續(xù)~

4.3 林木火災受損信息提取

研究共選擇多光譜影像的5個單波段、3種植被指數(shù)和20個紋理特征(5個波段的均值、對比度、二階矩和相關性)，共28個影像特征，構建ＲF和SVM模型分析林木受損空間分布格局，如圖7所示。

圖 7 分類結果圖

均可清晰地看出火災后林木不同程度的受損分布，未傷木斑塊較完整，水泥路提取較為清晰。其中，燒毀木區(qū)域(右下紅圈)分類結果圖對比可知，2種分類方法均存在局部燒毀木錯分成道路的情況，但ＲF結果圖中燒毀木提取效果明顯優(yōu)于SVM;由未傷木區(qū)域(左上紅圈)分類結果圖對比可知，SVM分類器將樹冠間含有的小面積陰影部分誤判為燒傷木，ＲF分類器能夠把相同位置陰影部分所屬類別正確探測出來使用OA、Kappa系數(shù)、PA、UA和F值定量評價2種分類方法，如表4所示。

表 4 分類結果精度比較

由表中整體分類效果可知，ＲF分類器總精度高于SVM，對林木受損程度識別總精度為89．76%，Kappa系數(shù)為0．85，相比于SVM，總體精度提升4．41%，Kappa系數(shù)提高6．25%。在單個林木受害程度類型分類精度上，SVM分類結果中道路和未傷木錯分、漏分情況均低于15%，其中道路分類精度為89．93%，未傷木分類精度高98．40%。相比于其它林木受害類型，燒死木漏分情況和燒毀木錯分情況較為嚴重，分別38．17%31．09%。同等條件下，ＲF對各受損程度類型的漏分、錯分和分類精度均有所改善，燒死木漏分率和燒毀木錯分率分別降低了19．54%和5．47%，未傷木分類精度提高了0．92%，燒傷木漏分情況顯著降低了59．27%。總體來說，本研究對于林木受損信息提取，采用ＲF模型的分類精度明顯優(yōu)于SVM模型，但對于面積小且分散的樹林陰影和道路陰影，存在提取效果相對較差的情況。

五、討論與結論

5.1 討論

本研究采用光譜信息較為豐富的多光譜無人機影像數(shù)據(jù)，其含有ＲGB三波段及對植被健康狀況敏感的紅邊波段和近紅外波段。同時，采用機器學習算法中的SVM和ＲF綜合植被指數(shù)、紋理特征和光譜特征等，實現(xiàn)了災后林木受損程度劃分。研究表明該方法對提高森林火災調查精度和效率具有一定的可行性。通過分析研究方法和結果，發(fā)現(xiàn)影響火災災后林木受損信息提取的成因有以下幾個方面:

1)遙感影像數(shù)據(jù)的獲取。衛(wèi)星遙感影像在森林火災研究中能夠實時監(jiān)測大范圍火災情況及大尺度火場信息提取，由于衛(wèi)星影像的時效性，難以及時獲取火災后火燒跡地影像而影響林木受損信息的客觀提取?？梢姽鉄o人機相對衛(wèi)星遙感具有操作簡便、空間分辨率高和成本低等優(yōu)勢，便于實時勘察中小尺度火場，同時能有效識別不同受損程度林木在過火區(qū)域的分布格局。而多光譜無人機影像較可見光無人機，增加了對植被健康狀況敏感的紅邊和近紅外波段，可提高不同受損程度林木的識別精度。

2)遙感影像特征選取。不同受損程度的林木在紅邊波段和近紅外波段范圍內反射率差異較大。研究結果與劉倩等基于高分六號衛(wèi)星影像數(shù)據(jù)的近紅外和紅邊波段對過火區(qū)域區(qū)分度較高的結論基本一致。文中采用紅邊及近紅外波段構建植被指數(shù)對火災后林木受損信息提取與黃建文等提取植被指數(shù)的思路較吻合。研究在利用植被指數(shù)認別火燒跡地的基礎上，增加了不同受損林木紋理特征，有效抑制了“同譜異物，同物異譜”現(xiàn)象的影響，有助于不同受損程度林木的識別。

3)不同受損程度的林木提取效果。研究利用含有紅邊及近紅外多光譜無人機影像數(shù)據(jù)，選用非參數(shù)機器學習方法，ＲF和SVM分類器，模型參數(shù)較為復雜，但比傳統(tǒng)分類的精度高。

雖然利用多光譜無人機可較精確提取不同林木火災受損程度信息，但更高精度與實踐可行的信息提取方法值得深入研究。一方面，深度學習方法的運用，如卷積神經(jīng)網(wǎng)絡、全連接神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡等，是否能提高林木火災受損信息提取精度值得探索。另一方面，研究區(qū)道路是由水泥路和土路共同組成，土路因周邊燒毀林木灰燼覆蓋和浸染而呈焦黑色，從而在目視解譯樣本中可能存在誤判，將成林燒毀木誤判為道路，從而影響識別精度。

此外，研究提出的方法適用于中小區(qū)域尺度的樹冠火及地表火造成的林木樹干、樹冠的受損信息提取，對國家林業(yè)行業(yè)標準中林木受損信息評估的替代具有一定的可行性。但針對大面積森林火災的林木受損程度調查而言，可綜合多光譜無人機數(shù)據(jù)與衛(wèi)星影像數(shù)據(jù)，采用多光譜無人機獲取高地面分辨率影像數(shù)據(jù)作為點尺度上的調查，多光譜衛(wèi)星影像獲取大尺度火場信息，以點、面結合方式實現(xiàn)大面積森林火災林木受損信息提取。

5.2 結論

本文基于多光譜無人機影像數(shù)據(jù)，以火災后受損狀況不同的林木為研究對象，結合單波段光譜信息、植被指數(shù)和紋理特征，使用SVM和ＲF進行對比研究，主要結論如下:

1)通過分析受損林木光譜特征得出，在紅邊及近紅外波段區(qū)域內各地類的反射率差異較大，在此基礎上構建的植被指數(shù)區(qū)分能力不同，NDVI和mSＲrededge為研究區(qū)分離不同受損程度林木的最好植被指數(shù)，NDVIrededge的分離性次之，而PSＲI區(qū)分能力較弱。

2)綜合5個單波段特征、3個植被指數(shù)和20個紋理特征的林木受損程度提取方法中，ＲF分類器的分類結果明顯比SVM分類器的效果好，其中ＲF分類器的總體精度和Kappa系數(shù)分別89．76%和0．85。

3)無人機具有地面分辨率高、操作靈活等特點，可快速獲取過火區(qū)域的高空間分辨率影像，與傳統(tǒng)調查方法相比，使用多光譜無人機進行小范圍典型森林火災區(qū)域林木受損程度信息提取效率更高，是對大區(qū)域森林火災受損信息提取的補充。對火燒跡地研究和森林火災的監(jiān)測影像識別等具有重要參考價值。

推薦：

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學醫(yī)療、精準農業(yè)、礦物地質勘探等領域的最新產品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