摘要: 在全球气候变暖加剧的背景下，极端高温事件频发，导致干旱加剧和可燃物积累，显著提升了野火发生的风险。日益频繁的野火对生态安全与可持续发展构成严重威胁。目前，火烧迹地识别方法主要依赖单一光谱特征，易受植被物候、地形及大气条件干扰，存在误判和漏判问题。为此，提出通过多特征协同识别策略，旨在提升火烧迹地检测的精度，为精准防控野火提供技术支持。基于随机森林和XGBoost模型计算的SHAP特征重要性，融合多种光谱指数特征、极化特征和原始特征，设计了20种特征组合。结合火烧前后双时相Sentinel-2多光谱与Sentinel-1极化遥感影像，使用基于Transformer的双时态图像变化检测模型（BIT_CD）对中国及周边地区的火烧迹地进行识别。结果表明：（1）改进后的模型在测试集上整体准确率（OA）达到92.7%，较原始模型提升2.36%，交并比（IoU）提升5%~14%，显著增强了模型对火烧区域的识别能力。（2）综合模型的各个指标，确定了最优特征组合为改进型燃烧指数（NBR_PLUS）、Sentinel-1后向散射系数（VV、VH）、红边波段（RE4）及Sentinel-2短波红外波段（S2、S1）的融合特征。研究提出的多特征融入BIT_CD模型能够有效识别火烧迹地，为火灾灾后灾情识别、过火面积评估、灾后重建、生态恢复和可持续发展提供方法参考。
相关信息
点击量
下载量
