本書(shū)以浙江省重點(diǎn)林業(yè)縣級(jí)市(龍泉市)為研究區(qū)域，以森林資源蓄積量為主要監(jiān)測(cè)指標(biāo)，通過(guò)整合遙感影像、數(shù)字高程模型、森林資源二類調(diào)查數(shù)據(jù)、固定樣地調(diào)查數(shù)據(jù)等多源數(shù)據(jù)，建立了包含土層厚度、A層厚度、海拔、坡度、坡向、地表曲率、太陽(yáng)輻射指數(shù)、地形濕度指數(shù)、樹(shù)齡、郁閉度、歸一化植被指數(shù)、TM影像中的6個(gè)波段（B1、B2、B3、B4、B5、B7）的17個(gè)指標(biāo)在內(nèi)的自變量因子集。通過(guò)多項(xiàng)式擬合，結(jié)合經(jīng)驗(yàn)數(shù)據(jù)求取各自變量因子的隸屬度，按優(yōu)勢(shì)樹(shù)種（分別為杉木、馬尾松、硬闊類、黃山松）建立了基于Levenberg-Marquardt優(yōu)化算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型。在此基礎(chǔ)上，對(duì)研究區(qū)域各森林資源小班或細(xì)班的平均單位蓄積量進(jìn)行仿真、反演和預(yù)測(cè)，總體精度均超過(guò)90%，高于森林資源二類調(diào)查的蓄積量總體抽樣精度標(biāo)準(zhǔn)，可用于自然生長(zhǎng)狀態(tài)下的森林資源小班蓄積量數(shù)據(jù)的動(dòng)態(tài)更新。