FA-CTNet：一种基于几何特征的深度学习方法，用于从激光雷达点云中分类树种 沙胜超（Shengchao Sha）， 刘倩辉（Qianhui Liu）， 张岩（Yan Zhang）， 云婷（Ting Yun）

《Remote Sensing》：FA-CTNet: A Geometry-Aware Deep Learning Approach for Tree Species Classification from LiDAR Point Clouds Shengchao Sha, Qianhui Liu, Yan Zhang and Ting Yun

　　**亮点**
**主要发现是什么？**
提出的几何增强Transformer（FA-CTNet）通过数学上嵌入明确的生物学先验（如曼哈顿位置编码和垂直分布比例），在点云分类方面显著超越了现有的最先进模型。FA-CTNet在严重不平衡的ForSpecial20K数据集上取得了73.21%的宏观F1分数和78.20%的总体准确率，展示了其对少数物种和形态相似物种的卓越区分能力。

**这些主要发现的意义是什么？**
将特定领域的宏观形态约束整合到深度学习架构中，有效地克服了纯数据驱动模型的性能瓶颈，确保了对长尾森林分布的稳健泛化。这一参数高效的框架为精准林业应用（包括单株树木调查和多源LiDAR数据融合）提供了高度可靠且结构可解释的解决方案。

**摘要**
准确识别树种对森林管理、生物多样性研究和精准林业至关重要。近距LiDAR点云提供了关于单个树木的详细三维信息。然而，点云的复杂结构以及物种分布的不平衡使得自动分类变得困难。为了解决这些问题，本研究提出了一个具有几何增强的Transformer模型。该模型结合了局部几何特征和全局注意力机制，以改善森林环境中的物种识别能力。它利用了具有生物学意义的几何信息，包括点云法线、局部密度、垂直结构和生长方向。同时引入了关注类别平衡的损失函数，以减少长尾物种分布的影响。在ForSpecial20K数据集上的实验表明，所提出的方法比基于卷积、图方法和Transformer架构的代表性模型表现得更好，实现了更高的总体准确率（78.20%）、更高的平均类别准确率（73.48%）和更高的宏观F1分数（73.21%）。混淆矩阵的结果和对相似物种的视觉分析进一步验证了几何特征和损失函数设计的有效性。这些结果表明，建模森林的结构信息有助于提高模型的稳健性和泛化能力。所提出的方法为树级物种映射、多源LiDAR数据融合以及精细尺度的森林调查提供了实用的解决方案，同时也展示了将高分辨率LiDAR数据与深度学习结合在林业应用中的价值。

**1. 引言**
通过LiDAR或摄影测量获得的三维（3D）点云已成为遥感领域的主要数据源，它们提供了2D图像所缺乏的空间几何和垂直结构的明确编码[1]。最近的研究强调，地面激光扫描（TLS）通过实现对树木结构的精确量化，正在扩展森林研究的前沿[2]。然而，充分利用这一潜力进行自动物种分类仍然具有挑战性，因为密集或未管理的森林中的扫描经常受到严重的树冠遮挡、不规则密度和背景杂乱的影响[3,4]。
点云数据已成为森林清查和生态监测不可或缺的工具，为可持续管理提供了基本依据[5,6]。然而，在未管理的森林中获取干净的数据非常困难。扫描数据经常存在不规则密度和大量的背景杂乱[5,7]，而在复杂的机器人测绘场景中这些问题会进一步加剧[8]。顶级遥感期刊上的最新研究反复指出，自动树种分类受到复杂形态重叠的严重限制。此外，由于叶片的可塑性和环境竞争导致的种内形态变异，仅凭全局外观来区分物种往往是不可靠的[3,4,9]。相反，分类学相关的物种在地面激光扫描（TLS）数据中经常具有几乎相同的宏观结构特征，这使得基于纯几何的分类极易产生类别间的混淆[10]。为了促进数据驱动的解决方案，最近引入了大规模基准测试，如SegmentedForests[6]和FOR-species20K数据集[5]，标志着从小规模地块向多样化多物种扫描活动的转变。
早期的点云分析主要依赖于基于PointNet的架构[11,12]、卷积神经网络（CNNs）[13]和图神经网络（GNNs）[14]，这些通常被结合在混合设计中[15]。在林业领域，研究人员对这些基础模型进行了改进，用于树种分类。例如，一些研究改进了针对机载激光扫描数据的PointNet++[16]；其他研究使用动态空间-光谱特征优化来分类常见树种[17,18]。虽然这些方法具有基础性，但它们侧重于聚合局部邻域特征，限制了捕捉复杂森林场景所需的全局结构上下文的能力。为了解决这个问题，原本用于序列建模的Transformer模型[19]被适配到了点云上，利用自注意力机制[20,21]来捕捉长距离依赖性[22]。然而，标准Transformer存在二次复杂性问题，限制了其可扩展性。最近，像Mamba这样的状态空间模型（SSMs）作为线性复杂性的替代方案出现[23,24,25]，在大型遥感任务中显示出巨大潜力[26]。尽管取得了这些进步，但如何将这些数据驱动的框架与林业应用的具体需求有效结合仍然是一个未解决的研究问题。
现有Transformer的一个关键限制是它们对内在几何属性的不充分利用[27,28]，以及依赖于原始坐标或学习到的嵌入[21,29,30]。这种方法将点视为无维度的符号，忽略了诸如分支骨架[31,32]和定量结构模型（QSM）[33]之类的明确几何先验。先前的林业研究表明，这些先验对于描述树冠内部结构非常重要[34,35]。与优化骨架路径的显式重建方法[36]不同，标准的端到端模型存在明显局限性，它们往往难以捕捉多尺度几何特征[37]。它们也难以通过形态分析准确区分木材和树叶成分（即木材过滤），而这对于提取可靠的物种特定结构特征至关重要[38,39,40]。因此，这些模型通常无法区分具有相似局部叶子的物种。然而，这些物种可能具有不同的整体生长模式。这样的差异最好通过表面法线和局部曲率等几何线索来描述[41]。此外，点云本质上是无序且不规则的，使得空间建模高度依赖于位置编码方案[42,43]。尽管不同的距离度量可以捕获不同的空间特征[44,45]，但它们对林业分类的影响尚未系统地优化。
除了架构之外，数据特性也构成了重大障碍。纯Transformer模型需要大量数据，这在林业领域是一个瓶颈，因为标记的3D数据稀缺且获取成本高昂[20,46,47]。为了缓解这一问题，最近的研究探索了生成扩散模型（如Diff-Tree[48]）来合成具有高真实感的多样化树点云。自监督范式[43,49]正在出现，但特定领域的适应仍然具有挑战性。解决森林数据集中的固有长尾分布和分类器偏见[50,51,52,53]需要专门的解决方案，这些解决方案需要结合几何感知和强大的不平衡处理能力[54]。
受这些挑战的启发，本研究专注于开发一个针对林业树种分类的点云分类框架。主要思想是在保持Transformer架构全局建模优势的同时，改进几何表示。该设计受到了Lu等人（2022）[1]提出的架构的启发，它结合了局部邻域信息与全局上下文推理的理念。具体来说，我们明确地整合了具有生物学意义的几何线索来增强局部结构感知。此外，仔细评估了用于位置编码的不同距离度量，以识别符合林业点云特征的空间表示。为了处理树种数据集中的不平衡问题，引入了一种关注类别的优化策略，以提高代表性不足的物种的识别性能。
通过在对代表性点云数据集（包括专注于林业的树种数据）的广泛实验中测试了所提出方法的有效性。实验结果表明，该方法在分类准确性和稳健性方面始终优于现有方法，特别是在复杂的结构条件和不平衡的类别分布下。这些发现展示了使用几何信息的Transformer模型在实用林业遥感应用中的潜力。

