無(wú)人機(jī)遙感技術(shù)在森林資源調(diào)查中的應(yīng)用研究進(jìn)展

賈 慧，楊 柳，鄭景飚

無(wú)人機(jī)遙感技術(shù)在森林資源調(diào)查中的應(yīng)用研究進(jìn)展

賈 慧1，楊 柳2，鄭景飚3

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

無(wú)人機(jī)遙感技術(shù)以其以低成本、低風(fēng)險(xiǎn)、高時(shí)效及可產(chǎn)生高分辨率影像的優(yōu)勢(shì)，成為較先進(jìn)的森林資源調(diào)查手段。本文闡述了可搭載于無(wú)人機(jī)平臺(tái)上的光學(xué)、紅外、高光譜、激光雷達(dá)和合成孔徑雷達(dá)載荷的發(fā)展現(xiàn)狀，并針對(duì)森林資源調(diào)查需求，總結(jié)了不同載荷下國(guó)內(nèi)外森林特征參數(shù)提取方法和技術(shù)的優(yōu)缺點(diǎn)。最后，分析了無(wú)人機(jī)遙感技術(shù)應(yīng)用于森林資源調(diào)查中存在的問(wèn)題，并對(duì)這一技術(shù)的未來(lái)發(fā)展趨勢(shì)進(jìn)行展望，為無(wú)人機(jī)遙感技術(shù)在我國(guó)森林資源調(diào)查中應(yīng)用提供參考。

無(wú)人機(jī)；遙感技術(shù)；森林資源調(diào)查；研究進(jìn)展

森林資源調(diào)查與監(jiān)測(cè)是森林經(jīng)營(yíng)與管理的基礎(chǔ)，查清和落實(shí)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(guò)多年的發(fā)展，我國(guó)已經(jīng)構(gòu)建了以國(guó)家森林資源連續(xù)清查、森林資源規(guī)劃設(shè)計(jì)調(diào)查和森林資源作業(yè)調(diào)查為基礎(chǔ)的一、二、三類(lèi)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(zhǎng)，難以適應(yīng)現(xiàn)代林業(yè)和精準(zhǔn)林業(yè)的要求。近年來(lái)，森林資源調(diào)查與監(jiān)測(cè)技術(shù)無(wú)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(wú)人機(jī)遙感技術(shù)的日趨成熟，給森林資源調(diào)查注入了新的活力。多級(jí)無(wú)人機(jī)載荷的應(yīng)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(shù)的時(shí)空尺度，比地面靜態(tài)觀測(cè)、衛(wèi)星航天觀測(cè)更加靈活，所獲得的影像分辨率更高，滿足從小班到林場(chǎng)的探測(cè)需求。在無(wú)人機(jī)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(wú)人機(jī)遙感技術(shù)在森林資源調(diào)查中應(yīng)用還處于探索階段。鑒于此，本文重點(diǎn)闡述了森林資源調(diào)查中可利用的無(wú)人機(jī)遙感的載荷，如：光學(xué)、紅外、高光譜、激光雷達(dá)和合成孔徑雷達(dá)傳感器國(guó)內(nèi)外發(fā)展?fàn)顟B(tài)，并針對(duì)森林資源調(diào)查內(nèi)容和要求，分析了國(guó)內(nèi)外該領(lǐng)域內(nèi)的無(wú)人機(jī)森林特征參數(shù)提取及應(yīng)用，最后對(duì)無(wú)人機(jī)遙感技術(shù)在森林資源調(diào)查中的應(yīng)用前景進(jìn)行了展望。

1 無(wú)人機(jī)森林資源調(diào)查可用載荷

無(wú)人機(jī)是一種機(jī)上無(wú)人駕駛的航空器，其具有動(dòng)力裝置和導(dǎo)航模塊，在一定范圍內(nèi)靠無(wú)線電遙控設(shè)備或計(jì)算機(jī)預(yù)編程序自主控制飛行[5]。無(wú)人機(jī)森林資源調(diào)查技術(shù)是利用無(wú)人駕駛飛行器結(jié)合遙感傳感器技術(shù)、遙測(cè)遙控技術(shù)、通信技術(shù)、POS定位技術(shù)、GPS差分定位技術(shù)和遙感技術(shù)對(duì)森林資源進(jìn)行觀測(cè)和信息提取。載荷是無(wú)人機(jī)成像所依賴的工具，決定著無(wú)人機(jī)森林資源調(diào)查中影像應(yīng)用的深度和廣度。由于市場(chǎng)需求的推動(dòng)，無(wú)人機(jī)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(yīng)用森林資源調(diào)查的載荷主要如下：

