第七届青年地学论坛

榆树疏林在内蒙古浑善达克沙地中有着广泛的分布，它在保护区域生态系统稳定上发挥着重要的作用。快速准确的获取榆树疏林生长及分布情况可以为政府管理部门提供决策依据，也为区域生态系统的监测与评估提供科学依据，从而保护该区域脆弱的生态系统。目前，地面调查和遥感是获取榆树疏林生物量的主要手段，前者主要通过实地测量来获取树冠、树高等结构信息，但是该方法需要耗费大量的人力物力，不利于大区域范围内开展。遥感技术的快速发展为区域尺度的森林资源调查提供有力的数据支撑，特别是厘米级遥感影像数据可以为样地尺度的林分调查提供大量的原始图像。无人机影像因其高分辨率、低成本、使用灵活、限制少等优势近年来成为备受关注的数据源，其在生态系统遥感监测领域具有广泛的应用。利用无人机遥感影像获取的数字表面模型、数字高层模型和数字正射影像模型，可用于精确获取景观尺度的植被类型和结构特征。如何有效的利用高分辨光学影像结合深度学习算法高效、精准提取个体植物的结构信息却鲜有报道。本研究利用无人机遥感监测平台和深度学习算法构建一套快速、准确、自动获取区域景观尺度单木形态检测和树冠分割的自动化工具（TCE-DL）。以浑善达克沙地榆树疏林草原为对象，利用无人机获取的厘米级正射影像，基于Mask-RCNN算法实现了样地内不同观测尺度的榆树疏林单木检测和分割。研究结果显示：（1）即使在数据集规模比较小的情况下，Mask-RCNN算法也能准确实现区域尺度的单木检测和分割。（2）采用了两组不同分辨率的无人机影像数据集来训练模型，得到的模型训练精度分别为95％和85％，损失函数分别为0.1和0.2。（3）基于区域候选网络的目标分割方法可快速、准确提取海量植物个体数量、冠幅等形态结构特征。
研究结果说明在疏林草原的单木结构信息提取中，无人机影像具有更高的空间分辨率，更丰富的纹理、形状等信息，可以实现景观尺度单木的检测和分割，快速获取海量个体植物的数量和结构信息，进而为生态系统的生物量、碳储量估算提供基础数据。本研究的意义在于与传统的机器学习算法相比，深度学习作为近年来更热门的方法已被应用于多种场景与目标检测中，它能够比传统的分类器更准确地挖掘高空间分辨率影像中的结构特征信息，并且可以不依赖于人工，自动地提取影像中的高级特征。
关键词：榆树疏林；遥感影像；单木检测；无人机；深度学习：Mask-RCNN
 

榆树疏林；遥感影像；单木检测；无人机；深度学习：Mask-RCNN