基于动态多尺度混合注意力网络的火点识别方法

摘要

全球气候变暖加剧了山火活动的频率与严重性，传统火点识别方法存在误报率高、实时性不足、全尺度识别能力欠缺等问题。为实现火点精准、近实时识别，本文提出动态多尺度混合注意力网络(DMHAN)及多维度样本数据增强方案。首先，针对野火样本稀缺与类别不平衡问题，基于热传导方程与辐射传输模型生成火点样本，为模型训练提供高质量数据支撑；其次，构建双分支并行的DMHAN模型，整合动态多尺度空间注意力卷积模块(DMSAC)与门控时序特征融合模块(GTFF),分别实现空间尺度自适应特征提取与时序动态特征的阶段自适应融合；最后通过自适应时空特征融合策略，平衡空间细节与时序动态信息的贡献权重。基于Himawari-8/9卫星数据，在中国西南地区玉溪、凉山、毕节三起典型山火事件中进行实验验证，结果表明，DMHAN模型平均火点准确率(FA)超90%、总体准确率(OA)超97%,误报率(FAR)和总体虚警率(OFR)显著低于JAXA WLF L2产品及LSTM、Transformer、MSSTF等对比模型，在不同燃烧阶段及多尺度火点场景下均表现出高稳健性。消融实验进一步验证了模型各核心模块的有效性，为全尺度火点监测提供了高效技术方案。

关键词

动态多尺度混合注意力网络(DMHAN) / 动态多尺度空间注意力卷积(DMSAC) / 门控时序特征融合(GTFF) / Himawari-8/9 / 合成火点样本 / 时空特征融合