🌲 森林和树木

该模型根据不同地区和气候带的高分辨率数据（0.6-0.3m）进行训练。

结果包括所有树木和灌木植被覆盖的区域，包括稀疏的森林和灌木丛。

模型分辨率允许检测小群树木和狭窄的树线。

该模型对区域变化具有鲁棒性，并且在包括城市在内的大多数环境中表现良好。图像应在植被活跃时期拍摄，因为无叶树木或被雪覆盖的植被不是目标类别。

最新型号标签 |:标签:|

版本

2026-07-03

地理域

全球的

模型法

分割

GSD / 地图缩放

0.6–0.3 m / z18–19

固体**森林**面膜的加工结果示例

附加选项：

• 高度估计 – 按高度类别进行森林掩模分类

• 树冠多边形 - 从森林植被以及独立树木中提取树冠，将其作为多边形提供

• 树冠点 - 从森林植被以及独立树木中提取树冠，将其作为点提供

重要

我们建议使用具有 0.3m 分辨率图像（约 19 倍变焦）的 树冠 选项，以便在您需要检测单棵树时获得最佳结果。

注解

森林高度分类遵循以下类别：

• 低于4米的灌木；

• 森林高度4至10米；

• 森林高度超过10米；

此分类用作电力线区域植被管理等的决策支持。请参阅“Geoalert 的专业解决方案<https://geoalert.io/solutions/power>”_。阈值可以根据要求定制。

处理结果样本

**树冠、点**结果示例

**具有高度的森林**蒙版的结果示例（光栅输出）

基准 - 细分

最新更新 — **🌲 森林和树木 v.2026-07-03**（全局，细分）。该模型根据手动注释的基本事实在 6 个感兴趣区域 (AOI) 的验证集上进行评估。指标是基于区域的：IoU 是预测植被掩模和地面真实植被掩模的交集，并且 F1 / 精度 / 召回率是在重叠掩模区域上计算的。

AOI（位置）	预测特征	IOU	F1	精确	记起
意大利 — 克罗托内	第254章	0.862	0.926	0.944	0.909
西班牙 — 马德里	第368章	0.813	0.897	0.880	0.915
菲律宾 — 巴兰加	220	0.806	0.892	0.864	0.923
西班牙 — 贝利利亚德圣安东尼奥	1070	0.784	0.879	0.894	0.864
西班牙 — 昆卡	409	0.763	0.865	0.859	0.872
乌兹别克斯坦 — 塔什干	156	0.730	0.844	0.905	0.791
西班牙 — 罗斯	249	0.617	0.763	0.699	0.841
阿根廷 — 拉班达	93	0.576	0.731	0.653	0.829
全球（8 个 AOI 的平均值）	2819	0.744	0.850	0.837	0.868

根据地面实况植被掩模测量的基于区域的 IoU / F1 / 精度 / 召回率；评估运行时间为 2026 年 7 月 3 日。与之前版本 v.2025-06-14 相比（平均 F1 0.513，IoU 0.396）。

参见

📊 请参阅 每个位置基准详细信息 了解逐个区域的细分，包括与之前版本的比较以及预测与真实情况叠加。