《International Journal of Applied Earth Observation and Geoinformation》:Integrating UAV image time-series with multi-source environmental features for sequential wildfire spread prediction
编辑推荐:
野火是全球最具破坏性的自然灾害之一,不仅对生态系统构成严重威胁,也对公共安全与经济稳定造成影响。随着机器学习方法的发展,数据驱动建模方法已被应用于野火管理,例如 FireCast 和 WFNet。这些方法能够自动学习火行为与多维因素之间的非线性关系,以实现更高
野火是全球最具破坏性的自然灾害之一,不仅对生态系统构成严重威胁,也对公共安全与经济稳定造成影响。随着机器学习方法的发展,数据驱动建模方法已被应用于野火管理,例如 FireCast 和 WFNet。这些方法能够自动学习火行为与多维因素之间的非线性关系,以实现更高精度的预测。然而,受数据尺度限制,这些模型在连续时间预测方面仍存在不足。其主要从指定起火点学习蔓延模式,但无法基于实时观测对后续预测进行优化。
遥感技术的广泛应用为野火监测开辟了新的可能性。许多研究人员利用卫星遥感观测野火演化过程,并通过整合环境因子分布,构建适用于大范围蔓延建模的机器学习数据集。这些数据集通常以约 1 d 的时间间隔记录野火动态,使模型能够捕捉长期发展趋势。基于这些数据集,已有研究提出了结合长短期记忆网络(LSTM)和 Transformer 架构的时序预测方法。与此同时,基于无人机(UAV)的遥感系统部署日益增加,机载热红外相机现已能够提供亚秒级连续火线观测,从而提升预测精度与实时性,以满足应急管理需求。
从稀疏卫星数据向高密度 UAV 序列的转变带来了新的地理信息学挑战:如何构建一个能够有效融合高频时间序列与异构环境图层(如地形、可燃物类型和气象)的框架。有效模型不仅需要预测下一时刻状态,还应内化这些高精度观测所传达的潜在时空物理规律。
该研究提出了一种基于三维卷积(3D convolution)与 U-Net 架构的野火蔓延时序预测方法,命名为 3DConv-U-Net。该方法通过三维卷积融合编码器生成的多帧特征图,同时采用独立的静态信息编码器提取环境特征。随后,利用通道注意力机制(channel attention mechanism)对两类特征进行拼接,以基于先前的野火分布模式预测后续火势蔓延。该模型在基于 FARSITE 生成的模拟数据集上取得了较高精度,并在真实世界 UAV 观测数据集上得到了验证。实验结果表明,该方法在预测精度上优于其他方法,同时表现出良好的迁移能力,可应用于真实场景,为野火管理提供新的技术支持。
该研究的主要贡献概括如下:引入自适应三维卷积用于野火蔓延预测,解决多帧输入条件下时空特征融合的挑战;与 LSTM/Transformer 方法相比,该框架在保持时空连续性的同时提高了计算效率。构建了基于 FARSITE 的数据集生成流程,产生包含多模态环境数据的训练集;轻量级环境编码器实现了环境信息的高效编码及其与野火蔓延特征的深度融合。验证了模型跨尺度地理信息迁移能力,即从 30 m 模拟数据泛化到 1 m UAV 观测数据,表明该方法能够在不同空间观测尺度下维持预测精度并具备稳健性。
该论文发表于《International Journal of Applied Earth Observation and Geoinformation》,围绕高时空分辨率条件下的野火蔓延预测问题,提出了融合无人机连续观测与多源环境因子的深度学习框架。研究背景在于,野火作为典型的高破坏性自然灾害,具有快速扩散、受地形和可燃物条件强烈制约、对公共安全和应急决策要求极高等特点。传统野火蔓延模型包括经验模型、数学模型和物理模型,虽然在机理表达方面各有优势,但往往存在对初始条件敏感、计算代价较高或难以适配实时观测更新等问题。随着遥感与机器学习技术的发展,研究人员已能够利用卫星影像和 GIS 环境因子开展大尺度火灾蔓延预测,但现有方法大多依赖单时刻或少量离散观测,对连续时间预测、实时校正以及细粒度火线变化的刻画仍显不足。尤其是从卫星日尺度观测转向无人机亚秒级连续观测之后,如何在高频火线序列与静态环境特征之间建立有效的时空耦合机制,成为野火地学信息建模中的关键难题。因此,开展该研究的必要性在于为战术级灭火和应急疏散提供更高精度、更具时效性的预测工具。
