树高是评估森林碳储量的关键参数，星载激光雷达技术为其大范围监测提供了有效手段。搭载先进地形激光测高系统（advanced topographic laser altimeter system，ATLAS）的新一代冰、云和陆地高程卫星（cloud and land elevation satellite-2，ICESat-2）——ICESat-2/ATLAS在接收信号的过程中会产生大量噪声，且地形是影响去噪结果的关键因素，针对这一问题，提出一种地面坡度自适应密度聚类去噪算法完成光子云数据精去噪，运用迭代式中值滤波与动态残差阈值法进行光子云分类，进而提取树高。以机载激光雷达数据获取的冠层高度模型（canopy height model，CHM）作为验证数据，从强弱波束、坡度、植被覆盖度3个方面对ICESat-2/ATLAS全球地理定位光子数据（global geolocated photon data，ATL03）提取树高的可靠性进行分析评价。研究结果表明，1）提出的去噪算法的召回率（R）、准确率（P）以及调和平均值（F）均优于差分渐进高斯自适应去噪算法（Differential regressive and gaussian adaptive nearest neighbor，DRAGANN）。2）夜间强波束数据提取树高的精度最佳，平均绝对误差（mean absolute error，MAE）为2.49 m，均方根误差（root mean square error，RMSE）为3.03 m）。3）随着坡度增加，树高的提取精度逐渐降低，RMSE由2.25 m增大到6.52 m。4）随着植被覆盖度的增加，树高提取精度逐渐降低，RMSE由3.06 m增大到4.53 m。结果表明运用ATL03光子云数据提取树高具有可行性，能够为研究林区的森林生长状况提供有效数据支撑。
森林树种种类及其分布状况是实现森林树种多样性监测的基础，对于森林的保护与管理，以及森林可持续发展至关重要。利用无人机扫描森林样地尺度的高光谱影像与激光雷达点云数据作为数据源，基于冠层高度模型获取单木尺度的高光谱数据和点云数据，提出一种结合高效通道注意力机制网络（efficient channel attention network，ECA-Net）的卷积神经网络（convolution neural network，CNN）模型（CNN-EGNet），旨在实现对尚志市帽儿山地区针阔混交林的树种精确识别，并将改进的模型CNN-EGNet与传统的3种CNN模型（VGG16、VGG19和GoogLeNet）进行精度对比。然后，根据树种识别结果，以40 m×40 m为窗口对研究区的树种多样性指数（Shannon-Wiener、Simpson、Pielou、物种丰富度）进行计算。结果表明，CNN-EGNet模型的总体精度（overall accuracy，OA）达到89.58%，Kappa系数为0.866 1。相较于传统模型，树种识别总体精度分别提升9.37%、5.20%、14.58%，Kappa系数分别提高0.117 5、0.065 2、0.189 6。研究区的Shannon-Wiener指数主要分布在0.8~1.4，Simpson指数值多集中在0.5~0.7，Pielou指数则普遍落在0.7~0.95，物种丰富度指数大部分在3~5，表明该区域树种之间的分布并不均衡，存在一些占主导地位的树种，而其他树种则存在相对较少的问题。研究结果可为东北针阔混交林树种识别及树种多样性的保护管理提供技术与数据参考，证实无人机高光谱与激光雷达数据联合卷积神经网络在森林树种识别、多样性监测与评估中具有应用潜力。
