近日，中国科学院植物研究所研究员苏艳军团队与合作者，提出一种融合几何特征与连通性分析的枝叶分离算法——CWLS（Connectivity-based Wood–Leaf Separation），并为探究枝干结构的生理生态功能提供了有前景的技术途径。相关研究成果发表于国际学术期刊Methods in Ecology and Evolution。

树木的精细枝干结构在调节光能截获、资源输导以及维持结构稳定性等方面发挥着关键作用，其精细化建模是理解树木生理生态功能并支撑森林精细化管理的重要基础。近年来，地基激光雷达（TLS）技术的发展，为树木精细三维结构信息的高精度、无损获取提供了新的技术途径。枝叶分离，即从TLS数据中准确区分枝干与叶片点云，是树木三维建模及精细结构提取的关键前置环节，现有研究面临分离精度不足、枝干点云破碎等问题，难以有效支撑树木精细枝干结构的高精度建模及其相关理论与应用研究。

对此，苏艳军研究团队提出CWLS算法。该算法综合多视角几何特征、局部连通性分析与全局路径优化策略，能够实现枝干点云的高精度识别与结构连通性恢复，从而完整提取树木枝干点云。

研究团队依托神农架站、北京森林站等野外台站，采集了我国6个典型森林样地共55棵树木的地基激光雷达数据，用于算法验证。结果表明，CWLS算法提取的枝干点云在准确性和完整性方面均表现优异，即使在不同等级枝条上仍能保持94%以上的总体精度。与LeWoS、TLSeparation、GBS这3种主流枝叶分离算法相比，CWLS在精度与完整性之间实现了更优的平衡，尤其在高等级枝条识别中，F1得分提升了20%—40%。CWLS生成的枝干点云结构完整、连通性强、噪声低，能够更好地支撑树木精细三维建模，并为探究枝干结构的生理生态功能提供了有前景的技术途径。

相关论文信息：

https://doi.org/10.1111/2041-210X.70183