近日，信息學(xué)院（人工智能學(xué)院）陳志泊教授課題組在高分辨率遙感圖像城市森林樹(shù)種分類研究方面取得關(guān)鍵突破，研究成果以“3D-M2C-ResNet: A Multi-Scale feature enhancement and fusion model for Fine-Scale tree species classification in urban forests”為題，發(fā)表于遙感與地球觀測(cè)領(lǐng)域TOP期刊《International Journal of Applied Earth Observation and Geoinformation》（中國(guó)科學(xué)院一區(qū)TOP期刊，影響因子IF=8.6）。
城市森林作為城市生態(tài)系統(tǒng)的核心組成部分，在碳匯固碳、微氣候調(diào)節(jié)、生物多樣性保護(hù)等方面發(fā)揮著不可替代的作用。雄安新區(qū)造林與城建同步推進(jìn)，精細(xì)、精準(zhǔn)的樹(shù)種分布信息，是生態(tài)資產(chǎn)核算、碳匯評(píng)估及可持續(xù)規(guī)劃的關(guān)鍵依據(jù)。然而，傳統(tǒng)地面調(diào)查存在耗時(shí)費(fèi)力、主觀性強(qiáng)等局限，難以滿足區(qū)域尺度動(dòng)態(tài)監(jiān)測(cè)需求；同時(shí)，高分辨率遙感數(shù)據(jù)雖能提供豐富地物細(xì)節(jié)，但光譜相似樹(shù)種的區(qū)分、多源特征的有效融合等問(wèn)題，仍制約著分類精度的提升。
當(dāng)前主流的樹(shù)種分類方法中，單一高光譜數(shù)據(jù)雖具備精細(xì)光譜分辨率，卻受限于單一時(shí)相，難以捕捉植被物候動(dòng)態(tài)差異；而基于深度學(xué)習(xí)的分類模型常因感受野固定、深淺層特征融合不足，在復(fù)雜城市異質(zhì)環(huán)境中易出現(xiàn)“同譜異物”問(wèn)題。針對(duì)這些挑戰(zhàn)，陳志泊教授團(tuán)隊(duì)提出一種創(chuàng)新性的深度學(xué)習(xí)框架（3D-M2C-ResNet），實(shí)現(xiàn)了高光譜數(shù)據(jù)與物候特征的深度融合及多尺度特征的精準(zhǔn)提取，其核心創(chuàng)新在于多尺度級(jí)聯(lián)空洞卷積（MCDC）、多級(jí)特征增強(qiáng)策略（MFES）與CBAM注意力模塊的協(xié)同設(shè)計(jì)：MCDC通過(guò)三分支空洞卷積擴(kuò)大感受野并避免網(wǎng)格效應(yīng)，MFES融合3D-ResNet50骨干網(wǎng)絡(luò)深淺層特征以解決空間分辨率損失問(wèn)題，CBAM從通道和空間維度強(qiáng)化關(guān)鍵特征、提升光譜相似樹(shù)種區(qū)分能力。
為驗(yàn)證模型性能，團(tuán)隊(duì)在雄安新區(qū)選取兩個(gè)典型實(shí)驗(yàn)區(qū)，涵蓋12種優(yōu)勢(shì)樹(shù)種（如油松、銀杏、國(guó)槐等）及5種土地覆蓋類型，共37298個(gè)標(biāo)注像素。實(shí)驗(yàn)結(jié)果顯示，3D-M2C-ResNet在測(cè)試集上實(shí)現(xiàn)98.08%的總體精度和97.88%的Kappa系數(shù)。此外，消融實(shí)驗(yàn)與可視化分析進(jìn)一步驗(yàn)證了各模塊的有效性，并充分證明了模型在處理類別不平衡、光譜相似性問(wèn)題上的優(yōu)勢(shì)，為實(shí)際城市林業(yè)管理提供了可靠的技術(shù)支撐。
圖1 文章圖形摘要
近年來(lái)，陳志泊教授團(tuán)隊(duì)始終以人工智能技術(shù)與林業(yè)應(yīng)用的深度融合為核心方向，聚焦生物多樣性監(jiān)測(cè)、森林資源和碳匯精準(zhǔn)評(píng)估、智慧林草建設(shè)等領(lǐng)域，在高分辨率遙感圖像解譯、深度學(xué)習(xí)模型優(yōu)化等方面持續(xù)突破。此次成果不僅為城市森林樹(shù)種精細(xì)分類提供了新方法，其“多源數(shù)據(jù)融合+多尺度特征增強(qiáng)”的技術(shù)思路，也為碳匯核算、生態(tài)監(jiān)測(cè)等林業(yè)應(yīng)用場(chǎng)景提供了可推廣的技術(shù)框架。
論文第一作者為信息學(xué)院（人工智能學(xué)院）2024級(jí)博士研究生秦聚爽，通訊作者為陳志泊教授，北京林業(yè)大學(xué)為唯一完成單位。該研究得到了雄安新區(qū)科技創(chuàng)新計(jì)劃（2023XAGG0065）的資助。
