稀树草原是对全球土地利用和气候变化最敏感的生态系统之一。树木是稀树草原生态系统的核心组成部分，是影响动植物群生存和生物多样性的重要因素，对生态系统服务具有关键作用，并对生态系统功能产生深远影响，包括碳、养分和水分循环。中国温带稀树草原覆盖面积广泛，但基于常用全球卫星的遥感方法难以捕捉稀树草原中孤立生长的树木，目前仍缺乏对温带稀树草原中树木的数量、位置及覆盖度信息。本研究提出了一种轻量化、高性能的单阶段实例分割模型DeepTree，利用亚米分辨率的高分系列卫星图像，分别在浑善达克沙地和科尔沁沙地温带稀树草原分布区2000 km²和250 km²的区域实现了单木识别和单木树冠分割。研究在稀树草原研究区共监测到约69万棵树，浑善达克沙地和科尔沁沙地研究区分别为66万（3.3棵/公顷）和3万棵（1.3棵/公顷），树冠面积中位数分别为72 m²和96 m²。精度验证结果表明，DeepTree 模型在树冠检测精度的 Precision、Recall 和 F1 Score 等指标分别为 90.61 %、95.07 %和92.79 %。以人工标注树冠表型参数为真值，DeepTree 模型提取树冠面积的决定系数和均方根误差分别为0.92和10.36 m。本研究提出了一种稀树草原区域尺度单木遥感监测方法，并量化了中国东部稀树草原典型分布区单木信息。对中国温带稀树草原碳储量的估算，气候变化评估和生态系统保护与恢复至关重要。该方法也可为干旱半干旱区稀疏树木的监测提供解决方案。
 

稀树草原,深度学习,单木识别,表型参数