第六分会场研究生论坛由中南林业科技大学李建军教授、南京林业大学赖江山教授和西南林业大学姬永杰副教授共同主持。来自中国林业科学研究院资源信息研究所、北京林业大学、南京林业大学、西南林业大学、中南林业科技大学、安徽农业大学、东北林业大学、江西师范大学、贵州大学和重庆交通大学等10余所高校、科研院所的29位研究生作了专题报告，共同探讨智慧林草科学研究中的关键技术问题和发展趋势。
第六分会场：研究生论坛
专题报告01
中南林业科技大学博士研究生陈松作了题为《基于星载激光雷达波形自适应分解的森林冠层高度提取方法》的专题报告，利用全波形星载激光雷达数据，构建了波形自适应分解方法，提取了森林冠层高度，通过对比普通高斯分解、小波分解、反卷积分解方法在不同坡度下提取森林冠层高度的精度，验证了该方法提取森林冠层高度的准确性与鲁棒性。
专题报告02
西南林业大学博士研究生张晓丽做了题目为《Improved random forest algorithms for increasing the accuracy of forest aboveground biomass estimation using Sentinel-2 imagery》的专题报告，利用Sentinel-2影像数据，使用随机森林类模型对云南省楚雄州云南松林地上生物量进行了估测精度比较分析。发现3×3和5×5像素窗口比7×7窗口在本研究区域AGB估计中具有更高的灵敏度和适用性；由B5和B8A波段计算得到的EVI与AGB的敏感性较高；RRF模型在拟合性能上优于标准RF和QRF, R2为0.56；QRFb模型的R2最高，为0.88, 该模型显著改善了高估和低估现象。
专题报告03
中国林业科学研究院资源信息研究所谭晶维作了题为《ForestryBERT：一种具有持续学习能力的林业预训练语言模型》的专题报告，利用网络爬虫技术分别构建了术语、法律法规、文献三个林业语料库，并基于这三个语料库，采用持续学习方法对通用领域预训练语言模型BERT进行持续预训练，最终得到林业预训练语言模型ForestryBERT，在林业文本分类和抽取式问答两个任务上对ForestryBERT进行微调后，发现该模型不仅能够很好地适应多个林业任务，还具备可持续学习和可扩展的能力。
专题报告04
东北林业大学研究生邹为涛作了题为《基于多源数据融合的细粒度森林净初级生产力优化方法》的专题报告，提出了基于软件驱动的NPP反演优化方法，其中包括非负矩阵分解的两阶段遥感融合模型和基于残差校正的集成学习插值模型，并利用kNDVI优化CASA模型。该工作可以为细粒度区域尺度森林植被NPP反演提供高质量数据，并提高反演模型的精度。
专题报告05
贵州大学林学院研究生桑旭作了题为《Spatial and Temporal Variation Characteristics and Prediction of Land Use Patterns in Key Areas for Rocky Desertification Control》的专题报告，基于1990-2022年的土地利用/覆被产品数据以及相关驱动因素数据，利用空间格局分析、转移矩阵、（未来土地利用模拟，FLUS）和（马尔可夫，Markov）模型等方法，系统分析研究区LUCC历史时期变异特征并预测了未来2030年土地利用空间格局，结果表明石漠化治理下耕地、灌木林地、草地面积减小，林地面积快速增加。
专题报告06
中南林业科技大学研究生唐杰作了题为《地基LiDAR点云的三维体元油茶单木参数提取及产量敏感性分析》的专题报告，使用三维体元模型获取地面三维激光扫描仪采集油茶树点云数据的特征变量，结合实测油茶树单木参数和产量数据，构建线性函数和非线性函数探究提取的特征变量对油茶产量的敏感程度。结果发现通过激光雷达点云提取的油茶树单木参数与实测结果具有较高的一致性，所有特征变量与油茶产量的线性和非线性关系均极其显著。
专题报告07
