《Frontiers in Plant Science》：Deep learning-based automatic tree-level crown detection from high-resolution UAV imagery for aboveground carbon stock estimation
编辑推荐：
精确的单木树冠 delineation 对于森林资源管理和碳储量估算至关重要。然而，传统的人工解译在复杂森林条件下效率低下，且现有的基于深度学习的目标检测模型在树冠重叠和背景干扰下仍存在明显不足。为解决上述限制，本研究提出了一种改进的 YOLOv8-CAFM
精确的单木树冠 delineation 对于森林资源管理和碳储量估算至关重要。然而，传统的人工解译在复杂森林条件下效率低下，且现有的基于深度学习的目标检测模型在树冠重叠和背景干扰下仍存在明显不足。为解决上述限制，本研究提出了一种改进的 YOLOv8-CAFM 模型。通过融合卷积神经网络（convolutional neural network，CNN）的局部特征提取能力与 Transformer 的全局上下文建模能力，CAFM 模块增强了对小型及部分遮挡树冠的检测能力。本研究选取中国辽宁省彰武县两种冠层密度差异显著的人工林为研究区，优势树种分别为樟子松（*Pinus sylvestris* var. *mongolica*）和油松（*Pinus tabuliformis*）。基于高分辨率无人机影像手工勾绘了单木树冠数据集，以支持自动化树冠检测。将所提模型与广泛使用的树冠检测模型 Faster R-CNN、YOLOx 和 DeepForest 进行了对比。在检测树冠的基础上，进一步结合野外实测数据、树种特异性异速生长方程（allometric equation）和含碳系数，估算了单木地上碳（aboveground carbon，AGC）储量。结果表明，YOLOv8-CAFM 在稀疏和密集林分中均表现出良好的检测性能，mAP@0.5:0.95 分别达到 0.736 和 0.609，F1 分数分别为 0.974 和 0.856，优于 Faster R-CNN、YOLOx 与 DeepForest。提取的树冠面积与参考数据高度一致（稀疏林 R2=0.898，密集林 R2=0.794），展现出较强的边界刻画能力。此外，估算的森林 AGC 储量与野外实测值呈显著相关，樟子松和油松的 R2 分别为 0.53 和 0.60。通过对局部与全局特征的联合建模，所提方法提升了单木检测精度，尤其在密冠林分中效果显著，为精准的森林碳汇监测提供了高效的技术支持。
**一、研究背景与科学问题**
森林是陆地生态系统的重要组成部分，在缓解全球气候变化中发挥着关键作用。为实现森林资源的可持续经营，需要开展综合性的森林清查，获取单木树高、胸径（diameter at breast height，DBH）、树种、冠幅和树龄等参数。树冠是林木进行光合作用和蒸腾作用的重要场所，也是估算单木碳储量和林分冠层密度的关键变量。可靠的单木冠层信息不仅服务于森林清查，更有助于表征树木尺度的结构变异及其与地上碳（aboveground carbon，AGC）分配的关系。传统树冠测量主要依赖野外调查，通过人工拉尺获取东西和南北方向的冠幅，存在劳动强度大、调查周期长、受环境影响严重、主观误差大和数据更新困难等局限。无人机（unmanned aerial vehicle，UAV）遥感技术具有使用便捷、成本低、影像获取快和高分辨率等优势，能够在更高空间分辨率下探测精细的森林冠层结构，为准确估算森林AGC储量开辟了新途径。
单木树冠分割是森林AGC储量估算的基础，其精度直接影响估算结果的准确性。现有基于高分辨率无人机影像的单木识别方法可归为传统图像处理、机器学习和深度学习三类。传统图像处理方法包括多尺度分割、局部极值检测、模板匹配、边缘检测、区域生长、分水岭算法和主动轮廓法等，这些方法在特定条件下有一定效果，但在冠层重叠、阴影干扰或相邻冠层光谱特征相似时，容易出现过度分割或欠分割。基于特征的机器学习方法则依赖人工设计的特征和训练样本的代表性。近年来，以卷积神经网络（convolutional neural network，CNN）为代表的深度学习技术在森林遥感领域取得了突破，已在单木识别、林火探测、病虫害监测和植物表型检测等方面得到广泛应用。常用的单木识别深度学习模型包括Faster R-CNN、Mask R-CNN、YOLO系列以及DeepForest、Detectree2等开源模型。