1.1 輕小型無(wú)人機(jī)光學(xué)載荷

數(shù)碼相機(jī)是無(wú)人機(jī)上常用的光學(xué)載荷[8]。利用光學(xué)載荷獲所獲取的森林樣地觀測(cè)圖像，符合人眼對(duì)自然界物體的觀察習(xí)慣，影像分辨率較高，能夠準(zhǔn)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(shí)別，造林地成活率判別。利用無(wú)人機(jī)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(shí)現(xiàn)對(duì)觀測(cè)樣地林木的冠幅、樹(shù)高、郁閉度、林分密度等森林參數(shù)信息提取。由于無(wú)人機(jī)體積和承重能力有限，用于其森林資源調(diào)查的光學(xué)載荷一般要求質(zhì)量輕、體積小。目前，國(guó)內(nèi)外無(wú)人機(jī)搭載的光學(xué)載荷主要有飛思（Phase）、哈蘇（Hasselblad）等中畫(huà)幅數(shù)碼相機(jī)以及索尼、尼康、佳能、富士、萊卡、三星等小畫(huà)幅單反相機(jī)。這些光學(xué)相機(jī)分辨率一般在8 000萬(wàn)像素上下，像素尺寸在3.9 ~ 6.4 μm之間[9]。小畫(huà)幅單反相機(jī)常用的型號(hào)為：Canon 5D Mark II，Nikon D800，Sony NEX-7。普通相機(jī)常見(jiàn)的有大疆Phantom3Professional的4K相機(jī)和大疆Phantom3Advanced的HD高清相機(jī)。傾斜攝影中常用的相機(jī)有微軟UCO相機(jī)、劉先林院士研發(fā)的SWDC-5相機(jī)、上海遙感公司的AMC580、中測(cè)新圖公司的TOPDC-5、紅鵬公司的2K相機(jī)、立得空間的leador AMMS等。

1.2 紅外譜段無(wú)人機(jī)遙感載荷

紅外譜段指的是頻率低于可見(jiàn)光譜段以外波長(zhǎng)在0.76 ~ 1 000 μm范圍內(nèi)，位于可見(jiàn)光和微波之間的電磁波波段[10]。無(wú)人機(jī)紅外譜段載荷是搭載于無(wú)人機(jī)上的將輻射能量轉(zhuǎn)化為紅外輻射強(qiáng)度成正比電信號(hào)的傳感器。目前，大面陣、高性能的紅外探測(cè)器價(jià)格較高，不太適合輕小型無(wú)人機(jī)遙感系統(tǒng)大面積推廣應(yīng)用。紅外載荷在森林資源調(diào)查中可用于林火監(jiān)測(cè)，如：火點(diǎn)分布、過(guò)火面積、火情蔓延趨勢(shì)分析以及林地土壤水分和土壤有機(jī)質(zhì)含量探測(cè)等[11]。目前，常見(jiàn)的無(wú)人機(jī)紅外載荷產(chǎn)品有：Onca系列中紅外相機(jī)，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(jī)系列TAU和QUARK，ICI公司的熱紅外相機(jī)系列9640及Mirage640。NEC公司的H2640紅外熱像儀，日本Avionics無(wú)人機(jī)紅外相機(jī)。我國(guó)在紅外探測(cè)儀器方面，開(kāi)展了從單元、線列到紅外焦平面的探測(cè)器研究工作[12]。產(chǎn)品覆蓋1 ~ 3 μm，3 ~ 5 μm和8 ~ 14 μm三個(gè)大氣窗口。可用的載荷產(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(lán)劍的LIRG01、RHV-MC2，中飛萬(wàn)通的ZFWT-1R-E1。

1.3 無(wú)人機(jī)激光雷達(dá)載荷

激光雷達(dá)是激光探測(cè)與測(cè)距系統(tǒng)的簡(jiǎn)稱(chēng)，無(wú)人機(jī)機(jī)載激光雷達(dá)系統(tǒng)集激光掃描儀、全球定位系統(tǒng)、（GPS）、慣性導(dǎo)航系統(tǒng)（IMU）等技術(shù)于一體，是一種主動(dòng)式航空遙感設(shè)備[13]。它通過(guò)激光掃描測(cè)距測(cè)角，IUM進(jìn)行姿態(tài)測(cè)量以及利用GPS進(jìn)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(biāo)以及數(shù)字地面模型，同時(shí)通過(guò)系統(tǒng)集成的航空相機(jī)獲取地物的高分辨率影像。機(jī)載激光雷達(dá)技術(shù)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(dá)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(jìn)行參數(shù)估計(jì)，能在多重時(shí)空獲取森林的三維地形、植被結(jié)構(gòu)參數(shù)。目前，無(wú)人機(jī)激光雷達(dá)載荷主要有微型激光雷達(dá)、多脈沖激光雷達(dá)、全波形激光雷達(dá)、多光譜激光雷達(dá)、凝視成像激光雷達(dá)、多源傳感器融合激光雷達(dá)等。其產(chǎn)品主要有美國(guó)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(guó)Velodyne、法國(guó)的L AvionJaune、德國(guó)SICK、日本Hokuyo、德國(guó)的IBEO、中國(guó)科學(xué)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(jī)載激光雷達(dá)系統(tǒng)等。