**总结**
我们工作的主要贡献如下：
(1) 我们提出了一个带有几何增强的Transformer框架，用于林业树种分类。它明确包含了多维的几何属性，以改善复杂森林环境中的局部结构区分能力。
(2) 通过结合基于PointCNN的局部特征提取和基于Transformer的全局依赖性建模，设计了一个混合CTBlock模块。这使得局部几何细节和全局语义上下文的有效结合成为可能。
(3) 我们系统地研究了用于处理林业点云分类中的空间距离度量和策略，从而在少数物种上取得了更好的性能，并提高了模型在现实世界场景中的稳健性。

**2. 材料与方法**
**2.1. 数据集来源和用途**
实验使用了公开可用的ForSpecial20K数据集。该数据集旨在对近距离激光扫描条件下的单株树种进行分类。该数据集在Zenodo上公开可用（https://zenodo.org/records/13255198（2025年10月15日访问）。它提供了用于训练的标注点云样本。ForSpecial20K结合了来自25个公共和协作数据集的单个树点云，主要覆盖欧洲森林环境，还有一些来自北美和大洋洲的额外样本。该数据集包含19属和33种树种的20,158棵树，不同生长阶段的树高、树冠结构和整体几何形状存在相当大的变异性[5]。
这些点云是使用多种近距离激光扫描平台收集的，包括TLS、无人机激光扫描（ULS）和移动激光扫描（MLS）。这些平台在点密度、观察角度和遮挡模式方面造成了显著的差异，导致了复杂的和不完整的点云结构，反映了真实的森林调查条件。这些多源特性为学习稳健的几何表示和跨平台泛化带来了巨大挑战。
仅使用数据集的标记训练部分。为了便于模型开发和评估，数据集在单个树级别被随机划分为训练、验证和测试子集，训练集和测试集之间的比例为9:1，训练集内部又进一步划分为训练和验证子集，比例为4:1。在分割过程中保留了原始的类别分布，以反映自然森林环境中存在的固有物种不平衡。为了清晰地展示这种类别分布并解决固有的物种不平衡问题，我们在一个排序的条形图中提供了每个类别的实际树木数量（图1）。如图所示，数据集表现出明显的长尾分布，其中主导物种（例如Pinus sylvestris, Picea abies）包含数千个个体，而稀有物种的样本数量明显较少。

**2.2. 数据预处理和特征构建**
为了确保数据的一致性并准备原始LiDAR数据以便网络处理，预处理流程分为三个连续步骤：
**首先，数据解析和初始化：**解析原始LAS文件以提取3D坐标和每个点的法线向量。如果原始数据中缺乏法线，它们最初会被填充为零，并在网络的前向传递过程中动态重新估计，以确保特征的完整性。
**其次，空间重采样：**为了统一输入维度，每个点云被重采样到4096个点的固定大小。与简单的合成对象不同，单个树点云具有高度复杂和不规则的拓扑结构，包括复杂的分支结构和叶片分布。林业点云分析的实证研究表明，过度 downsampling（例如，减少到1024个点）会严重降低这些细粒度形态特征的质量，导致重要的结构信息丢失[3,5]。因此，选择4096个点以在保持必要的几何保真度和确保计算效率之间找到最佳平衡。
对于小于此目标的点云，应用带有替换的随机采样以保证批量处理的固定张量大小，这是基于点的深度学习中的标准程序[5,11,12]。虽然这会引入重复的点，但它不会改变树木的宏观几何边界或拓扑结构。此外，由于Forest-Aware Convolution Transformer Network（FA-CTNet）依赖于排列不变的运算符（如全局最大池化）和注意力机制，多余的相同点在特征聚合过程中会被自然过滤掉，从而最小化对几何表示的潜在不利影响。对于更大的点云，使用最远点采样（FPS）以确保均匀的空间覆盖。
**第三，坐标标准化：**重采样后，坐标通过质心进行居中并通过最大欧几里得距离进行缩放，将所有点云标准化在一个单位球体内。这种标准化稳定了训练过程并减少了尺度变化。**数据集的分割由文本文件控制，这些文件将LAS文件名映射到类别索引。测试集是明确定义的，而训练集和验证集是通过每个类别的随机划分生成的，这样可以保持类别分布和可重复性。除了坐标和法线之外，还针对标准化点云显式计算了额外的几何感知描述符，以丰富网络的结构感知能力。选择这些特定属性的依据深深植根于已建立的林业分类学和结构建模原则[3,33]。具体来说，选择了局部点密度、法线方差和基于主成分分析（PCA）的曲率来捕捉细粒度的微观形态特征，如叶密度、树枝厚度和树冠表面粗糙度[32,35]。相反，像垂直分布比和生长方向这样的宏观描述符旨在明确模拟特定物种的茎到树冠的异速生长和向光性树冠扩展模式[3]。这些多尺度特征共同提供了纯粹由数据驱动的坐标往往无法捕获的全面几何表示。

在训练过程中，采用了保守的即时数据增强方法。这些特定增强的主要目的是模拟真实的林业扫描伪影，同时严格保持树木的生物学真实性。例如，故意排除了任意的3D旋转；相反，只应用了围绕垂直（Z）轴的旋转。这样可以模拟不同的传感器视角（例如，不同的TLS扫描位置），同时保持对树木识别至关重要的重力对齐的直立生长拓扑结构。同时，使用弱高斯抖动、点删除和各向同性缩放来数学模拟复杂的森林环境中常见的变化扫描密度、传感器噪声和部分树冠遮挡[12,16]。当有法线可用时，会一致地对法线进行坐标旋转。增强强度会随着时间的推移而逐步增加，从温和开始以稳定收敛，并逐渐增强以改善泛化能力。

类不平衡问题通过每类损失加权来解决。权重与类别频率成反比，并被裁剪以避免极端值，然后纳入损失函数中，以鼓励模型关注代表性不足的物种。

FA-CTNet整合了一组生物学上有意义的几何描述符来捕捉复杂的树结构。它不依赖于从原始LAS文件中预先计算出的法线。这些法线通常噪声较大或不完整。相反，所有的法线向量和相关几何特征都在前向传递过程中重新估计。此外，在全局Transformer模块中，几何计算的邻域大小动态匹配当前阶段的 downs采样点分辨率（即，在第1阶段为，在第2阶段为），从而实现全局感受野。

