基于Stacked ConvLSTM的时间序列森林火烧迹地检测
确定森林火烧迹地的准确时间点以及空间范围对于森林的受损评价、管理、碳核算以及森林恢复的管理有重要意义.由于森林火烧迹地在空间分布上具有一定的连续性,现有的森林火烧迹地提取方法大都采用先分类再后处理的两步处理策略来抑制虚警像素的影响.本文提出将时空检测方法Stacked ConvLSTM用于时间序列森林火烧迹地的检测,在保持结果具有较好空间连续性的基础上避免了具有主观性的后处理操作,实现端到端提取森林火烧迹地信息,提升了森林火烧迹地的提取精度.采用MODIS时间序列数据,基于2001年—2008年以及2001年—2016年的黑龙江沾河林业局伊南河林场和内蒙古自治区毕拉河林业局北大河林场两个区域的历史时间序列,分别对这两个区域2009年以及2017年发生的特大火灾区域进行火烧迹地检测,利用Stacked ConvLSTM、Stacked LSTM以及bfast算法在两个区域的MODIS时间序列中提取森林火烧迹地,并将火烧迹地检测结果与ESA发布的Fire CCI 5.1火烧迹地产品进行对比分析.结果表明:首先,从目视效果来看,在研究区域Ⅰ,Stacked ConvLSTM检测的结果比Stacked LSTM和bfast算法错误检测点少,并且在空间分布也保持较高连续性;在研究区域Ⅱ,Stacked ConvLSTM检测到了较完整的火烧迹地区域.其次,在定量的精度评价指标上,在研究区域Ⅰ,Stacked ConvLSTM的精确度比Stacked LSTM和bfast算法分别高出0.120和0.405,并且召回率、准确度和F1-score也更高,Fire CCI 5.1召回率虽更高,由于错检区域较大,其他精度指标远低于Stacked ConvLSTM;在研究区域Ⅱ,Stacked ConvLSTM精确度达0.924,召回率、准确度和F1-score相比Stacked LSTM和bfast算法以及Fire CCI5.1更高.
Stacked ConvLSTM、时间序列、时空预测、火烧迹地
26
TP391;TP79;F301
国家自然科学基金;国家自然科学基金;中国科学院战略性先导科技专项
2022-12-08（万方平台首次上网日期，不代表论文的发表时间）
共12页
1976-1987
