無人機遙感技術在森林資源調(diào)查中的應用研究進展

賈 慧，楊 柳，鄭景飚

無人機遙感技術在森林資源調(diào)查中的應用研究進展

賈 慧1，楊 柳2，鄭景飚3

（1. 重慶文化藝術職業(yè)學院，重慶 401320；2. 河南農(nóng)業(yè)大學 林學院，河南 鄭州 450002；3. 信息工程大學 地理空間信息學院，河南 鄭州 450001）

無人機遙感技術以其以低成本、低風險、高時效及可產(chǎn)生高分辨率影像的優(yōu)勢，成為較先進的森林資源調(diào)查手段。本文闡述了可搭載于無人機平臺上的光學、紅外、高光譜、激光雷達和合成孔徑雷達載荷的發(fā)展現(xiàn)狀，并針對森林資源調(diào)查需求，總結(jié)了不同載荷下國內(nèi)外森林特征參數(shù)提取方法和技術的優(yōu)缺點。最后，分析了無人機遙感技術應用于森林資源調(diào)查中存在的問題，并對這一技術的未來發(fā)展趨勢進行展望，為無人機遙感技術在我國森林資源調(diào)查中應用提供參考。

無人機；遙感技術；森林資源調(diào)查；研究進展

森林資源調(diào)查與監(jiān)測是森林經(jīng)營與管理的基礎，查清和落實森林資源數(shù)量和質(zhì)量是保證森林資源可持續(xù)發(fā)展的前提條件[1]。森林資源調(diào)查經(jīng)過多年的發(fā)展，我國已經(jīng)構(gòu)建了以國家森林資源連續(xù)清查、森林資源規(guī)劃設計調(diào)查和森林資源作業(yè)調(diào)查為基礎的一、二、三類調(diào)查體系[2]。森林資源調(diào)查普遍采用角規(guī)輔助每木檢尺及加密樣地精度控制的方法，這種調(diào)查方法單一且周期較長，難以適應現(xiàn)代林業(yè)和精準林業(yè)的要求。近年來，森林資源調(diào)查與監(jiān)測技術無論是在數(shù)據(jù)獲取還是在數(shù)據(jù)處理分析方面都有較大的創(chuàng)新與發(fā)展[3-4]。尤其是多載荷無人機遙感技術的日趨成熟，給森林資源調(diào)查注入了新的活力。多級無人機載荷的應用使森林資源調(diào)查數(shù)據(jù)采集多樣化、智能化，拓寬了遙感技術的時空尺度，比地面靜態(tài)觀測、衛(wèi)星航天觀測更加靈活，所獲得的影像分辨率更高，滿足從小班到林場的探測需求。在無人機上搭載不同傳感器能夠獲得森林資源調(diào)查多層面的數(shù)據(jù)，但目前無人機遙感技術在森林資源調(diào)查中應用還處于探索階段。鑒于此，本文重點闡述了森林資源調(diào)查中可利用的無人機遙感的載荷，如：光學、紅外、高光譜、激光雷達和合成孔徑雷達傳感器國內(nèi)外發(fā)展狀態(tài)，并針對森林資源調(diào)查內(nèi)容和要求，分析了國內(nèi)外該領域內(nèi)的無人機森林特征參數(shù)提取及應用，最后對無人機遙感技術在森林資源調(diào)查中的應用前景進行了展望。

1 無人機森林資源調(diào)查可用載荷

無人機是一種機上無人駕駛的航空器，其具有動力裝置和導航模塊，在一定范圍內(nèi)靠無線電遙控設備或計算機預編程序自主控制飛行[5]。無人機森林資源調(diào)查技術是利用無人駕駛飛行器結(jié)合遙感傳感器技術、遙測遙控技術、通信技術、POS定位技術、GPS差分定位技術和遙感技術對森林資源進行觀測和信息提取。載荷是無人機成像所依賴的工具，決定著無人機森林資源調(diào)查中影像應用的深度和廣度。由于市場需求的推動，無人機載荷發(fā)展迅速，逐漸向多維化和立體化方向發(fā)展[6-7]，可應用森林資源調(diào)查的載荷主要如下：

1.1 輕小型無人機光學載荷

數(shù)碼相機是無人機上常用的光學載荷[8]。利用光學載荷獲所獲取的森林樣地觀測圖像，符合人眼對自然界物體的觀察習慣，影像分辨率較高，能夠準確反映絕大多數(shù)森林地物的形狀、質(zhì)地和色彩，僅依靠目視解譯就能夠?qū)崿F(xiàn)林種識別，造林地成活率判別。利用無人機遙感影像可以制作高精度的數(shù)字表面模型和數(shù)字正射影像，可實現(xiàn)對觀測樣地林木的冠幅、樹高、郁閉度、林分密度等森林參數(shù)信息提取。由于無人機體積和承重能力有限，用于其森林資源調(diào)查的光學載荷一般要求質(zhì)量輕、體積小。目前，國內(nèi)外無人機搭載的光學載荷主要有飛思（Phase）、哈蘇（Hasselblad）等中畫幅數(shù)碼相機以及索尼、尼康、佳能、富士、萊卡、三星等小畫幅單反相機。這些光學相機分辨率一般在8 000萬像素上下，像素尺寸在3.9 ~ 6.4 μm之間[9]。小畫幅單反相機常用的型號為：Canon 5D Mark II，Nikon D800，Sony NEX-7。普通相機常見的有大疆Phantom3Professional的4K相機和大疆Phantom3Advanced的HD高清相機。傾斜攝影中常用的相機有微軟UCO相機、劉先林院士研發(fā)的SWDC-5相機、上海遙感公司的AMC580、中測新圖公司的TOPDC-5、紅鵬公司的2K相機、立得空間的leador AMMS等。

1.2 紅外譜段無人機遙感載荷

紅外譜段指的是頻率低于可見光譜段以外波長在0.76 ~ 1 000 μm范圍內(nèi)，位于可見光和微波之間的電磁波波段[10]。無人機紅外譜段載荷是搭載于無人機上的將輻射能量轉(zhuǎn)化為紅外輻射強度成正比電信號的傳感器。目前，大面陣、高性能的紅外探測器價格較高，不太適合輕小型無人機遙感系統(tǒng)大面積推廣應用。紅外載荷在森林資源調(diào)查中可用于林火監(jiān)測，如：火點分布、過火面積、火情蔓延趨勢分析以及林地土壤水分和土壤有機質(zhì)含量探測等[11]。目前，常見的無人機紅外載荷產(chǎn)品有：Onca系列中紅外相機，光譜范圍在3.7 ~ 4.8 μm或2.5 ~ 5 μm之間。FLIR公司的熱紅外相機系列TAU和QUARK，ICI公司的熱紅外相機系列9640及Mirage640。NEC公司的H2640紅外熱像儀，日本Avionics無人機紅外相機。我國在紅外探測儀器方面，開展了從單元、線列到紅外焦平面的探測器研究工作[12]。產(chǎn)品覆蓋1 ~ 3 μm，3 ~ 5 μm和8 ~ 14 μm三個大氣窗口?？捎玫妮d荷產(chǎn)品有：浙江大力的D840、D740G、D900紅外熱成像儀，廣州颯特的HR640L，昆明北方紅外的X4UAV，上海巨哥的XM3/6，上海藍劍的LIRG01、RHV-MC2，中飛萬通的ZFWT-1R-E1。