1.4 無(wú)人機(jī)成像光譜載荷

無(wú)人機(jī)成像光譜載荷是在無(wú)人機(jī)上搭載高光譜成像儀，它可以在紫外、可見(jiàn)光、近紅外及中紅外波段內(nèi)，獲取多個(gè)光譜連續(xù)的圖像數(shù)據(jù)，能夠?qū)崟r(shí)地獲取研究對(duì)象的影像及每個(gè)像元的光譜分布。無(wú)人機(jī)成像光譜載荷實(shí)現(xiàn)了成像技術(shù)和光譜技術(shù)的融合，能夠同時(shí)獲取森林的光譜信息和空間信息。無(wú)人機(jī)高光譜載荷由于其具有超細(xì)的窄波段設(shè)計(jì)，光譜響應(yīng)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(shí)現(xiàn)冠層生物物理參數(shù)和化學(xué)參數(shù)的估測(cè)。它較好地彌補(bǔ)了光學(xué)無(wú)人機(jī)遙感的不足。與傳統(tǒng)成像光譜儀有所不同，輕小型無(wú)人機(jī)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(diǎn)。目前高光譜成像系統(tǒng)的遙感平臺(tái)仍以衛(wèi)星和載人機(jī)為主。國(guó)外經(jīng)過(guò)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(guó)JPL實(shí)驗(yàn)室、HeadWall公司，加拿大的ITRES公司，芬蘭Specim公司的產(chǎn)品等。國(guó)內(nèi)成像光譜儀主要用于大飛機(jī)平臺(tái)，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(shù)物理所研制的WHI、長(zhǎng)春光機(jī)所的海洋水色成像儀、西安光學(xué)機(jī)械研究所的傅里葉變換型高光譜成像儀等。國(guó)內(nèi)外輕小型無(wú)人機(jī)成像光譜儀還在試驗(yàn)階段，距大規(guī)模商業(yè)化應(yīng)用還有一段距離。

1.5 無(wú)人機(jī)合成孔徑雷達(dá)載荷

合成孔徑雷達(dá)是一種主動(dòng)式相干微波遙感成像技術(shù)，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(wú)法滿足對(duì)連續(xù)覆蓋和快速重復(fù)性觀測(cè)方面的需求，相比之下，無(wú)人機(jī)微型SAR在分辨率，精度、性能、成本等方面有很大的優(yōu)勢(shì)。合成孔徑雷達(dá)對(duì)植被有一定的穿透性，與可見(jiàn)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(cè)方面，具有無(wú)可替代的優(yōu)勢(shì)。無(wú)人機(jī)合成孔徑雷達(dá)載荷可以聯(lián)合多光譜載荷和激光雷達(dá)載荷進(jìn)行森林類(lèi)型分類(lèi)和生長(zhǎng)監(jiān)測(cè)。在合成孔徑雷達(dá)無(wú)人機(jī)載荷產(chǎn)品方面，1998年美國(guó)Sandia實(shí)驗(yàn)室和通用院子公司為捕食者無(wú)人機(jī)聯(lián)合研制了輕型Lynx SAR。2005年開(kāi)始，該實(shí)驗(yàn)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(wú)人機(jī)的快速發(fā)展，對(duì)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(wú)法滿足無(wú)人機(jī)載荷發(fā)展的需要。目前人們開(kāi)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(shù)實(shí)現(xiàn)芯片雷達(dá)。常用的微型SAR載荷產(chǎn)品有美國(guó)的Lynx SAR和Mini SAR、NanoSAR，德國(guó)的MISAR，中國(guó)科學(xué)院電子所的MSAR。

