基于改进Mask RCNN的散坟火灾隐患点自动检测与空间分析

作     者：严恩萍 莫登奎 YAN Enping;MO Dengkui

作者机构：中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室湖南长沙410004 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室湖南长沙410004 中南林业科技大学林学院湖南长沙410004 

出 版 物：《自然灾害学报》 (Journal of Natural Disasters)

年 卷 期：2023年第32卷第2期

页      面：99-107页

核心收录：

学科分类：09[农学] 0903[农学-农业资源与环境] 

基　　金：国家自然科学基金项目(31901311,32071682) 中国博士后科学基金项目(2017M620362) 

主　　题：高分辨率遥感 火灾隐患 自动检测 空间分布 改进的Mask-RCNN 

摘      要：散坟是森林火灾风险的一个重要来源,是林业、应急、民政部门需要掌握的重要基础数据。由于缺乏足够的重视,目前国内外鲜有散坟快速检测与自动清查的研究报道。本研究提出一个基于Detectron2工具箱的Mask RCNN识别网络,利用高分辨率航拍影像和实地调查数据对中国湖南长沙县的散坟进行快速检测与自动清查。结合各种空间分布指数,如近邻指数、地理集中指数、不平衡指数和核密度指数,对散落坟墓的空间分布进行绘制和分析。结果表明:改进后的Mask RCNN网络,能够有效识别不同土地覆盖、分布密度和空间区域的散坟目标,平均F1分数分别为90.33%、92.61%和90.41%;研究发现散坟总体呈集群式-随机分布,密度为25.13座/km3,主要受地形和道路因素的影响。研究首次提出绘制散坟火灾隐患点分布数据,对全国散坟的自动检测和及时预警具有潜在的应用价值。