西南林业大学林智创新团队立足云南山地森林，围绕人工智能赋能森林可持续经营应用中的关键理论和技术问题，在森林参数模拟与高精度定量反演等方面取得了一系列研究进展。
（1）提出了山地复杂植被森林冠层高度高精度估计方法。
针对山区地形和复杂植被条件下森林冠层高度估计精度不高的问题，基于Landsat 8、ALOS-2 PALSAR和GEDI构建了考虑地形坡度的深度马尔可夫回归模型进行南亚热带山地森林冠层高度估计，预测精度接近80%。（Luo et al., 2025, International Journal of Applied Earth Observation and Geoinformation, https://doi.org/10.1016/j.jag.2025.104474，中国科学院一区TOP，IF=7.6）。
针对PolInSAR森林冠层高度反演时间去相干模型求解问题，研究在常规RVoG+VTD模型的基础上采用了一种简化且高效的RVoG+VTDs模型。（Luo et al., 2024, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2024.112566, 中国科学院一区TOP, IF=7.0）。
（2）构建了基于多源遥感数据的森林生物量精准估测方法体系。
针对样地不足对大尺度森林地上生物量（AGB）估算的限制，探索了基于小班提取遥感信息进行AGB估测的方法，结合Landsat 8数据评估了六种面状遥感信息提取方法的精度，该方法为充分利用小班数据来有效提升大尺度AGB遥感估算精度提供支撑。（Liu et al.,2023, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2023.111307, 中国科学院一区TOP, IF=7.0）。
结合多种植被指数、纹理特征和地形因子，基于Boruta算法筛选关键变量，构建了基于分位数随机森林（QRF）的森林生物量模型，显著减少了高生物量低估和低生物量高估的问题，为森林碳储量的高效精确估算提供了新路径。（Zhang et al., 2024, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2024.111752, 中国科学院一区TOP, IF=7.0）。
采用背包激光雷达数据和机载激光雷达数据，提出考虑地形和分段配准的点云配准融合优化策略，在单木分割的基础上实现了基于LiDAR的单木AGB精准估计。（Yu et al, 2025, International Journal of Applied Earth Observation and Geoinformation, https://doi.org/10.1016/j.jag.2025.104612，中国科学院一区TOP，IF=7.6）。
通过基线选择初步确定最合适的PolInSAR数据基线组合，基于森林冠层高度估计理论和微波穿透深度理论得到与森林高度相关的PolInSAR参数，使用全局最佳粒子群算法（GLB-PSO）优化SVR模型和RFECV变量选择方法进行AGB估计，有效提高了森林AGB估计精度。（Luo et al., 2024, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2024.111878, 中国科学院一区TOP, IF=7.0）。
在机载LiDAR数据提取单木属性和空间结构参数的基础上，引入空间结构参数构建了不依赖胸径和引入空间结构参数的思茅松单木AGB模型，显著提高模型精度，为森林碳储量高效估算提供了新思路。（Liu et al., 2024, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2024.112973, 中国科学院一区TOP,IF=7.0）。
提出一种基于多源遥感数据与机器学习模型的干热河谷区地上生物量估测方法，结合Sentinel-2A与GF-2影像，利用RF与XGBoost模型对森林、灌木和草地生物量进行分类估算，显著提高了稀疏林区植被生物量的遥感估算精度。（Liu et al., 2024, Ecological Informatics, https://doi.org/10.1016/j.ecoinf.2024.102796, 中国科学院二区, IF=5.9）。
（3）揭示了云南典型亚热带森林单木生物量空间效应变化特征。采用皆伐样地数据，揭示云南典型亚热带树种（思茅松天然林、思茅松人工林和桉树人工林）单木地上生物量（AGB）的空间分布与空间效应特征，为精准森林管理提供了理论基础支撑。（Fan et al., 2024, Ecological Indicators, https://doi.org/10.1016/j.ecolind.2024.111705,中国科学院一区TOP, IF=7.0）
林学院硕士研究生于志博、刘子豪、范钦玲，博士研究生张晓丽、刘志，青年教师罗洪斌分别为论文第一作者，团队欧光龙教授等为通讯作者。相关研究得到云南省科技厅科技计划项目重点研发计划项目（No. 202403AC100039，202303AC100009），云南省兴滇英才支持计划教育人才项目（No. XDYC-JYRC-2023-0083）、（No. YNWR-QNBJ-2018-184）等项目支持。（来源：林学院（亚太林学院）/图：范钦玲, 张晓丽, 刘志, 于志博, 罗洪斌, 刘子豪/文：欧光龙, 罗洪斌/审核：王曙光/初审：张冉/复审：冷瑾/终审：张武先, 柏顺文/责任编辑：张冉）