注入到注意力机制中的核心几何描述符在数学上表述如下：
- **生长方向（）**编码了树冠相对于其邻域中心的生长趋势。对于相对于代表点的目标点，该方向被标准化为：
- **垂直分布比（）**用于描述点在其局部结构中的相对垂直位置（从树干基部到树冠顶端），垂直分布比将坐标相对于局部垂直边界进行标准化：
- **基于PCA的曲率（）**和**局部密度（）：**

2.3. 网络架构
在这项研究中，我们提出了一种名为FA-CTNet的新几何增强架构，用于从3D点云中对单树物种进行分类（图2）。从宏观架构的角度来看，层次化的局部-全局特征提取范式（结合局部卷积与全局注意力）受到了基础混合框架3DCTN[1]的启发。然而，FA-CTNet的核心创新在于其新提出的几何增强注意力机制和生物先验的整合。图2展示了FA-CTNet的架构。该框架包括三个主要阶段：①具有双流解耦的数据准备，②使用堆叠的CTBlocks进行层次化特征编码（在中间面板中详细说明），③具有X-Conv建模的PointCNN，以及④全局聚合。左下角面板说明了几何增强差异注意力机制。与将点视为无量纲令牌的现有基线架构不同，FA-CTNet被重新设计为明确整合特定于树木的宏观形态约束（例如，垂直分布比、生长方向）和维度解耦的曼哈顿空间编码。如图2的“输入双流解耦”模块所示，网络明确地将空间坐标与语义特征分开，以保持几何完整性，并将这些生物先验直接输入到注意力能量函数中。网络旨在共同建模复杂森林点云中固有的细粒度局部几何结构和长距离全局上下文关系，从而在真实扫描条件下提高区分能力。

FA-CTNet遵循三级层次化架构，这一架构受到了卷积-Transformer混合模型（如3DCTN）设计哲学的启发。前两个阶段负责在不同空间分辨率上进行渐进式特征学习，而第三个阶段执行全局特征聚合和分类。前两个阶段的每个阶段都包含一个统一的卷积-Transformer块（CTBlock），作为整个网络的基本特征提取单元。图2（中间面板）详细说明了CTBlock的内部流程，突出了从局部邻域构建到“特征提升”操作的过渡，这在全局注意力建模之前扩展了几何深度。

2.3.1. 卷积-Transformer块
每个CTBlock依次整合了两个互补的模块：
- （1）基于PointCNN的局部特征提取模块，用于邻域级别的几何编码。
- （2）全局Transformer模块，用于建模点之间的长距离依赖关系。
预处理后的输入点云表示为，其中是批量大小，是每个样本的点数，是初始特征维度，通常包括空间坐标。每个点特征向量表示为。诸如法线、局部密度和曲率等几何属性在随后的局部和全局特征建模阶段中显式计算。

FA-CTNet的核心单元是卷积-Transformer块（CTBlock），旨在共同建模局部几何结构和全局语义关系。对于输入，CTBlock首先应用基于PointCNN的局部特征提取操作：
然后CTBlock应用全局Transformer模块来建模长距离依赖关系，并通过几何增强注意力进行增强。对于每个查询点和中键值对，注意力得分计算为：
其中是一个可学习的权重矩阵，编码相对空间位置和局部几何特征（例如，法线差异、曲率、生长方向）。全局输出与残差连接和非线性变换相结合，提高了点级别的区分能力，同时保持了局部结构。CTBlock在不同点分辨率下应用：高分辨率阶段捕捉精细的局部细节，而降采样阶段则关注全局形态语义。

2.3.2. 三阶段渐进式架构
FA-CTNet遵循三阶段渐进式架构。第一和第二阶段由堆叠的CTBlocks组成，从高分辨率点提取基本几何特征，然后提取更高层次的生物学上有意义的形态表示。设第一阶段和第二阶段的输出分别为和。通过对点维度进行全局最大池化，得到一个保持排列不变性的全局特征向量：
然后这个向量通过全连接层、批量归一化BN和非线性激活函数进行处理：
这个设计在保留局部卷积建模能力的同时，利用几何增强的Transformer注意力来捕捉全局空间和结构依赖性，提高了对树木点云中细微形态差异的区分能力。表1定量详细说明了网络架构的层次化演变。它展示了空间分辨率和特征深度之间的渐进式权衡：点密度系统地减少（从4096点到64点），以扩大感受野，同时特征通道扩展（最多达到640维），以编码更丰富的语义信息。

2.3.3. 几何增强注意力的数学形式化
虽然现有的架构（如3DCTN和3DGTN）已经证明了基于减法的注意力和基于坐标的位置编码的有效性，但它们本质上将点云视为无量纲的空间图，忽略了树木的显式拓扑结构。FA-CTNet的根本架构贡献在于将自注意力机制泛化为一种加性偏置，以整合多维生物几何优先级。形式上，传统的自注意力依赖于缩放后的点积来计算查询和关键之间的相似性：
相比之下，FA-CTNet提出了一个通用几何感知自注意力。它使用可学习的非线性映射来处理特征差异，结构上继承了3DCTN的属性。然而，FA-CTNet通过显式注入空间位置编码和生物几何编码，显著扩展了这一点。

为了明确形式化图2中介绍的曼哈顿位置编码（M-PE），设局部邻域内两点之间的相对物理坐标为。M-PE按照以下方式计算位置编码：
与涉及空间梯度混合的欧几里得度量不同，曼哈顿距离在线性累积不同维度上的绝对值。这种计算机制有效避免了不同维度之间特征的交叉混合和平滑，成功分离了垂直树干生长信息与水平树冠扩展。在前向传播过程中，通过对坐标轴上的绝对偏差求和获得一个标量曼哈顿距离矩阵。然后这个一维距离张量被扁平化，并通过具有ReLU激活函数的两层MLP进行传递，将其映射到与注意力头维度相匹配的高维特征空间。这明确保留了每个坐标轴上的独立几何梯度，为注意力机制提供了高度定制的空间归纳偏置，以便区分复杂的树木形态。

此外，我们定义了和几何增强Transformer可以设置为：
在这里，作为特征转换函数，代表局部几何编码器，将原始几何特征集映射到注意力维度。几何特征集由特定于树木形态的生物学上有意义的描述符构成，包括法线差异、局部曲率、垂直角度、点密度和生长方向：
通过引入作为加性偏置，几何特征在注意力能量函数中起到动态的软约束作用。在这种形式下，模型不必仅仅依赖于语义差异或绝对坐标来确定点之间的亲和力。如果和几何/位置项被消除，该机制严格退化为标准自注意力。这种数学设计允许细微的结构异常直接影响注意力权重。这些异常包括不规则的分支和特定的叶簇密度。因此，FA-CTNet在区分分类学上相似但结构不同的树种方面具有明显优势。

2.4. 训练策略和损失函数
2.4.1. 损失函数设计
交叉熵损失（CE）在基于PointNet、PointCNN和Transformer架构的点云分类模型中被广泛采用，因为它简单且数值稳定。对于类别分布相对平衡的数据集，CE通常提供有效的监督。然而，ForSpecial20K数据集显示了树种分布的明显长尾特征，其中主要物种（如Pinus sylvestris和Picea abies）的样本数量远多于少数物种。在不进行激进的重采样情况下保持原始类别分布会增加模型偏向多数类的风险，并降低对稀有物种的识别性能。

