森林空間結構是森林生態(tài)系統(tǒng)結構和功能的基礎，量化和闡明森林空間結構差異及其潛在驅(qū)動機制，對于精準提升森林質(zhì)量至關重要。

近日，中國林科院資源所林草人工智能與可視化創(chuàng)新團隊提出了一種基于深度學習和多維結構指數(shù)的逐點林分空間結構異質(zhì)性評估新方法，為AI技術助力不同類型森林空間結構差異性量化提供了新途徑，解決了多尺度森林空間結構異質(zhì)性精準評估的難題，為森林空間結構優(yōu)化調(diào)控提供科學依據(jù)，為開展森林精準經(jīng)營與智能決策提供關鍵技術支撐。

該研究以嵌入式向量網(wǎng)絡為基礎，結合區(qū)域可達算法和角度閾值策略，構建了單株尺度的林分空間結構異質(zhì)性深度學習網(wǎng)絡，精準刻畫單株木的形態(tài)結構和生長狀況；研發(fā)了耦合林分水平和垂直結構的林分空間結構綜合評價指數(shù)，綜合量化了林分空間結構的差異性，實現(xiàn)了不同尺度下林分空間結構異質(zhì)性的精準解析。該方法在中國林業(yè)科學研究院亞熱帶林業(yè)實驗中心開展了應用驗證，通過試驗得出，在不同森林類型中，林分總體空間結構異質(zhì)性差異較小，冠層結構差異和林分密度是造成樹木水平分布格局異質(zhì)性的主要原因。

該研究論文發(fā)表在Computers and Electronics in Agriculture 期刊，資源所博士邱漢清為第一作者，研究員張懷清為通訊作者。該項研究得到國家自然科學基金項目以及國家重點研發(fā)計劃政府間國際科技創(chuàng)新合作項目的聯(lián)合資助。（邱漢清）