中国林业科学研究院研究生王林龙作了题为《一种结合空间结构参数与卷积神经网络的森林动态生长可视化方法》的专题报告，以异龄杉木人工林为研究对象，提出了一种结合空间结构参数和卷积神经网络模型(FDGVM-CNN-SSP)的森林动态生长可视化建模方法，探讨了空间结构特征对杉木人工林形态生长的影响机制，通过引入卷积神经网络(CNN)模型建立了杉木人工林生长预测模型。
专题报告08
江西师范大学博士研究生侯祥作了题为《Comparative Analysis of Machine Learning-Based Predictive Models for Fine Dead Fuel Moisture of Subtropical Forest in China》的专题报告，通过构建不同气象、地形、林分等特征因子组合方案，比较了5种机器学习算法对亚热带森林地表细小死可燃物含水率的预测能力，并识别了影响模型精度的关键因子。该成果为理解森林地表细小可燃物含水率变异性提供了科学依据和理论支撑，建立的预测模型可为区域森林火灾预警提供参考。
专题报告09
中国林业科学研究院高原林业研究所研究生舒朗朗将作关于《Remote sensing inversion of aboveground biomass in Shangri-La grassland based on different machine learning algorithms and its influencing factors》的专题汇报，基于GEE利用不同的机器学习算法反演香格里拉草地生物量，分析香格里拉草地生物量的时空分布格局、变化趋势以及驱动因素。研究结果发现，研究区2018-2022年草地生物量呈先增加后减少的趋势，且东北部和西南部生物量较高，西北部较低。气候变化对草地生物量的影响显著，草地生物量随降水和温度的增加而增加。
专题报告10
中南林业科技大学研究生曹攀琳作了题为《基于landtrendr算法的2000-2020年湖南省森林扰动分析》的专题报告，基于Google earth engine云平台，采用landtrendr算法，借助土地覆被数据、全球森林变化数据等数据，提取湖南省森林扰动信息，分析湖南省2000-2020年森林扰动时空分布情况。
专题报告11
中国林业科学研究院资源信息研究所研究生崔泽宇作了题为《构建广义B样条曲线与树冠耦合模型探索杉木多态性三维建模》的专题报告，基于广义B样条插值构建冠形曲线，分析了不同枯损状态分枝对树木形态的影响，构建了可以模拟自然整枝、偏冠、冠形差异等树木多态性的杉木三维模型。建模过程更加高效、结果更加符合树木形态规律。
专题报告12
重庆交通大学研究生曲世乾作了题为《基于高光谱数据和偏最小二乘回归的梭梭叶片含水量估算模型构建》的专题报告，利用高光谱数据探究梭梭敏感波段与合适光谱指标，利用偏最小二乘回归建立预测模型，发现已有水体植被指数不适用于反演梭梭水分，而由特征波段的一阶导数构建的多元回归模型精度最高，并对模型适用性进行了讨论。
专题报告13
中南林业科技大学研究生兰俊宇作了题为《湖南省栎类地基激光雷达材积模型研建》的专题报告，利用地基激光雷达扫描的单木点云参数和加权最小二乘法与Marquardt迭代法构建材积模型，建立湖南省栎类地基激光雷达材积模型，构建的材积模型精度能够满足日常林业调查需要，为林业无损编制材积表提供一个新的技术手段。
专题报告14
安徽农业大学研究生屈建伸作了题为《升金湖湿地遥感监测及管理信息系统研发》的专题报告，通过DPS统计分析软件中灰色模型预测未来8大土地类型的面积，通过构建指标体系进行鹤类生境适宜性评价，发现升金湖近30年来土地利用变化显著：林地、芦苇滩地、旱地的面积不断减少，水域、草滩地、泥滩地、水田、建设用地虽有波动，但均有不同程度的增加，同时研究发现升金湖鹤类生境适宜性总体上在逐渐下降,呈分散化、破碎化趋势：1986到2020年间升金湖湿地的鹤类生境适宜性区域在逐渐减少，越冬鹤类的生境适宜性面积从1986年的4090.82 hm2下降到2020年的346.74 hm2，从1986年占比是12.27%缩减到2020年占比只有1.04%。
专题报告15