2 無(wú)人機(jī)遙感影像森林資源調(diào)查應(yīng)用

我國(guó)森林資源調(diào)查主要包括一、二、三類(lèi)調(diào)查。森林資源一類(lèi)調(diào)查主要是以森林固定樣地為主進(jìn)行每木檢尺的調(diào)查。森林資源二類(lèi)調(diào)查主要以小班為單位進(jìn)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(lèi)調(diào)查是以采伐區(qū)為單位進(jìn)行調(diào)查，實(shí)質(zhì)上為主伐作業(yè)和營(yíng)林作業(yè)服務(wù)的。利用無(wú)人機(jī)搭載光學(xué)數(shù)碼相機(jī)、高光譜掃描儀以及紅外相機(jī)、合成孔徑雷達(dá)，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(qiáng)度、高光譜和紅外數(shù)據(jù)，可以實(shí)現(xiàn)對(duì)森林特征參數(shù)的多源信息獲取。多源無(wú)人機(jī)載荷不僅能夠?qū)沃炅⒛緦?shí)現(xiàn)信息特征提取，還能夠進(jìn)行林場(chǎng)級(jí)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(wú)人機(jī)森林資源調(diào)查方面應(yīng)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(zāi)與病蟲(chóng)害監(jiān)測(cè)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(shù)高、胸徑、生物量、蓄積量和碳儲(chǔ)量的測(cè)算。通過(guò)搭載多源無(wú)人機(jī)載荷，可提取森林經(jīng)營(yíng)信息因子，如樹(shù)高、冠幅和郁閉度等測(cè)樹(shù)因子，可以建立航空森林模型估測(cè)模型。實(shí)現(xiàn)森林資源信息的快速、高效和低成本地獲取。

2.1.1 樹(shù)種識(shí)別 樹(shù)種類(lèi)別是森林資源調(diào)查中的重要指標(biāo)，許多森林資源參數(shù)都是基于樹(shù)種來(lái)進(jìn)行估測(cè)的。國(guó)內(nèi)外利用無(wú)人機(jī)進(jìn)行樹(shù)種識(shí)別研究，主要從高空間分辨率影像和高光譜影像兩個(gè)方面進(jìn)行。光學(xué)無(wú)人機(jī)遙感影像的分辨率較高，通過(guò)目視解譯，結(jié)合林相圖，根據(jù)不同樹(shù)種的紋理，形狀就可進(jìn)行樹(shù)種識(shí)別。如：馮家莉等[15]利用固定翼無(wú)人機(jī)，搭載Sony NEX-7相機(jī)對(duì)廣西英羅港紅樹(shù)林自然保護(hù)區(qū)進(jìn)行3個(gè)架次航拍，借助IPS 3.1攝影測(cè)量軟件對(duì)1 469張照片進(jìn)行了拼接，利用目視解譯方法提取紅樹(shù)林空間分布信息，研究結(jié)果表明基于無(wú)人機(jī)影像和面向?qū)ο筮b感分類(lèi)方法提取的紅樹(shù)林空間分布信息精度超過(guò)了90%，研究結(jié)果表明，無(wú)人機(jī)遙感可成為調(diào)查和監(jiān)測(cè)紅樹(shù)科Rhizophoraceae資源的重要技術(shù)手段。無(wú)人機(jī)高光譜影像進(jìn)行樹(shù)種識(shí)別的主要依據(jù)是因?yàn)橹脖还庾V一般具有一些獨(dú)特的吸收譜帶，不同樹(shù)種的獨(dú)特譜帶的特征形態(tài)和波長(zhǎng)位置往往比較穩(wěn)定，能反映出樹(shù)種之間的差異。在利用高光譜無(wú)人機(jī)影像進(jìn)行森林資源調(diào)查信息獲取方面，勾志陽(yáng)等[16]利用無(wú)人機(jī)搭載了中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所研制的128個(gè)波段的高光譜儀，在內(nèi)蒙古烏拉特前旗開(kāi)展了無(wú)人機(jī)高光譜成像儀場(chǎng)地絕對(duì)輻射定標(biāo)及驗(yàn)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(xì)農(nóng)業(yè)的成像光譜儀技術(shù)指標(biāo)，在國(guó)內(nèi)建立了基于無(wú)人機(jī)的低空農(nóng)作物成像光譜遙感平臺(tái)。趙旦[18]基于激光點(diǎn)云數(shù)據(jù)進(jìn)行了單木分離，從高光譜遙感影像中提取單木樹(shù)冠對(duì)應(yīng)的光譜，對(duì)單木光譜分別進(jìn)行了支持向量機(jī)和光譜角制圖法分類(lèi)，得到單木樹(shù)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(shù)種識(shí)別夠較好的識(shí)別大多數(shù)的單木樹(shù)種，優(yōu)勢(shì)樹(shù)種的識(shí)別正確率大于90%，優(yōu)勢(shì)與亞優(yōu)勢(shì)樹(shù)種識(shí)別平均正確率大于70%。

2.1.2 冠幅估測(cè) 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(cè)量樹(shù)冠垂直投影地面的東西方向和南北方向的長(zhǎng)度，即得到東西和南北方向的冠幅值。這種地面量測(cè)冠幅的方法費(fèi)時(shí)費(fèi)力。

