《Science of Remote Sensing》：Mapping and classification of trees outside forests using deep learning
编辑推荐：
林外树木（Trees Outside Forests, TOF）涵盖所有生长在联合国粮食及农业组织（FAO）森林定义之外的树木，其结构形式多样，从树篱、小林丛到农田散生木不等。TOF是城市和农业景观的重要组成部分，提供重要的生态系统服务。传统上，TOF的评估依
林外树木（Trees Outside Forests, TOF）涵盖所有生长在联合国粮食及农业组织（FAO）森林定义之外的树木，其结构形式多样，从树篱、小林丛到农田散生木不等。TOF是城市和农业景观的重要组成部分，提供重要的生态系统服务。传统上，TOF的评估依赖于实地清查，该方法准确但成本高、劳动密集、空间覆盖有限，且常常低估TOF的真实丰度和分布。遥感提供了一种可扩展的替代方案，能够实现连续且空间全面的制图。早期研究利用高度和光谱阈值对TOF进行分类，但这些启发式阈值针对特定景观调优，难以迁移至其他区域。深度学习凭借其学习跨环境上下文自适应特征的能力，改善了TOF制图的可扩展性和可迁移性，然而现有大规模研究多将TOF简化为林内与林外的二元区分，牺牲了结构细节。为弥补这一空白，研究人员对六种最先进的语义分割架构进行了系统评估，包括ABCNet、BANet、DC-Swin、FT-UNetFormer、LSKNet及作为基线的U-Net，用于在德国四个不同农业景观中基于高分辨率RGB航空影像对TOF进行四类制图与分类：森林（Forest）、斑块（Patch）、线性（Linear）和单木（Tree）。结果表明，FT-UNetFormer表现最佳，平均交并比（mIoU）为0.739，平均F1分数（mF1）为0.843，在所有类别中均取得最优结果。误差分析显示，边缘像素是TOF类别的主要挑战，斑块（Patch）与线性（Linear）之间以及与森林（Forest）之间存在混淆。面积偏差分析表明，背景（Background）和森林（Forest）面积再现偏差较低，而线性（Linear）和斑块（Patch）被低估，单木（Tree）被高估。空间泛化实验表明，在未见过的区域中性能有所下降，尤以斑块（Patch）、线性（Linear）和单木（Tree）类别最为显著，表明大规模TOF制图需要区域多样化的训练数据。与哥白尼土地监测服务高分辨率层小木质特征（SWF）产品的比较显示，所提方法能够解析出SWF遗漏的更多斑块（Patch）和大量单木（Tree）对象。该研究首次将深度学习系统应用于多类别TOF制图，证明了仅基于RGB影像即可可靠地绘制包括单木和窄树篱在内的小型TOF要素，为精细生态分析和土地规划提供了新工具。
论文解读
一、研究背景与问题
林外树木（Trees Outside Forests, TOF）指所有生长在联合国粮食及农业组织（FAO）森林定义之外的树木，涵盖树篱、小林丛、农田散生木等多种结构形式。TOF是城市与农业景观的有机组成部分，提供栖息地与连通性支持、土壤固碳与侵蚀控制、微气候调节等关键生态系统服务，并在低森林覆盖率国家显著贡献于国家碳储量。TOF的生态功能高度依赖其结构类型：线性树篱对连通性和防风至关重要，较大林丛可作为野生动物庇护所，单木则影响局部微气候与景观特征。因此，TOF评估不仅需要检测森林外的树木覆盖，还需区分其结构形态。
然而，传统TOF评估依赖实地清查，虽准确但成本高昂、劳动密集、空间覆盖有限，且常低估TOF的真实分布。遥感提供了可扩展的替代方案，但早期基于高度和光谱阈值的方法针对特定景观调优，难以跨区域迁移。深度学习改善了TOF制图的可扩展性与可迁移性，但现有大规模研究多将TOF简化为林内与林外的二元区分，牺牲了结构细节，无法分离树篱、林丛和农田散生木，限制了其在栖息地建模和政策审计中的价值。近年来虽有研究针对单一TOF结构类型（如树篱）进行制图，但均未提供统一的TOF结构分类体系。因此，在可扩展但粗糙的二元制图与单一结构的精细制图之间存在明显空白，尚无研究系统性地以可跨景观迁移的方式绘制完整TOF结构类别。同时，能够建模空间上下文的语义分割架构（特别是视觉Transformer和现代CNN）在遥感基准上表现优异，但尚未被系统评估用于多类别TOF制图。本研究旨在填补这一空白。
二、研究内容与结论