为探究不同水土保持工程措施对黑土区坡耕地土壤生产力的影响，以东北黑土区吉林省辽源市东辽县杏木小流域的2种水土保持措施（梯田、地埂）为研究对象，并以无措施坡耕地为对照（CK1和CK2），对比分析不同水土保持措施在不同坡位、土层土壤生产力的差异及影响土壤生产力的主导因子。结果表明，1）梯田和地埂显著改善土壤质量，梯田和地埂与无措施CK1和CK2坡耕地相比，土壤全氮、全钾、有效磷、有机质和黏粒质量分数分别提高40.25%和16.16%、9.14%和5.57%、33.27%和24.50%、30.25%和7.94%、8.47%和5.03%，砂粒质量分数降低7.08%和12.35%。2）中坡位对水土保持措施响应最为敏感，与CK1和CK2相比，梯田和地埂中坡位土壤全氮、全钾、有效磷、有机质和黏粒质量分数分别提高84.58%和30.15%、16%和8.04%、48.49%和38.92%、38.02%和11.24%、18.92%和9.21%，且差异显著（P<0.05）。3）土壤生产力指数变化范围介于0.29~0.49，在不同措施类型下土壤生产力指数存在差异，与CK1相比，梯田土壤生产力指数上坡位、中坡位和下坡位分别提高24.05%、65.85%（P<0.05）和11.81%，与CK2相比，地埂土壤生产力指数上坡位、中坡位和下坡位分别提高10.00%、49.95%（P<0.05）、35.20%。4）不同措施类型下土壤含水量及全氮、全钾、有效磷、有机质质量分数均随土层深度的增加差异逐渐减小，且表层0~10 cm土层深度显著大于其他土层，而土壤容重变化趋势相反。5）多因素方差和冗余分析表明，措施类型、坡位、土层、类型×坡位、类型×土层对土壤生产力存在显著影响，土壤全氮质量分数对土壤生产力指数影响最大，其次为土壤容重。黑土区坡耕地实施水土保持措施提高了土壤含水量及土壤养分、黏粒质量分数，降低容重和砂粒质量分数，表明水土保持措施能够有效提高土壤生产力，且梯田措施优于地埂；不同措施中中坡位改变量最为显著，其主要通过改变中坡位土壤全氮质量分数和容重进而影响到土壤生产力的大小；建议优先在中坡位实施梯田工程，同时将全氮和容重作为关键监测指标，以最大化水土保持措施的土壤改良与生产力提升效益。
为探究植被恢复对工矿废弃地土壤团聚体结构及有机碳动态的影响机制，以鹤岗市青岭林场工矿废弃地上不同种植年限（18、20、23、32 a）的樟子松人工林为研究对象，通过野外采样与室内分析相结合的方法，系统测定0~20 cm和20~40 cm土层土壤团聚体粒径分布、有机碳质量分数及主要土壤化学因子（pH、全氮和全磷等）。研究结果表明，1）随着植被恢复年限的增长，土壤团聚体结构发生显著变化，其中，>2 mm大团聚体比例呈现显著增加趋势（增幅达50.76%），<0.25 mm微团聚体比例显著降低（降幅为44.24%），平均重量直径（mean weight diameter，MWD）和几何平均直径（geometric mean diameter，GMD）分别增加了17.90%和18.42%，表明土壤团聚体稳定性随林龄增加而显著增强。2）通过Mantel分析发现，林龄、土壤深度和化学因子对土壤有机碳（SOC）积累具有极显著影响（P<0.01），同时，林龄和化学因子对团聚体稳定性具有显著影响（P<0.05），其中，表层土壤（0~20 cm）与深层土壤（20~40 cm）的变化趋势基本一致，但深层土壤对环境因子的响应相对滞后。3）随机森林分析显示，氨态氮（ -N）、pH、全磷（TP）和硝态氮（ -N）等对土壤团聚体稳定性的解释度最高。综上所述，长期植被恢复可有效改善工矿废弃地土壤结构，促进土壤有机碳的积累与固存，这对退化生态系统的恢复与重建提供新的思路。
为解决设施栽培条件下延季蓝莓因秋季光照不足而导致的花芽生长不佳的问题，以4年生‘自由’蓝莓容器苗为材料，利用LED灯作为光源，设置不同光强、光质（红蓝光质比）、光周期的三因素三水平正交试验，以温室自然光为对照，通过测定叶片叶绿素质量分数、气体交换参数、不同时期氮（N）、磷（P）的养分重吸收效率，以及花芽的质量和形态指标（横径与长度）来研究不同补光条件下蓝莓光合和养分重吸收的特征及其与花芽质量的关系。结果表明，补光3周后，不同光照处理下蓝莓光合能力存在差异，在补光条件为，低光强（300 μmol/（m2·s）），中、低红蓝光质比（1∶1、1∶3），中、短光周期（7.5、6 h），此时蓝莓的净光合速率最高。