無(wú)人機(jī)遙感影像，空間分辨率可以達(dá)到0.1 m，在中低郁閉度的林區(qū)，可以清晰看清樹(shù)冠的空間特征和紋理特征。利用無(wú)人機(jī)航空攝影測(cè)量進(jìn)行林區(qū)成像，數(shù)碼相機(jī)一般是采用垂直地面的方式對(duì)地拍攝，獲得到的影像通常是樹(shù)木的頂部信息，在影像上樹(shù)木以顆粒狀的樹(shù)冠呈現(xiàn)。通過(guò)樹(shù)冠和林窗間的顏色和色調(diào)差異，就可以識(shí)別樹(shù)冠的輪廓和范圍。常用的樹(shù)冠信息提取方法是人工目視解譯，此方法精度高，但無(wú)法實(shí)現(xiàn)大規(guī)模樹(shù)冠信息提取，目前較多研究采用面向?qū)ο蠓ㄟM(jìn)行冠幅信息提取。樊江川[19]對(duì)無(wú)人機(jī)影像先按照計(jì)算機(jī)自動(dòng)分類(lèi)的方法進(jìn)行了林地信息提取，針對(duì)林地利用ENVI軟件進(jìn)行了影像分割，在考慮光譜、紋理、顏色等信息的基礎(chǔ)之上，進(jìn)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(dá)到92.19%。Lin等[20]利用K-均值聚類(lèi)法和基于RGB的植被指數(shù)對(duì)無(wú)人機(jī)影像進(jìn)行了植被蓋度信息提取，利用形狀分析法和標(biāo)記分水嶺法對(duì)單木林木進(jìn)行了樹(shù)冠信息提取，研究結(jié)果表明標(biāo)記分水嶺樹(shù)冠提取法精度較高，達(dá)到74%。Honkavaara等[21]利用無(wú)人機(jī)搭載高光譜掃描儀，采用高光譜影像結(jié)合可見(jiàn)光影像的方法對(duì)研究區(qū)的林木樹(shù)冠進(jìn)行了分割，在冠幅分割的基礎(chǔ)之上利用運(yùn)動(dòng)場(chǎng)景法構(gòu)建了三維場(chǎng)景。

2.1.3 胸徑估測(cè) 冠幅和胸徑存在很大的相關(guān)關(guān)系，一般來(lái)講，對(duì)于同種樹(shù)種來(lái)講，冠幅越大，其胸徑也越大。無(wú)人機(jī)遙感技術(shù)用于胸徑估測(cè)，可通過(guò)典型樹(shù)種冠幅與胸徑之間的線性關(guān)系，建立回歸模型，從而利用影像上的量測(cè)值對(duì)胸徑進(jìn)行估測(cè)。樊仲謀[22]利用大地鷹D-III無(wú)人機(jī)對(duì)黃泥河大川林場(chǎng)進(jìn)行了航飛成像，對(duì)研究區(qū)按針葉樹(shù)、闊葉樹(shù)利用線性經(jīng)驗(yàn)?zāi)Ｐ汀愃偕L(zhǎng)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(shù)高——胸徑模型。孫夢(mèng)營(yíng)等[23]利用固定翼無(wú)人機(jī)對(duì)北京松山自然保護(hù)區(qū)進(jìn)行了攝影測(cè)量實(shí)驗(yàn)，分樹(shù)種根據(jù)冠幅和胸徑擬合關(guān)系方程，通過(guò)冠幅信息進(jìn)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(guān)系數(shù)達(dá)到0.962。Zhao等[24]利用無(wú)人機(jī)搭載激光配搭傳感器，對(duì)蘇格蘭地區(qū)的林木進(jìn)行了成像，在單木分割的基礎(chǔ)之上，建立了冠幅、樹(shù)高—胸徑模型，利用隨機(jī)森林和線性函數(shù)模型對(duì)區(qū)域內(nèi)林木的生物量進(jìn)行了估測(cè)，結(jié)果表明精度達(dá)到0.86以上。

