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（R²）提升与4.15的均方根误差(R_MSE，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(R²=0.79,R_MSE=1.65)，大于支持向量机(R²=0.65,R_MSE=1.97)、极端梯度上升法(R²=0.76,R_MSE=1.81)与卷积神经网络(R²=0.71,R_MSE=1.83)。

探讨不同林龄苹果林地枯落物和土壤水源涵养能力的变异特征，明确苹果林地的水分特征，对建立合理的果园管理制度等具有重要意义。以运城市临猗县不同林龄（4、6、15、30 a）苹果林地为研究对象，通过野外调查和室内试验，对苹果林地枯落物和土壤水源涵养能力进行定量描述和差异性研究。结果表明，4种林龄苹果林地枯落物层总蓄积量为0.82～2.09 t/hm²，最大持水量介于4.91～13.09 t/hm²，有效拦蓄量在3.36～9.38 t/hm²，随着林龄的增长，以上参数量均表现为先增大再减小的趋势，以15 a为最大。枯落物层持水量、吸水速率与浸水时间分别存在良好的对数和幂函数关系。在0～60 cm范围内，随着林龄的增长，苹果林地土壤容重逐渐减小，总孔隙度和最大持水量逐渐增加，以30 a为最大。随着土层加深，不同林龄苹果林地土壤容重呈现先增大再减小的趋势；除林龄4 a外，其余林龄土壤总孔隙度逐渐减小，但各土层之间差异性不显著。30 a苹果林地土壤最大持水量随土层加深逐渐降低，其余林龄呈现先减小再增加的趋势，均以0～10 cm土层持水量最大，20～40 cm土层最低。坐标综合评定法得出林龄在15 a时枯落物层和土壤层（0～60 cm）总水源涵养功能最强，30 a林龄次之，4 a林龄最弱。

良好的影像分割结果能够提高树种分类的精度，而分割效果取决于最优分割尺度（optimal scale parameter,OSP）的选择。以往研究依赖人为设置的尺度序列，结果具有主观性。为避免此问题，以高分二号影像（GF-2）为数据源，提出一种基于有效尺度区间的非监督OSP选择方法，用于确定不同森林类型最佳分割结果出现的分割尺度。影像分割采用多分辨率分割（multi-resolution segmentation,MRS）算法，通过构建有效尺度区间估计函数（effective scale interval estimation functions,ESF），结合总体优度函数（overall goodness F-measure,OGF）得出不同森林类型在不同尺度区间下的OSP，最后依据监督分割精度分析结合谷歌地图目视判读确定最佳分割结果。结果表明，OGF在有效尺度区间Ⅲ获取的OSP得到了各森林类型的最佳分割结果，监督分割评价方法（F-measure）的最低和最高值分别为0.731 1和0.873 3。同时，在GF-2影像树种分类的分割任务中，OSP与树种和森林类型有关。研究结果为高分辨率遥感影像树种分类的对象提取提供技术支撑，同时为不同地物组成的复杂影像分割尺度参数选择提供方法。

以大兴安岭北部多年冻土区典型森林群落主要乔木为研究对象，分析叶片和土壤碳(C)、氮(N)、磷(P)含量及生态化学计量特征，探讨叶片和土壤C、N、P生态化学计量之间的关系，为该地区森林生态系统养分循环研究提供理论依据。结果表明，4种乔木叶片C∶N范围为25.66～47.92,C∶P范围为323.83～603.86,N∶P为10.21～20.59,兴安落叶松叶片C∶P和N∶P均最低，樟子松叶片C∶N和C∶P均最高，白桦C∶N最低，山杨N∶P最高；4种乔木叶片C∶N和C∶P都高于全球植物平均水平，表明这些乔木叶片具有较高的N、P利用效率，同时山杨叶片N∶P>20,其生长主要受P素限制；不同的群落土壤C∶N为13.89～18.46,C∶P为35.43～77.19,N∶P为1.96～5.26,山杨林C∶P和N∶P均为最高，而C∶N最低。白桦林C∶N最高，N∶P最低。樟子松林C∶P最低。冗余分析结果显示，4种乔木叶片C、N、P生态化学计量与土壤之间存在显著相关关系，土壤C、N、P含量及化学计量对乔木固碳及氮磷吸收具有显著影响。由此可见，我国寒温带4种乔木具有较高的N、P利用效率，但山杨生长受到P的限制，叶片C、N、P生态化学计量与土壤生态化学计量显著相关。

为研究高强度间伐对马尾松(Pinus massoniana)叶片与土壤养分关系的影响，以间伐后5 a和未间伐(对照)马尾松人工林为研究对象，分析叶片和0～60 cm土壤理化性质和氮、磷化学计量特征，以及叶片与土壤氮磷的相关性。结果表明，高强度间伐显著降低马尾松人工林的土壤含水量，提高土壤pH,并且降低0～20 cm土层全氮、全磷、碱解氮和速效磷含量，对20～40 cm土层氮、磷含量影响不显著。高强度间伐对马尾松叶片氮含量影响不显著，显著降低叶片磷含量，导致叶片氮磷比升高50%。对照马尾松叶片氮含量与10～40 cm土层碱解氮含量显著相关，间伐后相关性不显著。间伐和对照马尾松叶片磷含量与土壤速效磷含量相关性均不显著。说明研究区马尾松生长主要受到氮限制，高强度间伐在短期内降低了土壤氮、磷含量，并缓解了马尾松生长的氮限制。