高空距离误差图斑。受访者供图

本报讯（记者王昊昊）森林巡检在森林监测中至关重要。然而，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app研究院、明升中国林业app院热带林业研究所等单位的研究者合作，利用无人机和人工智能技术，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。近日，相关研究成果发表于《森林》（Forests）。

据了解，该研究区域位于海南省的铁炉港，处于低纬度地区。研究将飞行高度设置为80米和380米，测试不同飞行高度对校正影像的影响。研究人员在约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。研究人员利用平均距离法进一步分析72个变化斑块，获取被正确识别的斑块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。

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。误判的斑块面积大多小于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95%，召回率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。该研究采用无人机技术，利用单幅图像和RTK定位数据进行校正，无须图像拼接，可自动识别和排除错误的森林变化区域，准确率超过95%。

相关论文信息：

http://doi.org/10.3390/f15091676