1.3 無人機激光雷達載荷

激光雷達是激光探測與測距系統(tǒng)的簡稱，無人機機載激光雷達系統(tǒng)集激光掃描儀、全球定位系統(tǒng)、（GPS）、慣性導航系統(tǒng)（IMU）等技術于一體，是一種主動式航空遙感設備[13]。它通過激光掃描測距測角，IUM進行姿態(tài)測量以及利用GPS進行差分定位，能夠獲取高分辨率、高精度的地物表面三維坐標以及數(shù)字地面模型，同時通過系統(tǒng)集成的航空相機獲取地物的高分辨率影像。機載激光雷達技術作為森林資源調(diào)查的手段，可用于快速獲取大范圍森林結(jié)構(gòu)信息，如林分平均高、平均胸徑、冠層垂直結(jié)構(gòu)、冠層體積、郁閉度、地上生物量、蓄積量、胸高、斷面積、葉面積指數(shù)等森林資源調(diào)查參數(shù)。激光雷達數(shù)據(jù)可直接獲取森林三維結(jié)構(gòu)信息，能夠?qū)α帜敬怪狈植歼M行參數(shù)估計，能在多重時空獲取森林的三維地形、植被結(jié)構(gòu)參數(shù)。目前，無人機激光雷達載荷主要有微型激光雷達、多脈沖激光雷達、全波形激光雷達、多光譜激光雷達、凝視成像激光雷達、多源傳感器融合激光雷達等。其產(chǎn)品主要有美國航空航天局的激光植被成像傳感器和激光林冠掃描成像系統(tǒng)，以及奧地利的Riegl、美國Velodyne、法國的L AvionJaune、德國SICK、日本Hokuyo、德國的IBEO、中國科學院光電研究院研制的的Lair-LiDAR、北京數(shù)字綠土研制的Li-Air機載激光雷達系統(tǒng)等。

1.4 無人機成像光譜載荷

無人機成像光譜載荷是在無人機上搭載高光譜成像儀，它可以在紫外、可見光、近紅外及中紅外波段內(nèi)，獲取多個光譜連續(xù)的圖像數(shù)據(jù)，能夠?qū)崟r地獲取研究對象的影像及每個像元的光譜分布。無人機成像光譜載荷實現(xiàn)了成像技術和光譜技術的融合，能夠同時獲取森林的光譜信息和空間信息。無人機高光譜載荷由于其具有超細的窄波段設計，光譜響應比寬波段的多光譜數(shù)據(jù)更靈敏, 可更好地描述植被特征，實現(xiàn)冠層生物物理參數(shù)和化學參數(shù)的估測。它較好地彌補了光學無人機遙感的不足。與傳統(tǒng)成像光譜儀有所不同，輕小型無人機成像光譜儀受質(zhì)量約束，在原始數(shù)據(jù)處理以及檢校方面都有自己的特點。目前高光譜成像系統(tǒng)的遙感平臺仍以衛(wèi)星和載人機為主。國外經(jīng)過多年的發(fā)展，已經(jīng)積累了數(shù)十款各種性能的成像光譜儀。較為著名的有美國JPL實驗室、HeadWall公司，加拿大的ITRES公司，芬蘭Specim公司的產(chǎn)品等。國內(nèi)成像光譜儀主要用于大飛機平臺，輕小型成像光譜儀的研制剛剛起步。常用的成像光譜儀有上海技術物理所研制的WHI、長春光機所的海洋水色成像儀、西安光學機械研究所的傅里葉變換型高光譜成像儀等。國內(nèi)外輕小型無人機成像光譜儀還在試驗階段，距大規(guī)模商業(yè)化應用還有一段距離。

1.5 無人機合成孔徑雷達載荷

合成孔徑雷達是一種主動式相干微波遙感成像技術，其工作波段位于P波段到Ka波段之間，它能夠提供大尺度、高分辨率的地表反射率圖像。星載SAR受到軌道的限制，無法滿足對連續(xù)覆蓋和快速重復性觀測方面的需求，相比之下，無人機微型SAR在分辨率，精度、性能、成本等方面有很大的優(yōu)勢。合成孔徑雷達對植被有一定的穿透性，與可見光相比，可以更多的獲取森林表層和冠層體散射信息，在生物量估測方面，具有無可替代的優(yōu)勢。無人機合成孔徑雷達載荷可以聯(lián)合多光譜載荷和激光雷達載荷進行森林類型分類和生長監(jiān)測。在合成孔徑雷達無人機載荷產(chǎn)品方面，1998年美國Sandia實驗室和通用院子公司為捕食者無人機聯(lián)合研制了輕型Lynx SAR。2005年開始，該實驗室研制第二代輕量化系統(tǒng)Mini SAR，與第一代Lynx SAR相比，質(zhì)量更輕、性能更加優(yōu)越。隨著輕小型無人機的快速發(fā)展，對更輕的載荷提出了更高要求，傳統(tǒng)的脈沖體質(zhì)SAR載荷在質(zhì)量、功耗和作用距離方面都無法滿足無人機載荷發(fā)展的需要。目前人們開始研究更具有潛力的調(diào)頻連續(xù)波體制FMCW，使用體質(zhì)FMCW調(diào)頻連續(xù)波體制，結(jié)合芯片技術實現(xiàn)芯片雷達。常用的微型SAR載荷產(chǎn)品有美國的Lynx SAR和Mini SAR、NanoSAR，德國的MISAR，中國科學院電子所的MSAR。

