森林火災的蔓延，往往在幾十分鐘內就會發生劇烈變化，蔓延過程受到植被燃料、地形、氣象條件及大氣相互作用等多重因素影響。準確記錄火場演化過程並預測火線未來位置，是開展災害風險評估、應急資源調度和消防救援決策的重要基礎。然而，現有衞星遙感數據通常受限於空間分辨率和重訪週期，難以連續刻畫分鐘尺度的火線變化，現存無人機遙感數據集多應用於煙火識別和圖像分割，數據不夠全、不夠細，缺乏火前環境、燃燒過程與火後影響相互關聯的全週期觀測數據。

近日，清華大學深圳國際研究生院環境與生態研究院王飛團隊圍繞真實林火場景下“全生命週期數據缺乏”和“時序蔓延動態預測”兩個關鍵問題，構建了多時相、多模態野火觀測數據集THU-Wildfire，並進一步提出通過獲取無人機高精度連續影像的野火蔓延預測模型。

圖1 THU-Wildfire多時相、多模態野火數據採集框架

團隊在雲南多個實地計劃燒除場景開展實驗，綜合利用無人機可見光與熱紅外成像、激光雷達三維掃描、地面微氣象站等設備，對火災發生前、燃燒過程中和燃燒後的環境狀態進行連續觀測，實現火災從點火到熄滅全過程的連續記錄。所構建的數據集總觀測面積超過200萬平方米，包含超過20小時的連續記錄、6500餘幅同步影像和超過350萬幀視頻數據，同時集成火前與火後點雲、正射影像、熱紅外影像、氣象條件及污染物濃度等信息。數據集將火前燃料與地形條件、火中蔓延過程以及火後植被結構變化連接起來，可支持燃料製圖、火線識別、蔓延模擬和過火影響評估等研究。

圖2 THU-Wildfire記錄的火災連續演化及同步環境監測信息

在此基礎上，團隊進一步提出3DConv-U-Net野火時序蔓延預測模型。該模型利用三維卷積提取連續火場影像中的時空演化特徵，並通過獨立的環境信息編碼器融合地形、燃料和氣象條件，從而根據近期火線變化持續預測下一時刻的火場分佈。與僅依賴單一初始火點或單幀影像的方法相比，該方法能夠利用無人機連續觀測數據流不斷更新預測結果，從而描述真實火災的動態傳播過程。

圖3 3DConv-U-Net野火蔓延序列預測模型結構

實驗結果顯示，3DConv-U-Net的Sorensen指數和Jaccard指數分別達到0.959和0.921，與基於Transformer的時序模型相比，該模型參數量減少約70%，在保持較高精度的同時降低了計算消耗。

兩項研究共同建立了“真實火場連續觀測—多模態數據集構建—模擬數據訓練—真實場景驗證”的技術路徑，為解決野火研究中觀測數據稀缺、時間分辨率不足和模型跨尺度遷移困難等問題提供了新的思路，也為無人機火場監測、火線短時預測及面向邊緣設備的實時輔助決策提供了數據和方法支撐。

相關數據集研究以“THU-Wildfire：面向野火行為動態研究的多時相、多模態觀測數據集”(THU-Wildfire: A multitemporal, multimodal observation dataset for wildfire behavior dynamics)為題，發表在《環境建模與軟件》(Environmental Modelling & Software)上;野火蔓延預測研究以“融合無人機時序影像與多源環境特徵的野火序列蔓延預測”(Integrating UAV image time-series with multi-source environmental features for sequential wildfire spread prediction)為題，發表在《國際應用地球觀測與地理信息學雜誌》(International Journal of Applied Earth Observation and Geoinformation)上。王飛為論文通訊作者，清華大學深圳國際研究生院2024級碩士研究生周家豪為論文第一作者。