近日，浙江农林大学生态文明研究院张蕊副教授，硕士研究生章卓琪、张伟康、何力同学与数计学院朱超老师的论文《Deep learning-driven semantic segmentation and spatial analysis of quarry relic landscapes using point cloud data: insights from the Shaoxing quarry relics》被A&HCI、SCI期刊《npj Heritage Science》（原A&HCI、SCI一区TOP期刊Heritage Science，2025年1月升为Nature Partner Journal系列）收录。

现对论文进行介绍：

1、研究背景

石宕遗址是人类早期文化与自然环境互动的重要见证，反映了古代采石活动的历史、技术和艺术理念。中国绍兴的石宕园林不仅承载了2500余年的城市发展史，还展现了古代工匠如何因地制宜，利用石材进行水利、城建和宗教建筑的营建智慧，体现了“天人合一”的中国传统哲学思想。然而，现有研究往往缺乏对其复杂空间结构的深入理解。本文利用三维扫描和深度学习技术，以绍兴采石遗址为例，探讨了采石遗址景观的语义分割和空间分析。研究旨在通过结合三维数据测绘获取详细的石宕遗址点云数据，利用PointNet++深度学习网络进行景观元素的语义分割，分析绍兴石宕遗址的文化价值并提出采石遗迹相关的遗产保护途径。本研究为未来遗产管理的研究和实际应用奠定了坚实的基础，为构建采石场遗迹景观遗产信息的综合数据库奠定基础，弘扬中国古代优秀的人与自然协调共生的生态智慧。

2、研究方法

本研究采用多技术融合的方法，结合3D激光扫描、无人机摄影测量和深度学习技术，对绍兴采石遗址景观进行了系统的数据采集、处理与分析。在数据采集阶段，研究团队使用激光扫描仪和无人机，对四个采石遗址（石佛寺、剩水荡、曹山石宕和七星岩）进行了高精度点云数据和影像的采集，通过多站点扫描和智能航线规划确保了数据的全面性。数据处理阶段，通过点云对齐、去噪和采样等步骤，利用数据处理软件实现了地面激光扫描（TLS）与无人机摄影测量（UAVDP）数据的融合，生成了高精度的三维模型。在深度学习模型方面，研究采用PointNet++深度学习网络对点云数据进行语义分割，通过分层采样和局部特征提取，实现了对岩石、建筑、水体、植物和路面等景观元素的精准分类。利用点云数据计算了各元素的体积占比，根据石宕景观的特殊性引入正负空间概念，分析了采石遗址的空间形态特征及其文化价值。

3、研究结果

研究基于上述方法获取、处理和呈现了四个采石场遗迹景观的点云数据。这种方法与文献证据相结合，有助于将与采石场遗迹景观相关的历史信息数字化。它为石宕园林的数字保存和管理提供了一个框架。总体而言1）将点云数据模型引入中国园林研究中，可以弥补单侧观赏的视觉限制，形成更完整、更全面的观赏关系；2）在文物数据保护方面，每个要素都有完整的数据存储和批量存储，为数字孪生系统的构建提供了基础，为传统采石艺术的社会和文化传播做出了贡献；3）在设计或修复方面，强调对采石场遗迹景观整体空间形态的把握，有助于挖掘采石场遗迹景观设计的内在逻辑。