为了解决这个问题，采用了焦点损失作为主要的分类目标。焦点损失在标准交叉熵公式中引入了一个调制因子，抑制了易于分类样本的损失贡献，并鼓励模型关注困难且代表性不足的类别。其定义为：
其中表示真实类别的预测概率，是类平衡因子，是控制对困难样本重视程度的参数。当时，焦点损失简化为标准交叉熵损失。在我们的网络优化中，设置了一个较大的，该值高于传统的默认值2.0。采用较大的动机在于极端长尾分布和现实林业点云中“困难样本”的高度挑战性。在混合森林场景中，这些困难样本通常包括受到严重树冠遮挡的个别树木、极其稀疏的点密度或与其他物种（例如，Quercus属内的形态变体）在表型上的极高相似性。通过设置，非线性衰减效应得到进一步放大。在反向传播过程中，这种设置更积极地抑制了来自主导、易于识别物种的梯度贡献。通过显著削弱多数类的梯度优势，该模型在训练的中后期能够对结构模糊和数据稀缺的少数类物种进行稳定的梯度更新，从而有效提高了复杂树种的决策边界区分度。通过降低来自丰富且易于区分的样本的梯度权重，Focal Loss保持了对结构相似和数据稀缺树种的有效优化压力，这与林业点云分类中常见的高类间相似性和大类内变异性高度一致。2.4.2 类不平衡处理和加权策略除了Focal Loss的内在关注机制外，还引入了显式的类加权来减轻严重的样本不平衡。设表示训练集中类的频率。相应的类权重定义为（13），并施加了一个上限10，以防止稀有类的梯度极度放大。平方倒数公式可以调节极低频率类的过度权重增长，同时保持足够的类间区分度。这种加权策略提高了数值稳定性，并适用于类大小差异较大的多类点云分类。在算法实现中，类感知加权和Focal Loss机制被无缝集成，以提供对长尾分布的双级校准。具体来说，预先计算的类权重（）首先直接传递到标准交叉熵函数中，生成一个静态加权的基准损失。这确保了全局梯度贡献严格按类频率的平方根进行缩放。随后，动态焦点调制因子（）被应用于这个加权基准损失。这种两阶段实现保证了网络在忽略稀有类时受到静态惩罚（通过），同时在反向传播过程中动态地专注于难以分类的样本（通过焦点参数），而不会导致数值精度损失。2.4.3 优化策略和训练配置该模型使用Adam优化器进行优化。Adam提供了对一阶和二阶梯度矩的自适应估计，并在高维参数空间中表现出稳健的收敛性。为了进一步稳定训练和提高收敛性，采用了结合线性热身和余弦退火的learning rate调度。在初始训练阶段，学习率逐渐增加，以减少由于随机初始化引起的梯度不稳定性。热身阶段之后，余弦退火逐渐降低学习率。这允许在后期阶段稳定收敛并减少性能波动。具体来说，网络总共训练了300个周期，批量大小为28。在训练过程中仅应用适度的即时数据增强，以增强对林业点云固有的几何变异性的鲁棒性。增强包括围绕垂直轴的小幅随机旋转、轻微平移以及保持整体树结构的微弱扰动。验证和测试集保持不变，以确保客观的性能评估。此外，还包含了带有几何信息的功能，如点法线、局部点密度和曲率描述符，这些都被纳入训练流程中。法线向量与坐标一起变换，以保持几何一致性。密度和曲率特征提供了超出原始空间数据的额外结构信息。相对位置编码使用曼哈顿距离构建，与欧几里得距离相比，它更好地捕捉了典型的树点云的轴线对齐和垂直分层结构。综上所述，焦点损失公式与类感知加权的结合、稳定的优化策略以及几何一致的训练设计为在真实的林业遥感条件下学习有 discriminative 的树种表示提供了坚实的基础。2.4.4 实施细节所有实验都在配备了一个NVIDIA GeForce RTX 4090D GPU和24 GB VRAM的工作站上进行。深度学习模型使用PyTorch（2.0.0+cu118）框架实现。在数据处理流程中，Laspy库（2.5.4）用于高效读取和写入大规模LAS/LAZ点云数据，而Scikit-learn库（1.3.2）[55]被用来实现DBSCAN算法进行单独树的分割。为了定性评估和可视化分类结果，我们使用了Open3D库（0.18.0）[56]。其高性能的3D渲染引擎和视角控制能力有助于详细显示从宏观图表到单个树木的结构。2.5 评估指标为了全面评估点云中树种分类的整体分类性能和类级区分能力，采用了三个互补的评估指标：总体准确性（OA）、平均准确性（mAcc）和宏平均F1分数（Macro-F1）。总体准确性（OA）衡量测试集中正确分类样本的比例，反映了模型的整体分类性能。它定义为（14），其中表示测试样本的总数，和分别表示第i个样本的ground-truth标签和预测标签，是指示函数。虽然OA提供了对整体正确性的直观度量，但它本质上偏向于不平衡数据集中的主导类。为了缓解这一限制，采用了平均准确性（mAcc）来评估所有树种的平均分类准确性。它计算为（15），其中表示类别的总数，是类别中正确分类的样本数量，是属于该类别的样本总数。通过赋予每个类别相同的权重，mAcc对少数类的性能更敏感，因此更适合在类不平衡条件下评估模型。为了详细评估模型在个别树种上的性能，特别是在不平衡条件下，我们使用了每个类别的精确度（）、召回率（）和F1分数（）。这些是基于每个类别的真阳性（）、假阳性（）和假阴性（）的数量定义的：（16）此外，采用宏平均F1分数（Macro-F1）作为关键评估指标，以均匀评估所有类别的整体性能，而不考虑它们的样本大小。通过平均各个F1分数获得：（17）通过不考虑样本大小平等对待所有类别，Macro-F1提供了对模型性能的平衡评估，特别是在揭示稀有和结构相似的树种上的分类行为时特别有效。此外，还使用了一个标准化的混淆矩阵来视觉分析物种间的误分类模式和结构相关的预测错误。总体而言，OA用于量化整体分类准确性，而mAcc和Macro-F1强调了在严重类不平衡下的类级平衡和鲁棒性。在这些指标中，Macro-F1被选为模型选择和训练过程中检查点保存的主要标准，确保在复杂的林业点云分类场景中实现可靠和稳定的性能。此外，为了严格验证所提出模型相对于基线的整体准确性改进是否具有统计学意义，基于分类结果进行了双比例Z检验。p值小于0.05被认为表示预测性能的统计显著差异。2.6 消融研究的实验设置为了全面评估各个组件和设计选择的贡献，进行了一系列消融实验。所有消融模型都使用与主要实验相同的数据分割、训练协议和评估设置进行了训练和评估。完整的FA-CTNet作为基线，使用第2.5节中定义的指标来评估分类性能，特别强调了Macro-F1分数以考虑类不平衡。消融研究的实验设计集中在三个主要维度上。首先，为了确定林业点云的最佳空间表示，我们系统地评估了位置编码模块中的八个不同的距离指标。这一点通过比较曼哈顿和欧几里得指标的统计分析得到了进一步的支持，其中从ForSpecial20K数据集中随机抽取了999,047对点，计算它们沿垂直轴和水平面的相对空间偏差。其次，为了验证我们网络的结构有效性，所提出的FA-CTNet与两种代表性的基于点的架构进行了比较：一个纯局部卷积模型（PointCNN）和一个混合GNN-Transformer模型（3DCTN）。最后，为了量化每个几何描述符的贡献，我们设计了一个细粒度的逐步消融研究。这涉及逐步将几何特征注入仅包含坐标的基线中，以评估它们在解决结构变异性方面的个别影响。3. 结果 3.1 整体分类性能表2展示了所提出方法在ForSpecial20K数据集上与代表性基线的全面基准测试。性能使用总体准确性（OA）、平均准确性（mAcc）和Macro-F1在独立测试集上进行评估，同时使用峰值验证指标来评估模型的泛化能力。表2. 在ForSpecial20K数据集上各种点云分类模型的比较性能基准测试，报告了最佳验证周期和最终独立测试集的指标。粗体和加下划线的值表示每个类别中的最佳性能。就总体准确性而言，所提出的方法实现了78.20%的领先测试OA，优于基于卷积的架构（例如PointNet++、PointCNN）和基于Transformer的模型（例如3DGTN、3DCTN）。为了统计验证这些结果，进行了双比例Z检验，将FA-CTNet的总体准确性与代表性基线模型（3DCTN）进行了比较。统计测试得出的Z统计量为4.1168，p值非常显著（），确认所提出的几何增强架构带来的准确性改进具有统计学意义，绝对不是随机样本方差的结果。关键的是，所提出的方法获得了最高的Macro-F1分数73.21%。相比之下，几个基线模型在OA和Macro-F1之间显示出明显的差距。所提出的方法一致地减少了这种差异，在OA、mAcc和Macro-F1上都取得了改进。3.2 类别性能和混淆分析图3展示了所提出方法在ForSpecial20K测试集上的混淆矩阵。行和列分别代表ground truth和预测的树种。为了直观地可视化分类行为，图3中使用了从白色到橙色的渐变，其中更深的橙色表示更高的预测置信度。显式的彩色边界框进一步区分了两个主要的功能组：针叶树（左上角，绿色边框）和阔叶树（右下角，蓝色边框）。如矩阵布局所示，彩色边界框外的对角线区域主要是白色的（接近零的值）。这种鲜明的视觉对比确认了模型成功地学习了稳健的高级语义特征，有效地消除了分类学上相距较远的针叶树和阔叶树之间的混淆。图3. ForSpecial20K测试集上树种分类的标准化混淆矩阵（%）。矩阵使用从白色到橙色的渐变，其中更深的橙色表示更高的预测置信度。显式的彩色边界框划分了两个主要的功能组：针叶树（左上角，绿色边框）和阔叶树（右下角，蓝色边框）。几种树种的分类准确性非常高，接近完美或完美。这些包括Picea glauca、Pinus radiata、Pinus resinosa、Populus deltoides和Populus tremuloides。所有这些树种都表现出强烈的对角线响应，几乎没有对角线混淆。对于样本较多的主要针叶树种，如Pinus sylvestris和Picea abies，所提出的方法也表现出强大的分类性能。对角线的准确性超过了85%。在分类学或形态学上相关的针叶树之间主要观察到轻微的混淆，包括Pinus nigra、Pinus pinaster和Pinus contorta。这些误分类很小，大多发生在同一属内。在阔叶树种中，大多数类别也显示出清晰的对角线模式。例如Acer saccharum、Betula pendula、Fagus sylvatica和Quercus ilex获得了很高的类别准确性。这表明模型有效地捕捉了树冠形状、分支结构和垂直分布特征。然而，在结构上密切相关的或相似的阔叶树种类之间，特别是在Acer和Quercus属中，观察到中等的混淆。例如，Acer campestre和Acer pseudoplatanus，以及Quercus robur、Quercus petraea和Quercus rubra，在预测分布上部分重叠。如表2中定量详细说明的，分类性能在33个物种中显示出显著的差异。虽然所提出的FA-CTNet在几个结构复杂的物种（例如Pseudotsuga menziesii和Quercus rubra）上展示了显著的F1分数改进，但某些样本稀缺的少数类（例如Fraxinus excelsior和Euonymus europaeus）仍然表现出极低的性能和分散的混淆模式。第4.2节提供了关于这些极端性能差异的生物学和统计原因的详细机制讨论。除了定量混淆矩阵外，图4还对ForSpecial20K测试集上的分类结果进行了定性评估。可视化展示了FA-CTNet在复杂的多物种森林场景中的预测，特别突出显示了生成的阔叶树构图（图4a）和生成的针叶树构图（图4b）。在这些高度多样化的环境中，不同物种的清晰精确划分证实了该模型强大的特征提取能力，以及在源域中识别密集、重叠树冠结构中单个树种的有效性。图4展示了ForSpecial20K测试集上树种分类的定性可视化结果：(a) 生成的有落叶树木的图表及预测标签；(b) 生成的有针叶树木的图表及预测标签。图例中的科学名称以斜体显示。为了进一步直观研究混淆矩阵中观察到的误分类情况，图5展示了三种互混淆程度最高的树种（欧洲赤杨、欧洲山毛榉和欧洲橡树）的下采样点云可视化图像（4096个点）。从树冠形态上看，这三种树的树冠形状相对紧凑且圆润，各向异性较低。在分支结构方面，这些视觉样本显示出相似的分支密度和分支角度模式，主枝和次枝的空间排列也相似。没有明显的分支方向模式可以可靠地区分这些树种。此外，这三种树种的高度分布和垂直点密度模式也相似。图5所示为三种常被混淆的阔叶树种（欧洲赤杨、欧洲山毛榉和欧洲橡树）的下采样点云（4096个点）。这些样本展示了导致分类模糊性的形态和分支结构的相似性。