2.1.4 樹(shù)高估測(cè) 樹(shù)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(shù)高分為單木樹(shù)高和林分平均高。利用無(wú)人機(jī)遙感影像，可進(jìn)行單木樹(shù)高的提取。王偉[25]利用大地鷹DIII型無(wú)人機(jī)，搭載SONY NEX-5N相機(jī)對(duì)黃泥河林業(yè)局大川林場(chǎng)進(jìn)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(guò)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(shù)高模型，實(shí)驗(yàn)驗(yàn)證兩種模型決定系數(shù)達(dá)0.67以上。韋雪花[26]利用輕小型機(jī)載LiDAR數(shù)據(jù)，進(jìn)行了森林特征參數(shù)提取研究，結(jié)果表明，利用輕小型機(jī)載LiDAR點(diǎn)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(dá)到83%，單木樹(shù)高提取精度為88%，單木樹(shù)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(jī)載激光雷達(dá)數(shù)據(jù)，研究了單株木的樹(shù)高提取和樹(shù)冠邊界識(shí)別算法，針對(duì)單株木的樹(shù)冠特征, 提出了一種雙正切角的樹(shù)冠識(shí)別算法。Wallace等[28]研制了一種適合于林業(yè)調(diào)查的無(wú)人機(jī)激光雷達(dá)系統(tǒng)，該系統(tǒng)搭載GPS接收機(jī)、IMU、高清攝像機(jī)、激光雷達(dá)，通過(guò)對(duì)獲取的圖像進(jìn)行卡爾曼濾波等處理后，樹(shù)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(wú)人機(jī)對(duì)研究區(qū)懷俄明州內(nèi)的林木進(jìn)行了成像，利用所獲取的數(shù)字正射影像對(duì)研究區(qū)內(nèi)的林木圖像進(jìn)行了分割，在數(shù)字表面模型基礎(chǔ)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(dá)到85%。Tejada等[30]利用無(wú)人機(jī)搭載包含紅外波段的數(shù)碼相機(jī)和激光雷達(dá)，對(duì)西班牙南部的阿爾科萊阿、科爾多瓦果園進(jìn)行了成像實(shí)驗(yàn)，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(kāi)DSM數(shù)字表面模型，結(jié)合地面調(diào)查點(diǎn)，對(duì)果園樹(shù)木的高度進(jìn)行了估測(cè)，研究結(jié)果表明樹(shù)高預(yù)測(cè)誤差在1.16 ~ 4.38 m之間。

2.1.5 郁閉度估測(cè) 林分郁閉度是指林分樹(shù)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(jìng)爭(zhēng)狀況，是森林資源調(diào)查中一個(gè)重要指標(biāo)。應(yīng)用無(wú)人機(jī)遙感影像對(duì)林分密度進(jìn)行估測(cè)，需要對(duì)單木樹(shù)冠進(jìn)行識(shí)別和分割，才能準(zhǔn)確提取單位面積內(nèi)林木株數(shù)。林分密度大是運(yùn)用傳統(tǒng)方法估測(cè)郁閉度最大障礙[31]。周艷飛等[32]以無(wú)人機(jī)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(shù)冠信息，獲得了樹(shù)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(jìn)行無(wú)人機(jī)樹(shù)冠信息提取，能克服目視解譯速度慢的缺點(diǎn)，對(duì)于大面積林分調(diào)查因子定量獲取具有優(yōu)勢(shì)。穆喜云等[33]基于機(jī)載LiDAR數(shù)據(jù)利用點(diǎn)云密度法對(duì)內(nèi)蒙古根河轄區(qū)森林進(jìn)行了林分郁閉度提取。研究結(jié)果表明LiDAR點(diǎn)云數(shù)據(jù)提取的郁閉度與實(shí)測(cè)郁閉度呈高度相關(guān)性，相關(guān)系數(shù)為0.852，但LiDAR數(shù)據(jù)提取的郁閉度與實(shí)測(cè)值存在明顯低估現(xiàn)象。王聰?shù)萚34]基于光學(xué)幾何模型，利用無(wú)人機(jī)影像對(duì)毛竹‘’林郁閉度進(jìn)行了定量反演研究，實(shí)驗(yàn)表明幾何光學(xué)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(wèn)題。國(guó)外最初利用無(wú)人機(jī)探測(cè)大田農(nóng)作物的郁閉度[35-36]。Chianucci等[37]利用eBee無(wú)人機(jī)搭載紅綠藍(lán)三個(gè)波段的數(shù)碼相機(jī)對(duì)意大利托斯卡納森林進(jìn)行了航攝，利用綠葉算法和CIE模型，結(jié)合魚(yú)眼鏡頭相機(jī)獲取郁閉度，對(duì)山毛櫸林進(jìn)行了冠層覆蓋度研究。McNeil等[38]大疆精靈3無(wú)人機(jī)和魚(yú)眼鏡頭，結(jié)合數(shù)字?jǐn)z影測(cè)量的方法對(duì)歐洲和美國(guó)的5種闊葉樹(shù)進(jìn)行了葉傾角信息的獲取，結(jié)果表明安裝在無(wú)人機(jī)上的數(shù)碼相機(jī)是闊葉樹(shù)葉傾角測(cè)量的有效工具，無(wú)人機(jī)遙感技術(shù)避免了從地上很難看清林冠的障礙，可以準(zhǔn)確、詳細(xì)的進(jìn)行葉傾角的測(cè)量。

