应用迁移学习的林火烈度初始评估研究

林火发生后,开展森林生态系统烈度信息的初始评估,能够为灾后生态修复管理措施的快速实施提供定量依据.为了改善传统林火烈度评估模型的时效性,本研究利用历史过火区域的实地调查数据,构建基于迁移学习的烈度评估模型,并将其应用于2020年3月30日发生的西昌泸山森林大火烈度初始评估研究中.研究结果表明:迁移学习算法能够将源区域和目标区域的遥感影像光谱转换为多个新的特征变量,在这些新特征变量构成的投影空间中,源区域和目标区域样本具有相似的特征分布.在此基础上,基于源区域历史实地调查数据构建的烈度评估模型,能够迁移应用于目标区域的烈度评估.在本研究林火烈度的初始评估中,基于迁移学习的烈度评估模型精度较高,总体精度为71.20％,Kappa系数为0.64.与该模型对比,未进行迁移学习的支持向量回归模型精度较低,其总体精度为58.00％,Kappa系数为0.48.同时,基于dNDVI、dLST和dNBR指数的经验回归模型精度最低,其总体精度分别为:20.80％、34.8％和24.80％,Kappa系数分别为:0.01、0.19和0.06.本研究可为林火灾后管理措施的快速响应,提供一种新的思路和参考.