专题：智慧林业 栏目所有文章列表

(按年度、期号倒序)     一年内发表的文章 |  两年内 |  三年内 |  全部 Please wait a minute... 选择: 下载引用 EndNote Reference Manager ProCite BibTeX RefWorks 显示/隐藏图片 Select 1. 基于对抗学习的野生动物图像域适应识别方法 赵恩庭, 张长春, 赵海涛, 张军国 林业科学    2025, 61 (4): 1-8.   doi: 10.11707/j.1001-7488.LYKX20240437 摘要 （66）      PDF （2180KB）（37）    可视化    收藏 目的 针对不同时空场景、物种差异等引发的域偏移问题，提出一种基于对抗学习的野生动物图像域适应识别方法，提升复杂野外环境下无标签野生动物物种识别的泛化性能，为开放环境野生动物分类研究提供有效理论依据。方法 利用野生动物图像的类别信息作为条件构建对抗学习网络模型，通过批光谱惩罚约束和mixup特征对齐方法减轻不同时空场景、物种差异下野生动物图像间的分布差异，建立基于对抗学习的野生动物图像域适应模型实现图像识别。结果 在分别包含8和11种野生动物的域适应数据集上训练和评估本研究提出的方法，与联合对抗学习和特征对齐的野生动物识别基线方法相比，本研究提出方法的平均识别准确率分别提升3.3%、14.0%，精确率分别提升3.3%、20.6%，召回率分别提升3.5%、20.5%，F1值分别提升3.6%、5.1%，基于对抗学习的野生动物图像域适应模型对不同时空场景下野生动物的识别性能明显提升。结论 野生动物图像的类别信息作为对抗学习网络条件，可提供野生动物图像的多模态结构信息，有助于本研究方法更好理解野生动物图像之间的关系，提升野生动物图像域适应学习性能。训练集和测试集图像特征对齐得越好，测试集的图像识别性能越好。本研究为野生动物图像跨域识别研究提供了新的思路和方法。 参考文献 | 相关文章 | 多维度评价 Select 2. 基于GF-1数据的二阶段遥感特征优选与森林地上生物量反演模型 杨菲菲, 张王菲, 赵磊, 赵含, 姬永杰, 王梦金 林业科学    2025, 61 (4): 9-19.   doi: 10.11707/j.1001-7488.LYKX20240485 摘要 （40）      PDF （1715KB）（25）    可视化    收藏 目的 提出二阶段遥感特征选择方法与多机器学习模型结合的思路，探索适用于国产高分一号（GF-1）数据估测森林地上生物量（AGB）的有效模式，为高分系列卫星数据在林业监测中的应用提供参考。方法 首先，从GF-1数据中提取波段光谱特征、纹理特征、植被指数等44个特征变量；然后，基于二阶段特征优选策略优选特征，第一阶段采用过滤式法（Relief）、嵌入式法（Lasso、RF）进行初步筛选，第二阶段通过包装式法（RFE）进一步优化特征子集，提升模型估测能力；最后，利用以往森林AGB估测研究中表现较好的K最近邻（KNN）、支持向量回归（SVR）、随机森林（RF）、梯度提升回归树（GBRT）和极限梯度提升树（XGBoost）机器学习模型进行森林AGB估测，并评估不同特征选择方法与模型之间的匹配度及其对森林AGB估测精度的影响，探寻最优的基于GF-1数据估测森林AGB的策略。结果 1） Relief-RFE方法在XGBoost模型森林AGB反演中取得较优效果（R2 = 0.811，RMSE = 8.45 t·hm–2，rRMSE = 23.39%）。2） 绿光波段纹理特征（mea_b2）能够捕捉到森林地表覆盖物的空间分布信息，如森林的冠层密度、树木分布等空间结构变化信息；蓝光波段光谱特征（b1）对叶绿素和叶色素浓度变化反应敏感，可表征植被健康状况和生长阶段信息，在多种方法的二阶段特征选择中上述2种特征均被选为核心特征用于森林AGB估测。3） 特征优选可显著提升模型性能，XGBoost模型的提升效果明显大于KNN、SVR、RF和GBRT模型。结论 通过对比不同特征选择方法与机器学习模型结合估测森林AGB的效果，验证了二阶段特征优选策略在基于GF-1数据估测森林AGB中的有效性，尤其是将该策略与XGBoost模型结合，能够构建出高精度、高稳健性的森林AGB估测策略。 参考文献 | 相关文章 | 多维度评价 Select 3. 一种基于GC-U-Net模型的立木胸径自动测量方法 常乐, 杜晓晨, 冯海林, 李颜娥, 黄坚钦 林业科学    2025, 61 (4): 20-32.   