2 無人機遙感影像森林資源調(diào)查應用

我國森林資源調(diào)查主要包括一、二、三類調(diào)查。森林資源一類調(diào)查主要是以森林固定樣地為主進行每木檢尺的調(diào)查。森林資源二類調(diào)查主要以小班為單位進行調(diào)查，記錄小班的面積、林分蓄積量、林分平均高、郁閉度、立體條件等信息。森林資源三類調(diào)查是以采伐區(qū)為單位進行調(diào)查，實質(zhì)上為主伐作業(yè)和營林作業(yè)服務的。利用無人機搭載光學數(shù)碼相機、高光譜掃描儀以及紅外相機、合成孔徑雷達，可以獲取林木和林地的幾何輪廓等信息，獲取激光背散射強度、高光譜和紅外數(shù)據(jù)，可以實現(xiàn)對森林特征參數(shù)的多源信息獲取。多源無人機載荷不僅能夠?qū)沃炅⒛緦崿F(xiàn)信息特征提取，還能夠進行林場級森林資源調(diào)查數(shù)據(jù)采集和與信息處理。目前，多載荷無人機森林資源調(diào)查方面應用主要集中在森林特征參數(shù)信息提取、森林小班區(qū)劃與造林成活率核查、森林植被覆蓋率提取、森林火災與病蟲害監(jiān)測方面[14]。

2.1 森林特征參數(shù)提取

森林特征參數(shù)是森林資源調(diào)查不可或缺的內(nèi)容，其中包括森林分布范圍、樹高、胸徑、生物量、蓄積量和碳儲量的測算。通過搭載多源無人機載荷，可提取森林經(jīng)營信息因子，如樹高、冠幅和郁閉度等測樹因子，可以建立航空森林模型估測模型。實現(xiàn)森林資源信息的快速、高效和低成本地獲取。

2.1.1 樹種識別 樹種類別是森林資源調(diào)查中的重要指標，許多森林資源參數(shù)都是基于樹種來進行估測的。國內(nèi)外利用無人機進行樹種識別研究，主要從高空間分辨率影像和高光譜影像兩個方面進行。光學無人機遙感影像的分辨率較高，通過目視解譯，結(jié)合林相圖，根據(jù)不同樹種的紋理，形狀就可進行樹種識別。如：馮家莉等[15]利用固定翼無人機，搭載Sony NEX-7相機對廣西英羅港紅樹林自然保護區(qū)進行3個架次航拍，借助IPS 3.1攝影測量軟件對1 469張照片進行了拼接，利用目視解譯方法提取紅樹林空間分布信息，研究結(jié)果表明基于無人機影像和面向?qū)ο筮b感分類方法提取的紅樹林空間分布信息精度超過了90%，研究結(jié)果表明，無人機遙感可成為調(diào)查和監(jiān)測紅樹科Rhizophoraceae資源的重要技術手段。無人機高光譜影像進行樹種識別的主要依據(jù)是因為植被光譜一般具有一些獨特的吸收譜帶，不同樹種的獨特譜帶的特征形態(tài)和波長位置往往比較穩(wěn)定，能反映出樹種之間的差異。在利用高光譜無人機影像進行森林資源調(diào)查信息獲取方面，勾志陽等[16]利用無人機搭載了中國科學院長春光學精密機械與物理研究所研制的128個波段的高光譜儀，在內(nèi)蒙古烏拉特前旗開展了無人機高光譜成像儀場地絕對輻射定標及驗證分析。吳振洲等[17]研制了Offner微型成像光譜儀的系統(tǒng)，提出了適用于精細農(nóng)業(yè)的成像光譜儀技術指標，在國內(nèi)建立了基于無人機的低空農(nóng)作物成像光譜遙感平臺。趙旦[18]基于激光點云數(shù)據(jù)進行了單木分離，從高光譜遙感影像中提取單木樹冠對應的光譜，對單木光譜分別進行了支持向量機和光譜角制圖法分類，得到單木樹種，研究結(jié)果表明，基于LiDAR和高光譜遙感數(shù)據(jù)的單木樹種識別夠較好的識別大多數(shù)的單木樹種，優(yōu)勢樹種的識別正確率大于90%，優(yōu)勢與亞優(yōu)勢樹種識別平均正確率大于70%。

2.1.2 冠幅估測 冠幅是重要的森林資源調(diào)查因子，傳統(tǒng)方法是用皮尺測量樹冠垂直投影地面的東西方向和南北方向的長度，即得到東西和南北方向的冠幅值。這種地面量測冠幅的方法費時費力。

無人機遙感影像，空間分辨率可以達到0.1 m，在中低郁閉度的林區(qū)，可以清晰看清樹冠的空間特征和紋理特征。利用無人機航空攝影測量進行林區(qū)成像，數(shù)碼相機一般是采用垂直地面的方式對地拍攝，獲得到的影像通常是樹木的頂部信息，在影像上樹木以顆粒狀的樹冠呈現(xiàn)。通過樹冠和林窗間的顏色和色調(diào)差異，就可以識別樹冠的輪廓和范圍。常用的樹冠信息提取方法是人工目視解譯，此方法精度高，但無法實現(xiàn)大規(guī)模樹冠信息提取，目前較多研究采用面向?qū)ο蠓ㄟM行冠幅信息提取。樊江川[19]對無人機影像先按照計算機自動分類的方法進行了林地信息提取，針對林地利用ENVI軟件進行了影像分割，在考慮光譜、紋理、顏色等信息的基礎之上，進行了高、中、低郁閉度條件下的冠幅信息提取,研究結(jié)果表明提取精度達到92.19%。Lin等[20]利用K-均值聚類法和基于RGB的植被指數(shù)對無人機影像進行了植被蓋度信息提取，利用形狀分析法和標記分水嶺法對單木林木進行了樹冠信息提取，研究結(jié)果表明標記分水嶺樹冠提取法精度較高，達到74%。Honkavaara等[21]利用無人機搭載高光譜掃描儀，采用高光譜影像結(jié)合可見光影像的方法對研究區(qū)的林木樹冠進行了分割，在冠幅分割的基礎之上利用運動場景法構(gòu)建了三維場景。

2.1.3 胸徑估測 冠幅和胸徑存在很大的相關關系，一般來講，對于同種樹種來講，冠幅越大，其胸徑也越大。無人機遙感技術用于胸徑估測，可通過典型樹種冠幅與胸徑之間的線性關系，建立回歸模型，從而利用影像上的量測值對胸徑進行估測。樊仲謀[22]利用大地鷹D-III無人機對黃泥河大川林場進行了航飛成像，對研究區(qū)按針葉樹、闊葉樹利用線性經(jīng)驗模型、異速生長模型、邏輯斯蒂模型等建立了冠幅——胸徑模型，利用二元模型建立了冠幅、樹高——胸徑模型。孫夢營等[23]利用固定翼無人機對北京松山自然保護區(qū)進行了攝影測量實驗，分樹種根據(jù)冠幅和胸徑擬合關系方程，通過冠幅信息進而獲取到了胸徑值。研究結(jié)果表明油松最優(yōu)胸徑—冠幅冪函數(shù)模型擬合效果最佳，相關系數(shù)達到0.962。Zhao等[24]利用無人機搭載激光配搭傳感器，對蘇格蘭地區(qū)的林木進行了成像，在單木分割的基礎之上，建立了冠幅、樹高—胸徑模型，利用隨機森林和線性函數(shù)模型對區(qū)域內(nèi)林木的生物量進行了估測，結(jié)果表明精度達到0.86以上。

