小班是森林资源二类调查的基本单位,是掌握森林资源数量、质量、分布规律及动态生长的基本单元。经过六十多年的努力,我国的森林资源规划设计调查(简称“二类调查”)已形成一套集标准、方法、技术于一体的完整体系。时至今日,二类调查由于方法、技术及成本等因素限制,只是对现有数据定时更新的重复工作,一方面难以获取数量更多范围更广的基础数据,另一方面对已积累的数据也未充分利用。基于此,本文从两方面进行改进与提升,一方面通过改进调查装备、方法与技术,旨在更快速、精确、低成本地获取更多更广的森林资源现状数据,另一方面应用已积累数据,通过分析方法与技术改进,挖掘符合客观实际与主观需求的信息知识,服务森林资源管理。具体思路是首先通过3D角规设计与应用对森林资源调查装备、方法与技术进行改进；以小班为基本单位,以小班数据为主体,利用数据挖掘与知识发现技术对小班数据进行挖掘与预测模型建立,旨在发现潜在知识,对小班生长数据进行预测;利用已有数据,结合电子经纬仪立木无损精测技术建立实用模型,服务于森林采伐作业设计。主要结论包括：(1)小班现状数据获取方面：改进调查装备与技术,设计3D角规,探索森林二类调查方案。①针对传统角规的局限性,本文首次提出将角规体系分为3D角规、平面精测角规、普通角规三类以实现不同目的。通过结合森林经营表,设计出具有Fg=1.0、3.0、5.0、6.0的3D角规。经实验验证,3D角规所观测平均树高的平均相对误差为-1.65%：林分每公顷株数的平均相对误差为1.99%；每公顷蓄积量的平均相对误差为0.34%,整体误差较小。能满足森林调查需要,且计数木均在10株左右,有效减少了调查工作量。②以3D角规为工具,结合多类角规设备,利用DTM数据、高分辨率遥感影像数据及无人机数据提出三种森林资源二类调查方案,从航天-航空-地面三个尺度出发,结合3S技术及角规地面调查技术,可满足不同尺度、不同目的森林资源调查需求。改善目前森林资源调查中工作量大、接触式测量等问题。从而形成快速、有效、低成本的森林小班调查体系。(2)小班历史数据挖掘方面：引进和改进数据分析方法与技术,利用数据挖掘与知识发现技术对小班立地进行分类并分类模型。①利用数据挖掘技术中用于处理海量数据的两步聚类法,对黄泥河林业局的小班数据中多因子进行筛选选取立地分类主导因子,然后进行两步聚类分析,利用数学方法并与常规立地分类评价方法相结合,最终将黄泥河林业局小班分为八类,形成黄泥河林业局立地分类体系及立地分类特征表。此分类方法较传统分类更具有统计学及实践意义,为小班经营管理、造林更新提供理论依据；②对每个类型的小班数据,分别建立完全因子回归模型、筛选因子模型和LM-BP神经网络训练模型,并使用独立检验样本进行检验,结果表明：小班分类型完全因子回归模型决定系数R2均在0.83以上,检验精度R2较高,MSE绝对值均小于0.1%,MPE大部分都小于5%(除第V类外)；小班分类型筛选因子回归模型决定系数R2均在0.79以上,检验精度R2较高,MSE绝对值均小于0.16%,MPE均小于5%(除第V类外)；小班分类型完全因子LM-BP神经网络模型,MSE均小于1.7%,训练精度均大于0.86,仿真精度均大于0.90；小班分类型筛选因子LM-BP神经网络模型,MSE均小于2.4%,训练精度均大于0.83,仿真精度均大于0.80。从因子数量上看,完全因子模型精度高于筛选因子模型,对小班蓄积量的预测更准确；从方法上看,LM-BP神经网络训练模型精度高于传统方法,但是神经网络具有黑箱操作的局限性,在模型实际应用中还需进一步探索。结果表明,总之,引进和改进数据挖掘技术对小班数据挖掘与分析是可行的,能更快速、更科学地发现潜在立地信息,建立精度更高、适用性更强的蓄积量预测模型。(3)小班数据预测方面：使用新的分析方法建立小班生长预测模型。针对目前森林资源二类调查间隔期长(10年),为了实现小班的间隔期内数据推测、未来调查期进行数据预测,本文以1995年黄泥河林业局小班测查数据为基础,建立小班的平均胸径、平均树高的动态生长模型,并使用该局2005年小班调查数据进行检验。选取理查德理论方程为最优理论模型,表达式分别为yD-T=17.07(1-e-0.10A)3.67、 yH-T=16.85(1-e-0.11A)4.23,建模决定系数R2分别为0.88、0.84,拟合程度较好,适用性检验决定系数R2分别为0.76、0.84,且SEE.MSE.MPE均小于±3%,可用于小班生长预测；利用LM-BP神经网络法进行小班生长量模型训练,其D-T模型相关系数R为0.95；H-T模型相关系数R为0.94。模型训练/建模精度方面,LM-BP神经网络训练精度高于常规方法；模型应用方面,LM-BP神经网络模型训练精度虽高,但其具有黑箱操作的特点,对其建模机制和模型表达方面未知,导致其实际应用受限,深层次应用还须进一步研究。通过小班数据预测模型,为小班造林、小班数据更新提供切实有效的技术方法。(4)小班数据应用方面：主伐小班立木无损出材率计算模型研究。与森林资源作业设计调查(简称“三类调查”)相结合,面向森林主伐作业设计调查的需求,利用立木无损精测技术建立立木任意高度直径模型：针叶树(以落叶松为例)模型为：d=0.7775d1.3 1.1415 h-0.3437(R=0.88)、d=0.5728d1.3 0.8874 H0.3930h-0.3468(R=0.90)；调叶树(以毛白杨为例)模型为：d=1.04878d1.3 1.0315 h-0.2803(R=0.91)、d=0.6985d1.3 0.9331 H0.2330h-0.2821(R=0.91),各树种模型拟合情况较好,并由此推算分段材积、全材积公式。结果表明：利用电子经纬仪立木无损精测技术进行立木出材率计算,精度更高,且在立木状态,利用对森林无损伤便可进行出材设计,可为三类调查提供方法与技术支撑。综上所述,以小班数据的获取、挖掘、预测及利用为主线,从调查装备、方法与技术和分析挖掘方法与技术两方面进行改进的思路是可行的,可获取更多更广的森林资源现状数据,挖掘更符合客观实际与主观需求的信息知识,从而为森林资源管理、森林资源信息开发提供新方法、新思路,为提高森林资源调查数量特别是质量、完善调查体系有现实意义。