研究人员围绕这一问题提出了 3DConv-U-Net 模型,将野火蔓延预测抽象为时空分割任务。该模型以多帧历史火态分布和环境变量为输入,利用 ResNet18 编码器提取各时间帧的多尺度特征,再通过自适应三维卷积(3D convolution)沿时间维压缩并融合火线演化信息,形成动态火态表征;与此同时,地形、可燃物和气象等静态环境信息经独立轻量编码器提取后,通过通道注意力机制中的压缩-激励模块(SE Block,Squeeze-and-Excitation Block)与动态火态特征在对应尺度上完成融合,最终由 U-Net 解码器输出下一时刻火灾分布掩膜。研究结论表明,该方法在模拟数据集和真实无人机观测数据上均表现出优异性能,在预测精度、稳定性和跨尺度泛化方面优于多种对比模型,说明该框架能够有效提取野火火线的短时空演化规律,并将 30 m 模拟数据中学到的模式成功迁移到 1 m 无人机观测场景。其重要意义在于建立了高分辨率地球观测数据支持野火监测和应急响应的技术路径,也证明了基于物理模拟生成数据训练深度模型、再迁移至真实高精度观测的可行性。
就关键技术方法而言,该研究主要采用以下几类技术。首先,基于 FARSITE 构建分钟级野火模拟数据集,利用美国加州 LANDFIRE 景观数据裁切生成 5000 个情景样本,并以 8:2 划分训练与验证集。其次,构建双分支深度网络:其一为基于 ResNet18 和自适应 3D 卷积的时空火态编码分支,其二为针对地形、可燃物和气象变量设计的轻量环境编码分支。再次,采用通道注意力融合策略实现火态特征与环境特征的多尺度耦合,并使用加权交叉熵损失函数进行优化。最后,在真实世界验证阶段,使用 THU-Wildfire 数据集中的云南保山 Ninuo 与 Zhujie 两个计划燃烧案例,检验模型由 30 m 模拟尺度向 1 m 无人机观测尺度的零样本迁移能力。
在结果部分,论文依次从消融实验、方法对比和真实数据验证三个层面展示了模型性能。
4.1 Experimental setup and evaluation metrics
研究人员在 PyTorch 2.0 平台上完成模型实现,采用 AdamW 优化器、余弦退火学习率调度和早停策略进行训练,并使用 Sorensen 指数、Jaccard 指数和 Cohen’s Kappa 系数对预测结果进行综合评价。这一部分为后续实验建立了统一的评估基准,也确保不同模型之间的比较具有可比性。
4.2 Ablation study
通过对固定 160 min 燃烧时段进行不同数量的时间划分,研究人员检验了输入帧数对模型性能的影响。结果显示,输入帧由 2 帧增加至 3 帧时,各项指标明显提升,而继续增加至 4–5 帧虽仍有增益,但边际收益下降,因此 3 帧输入在精度与效率之间实现最佳平衡。进一步的模块消融结果表明,去除 SE Block 后 Sorensen、Jaccard 和 Kappa 均出现下降,说明通道注意力机制有助于平衡火态与环境两条特征分支。去除燃料归一化方法后性能同样降低,表明将类别型燃料信息转换为连续燃烧强度值能够增强网络表征能力。若移除环境分支,模型性能下降更为明显,证明仅依赖历史火态不足以准确预测后续蔓延,环境因子的引入对野火预测具有决定性作用。骨干网络比较还显示,ResNet50 虽有极小幅度精度提升,但代价是更高计算负担;EfficientNetB3 则牺牲了一定精度,因此 ResNet18 在该框架中实现了性能与效率的较优平衡。
4.3 Comparison with existing methods