然而，现有的基于深度学习的树冠检测模型仍存在一个特定局限：常规YOLOv8主要依赖基于卷积的局部特征提取，当相邻树冠RGB外观相似且边界被重叠、阴影和背景干扰削弱时，仅靠局部特征可能无法有效表征区分邻近单株所需的更广泛的 пространственный上下文，导致漏检、重复检测和树冠定位不准，进而影响下游的结构属性提取和单木AGC估算。目前，局部-全局特征融合在多大程度上能够缓解不同冠层条件下的这一瓶颈，以及剩余树冠检测误差对下游AGC估算的影响程度，尚未得到充分评估。为此，本研究提出三个科学问题：（1）将局部卷积特征与全局上下文注意力相结合能否改善树冠检测，特别是在郁闭和部分遮挡冠层中？（2）在对比冠层条件下，所提出的YOLOv8-CAFM模型相对于常规YOLOv8、Faster R-CNN、YOLOx和DeepForest表现如何？（3）基于无人机获取的树冠信息在多大程度上能够支持单木AGC估算，这一多步骤流程的主要局限和误差来源是什么？
**二、研究内容与主要结论**
本研究以中国辽宁省阜新市彰武县（122°53′E，42°38′N）两个无人机研究区为对象，分别代表稀疏冠层和密集冠层林分。稀疏冠层林分为樟子松（*Pinus sylvestris* var. *mongolica*）人工林，冠层覆盖度为29.1%，影像采集于2022年7月25日，覆盖面积15.6 ha；密集冠层林分为油松（*Pinus tabuliformis*）人工林，冠层覆盖度为50.7%，影像采集于2023年8月11日，覆盖面积15.1 ha。研究人员基于高分辨率无人机影像手工勾绘了单木树冠数据集（稀疏林4965个树冠，密集林4144个树冠），并提出了改进的YOLOv8-CAFM模型。通过在YOLOv8的C2f结构中引入CAFM模块，融合CNN的局部特征提取能力和Transformer的全局上下文建模能力，以增强对小型和部分遮挡树冠的检测能力。模型在稀疏和密集林分中的mAP@0.5:0.95分别达到0.736和0.609，F1分数为0.974和0.856，均优于Faster R-CNN、YOLOx和DeepForest。基于检测的树冠面积，结合野外实测数据、树种特异性异速生长方程和含碳系数，估算的樟子松和油松单木AGC储量与实测值的R2分别为0.53和0.60，RMSE（%）分别为16.40%和31.61%。研究表明，该改进的深度学习模型显著提升了树冠识别效率，为森林资源调查、生态监测以及样地尺度和区域尺度的AGC储量估算提供了可靠的技术支持与数据基础。
**三、主要关键技术方法**
本研究采用的主要关键技术方法包括：（1）基于DJI Phantom 4 RTK平台获取高分辨率无人机影像，经Pix4Dmapper软件拼接生成数字正射影像（digital orthophoto model，DOM）和数字表面模型（digital surface model，DSM），通过点云分类生成数字地形模型（digital terrain model，DTM），并计算冠层高度模型（canopy height model，CHM）；（2）在ArcGIS中通过人工目视解译勾绘单木树冠，构建训练、验证和测试数据集（稀疏林分训练集214幅、验证集92幅、测试集162幅；密集林分训练集157幅、验证集67幅、测试集112幅）；（3）改进YOLOv8模型，将CAFM模块融入C2f结构形成C2f-CAFM，利用1×1卷积和通道混洗、深度可分离卷积以及3×3×3卷积提取局部特征，通过Query-Key-Value注意力机制建模全局特征；（4）采用基于空间位置约束和分组优化的检测框合并算法，并结合格网化空间索引降低计算复杂度；（5）基于野外实测数据（稀疏林47株、密集林59株）建立冠幅-DBH线性回归模型，结合异速生长方程和含碳系数估算单木AGC储量。野外调查样本按1:1比例分为校准数据集（樟子松24株、油松30株）和验证数据集（樟子松23株、油松29株）。
