，但ＲF结果图中烧毁木提取效果明显优于SVM;由未伤木区域(左上红圈)分类结果图对比可知，SVM分类器将树冠间含有的小面积阴影部分误判为烧伤木，ＲF分类器能够把相同位置阴影部分所属类别正确探测出来使用OA、Kappa系数、PA、UA和F值定量评价2种分类方法，如表4所示。

表 4 分类结果精度比较

由表中整体分类效果可知，ＲF分类器总精度高于SVM，对林木受损程度识别总精度为89．76%，Kappa系数为0．85，相比于SVM，总体精度提升4．41%，Kappa系数提高6．25%。在单个林木受害程度类型分类精度上，SVM分类结果中道路和未伤木错分、漏分情况均低于15%，其中道路分类精度为89．93%，未伤木分类精度高98．40%。相比于其它林木受害类型，烧死木漏分情况和烧毁木错分情况较为严重，分别38．17%31．09%。同等条件下，ＲF对各受损程度类型的漏分、错分和分类精度均有所改善，烧死木漏分率和烧毁木错分率分别降低了19．54%和5．47%，未伤木分类精度提高了0．92%，烧伤木漏分情况显著降低了59．27%。总体来说，本研究对于林木受损信息提取，采用ＲF模型的分类精度明显优于SVM模型，但对于面积小且分散的树林阴影和道路阴影，存在提取效果相对较差的情况。

五、讨论与结论

5.1 讨论

本研究采用光谱信息较为丰富的多光谱无人机影像数据，其含有ＲGB三波段及对植被健康状况敏感的红边波段和近红外波段。同时，采用机器学习算法中的SVM和ＲF综合植被指数、纹理特征和光谱特征等，实现了灾后林木受损程度划分。研究表明该方法对提高森林火灾调查精度和效率具有一定的可行性。通过分析研究方法和结果，发现影响火灾灾后林木受损信息提取的成因有以下几个方面:

1)遥感影像数据的获取。卫星遥感影像在森林火灾研究中能够实时监测大范围火灾情况及大尺度火场信息提取，由于卫星影像的时效性，难以及时获取火灾后火烧迹地影像而影响林木受损信息的客观提取。可见光无人机相对卫星遥感具有操作简便、空间分辨率高和成本低等优势，便于实时勘察中小尺度火场，同时能有效识别不同受损程度林木在过火区域的分布格局。而多光谱无人机影像较可见光无人机，增加了对植被健康状况敏感的红边和近红外波段，可提高不同受损程度林木的识别精度。

2)遥感影像特征选取。不同受损程度的林木在红边波段和近红外波段范围内反射率差异较大。研究结果与刘倩等基于高分六号卫星影像数据的近红外和红边波段对过火区域区分度较高的结论基本一致。文中采用红边及近红外波段构建植被指数对火灾后林木受损信息提取与黄建文等提取植被指数的思路较吻合。研究在利用植被指数认别火烧迹地的基础上，增加了不同受损林木纹理特征，有效抑制了“同谱异物，同物异谱”现象的影响，有助于不同受损程度林木的识别。

3)不同受损程度的林木提取效果。研究利用含有红边及近红外多光谱无人机影像数据，选用非参数机器学习方法，ＲF和SVM分类器，模型参数较为复杂，但比传统分类的精度高。

虽然利用多光谱无人机可较精确提取不同林木火灾受损程度信息，但更高精度与实践可行的信息提取方法值得深入研究。一方面，深度学习方法的运用，如卷积神经网络、全连接神经网络和循环神经网络等，是否能提高林木火灾受损信息提取精度值得探索。另一方面，研究区道路是由水泥路和土路共同组成，土路因周边烧毁林木灰烬覆盖和浸染而呈焦黑色，从而在目视解译样本中可能存在误判，将成林烧毁木误判为道路，从而影响识别精度。

此外，研究提出的方法适用于中小区域尺度的树冠火及地表火造成的林木树干、树冠的受损信息提取，对国家林业行业标准中林木受损信息评估的替代具有一定的可行性。但针对大面积森林火灾的林木受损程度调查而言，可综合多光谱无人机数据与卫星影像数据，采用多光谱无人机获取高地面分辨率影像数据作为点尺度上的调查，多光谱卫星影像获取大尺度火场信息，以点、面结合方式实现大面积森林火灾林木受损信息提取。

5.2 结论

本文基于多光谱无人机影像数据，以火灾后受损状况不同的林木为研究对象，结合单波段光谱信息、植被指数和纹理特征，使用SVM和ＲF进行对比研究，主要结论如下:

1)通过分析受损林木光谱特征得出，在红边及近红外波段区域内各地类的反射率差异较大，在此基础上构建的植被指数区分能力不同，NDVI和mSＲrededge为研究区分离不同受损程度林木的最好植被指数，NDVIrededge的分离性次之，而PSＲI区分能力较弱。

2)综合5个单波段特征、3个植被指数和20个纹理特征的林木受损程度提取方法中，ＲF分类器的分类结果明显比SVM分类器的效果好，其中ＲF分类器的总体精度和Kappa系数分别89．76%和0．85。

