基于IBN-Net和UAV影像的台风桉树林受灾检测研究

[目的]通过开展山地桉树林风灾损失无人机影像智能检测与评估关键技术研究，为降低用材林风灾损失、加快损失评估以及灾后恢复生产提供技术支撑。[方法]收集并处理广西壮族自治区上思县和博白县在2022年台风“马鞍”(Ma-on)和2023年台风“泰利”(TALIM)危害后桉树风倒林的数据，构建了相应的深度学习数据集。基于该数据集，提出了一种带有非对称全局注意力模块的改进型IBN-Net深度学习图像分割模型。并与目前较为流行的深度学习图像分割网络模型进行对比。[结果]消融实验结果表明，IBN-Net模型的综合评价指标除精度在当前流行的深度学习图像分割网络中综合评价指标最优。其中OA(Overall Accuracy)为0.9405，精确率(Precision)为0.8879，召回率(Recall)为0.9105，IoU为0.8248，F1-Score为0.8722.此外，研究还对不同的数据处理方法以及数字表面模型(DSM)的融合合进行了对比实验。其中我们的数据处理方法检测的桉树风倒林边界更为准确，检测结果更好。但是，在加入DSM层后降低了精确率等一系列评价指标，即表明DSM层不适合基于无人机图像的风倒桉树林智能检测。[结论]无人机和IBN-Net可以有效地检测台风破坏的桉树林，加快风灾后经济损失和生态破坏的评估，并为灾后恢复提供建议。本研究为台风受损桉树林的智能检测提供了实际应用，为基于无人机的灾害数据调查和损失评估提供了关键技术支撑。