研究人员将 3DConv-U-Net 与多种现有时空预测模型进行了系统对比,包括 FireTr、ConvLSTM、U-Net-LSTM、Res-U-Net,以及来自视频预测领域的 PFGNet、PhyDNet、PredRNNv2 和 SimVP。结果表明,视频预测基线在该任务中具有较强竞争力,其中 PFGNet 的表现最接近所提方法,但 3DConv-U-Net 在 Sorensen、Jaccard 和 Kappa 三项指标上仍取得最佳结果。这说明,即使在更强、更公平的对比条件下,所提方法的优势仍然成立。论文还指出,Transformer 类模型 FireTr 表现较强,但其表征能力更依赖大规模数据;ConvLSTM 则由于空间边界建模能力不足而显著落后。相比之下,3DConv-U-Net 通过三维卷积直接联合建模空间结构与时间演化,在保持局部火线细节和短时动态聚合之间取得了更优平衡。训练曲线进一步显示,该模型在约 30 个 epoch 左右收敛,验证集 Jaccard 曲线更稳定,而 Res-U-Net 在验证阶段波动更明显,表明前者在优化稳定性和时序表示方面更具优势。参数量与推理效率测试显示,该模型拥有 35.7 M 参数,推理时间为 47.8 ms/batch,明显优于参数量高达 117.9 M 且推理耗时 680.6 ms/batch 的 FireTr,体现出较强的实际部署潜力。
4.4 Validation on real-world dataset
真实世界验证是该研究的重要环节。研究人员在 THU-Wildfire 数据集中选取云南保山的 Ninuo 和 Zhujie 两个计划燃烧案例开展直接推理测试,两者地面采样距离(GSD)均为 1 m。Ninuo 属于较简单的同步点火场景,Zhujie 则包含多源异步点火过程,能够分别考察模型的一般蔓延预测能力和对复杂点火模式的鲁棒性。测试采用 5 min 间隔构建序列输入,并使用 3 帧滑动时间窗进行连续预测。结果显示,在 Ninuo 场景中,所有深度学习模型均显著优于 FARSITE,说明数据驱动模型在捕捉局部蔓延动态方面具有明显优势,其中 3DConv-U-Net 获得最高指标。对于更具挑战性的 Zhujie 场景,由于异步点火超出了 FARSITE 的适用范围,物理模拟未能完成,而所有深度学习模型在新点火源出现时均出现一定波动,但 3DConv-U-Net 仍取得总体最优结果。论文强调,尽管其相对于其他深度学习基线的增益幅度不大,但考虑到模型仅在 30 m FARSITE 模拟数据上训练、未对 1 m 无人机真实数据进行微调,这种一致性的优势具有重要意义,反映出模型具备跨尺度泛化能力,而非仅对特定数据集的拟合。Grad-CAM(梯度加权类激活映射)可视化结果进一步显示,网络关注区域主要集中于活动火线前沿而非已燃烧内部区域,这为模型确实学习到了野火推进关键形态特征提供了定性证据。
讨论部分指出,3DConv-U-Net 在方法设计上回应了现有野火建模的若干局限。相较于早期主要进行单时刻空间预测的 CNN 模型,该架构能够在多尺度特征图上直接执行时间聚合,更好保留火线边界结构;相较于循环网络和 Transformer 模型,其在短时序建模、局部空间细节保持以及计算效率之间取得更均衡表现。更重要的是,动态火态历史与静态环境约束的分离编码和同尺度注意力融合策略,避免了原始输入层直接堆叠可能带来的特征耦合不足问题。研究同时指出,该框架具有良好扩展性,未来可接入更精细的气象场以及卫星、无人机和地面传感器等多源观测,从而提升模型在不同区域和数据条件下的迁移能力。不过,当前模型尚未将显式物理方程直接嵌入网络结构或损失函数,后续可通过引入蔓延速率约束、风地形校正项或物理正则化项来提升可解释性与稳健性;同时,面向无人机等边缘设备的轻量化部署也是未来的重要方向。
研究结论部分可译为:本研究提出了用于野火蔓延预测的 3DConv-U-Net,以高精度空间数据为基础实现建模。该模型通过三维卷积架构有效跟踪火线的动态演化过程。在模拟数据集上,该方法获得了 0.959 的 Sorensen 指数和 0.921 的 Jaccard 指数。在真实世界数据集上的验证进一步证实,该模型能够从 30 m 模拟数据泛化至 1 m 无人机序列。该研究为利用高分辨率地球观测数据提升野火监测与应急响应能力建立了技术路径。