इस पत्र में, हम स्थलीय LiDAR बिंदु बादलों से वृक्ष प्रजातियों के वर्गीकरण की समस्या को हल करने के लिए एक पदानुक्रमित बहु-स्तरीय संलयित गतिशील ग्राफ कन्वोल्यूशनल न्यूरल नेटवर्क (MS-DGCNN++) का प्रस्ताव करते हैं। पारंपरिक बहु-स्तरीय गतिशील ग्राफ कन्वोल्यूशनल न्यूरल नेटवर्क (MS-DGCNN) की एक सीमा है कि यह समानांतर बहु-स्तरीय प्रसंस्करण के साथ एक वृक्ष संरचना के पदानुक्रमित स्तरों के बीच अर्थ संबंधों को ठीक से नहीं पकड़ सकता है। MS-DGCNN++ स्थानीय, शाखा और शीर्ष पैमानों पर अर्थपूर्ण रूप से सार्थक विशेषताओं को निकालकर और पैमानों के पार सूचना प्रसारित करके इस समस्या का समाधान करता है। यह प्रत्येक पैमाने पर पैमाने-विशिष्ट विशेषता इंजीनियरिंग लागू करता है, जैसे स्थानीय पैमाने पर मानक ज्यामितीय विशेषताएँ, शाखा पैमाने पर सामान्यीकृत सापेक्ष सदिश, और शीर्ष पैमाने पर दूरी की जानकारी। प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित डेटा संवर्द्धन रणनीति के अंतर्गत, यह STPCTLS डेटासेट पर 94.96% सटीकता प्राप्त करता है, जो DGCNN, MS-DGCNN और अत्याधुनिक मॉडल PPT से बेहतर प्रदर्शन करता है, और FOR-species20K डेटासेट पर 67.25% सटीकता प्राप्त करता है (MS-DGCNN की तुलना में 6.1% सुधार)। यह ModelNet40 और ModelNet10 डेटासेट पर मौजूदा मॉडलों से भी बेहतर प्रदर्शन करता है। अत्याधुनिक ट्रांसफ़ॉर्मर विधि की तुलना में, इसमें कम पैरामीटर और कम जटिलता है, जो इसे संसाधन-सीमित अनुप्रयोगों के लिए उपयुक्त बनाती है।
