الغابات الاستوائية للطمي الأحمر هي واحدة من أكثر الموارد الغابية إنتاجية وتنوعًا بيولوجيًا. يوفر مسح موارد الغابات للطمي الأحمر دعمًا بيانيًا للإدارة العلمية وحماية الموارد الغابية، والتقسيم الدقيق للأشجار الفردية هو شرط مسبق لمسح الغابات من النوع الثاني. يمكن أن يوفر نظام المسح الليزري الأرضي TLS بيانات سحابية ثلاثية الأبعاد ضخمة وعالية الدقة. ومع ذلك، تواجه بيانات السحابة النقطية مشاكل في عدم الانتظام، والكثافة غير المتساوية، ونقص البيانات بسبب التظليل. بالإضافة إلى ذلك، المشهد المعقد لغابات الطمي الأحمر، وتداخل الأوراق، وتظليل الأشجار بعضها البعض يجعل الطرق البحثية الحالية غير مناسبة لسحب بيانات TLS الخاصة بغابات الطمي الأحمر. توصل هذا البحث بشكل مبتكر إلى إطار تقسيم دقيق للأشجار الفردية لسحب بيانات TLS في مشاهد غابات الطمي الأحمر المعقدة من خلال دمج التعلم العميق والخوارزميات التقليدية. يستخدم الإطار أولًا شبكة التعلم العميق RandLA-Net لتصفية الأرض وفصل الأوراق في المقطع، ثم يستخدم تقسيم المجال المتصل لتقسيم الجذع، وأخيرًا يعتمد على وحدة متعددة القيود لنقطة القمة لتحقيق تقسيم الأشجار الفردية. تم اختيار سبع قطع غابات للطمي الأحمر في مقاطعة هاينان الصينية لتقييم دقة الخوارزمية مقارنة مع خوارزميتين كلاسيتين. أظهرت النتائج التجريبية أن دقة الطريقة وصلت إلى 0.87، وهي أعلى بكثير من الخوارزميات الكلاسيكية، مما يثبت فعالية وموثوقية الطريقة.

غابات الطمي الأحمر;المسح الليزري الأرضي;سحابة نقطية;تقسيم الأشجار الفردية;التعلم العميق