本書以浙江省重點林業縣級市(龍泉市)為研究區域，以森林資源蓄積量為主要監測指標，通過整合遙感影像、數字高程模型、森林資源二類調查數據、固定樣地調查數據等多源數據，建立了包含土層厚度、A層厚度、海拔、坡度、坡向、地表曲率、太陽輻射指數、地形濕度指數、樹齡、郁閉度、歸一化植被指數、TM影像中的6個波段（B1、B2、B3、B4、B5、B7）的17個指標在內的自變量因子集。通過多項式擬合，結合經驗數據求取各自變量因子的隸屬度，按優勢樹種（分別為杉木、馬尾松、硬闊類、黃山松）建立了基于Levenberg-Marquardt優化算法改進的BP神經網絡模型。在此基礎上，對研究區域各森林資源小班或細班的平均單位蓄積量進行仿真、反演和預測，總體精度均超過90%，高于森林資源二類調查的蓄積量總體抽樣精度標準，可用于自然生長狀態下的森林資源小班蓄積量數據的動態更新。