第二届中国林草计算机应用大会分会场二：“林草遥感技术” 采用线上方式召开，来自全国各单位的980余人观看交流。分会场由中南林业科技大学林学院副院长孙华教授和西南林业大学林学院张王菲教授共同主持，包括4个特邀报告和7个专题报告，就森林资源监测技术、高分辨高光谱遥感图像处理与识别、计算机模拟林业遥感应用、遥感技术实际应用等重点和热点问题进行了深入交流。经大会评选，浙江农林大学林起楠、西南林业大学席磊、中国林业科学研究院资源昆虫研究所程鑫萌和中南林业科技大学潘煜琳的报告被评为优秀报告。
近年来，遥感技术在我国林草行业运用广泛，逐渐为林草资源调查监测、规划设计、生态工程评估核查等提供重要技术支撑，随着林草遥感技术研究方法、内容与技术手段日益广泛，学者们围绕森林资源“天空地”多源观测协同监测技术、高分辨率高光谱图像高效处理与识别、计算机模拟的林业遥感应用等方面不断探索，对掌握森林生长机理，推动森林资源的高效培育、集约管理和可持续经营，实现林业现代化建设整体提质增效和森林质量精准提升提供了重要的基础保障。会议为遥感技术在我国林草行业的应用实践提供了新的思路和展望。
特邀报告
《森林资源“天空地”多源观测协同监测技术》中国林业科学研究院资源信息研究所陈尔学研究员系统阐述了其团队在森林资源“天空地”多源观测协同监测方面所开展的技术研发工作。从森林监测的角度，分别介绍了优势树种类型精细分类的双支FCN8s-CRFasRNN分类方法，和运用无人机抽样获取的LiDAR数据结合高分多光谱遥感影像的林分郁闭度定量估测方法，以及联合地面样地调查、航空遥感抽样和卫星遥感等多尺度数据，分步估测林分森林参数及其不确定性的层次回归克里格方法。对森林资源监测技术发展前景进行了新的探索。
《高分辨高光谱遥感图像处理与识别》湖南大学康旭东教授系统介绍了当前高分辨高光谱图像高效处理与识别的前沿挑战难题，并分享了项目团队在高分辨率高光谱图像高效处理与识别方面的研究进展，简述了所提出的处理与识别方法在资源调查、环境监测等领域的应用，对高分辨高光谱图像应用前景进行了展望。
《计算机模拟的林业遥感应用》北京林业大学黄华国教授分享了在分析计算机模拟从数值计算到数字孪生的不同发展阶段的基础上，以全波段多传感器三维遥感机理模型RAPID为例，介绍了利用计算机模拟技术开展遥感机理研究、可视化、遥感课程教学等方面的应用案例。强调了模拟和真实的互补关系，两者缺一不可。最后对计算机模拟技术在大数据时代的发展前沿进行了充分探讨。
《遥感技术在亚热带森林精准培育与监测中的应用》南京林业大学曹林教授针对我国人工林面临着木材安全、生态安全、绿色发展等问题，提出了利用现代遥感技术所构建的多平台、多角度、多模式立体观测体系及定量分析方法，为森林精准培育与监测提供重要支撑。通过遥感技术与亚热带森林精准培育与监测业务充分融合，有助于掌握森林生长机理，推动人工林资源的高效培育、集约管理和可持续经营，实现现代林业的整体提质增效和森林质量精准提升。
专题报告
《基于高分二号影像多特征组合的毛竹林信息精细提取》三明学院郭孝玉副教授针对单一时相毛竹林提取技术应用不同季相会导致严重树种类型错分的现象，基于高分二号遥感影像，构建叶物候特征，改进竹资源遥感提取技术，融合体现毛竹叶物候响应不同植被类型的识别机理对毛竹林信息提取方法进行了研究。
《基于物理模型的云南松小蠹虫害多尺度遥感监测研究》浙江农林大学林起楠讲师基于针叶尺度，采用光谱线性混合方法，提高了受害针叶光谱模拟和叶绿素反演精度。基于单木尺度，联合无人机高光谱和激光雷达样地尺度，精确识别单木树冠受害程度，为小蠹早期监测提供有效手段。基于样地尺度，建立一套基于三维物理模型方法，适用于大区域森林虫害的监测。
《基于ICESat-2/ATLAS不同激光强度的林下地形反演》西南林业大学硕士生席磊基于ICESat-2/ATLAS数据，采用光子点云去噪滤波算法和光子分类算法，得到每个光子事件的分类标识，探究不同激光强度下冠层高度对林下DTM反演精度的影响。
《基于Sentinel-2的云南省草地分布提取及其覆被等级特征研究》中国林业科学研究院资源昆虫研究所硕士生程鑫萌基于GEE利用随机森林分类法选取云南省草地枯萎区时相，优化选择光谱值、植被指数、纹理和地形因子等22个分类特征，提取草地生产者精度。对云南省草地分布、草地覆地等级划分与空间分布特征进行了研究与分析。
《基于高分遥感数据的黑龙江三江湿地分类研究》中南林业科技大学硕士生潘煜琳以黑龙江三江湿地为研究区，采用研究区的不同地类面积为依据构建了包括草本、耕地、林地、水域和其他地类的分类系统，结合国产高分五号高光谱和高分六号多光谱遥感数据，探究不同数据源和不同特征组合在湿地分类中的能力。
《基于Sentinel-2的复杂山区常用植被指数地形效应分析》中南林业科技大学硕士生陈怡欣以湖南省炎陵县Sentinel-2影像为数据源，采用C模型、SCS+C模型以及Teillet-回归模型对比值型植被指数(NDVI和SR)和非比值型植被指数(MNDVI和RSR)进行地形校正，从视觉分析、相关性、坡度、坡向、植被覆盖度方面分析植被指数的地形效应去除效果,为地表植被的准确评估提供科学依据。
《基于GF-1 WFV与MODIS时空融合的南方森林植被类型识别》江西农业大学硕士生徐丽针对时空融合技术能够同步获取高时空分辨率遥感数据的特点，基于GF-1 WFV与MODIS数据的不同组合方式，解决了多云雨、地形条件复杂地区高空间分辨率影像不足的问题。并采用随机森林分类法优选43个特征变量，提高了森林植被类型识别精度。