木材及其制品被广泛应用于人们日常生活，包括家具制造、室内装饰和建筑等领域。木材工业的年产值总量已经超过3万亿元，是重要的国民经济基础产业。然而，木业发展过程中仍存在产品附加值低、企业创新能力弱和生产供应链分散等问题，向新出发、向绿而行，孵化功能木质制造新技术、新材料，培育木业新质生产力是助推行业发展、蓄能助力低碳转型的重要方向。为此，聚焦木材科学前沿发展方向，针对木业新质生产力重要论述，阐明科技创新对木业发展的重要意义，提出木材科学未来发展向极微观深入、向极宏观拓展、向极端条件迈进、向极综合交叉发力4个发展方向，并综述了现阶段具代表性研究成果，梳理代表性木质新产品和功能新材料的发展现状和发展趋势，为进一步提出我国木业新质生产力发展路径奠定基础。

为实现冶金固废材料的高值化、规模化利用，采用冶金固废材料（高炉矿渣、粉煤灰、电石渣、石膏）协同制备土壤固化剂，通过正交配比优化试验研究不同固废材料对固化土力学性能的影响并获取最优的参数配方。系统研究固废基固化剂（SWC）固化土的力学性能（无侧限抗压强度、劈裂强度、延迟成型）和耐候性能（水稳定性、冻融循环），并与PO 42.5硅酸盐水泥（OPC）进行对比。结果表明，电石渣对固化剂体系起到重要作用，合理的石膏掺量对强度增长有积极作用；固化土的强度随SWC掺量和养护龄期的增加而增大，4%掺量下的固化土7 d无侧限抗压强度大于1 MPa，劈裂强度与OPC固化土基本相当；SWC固化土表现出更久的施工容许延迟时间，拌和后12 h内强度无下降趋势；掺量大于5%时水稳定系数大于90%，同掺量下抗冻系数与水泥相比提高3%~5%，具备良好的水稳定性与抗冻性；X射线衍射（XRD）和扫描电子显微镜（SEM）分析表明，SWC固化土在水化过程中会生成膨胀性水化产物钙矾石（AFt）和硅酸钙（C-S-H），钙矾石晶体对改善固化土的劈裂强度和抵抗开裂变形能力提高作用显著。

松材线虫病作为世界检疫性病害严重危害松属植物并威胁森林生态安全，至今没有行之有效的措施对其进行 控制和除杀。为满足人们对森林提供多种生态服务的需要，通过对马尾松林进行高强度（采伐强度60%）和低强度（采伐强 度15%）2种间伐措施采伐松材线虫病疫木后，采用高通量测序手段对松材线虫病疫区马尾松林土壤的细菌和真菌结构变化进行分析，旨在探究间伐对松材线虫病疫区马尾松林土壤微生物群落结构的变化，分析对土壤微环境的影响。采用高通量测序法对间伐抚育后的马尾松林土壤细菌和真菌群落进行研究，结果表明，3种林分土壤细菌和真菌群落表现出明显的差异，高间伐措施林分组（H-CK）的Shannon多样性指数和Chao1指数最高，H-CK组的土壤微生物群落多样性和丰富度显著高于低间伐措施林分组（L-CK）和对照组（CK）。L-CK组中标志细菌群落为Actinobacteriota（放线菌门），标志真菌群落为Leotiomycetes（锤舌菌纲）；H-CK组中标志细菌群落为Chloroflexi（绿弯菌门），标志真菌群落为Dothideomycetes（座囊菌纲）。结合土壤理化性质分析表明，与对照组相比，高强度间伐H-CK组的土壤有机质含量上升13%，在增加土壤有机质积累的同时，H-CK组的全氮含量达1.12 g/kg，碱解氮的含量为64.15 mg/kg，可显著提高土壤全氮含量和有效氮含量的积累（P<0.05），从而提升林地地力。稳步提升森林质量，逐步将现有发生松材线虫病的马尾松纯林培育成复层异龄针阔混交林，使其抗病能力增加，生态功能增强。

