森林巡检在森林监测中至关重要。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、三亚市林业科学研究院、中国林业科学院热带林业研究所等单位的研究者合作，利用无人机（UAV）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。

误差图斑与实际情况。受访者 供图

  ?

该研究区域位于海南省的铁炉港，处于低纬度地区。该地区深受热带海洋性季风气候影响，全年高温，夏季温和，冬季温暖；年平均气温25.5摄氏度，最冷月份平均气温20.3摄氏度，极端最低气温5.1摄氏度。年平均降水量1255毫米，地形为沙坝-泻湖型港湾，土质为沙土。

研究通过将飞行高度设置为80米和380米来测试不同飞行高度对校正影像的影响。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。利用平均距离法进一步分析72个变化斑块，获取到被正确识别的斑块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。

高空距离误差图斑。受访者 供图

  ?

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。误判的斑块面积主要小于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0.95，召回率0.94，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UAV技术，利用单幅图像和RTK定位数据进行校正，无需图像拼接，可自动识别和排除错误的森林变化区域，实现超过95%的准确率。

该研究论文近日发表于Forests上。研究得到海南省自然科学基金等项目的资助。

相关论文信息：https://doi.org/10.3390/f15091676