长城沿线单体文物建筑的自动检测与场址尺度植被变化分析

植物为何会威胁古老石构

中国长城以其蜿蜒的石质城垣著称，但其中最易受损的往往是沿线分布的小型望楼与烽火台。这些单体建筑正被附近植物的根系和湿气逐步掀裂和破坏。支撑本文的研究展示了如何将新型计算工具与卫星数据结合起来，追踪这些构筑物周围植被何处在变得更茂密，从而帮助文物保护者在损害成为不可逆之前决定优先干预的地点。

广袤景观中隐蔽的建筑

从地面看，长城沿线的单体文物建筑很容易被忽略。许多建筑由夯土构成，与周围的山丘外观几乎无异。它们体积小、风化严重，散布在陕西省超过250公里的崎岖地带。传统勘测需要专家逐一审查航拍影像，过程既缓慢又易受主观影响。没有每个塔楼的精确轮廓，很难定义需要监测的“场址”，也难以判断其周边在不同时期如何变化。

教计算机识别古塔

研究者开发了一种名为 IHBSegNet 的专用图像分析系统，用于在高分辨率卫星影像中自动勾画这些小型构筑物的轮廓。该系统建立在现代深度学习技术之上，这类技术擅长识别图像中的模式。由于塔楼与背景融合，作者设计了若干“注意力”模块，帮助网络关注形状和纹理中微弱的差异。在精心手工标注的样本上训练后，该模型比若干领先的图像分割方法更准确地发现并描绘塔楼轮廓，同时保持足够的效率以在大范围内应用。

从太空解读植被历史

一旦团队能够可靠地定位每幢建筑，他们转而使用另一类卫星产品，这类产品总结了地表在全年内的行为。研究者没有只用单幅可能受云层或季节性影响的快照，而是使用所谓的卫星嵌入（satellite embeddings）：对每个10米像素捕捉整季节变化的紧凑数值描述。通过对具有相似嵌入模式的像素进行无监督聚类，他们将景观划分为四类易于解释的植被密度类型：裸地或建筑、稀疏、适中和茂密覆盖。该过程对2017年至2024年每年重复一次，生成了长城通廊的一系列清晰植被图。

跟踪每座塔楼周边的局部变化

有了塔楼轮廓和逐年植被地图后，研究者将两者叠加，提出了一个简单的问题：在每座塔楼轮廓内部的地面上，植被在七年间是变得更茂密、更稀疏，还是大致保持不变？他们把四种植被类型视为从裸地到茂密的有序阶梯，计算每个像素在2017至2024年间移动了多少个阶梯，然后对每个建筑的这些变化取平均值。位于阜谷、神木和榆阳地区的550余座被检测塔楼中，多数显示出净变化不大，表明周边相对稳定。但有67处场址变化显著，其中在阜谷和榆阳的大多数呈向更密集覆盖的方向——这表明对脆弱夯土墙体的根系和湿气压力在增加。

从地图到保护决策

这一框架产生的不仅仅是可视化地图：它为文物管理者提供了一份按优先级排列的塔楼清单，指出哪些地方蔓生植被最可能削弱结构稳定性。由于该方法依赖开放的遥感数据和可重用的检测模型，它可扩展至长城其他路段，甚至应用于全球其他线状文化遗产。尽管作者指出，极度蔓生或难以可见的建筑以及短期的植被波动仍可能被忽略，但他们的方法标志着首次能逐座量化这座标志性遗址的植被变化。从实际层面看，这为将全球卫星数据流转化为地方早期预警信号、保护古老建筑免遭周边生境悄然拆解提供了一条可行途径。

引用: Zheng, D., Wang, S., Feng, H. et al. Automatic detection and site-scale vegetation shift analysis for individual heritage buildings along the Great Wall. npj Herit. Sci. 14, 161 (2026). https://doi.org/10.1038/s40494-026-02422-w

关键词: 长城保护, 文物建筑, 遥感, 植被变化, 深度学习