西南林业大学研究生王璐作了题为《结合Sentinel-2和GEDI数据的森林地上生物量估测和空间格局分析》的专题报告，探索新一代星载激光雷达（GEDI）和Sentinel-2光学数据估测森林AGB的潜力和森林AGB的空间格局分布规律。研究发现随机森林回归模型可以较准确估测森林AGB。森林AGB受地形因子影响，随海拔、坡度和坡向呈现出不同的分布规律。
专题报告16
中南林业科技大学研究生曹文昊作了题为《基于混合模型的林分蓄积量估测模型》的专题报告，利用广东省四次森林资源连续清查样地数据，构建以龄组、郁闭度以及平均胸径为连续变量的基础模型，引入起源、地貌、坡向和坡位因子随机变量，构建多元混合效应模型。研究发现：平均胸径作为连续变量能显著提高蓄积量模型估测精度，同时加入起源、地貌、坡向和坡位随机效应能有效的改善模型的统计与评价指标，增强了该模型在实践中的可靠性和适用性，为优化林业管理决策提供了有价值的理论和技术支持。
专题报告17
北京林业大学研究生历钰洁作了题为《一种非典型人为干扰--COVID-19 封锁对中国城市植被的影响》的专题报告，分析了新冠疫情封锁下中国城市地区不同尺度下的植被及影响因子的变化，利用地理探测器模型探究植被变化的驱动机制，发现封锁期间中国城市植被生产力提高，农田响应显著，光学气溶胶厚度和光和有效辐射对植被变化的解释能力增强。
专题报告18
西南林业大学研究生王玉平作了题为《联合Sentinel-1、Sentinel-2 和 Landsat 8 OLI数据的森林地上生物量估测》的专题报告，使用联合数据与机器学习模型，来构建不同森林类型的生物量估测模型，发现相较于单数据源，联合数据源的估测效果较好，Sentinel-1、Sentinel-2的联合估测效果最好。XGboost模型的估测精度最高，高值低估与低值高估的情况有所改善。
专题报告19
中南林业科技大学研究生王彬彬作了题为《Estimation of Forest Canopy Height from GEDI L1B Data Using an Improved Composite Gaussian Model for Optimized Waveform》的专题报告，利用改进后的波形分解算法，优化了林分平均高的提取，发现在提取过程中验证阶段的CHM分辨率的设置与缓冲区大小设置对林分平均高提取的影响较为明显，在研究中通过对波形数据进行单独拟合找到了林分平均高提取的最佳条件。在此条件下用改进后的波形分解算法能够对林分平均高进行更为有效的提取。
专题报告20
安徽农林大学研究生李天乐作了题为《基于UAV-LiDAR的间伐强度对欧美杨大径材人工林生长的影响》的专题报告，主要内容是利用无人机LiDAR数据评估间伐强度对欧美杨大径材人工林生长影响。以抚育间伐6年后的欧美杨试验林为研究对象，研究四种不同间伐强度（CK：0%，T20：20%，T30：30%，T50：50%）措施处理后欧美杨人工林生长性状的差异，揭示间伐对基于大径材培育下欧美杨人工林生长的影响，明确了有利于培育大径材的间伐保留密度。
专题报告21
西南林业大学研究生杨菲菲作了题为《二阶段遥感特征优选及GF-1数据支持的森林AGB反演联合》的专题报告，该研究采用四种不同方式的特征选择方法进行两阶段的特征变量选择，结合了三种机器学习模型，基于GF-1数据反演森林地上生物量。通过对比不同特征选择方法与机器学习模型组合，发现了二阶段混合特征选择策略在森林AGB估测中的有效性，尤其是将其与XGBoost模型结合可显著提高估测精度，该研究为后续的森林资源管理和碳汇评估提供新思路。
专题报告22
中国林业科学研究院研究生刘江作了题为《基于Stacking集成学习的森林经营类型识别》的专题报告，以伊春森工集团森林可持续经营试点中的4种典型森林经营类型为研究对象，解析了森林经营类型识别的关键因子，提出了Stacking集成学习森林经营类型识别（SEFMTI）方法。研究发现除林分起源、树种组成、林龄、树木生长发育阶段、立地条件等5个指标外，郁闭度也可作为森经营类型的关键决策因子；SEFMTI模型能在保持较高准确性的同时极大提高决策效率，该研究能为进一步提升森林经营方案编制和科学经营水平提供较好技术支撑。