doi: 10.11707/j.1001-7488.LYKX20240617 摘要 （31）      PDF （3763KB）（13）    可视化    收藏 目的 针对传统测量立木胸径过程中费时耗力、易受人为因素影响、设备价格昂贵等问题，提出一种基于智能手机和深度学习的立木胸径自动测量方法。方法 首先，为达到低成本的立木胸径自动测量需求，采用智能手机获取立木单目RGB图像；然后，为精准提取立木轮廓，提出一种基于GC-U-Net模型的立木图像分割算法，在传统U-Net分割模型基础上，集成VGG16和CBAM增强模型对立木树干特征的识别能力；最后，基于摄影测量原理，构建立木胸径测量模型，利用分割后的树干图像快速准确地计算出立木胸径。结果 相较传统U-Net模型，GC-U-Net模型的平均交并比（mIoU）提升4.38%，平均像素准确率（mPA）提升6.08%，召回率（Recall）提升4.85%；相比Deeplabv3+、PSPNet、SegNet分割模型，GC-U-Net模型可取得更好的树干分割结果，mIoU分别提升6.04%、6.52%、11.0%，mPA分别提升7.93%、7.36%、12.31%，Recall分别提升6.88%、7.83%、11.08%；树干直径测量平均相对误差仅2.37%，拟合度达0.91。结论 与传统立木胸径测量方法相比，本研究方法仅通过智能手机获取立木单目图像即可自动获取胸径，全程无需昂贵的专业设备；图像采集过程中也不需要参照物，简化了现场测量的复杂性，提高了测量效率；同时，GC-U-Net模型还可确保立木胸径测量的准确度。 参考文献 | 相关文章 | 多维度评价 Select 4. 基于特征融合的复杂场景树种跨域泛化分类模型 陈广胜, 温林郅, 张文均, 李超, 于鸣, 景维鹏 林业科学    2025, 61 (4): 33-45.   doi: 10.11707/j.1001-7488.LYKX20240688 摘要 （27）      PDF （1477KB）（15）    可视化    收藏 目的 针对不同区域因气候、土壤等生态因子差异导致的域偏移问题，提出一种基于全局-局部特征融合的单域泛化方法，提升复杂森林场景下无标签树种识别的泛化性能，为跨域树种分类研究提供理论依据和实践支持。方法 选取德国巴登-符腾堡州南部和中国黄山市祁门县西部为源域，德国图林根州中部和中国黄山市祁门县东部为目标域，构建一种全局-局部特征融合网络（HUFNet）模型进行树种分类，HUFNet模型包含基于CNN的编码器层、基于Transformer的解码器层、全局-局部特征融合机制（GLAFE）、特征精炼头（FRH）和边界优化模块（ERV）。模型经源域数据集训练后，在目标域上测试验证其泛化能力，实现复杂场景跨域树种分类。结果 通过多个源域和目标域数据集的对比验证，HUFNet模型在目标域HainichUAV数据集上对针叶和阔叶树种的分类总体准确率（OA）为75.1%，平均交并比（mIoU）为58.3%，相比基于自注意力机制的分类架构分别提升13.7%与11.7%。在目标域HuangshanEast数据集上，HUFNet模型的OA为71.7%，mIoU为56.8%，相比ViT-R50作为编码器的混合架构，OA提升1.2%。结论 HUFNet模型的跨域树种分类性能明显提升，不仅保持了高精度的识别能力，而且在目标域上展现出强大的跨域泛化能力，同时大幅降低了模型的时间复杂度和空间复杂度，适用于资源受限的环境。该模型基于全局-局部特征融合的单域泛化方法，为跨域树种分类提供了新的研究思路。 参考文献 | 相关文章 | 多维度评价 Select 5. 结合改进模拟连续变化检测与分类算法的桉树年龄和蓄积量遥感估测 段彩红, 林辉, 龙江平, 杨培松, 叶子林, 张廷琛, 李洵微, 朱立新 林业科学    2025, 61 (4): 46-55.   doi: 10.11707/j.1001-7488.LYKX20240753 摘要 （33）      PDF （1636KB）（16）    可视化    收藏 目的 通过改进检测算法获取准确年龄变量，在此基础上提升桉树蓄积量遥感估测精度，缓和桉树蓄积量饱和效应问题。方法 以多时相Landsat-8和Sentinel-2为数据源，分析桉树的时间序列生长曲线，融合线性插值和动态识别方法，采用模拟连续变化检测与分类（CCDC）算法识别采伐点，结合普通最小二乘法和斜率截距显著变化分析采伐点并推算桉树年龄。在此基础上，基于遥感特征和桉树年龄构建变量集1（由波段值、植被指数和纹理特征构成）和变量集2（由变量集1和年龄构成），采用多元线性回归（MLR）、k最邻近（KNN）、随机森林（RF）和支持向量机（SVR）4种模型估测桉树蓄积量。