본 논문은 도시 녹지화 정책 지원 및 전력 인프라 위험 감소를 위한 도시 나무 역동성 모니터링의 중요성을 강조하며, 다중분광 라이다(MS-LiDAR)와 심층 학습(DL) 모델을 이용한 나무 점 추출 연구를 제시합니다. 복잡한 도시 환경과 나무의 다양성으로 인한 기존 항공 라이다의 한계를 극복하고자, 3D 공간 및 분광 데이터를 모두 포착하는 MS-LiDAR를 활용하여 Superpoint Transformer (SPT), Point Transformer V3 (PTv3), Point Transformer V1 (PTv1) 세 가지 최첨단 모델을 평가했습니다. 그 결과, SPT 모델이 85.28%의 mIoU를 달성하며 시간 효율성과 정확성 면에서 우수함을 보였고, 공간 정보에 의사 정규화 차이 식생 지수(pNDVI)를 추가하여 오류율을 10.61%p 감소시키는 최고의 검출 정확도를 달성했습니다. 이 연구는 MS-LiDAR와 DL이 나무 추출 및 나무 목록 작성 개선에 기여할 가능성을 보여줍니다.