为探索L波段全极化合成孔径雷达（Synthetic Aperture Radar，SAR）数据估算森林地上生物量（Aboveground biomass，AGB）的潜力，基于非洲合成孔径雷达（AfricaSAR）项目无人机合成孔径雷达（Unmanned Aero Vehicle Synthetic Aperture Radar，UAVSAR）数据的冠层-地面散射分量构建5种极化散射比参数（R₁、R₂、R₃、R₄、R₅），计算雷达植被指数（Radar Vegetation Index，RVI），采用六分量和七分量分解等4种基于模型的分解提取21个极化分解参数，最后合并所有特征并采用随机森林特征重要性筛选出最优特征组合，采用随机森林（Random forest，RF）、支持向量机回归（Support vector machine regression，SVR）、 K最近邻回归（K-nearest neighbor regression，KNN）对不同特征组合估测非洲加蓬洛佩（Lope）区的森林地上生物量。结果表明，极化散射比参数、体散射（Vol）和雷达植物指数（Radar Vagetation Index，RVI）对森林AGB具有较高的敏感性，R₂与AGB的相关性为0.823，最优特征组合为Vol、极化散射比参数和RVI。不同特征组合的机器学习模型均表现出较好的效果，基于极化分解参数机器学习模型的决定系数（R²）大于0.800，均方根误差（RMSE）小于88.000 Mg/hm²，效果最好的是基于最优特征组合的RF模型，对比单独使用极化分解参数，R²提高0.144，RMSE降低30.327 Mg/hm²。极化散射比参数在森林AGB估计中具有一定的潜力，引入RVI提高模型精度，基于模型的分解适用于森林AGB估测，特征筛选的机器学习模型能较好地反演森林AGB，并在AGB达到400.000 Mg/hm²未出现明显饱和点。

量化不同年龄兴安落叶松径向生长与气候因子之间的关系，为兴安落叶松天然林的适应性经营和管理提供决策依据。为此，以黑龙江省大兴安岭地区塔河林业局盘古林场2022年收集的159株兴安落叶松（Larix gmelinii）天然林单木样芯数据为基础，以树木年龄为标准，采用系统聚类方法将样木划分为幼龄组、中龄组和老龄组；运用树木年轮学方法建立标准年表，进而比较和分析不同年龄树木径向生长与气候因子的关系，并采用多元逐步回归法构建对气候敏感的单木径向生长预测模型。结果表明，1）4组（整体组、老龄组、中龄组、幼龄期）兴安落叶松树轮宽度年表的总体样本解释量（EPS）、平均敏感度（MS）和信噪比（SNR）均较高，表明所建立的兴安落叶松标准年表保留了较丰富的气候信息；2）兴安落叶松径向生长主要限制因子为当年8月份温度、前一年8—10月份温度以及当年2、7月份和前一年7、12月份降水量；3）不同年龄兴安落叶松对气候因子的响应存在显著差异，其中，老龄组树木的径向生长不仅受当年夏季温度的制约，还受前一年夏季温度和降水的影响，呈现出显著的滞后效应，而幼龄组和中龄组兴安落叶松则受环境因素的影响相对较小。

