近日，西南林业大学大数据与智能工程学院寇卫利教授团队依托遥感大数据智能分析技术与机器学习模型，在火后森林植被恢复遥感监测、景观破碎化规律研究领域取得突破性成果。相关研究成果以“Mapping forest landscape fragmentations under different fire severity using Sentinel-2 data with SNIC-MVI RF”为题，发表在国际遥感领域权威期刊《International Journal of Applied Earth Observation and Geoinformation》（doi:10.1016/j.jag.2025.104962）。该期刊为中科院一区Top期刊，最新影响因子8.6。林学院2022级森林经理学专业硕士研究生高家月为论文第一作者，寇卫利教授为通讯作者，研究工作在孟冉教授、鲁宁教授、王秋华教授协同指导下顺利完成。

精准提取火烧迹地、厘清火后生态演变规律是森林遥感监测与灾后生态修复的核心难点。传统遥感监测方法普遍存在迹地边界提取模糊、离散像元干扰严重、椒盐噪声突出、精度稳定性不足等短板，难以精准刻画不同林火烧烈度下森林景观的变化规律。针对以上技术痛点，本研究依托GEE全球遥感大数据平台，融合影像分割、植被指数优化与随机森林算法，构建SNIC-MVI RF提取模型，实现了大范围森林火烧迹地的高精度、连续化识别，有效解决了传统算法的噪声干扰问题，大幅提升了火烧迹地边界提取的完整性与精准度。在高精度遥感解译模型的支撑下，团队进一步开展系统性规律探究。研究结合dNBR与K-means聚类算法，精准划分林火烈度等级，并综合植被、地形、气象因子及景观格局指数，剖析不同驱动因素对各林火烈度等级森林景观破碎化的影响。系统揭示了不同林火烈度森林景观破碎化的差异化恢复规律。研究核心结果表明：SNIC-MVI RF模型能够有效提高火烧迹地范围的提取精度，缓解“椒盐噪声”，增强火烧迹地空间边界表达的连续性；生态演变规律层面，火前气象条件和植被覆盖度是影响不同林火烈度范围森林景观破碎化的两大主要因素。

本次研究立足遥感大数据与智能建模技术，既突破了传统火后遥感监测的技术瓶颈，又明晰了林火干扰下森林生态景观的演变机理，为大范围火烧迹地智能遥感识别、火后植被恢复动态常态化监测、森林灾后生态修复治理提供了核心技术方法与重要理论依据，也为西南林区森林生态系统可持续管护、差异化生态修复策略制定提供了科学参考。

该研究得到国家自然科学基金项目（32260391）、云南天然橡胶智慧监测及数字化应用国际联合实验室项目（202403AP140001）、云南省基础研究项目（202301BD070001-160，2018FG001-059）和兴滇英才支持计划项目（YNWR QNBJ-2019-270）的资助，并得到云南省李伟院士工作站（202505AF350082）的支持。

论文链接：https://www.sciencedirect.com/science/article/pii/S1569843225006090

  （来源：大数据与智能工程学院，图/文:寇卫利/初审：芮蕊/复审：徐开蒙/终审：程希平）