2.1.4 樹高估測 樹高是反映材積和林地質(zhì)量的重要參數(shù)，在森林資源調(diào)查中，樹高分為單木樹高和林分平均高。利用無人機遙感影像，可進行單木樹高的提取。王偉[25]利用大地鷹DIII型無人機，搭載SONY NEX-5N相機對黃泥河林業(yè)局大川林場進行了航飛成像，利用不規(guī)則三角網(wǎng)TIN鄰近像元內(nèi)插算法得到數(shù)字高程模型，通過DSM和DEM求差的方法得到了數(shù)字冠層模型DEM，并建立了胸徑—冠幅模型和胸徑—冠幅樹高模型，實驗驗證兩種模型決定系數(shù)達0.67以上。韋雪花[26]利用輕小型機載LiDAR數(shù)據(jù)，進行了森林特征參數(shù)提取研究，結(jié)果表明，利用輕小型機載LiDAR點云數(shù)據(jù)提取的林分平均高與地面角規(guī)樣地調(diào)查相比，精度達到83%，單木樹高提取精度為88%，單木樹冠提取精度為72%，林分平均冠幅平均精度為87%。劉清旺等[27]利用高采樣密度的機載激光雷達數(shù)據(jù)，研究了單株木的樹高提取和樹冠邊界識別算法，針對單株木的樹冠特征, 提出了一種雙正切角的樹冠識別算法。Wallace等[28]研制了一種適合于林業(yè)調(diào)查的無人機激光雷達系統(tǒng)，該系統(tǒng)搭載GPS接收機、IMU、高清攝像機、激光雷達，通過對獲取的圖像進行卡爾曼濾波等處理后，樹高精度誤差減少到0.26 m,冠幅提取精度從0.69 m下降到了0.61 m。Mohan等[29]利用無人機對研究區(qū)懷俄明州內(nèi)的林木進行了成像，利用所獲取的數(shù)字正射影像對研究區(qū)內(nèi)的林木圖像進行了分割，在數(shù)字表面模型基礎上構(gòu)造了數(shù)字冠層高度模型，研究結(jié)果表明，單木高度信息提取精度達到85%。Tejada等[30]利用無人機搭載包含紅外波段的數(shù)碼相機和激光雷達，對西班牙南部的阿爾科萊阿、科爾多瓦果園進行了成像實驗，利用pix4UAV軟件生成了研究區(qū)域20，25，30，35，40，50 cm/pix大小的開DSM數(shù)字表面模型，結(jié)合地面調(diào)查點，對果園樹木的高度進行了估測，研究結(jié)果表明樹高預測誤差在1.16 ~ 4.38 m之間。

2.1.5 郁閉度估測 林分郁閉度是指林分樹冠投影面積與林地總面積的比值。它反映了森林的疏密度、林木競爭狀況，是森林資源調(diào)查中一個重要指標。應用無人機遙感影像對林分密度進行估測，需要對單木樹冠進行識別和分割，才能準確提取單位面積內(nèi)林木株數(shù)。林分密度大是運用傳統(tǒng)方法估測郁閉度最大障礙[31]。周艷飛等[32]以無人機航空影像為數(shù)據(jù)源，采用目視解譯和面向?qū)ο蠓椒ㄌ崛×撕鷹睿瑱f柳樹冠信息，獲得了樹木的冠幅和林分郁閉度。研究結(jié)果表明，利用面向?qū)ο筮M行無人機樹冠信息提取，能克服目視解譯速度慢的缺點，對于大面積林分調(diào)查因子定量獲取具有優(yōu)勢。穆喜云等[33]基于機載LiDAR數(shù)據(jù)利用點云密度法對內(nèi)蒙古根河轄區(qū)森林進行了林分郁閉度提取。研究結(jié)果表明LiDAR點云數(shù)據(jù)提取的郁閉度與實測郁閉度呈高度相關性，相關系數(shù)為0.852，但LiDAR數(shù)據(jù)提取的郁閉度與實測值存在明顯低估現(xiàn)象。王聰?shù)萚34]基于光學幾何模型，利用無人機影像對毛竹‘’林郁閉度進行了定量反演研究，實驗表明幾何光學模型在一定程度上能夠?qū)崿F(xiàn)毛竹郁閉度的估算，但存在不同混合像元分界精度差異較大的問題。國外最初利用無人機探測大田農(nóng)作物的郁閉度[35-36]。Chianucci等[37]利用eBee無人機搭載紅綠藍三個波段的數(shù)碼相機對意大利托斯卡納森林進行了航攝，利用綠葉算法和CIE模型，結(jié)合魚眼鏡頭相機獲取郁閉度，對山毛櫸林進行了冠層覆蓋度研究。McNeil等[38]大疆精靈3無人機和魚眼鏡頭，結(jié)合數(shù)字攝影測量的方法對歐洲和美國的5種闊葉樹進行了葉傾角信息的獲取，結(jié)果表明安裝在無人機上的數(shù)碼相機是闊葉樹葉傾角測量的有效工具，無人機遙感技術避免了從地上很難看清林冠的障礙，可以準確、詳細的進行葉傾角的測量。

2.1.6 蓄積量估測 材積和蓄積量是森林經(jīng)營中常用的評價指標。目前，利用無人機進行蓄積量的估測多采用冠幅-蓄積量回歸模型進行。何游云等[39]利用四旋翼無人機搭載SONY NEX-5N相機以王朗自然保護區(qū)岷江冷杉為研究對象，利用ArcGIS軟件目視解譯后的方法提取樹冠面積，利用回歸方程和異速生長方程結(jié)合樣地調(diào)查數(shù)據(jù)建立了岷江冷杉DBH遙感估算模型，估測精度達0.752。付凱婷[40]以EBEE無人機搭載數(shù)碼相機，提取桉樹單木冠幅、林分平均冠幅、郁閉度林分參數(shù)因子，與實地調(diào)查林木胸徑建立胸徑一冠徑回歸模型，結(jié)合胸徑與單木材積之間的關系模型得到航空單木材積模型從而估測了桉樹蓄積量。Puliti等[41]對利用無人機系統(tǒng)進行小區(qū)域的森林資源調(diào)查進行了研究，采用無人機系統(tǒng)對挪威的沃爾威林區(qū)進行了成像，結(jié)合地面調(diào)查數(shù)據(jù)，進行了優(yōu)勢木樹高估測、林木株數(shù)、蓄積量估測，精度分別達到0.97%，0.60%，0.85%。

