Inversão do teor de umidade de combustível morto florestal por imagem multiespectral de UAV sob a sombra de novas folhas

O teor de umidade do combustível morto florestal (FDFMC) é um fator importante que afeta a ocorrência e a propagação de incêndios florestais. Quando as folhas caem completamente, devido à ausência de sombra das folhas, o uso de câmeras multiespectrais de UAV pode capturar facilmente as imagens espectrais. No entanto, durante o período de prevenção de incêndios na primavera, é difícil obter imagens espectrais completas devido à sombra das novas folhas, portanto, a precisão da inversão do FDFMC seria grandemente afetada por isso. Neste artigo, uma rede neural convolucional ConvNeXt melhorada é proposta para prever o FDFMC com base em dados de câmeras multiespectrais de UAV de 18 a 25 de abril de 2025 na demonstração de floresta urbana na cidade de Harbin. Um total de 6.031 conjuntos de fotos foram capturados usando a câmera multiespectral do UAV, com cada conjunto contendo seis imagens de banda única. O algoritmo de agrupamento K-means foi usado para segmentar as imagens multiespectrais do UAV para extrair informações de características para reduzir a influência da sombra das novas folhas. O modelo treinado alcançou 1,38% para MAE e 4,54% para RMSE. Os resultados experimentais mostraram que o modelo ConvNeXt melhorado pode prever com precisão o FDFMC. O novo método proposto neste artigo para prever o FDFMC usando imagens multiespectrais de UAV tem viabilidade e significado de referência.