**四、研究结果**
**4.1 不同密度树冠检测模型的训练结果**
不同尺度YOLOv8和YOLOv8-CAFM模型在测试集上的损失曲线均呈显著下降趋势并最终收敛，各模型尺度的损失值表现为n＞s＞m＞l＞x的趋势，其中s、m、l、x尺度之间的差异相对较小。
**4.2 不同密度下树冠检测精度对比**
YOLOv8-CAFM在五种模型尺度上的mAP@0.5:0.95平均绝对增益在稀疏和密集冠层测试集中分别为0.012和0.069，最高值分别为0.736和0.609。在x尺度下，CAFM使mAP@0.5:0.95在稀疏冠层中从0.721提升至0.736，在密集冠层中从0.541提升至0.609，表明CAFM的增益在密集冠层条件下更大。
**4.3 不同树冠目标检测模型的结果与精度对比**
YOLOv8-CAFM（x）在稀疏和密集林分中均取得最优检测性能。稀疏林分中各模型的mAP@0.5:0.95分别为YOLOv8-CAFM(x) 0.736、YOLOv8(x) 0.721、Faster R-CNN 0.669、YOLOx 0.629、DeepForest 0.622；密集林分中分别为0.609、0.541、0.526、0.492、0.375。定性分析显示，YOLOv8-CAFM在密集冠层中产生的漏检和误检更少。
**4.4 单木树冠检测结果合并与面积评估**
基于空间位置约束和分组优化的合并算法处理后，YOLOv8-CAFM(x)在稀疏林中的树冠检测数量为1046（实际1065），密集林中为1446（实际1507），偏差均为最小。树冠面积检测精度在稀疏和密集林分中R2分别为0.898和0.794，rRMSE分别为13.44%和21.61%，表明模型能够准确提取不同场景下的单木树冠边界。
**4.5 单木尺度森林AGC储量制图与精度评估**
基于树冠分割结果，结合冠幅-DBH线性模型、异速生长方程和含碳系数，估算了研究区单木尺度AGC储量。稀疏林中樟子松AGC估算R2为0.53，密集林中油松R2为0.60。高AGC值单木的预测值被显著低估，而低AGC值单木被高估。
**五、讨论与结论**
讨论部分指出，CAFM的收益强烈依赖于冠层条件：在稀疏冠层中mAP@0.5:0.95平均绝对提升仅为0.012，而在密集冠层中为0.069。卷积分支保留精细的冠层纹理和边缘线索，注意力分支则增强长距离特征交互和上下文表示，二者的融合在局部冠层线索因重叠、阴影或相似外观而不完整或模糊时最为有效。然而，密集冠层性能仍低于稀疏冠层，且两研究区在优势树种、影像采集年份和日期、光照条件和林分结构等方面存在差异，这些因素与研究区身份相互混杂，无法独立分离，因此密集冠层场地的较差表现应归因于场地和采集条件的综合效应，而非冠层密度或冠层重叠的独立效应。CAFM缓解了而非消除了严重重叠和弱冠层边界造成的误差。空间分辨率方面，本研究将两研究区影像统一重采样至0.06 m，但未进行系统的分辨率敏感性分析，所选分辨率不应被解释为实验确定的最优分辨率。AGC估算中的偏差可能来源于多个环节：冠层重叠和遮挡导致大冠幅可见范围饱和或截断、轴对齐边界框面积作为冠幅代理压缩了冠幅范围、线性冠幅-DBH关系将预测向均值收缩、CHM提取树高和摄影测量DEM的不确定性通过异速生长方程传播等。研究结论为：改进的YOLOv8-CAFM模型显著提升了复杂场景下的树冠检测精度，在稀疏和密集林分中均表现优异，mAP@0.5:0.95分别为0.736和0.609，F1分数为0.974和0.856，优于YOLOv8、Faster R-CNN、YOLOx和DeepForest；估算的稀疏林和密集林单木AGC储量均值分别为23.49 kg和66.8 kg，樟子松和油松的验证R2分别为0.53和0.60，RMSE（%）分别为16.40%和31.61%。改进的深度学习模型为森林资源调查和生态监测提供了可靠的技术支撑，研究结果可为样地尺度和区域尺度的AGC储量估算提供数据基础。
