基于航空热红外遥感与AI的野火损失评估：2025年伊顿和帕利塞德火灾应用研究 | MDPI Remote Sensing

本文针对野火应急响应中传统方法依赖灾后可见光卫星影像、易受环境限制且响应滞后的问题，提出了一种基于航空热红外遥感与机器学习（随机森林）的自动化建筑损毁评估方法。研究背景源于2025年加州伊顿和帕利塞德两场破坏性火灾，凸显了快速评估的紧迫性。研究目的是开发一种能克服烟雾、光照限制，并实现当日数据采集与分析的可靠工具。通过整合多源数据（如建筑轮廓、灾后检查标签）并采用快速拼接、域适应直方图匹配等技术，系统评估了不同数据产品性能。结论表明，16位Quick Mosaic长波红外（LWIR）波段在跨火灾验证中表现最优，分类准确率高，且时间分辨率优于空间分辨率，证明了该方法在真实场景中的有效性与泛化能力，为野火应急决策提供了快速、精准的支持。