[论文解读] Monitoring the Impact of Wildfires on Tree Species with Deep Learning

Zhou Wang, Levente J. Klein|arXiv (Cornell University)|Nov 4, 2020

Fire effects on ecosystems参考文献 25被引用 4

一句话总结

本文提出一种深度学习模型，用于在野火前后对四波段航空影像中的树种进行分类，准确率达到92.2%。研究揭示了长期影响，如火烧迹地内针叶树再生减少和灌木侵入，展示了该方法在大范围内长期追踪生态变化的能力。

ABSTRACT

One of the impacts of climate change is the difficulty of tree regrowth after wildfires over areas that traditionally were covered by certain tree species. Here a deep learning model is customized to classify land covers from four-band aerial imagery before and after wildfires to study the prolonged consequences of wildfires on tree species. The tree species labels are generated from manually delineated maps for five land cover classes: Conifer, Hardwood, Shrub, ReforestedTree and Barren land. With an accuracy of $92\%$ on the test split, the model is applied to three wildfires on data from 2009 to 2018. The model accurately delineates areas damaged by wildfires, changes in tree species and rebound of burned areas. The result shows clear evidence of wildfires impacting the local ecosystem and the outlined approach can help monitor reforested areas, observe changes in forest composition and track wildfire impact on tree species.

研究动机与目标

• 为解决由于野外调查稀疏且不规则，难以监测野火后长期树种组成变化的问题。
• 开发一种可扩展的自动化方法，利用高分辨率航空影像对树种进行分类，以支持大范围森林监测。
• 量化重复野火对树种更新和生态系统转变的影响，特别是在加州沙加缅度山脉等气候脆弱区域。
• 使森林和环境管理部门能够利用遥感与深度学习技术，长期追踪造林成效与生态恢复进程。

提出的方法

• 使用2009至2018年间采集的来自NAIP数据集的四波段航空影像（红、绿、蓝、近红外），重采样至0.6米分辨率。
• 利用2011年手工绘制的土地覆盖图生成五种类别的训练标签：针叶树、阔叶树、灌木、人工造林树、裸地。
• 应用深度学习模型（具体架构未详述）对32×32像素图像块进行分类，依据光谱特征和植被指数。
• 通过过滤低NDVI样本，排除非植被或低植被区域，以提高模型泛化能力并减少噪声。
• 在93,849个样本上进行训练，验证集和测试集各5,000个样本，使用筛选后的数据集以确保类别平衡与数据质量。
• 将训练好的模型应用于三个历史野火区域（2013年瑞典野火、2017年沃尔德野火、2007年弗莱彻野火），生成时间序列分类图。

实验结果

研究问题

• RQ1 深度学习模型在多个人工智能分类任务中，能否在多年间对野火前后航空影像中的树种进行高精度分类？
• RQ2 在野火频发区域，重复野火后树种组成的长期变化如何？
• RQ3 野火在多大程度上阻碍了沙加缅度山脉地区关键树种（如针叶树和阔叶树）的再生？
• RQ4 深度学习模型能否检测并量化野火后从森林向灌木主导或裸地的转变？
• RQ5 造林措施的存在在多大程度上影响了烧毁区域随时间推移的恢复轨迹？

主要发现

• 深度学习模型在测试集上达到92.2%的准确率，表明其在从航空影像中分类树种方面具有高度可靠性。
• 2013年瑞典野火后，受影响区域18%转为裸地，阔叶树和针叶树覆盖面积显著减少。
• 2017年沃尔德野火中，大多数阔叶树和人工造林树区域消失，灌木覆盖面积增至三倍，表明生态系统正向易燃植被转变。
• 受影响区域的针叶树覆盖随时间持续下降，表明其对气候与野火压力具有长期脆弱性。
• 在未经历重复野火的区域（如2007年弗莱彻野火地点），裸地面积持续减少，人工造林树覆盖面积持续增加，表明自然恢复具有潜力。
• 模型成功捕捉到频繁烧灼区域从森林向灌木主导景观的转变，凸显生态系统发生不可逆变化的风险。