森林在调节全球碳平衡及全球气候方面具有不可替代的作用。利用无线传感网对森林生态指标进行监测,是一个有效解决林业应用瓶颈的可行方案。但是,传感器网络的传感器节点部署密集,传感数据量庞大,同时可能出现数据缺失和冗余,这对数据分析和处理增加了一定的困难；大量的节点置也可能存在节点资源的浪费。本文考虑到传感数据的非负性,采用矩阵非负低秩逼近(NNLRA)方法,结合MATLAB编程,对无线传感器网络收集得到的湿度数据进行降维处理,为碳排放与碳汇监测无线传感网的数据压缩处理提供了一种新思路。同时,利用该方法得到的因子矩阵对传感网络节点布置进行了优化选择,对传感网络最优化布置、传感网络信息采集等方面的研究具有重大的现实意义。本文主要布工作如下：(1)利用非负低秩逼近方法处理传感数据,改进了海量数据矩阵奇异分解中的特征值特征向量计算的问题,并得到了较好的降维效果。(2)用非负低秩分解(NNLRA)方法与PCA处理数据的结果进行对比分析,结果表明利用本文提出的NMF处理得到的降维数据与原始数据的相对误差更小,为1.009%。(3)利用非负低秩分解,得非负因子矩阵,找出与原传感数据矩阵之间的关系,通过因子矩阵与原数据矩阵之间的联系,得出样地布置的最佳节点布置方案。本文将低秩逼近方法(LRA)与非负矩阵分解(NMF)结合,给出了非负低秩逼近算法,实现了对传感数据矩阵的降维,节省了存贮空间,同时也加速了算法的运行速度；节点布置个数从80个减少至49个,节约了资源,实现了碳汇传感网的优化布置。