3.3 消融研究
3.3.1 对位置编码距离的消融
如表3所示，曼哈顿距离在所有指标上均表现出色，获得了最高的Macro-F1分数73.21%。表3显示了不同空间距离指标对分类性能的影响。比较结果突出了曼哈顿距离在捕捉树点云各向异性结构特征方面的有效性，相比之下其他几何公式表现较差。加粗并下划线的数值表示每种指标的最佳性能。这一优势可以归因于树结构的固有各向异性。与各向同性的欧几里得距离不同，曼哈顿距离明确地将垂直高度差异与水平范围分离，这种分离与树木形态的生物学现实（例如垂直主干与水平分支）更为吻合，为注意力机制提供了更强的归纳偏差。欧几里得距离的Macro-F1分数最低（69.81%），因为其各向同性特性平滑了树木固有的各向异性垂直和水平结构差异。余弦编码旨在测量局部角度和方向对齐，表现相对较好（Macro-F1分数为71.14%），因为它能够捕捉到分支角度和树冠扩展趋势。然而，由于余弦相似性是尺度不变的，并且忽略了绝对物理距离的大小，因此无法区分角度相似但大小不同的结构。相比之下，曼哈顿距离（Macro-F1分数为73.21%）在保留绝对空间尺度的同时，明确地将垂直主干轴与水平树冠范围分离，达到了最佳平衡。

