基于多期点云与深度学习的单木动态监测方法及系统

本发明公开了一种基于多期点云与深度学习的单木动态监测方法及系统，包括采集研究区域的多期多光谱影像与激光点云数据，并进行预处理；将预处理后的多期多光谱影像与激光点云数据进行配准融合，生成多期融合点云；基于所述多期融合点云，使用深度学习模型进行单木分割；基于所述单木分割结果，反演单木的冠幅和树高，并根据冠幅和树高的反演结果分析单木的生长参数。通过融合多时相点云与多光谱影像数据，结合深度学习模型，实现了单木的精准分割与动态生长监测，克服了现有技术中单木分割准确率低、多源数据融合不充分、无法捕捉林木生长变化的缺陷。采用冠幅和树高的反演模型，有效提升了生长参数估计的精度，为森林资源管理提供了科学依据。