停止补光2周后，不同光照处理下的蓝莓养分重吸收效率存在差异，在中光强（450 μmol/（m2·s））、高红蓝光质比（3∶1）、短光周期（6 h）的补光条件下，N、P的养分重吸收效率最高。在补光条件为，高光强（600 μmol/（m2·s）），中、高红蓝光质比（1∶1或3∶1），中、短光周期（7.5、6 h），或者中光强（450 μmol/（m2·s）），高红蓝光质比（3∶1），短光周期（6 h），其花芽质量较好。不同补光处理可以通过调节延季蓝莓的光合和N、P养分重吸收效率来影响花芽的质量，养分重吸收效率对花芽质量的影响大于净光合速率，且N的养分重吸收效率对花芽质量的影响大于P养分重吸收效率。综合光合和养分重吸收对花芽质量的影响得出，中光强（450 μmol/（m2·s））、低红蓝光质比（1∶3）、短光周期（6 h）的补光条件下，最有利于提高延季蓝莓的花芽质量。
聚焦于南美洲二翅豆木材抽提物对其颜色及尺寸稳定性的影响，为二翅豆木材的高效利用提供理论依据。采用CIE 1976 L * a * b *色彩空间体系对不同颜色分类二翅豆木材的色度参数进行量化分析，结合傅里叶变换红外光谱（Fourier transform infrared spectrometer，FTIR）和气相色谱－质谱联用（Gas chromatography-mass spectrometry，GC-MS）技术，对抽提物化学成分进行表征，分析抽提物组成成分对二翅豆颜色的影响。通过微观结构观察抽提物在木材中存在位置，并通过测试木材湿胀率与木材在不同恒定湿度下的平衡含水率，分析抽提物对木材尺寸稳定性的影响。结果表明，二翅豆木材的颜色差异主要受抽提物中显色物质的种类及质量分数影响，其中以酚类、黄酮类及类似物、杂环化合物及萜类/树脂酸类对木材颜色的影响最为显著，具体表现为抽提物质量分数越高，红绿色品指数a *越高，而明度L *越低。射线细胞是二翅豆木材抽提物主要存在部位之一，影响径向水分传输，因此对木材径向尺寸稳定性影响较大。研究结果为调控二翅豆木材颜色及改善木材综合性能提供技术支持，同时为二翅豆的高附加值利用奠定理论基础。
天然木材端面存在不规则纹理与缺陷特征，木材端面识别定位属于一个难点问题。为提高木材端面的检测精度，同时减少模型参数量、提高模型运行速度、方便移动端部署，对YOLO11模型进行改进，构建更加适用于原木检测的端到端深度学习模型。首先，使用飞浆轻量级CPU卷积神经网络（Paddle paddle lightweight CPU convolutional neural network，PP-LCNet）替换YOLO11网络结构的骨干网络，减少模型参数量，扩大感受野，提升模型大目标检测精度；其次，在颈部网络中加入无参注意力机制简易注意力模块（Simple altention module，SimAM），自适应增强关键特征，抑制冗余信息，增强小目标识别能力；最后，引入归一化Wasserstein距离损失函数（normalized Wasserstein distance，NWD），NWD更适合测量极小目标间的相似性，进一步提高对木材端面识别的准确率和精度。试验结果表明，同比基准模型，改进版模型具有更高的端面识别精度，mAP@0.5提升2.65%，mAP@0.95提升5.29%，浮点计算数下降15.15%，在原木木材材积检测领域有着较好的应用价值。
为预测木材在载荷作用下的微观与宏观破坏行为，提出基于声发射（acoustic emission，AE）信号b值（描述声发射信号的频率分布特性）和临界慢化（critical slowing down，CSD）特征的木材破坏前兆预测方法。首先，分析载荷加载速率对木材破坏过程的影响，在木材三点弯试验中分别采用2 mm/min和5 mm/min 2种加载速率，以500 kHz采样速率采集木材试件破坏过程中释放的AE信号。然后，提出基于AE信号幅值划分的改进b值计算方法，将试验产生的AE信号分为3个等级，并依此描述载荷作用下木材试件内部裂纹产生与发展过程。最后，依据CSD原理，提出基于AE信号长度相关系数和方差的木材断裂前兆预测方法。研究结果表明，通过结合不同等级的b值分析，能够反映出试件损伤过程中断裂特性以及微裂纹的产生；木材发生微观和宏观断裂时，都会产生CSD现象，体现为AE信号相关性系数与方差值的增大；在不同加载速率下，当载荷达到极限屈服强度85%左右时，试件均出现显著的CSD现象。
