基于亚米级可见光卫星影像的马来西亚油棕单株信息大尺度提取及其生态经济意义

本文创新性地提出油棕单株提取方法(STEM-OP)，通过梯度差窗口检测(GDWD)、双环滑动检测和自适应迭代侵蚀算法，仅用RGB波段实现马来西亚572.6百万株油棕的空间分布(精度>90%)与单株识别(精度>80%)，为全球最大棕榈油产区的精准农业与生态保护提供5.25百万公顷种植园的高分辨率本底数据。

　　

Highlight

我们提出的油棕单株提取方法(STEM-OP)无需训练样本，仅利用亚米级可见光卫星影像(RGB波段)即可实现大尺度油棕分布制图。该方法包含三大创新算法：基于梯度差窗口检测(GDWD)的图形形态学算法提取种植园边界，双环滑动检测算法识别单株冠层纹理特征，以及自适应迭代侵蚀算法分离相邻树冠。STEM-OP的空间分布提取整体精度超过90%，单株数量估算精度达80%以上。

Verification of spatial distribution accuracy

在60个验证区系统评估显示，GDWD算法召回率(recall)达92.3%，精确率(precision)为88.7%，F1-score维持在90.5%。该方法成功克服了传统机器学习方法对近红外波段和训练样本的依赖，在破碎化景观中仍保持稳定性能。

Advantages of STEM-OP

相较于需要海量标注样本的深度学习（如CNN、RetinaNet）和依赖多光谱数据的方法，STEM-OP具有三大优势：

1. 独创性地利用油棕冠层"轮辐状"形态特征，通过双环滑动检测量化纹理规律性

2. 自适应迭代侵蚀算法通过冠径动态阈值实现相邻树冠分割，解决高密度种植区(109株/公顷)的"闭合冠层"难题

3. 计算效率提升20倍，适用于572.6百万株级别的国家尺度应用

Conclusion

本研究首次实现马来西亚全国范围油棕单株级普查，揭示其总种植面积525万公顷（2022年），平均密度109株/公顷。该成果为评估棕榈油产业的碳储量核算、生物多样性保护政策制定提供了高精度空间本底数据。