第六届中国智慧林业大会

随着信息技术的飞速发展，智慧林业已成为推动林业现代化的关键力量。为了进一步探索智慧林业领域的前沿问题，培养高素质的智慧林业人才，加快推进我国林草信息技术研发、推广、应用和发展，进一步推动信息技术、人工智能与林草行业的深度交叉融合，赋能林草新质生产力稳步提升，全方位高质量推进林业智慧化发展，第六届中国智慧林业大会专门设置两个研究生专题论坛，主要围绕智慧林业的前沿技术、创新应用等议题展开深入交流，为智慧林业的应用实践提供新的思路与研究方向。

研究生论坛（二）由中南林业科技大学李建军教授、南京林业大学业巧林教授与浙江农林大学戴丹副教授联合主持。来自清华大学、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、沈阳农业大学等10余所高校及科研院所的27名研究生，围绕智慧林业与草原领域的关键技术难题及学科发展前沿，分别进行了专题汇报与学术交流。

专题报告01

沈阳农业大学博士研究生韩昊作了题为《面向精准农业监测的跨平台遥感影像超分辨率重建研究》的专题报告，近年来，精确的农田监测已成为航空遥感和卫星遥感领域的研究热点，本研究首次提出了一种创新的跨平台超分辨率重建方法，旨在通过超分辨率重建技术使中分辨率卫星具备田间精细化观测的能力。

专题报告02

西南林业大学博士研究生曹宇佳作了题为《机载激光雷达数据辅助的县级森林蓄积量密度均值统计推断方法》的专题报告，将分层法（STR）应用于设计推断法（DB）和模型辅助法（MA）中，对研究区森林蓄积量密度进行估测，计算并比较不同方法的估测误差，以及与传统方法相比的估测效率（RE)。

专题报告03

中国林业科学研究院资源信息研究所博士研究生崔泽宇作了题为《Fitting Maximum Crown Width Height of Chinese fir through Ensemble Learning Combined with Fine Spatial Competition》的专题报告，提出了一种林木表型多样性与空间结构耦合的新方法，通过划分东西南北四个方向，采用邻域优先级划分策略与距离-遮挡判别规则，实现了精细化林分空间结构单元构建以及和最大冠幅处高度相互作用、交互关系的精准表征。

专题报告04

北京林业大学硕士研究生黄清泉作了题为《基于AI的湿地水鸟图像智能识别方法》的专题报告，针对湿地环境中复杂背景、水鸟物种相似、监测模型大等问题，构建湿地水鸟检测的SIS-YOLO模型，实现了轻量设计、特征感知、结构优化和端侧适配，为湿地水鸟监测识别研究提供了全新思路。

专题报告05

清华大学硕士研究生周家豪作了题为《融合时空分析与深度学习的森林消防人员动态风险评估》的专题报告，通过构建森林火灾蔓延模型和行进能力模型，采用时空计算方法分析两者的空间叠置关系，生成时空差分图并提取风险指数。基于时空特征和深度学习提出了一种快速的火场边界风险计算方法，能够精准评估森林火灾消防人员行动风险，保障救援行动的人员安全。

专题报告06

南京林业大学博士研究生石永磊作了题为《多元遥感协同鹅掌楸育种试验林表型参数提取及生物量估测》的专题报告，开发种子点邻域特征与欧氏距离配准算法，提出适用于多分支的DBH提取方法，构建无人机激光雷达生物量模型，结合优化枝叶分离方法及密度、光谱聚类和图提取骨架，并获取枝干体积、枝倾角和枝长。突破多分枝混交林生物量量化瓶颈，为人工林精准培育提供技术支撑。

专题报告07

中国林业科学研究院森林生态环境与自然保护研究所硕士研究生徐凤雨作了题为《典型森林颗粒土壤有机碳分布特征》的专题报告，研究基于不同气候区森林样地，利用碳组分扫描技术结合机器学习，探究典型森林颗粒土壤有机碳的空间分布特征。

专题报告08

西南林业大学硕士研究生段春琴作了题为《基于无人机RGB影像和Mask R-CNN的油橄榄蓄积量估测》的专题报告。

专题报告09

北京林业大学硕士研究生孔孜亦作了题为《基于深度学习的赛罕乌拉地区野生动物图像姿态估计方法》的专题报告。

专题报告10

中国林业科学研究院资源信息研究所硕士研究生廉官俊作了题为《A novel collaborative planning framework for artificial forest harvesting and replanting》的专题报告。

专题报告11

北京林业大学博士研究生余春江作了题为《双分支频域融合的RGB-D树干实例分割》的专题报告。

专题报告12

中南林业科技大学硕士研究生陈泓瑾作了题为《SGHNet：多尺度图特征融合与光谱增强的杨树林变化检测》的专题报告。

专题报告13

中国林业科学研究院资源信息研究所硕士研究生杨蔡芸作了题为《Artificial Intelligence-based classification of soundscape and analysis of soundscape differences in Shennongjia National Park》的专题报告。