2.1.7 生物量估測 區(qū)域尺度的森林生物量反演多通過回歸分析建模進行整個研究區(qū)內(nèi)森林地上生物量估算。通過直接或間接測定森林植被生產(chǎn)量與生物現(xiàn)存量再乘以生物量中碳元素的含量可得到碳儲量。Zahawi等[42]利用無人機搭載激光雷達載荷，對墨西哥州的拉斯克魯塞斯生態(tài)站按照航向重疊度為90%，旁向重疊度為75%的重疊率，利用Trimble geoxt 2008進行了航飛實驗，獲取了三維激光點云和多光譜點云，構(gòu)建了數(shù)字地形和冠層高度模型，借助ArcGIS 10.1生成了單獨的樹冠高度模型,估算了冠層高度和地上生物量，其與實測值對比，決定系數(shù)依次為0.83和0.87。Hopkinson等[43]利用機載激光雷達研究了加拿大薩斯喀徹溫省Prince Albert林場的地上生物量、總初級生產(chǎn)量和碳儲量，并和渦度相關方法進行了對比，研究了活碳使用效率和積累生物量總初級生產(chǎn)量之間的關系。Saremi等[44]利用機載激光雷達對新南威爾士，澳大利亞的輻射松Monterey pine進行了航飛成像，構(gòu)建了DBH模型，借助于異性生長模型計算了蓄積量、生物量和碳儲量，對樹高、胸徑和激光雷達的獨立派生指標的實地調(diào)查分析。研究結(jié)果表明，保證有足夠的點密度情況下，機載激光雷達數(shù)據(jù)可估計一系列的森林生物物理屬性，且具有高的精度。

2.2 森林小班區(qū)劃

森林小班區(qū)劃是森林資源調(diào)查中的首要任務和主要內(nèi)容,也是森林資源管理與動態(tài)監(jiān)測的主體業(yè)務，傳統(tǒng)的“對坡勾繪”小班區(qū)劃方法，主觀性強、工作強度大，由于調(diào)查員知識水平、野外調(diào)查線路與視角等的差異，容易造成小班區(qū)劃結(jié)果的邊界不一致。利用無人機遙感影像進行計算機自動或半自動小班邊界提取，可以極大的提高森林小班區(qū)劃的效率和精度。李蘊雅[45]利用固定翼無人機搭載SONY NEX-5N相機對北京延慶松山國家自然保護區(qū)進行航拍，對無人機遙感影像通過空三加密后得到的高精度DOM和DEM，利用ArcGIS軟件提取出的保護區(qū)內(nèi)坡度、坡向信息，結(jié)合針葉林、闊葉林兩種林型，將測區(qū)區(qū)劃為了15個森林小班。張園等[46]利用千里眼固定翼無人機搭載索尼DSC-T90相機，對浙江農(nóng)林大學東湖校區(qū)周邊進行成像，將測區(qū)地類，分為竹林、馬尾松林、杉木林、闊葉林、農(nóng)業(yè)、居民地等6類，通過其EDITOR功能模板對無人機遙感圖像進行了森林區(qū)劃。史潔青等[47]針對無人機遙感影像，利用C#語言結(jié)合ArcGIS Engine構(gòu)建了用于林業(yè)調(diào)查管理的森林資源調(diào)查系統(tǒng)，可實現(xiàn)森林區(qū)劃、面積平差和高精度大比例尺的森林小班調(diào)查。

2.3 造林成活率核查

目前，全國營造林綜合核查采用分層抽樣的方法，各省核查縣數(shù)抽樣比例為10% ~ 15%工造林更新實績2%、飛播造林出苗成效5%、封山育林實績及成效1%、退耕還林工程歷年退耕地造林1%。在利用無人機進行森林成活率核查方面，李宇昊[48]對無人機在營林造林核查中的應用進行了研究，對無人機影像進行了色彩增強處理，以便識別病死苗和正常苗，結(jié)合地面調(diào)查，建立了樹種病死苗判讀標志，采用株數(shù)統(tǒng)計和面積統(tǒng)計的方法計算了成活率。Getzin等[49]利用無人機對德國南部10 hm2的示范林地進行了攝影成像，進行了森林成活率研究。通過無人機影像提取分割了不同林木之間的空隙，應用空間統(tǒng)計分析方法揭示了不同類型林隙正負相關關系，研究結(jié)果表明利用多邊形相關函數(shù)適合從無人機影像上提取林隙，從而進行林木成活率的研究。

2.4 森林火災監(jiān)測

森林火災是森林資源調(diào)查中的重要內(nèi)容，利用無人機遙感技術進行森林火災監(jiān)測快捷、高效。張增等[50]將無人機遙感可見光圖像用于森林火災監(jiān)測，利用HSV顏色空間對圖像進行了分割，得到完整的火災區(qū)域，基于灰度共生矩陣和火災邊緣圖像提取了火災區(qū)域特征，用支持向量機方法完成火災識別過程，提出的算法對森林火災的檢測率可達到87.7%，識別率達到89.2%。郭偉等[51]依據(jù)無人機影像提出了基于混合高斯模型和顏色模型的多級火災隱患驗證算法，經(jīng)試驗驗證提高了火焰像素監(jiān)測準確度和圖像處理速度，滿足了林火監(jiān)測實時性要求。馬瑞升等[52]構(gòu)建了微型無人機林火監(jiān)測系統(tǒng)，以像素RGB值為基礎對林區(qū)火場影像進行了分類。使用聚類方法得到了顏色特征煙霧識別模型，利用該模型煙霧識別率在77%以上。Henry等[53]利用無人航空影像和視頻，提出了一種用于檢測森林火災新的方法，利用顯色指數(shù)，用于圖像分類和檢測火焰的色調(diào)和煙，并構(gòu)建了森林火災檢測指標。開發(fā)了基于無人機遙感的森林防火算法，利用該算法，無人機獲取的燃燒和已經(jīng)燒毀的數(shù)據(jù)，利用手機軟件可以實時獲取。Yuan等[54]對無人機的發(fā)展與計算機視覺系統(tǒng)進行了回顧，同時指出小型化的紅外攝像機有很低的敏感性，可應用于火災報警，無人機在森林火災監(jiān)測和檢測中的應用，需要載荷硬件技術和圖像處理技術的進一步發(fā)展。Casbeer等[55]對利用多個低海拔、短航程無人機進行森林火災協(xié)同觀測進行了研究，并提出了一種利用紅外傳感器進行火災實時監(jiān)測跟蹤的算法，利用該算法使用6個自由度無人機對森林火災進行了數(shù)值模擬。森林病蟲害多發(fā)生在人煙稀少、交通不便的林區(qū)，常規(guī)地面調(diào)查監(jiān)測方法很難迅速、全面、客觀地反映病蟲害的發(fā)生發(fā)展動態(tài)，從而不能及時地、有針對性地采取防治措施。Merino等[56]考慮了不同種類的傳感器，即紅外攝像機、攝像機、火災探測器提出了一種多個異構(gòu)的協(xié)同感知系統(tǒng)無人機，對森林火災利用無人機多載荷進行了協(xié)同探測、監(jiān)測與測量。何誠等[57]提出了一種基于GPS和微波測距的森林著火點定位方法，通過多旋翼無人機獲取林火影像，判斷林火位置，實驗表明基于多旋翼無人機林火火點定位精度在10 m之內(nèi)。