如图6所示，树点云的空间分布表现出严重的结构各向异性。垂直方向的方差为0.118平方米，水平方向的方差为0.031平方米，垂直方差大约是水平方差的3.80倍。图6展示了树点云空间各向异性的统计验证：(左) 相对垂直距离与水平距离的散点图，显示出向垂直轴的强烈分布偏置；红色虚线代表1:1参考线；(中) 密度直方图突出显示了垂直扩展的较长尾部；红色和青色虚线分别表示各自分布的平均值；(右) 方差比较表明垂直方差是水平方差的3.80倍，这从经验上证明了使用解耦维度的曼哈顿距离的合理性。欧几里得距离本质上是一个各向同性的平滑操作，通过平方操作不成比例地压缩了大的线性变化的影响。相比之下，曼哈顿距离线性地保留了独立的坐标差异，通过防止跨维度混合，明确地将高度变化的垂直主干轴与水平树冠范围分离，从而为注意力机制提供了与生物学对齐的空间先验。

3.3.2 对FA-CTNet架构的消融
表4报告了最终的测试性能和训练期间的最佳验证性能。表4对比了FA-CTNet与代表性基于点的架构在结构有效性、参数效率和分类性能方面的差异。FLOPs表示浮点运算次数。加粗并下划线的数值表示每种指标的最佳性能。与早期轻量级架构（如PointNet和FoldingNet）相比，FA-CTNet在性能上有显著提升（OA分别增加了27.78%和12.69%），这证明了其为了高精度林业映射而增加的计算成本的合理性。与主流深度学习基线（如PointNet++和PointCNN）相比，我们的方法在特征提取方面表现出色，通过增强全局上下文建模将Macro-F1分数提高了7%以上。最后，与最近的混合模型（如3DCTN和3DGTN）相比，FA-CTNet不仅实现了最高的分类准确率（OA为78.20%），还提供了更优的效率-准确性权衡。值得注意的是，它使用了更少的参数（5.04百万个）和更低的FLOPs（2.34亿与3.32亿），证明了所提出的几何增强策略比简单增加模型规模更为有效。为了确保对当前最先进架构的严格评估，值得注意的是，我们建立的基线已包括最近的3DGTN（2024年发布）。此外，我们还将备受赞誉的现代点云网络PointNeXt [57]纳入了比较分析。尽管PointNeXt的参数量巨大（19.63百万个，几乎是FA-CTNet的4倍），但在ForSpecial20K数据集上的OA为69.60%，Macro-F1分数为59.36%。由于当前硬件限制以及本研究主要关注几何增强型可解释建模，我们对PointNeXt进行了标准复现，没有进行详尽的超参数调整。关于纯数据驱动的大模型与我们的几何增强方法之间的性能差距的详细机制讨论见第4.1节。

3.3.3 几何增强策略的消融
如表5所示，从仅包含坐标的基线（Macro-F1分数为70.06%）开始，明确注入法线向量后初始性能提升最为显著，Macro-F1分数增加了2.53%。这证实了基本表面方向是局部几何意识的主要驱动力。然而，加入传统的局部点统计信息会导致性能波动，这些统计信息包括密度和基于PCA的曲率。虽然mAcc有所提高（例如，利用密度时达到了73.75%），但OA和Macro-F1略有下降。这一模式揭示了林业点云的一个重要特性：复杂、被遮挡和采样不规则的树冠使得通用的微几何描述符容易受到高频噪声的影响。局部生长方向的加入使mAcc进一步提高至74.60%，这表明对某些具有独特分支习性的少数树种有更好的识别能力，但也降低了整体预测的稳定性，OA降至76.63%。最终模型包括一个名为“垂直分布比率”的宏观生物先验，该特征旨在帮助模型克服局部几何模糊性，并显示每个局部结构在垂直主干到树冠轴上的位置。通过这种设计，模型在主要指标上取得了最佳性能，OA达到78.20%，Macro-F1分数达到73.21%。这些结果显示出一种明确的趋势：几何增强不仅仅依赖于堆叠传统的点云统计信息，而是通过整合宏观形态特征来减少局部结构噪声。

3.4 跨数据集零-shot泛化评估
任何森林感知模型的实际应用价值取决于其在不同森林类型和变异性传感器配置下的泛化能力。为此，我们使用了BioDiv-3DTrees数据集（https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/8PB1IF（2025年4月1日访问）进行了独立验证，该数据集在点密度、扫描协议（TLS）和局部森林结构方面与ForSpecial20K训练环境有显著差异。我们在这个未见过的TLS测试场景中以零-shot方式部署了预训练的FA-CTNet，生成了定性的空间预测（图7）和定量性能指标。图7显示了FA-CTNet在独立BioDiv-3DTrees TLS数据集上的零-shot泛化结果：(a) 测试场景中的真实物种标签；(b) FA-CTNet预测结果的空间分布。这一比较突出了模型在不同LiDAR扫描环境中的结构一致性保持能力。图例中的科学名称以斜体显示。如表6所述，我们将定量分析集中在两个数据集重叠的八个物种上。鉴于我们模型的33类分类法与BioDiv-3DTrees的12类环境，精确的物种匹配受到标签空间不匹配和不同地理区域形态差异的限制。尽管精确的物种OA达到了38.69%，但对功能组的深入分析揭示了模型的结构鲁棒性，该模型在阔叶树上的广义准确率为96.88%，在针叶树上的广义准确率为79.74%，成功保留了这两个主要功能组之间的总体几何差异。

