近日，williamhill官网资源环境学院王德智副教授团队在森林资源智能监测领域取得新研究进展。相关学术成果分别发表在遥感领域的两本国际知名期刊《International Journal of Applied Earth Observation and Geoinformation》（地球科学一区Top，IF=8.60）与《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（地球科学二区，IF=5.3）上。

论文1题为“Mangrove-Net: A multi-stage attention fusion and class token network for mangrove species mapping using lidar point clouds”。针对红树林物种分类中，传统基于光栅化激光雷达数据的方法容易丢失精细三维结构信息、难以区分形态相似物种的难题，团队创新性地提出了一种专门针对红树林的点云深度学习物种分类网络——Mangrove-Net。该方法利用多阶段注意力融合和类标记（class token）机制，有效平衡了局部几何特征的表达与全局语义的感知。同时，研究引入了加权交叉熵损失函数，以应对样本不平衡的问题。在海南清澜省级自然保护区的验证测试中，该方法以75.26%的总精度（OA）和74.79%的平均类别精度（mAcc），显著优于PointNet++、Point Transformer、3DGTN等多种主流的点云深度学习基准模型。Mangrove-Net方法生成的红树林物种图具备更高空间连续性与生态一致性，且在ModelNet40数据集上验证了良好泛化能力。

论文2题为：“AEZGO: A novel approach for mapping mangrove canopy height using UAV lidar data and Sentinel-2 images”。在大尺度红树林冠层高度估算方面，现存方法面临着双重挑战：一是多光谱影像的光谱饱和效应会导致高树被低估、矮树被高估的系统性偏差；二是红树林空间异质性会削弱模型在大范围区域的泛化能力。针对此问题，本研究首先挖掘红树林先验生态知识，然后将先验生态知识融入到模型中，开发了一种自动生态分区与地理平衡优化（AEZGO）的红树林冠层高度估算新方法。AEZGO深度融合了无人机激光雷达数据、Sentinel-2影像以及红树林生态先验知识：首先，基于环境变量、光谱特征等生态知识，利用自适应加权分区算法进行生态分区，以降低空间异质性；其次通过地理平衡优化样本、特征筛选和空间协变量，解决光谱-高度关系中的光谱饱和难题。在海南岛全域实现10 m分辨率红树林冠层高度制图，模型R²=0.74、RMSE=1.12 m，较传统随机森林方法精度显著提升，大幅降低高树低估与矮树高估误差，生成当前海南岛精度最高的红树林冠层高度产品。

这两项创新成果不仅克服了复杂红树林群落种间分类与高度反演的技术难点，更为大规模红树林生物多样性保护修复、蓝碳储量精准核算以及防风消浪等海岸带生态服务评估提供了可靠的科学依据和技术支撑。

论文1williamhill官网资源环境王德智副教授为论文第一作者，williamhill官网为第一单位，论文2williamhill官网资源环境王德智副教授为唯一通讯作者，williamhill官网为唯一通讯单位。合作单位有海南师范大学、中国地质大学（武汉）、海南省林业科学研究院（海南省红树林研究院）、中国科学院空天信息研究院、厦门大学。研究得到国家重点研发计划青年科学家项目和国家自然科学基金支持。

论文1链接：https://doi.org/10.1016/j.jag.2026.105166

论文2链接：https://doi.org/10.1109/JSTARS.2026.3668886

撰稿：梁杰  王德智

校对：李可

审稿：刘杰