11月15-17日，第十六届中国林业青年学术年会智慧林草技术与应用分会场在武汉华中农业大学成功召开。分会场以“智慧林草驱动林草新质生产力”为主题，进行了2个特邀报告和8个专题报告，就深度学习、无人机、多源遥感和点云技术与林草行业结合的创新研究和应用展开了充分交流和研讨分享。分会场由中国林学会、华中农业大学园艺林学学院、中国林学会林业计算机应用分会共同组织，华中农业大学佃袁勇副教授、东北林业大学景维鹏教授主持，50余位专家学者和青年代表参加了分会场会议。
主持人：佃袁勇副教授（左）、景维鹏教授（右）
特邀报告1
武汉大学梁欣廉教授的《无人机遥感自动化森林调查关键技术研究》报告，探索了自主无人机激光扫描系统用于林冠下森林实地调查的可行性，提出相关系统，并与地基、手持系统对比，表明不同系统在单木检测率上和简单立地条件下结果相近，但单木参数估计可靠性差异显著；林冠下自主无人机系统与手持系统数据质量相当，且优化其飞行轨迹可提升数据质量，后续应探索飞行路径规划方法以提升无人机适用性，进一步满足森林观测需求。
特邀报告2
华中农业大学张建教授的《高通量一体化分析平台助力大田作物表型采析》报告，从提升无人机在田间植物表型数据提取和分析效率出发，介绍了基于无人机的作物表型研究现状及面临的数据处理问题，阐述了IHUP软件的数据生产、预处理、分析、管理等功能设计，以及软件实现所采用的技术，并展示了其图形用户界面（GUI）的各项操作与配置功能，通过水稻叶卷评分预测建模、干旱监测等案例研究，体现了软件在提取相关数据和建立回归模型方面的应用，经性能测试明确了地块数量和深度学习模型调用对软件工作效率的显著影响。该软件为植物表型研究提供了高效、通用的工具，有力推动了相关领域的发展。
专题报告1
东北林业大学李超副教授的《多源点云融合的森林场景三维重建》报告，介绍了点云技术在森林场景三维重建中的应用及挑战。利用超图卷积方法，融合无人机激光扫描与地面激光扫描数据，解决了点云密度不均与局部缺失问题。通过深度学习优化单木分割与语义信息提取流程，克服了复杂场景下点云几何与语义信息缺失的难题，创新提出了基于点云的三维重建技术，实现高精度单木骨架及枝干重建，为森林资源监测与生态管理提供了重要技术支撑。
专题报告2
中南林业科技大学龙江平副教授的《森林储量遥感定量估测的饱和效应分析》报告，从提升森林储量遥感估测精度出发，指出当前面临的遥感信号饱和效应问题，介绍了基于LESS模型模拟森林场景的研究方法，并对模拟过程中的森林场景参数设置、植被指数与森林蓄积量关系、植被指数饱和度量化模型构建、径阶对饱和度影响以及空间分辨率与饱和效应关系等进行了阐述，提出了三阶段植被指数饱和度量化模型，为深入理解和解决森林储量遥感估测饱和效应问题提供了重要依据。
专题报告3
华中农业大学佃袁勇副教授的《华山松枯萎木空间分布及动态变化的遥感监测》报告，聚焦华山松因大小蠹侵害导致的枯萎木问题，阐述了利用遥感影像结合深度学习技术进行大范围虫害监测的研究进展。结合高光谱、多波段和航空影像，实现了枯萎木的精准识别及动态分布监测，研究成果验证了耦合虫害种群扩散与枯死木密度的动态模型（PDAM）的高效性，并揭示了虫害扩散对森林健康的深远影响。未来将通过多时相数据融合、结合生物学模型深入解析扩散机制，并引入时空智能学框架，推动森林虫害监测的智能化和精准化，为生态系统可持续管理提供技术支持。
专题报告4
南京林业大学周凯讲师的《基于深度学习的银杏单叶和单木尺度氮素相关指标估测研究》报告，从林木叶绿素和氮素含量对植物生长发育的重要性出发，介绍了采用成像高光谱技术获取数据，并运用深度学习算法和多种数据处理、建模方法，对银杏单叶和单木尺度的叶绿素、氮素相关指标进行估测研究，提出了基于1D-CNN的银杏苗木叶绿素含量反演模型、SVN-CARS-CNN银杏氮含量最优估测模型等成果，为银杏的精准栽培管理提供了理论依据，对林草资源的精细化管理和高效利用具有重要意义。
专题报告5
广西壮族自治区林业科学研究院向俊助理工程师的《基于IBN-Net和UAV影像的台风桉树林受灾检测研究》报告，以台风对桉树林造成的灾害为切入点，介绍了在博白县和上思县开展研究的数据采集情况，阐述了制作深度学习数据集的流程，详细说明了IBN-Net模型的结构特点、损失函数与精度评价指标，对比了不同模型在变化检测和桉树风灾检测中的表现，并通过消融实验验证模型改进效果，结论表明构建了有效的数据集且研究模型可用于风灾损失检测评估。
专题报告6
数字绿土有限公司事业部负责人庞树鑫的《低空经济下的林草监测技术与应用》报告，从低空经济的兴起及其在全国的发展现状出发，阐述了其在林草行业的赋能作用及监测技术发展方向，详细介绍了低空平台与林草监测的多项关键技术，通过北京市生物量调查等项目展示了相关技术在实际中的应用成果，强调了智能化、多传感器融合等技术的广泛应用，以及技术融合创新、行业合作深化和数据成果共享对推动低空经济下林草监测技术发展的重要性。
专题报告7
北京林业大学博士研究生李彩霞的《多源遥感数据协同生态修复区植被时空变化特征及驱动因素分析》报告，以乌梁素海流域为研究区域，探讨了1990至2020年植被NDVI的时空变化趋势及驱动因素。研究利用Landsat和MODIS影像数据，结合气候与统计数据，揭示出植被NDVI呈显著上升趋势，水热条件和生态修复工程是主要驱动因素，可为未来生态修复与管理提供理论支持。
专题报告8
西南林业大学硕士研究生杨文龙的《面向智慧林草的火险预测：基于数据驱动的机器学习解决方案》报告，以应对森林火灾频发对生态和人类的威胁为研究背景，针对非火灾样本质量问题提出基于空间权重的采样方法，阐述了构建空间权重模型、采集非火灾样本、构建机器学习模型及评价火险地图与驱动因子的研究内容与方法，发现海拔、人口密度等是关键驱动因子并明确其作用方向，提出未来研究需获取更准确的火灾数据并细化非火灾采样区间以提升研究准确性。
在森林资源调查监测、作物表型研究、病虫害防控、生态修复监测、灾害评估与火险预测等多方面取得成果，解决了数据获取分析、精准监测预警、资源高效利用等关键问题，不仅提升了林草管理效率与水平，同时推动智慧林草迈向数字孪生新阶段，为林草资源智能感知、自动同步、智能处理和决策以及高质量发展提供了技术支撑，助力实现林草行业的可持续发展与生态保护目标。
（S7智慧林草技术与应用分会场供稿）
来源：学术部