4. 讨论
4.1 对整体性能提升的解释
所提出的方法在ForSpecial20K数据集上显示出在OA、mAcc和Macro-F1方面的持续改进，这表明其在从高分辨率点云中捕捉独特几何模式方面的优越能力，这对于具有不规则树冠结构的复杂森林环境至关重要。这不仅意味着更高的整体准确性，还意味着在严重的物种不平衡情况下更好的类别平衡和更强的鲁棒性。这些提升来自于架构设计、特征表示和优化目标的综合效果。从指标角度来看，OA主要展示了对优势物种的表现，而mAcc和Macro-F1对少数类别和类别之间的混淆更为敏感。所有三个指标的改进表明，所提出的模型不仅倾向于常见物种，还学会了更具区分性和可转移性的表示方法，特别是在处理大量物种的森林清单时更为重要，因为那里的物种分布通常呈长尾分布。对于基线模型，OA和Macro-F1之间的性能差距表明它们的整体准确性主要是由优势物种驱动的，而在代表性不足的类别上的表现有限。相比之下，FA-CTNet在跨多样物种的分类表现上实现了平衡，表明该模型在处理林业数据集中固有的长尾类别分布时具有鲁棒性。如第3.3.2节（表4）定量报告的，庞大的现代基线PointNeXt（19.63百万参数）在实际林业数据集上的表现明显不如我们的FA-CTNet（5.04百万参数）。这种显著的性能差距有效地验证了我们的核心工作假设：在处理具有严重结构不规则性和长尾分布的林业TLS数据时，盲目增加网络参数并不理想。纯数据驱动的模型，即使具有先进架构，也常常无法在代表性不足的类别被大量遮挡时捕捉到特定物种的形态特征。相比之下，FA-CTNet通过整合宏观形态生物学先验（如M-PE和垂直分布比率）明确缓解了这些瓶颈，仅使用四分之一的参数就实现了更好的类别平衡和结构可解释性。总体而言，这些结果证实了所提出的框架在现实和不平衡的林业点云条件下的大规模树种分类中的鲁棒性和有效性。在与以往研究[4,18,40,49]的对比中，我们的发现揭示了重要的相似性和关键差异。与之前的纯数据驱动研究（如PointNet++ [12]、PointCNN [13]）类似，我们的结果证实了当训练数据充足时，层次化空间特征提取在识别优势物种方面表现优异。然而，在处理结构复杂的物种时出现了结构差异。所提出的CTBlock清楚地将局部几何建模与全局语义聚合分开，而传统的基于点的网络主要依赖于局部感受野。这些网络难以捕捉树冠和分支模式中的长距离结构依赖性[21,22,42]。相比之下，基于GNN的方法可以编码关系信息，但它们通常依赖于手工制作的图结构，这可能过度简化了复杂的三维形状。CTBlock结合了使用PointCNN的连续局部卷积和几何增强的Transformer，允许同时学习详细的局部结构和全局上下文关系。这种组合有助于模型更好地将局部几何特征与全局物种级语义相匹配。除了几何属性外，采用曼哈顿距离进行位置编码也至关重要。通过明确分离垂直和水平的空间差异，它与树木生长的自然各向异性相一致，提供了比标准Transformer中使用的各向同性欧几里得度量更强的归纳偏差。在特征层面上，添加对几何结构敏感的增强机制在提高性能方面起着重要作用。提出的方法不是简单地堆叠传统的几何统计数据，而是选择性地添加对结构敏感的特征。这些特征捕获了生物学上有意义的信息，如生长方向和相对高度分布。这些特征提供了与树木形态相匹配的高级归纳偏差，有助于注意力模型保持稳定性，并减少对点密度和采集噪声变化的敏感性。因此，学习到的表示具有更强的类别区分能力。这对于那些冠层形状相似但垂直结构不同的物种来说尤其如此。

在损失函数设计和优化方面，使用Macro-F1作为主要评估目标隐式地引导模型在各个类别之间实现平衡的性能。尽管训练目标仍然基于交叉熵，但架构选择和特征编码策略共同减少了多数类的主导地位，从而提高了代表性较低物种的召回率和精确度。这种效应体现在混淆矩阵分析中观察到的相关物种之间的混淆减少。与仅关注局部几何或全局上下文的现有方法相比，提出的模型采用了更为全面的设计方法。通过优化局部连续性、全局语义推理和对结构敏感的几何先验，模型在互补的性能指标上获得了持续的改进。这些改进表明，有效的树木物种分类不仅需要更大的模型容量，还需要将特定领域的几何知识与现代基于注意力的架构紧密结合。

4.2. 物种间混淆分析
混淆矩阵显示，大多数分类错误并不是随机的，而是集中在分类学上或结构上相似的物种之间。这反映了这些物种的自然结构相似性，而非随机预测错误。相反，这种行为表明，具有独特几何结构或生长模式的物种可以从单个树木点云中可靠地识别出来。此外，对于样本量有限的少数物种，误分类往往发生在生态或结构上相似的阔叶物种，而不是主导类。这表明即使在严重的数据不平衡情况下，模型仍保持了一定的类别意识。正如矩阵布局所示，边界框之外的对角线区域主要是白色（接近零的值），这强烈证实了模型成功学会了稳健的高级语义特征，有效地消除了分类学上相距较远的针叶树和阔叶树之间的混淆。这一观察表明，物种间的混淆主要是由内在的形态相似性引起的，而不是模型不稳定造成的。它还为从点云中分类树木物种所面临的剩余挑战提供了有用的见解。具体来说，某些少数类（例如Fraxinus excelsior，F1=26.09%）观察到的极低性能可以归因于长尾数据分布和高类别间形态相似性的复合效应。属于同一属的树木通常具有几乎相同的分支拓扑结构，当训练样本严重不足时，仅使用几何点云很难区分它们。相反，FA-CTNet在某些类别中取得的显著改进（例如Quercus rubra，F1分数从3DCTN的70.59%提高到86.67%）验证了我们的几何增强模块的有效性。通过将宏观形态先验（如垂直分布比例）明确输入到注意力机制中，模型成功捕捉了特定于物种的茎到冠层的异速生长和重力对齐的生长模式，有效克服了纯数据驱动基线的局限性。

剩余的误分类严格限定在各自的功能块内。例如，在阔叶树块中（例如Quercus和Acer属之间），密集的浅橙色细胞簇突出了在高层次树冠结构相似时区分细微形态变化的挑战。从树冠形态来看，具有相似树冠形状的物种更容易被混淆。例如，几种具有圆形或不规则树冠的阔叶树物种经常互相误分类。在这种情况下，中分辨率点云显示的树冠整体形状仅提供有限的辨别信息。当树冠范围、紧凑性和表面粗糙度相似时，模型需要依赖更微妙的几何线索。这些线索可能会因采样密度的变化或遮挡而部分被隐藏。这解释了即使引入全局上下文建模后混淆仍然存在的原因。分支结构也增加了某些物种对之间的歧义。具有相似分支角度、分叉频率或枝条粗细的物种往往会产生重叠的局部几何模式。在混淆矩阵中，这反映在结构相关分类单元之间的不对称对角线条目上。对于具有相似分支结构的物种尤其如此，仅使用几何描述符时很难区分局部点邻域。尽管提出的CTBlock改进了局部和全局特征的整合，但当点采样稀疏或不均匀时，仍然难以解析细微的分支结构。

从垂直分布的角度来看，具有相似高度轮廓和垂直生物量分配的物种更容易混淆。当高度标准化的处理减少了绝对尺寸的差异时，具有相似树干和垂直树冠的针叶树物种往往容易相互混淆。同样，具有分层树冠结构和相似树冠高度比的阔叶树物种可能表现出重叠的垂直点密度分布。这些相似性降低了仅基于相对高度统计特征的物种区分能力。当不同的生长阶段或环境条件增加额外变化时，这种情况尤为明显。重要的是，混淆矩阵还显示，误分类主要发生在功能或形态组内部，而不是它们之间。针叶树和阔叶树物种之间的混淆仍然相对较少。这表明模型成功捕捉了更高层次的结构模式。该模型表明，几何增强的Transformer架构能够有效捕捉粗粒度的生物差异。残余错误主要来自组内的细微变化。

总体而言，观察到的物种间混淆表明，区分具有重叠树冠形状、分支模式和垂直结构的树木物种存在内在难度。尤其是在仅使用点云数据时。这些发现表明，进一步减少混淆可能需要更高分辨率的点采样或使用额外的线索，如强度、多光谱数据或基于物候的特征。尽管如此，剩余错误的结构化特征表明，所提出的模型已经学习了具有生物学意义的表示，并且其局限性与森林形态分析中已知的挑战相一致。

