近期，林學(xué)院張曉麗教授團(tuán)隊以“FCDNet: A Multiscale Attention Network for Forest Change Detection Using Dual-Temporal Very-High-Resolution Remote Sensing Images”為題，在《IEEE Transactions on Geoscience and Remote Sensing》（一區(qū)TOP，IF=8.6）期刊上發(fā)表研究成果。
森林變化檢測是生態(tài)保護(hù)和可持續(xù)資源管理的重要技術(shù)基礎(chǔ)。相比城市與農(nóng)田場景，森林變化檢測研究仍相對欠缺，而氣候變化、生態(tài)退化等全球性問題對實時、精細(xì)化的森林檢測提出了更高要求。隨著遙感技術(shù)的快速發(fā)展，如何在高季節(jié)性、跨年變化顯著的復(fù)雜森林環(huán)境中準(zhǔn)確識別細(xì)微變化，成為當(dāng)前領(lǐng)域的重大挑戰(zhàn)。
針對上述問題，研究團(tuán)隊構(gòu)建了FCDNet多尺度注意力森林變化檢測網(wǎng)絡(luò)。該網(wǎng)絡(luò)以雙時相超高分辨率遙感影像為輸入，融合多尺度特征聚合與自適應(yīng)通道注意力機(jī)制，能夠同時提升對細(xì)粒度林分變化的敏感度與對時空變化的魯棒性。通過充分挖掘影像在不同尺度與不同時間維度的結(jié)構(gòu)信息，F(xiàn)CDNet在復(fù)雜季節(jié)過渡、跨年波動等場景下仍保持了穩(wěn)定且優(yōu)秀的檢測性能。實驗結(jié)果表明，該方法在多個公開變化檢測數(shù)據(jù)集上均取得了領(lǐng)先水平：在Forest Change Detection (FCD)、LEVIR-CD與WHU-CD數(shù)據(jù)集上分別達(dá)到了78.51%、90.48%、92.57%的F1分?jǐn)?shù)，顯著優(yōu)于現(xiàn)有主流算法。研究成果為森林資源動態(tài)監(jiān)測提供了高精度、可推廣的新方法，對生態(tài)保護(hù)、森林經(jīng)營管理及政策制定具有重要應(yīng)用價值。
FCDNet：多尺度注意力森林變化檢測網(wǎng)絡(luò)
林學(xué)院本科生王駿為第一作者，張曉麗教授為通訊作者。博士生姚宗琦、博士畢業(yè)生陳龍、本科生楊蕊菁共同參與了研究工作。該研究得到了國家重點研發(fā)計劃項目“天空地一體化森林資源監(jiān)測技術(shù)示范”（2023YFD2201700）和國家重點研發(fā)計劃國際合作項目“中歐對地觀測合作森林監(jiān)測技術(shù)與示范應(yīng)用”（2021YFE0117700）的資助。
論文鏈接：https://ieeexplore.ieee.org/document/11240194