以冷弯薄壁型钢和秸秆板为主要材料，采用秸秆板包裹冷弯薄壁型钢的连接方式构建新型箱形截面秸秆-冷弯薄壁型钢组合梁。运用有限元软件ABAQUS建立7组共25根组合梁模型，分析连接方式、秸秆板厚度、型钢厚度、型钢高度、腹板螺栓排数、腹板螺栓间距和梁跨度对组合梁抗弯性能的影响，探讨组合梁在抗弯破坏时的破坏模式及破坏机理。结果表明，在有限元模拟加载过程中，秸秆板下翼缘先于上翼缘达到抗拉强度，导致组合梁跨中区域出现弯曲裂缝并发生弯曲破坏，下翼缘秸秆板在荷载增大过程中发生局部压弯与顺纹剪切破坏。各参数对组合梁抗弯性能均有不同程度影响，其中秸秆板厚度、型钢厚度、型钢高度对抗弯性能的影响最为显著。综合考虑抗弯承载力高及挠度变形小的情况下，得到组合梁的最优组合参数，采用胶黏连接方式，秸秆板厚度为48 mm，型钢厚度为2.5 mm，型钢高度为200 mm；腹板螺栓采用两排布置，间距为150 mm，整体跨度为1 800 mm，经试验验证符合预期。将冷弯薄壁型钢与秸秆板2种材料组合，可有效发挥各自优势，显著提高组合梁的抗弯承载能力。
在木质家具市场趋于饱和的当下，木质家具制造企业供应链间的竞争愈发突出，竞争策略优化已成为决定企业生存发展的核心命题。采用产品生命周期理论为基础，以2条木质家具制造企业供应链为研究对象，将木质家具产品价格、原木成本、线上线下宣传成本作为效用函数的决策变量，并引入模糊随机方法处理函数中的敏感系数，通过纳什博弈与斯坦克尔伯格博弈方法，结合全渠道零售结构，研究不同生命阶段下木质家具制造企业供应链竞争策略。研究表明，斯坦克尔伯格博弈下的效用值更高，较纳什博弈提高约4%；在不同博弈下，2个木质家具制造企业的效用均会随着木质家具生命阶段的发展而降低；木质家具制造企业应根据产品所处生命周期阶段动态调整竞争策略，尤其在引入期和发展期优先采用差异化定价与成本控制策略。
单木骨架提取是树木三维建模的关键步骤，对于精准管理林业和森林资源具有重要意义。背包式激光雷达（backpack LiDAR scanning，BLS）作为一种新兴的移动测量技术，具有灵活性和便携性优势，但其点云数据存在不均匀分布和噪声干扰等问题，影响骨架提取的精度。针对这些问题，以广西壮族自治区国有高峰林场的杉木（Cunninghamia lanceolata）为研究对象，基于背包式激光雷达扫描数据，提出一种基于关键路径探测的分层递进骨架提取方法。该方法结合几何约束与层级分析方法，实现枝干主轴的精准定位，并利用中垂线交点计算构建连续且拓扑完整的单木骨架。采用地基激光雷达（terrestrial laser scanning，TLS）数据作为验证数据，通过体素滤波和局部高程归一化等预处理技术优化背包式激光雷达数据质量。结果表明，在枝干分级评估中，该方法表现出较高的性能。F1分数在0.771~0.788，精确度范围为93.33%~100%，召回率范围为66.67%~90.63%。此外，对BLS数据分枝角度的估测结果与TLS数据分枝角度对比显示，决定系数R2 （coefficient of determination）达到0.84，均方根误差（root mean square error，RMSE）为7.22°。研究结果为单木三维建模提供高精度的技术框架，为林业资源管理、生态模拟等奠定数据基础。