2.5 森林病蟲害監(jiān)測

傳統(tǒng)森林病蟲害防治主要采用人工藥物方法，其效率低、周期長。利用無人機進行森林病蟲害檢測，具有覆蓋范圍廣、監(jiān)測周期短等優(yōu)勢。在利用無人機進行森林病蟲害監(jiān)測方面，李衛(wèi)正等[58]利用固定翼無人機搭載單反數(shù)碼相機獲取了研究區(qū)松材線蟲病影像，利用LPS軟件正射處理后導入Geolink，實現(xiàn)了病死木位置信息采集，經(jīng)地面差分GPS測量驗證，水平位置偏差在0.24－2.82之間。費運巧等[59]利用C-Means、FCM、PCM、Type-2 FCM、G-MW及FC-MW六種方法及分水嶺的圖像分割算法對無人機采集的油松及沙棘正射圖進行了圖像分割，研究結(jié)果表明，C-Means簡單快速，可滿足實時性要求，對受災油松和沙棘圖像分割效果較好。胡根生等[60]利用安裝在無人機平臺上的雙光譜相機所獲取的可見光和近紅外遙感圖像，采用改進的加權(quán)支持向量數(shù)據(jù)描述多分類算法，實現(xiàn)了病害松樹識別。Lehmann等[61]借助無人機獲取了高分辨率的彩色紅外識別圖像，對德國西部橡樹的甲蟲病害進行了研究，提出了一種改進的歸一化植被指數(shù)算法，借助該算法和應用不同的濾波器組合對該區(qū)域內(nèi)的橡樹災害進行了評價和監(jiān)測。

3 研究展望

無人機遙感為森林資源調(diào)查提供了新的技術方法，多載荷無人機平臺的應用極大地擴展了森林資源調(diào)查的深度和廣度，為實現(xiàn)精準林業(yè)奠定了基礎。目前，無人機遙感技術在森林資源調(diào)查中應用已取得了一定的研究成果[62-63]，但多數(shù)研究偏重于搭載普通數(shù)碼相機和激光雷達進行森林資源調(diào)查信息的提取，利用紅外遙感載荷、高光譜成像載荷和合成孔徑雷達載荷的研究較少。利用無人機遙感進行森林資源調(diào)查信息獲取，仍處于起步和發(fā)展階段，要使其發(fā)揮很好的作用, 還有多個關鍵技術需要解決。

（1）無人機光學載荷應用方面，由于樹木紋理特征相似性，利用影像進行空三加密時，特征點不容易匹配，適用于林區(qū)的無人機影像匹配算法需要進一步研究。目前，多數(shù)研究偏重于利用無人機影像進行單木信息提取[64-65]，利用無人機影像進行林分空間特征和結(jié)構(gòu)特征的研究還需進一步加強，再次，由于光學載荷影像，不具有穿透性，只能獲取森林植被冠層表面信息，可考慮光學影像和激光雷達影像結(jié)合進行森林資源調(diào)查信息提取的形式。

（2）無人機紅外遙感影像應用方面，多數(shù)研究在可見光紅綠藍三個波段之外，增加了紅外波段，從而構(gòu)造多種植被指數(shù)，進行生態(tài)環(huán)境信息提取。由于無人機具有機動快速的特點，利用無人機紅外遙感進行快速森林病蟲害監(jiān)測和森林火災監(jiān)測具有較大的優(yōu)勢，無人機紅外遙感病蟲害監(jiān)測機理和森林火災決策指揮系統(tǒng)需要進一步研究。

（3）無人機激光雷達具有極高的角度分辨力、距離分辨力，可以直接獲取地表的三維信息，在林木高度測量以及林分垂直結(jié)構(gòu)信息提取方面具有獨特的優(yōu)勢。但由于無人機激光雷達數(shù)據(jù)量比較大，在加上森林內(nèi)部結(jié)構(gòu)復雜，不同林木之間遮擋嚴重，利用無人機激光雷達數(shù)據(jù)進行單木和林分分割的算法需要進一步研究，以提高其提取精度。再次，無人機激光雷達數(shù)據(jù)不僅可以利用其空間信息，還可以利用其回波波形信息，如何挖掘波形信息進行森林資源信息提取還需要進一步研究。

（4）無人機高光譜遙感由于其具光譜分辨率高、波段范圍窄、圖譜合一、成像連續(xù)的特點，可廣泛應用于森林植被類型識別，植物生化參數(shù)探測，病蟲害信息探測等。但輕小型無人機系統(tǒng)搭載推掃式高光譜相機時，由于震動會造成成像質(zhì)量下降，利用高光譜遙感數(shù)據(jù)進行森林資源調(diào)查信息提取時，需要對圖像進行配準，幾何校正方法，無人機高光譜遙感監(jiān)測森林病蟲害的機理需要進一步研究。無人機合成孔徑雷達森林資源調(diào)查應用還處于起步階段，其應用廣度和深度都需要進一步探索。

由于無人機遙感不受軌道和重訪周期的限制，具有云下作業(yè)、厘米級超高分辨率數(shù)據(jù)獲取和小時級響應能力，可廣泛應用于森林資源連續(xù)清查、森林經(jīng)理調(diào)查和森林作業(yè)設計調(diào)查等。通過在無人機上搭載各種傳感器，可以獲取豐富的地表信息，但由于載荷成像機理、成像條件不同，影像之間的差別較大，不同傳感器需要進行優(yōu)勢互補。隨著技術的發(fā)展，無人機載荷技術將進一步成熟，無人機遙感系統(tǒng)在森林資源調(diào)查中應用范圍將進一步擴大，更加有效地服務于生態(tài)環(huán)境建設。

[1] 趙芳. 測樹因子遙感獲取方法研究[D]. 北京：北京林業(yè)大學，2014.

