图1 林木三维表型多样性与空间结构耦合方法

图2 不同空间结构单元构建方法对比

图3 人工智能模型拟合精度对比

林分空间结构单元是分析林分空间竞争的重要指标，其构成与分布直接影响林木生长空间特征及其在生态竞争中的位置，表征林木所承受的空间挤压、遮挡效应等竞争压力，在林分动态演替过程中发挥重要作用，影响森林的结构、功能与生物多样性。然而，现有研究大多将空间结构单元作为一个整体进行研究，忽视了林木间不同空间方位上产生的差异化竞争效应，未阐明林木个体之间的相互作用和交互机制，难以精准描述林木个体三维表型的差异性特征和个性化生长模拟与预测。

针对这一难题，资源所林草人工智能与可视化创新团队研发了一种基于人工智能的林木三维表型多样性与空间结构耦合新方法，该方法通过划分东、西、南、北四个方向，采用邻域优先级划分策略与距离-遮挡判别规则，实现林分空间结构单元中林木三维表型的相互作用和交互关系的精准表征。通过结合5种集成学习和11种机器学习人工智能算法，综合考虑林木之间的空间竞争强度，引入空间竞争强度和树高、冠幅等关键形态特征，构建耦合空间结构特征的林木个体三维表型多样性表征AI模型。该方法揭示了林木三维表型在空间挤压、遮挡等环境因素驱动下的分布规律，为林木的三维表型预测与空间竞争交互关系的模拟和分析提供了新方法，为森林精准经营与智能决策、森林质量提升等提供创新的分析手段和重要的科学依据。同时，该方法通过林木三维表型精准计算与生长模拟预测，突破了传统测量手段的不足，显著提高了林木三维表型参数测量以及估算的效率和精度。

该方法在亚林中心山下林场开展了应用验证，结果表明，该方法在空间结构单元的构建中，能更精确地刻画林木之间的空间相互影响和交互关系，空间竞争强度计算更精准，解决了林场森林资源精准管理与经营决策从林分至个体水平、二维至三维发展的难题，为数字孪生智慧林场的研究提供关键技术支撑，推动人工智能和实景三维在林草行业中的深度应用。

研究论文“Fitting Maximum Crown Width Height of Chinese fir through Ensemble Learning Combined with Fine Spatial Competition”发表在《Plant Phenomics》（中科院一区TOP，IF=7.6），资源所博士生崔泽宇为第一作者，张怀清研究员为通讯作者。该项研究得到中央级公益性科研院所基本科研业务费专项资金（CAFYBB2023PA003）、科技创新2030—重大项目（2023ZD0406103）和国家自然科学基金项目（32271877）的联合资助。