(一) 基于手持（或背包）激光扫描仪进行林场伐区设计调查

激光雷达（Lidar）数据可以获取森林结构的详细三维信息，近年来，轻量化设备开发促进了移动LiDAR平台（背包激光扫-19-描仪和手持式激光扫描仪）的发展，扫描方式灵活，测量效率高，能够对树木进行三维重建，获取高精度的单木参数。团队利用手持激光雷达数据，综合多种提取算法准确获取树木位置，提取胸径、冠幅、树高、材积等单木参数，单木分割精度达到90%以上；胸径和树高误差（RMSEr）均在10%以内；数据采集效率高，每亩仅需20分钟。利用手持（或背包）激光扫描仪进行林场伐区设计调查能够提升人工林单木参数采集精度与效率，降低林场伐区设计调查成本。目前已在南平、漳州、龙岩等地的马尾松林、杉木、桉树人工林开展应用。

(二）林场/县尺度森林小班数据的自动更新

随着森林资源管理由粗放向精细化的转变，森林分类逐渐向树种的准确识别转变，对森林关键参数的更新频率和精度要求越来越高。团队研发了协同高分遥感和自动分层分类技术的树种分类方法，提出了基于机载激光雷达进行树高、林龄、蓄积量等关键林分参数反演方法，实现林场/县尺度人工林小班数据的自动更新；团队在国家重点研发计划项目“人工林资源监测关键技术研究”的支撑下，突破了复杂森林树种分类的瓶颈，开发了一套基于节点优化的自动分层分类算法，该算法优于经典的随机森林和回归决策树算法，在广西南宁山区树种精度达85%，推广至福建晋江石狮市城区86.5%，安徽利辛县平原区97.30%。取得林学会行业标准1项、软件著作权2项。

（三）大范围人工林树种（如桉树、杉木等）蓄积量/生物量/碳储量估测和监测关键技术

联合高分辨率多维度遥感变量和辅助数据，开展了主要人工林树种的蓄积量/生物量/碳储量估测建模，实现了人工林主要树种的蓄积量/生物量/碳储量时空动态监测。提出基于不同区域样本的通用模型(混合效应模型)和改进加权最小二乘法和反向传播算法，对安徽、福建和广西三省人工林（桉树、杉木、马尾松）碳储量进行了预测，精度为82.1%-84.9%。通过多源遥感数据的融合及时间序列影像数据技术挖掘与碳储量关系密切的林分结构和林龄参数，解决了森林碳储量估算中遥感数据饱和问题；通过嵌入森林类型、地形等因子分层提高了遥感估算精度（87.35%，88%），并实现人工林（桉树）区域碳储量时空监测（不同时间推广精度在84.6%-86.9%）。

(四)基于陆面和生态过程模型的人工林生态系统碳水循环研究

人工林在木材供应和缓解全球变暖等方面发挥着重要作用，准确揭示其碳水循环过程是开展人工林可持续经营的重要基础。综合Landsat、GF-6、Sentinel-2、无人机Lidar等多种遥感数据、样地调查数据和多种模型模式，在基于面向对象的多尺度分割方法对森林小班边界优化的基础上，准确模拟人工林碳水循环过程，样地尺度上人工林的胸径、树高和地上碳储量模拟精度达85%以上，可针对不同尺度（小班、林场和区域）开展未来固碳潜力评估和不同经营管理方案模拟，探索维持和提升地方稳定林业碳汇的经营方案，为地方实现碳中和目标提供决策支撑。