专题报告23
北京林业大学博士生黄邵东作了题为《2001-2022年东北植被物候时空变化及其对净初级生产力的影响》的专题报告。研究基于非对称高斯模型及EVI时序指数，探讨了2001 - 2022年东北地区植被物候和NPP的变化机制及相互关系。结果表明:1）经纬度变化对各植被物候参数的影响极显著（p < 0.01）。生长季开始（SOS）、生长季结束（EOS和生长季长度（LOS）分别呈现提前（- 0.26 d /a）、延迟（0.14 d /a）和延长（0.40 d /a）的趋势。森林EOS则提前（- 0.13天/a）；2）SOS、EOS与NPP呈负相关，LOS、小积分值（SIV）与NPP呈正相关。其中SIV与NPP散点相关性最强（r = 0.74）。
专题报告24
中南林业科技大学研究生唐兴做了《基于卷积注意力机制和记忆机制的树冠分割算法研究》的专题报告，利用记忆机制和卷积注意力机制搭建了深度学习模型SegcaNet，该模型可以快速地从混交阔叶林图像中分割出单木的树冠。实验证明，和DeeplabV3、MemoryNetV2等方法相比，该方法有更高的精度和准确性，可以在树木较为密集的情况下实现准确的分割。
专题报告25
南京林业大学研究生辜晨枫作了题为《中国两个城市森林覆盖变化和复合高温干旱对森林碳动态的影响》的专题报告，利用CASA与Bookkeeping模型相结合以及地理探测器，分析2000-2022年南京与韶关市森林覆被变化与高温干旱对森林碳动态的影响。研究发现：韶关与南京2000-2022年森林覆被变化均引起碳损失，高温和干旱事件对森林碳汇能力均存在抑制作用，并存在2个月的滞后响应。与单一事件相比，复合高温干旱对森林碳动态的影响更大。
专题报告26
北京林业大学硕士研究生刘洋作了题为《融合EDA的早期森林火灾烟雾检测方法》的专题报告，该方法使用Cycle-GAN对数据集进行扩充和迁移，并基于YOLO网络进行改进，引入小尺度检测头Detect-Tiny提升早期小范围烟雾检测能力，同时混合ECA和DCSA注意力机制提升检测效果，为早期林火检测提供参考。
专题报告27
北京林业大学研究生刘京奇作了题为《面向林业复杂场景的机器人安全强化学习策略优化方法》的专题报告，设计了一种考虑多目标激励的阶梯奖励函数和基于对数障碍函数思想的代价函数，并将增广拉格朗日乘子法结合到基础网络中，以实现场景障碍信息的多目标约束优化，提高模型的收敛速度，能够实现较好的运动规划效果，并对障碍信息有较强的约束能力，更加适用于林业类复杂动态场景。
专题报告28
北京林业大学硕士研究生葛永泰作了题为《基于联合对抗迁移学习的害虫图像识别方法》的专题报告，该方法引入对抗学习、计算中心感知约束损失，减轻无用背景信息，提高识别准确性，为后续农林业虫害监测与防护提供了有价值的参考依据。
专题报告29
北京林业大学博士研究生丁志丹作了题为《Optimizing crown density and volume estimation across two coniferous forest types in southern China via Boruta and Cubist methods》的专题报告，利用Boruta特征选择方法和Cubist回归模型，对福建省将乐国有林场的部分林分郁闭度和每公顷蓄积量进行了估算，发现与林分参数有关的特征因子较易获得且模型取得了较好的效果，这也为准确估算该地区的林分郁闭度和蓄积量提供了一种新的方法组合，证明了模型的优势和适用性。
研究生分会场为各大高校与科学院所研究生提供一个充分的学术交流平台，报告人围绕大数据、人工智能、遥感等技术在林业领域的最新研究与应用展开汇报，与会代表进行了热烈的讨论。论坛的顺利举行对推动计算机、遥感等技术在林草行业的研究和应用、增强研究生学术交流、深化学术研究成果共享合作具有重要意义与积极务实的作用。会议主持人代表中国林学会林业计算机应用分会对论坛报告人、分会场志愿者，及参会代表表达了诚挚的谢意。