亞高山森林區域內是多樣化之森林結構，但地上部生物量(AGB)通常使用低海拔或中海拔森林為主的地區開發的模型，資料來源主要為衛星數據，這些模型的解釋力在亞高山帶森林地區非常有限。本研究聚焦於加州 Sierra Nevada(內華達山脈)亞高山森林，整合4套地面資料與航空LiDAR數據，採用Bayesian地理統計模型估算樹幹與枯木地上部生物量，解析度為30 公尺，經過交叉驗證顯示，94.7%樣地真實生物量落於模型95%可信賴區間內，精準度優於現行基於Landsat的區域模型。這項研究針對亞高山森林，成功打造高準確度的生物量估算模型，使用地面與LiDAR結合的本地化建模方法，比衛星遙感方法更準確且能反應區域變異性。在氣候變遷、森林火災與乾旱等加速改變森林結構的背景下，準確量化森林AGB變得尤為重要，即便在全球其他異質性高的森林（如其他亞高山森林）中，若採用類似方法，也有潛力提升模型解釋力。