3)无人机具有地面分辨率高、操作灵活等特点，可快速获取过火区域的高空间分辨率影像，与传统调查方法相比，使用多光谱无人机进行小范围典型森林火灾区域林木受损程度信息提取效率更高，是对大区域森林火灾受损信息提取的补充。对火烧迹地研究和森林火灾的监测影像识别等具有重要参考价值。

基于无人机多光谱遥感的棉花生长参数和产量估算

无人机平台能够快速获取高时空分辨率的遥感数据,以山东省滨州市棉花为研究对象,利用安装在无人机上的多光谱相机获取遥感影像,分别

发表于 08-21 14:29 •468次阅读

基于<b class='flag-5'>无人机</b><b class='flag-5'>多</b><b class='flag-5'>光谱</b>遥感的棉花生长参数和产量估算

无人机机载高光谱成像系统的应用及优势

　　随着无人机技术的快速发展，基于无人机平台的高光谱成像系统在多个领域中得到了广泛应用。本文将介绍一款小型多旋翼无人机机载高

发表于 08-15 15:03 •673次阅读

<b class='flag-5'>无人机</b>机载高<b class='flag-5'>光谱</b>成像系统的应用及优势

【《时间序列与机器学习》阅读体验】+ 时间序列的信息提取

之前对《时间序列与机器学习》一书进行了整体浏览，并且非常轻松愉快的完成了第一章的学习，今天开始学习第二章“时间序列的信息提取”。先粗略的翻阅第二章，内容复杂，充斥了大量的定义、推导计算、代码，好在

发表于 08-14 18:00

多光谱无人机及机器学习的林木火灾受损信息提取研究2.0

续~ 4.3 林木火灾受损信息提取 研究共选择多光谱

发表于 04-18 14:47 •326次阅读

基于多光谱无人机及机器学习的林木火灾受损信息提取研究1.0

受损程度信息精确获取对于火灾评估及生态修复等具有重要作用，也是现代林火管理的重要内容。传统的火灾林木受损

发表于 04-10 14:34 •304次阅读

第四集知语云智能科技无人机反制技术与应用--无人机的组成与工作原理

”，负责处理各种传感器数据，控制无人机的飞行姿态和轨迹。传感器：传感器是无人机的“感官”，包括GPS、陀螺仪、加速度计等，用于感知无人机的姿态、速度和位置信息。通信系统：

发表于 03-12 11:28

第三集知语云智能科技无人机反制技术与应用--无人机的应用领域

随着科技的飞速发展，无人机技术已经渗透到我们的日常生活中，无论是航拍美景、农业喷洒、快递配送，还是灾害救援、军事侦察，无人机的身影都越来越常见。然而，随着无人机使用的普及，其安全问题也日益凸显

发表于 03-12 11:13

第二集知语云智能科技无人机反制技术与应用--无人机的发展历程

随着科技的飞速发展，无人机技术日益成为当今社会的热门话题。从最初的军事侦察到如今的民用消费，无人机凭借其灵活性和高效性，在航拍、农业、物流等多个领域大放异彩。然而，无人机技术的广泛应用也带来

发表于 03-12 10:56

第一集知语科技无人机反制技术与应用--无人机的定义与分类

随着科技的飞速发展，无人机技术已成为当今社会的热点话题。从航拍、农业喷洒到军事侦察，无人机的应用领域日益广泛。然而，无人机技术的普及也带来了一系列安全隐患，无人机反制技术应运而生。本文

发表于 03-12 10:42

无人机全景监测：空域管理的新革命

随着科技的飞速发展，无人机技术已成为现代空域管理领域的一股新兴力量。无人机全景监测以其高效、精准的特点，正逐渐成为提升空域管理效率的关键。知语云智能科技在这一领域的前瞻性研究和应用，为航空安全和管理

发表于 02-20 15:23

Snap无人机因火灾隐患被召回

据悉，Snap的Pixy无人机累积销量约7.1万台，近期发布公告称，因存在火灾隐患，已联合美国消费品安全委员会发起召回计划。此外，IT之家了解到，已有四起关于Pixy无人机电池故障的报告，其中一例引发轻度

发表于 02-02 11:06 •764次阅读

无人机高光谱影像是否真的可以提升农业生产效率？

农业是全球经济中的重要组成部分，而提高农业生产效率一直是农业领域的重要挑战之一。随着科技的不断发展，无人机高光谱影像技术逐渐引起了广泛关注。这项技术利用无人机搭载的高光谱传感器来获取农

发表于 01-30 11:53 •504次阅读

[莱森光学]使用无人机高光谱成像系统进行地表监测

近年来，随着遥感技术的迅速发展和无人机（Unmanned Aerial Vehicle，UAV）技术的普及，使用无人机搭载高光谱成像系统进行地表监测成为了一种新兴且高效的方法。这种结合了无人机

发表于 01-17 13:51 •418次阅读

针对无人机成像应用的镜头设计

无人机成像的另一个重要应用是：植被的多光谱和高光谱成像。多光谱成像是在多个单独的波长区域收集数据

发表于 01-14 14:03 •1254次阅读

无人机多光谱相机有什么用

的原理、优势和应用。首先，我们需要了解无人机多光谱相机的原理。与传统的相机不同，多光谱相机能够同时捕获不同波长范围的

发表于 01-11 11:22 •2564次阅读