基于深度学习的树冠分割及生物量估算

打开文本图片集

摘  要：地上生物量反映植被生长状况和碳储量的大小，该参数的准确性对于碳循环研究以及减缓气候变化至关重要。以芭蕉树为研究对象，提出一种利用深度学习实现芭蕉树冠检测分割和地上生物量估算的新思路。首先，以深度学习算法YOLOv8s-seg为基础框架改进，并应用无人机遥感影像，实现芭蕉树冠检测分割；然后，提取芭蕉树冠覆盖面积，结合实测地上生物量数据进行拟合，使用线性回归、K最近邻算法（K-NearestNeighbor ，KNN）、支持向量机、随机森林和XGBoost（eXtreme Gradient Boosting）方法分别建立芭蕉地上生物量估算模型；最后，对模型估测结果进行比较分析确定最优模型。（剩余15193字）