定制化门窗材具有订单多样化、规格复杂化的特点，而现有方法（如人工经验算法、空极大空间策略）多聚焦空间利用率单一目标，缺乏考虑组框便利性等对综合效率的影响。为此，提出一种混合粒子群算法的组框码垛策略，旨在提高码垛综合效率。基于门窗材码垛前后工艺加工特点，提出组框码垛策略用于解决工件位置追踪困难的问题，粒子编码中包含门窗材位置属性和码垛属性两部分，强化同扇门窗材层级聚类效应，建立多目标协同优化函数，以空间利用率与组框便利性的加权综合效率为优化目标。通过企业实际订单仿真表明，与传统人工经验算法及空极大空间策略相比，该算法综合效率分别提升17.11%与17.34%，组框便利性达97.93%，空间利用率达80.48%，现场试验验证算法在实际生产中的有效性。结果表明，所提策略在保证较高空间利用率的同时，大幅提升组框便利性，从而有效提升生产线的整体效率。
针对木勺模压工艺中人工浸水效率低、木勺毛坯易损的问题，设计一种面向木勺毛坯捆抓取的自适应柔性夹持器。结合有限元分析软件，开展优化试验方案的设计。提出基于超参数优化的贝叶斯优化算法（Bayesian optimization，BO）-随机森林（random forest，RF）方法（BO-RF），构建柔性夹持器应变能的回归预测模型，并运用可解释性机器学习方法（SHapley Additive exPlanations，SHAP）从全局和单个样本层面对模型进行可解释性分析。基于该预测模型，以最大上表面应变能和最小整体应变能为优化目标，应用遗传算法开展柔性夹持器的优化设计，并计算基于BO-RF模型的多目标帕累托（Pareto）前沿。仿真结果验证所提建模与优化方法的有效性和可行性。
为满足森林生态监测中对树木胸径高频次、自动化测量的迫切需求，设计并实现一种基于物联网技术的树木胸径持续测量装置。该装置以ESP32（由中国的乐鑫公司（Espressif Systems）推出的一款集成了 Wi-Fi 和蓝牙功能的低成本、低功耗的微控制器）为核心组件，集成高精度位移传感器，同步带传动结构以及无线通信模块，完成树木胸径变化数据的实时采集，同时具备对采集数据的高效存储能力以及稳定远程传输功能。为验证装置性能，选取2株不同树种（水曲柳与落叶松），在东北林业大学校园林场开展为期一年的实地实验。监测结果显示，该系统能够精确反映树木在生长期与休眠期的胸径变化特征，其测量误差控制在0.1%以内，并且与人工测量结果高度一致（R ²=0.91）。此外，结合连续胸径数据与实测树高，采用双变量生物量模型推算单株树木的年度碳汇变化，为个体树碳储量动态估算提供可靠的技术路径。
为提高林业害虫识别精度，提出改进YOLOv7的林业害虫检测模型（GhostConv and SE attention enhanced YOLOv7，GS-YOLOv7）。首先，该模型将主干网络的传统卷积改用GhostConv轻量卷积，减小模型运行的参数量，提高模型效率；其次，通过添加挤压激励（squeeze excitation，SE）注意力模块，强化对特征不显著的害虫图像边缘的提取能力，进而提高网络的特征提取能力；再次，用内容感知的特征重组（content aware reassembly of features，CARAFE）轻量级算子取代传统采样方法，提高特征重建质量，解决尺度不匹配问题，增强检测性能；最后，在 Neck 网络引入协调坐标卷积（coordinate convolution，CoordConv）模块，利用其位置信息解决目标定位不准问题，提高模型对空间位置的感受能力和泛化能力。在6种常见的病虫数据集上进行试验，GS-YOLOv7模型的精确率达到93.15%，交并比阈值为0.5时的平均精度均值达到93.29%，比原模型的精确率、平均精度均值分别提高6.50%和2.09%；参数量和模型大小分别降至1.9×107个和38.17 MB，比原模型分别降低51.4%和46.53%。结果表明，GS-YOLOv7模型较原模型性能有显著提升，模型改进有效。
