近年来,全球变暖加剧,森林火灾频发,严重威胁生态安全和社会经济发展。传统的火灾监测方式,如地面巡逻、瞭望塔观测和卫星遥感,在监测早期小火点时存在较大挑战。如何利用先进技术提高森林火灾早期预警能力,已成为森林防火领域亟待解决的重要问题。
广东省科学院广州地理研究所周霞研究员团队基于深度学习与多源遥感数据融合技术,提出了一种基于无人机可见光-红外图像融合的森林火灾检测新方法(FFDM-F)。该研究通过优化图像配准与融合技术,提高了小型火源的检测精度,为森林防火提供了更精准、高效的技术支持。
图1. (a)-(c)为原始模型检测结果;(d)-(f)为FFDM-F检测结果
研究基于一种深度学习驱动的图像配准与融合方法,利用加权模板匹配(TWMM)算法,实现了高精度的图像对齐,从而增强了火源检测的准确性;构建了基于YOLOv5s的森林火灾检测模型(FFDM-F),优化了小目标检测能力,相较于传统方法,检测精度提高了10%以上,同时有效降低了误报率。
图2. (a)和(d)为光学图像检测结果;(b)和(e)为红外图像检测结果;(c)和(f)为融合图像检测结果
该研究表明,无人机+多源遥感数据+深度学习的结合,为森林火灾早期预警提供了新的技术路径,有助于提升森林火灾监测的智能化水平。
研究成果发表于《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》期刊,省科学院地理所牛坤龙为第一作者,周霞研究员为通讯作者。系列研究得到广东省科学院实施创新驱动发展能力建设专项和广东省林业科技创新项目(天空地立体化森林火险实时监测及应急处置关键技术)等项目支持。
研究团队在森林火险方面的近期相关研究成果:
[1]Niu Kunlong, Wang Chongyang, Xu Jianhui, Liang Jianrong, Zhou Xia*, Wen Kaixiang, Lu Minjian, Yang Chuanxun. Early Forest Fire Detection With UAV Image Fusion: A Novel Deep Learning Method Using Visible and Infrared Sensors. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2025, 18: 6617-6629.
[2]Niu Kunlong, Wang Chongyang, Xu Jianhui, Yang Chuanxun, Zhou Xia*, Yang Xiankun. An improved YOLOv5s-Seg detection and segmentation model for the accurate identification of forest fires based on UAV infrared image. Remote Sensing, 2023, 15(19): 4694.
[3]Zhou Xia, Yang Ji, Niu Kunlong, Zou Bishan, Lu Minjian, Wang Chongyang, Wei Jiayi, Liu Wei, Yang Chuanxun, Huang Haoling. Assessment of the Forest Fire Risk and Its Indicating Significances in Zhaoqing City Based on Landsat Time-Series Images. Forests, 2023, 14(2): 327.
供稿:遥感地信部
撰稿:牛坤龙
审核:刘飒
审定发布:吴旗韬