结果 模拟CCDC算法对100个样本的识别准确率达82%，年龄与蓄积量之间的距离相关系数为0.71，远高于其他遥感变量。桉树蓄积量估测结果表明：变量集1的R2为0.40，RMSE为41.11 m3 ·hm-2，rRMSE为34%；变量集2的R2为0.83，RMSE为22.08 m3 ·hm-2，rRMSE为18%。变量集1中，模型计算结果较弱，R2较低， RMSE 和 rRMSE 较高；引入年龄的变量集2，模型计算结果显著提升，特别是SVR模型中，R2升至0.83，RMSE 和 rRMSE 明显下降，年龄变量的引入可提高桉树蓄积量模型估测精度。结论 改进的模拟CCDC算法提高了年龄变量的准确性，且年龄与蓄积量呈现显著相关性。年龄变量的引入显著提升了模型性能，估测精度提高16个百分点。 参考文献 | 相关文章 | 多维度评价 Select 6. 基于精细化风速场模拟的山地林火蔓延 徐有城, 万兴永, 陈兵, 赵凤君, 刘晓东, 叶江霞 林业科学    2025, 61 (4): 56-68.   doi: 10.11707/j.1001-7488.LYKX20240473 摘要 （31）      PDF （5524KB）（11）    可视化    收藏 目的 根据山地微环境及其与风速互作机理进行精细化风速场模拟，探究其对林火蔓延精度的影响，为林火科学防控提供参考。方法 以云南省2006年安宁“3.29”火场为研究对象，分析影响林火蔓延的关键气象驱动因子，并在30 m空间尺度上进行风速场GIS地理模拟。基于元胞自动机理论，结合毛贤敏修正的王正非林火蔓延经验模型，实现林火蔓延模拟，通过与历史火场档案及常规反距离权重和克里金内插方法的气象模拟结果进行比较，评估模拟精度。结果 1） 基于机理模型分析的风速驱动因子表明，风速与海拔呈正相关，与坡度、地形起伏度、地表粗糙度和地表温度呈负相关。利用多元线性回归分析构建的30 m空间尺度的平均风速场显示，火灾发生区周围平均风速场最大风速为3.70 m·s–1、最小为0.28 m·s–1。2） 结合火场周围地形及可燃物数据，模拟3月30日—4月3日的火灾发生过程，以火灾历史档案逐日火线范围为参考，精度验证结果表明，基于精细化风速场模拟的结果在不同时间段内均表现出较高的模拟精度，其中4月1日的模拟结果最优，Sørensen系数和重合精度分别为0.83和93.28%，3月30日的模拟结果精度相对较低，Sørensen系数和重合精度分别为0.65和80%。与2组插值风速场模拟结果相比，基于精细化风速场模拟结果的重合精度和SC系数分别最大提高6.67%、11.67%和0.11、0.08。结论 与常规反距离权重和克里金内插方法相比，模拟的30 m尺度风速场数据在空间异质性和连续性方面表现更佳，能够更精细反映山地风速场的空间格局，有效提高林火蔓延模拟精度。本研究综合考虑宏观气象条件和微观地表特征，利用GIS空间建模对影响林火蔓延的关键驱动因子进行精细化刻画，实现了更精准的林火蔓延模拟。 参考文献 | 相关文章 | 多维度评价 Select 7. 改进ConvNeXt网络的树种识别方法 杨兵兵,许杰 林业科学    2025, 61 (2): 31-39.   doi: 10.11707/j.1001-7488.LYKX20240121 摘要 （79）   HTML （14）    PDF （3388KB）（79）    可视化    收藏 目的: 为提高树种识别工作的效率和准确率，提出一种利用迁移学习策略并引入SimAM注意力机制和ECA通道注意力机制的ConvNeXt树种识别模型。方法: 以12种常见树种的树皮图像为研究对象，通过传统数据增强方法对数据进行扩充，防止模型过拟合。使用SimAM和ECA通道注意力机制构建以ConvNeXt为基础的改进网络，增强特征提取的SA-ConvNeXt、增强重要特征权重的E-ConvNeXt、结合两者的ES-ConvNeXt，测试数据集在增强前后对ES-ConvNeXt网络准确率的影响。使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络，与ES-ConvNeXt模型识别效果进行比较。结果: SA-ConvNeXt和E-ConvNeXt准确率分别达到(95.14±0.42)%、(96.085±0.235)%，ES-ConvNeXt在增强后数据集测试的准确率达到(97.445±0.635)%，对单一树种识别准确率均超过93%，最高类别准确率达到99.79%，为最优方案。经数据增强后进行训练的模型与使用原始数据进行训练的模型相比，其验证集的准确率和损失值，无论是收敛速度还是最终稳定值都是最优。