Тропические мангровые леса являются одними из самых продуктивных и биоразнообразных лесных ресурсов. Исследование ресурсов мангровых лесов предоставляет данные для научного управления и охраны лесных ресурсов, а точное выделение отдельных деревьев является предпосылкой для проведения второго типа лесных исследований. Наземное лазерное сканирование (TLS) обеспечивает обширные и высокоточные трехмерные облака точек. Однако данные облаков точек характеризуются нерегулярностью, неоднородной плотностью и потерями данных из-за засвета. Кроме того, сцена мангрового леса сложна: кроны переплетены, деревья друг друга затеняют, поэтому существующие методы не применимы к TLS-облакам точек мангров. В настоящем исследовании инновационно объединены глубокое обучение и традиционные алгоритмы, предложена высокоточная методика выделения отдельных деревьев в сложных TLS-данных мангрового леса. Сначала используется сеть глубокого обучения RandLA-Net для фильтрации почвы и отделения листвы в пробных участках, затем метод сегментации связных областей для выделения ствола, и наконец реализуется выделение одиночных деревьев на основе модуля мультиограничений вершины дерева. Для оценки точности алгоритма выбраны семь участков мангрового леса в провинции Хайнань, Китай, проведено сравнительный анализ с двумя классическими алгоритмами. Результаты экспериментов показывают, что общая точность предлагаемого метода достигает 0,87, что значительно выше двух классических методов, доказывая эффективность и надежность предложенного подхода.

тропические мангровые леса;наземное лазерное сканирование;облако точек;выделение отдельных деревьев;глубокое обучение