[2] 閆飛. 森林資源調(diào)查技術與方法研究[D]. 北京：北京林業(yè)大學，2014.

[3] 馮仲科，孟憲宇，韓熙春. 建立我國多級分辨率的森林資源調(diào)查技術體系[J]. 北京林業(yè)大學學報，2002，24（6）：160－163.

[4] 馮仲科，黃曉東，劉芳. 森林調(diào)查裝備與信息化技術發(fā)展分析[J]. 農(nóng)業(yè)機械學報，2015，46（09）：257－265.

[5] 李德仁，李明. 無人機遙感系統(tǒng)的研究進展與應用前景[J]. 武漢大學學報：信息科學版，2014，39（5）：505－513.

[6] 汪沛，羅錫文，周志艷，等. 基于微小型無人機的遙感信息獲取關鍵技術綜述[J]. 農(nóng)業(yè)工程學報，2014，30（18）：1－12.

[7] 胡健波，張健. 無人機遙感在生態(tài)學中的應用進展[J]. 生態(tài)學報，2018，38（01）：20－30.

[8] 李祥，鄭淯文，戴楚彥，等. 基于無人機影像的森林信息獲取研究進展[J]. 世界林業(yè)研究，2017，30（04）：41－46.

[9] 廖小罕，周成虎. 輕小型無人機遙感發(fā)展報告[M]. 北京：科學出版社，2016：109－112.

[10] 趙英時，李小文，陳冬梅，等. 遙感應用分析原理與方法[M]. 北京：科學出版社，2016：94－95.

[11] 樊浩然，王云，張宏偉. 無人機載森林防火告警系統(tǒng)設計[J]. 大氣與環(huán)境光學學報，2017，12（01）：74－80.

[12] 范晉祥，楊建宇. 紅外成像探測技術發(fā)展趨勢分析[J]. 紅外與激光工程，2012，41（12）：3145－3153.

[13] 李增元，劉清旺，龐勇. 激光雷達森林參數(shù)反演研究進展[J]. 遙感學報，2016，20（05）：1138－1150

[14] 張紹飛. 森林資源調(diào)查中無人機遙感的應用[J]. 農(nóng)技服務，2017，34（6）：104－104.

[15] 馮家莉，劉凱，朱遠輝，等. 無人機遙感在紅樹林資源調(diào)查中的應用[J]. 熱帶地理，2015，35（1）：35－42.

[16] 勾志陽，晏磊，陳偉，等. 無人機高光譜成像儀場地絕對輻射定標及驗證分析[J]. 光譜學與光譜分析，2012，32（2）：430－434.

[17] 吳振洲. 微型Offner成像光譜儀和光譜數(shù)據(jù)處理[D]. 合肥：中國科學技術大學，2012.

[18] 趙旦. 基于激光雷達和高光譜遙感的森林單木關鍵參數(shù)提取[D]. 北京：中國林業(yè)科學研究院，2012.

[19] 樊江川. 無人機航空攝影測樹技術研究[D]. 北京：北京林業(yè)大學，2014.

[20] Lin Y，Jiang M，Yao Y J，. Use of UAV oblique imaging for the detection of individual trees in residential environments[J]. Urban Forst and Urban Greening，2015，14（2）：404－412.

[21] Honkavaara E，Rosnell T，Oliveira R，. Band registration of tuneable frame format hyperspectral UAV imagers in complex scenes [J]. ISPRS Journal of Photogrammetry and Remote Sensing，2017，134（1）：96－109.

[22] 樊仲謀. 攝影測樹原理與技術方法研究[D]. 北京：北京林業(yè)大學，2015.

[23] 孫夢營，馮仲科，李蘊雅. 九棵樹法提取林分調(diào)查因子原理與應用[J]. 中南林業(yè)科技大學學報，2017，37（4）：70－74.

[24] Zhao K G，Suarez J C，Garcia M，. Utility of multitemporal lidar for forest and carbon monitoring： tree growth，biomass dynamics， and carbon flux[J]. Remote Sensing of Environment，2017，204（2018）：883－897.

[25] 王偉. 無人機影像森林信息提取與模型研建[D]. 北京：北京林業(yè)大學，2015.

[26] 韋雪花. 輕小型航空遙感森林幾何參數(shù)提取研究[D]. 北京：北京林業(yè)大學，2013.

[27] 劉清旺，李增元，陳爾學，等. 利用機載激光雷達數(shù)據(jù)提取單株木樹高和樹冠[J]. 北京林業(yè)大學學報，2008，30（6）：83－89.

[28] Wallace L，Lucieer A，Watson C S. Evaluating tree detection and segmentation routines on very high resolution UAV lidar data[J]. IEEE Transactions Geoscience and Remote Sensing，2014，52（12）：7619－7628.

[29] Mohan M，Silva C A，Klauberg C，. Individual Tree detection from unmanned aerial vehicle（uav）derived canopy height model in an open canopy mixed conifer forest[J]. Forests，2017，8（9）：340－357.

[30] Zarco-tejada P J，Diaz-varela R，Angileri V，. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle（UAV）and automatic 3D photo-reconstruction methods [J] .European Journal of Agronomy，2014，55（2）：89－99.

[31] Angelini A，Corona P，Chianucci F，. Structural attributes of stand over story and light under the canopy[J]. Cra Journals，2015， 39（1）：23－31.

[32] 周艷飛，張繪芳，李霞，等. 不同方法提取無人機影像樹冠信息效果分析[J]. 新疆農(nóng)業(yè)大學學報，2014（3）：231－235.

[33] 穆喜云，張秋良，劉清旺，等. 基于機載LiDAR數(shù)據(jù)的林分平均高及郁閉度反演[J]. 東北林業(yè)大學學報，2015（9）：84－89.

[34] 王聰，杜華強，周國模，等. 基于幾何光學模型的毛竹林郁閉度無人機遙感定量反演[J]. 應用生態(tài)學報，2015，26（5）：1501－1509.

[35] Hunt E R，Hively W D，F(xiàn)ujikawa S J，. Acquisition of nir-green-blue digital photographs from unmanned aircraft for crop monitoring.[J]. Remote Sensing，2010，2（1）：290－305.

[36] Guillen-climent M L，Zarco-tejada P J，Berni J A J，. Mapping radiation interception in row-structured orchards using 3D simulation and high-resolution airborne imagery acquired from a UAV[J]. Precision Agriculture， 2012， 13（4）： 473－500.

[37] Chianucci F，Disperati L，Guzzi D，. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV[J]. International Journal Applied Earth Observational and Geoinformation，2016，47：60－68.

