近期,北京理工大学信息与电子学院博士生桂媛媛、李伟教授,美国特拉华大学电子与计算机工程系夏香根教授与瑞士联邦森林、雪和景观研究所汪祖媛研究员、Birgit Eben技术人员, Christian Ginzler研究员共同合作,提出了一种用于历史黑白遥感影像的树木测绘方法,研究结果以《Mapping countrywide historical tree cover usingsemantic segmentation》为题,发表于顶级期刊电气和电子工程师协会地学与遥感汇刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS,影响因子IF: 7.5)。
图1跨时域黑白遥感图像树木测绘框架
本文是课题组关于跨时域遥感影像树木测绘最新的研究成果。在全球气候变化加快的背景下,快速评估和了解树木的动态必不可少。虽然现代遥感技术提供了多种测绘树木覆盖的方法,但这些方法应用在图像质量相对较差的历史遥感数据上精度较低,这也使得研究人员难以了解树木长期动态变化趋势。
图2 单波段图像树木语义分割网络
在这项研究中,分辨率高、质量稳定的遥感图像被用于瑞士全境跨时域树木测绘。具体来说,本工作首先选取小面积的2018与2019年遥感图像与树高计算模型结果,将它们转为黑白图像与树木标签。通过多种图像增强操作,使语义分割网络适应不用质量的图像输入。文章所提出的语义分割网络B&WTreeNet可在缺乏光谱信息的情况下平衡图像灰度,并高效提取遥感图像中的树木特征,有着较高的树木分割精度。除此之外,文章探讨了宽视场遥感图像在语义分割任务中常遇到的边缘窗问题,并提出多种缓解方法。最后,本工作被应用于1980年代的瑞士全境树木覆盖测绘,测试精度达到93.68%。本工作所提出的强泛化语义分割框架,仅利用较少的训练图像即可达到对跨时域遥感图像高精分割的目的,并在1980年代与1940年代的瑞士历史图像树木覆盖测绘任务中拥有较好表现,方便了研究人员对长期气候变化下的树木覆盖演变情况进行观察。
图3瑞士1980年代全国树木覆盖制图产品
本工作由北京理工大学,美国特拉华大学与瑞士联邦森林、雪和景观研究所(WSL)共同完成。其中,瑞士联邦森林、雪和景观研究所为本工作提供了充足遥感图像、树高计算模型结果、人工解译结果等关键数据。博士生桂媛媛于2023年10月通过联合培养项目赴瑞士联邦森林、雪和景观研究所遥感组进行学习与研究,参与历史遥感图像树木覆盖测绘与森林水渠检测项目。