2026年4月7日，IEEE 旗下地球科学与遥感学会的旗舰期刊，遥感与地球科学领域的国际顶级学术期刊IEEE TGRS发表了我院孙林教授团队的学术论文High-Quality Small Fire Samples Generation and Application in Deep Learning-Based Forest Fire Monitoring。该论文的第一作者为我院硕士研究生吕丕贤，孙林教授为其导师，同时也是该论文的通讯作者。

论文摘要

该论文致力于提升静止卫星对早期火灾的响应能力。早期火灾探测对于减灾和生态安全至关重要。地球静止卫星凭借其高频次观测能力，在近实时火灾监测方面有巨大的应用潜力。然而，受其空间分辨率相对较低、波段相对较少以及信息挖掘能力不足的局限，当前的方法对早期的火灾监测精度较低，早期预警能力有限。为克服这些局限，本研究提出多源卫星交叉验证，同时采用将火点发生时间前移的思想，生成了大量有代表性的小火点样本数据集；融合使用多类型火点标识性特征参数，并使用人工智能技术对火点样本进行了深入地学习和充分地信息挖掘。基于大量实际火灾案例对该方法进行了客观地评估，精度明显优于现有火灾产品，已确认的火灾事件中，该方法比当前在线发布的火灾产品提前探测到44%的小火点，平均提前时间为19分钟。本文的方法对使用地球静止卫星提前发现火灾并快速做出响应，降低火灾造成的损失具有重要的意义。

论文链接：https://doi.org/10.1109/TGRS.2026.3681799

关键图表

图 1.样本生成技术与深度学习技术火灾检测架构

图 2.火灾点样本与虚警点空间分布。红点和蓝点分别代表火灾点与虚警点

图3 案例中小火点探测时间序列可视化

团队介绍

孙林教授带领团队长期致力于卫星遥感技术的创新研究和产品推广。以首位完成人获得山东省科技进步一等奖、青岛市科技进步一等奖等省部级奖项5项，发表高水平学术论文100余篇，获授权发明专利6项。其研究成果被广泛应用于应急、环保、农业、水文等多个行业。带领团队开发的全国火情播报系统，在线用户已经超过1万人，产生了显著的社会效益和经济效益。