4.3. 物种混淆和跨数据集泛化的解释
如图3（第3.2节）中所视觉观察到的，高度混淆的物种（Fagus sylvatica、Carpinus betulus和Acer campestre）代表一组具有密切相关的生长形式和重叠结构特征的典型阔叶树，这使得仅使用几何点云表示特别难以区分它们。在点采样和归一化之后，树冠宽度和表面粗糙度的差异变小，可用于区分物种的总体形状特征减少。在降采样表示中，这种相似性尤为明显，因为精细的几何细节部分被平滑掉了。在这种条件下，网络提取的局部邻域特征在不同类别之间经常重叠，增加了误分类的机会。采样点的垂直分布进一步增加了观察到的混淆。采集模式、树冠效应和林分密度的变化很容易掩盖特定于物种的垂直特征，尤其是在只有标准化高度数据可用时。这些视觉观察与归一化混淆矩阵中看到的混淆模式相匹配，突出了使用遥感进行树木物种分类的关键挑战。在混合和密集的森林环境中，生物学上不同的物种在点云形式上可能看起来结构相似。当需要 aggressive 下采样以维持计算效率时，这种难度将进一步加剧。

尽管存在这些挑战，提出的模型在这些非常相似的物种之间显示出更好的区分能力。这种改进部分归功于全局上下文建模和类意识损失函数的使用。在训练过程中，模型关注难以处理的少数类样本，这鼓励它使用可能被主导结构相似性隐藏的微妙几何线索。因此，模型在来源域内对混淆的物种对实现了更平衡的性能。然而，当将模型扩展到完全未见过的环境时，形态相似性的挑战变得更加明显。关于跨数据集的零样本评估，高层次功能组的准确率（阔叶树96.88%，针叶树79.74%）与相对较低的物种级OA（38.69%）之间存在显著差异。这种差异可以归因于树木形态的层次性质。功能组分类依赖于宏观结构特征（例如整体树冠形状和主要分支架构），这些特征在不同地理区域和森林类型中具有很强的泛化能力。相反，细粒度的物种级分类依赖于微观结构变化。这些微观特征对局部环境因素、林分密度和数据集特定的扫描配置非常敏感，从而造成了显著的领域差距。因此，这突出了操作林业的一个关键见解：虽然几何增强特征成功捕捉了广泛的功能组的不变宏观结构，但在目标数据集上进行局部微调仍然是适应局部形态变化和实现细粒度物种识别任务高精度的重要步骤。

4.4. 对林业遥感应用的启示
观察到的性能提升对实际林业遥感具有重要意义。特别是在需要精细结构信息来准确区分树木物种的情况下，这些提升尤其相关。从点云数据中准确分类单个树木的能力直接支持重要的林业任务，包括单个树木检测、森林清查和多源LiDAR数据的整合。对于单个树木的分析，精确的物种分类是精确定位林业的基本要求。改进的Macro-F1系统表现出更好的能力来识别非主导树种。这种能力在混交林和混龄林中尤为重要，因为其中一些物种通常具有很高的生态或经济价值。该特征允许进行更可靠的物种级树木清查，还支持生物量估算、生长建模和栖息地评估等应用。对于森林资源清查和评估，该方法与高分辨率点云数据配合得很好。这些数据可以来自地面或近地平台，如TLS、MLS和背包式LiDAR系统。与传统的机载LiDAR相比，这些近距离感测方法可以捕捉更详细的树冠几何结构和分支结构[2,10,35]。此外，考虑到表4中强调的有利效率-准确性权衡，FA-CTNet特别适合资源受限的边缘计算设备，例如无人机或移动林业背包上的处理器，可以实现实时物种识别。当与包括全局上下文建模和类别意识优化的深度学习模型结合使用时，这些数据可以大大提高物种级森林映射的准确性。特别是在结构复杂的森林中。

此外，这种方法对特定于物种的结构相似性具有鲁棒性。这表明它在融合多源LiDAR数据方面具有重要实用价值。在操作林业中，来自不同平台的点云在点密度、采样几何和噪声特征方面往往存在差异。即使在数据降采样时，模型也能保持稳定的性能，这表明它具有整合不同数据源的强大潜力。它还有助于在不同空间尺度或时间收集的数据集中保持一致的物种分类。

4.5. 局限性和未来工作
尽管结果令人鼓舞，但这种方法仍有一些局限性。这些局限性也为未来的研究指明了重要方向。首先，当前模型仅使用点云中的几何信息，不包括光谱或辐射测量特征。虽然近距离LiDAR可以捕捉详细的结构特征，但某些树种的树冠和分支几何形状非常相似，使得仅基于几何特征很难区分它们。光谱线索的缺乏在这种情况下限制了区分能力，特别是对于具有相似生长模式的分类学相关阔叶物种。如第1节所讨论的，遮挡和不完整的观测仍然具有挑战性。这些问题在重叠树冠和复杂下层植被环境中很常见。即使在具有复杂下层植被或重叠树冠条件下获取点云时，部分树冠和缺失的下层分支结构仍然可能导致歧义。第三，样本量极少的类别仍然具有挑战性。尽管加权损失和Focal Loss有效缓解了类别不平衡问题，并有助于观察到Macro-F1分数的提高，但它们在训练过程中也会导致相对较高的损失值，可能会引入优化不稳定。对于训练样本非常有限的物种，分类性能仍然可能波动，这表明仅通过损失重新加权不足以完全解决数据稀缺的问题。展望未来，几个研究方向可以进一步提高模型的鲁棒性和适用性。多模态学习将几何特征与高光谱或RGB数据的光谱信息结合起来，这是提高物种可区分性的一种有前途的方法。此外，跨区域泛化需要系统性的研究。森林结构、物种组成和数据采集条件在不同地理区域之间存在很大差异，领域适应和自监督预训练策略可能有助于解决这一问题。最后，虽然当前研究主要关注在特定计算约束下对点云的解释性几何建模，但基础深度学习模型的快速发展带来了新的机遇。未来的工作将探索大规模现代架构（如PointNeXt或状态空间模型）的参数优化和适应，以便在扩展的计算预算下应用于大规模、复杂的林业场景。

5. 结论

本研究提出了FA-CTNet，这是一种增强了几何特征的Transformer模型。它有效解决了森林点云中的结构复杂性和严重的类别不平衡问题。我们的模型在ForSpecial20K数据集上取得了极具竞争力的性能，显著优于多个代表性基线模型。这验证了明确结合生物学意义上的先验知识的必要性。详细分析揭示了这一成功的关键因素。维度解耦的曼哈顿距离提供了更优的空间编码方式。此外，宏观形态特征（如生长方向和垂直分布比）有效过滤了局部点噪声。这些因素共同对于精细的物种区分至关重要。此外，跨数据集评估表明，尽管精细物种的迁移性仍然具有挑战性，该模型在未见过的零样本场景中保持了广泛类别功能组的鲁棒形态一致性。它展示了在应对不同LiDAR扫描环境引起的领域变化方面的巨大潜力。总体而言，将高分辨率LiDAR与深度几何学习相结合具有巨大的实际应用潜力。我们的方法为树木级库存、复杂物种映射和多源数据集成提供了一个可扩展且鲁棒的解决方案。