研究人员对六种最先进的语义分割架构进行了系统评估，用于在德国四个具有不同景观结构的农业区域中，基于高分辨率RGB航空影像对TOF进行四类制图与分类。四个研究区分别为勃兰登堡（BB）、北莱茵-威斯特法伦北部（NRW_N）、北莱茵-威斯特法伦南部（NRW_S）和石勒苏益格-荷尔斯泰因（SH），每个区域面积为100 km2。研究将树木覆盖划分为四个几何类别：森林（Forest）、斑块（Patch）、线性（Linear）和单木（Tree）。结果表明，FT-UNetFormer在所有模型中表现最佳，mIoU达0.739，mF1达0.843，且在所有类别中均取得最优结果。该研究首次将深度学习系统应用于多类别TOF分类，证明了仅基于RGB影像即可可靠绘制包括单木和窄树篱在内的小型TOF要素，为精细生态分析和土地规划提供了可行工具。
三、关键技术与方法
研究人员使用了四个德国联邦州的数字正射影像（DOP）和摄影测量衍生的归一化数字表面模型（nDSM），影像采集于2021至2023年夏季，统一重采样至20 cm空间分辨率。参考数据通过自动化流程结合人工修正生成：首先以3 m高度阈值过滤nDSM生成掩膜，在掩膜内计算归一化植被指数（NDVI），采用k-means聚类（k=2）将像素分为活跃植被与非渗透表面，经形态学闭运算、多边形化和道格拉斯-普克算法平滑后，依据FAO定义和几何阈值（面积、宽度、伸长率）划分四个类别，并逐多边形在0.2 m尺度人工检查修正。模型训练仅使用RGB波段，近红外波段和nDSM仅用于参考数据生成。研究比较了ABCNet、BANet、DC-Swin、FT-UNetFormer、LSKNet和U-Net六种模型，训练数据共27,000个1024×1024像素的补丁，推理时采用滑动窗口（步长128）处理完整5000×5000像素瓦片，重叠预测通过softmax概率平均和多数投票合并。空间泛化评估采用留一区域法，即用三个区域训练、一个区域测试。
四、研究结果
模型比较。 六种模型中，FT-UNetFormer取得最佳平均精度（mIoU 0.739，mF1 0.843），且是四个研究区中最稳定的模型之一；ABCNet、BANet和U-Net的跨区域变异更大。基线U-Net表现最弱（mIoU 0.484）。所有模型对森林类别的分类精度均很高，差异主要体现在更复杂的TOF类别上，其中线性类别精度最高，斑块类别精度最低，单木介于两者之间。
详细结果与误差分析。 FT-UNetFormer对森林和TOF类别的描绘准确，森林分类最准确，其次为空间结构更复杂的TOF类别，其中线性最准确、斑块最不准确。误差矩阵揭示了三个主要误分类来源：第一，边缘像素是TOF类别的主要挑战，对单木类别最为突出，其包含最多边缘像素且最常与背景混淆；第二，斑块和线性在与相邻森林融合处被混淆为森林；第三，TOF类别之间相互混淆，最常见的是斑块在过渡区域被预测为线性，以及斑块与单木之间的混淆。面积比较显示，背景和森林面积再现偏差较低（分别为?0.11%和+3.28%），而线性（?8.38%）和斑块（?33.35%）被低估，单木（+22.14%）被高估。各研究区精度相对一致，线性与单木最为稳定，斑块变异最大（在BB中精度最低）。单木类别一致表现出召回率高于精确率，表明对象边缘的过度分割导致高估。
与SWF比较。 与哥白尼土地监测服务高分辨率层小木质特征（SWF）产品的比较显示，SWF仅捕获部分木质要素，且在其边界处过度描绘。SWF绘制的线性面积更大（反映其较粗的5 m分辨率），而FT-UNetFormer绘制的斑块面积显著更多，并解析出大量SWF未表示的单木。两者空间重叠度低（线性IoU 26.9%，斑块IoU 5.0%），源于分辨率和类别定义的差异。
空间泛化。 在未见区域上的测试显示，所有类别性能均有所下降，其中斑块（IoU下降0.13–0.23）、线性（下降0.03–0.22）和单木（下降0.11–0.18）下降最为显著，森林下降相对较小（0.02–0.07）。这表明大规模TOF制图需要区域多样化的训练数据。
五、讨论与结论
讨论部分指出，FT-UNetFormer作为全Transformer架构，其强大的空间上下文建模能力使其在多类别TOF制图中优于其他架构。仅使用RGB影像即可实现可靠的TOF制图，这一发现具有重要意义，因为RGB正射影像是跨区域和年份最一致可用的数据源，而协同配准的nDSM通常难以获取，会阻碍大规模迁移。与SWF的比较表明，高分辨率航空影像结合深度学习能够解析出现有产品遗漏的精细TOF要素。空间泛化实验强调了训练数据区域多样性的重要性，为未来大规模应用提供了指导。
研究结论为：FT-UNetFormer是TOF制图和分类的最有效模型，在森林、斑块、线性和单木四个类别中均取得最佳精度。仅基于RGB影像即可可靠绘制包括单木和窄树篱在内的小型TOF要素，实现精细生态分析。该研究首次提供了现代分割架构用于多类别TOF制图的系统评估，弥合了可扩展但粗糙的二元制图与单一结构精细制图之间的空白，为TOF的生态监测、保护和土地利用规划提供了新工具。
