基于无人机影像的棕榆树实时定位与双峰点模式分析

理解热带森林中棕榆树的空间分布对于有效的生态监测、保育策略以及自然森林产品在当地和全球供应链中的可持续融合至关重要。然而，在这些环境中对遥感数据进行分析面临诸多挑战，如棕榆树和树冠的重叠、林冠表面的不均匀阴影，以及森林景观的异质性，这些因素常常影响棕榆树检测和分割算法的性能。为克服这些问题，我们引入 PalmDSNet，这是一个用于棕榆树 canopy 棕榆树的实时检测、分割和计数的深度学习框架。此外，我们采用双峰再现算法模拟棕榆树的空间扩散，以进一步增强对这些点模式的理解。我们使用无人机捕获的影像在西南部厄瓜多尔热带森林的21个地点创建正射 mosaic，覆盖从靠近哥伦比亚的湿润 Chocó 森林到西南部厄瓜多尔较干旱森林的梯度。专家注释用于创建全面的数据集，包括 7,356 个边界框在图像块上和 7,603 个棕榆树中心，涵盖总面积为 449 公顷的五个正射 mosaic。通过将 PalmDSNet 与双峰再现算法结合使用，该算法针对局部和全局空间变异性优化参数，有效模拟了在多样化且密集的热带环境中棕榆树的空间分布，验证了其在先进的热带森林监测和遥感分析中的实用性。