2.1.6 蓄積量估測(cè) 材積和蓄積量是森林經(jīng)營(yíng)中常用的評(píng)價(jià)指標(biāo)。目前，利用無(wú)人機(jī)進(jìn)行蓄積量的估測(cè)多采用冠幅-蓄積量回歸模型進(jìn)行。何游云等[39]利用四旋翼無(wú)人機(jī)搭載SONY NEX-5N相機(jī)以王朗自然保護(hù)區(qū)岷江冷杉為研究對(duì)象，利用ArcGIS軟件目視解譯后的方法提取樹(shù)冠面積，利用回歸方程和異速生長(zhǎng)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(cè)精度達(dá)0.752。付凱婷[40]以EBEE無(wú)人機(jī)搭載數(shù)碼相機(jī)，提取桉樹(shù)單木冠幅、林分平均冠幅、郁閉度林分參數(shù)因子，與實(shí)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(guān)系模型得到航空單木材積模型從而估測(cè)了桉樹(shù)蓄積量。Puliti等[41]對(duì)利用無(wú)人機(jī)系統(tǒng)進(jìn)行小區(qū)域的森林資源調(diào)查進(jìn)行了研究，采用無(wú)人機(jī)系統(tǒng)對(duì)挪威的沃爾威林區(qū)進(jìn)行了成像，結(jié)合地面調(diào)查數(shù)據(jù)，進(jìn)行了優(yōu)勢(shì)木樹(shù)高估測(cè)、林木株數(shù)、蓄積量估測(cè)，精度分別達(dá)到0.97%，0.60%，0.85%。

2.1.7 生物量估測(cè) 區(qū)域尺度的森林生物量反演多通過(guò)回歸分析建模進(jìn)行整個(gè)研究區(qū)內(nèi)森林地上生物量估算。通過(guò)直接或間接測(cè)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(chǔ)量。Zahawi等[42]利用無(wú)人機(jī)搭載激光雷達(dá)載荷，對(duì)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(jìn)行了航飛實(shí)驗(yàn)，獲取了三維激光點(diǎn)云和多光譜點(diǎn)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(dú)的樹(shù)冠高度模型,估算了冠層高度和地上生物量，其與實(shí)測(cè)值對(duì)比，決定系數(shù)依次為0.83和0.87。Hopkinson等[43]利用機(jī)載激光雷達(dá)研究了加拿大薩斯喀徹溫省Prince Albert林場(chǎng)的地上生物量、總初級(jí)生產(chǎn)量和碳儲(chǔ)量，并和渦度相關(guān)方法進(jìn)行了對(duì)比，研究了活碳使用效率和積累生物量總初級(jí)生產(chǎn)量之間的關(guān)系。Saremi等[44]利用機(jī)載激光雷達(dá)對(duì)新南威爾士，澳大利亞的輻射松Monterey pine進(jìn)行了航飛成像，構(gòu)建了DBH模型，借助于異性生長(zhǎng)模型計(jì)算了蓄積量、生物量和碳儲(chǔ)量，對(duì)樹(shù)高、胸徑和激光雷達(dá)的獨(dú)立派生指標(biāo)的實(shí)地調(diào)查分析。研究結(jié)果表明，保證有足夠的點(diǎn)密度情況下，機(jī)載激光雷達(dá)數(shù)據(jù)可估計(jì)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(wù)和主要內(nèi)容,也是森林資源管理與動(dòng)態(tài)監(jiān)測(cè)的主體業(yè)務(wù)，傳統(tǒng)的“對(duì)坡勾繪”小班區(qū)劃方法，主觀性強(qiáng)、工作強(qiáng)度大，由于調(diào)查員知識(shí)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(wú)人機(jī)遙感影像進(jìn)行計(jì)算機(jī)自動(dòng)或半自動(dòng)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(yùn)雅[45]利用固定翼無(wú)人機(jī)搭載SONY NEX-5N相機(jī)對(duì)北京延慶松山國(guó)家自然保護(hù)區(qū)進(jìn)行航拍，對(duì)無(wú)人機(jī)遙感影像通過(guò)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(hù)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(cè)區(qū)區(qū)劃為了15個(gè)森林小班。張園等[46]利用千里眼固定翼無(wú)人機(jī)搭載索尼DSC-T90相機(jī)，對(duì)浙江農(nóng)林大學(xué)東湖校區(qū)周邊進(jìn)行成像，將測(cè)區(qū)地類(lèi)，分為竹林、馬尾松林、杉木林、闊葉林、農(nóng)業(yè)、居民地等6類(lèi)，通過(guò)其EDITOR功能模板對(duì)無(wú)人機(jī)遙感圖像進(jìn)行了森林區(qū)劃。史潔青等[47]針對(duì)無(wú)人機(jī)遙感影像，利用C#語(yǔ)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(shí)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(guó)營(yíng)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(shí)績(jī)2%、飛播造林出苗成效5%、封山育林實(shí)績(jī)及成效1%、退耕還林工程歷年退耕地造林1%。在利用無(wú)人機(jī)進(jìn)行森林成活率核查方面，李宇昊[48]對(duì)無(wú)人機(jī)在營(yíng)林造林核查中的應(yīng)用進(jìn)行了研究，對(duì)無(wú)人機(jī)影像進(jìn)行了色彩增強(qiáng)處理，以便識(shí)別病死苗和正常苗，結(jié)合地面調(diào)查，建立了樹(shù)種病死苗判讀標(biāo)志，采用株數(shù)統(tǒng)計(jì)和面積統(tǒng)計(jì)的方法計(jì)算了成活率。Getzin等[49]利用無(wú)人機(jī)對(duì)德國(guó)南部10 hm2的示范林地進(jìn)行了攝影成像，進(jìn)行了森林成活率研究。通過(guò)無(wú)人機(jī)影像提取分割了不同林木之間的空隙，應(yīng)用空間統(tǒng)計(jì)分析方法揭示了不同類(lèi)型林隙正負(fù)相關(guān)關(guān)系，研究結(jié)果表明利用多邊形相關(guān)函數(shù)適合從無(wú)人機(jī)影像上提取林隙，從而進(jìn)行林木成活率的研究。

