林草大数据技术是数智时代下驱动林草行业高质量发展的新引擎，林草大数据应用赋能林草精准监管与科学决策，推动绿色发展。首届林草科学数据大会第一分会场“林草大数据技术与应用”，围绕大数据融合分析、智能模型构建、数据智慧管理、数字孪生等领域的应用研究开展研讨。分会场由贵州大学谭伟教授、中国林业科学研究院资源信息研究所侯瑞霞副研究员共同主持，包括5个特邀报告和5个专题报告。
南京林业大学云挺教授的《变尺度下多源遥感数据融合与林草大数据分析》报告，针对全球气候变化背景下森林资源监测中存在的尺度割裂、数据融合不足、智能解析能力弱等核心问题，研发了“宏观星载感知+微观机载融合”的多尺度遥感协同技术体系，通过集成全球星载遥感数据实现大范围森林分布与动态感知，结合环境因子进行树种适生区精准模拟；在微观层面，创新融合高分辨率机载激光雷达与多光谱影像，突破了单一数据源在复杂林分中的识别局限，实现了从林分到单木的定位、分类及三维结构参数精准提取。该体系构建了从全球观测到单木解析的全链条数据处理能力，为跨尺度下的森林生长状态评估、生境条件遴选、生物多样性计量及可持续经营提供了数据驱动范式与决策启示思路。
特邀报告02
江西省林业科学院王海霞研究员的《国家计量数据应用基地（智慧竹产业）建设进展》报告，针对竹产业数据分数，数据归集难，数据标准不一等问题，基地重点推进了数据标准体系构建、数据汇集能力提升、数据分析建模与挖掘技术应用，以及数据资源整合与创新示范应用。通过建立统一的竹产业数据标准体系，规范了竹业数据采集标准与方法，搭建了集数据归集、分析与共享于一体的平台。在此基础上，依托大数据安全、可信采集与共享机制，构建了覆盖竹业全链条的大数据分析与监管体系，实现了在服务国家重大战略、推动科技创新、支撑产业发展、辅助政府决策四个方面的典型示范应用。
特邀报告03
广东省林业调查规划院秦琳正高级工程师的《“数”助林业 “治”慧管理》报告，立足于“数字中国”战略与自然资源数字化治理要求，以广东林业数字化改革建设为例，构建了以林业一体化数据库为核心、以数据中台为枢纽的支撑体系。通过制定统一标准规范、深化多源数据治理、搭建智能管理平台，运用大数据、人工智能、数字孪生等新一代信息技术赋能林业高质量发展，实现了林业数据在全业务链条中的深度融合与高效流转，为推动林业资源管理数字化转型、建设智慧林业提供“广东方案”。
特邀报告04
广西壮族自治区林业科学研究院韦维正高级工程师的《数据驱动的中国-东盟林业人工智能合作探索》报告，通过构建油茶有害生物图像识别数据集，研发融合AReLU激活函数、SD Loss和ASFF模块的Improved-YOLOv11少样本识别模型，有效突破跨境样本数量不足与识别精度提升的技术瓶颈，实现84类有害生物的高精度智能识别。开发了支持中、越、泰三语的“澜沧江—湄公河地区油茶有害生物智能识别程序”。该成果推动了区域性林业有害生物群防群控能力的提升，有力地促进了区域林业产业的高质量发展与绿色转型。
特邀报告05
西南科技大学杨斌教授的《基于多源遥感数据的九黄地区生态环境数据监测研究》报告，提出了以“空-天-地”一体化协同观测为核心的多源遥感技术体系，系统构建了钙华景观遥感智能提取流程，融合卫星、无人机与地面多源遥感数据，实现了黄龙—九寨典型区域钙华地貌的高精度识别与景观特征解析；研发了基于卷积神经网络与自注意力机制联合的深度学习模型，显著提升了植被分类与动态变化监测的准确性；创新引入LDSR-S2多光谱遥感超分辨率扩散模型，结合深度学习将噪声细化为结构化数据，生成逼真的高分辨率图像，为湿地生态系统的精准监测与保护提供了完整技术方案和大数据支撑。
