综述：基于3D数字景观与点云深度学习的藏式传统民居地域特征解析——以阿坝州东北部地区为例

本研究创新性提出结合3D数字景观（3D-DLS）与点云深度学习（PC-DL）的自动化解译框架，通过自主研发的多尺度建筑特征解析（MSBFI）模型量化分析藏式民居地域特征，为传统建筑保护提供客观量化工具，显著提升大尺度遗产研究的效率与精度。

　　

引言

阿坝藏族羌族自治州东北部（简称东北阿坝）作为藏汉羌文化交汇区，其传统藏式民居是地域文化的重要物质载体。然而，传统研究方法受限于专业门槛高、样本量不足等问题，难以实现全域尺度的客观分析。本研究突破性地将3D数字景观（3D-DLS）与点云深度学习（PC-DL）结合，构建自动化解析框架，为遗产建筑保护提供新范式。

研究方法

数据采集与建模
通过无人机（UAV）航拍获取24个传统村落382组藏式民居点云数据，建立阿坝民居分类（AHC）与分割（AHS）数据集。采用KMeans聚类将研究区划分为黑水、松潘、九寨沟三个子区域，Silhouette系数验证了聚类合理性。

核心技术模型

• MSBFI模型：基于PointNet++架构，通过分层抽象（SA）模块提取建筑细节（SA1）、局部构件（SA2）和整体形态（SA3）特征，权重配置（如SA1:SA2:SA3=2:4:4）可靶向解析不同尺度特征。相较APE和PcSN等传统方法，MSBFI在全局特征感知和计算效率上具有显著优势。
• RandLA-Net模型：采用随机采样（RS）与局部特征聚合器（LFA）模块，实现65.41% mIoU的建筑元素语义分割，精准识别屋顶、墙体、附属房间等8类要素。

关键发现

地域特征定量解析

• 黑水组：防御性特征突出，墙体占比达32.7%，建筑体量高耸，附属房间紧密连接主体，反映历史上战乱频发背景下的内向防御策略。
• 松潘组：生活性特征显著，庭院（占比21.3%）与植被元素丰富，建筑形态灵活错落，体现藏汉文化融合。
• 九寨沟组：开放性特征明显，木质结构占比提升，小型庭院与茂密植被构成邻里交互空间，印证和平环境下的外向生活形态。

方法学验证
与田野调查结果对比显示，本框架识别出的特征元素（如黑水组石墙、九寨沟组附属房间）与传统研究吻合度达85%，且补充了易被忽视的次要元素（如附属房间占比12.1%）。

应用前景与局限

该框架可扩展至其他遗产建筑研究，未来需优化点云精度以识别门窗等细节元素。通过升级MSBFI权重算法、扩充数据集，有望实现从宏观聚落到微观构件的多尺度特征解析，为文化遗产保护提供动态量化工具。

结论

本研究首次实现东北阿坝全域藏式民居特征的自动化解析，建立的3D-DLS与PC-DL融合框架，不仅填补了传统方法的效率与客观性缺口，更为遗产建筑的数字化保护与活态传承提供了可复用的技术路径。