利用卫星图像和深度学习对高山区大型多态灌木进行个体映射

监测长寿大型灌木（如杜松）的分布和大小，对于评估全球变化对高山生态系统的长期影响至关重要。虽然深度学习模型在目标分割方面取得了显著成功，但调整这些模型以检测具有多态性的灌木物种仍然具有挑战性。在本研究中，我们发布了一个大型数据集，其中包含在免费卫星图像上对单个灌木的描绘，并使用实例分割模型绘制了整个生物圈保护区（西班牙内华达山脉）树线以上所有杜松的地图。为了优化性能，我们引入了一种新颖的双重数据构建方法：使用照片解译（PI）数据进行模型开发，并使用实地工作（FW）数据进行验证。为了在模型评估中考虑杜松的多态性，我们开发了一种软版本的交并比度量。最后，我们根据冠层覆盖度和按大小类别划分的灌木密度评估了所得地图的不确定性。我们的模型在灌木描绘方面，在PI数据上达到了87.87%的F1分数，在FW数据上达到了76.86%的F1分数。观测值与预测值之间关系的R²和RMSE，对于冠层覆盖度分别为0.63和6.67%，对于灌木密度分别为0.90和20.62。模型输出中观察到的较大灌木在低海拔地区密度更高、较小灌木在高海拔地区密度更高的现象，在PI和FW数据中也存在，表明该物种最佳性能的海拔上升。这项研究表明，将深度学习应用于免费的高分辨率卫星图像，有助于在区域尺度上检测具有高生态价值的中大型灌木，该方法可推广到全球其他高山区以及历史和未来的图像。