专题报告01
广东省林业科学研究院李大锋正高级工程师的《广东省林业科学数据管理与应用的思考》报告，系统阐述了省级林业科学数据中心的建设路径与创新成果，主要围绕数据汇交、治理与共享全流程，研发了知识图谱智能识别、多维度质量评价及分类分级安全保护等关键技术，构建了覆盖元数据标准、专题数据库和一体化平台的林业科学数据管理体系，有效整合了全省林业数据资源，提升了数据规范化水平和共享服务能力，为林业科研创新、生态保护与政府决策提供了坚实的数据基础，形成了可推广的林业数据治理新模式。
专题报告02
浙江农林大学李颜娥副教授的《数据驱动的树木健康透视：基于树干液流与应力波数据的树木健康精准诊断》报告，构建了基于环境因子的全周期预测模型和基于云模型与深度学习技术的异常分类模型，研发了结合声学传播规律与动态波速修正方法的应力波无损检测仪，突破了国外的技术垄断。此外，研究提出了面向树木内部缺陷的应力波快速成像方法，实现了树木内部缺陷的三维重建，最终构建面向树木健康监测保护的“测-诊-治”系统，解决了树木内部结构看不清、健康状态诊不准、个性化治疗难等关键问题，为古树名木保护与森林资源精准管理提供了技术支撑，相关成果已在浙江多地应用并获多家主流媒体报道。
专题报告03
贵州大学柴宗政副教授的《基于传统建模与机器学习的马尾松人工林碳储量模型构建》报告，以贵州省紫云苗族布依族自治县国有浪风关林场马尾松人工林为研究对象，采用传统建模和机器学习算法分别构建碳储量模型并对比分析确定最优模型，研究显示机器学习算法在构建马尾松人工林碳储量模型中比传统建模方法具有更高的精度。这一研究为马尾松人工林碳储量精准预测及科学经营提供了科学依据。
专题报告04
中国林业科学研究院资源信息研究所杨廷栋助理研究员的《实景三维数据驱动的林草数字孪生技术研究与应用》报告，面向实景三维数据与数字孪生技术在林草行业应用中的科学问题与技术难题，提出了基于深度学习的林木三维重建、样地-单木-器官多尺度树木参数高效精准提取、融合枝干结构识别与随机扰动的3D树叶添加算法等系列技术方法，搭建了森林生态系统数字孪生体系架构，实现了森林冠层光截获过程模拟、森林经营过程中采伐木精准定位等技术应用。研发的平台软件已在多地国有林场、国家公园智慧化建设中发挥作用，促进了当地的技术创新和产业发展。
专题报告05
湖南科技大学李思佳讲师的《数据驱动的全球植被叶倾角制图研究》报告，针对目前全球植被叶倾角认识不足、现有简化假设不合理等问题，创新性地提出了融合多源实测数据与机器学习的全球植被叶倾角制图方法。通过系统整合全球已有叶倾角地面测量数据，经数据扩展、空间升尺度、代表性筛选等处理，采用随机森林回归算法研制了全球首套500米与0.05度分辨率的植被平均叶倾角（MLA）及天顶叶片投影函数（G(0)）产品（CAS-GLA V1.1）。该产品实现了叶倾角分布从简化假设到空间显式表达的跨越，为辐射传输建模、遥感反演、陆面过程模拟研究提供了基础数据支撑，显著提升了植被参数化方案的精度与可靠性，对深化理解全球植被与气候相互作用机制具有重要科学价值。
分会场的与会专家聚焦于数据采集、存储管理、智能分析与可视化等关键技术展示了林草数据应用的最新研究成果和典型案例。此次分会场成功举办，为林草大数据发展搭建交流合作平台，促进前沿技术与行业应用深度融合，助力林草行业数智化高质量发展。
