FOR‑species20K 是目前最大的公开 LiDAR 树种分类基准，汇集了 25 份来自地面、移动和航空激光扫描的独立数据集，覆盖 33 种树种。我们提出的多分辨率多视角 ConvNeXtV2 模型将官方隐藏测试的准确率从 79.5% 提升至 85.0%，在提交时排名第一。
隐藏测试采用物种平衡抽样，其整体准确率更接近宏观指标，而公开集呈长尾分布。随机划分使每个源数据既出现在训练又出现在评估。使用 logistic 探针可从模型的 out‑of‑fold 概率中以 69% 的准确率恢复数据源身份；几何特征在两类共享物种中对源的辨识率超过 90%，而 33 种中有 18 种仅出现在单一源。
在源‑物种‑单元留出实验中，针对 8 种在其他源仍保留相同 LiDAR 类型的 5 566 棵树，未加权的物种均值从 82% 降至 36%，加权准确率从 95% 降至 60%。等量重训练和使用两种备选骨干网络的实验表明，仅因训练样本减少不足以解释该差距；PureForest 的外部实验显示分组划分效应虽小但一致。这表明 85% 的排行榜成绩反映的是分布内性能，而非源间独立的泛化能力，因而需要采用平衡指标和源感知的评估方式。
点评