数据集相同时，使用ResNet34、ResNet50、GoogLeNet、Swin Transformer、DenseNet121和ConvNeXt网络的识别准确率，分别为92.74%、94.47%、90.52%、92.85%、70.38%、94.72%，均低于新改进模型ES-ConvNeXt（97.81%），进一步说明了改进后的ES-ConvNeXt模型的有效性。结论: 数据增强对模型准确率提升有效，在数据增强后的数据集上，改进后的ES-ConvNeXt模型与其他模型相比可以更加准确地完成树种分类任务，在不同树种上也有较好的泛化能力。 图表 | 参考文献 | 相关文章 | 多维度评价 Select 8. 基于多尺度序列特征融合的林区害虫检测算法 唐延龄,韩巧玲,赵玥,刘卫平,郑一力,赵燕东,徐钐钐 林业科学    2025, 61 (2): 21-30.   doi: 10.11707/j.1001-7488.LYKX20240479 摘要 （112）   HTML （15）    PDF （5560KB）（97）    可视化    收藏 目的: 针对虫情测报灯采集到的林区害虫样本种类多、尺寸复杂及密集遮挡问题，提出了一种多尺度序列特征融合检测算法（MPD-YOLO），用于提升林区害虫检测的精确度，为林区害虫监测和防护提供了新的技术路径。方法: 首先，以采集于北京、河北、山西等地的林区害虫图像为基础，构建包含18类林区害虫的数据集。数据集涵盖不同场景下的害虫图像，为算法的训练与测试提供了可靠的数据支撑。其次，为提高小目标害虫的检测效果，利用3D卷积对小目标进行更为深入的尺度序列特征提取，MPD-YOLO方法引入尺度序列特征融合模块（SSFF），有效提升模型对小目标的感知能力。最后，为解决密集遮挡和多尺度害虫并存情况下的模型检测能力，MPD-YOLO方法提出了三重特征编码高效聚合模块（TFE-ELAN），通过将不同尺寸特征图进行特征融合，增强多层特征图之间信息的关联性，提升了模型的检测性能。结果: 在相同试验条件下，本研究在构建的数据集上对MPD-YOLO进行大量试验，并与主流的目标检测算法（YOLO系列、Faster-CNN等）进行对比分析。MPD-YOLO方法具有最佳的害虫识别精度，其F1-score和mAP分别达到88.43%和91.92%，比次优方法YOLOv8x分别高1.45%和1.22%。相比于原网络模型YOLOv7，MPD-YOLO的F1-score与mAP分别比YOLOv7高0.72%和2.8%，证明了本文所提方法在处理复杂目标检测任务中的优势。此外，本研究中消融试验，分析了尺度序列特征融合模块和三重特征编码高效聚合模块对整体性能的贡献，验证了各模块设计的有效性。结论: 本文提出的MPD-YOLO算法，有效提升了复杂环境下多尺度害虫的检测性能，在处理复杂环境下的检测任务时表现出较高的鲁棒性。 图表 | 参考文献 | 相关文章 | 多维度评价 Select 9. 基于系统分类学信息的鸟类音频零样本分类 谢珊珊,张军国,谢将剑,张长春 林业科学    2025, 61 (2): 12-20.   doi: 10.11707/j.1001-7488.LYKX20240436 摘要 （90）   HTML （14）    PDF （870KB）（97）    可视化    收藏 目的: 通过大量音频-文本对构建的鸟类音频预训练模型能基于物种类别辅助信息对缺乏训练样本的音频进行零样本分类，以减轻数据采集的负担，为鸟类音频零样本分类研究提供有效的理论依据，也为开放环境中的生态监测和物种分布变化分析提供参考。方法: 利用反映鸟类系统发育关系的系统分类学信息作为声音类的物种类别辅助信息，以预训练的RoBERTa文本编码器和HTSAT音频编码器分别提取系统分类学信息的语义嵌入和鸟类音频的声学嵌入，通过对比学习方法计算语义嵌入和声学嵌入的相似度，构建鸟类对比语言-音频预训练模型（CLAP-Bird），然后基于零样本类的物种类别辅助信息和CLAP-Bird模型实现零样本分类。结果: 在一个包含725 h的大型不平衡鸟类音频数据集上训练和评估了所提出的方法，在5个不同的8~10个类别的测试集上获得的平均F1_score为0.289，与以鸟类学名、鸟类生活史和基础特性信息作为物种类别辅助信息的基线模型相比，本文提出的模型对鸟类音频零样本分类性能明显提升。结论: 鸟类的系统分类学信息作为物种类别辅助信息，提供了关于鸟类的生物学遗传信息，有助于模型更好地理解鸟类鸣声之间的关系，提升了鸟类音频零样本学习的性能。且训练集与测试集的系统分类学关系越接近，则对测试集的零样本分类性能越好。 图表 | 参考文献 | 相关文章 | 多维度评价