贺兰山位于我国西北干旱半干旱地区，系统分析该地区土壤真菌群落的组成特点，对于明确干旱半干旱地区森林生态系统中真菌多样性及其群落功能具有重要意义。采用Illumina Miseq高通量测序技术，分析贺兰山3种主要建群树种青海云杉（Picea crassifolia）、油松（Pinus tabuliformis）和白桦（Betula platyphylla）的根际土壤真菌多样性和群落组成及其对土壤理化性质变化的响应。结果表明，从青海云杉、油松和白桦的根际土壤中分别获得真菌操作分类单位（operational taxonomic units，OTUs）数为267、353、433个，其中3个树种的共有OTUs数为60个。所有真菌OTUs属于17个门、42个纲、107个目、210个科、326个属。在门水平上，担子菌门（Basidiomycota）和子囊菌门（Ascomycota）真菌为主要优势真菌，相对丰度分别为58.7%和35.7%。在属水平上，相对丰度最高的5个属为蜡壳耳属（Sebacina，6.7%）、棉革菌属（Tomentella，6.5%）、丝盖伞属（Inocybe，6.1%）、双子囊菌属（Geminibasidium，3.7%）和青霉属（Penicillium，2.9%）。不同树种的优势真菌群落组成有显著差异，青海云杉、油松和白桦根际土壤中相对丰度最高的属分别为双子囊菌属（10.8%）、丝盖伞属（16.9%）和蜡壳耳属（9.0%）。采用冗余分析（redundancy analysis，RDA）分析贺兰山主要建群树种根际土壤真菌群落组成差异的驱动因素，其中土壤全氮含量和土壤含水量对真菌群落组成均有显著影响，解释度分别为41.6%和39.1%。贺兰山主要建群树种的土壤真菌多样性较高，与环境因子关系密切。研究结果丰富了贺兰山主要建群树种根际土壤真菌资源的生物信息，可以为干旱半干旱地区森林生态系统中真菌资源的挖掘和研究提供理论依据。

为解决目标检测算法在林区行人检测中容易出现漏检及检测精度不足的问题，提出一种基于改进YOLOv8的林区行人目标检测算法。采用C2f_DWRSeg模块替换C2f模块，扩展初始卷积通道数，使网络能更高效地进行多尺度特征提取；提出一种重构的检测头，训练时增加卷积层的复杂性，推理时使用单分支结构，从而丰富网络的特征表示能力，并保持高效的推理速度；在特征融合前增加了卷积注意力机制模块CGA，减少计算量；使用Focaler-ShapeIoU损失函数代替CIoU损失函数，弥补边界框回归方法的不足，进一步提高检测能力。试验结果表明，与基准模型相比，改进后的算法mAP50提高了2%，mAP50-95提高了2.4%，模型的处理速度（FPS）提高了4.33%，证明改进后的算法能够更好地应用在林区行人检测的任务中。

揭示南昌市植被覆盖的演化特征和确定影响其变化趋势的主要气候驱动因子，为其长期稳定、良性发展和积极应对后续的气候变化提供指导。采用2000—2020年南昌市的NDVI月度数据、气温、降水和气压等10个气象驱动因子，利用单样本K-S（Kolmogorov-Smirnov）检验、弗里德曼检验、肯德尔和谐系数检验法等非参数检验法和随机森林分析方法，对不同驱动因子的重要性进行研究。结果表明，1）在2000—2020年南昌市的NDVI呈波动下降趋势，该峰值出现在2000年，谷值则在2010年；2）城市整体植被覆盖呈现四周高中间低的空间分布规律，北部和西部地区的NDVI值相对较高且下降速率缓慢，中部的东湖区和青山湖区等NDVI值相对较低且有明显下降趋势；3）植被覆盖的极大平均值出现在每年8月，受温度的影响最显著，而风向的影响最不显著，降水的影响有一定的时滞性，植被覆盖变化应结合多要素的共同驱动作用来决定。

为准确获取森林冠层高度信息，精确估计森林地上生物量及评估森林碳汇能力，基于长时序的地面实测、多源遥感数据与数字高程模型构建30个长时序的特征变量，结合机器学习算法（Machine Learning，ML）对浙江省丽水市的森林冠层高度进行反演。研究表明，地形因素对森林冠层高度的反演呈“不重要性”，而与红绿波段相关的植被因子、森林冠层高度强相关；加入长时序的特征因子可有助于提升ML算法对森林冠层高度反演精度，卷积神经网络（Convolutional Neural Network，CNN）提升的性能尤为显著，实现最佳0.39的决定系数（R ²）提升与4.15的均方根误差（RMSE，式中记为R _MSE）下降；随机森林在4种ML算法中的反演精度最高（R ²=0.79，R _MSE=1.65），大于支持向量机（R ²=0.65，R _MSE=1.97）、极端梯度上升法（R ²=0.76，R _MSE=1.81）与卷积神经网络（R ²=0.71，R _MSE=1.83）。