PalmProbNet：基于迁移学习的厄瓜多尔热带森林棕榈分布概率理解方法

棕榈树在热带森林中发挥着举足轻重的作用，是人类和野生动物的重要资源。热带生态系统的一个核心问题是理解棕榈树的分布与丰度。然而，由于混合森林景观中植被茂密、林冠重叠且光照条件多变，在地理空间图像中准确识别和定位棕榈树面临重大挑战。针对此问题，我们引入了 PalmProbNet，这是一种利用迁移学习分析高分辨率无人机衍生正射马赛克图像的概率方法，能够在厄瓜多尔雨林茂密的林冠中检测棕榈树。该方法在自动化棕榈树检测方面取得了实质性进展，能够有效 pinpoint 混合热带雨林中棕榈树的存在与位置。我们的处理流程首先从无人机图像生成正射马赛克图像，随后从中提取并标注两种不同尺寸的棕榈与非棕榈图像块。然后使用这些图像块训练具有相同架构的模型，该架构由未更改的预训练 ResNet-18 和具有特定训练参数的多层感知机（MLP）组成。随后，PalmProbNet 在景观正射马赛克上采用滑动窗口技术，使用大小两种窗口尺寸生成概率热力图。该热力图有效地可视化了棕榈树的分布，展示了我们的方法在各种森林密度下的可扩展性和适应性。尽管地形条件恶劣，我们的方法仍表现出卓越的性能，在测试中达到了 97.32% 的准确率和 94.59% 的 Cohen's kappa。