北京林业大学张晓丽教授团队在IEEE TGRS发文：在深度学习森林变化检测模型研究方面取得新进展

林学院张晓丽教授团队以“FCDNet: A Multiscale Attention Network for Forest Change Detection Using Dual-Temporal Very-High-Resolution Remote Sensing Images”为题，在《IEEE Transactions on Geoscience and Remote Sensing》（一区TOP，IF=8.6）期刊上发表研究成果。

森林变化检测是生态保护和可持续资源管理的重要技术基础。相比城市与农田场景，森林变化检测研究仍相对欠缺，而气候变化、生态退化等全球性问题对实时、精细化的森林检测提出了更高要求。随着遥感技术的快速发展，如何在高季节性、跨年变化显著的复杂森林环境中准确识别细微变化，成为当前领域的重大挑战。

针对上述问题，研究团队构建了FCDNet多尺度注意力森林变化检测网络。该网络以双时相超高分辨率遥感影像为输入，融合多尺度特征聚合与自适应通道注意力机制，能够同时提升对细粒度林分变化的敏感度与对时空变化的鲁棒性。通过充分挖掘影像在不同尺度与不同时间维度的结构信息，FCDNet在复杂季节过渡、跨年波动等场景下仍保持了稳定且优秀的检测性能。实验结果表明，该方法在多个公开变化检测数据集上均取得了领先水平：在Forest Change Detection (FCD)、LEVIR-CD与WHU-CD数据集上分别达到了78.51%、90.48%、92.57%的F1分数，显著优于现有主流算法。研究成果为森林资源动态监测提供了高精度、可推广的新方法，对生态保护、森林经营管理及政策制定具有重要应用价值。

林学院本科生王骏为第一作者，张晓丽教授为通讯作者。博士生姚宗琦、博士毕业生陈龙、本科生杨蕊菁共同参与了研究工作。该研究得到了国家重点研发计划项目“天空地一体化森林资源监测技术示范”（2023YFD2201700）和国家重点研发计划国际合作项目“中欧对地观测合作森林监测技术与示范应用”（2021YFE0117700）的资助。

论文链接：https://ieeexplore.ieee.org/document/11240194