[38] Mcneil B E，Pisek J，Lepisk H，. Measuring leaf angle distribution in broadleaf canopies using UAVs[J]. Agricultural for Meteorology， 2016：218－219，204－208.

[39] 何游云，張玉波，李俊清，等. 利用無人機遙感測定岷江冷杉單木樹干生物量[J]. 北京林業(yè)大學學報，2016，38（5）：42－49.

[40] 付凱婷. 無人機遙感技術估算桉樹蓄積量的研究[D]. 南寧：廣西大學，2015.

[41] Puliti S，Olerka H，Gobakken T，. Inventory of small forest areas using an unmanned aerial system[J]. Remote Sensing，2015，7（8）：9632－9654.

[42] Zahawi R A，Dandois J P，Holl K D，. Using lightweight unmanned aerial vehicles to monitor tropical forest recovery[J]. Biological Conservation，2015，186：287－295.

[43] Hopkinson C，Chasmer L，Barr A G，. Monitoring boreal forest biomass and carbon storage change by integrating airborne laser scanning，biometry and eddy covariance data[J]. Remote Sensing Environment，2016，181：82－95.

[44] Saremi H，Kumar L，Stone C，. Sub-compartment variation in tree height， stem diameter and stocking in ad. don plantation examined using airborne lidar data[J]. Remote Sensing，2014，6（6）：7592－7609.

[45] 李蘊雅. UAV-RS3D像對森林信息提取方法研究[D]. 北京：北京林業(yè)大學，2016.

[46] 張園，陶萍，梁世祥，等. 無人機遙感在森林資源調(diào)查中的應用[J]. 西南林業(yè)大學學報，2011，31（3）：49－53.

[47] 史潔青，馮仲科，劉金成. 基于無人機遙感影像的高精度森林資源調(diào)查系統(tǒng)設計與試驗[J]. 農(nóng)業(yè)工程學報，2017，33（11）：82－90.

[48] 李宇昊. 無人遙感飛機在營造林核查中應用可行性的研究[J]. 林業(yè)資源管理，2006（1）：91－94.

[49] Getzin S，Nuske R S，Wiegand K. Using unmanned aerial vehicles（UAV）to quantify spatial gap patterns in forests[J]. Remote Sensing，2014，6（8）：6988－7004.

[50] 張增，王兵，伍小潔，等. 無人機森林火災監(jiān)測中火情檢測方法研究[J]. 遙感信息，2015（1）：107－110.

[51] 郭偉，昂海松，張思玉. 小型無人機林火監(jiān)測與圖像處理技術[J]. 森林防火，2014（4）：26－29.

[52] 馬瑞升，楊斌，張利輝，等. 微型無人機林火監(jiān)測系統(tǒng)的設計與實現(xiàn)[J]. 浙江農(nóng)林大學學報，2012，29（5）：783－789.

[53] Cruz H，Eckert M，Meneses J，. Efficient forest fire detection index for application in unmanned aerial systems（uass）[J]. Sensors，2016，（6）：893－909.

[54] Yuan C，Zhang Y M，Liu Z X. A survey on technologies for automatic forest fire monitoring，detection，and fighting using unmanned aerial vehicles and remote sensing techniques[J]. Canadian Journal for Research，2015，45（7）：3573－3575.

[55] Casbeer D W，Kingston D B，Beard R W，. Cooperative forest fire surveillance using a team of small unmanned air vehicles[J]. International JournalofSystems Science，2006，37（6）：351－360.

[56] Merino L，Caballero F，Martnez-De dios J R，. A cooperative perception system for multiple uavs： Application to automatic detection of forest fires[J]. Journal of Field Robotics，2006，23（3－4）：165－184.

[57] 何誠，張思玉，姚樹人. 旋翼無人機林火點定位技術研究[J]. 測繪通報，2014（12）：24－27.

[58] 李衛(wèi)正，申世廣，何鵬，等. 低成本小型無人機遙感定位病死木方法[J]. 林業(yè)科技開發(fā)，2014，28（6）：102－106.

[59] 費運巧，劉文萍，駱有慶，等. 森林病蟲害監(jiān)測中的無人機圖像分割算法比較[J]. 計算機工程與應用，2017，53（8）：216－223.

[60] 胡根生，張學敏，梁棟，等. 基于加權(quán)支持向量數(shù)據(jù)描述的遙感圖像病害松樹識別[J]. 農(nóng)業(yè)機械學報，2013，44（5）：258－263.

[61] Lehmann J R K，ieberding F，Prinz T，. Analysis of unmanned aerial system-based cir images in forestry—a new perspective to monitor pest infestation levels[J]. Forests，2015，6（3）：594－612.

[62] 郭慶華，劉瑾，陶勝利，等. 激光雷達在森林生態(tài)系統(tǒng)監(jiān)測模擬中的應用現(xiàn)狀與展望[J]. 科學通報，2014，59（06）：459－478.

[63] 李亞東，馮仲科，明海軍，等. 無人機航測技術在森林蓄積量估測中的應用[J]. 測繪通報，2017（04）：63－66.

[64] 李赟，溫小榮，佘光輝，等. 基于UAV高分影像的楊樹冠幅提取及相關性研究[J]. 林業(yè)科學研究，2017，30（04）：653－658.

[65] 劉清旺，李世明，李增元，等. 無人機激光雷達與攝影測量林業(yè)應用研究進展[J]. 林業(yè)科學，2017，53（07）：134－148.

Advances of UAV Remote Sensing Applied in Forest Resources Investigation

JIA Hui1，YANG Liu2，ZHENG Jing-biao3

（1.Chongqing Vocational College of Culture and Arts, Chongqing 401320,China; 2. Forestry College, Henan Agriculture University, Zhengzhou 450002, China; 3. Institute of Geographic Space, Information Engineering University, Zhengzhou 450001,China）

Descriptions were made on current situation of UAV equipped with different sensors such as in frared optics, high spectrum, laser radar and synthetic aperture radar. Summaries were conducted on forest resources survey like forest characteristic parameters, division of subcompartment, conservation rate of afforestation, forest fire, forest pest by different sensors equipped on UAV at home and abroad. The problems were analyzed and development trend in the future was prospected.

UAV; remote sensing; forest resources investigation; research progress

10.3969/j.issn.1001-3776.2018.04.015

TP79

A

1001-3776（2018）04-0089-009

2018-01-11；

2018-06-03

賈慧，碩士研究生，講師，從事地理信息系統(tǒng)與自然資源保護開發(fā)管理研究；E-mail：276197619@163.com。

楊柳，博士，講師，從事3S技術森林資源調(diào)查應用研究；E-mail：yangliutj@163.com。