林草行业具有地域广阔、类型复杂、工作难度大等特点，亟须与以大模型为代表的人工智能技术深度融合，提升信息化管理水平，推动林草质量精准提升。

中国林业科学研究院首席科学家张怀清介绍，林龙大模型具备五大优势：

通过行业文本知识多智能体技术，有效融合林草领域知识，弥补通用大模型在林草行业知识方面的缺陷，使大模型对林草领域复杂问题的理解能力提升60%以上；针对林草行业数据和业务特点，构建林草多模态数据的时空大模型，打破通用模型在时空数据理解、分析和推理能力上的局限，使林草业务计算和处理能力提升50%以上；实现多模态大模型与专用小模型协同融合，降低开发成本，显著增强模型复用性、适用性和通用性，开发利用效率提升10倍以上；成功解决林草领域低资源条件下的多端兼容和国产化适配问题，摆脱林草行业大模型对高算力的依赖，提升模型易用性和普惠能力；实现行业自主产权的开放共享，具备强大扩展性，能支持功能更新迭代与产品的持续完善。

目前，林龙大模型已在行业文本处理、树种类型识别、表型参数提取、野生动物识别、病虫害监测、林火识别、生态系统评估、经营管理决策等8个应用场景落地。

“比如在‘三北’工程区，林龙大模型根据无人机拍摄的画面，可自动识别植被类型、分布、结构等，并以此开展工程区生态效益精准评估，利用数字孪生智能模拟与决策算法进行结构优化调整，为区域内提升林草植被质量提供决策方案，使决策效率提升5倍以上。”张怀清说，再比如，在海南热带雨林国家公园，林龙大模型可通过图像、视频、声纹等多模态数据融合，精准判断海南长臂猿的数量、位置。

据了解，林龙大模型对树种类型的识别准确率超过93%，对林果品种、成熟度、品质等表型的识别准确率超过90%，对野生动物类型、数量、姿态和行为等的识别精度在91%以上，对松材线虫病等病害的识别精度超过90%，对复杂背景下森林火灾、烟雾等灾害的识别精度超过92%，对归一化植被指数、产水量、土壤保持力、总初级生产力等关键生态参数的提取精度在85%以上。（记者董丝雨）

责任编辑：杨雪