针对树木检测存在的遮挡干扰和光照不充分等问题，提出一种基于改进YOLOv10的检测算法——DDC-YOLO，DDC是由dynamic、DAF（dynamic align fusion）与CG-FPN（context guided-feature pyramid network）首字母拼写。首先，设计动态卷积混合模块（dynamic convolutional mix block，DCMB），通过自适应动态卷积增强多尺度特征融合能力，解决传统卷积核单一性问题；其次，提出双主干动态特征融合网络，结合RT-DETR（real-time detection transformer）和YOLOv10的主干结构，并利用动态对齐融合（dynamic align fusion，DAF）模块调整特征权重，提升模型对不同特征的适应性；进一步引入金字塔上下文特征提取和空间特征重建技术优化颈部网络，实现多层次语义信息的深度融合。试验基于自建数据集TreeImages（包含7 475张图像）进行验证，结果表明，DDC-YOLO的mAP50达到46.7%，较原YOLOv10模型提升5.0个百分点，参数量由2.27 M降至2.26 M（减少0.44%），检测速度（FPS）由202 帧/s提升至254 帧/s（提升25.4%）。改进后的模型在复杂场景下表现出更高的鲁棒性和实时性，为森林资源调查提供了高效解决方案。
随着生态园林养护需求的增加，修枝作业装备在效率、稳定性与环保性上面临新的挑战。为此，设计一种基于单向电机驱动的高效修枝装备。该设计通过优化传动系统并采用定制丝杠螺母结构，实现电机单向旋转即可完成剪切与复位动作，避免传统修枝机械对电机反转的依赖。采用有限元分析对剪切部件和传动系统进行静力学与动力学验证，确保其强度和刚度满足长期作业需求。结果表明，电机-丝杠在最不利静力工况下的需求推力上限约为650 N（设计基准）；在所设定的动力学仿真工况下峰值推力约为380 N，满足剪切与复位需求并具备裕量；通过一系列剪切试验，评估该装备在不同树枝直径下的工作性能。该装备在效率和能耗方面均优于传统手工工具和常见电动修枝机，具有良好的连续作业能力和节能特性，能够适用于生态园林养护场景，满足生态园林作业的高效需求。
为研究割草除根松土一体式刀片结构参数对其作业性能的影响，基于离散元法（discrete element method，EDEM）软件建立三维离散元仿真模型，模拟刀片在刨土作业过程中的破土效果。通过单因素试验分析前进速度、旋转速度及刀片倾角对破土率的影响规律，进一步采用Box-Behnken正交试验结合响应面分析法建立破土率预测模型并进行参数优化。正交试验结果表明，刀片倾角是影响破土率的主要因素，其次为旋转速度，三因素交互作用亦具有显著性。在最优参数组合下，前进速度1.39 m/s、旋转速度107 rad/s、刀片倾角4.7°，破土率达到78.3%。研究结果为山地割草除根松土装置的结构设计与参数配置提供理论依据和实践指导。
普洱龙珠茶的外观质量直接决定其市场价值，而传统检测方法难以满足实时性、精度与边缘部署的综合需求。为此，提出一种轻量级目标检测算法SHM-YOLO。该模型在YOLOv11基础上引入 洗牌网络版本2（ShuffleNetv2）（SHM中的S）作为主干网络，结合点群卷积与通道混洗以降低计算开销；通过引入融合通道注意力与维度匹配的高级筛选特征融合金字塔（hierarchical scale feature pyramid network，HS-FPN）结构（SHM中的H），提升多尺度特征融合效果；同时，借助多尺度注意力块（multi-scale attention block，MAB）模块（SHM中的M）优化C3K2结构，实现更高效的图像细节提取。为提高边界框回归性能，模型融合Inner-IoU与SIoU损失以加快收敛并提升定位精度。在自建普洱龙珠茶外观质量检测数据集上进行验证，SHM-YOLO仅使用0.969×10⁶参数和2.3 MB存储，即可实现97.2%的mAP@50、92.7%的精度（P）、93.6%的召回率（R）及303帧/s的检测速度。相较YOLOv11n，模型在准确率提升的同时，显著降低浮点计算量（减少62.5%）与内存占用（减少47.6%），展现出优越的轻量化性能和工业部署潜力。
