湖北大学副教授以第一作者、唯一通讯作者在Top期刊连发两篇研究论文，取得森林资源智能监测领域的新成果

背景：红树林作为重要的海岸带生态系统，其物种分类与冠层高度精确监测对生物多样性保护、蓝碳核算及生态服务评估至关重要。传统遥感方法在复杂红树林群落中面临精细三维信息丢失、光谱饱和及空间异质性等挑战。研究目的：针对红树林物种分类难题，开发基于激光雷达点云的深度学习网络Mangrove-Net，以提升物种区分精度；针对冠层高度估算偏差，提出融合生态先验知识的AEZGO方法，实现大尺度高精度制图。结论：Mangrove-Net在海南清澜保护区验证中取得75.26%的总精度，优于主流基准模型；AEZGO在海南岛全域实现10米分辨率制图，R²达0.74，显著降低高树低估与矮树高估误差。两项成果为红树林智能监测提供了可靠技术支撑，有助于生态保护与修复实践。