2.4 森林火災(zāi)監(jiān)測(cè)

森林火災(zāi)是森林資源調(diào)查中的重要內(nèi)容，利用無(wú)人機(jī)遙感技術(shù)進(jìn)行森林火災(zāi)監(jiān)測(cè)快捷、高效。張?jiān)龅萚50]將無(wú)人機(jī)遙感可見(jiàn)光圖像用于森林火災(zāi)監(jiān)測(cè)，利用HSV顏色空間對(duì)圖像進(jìn)行了分割，得到完整的火災(zāi)區(qū)域，基于灰度共生矩陣和火災(zāi)邊緣圖像提取了火災(zāi)區(qū)域特征，用支持向量機(jī)方法完成火災(zāi)識(shí)別過(guò)程，提出的算法對(duì)森林火災(zāi)的檢測(cè)率可達(dá)到87.7%，識(shí)別率達(dá)到89.2%。郭偉等[51]依據(jù)無(wú)人機(jī)影像提出了基于混合高斯模型和顏色模型的多級(jí)火災(zāi)隱患驗(yàn)證算法，經(jīng)試驗(yàn)驗(yàn)證提高了火焰像素監(jiān)測(cè)準(zhǔn)確度和圖像處理速度，滿足了林火監(jiān)測(cè)實(shí)時(shí)性要求。馬瑞升等[52]構(gòu)建了微型無(wú)人機(jī)林火監(jiān)測(cè)系統(tǒng)，以像素RGB值為基礎(chǔ)對(duì)林區(qū)火場(chǎng)影像進(jìn)行了分類(lèi)。使用聚類(lèi)方法得到了顏色特征煙霧識(shí)別模型，利用該模型煙霧識(shí)別率在77%以上。Henry等[53]利用無(wú)人航空影像和視頻，提出了一種用于檢測(cè)森林火災(zāi)新的方法，利用顯色指數(shù)，用于圖像分類(lèi)和檢測(cè)火焰的色調(diào)和煙，并構(gòu)建了森林火災(zāi)檢測(cè)指標(biāo)。開(kāi)發(fā)了基于無(wú)人機(jī)遙感的森林防火算法，利用該算法，無(wú)人機(jī)獲取的燃燒和已經(jīng)燒毀的數(shù)據(jù)，利用手機(jī)軟件可以實(shí)時(shí)獲取。Yuan等[54]對(duì)無(wú)人機(jī)的發(fā)展與計(jì)算機(jī)視覺(jué)系統(tǒng)進(jìn)行了回顧，同時(shí)指出小型化的紅外攝像機(jī)有很低的敏感性，可應(yīng)用于火災(zāi)報(bào)警，無(wú)人機(jī)在森林火災(zāi)監(jiān)測(cè)和檢測(cè)中的應(yīng)用，需要載荷硬件技術(shù)和圖像處理技術(shù)的進(jìn)一步發(fā)展。Casbeer等[55]對(duì)利用多個(gè)低海拔、短航程無(wú)人機(jī)進(jìn)行森林火災(zāi)協(xié)同觀測(cè)進(jìn)行了研究，并提出了一種利用紅外傳感器進(jìn)行火災(zāi)實(shí)時(shí)監(jiān)測(cè)跟蹤的算法，利用該算法使用6個(gè)自由度無(wú)人機(jī)對(duì)森林火災(zāi)進(jìn)行了數(shù)值模擬。森林病蟲(chóng)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(cè)方法很難迅速、全面、客觀地反映病蟲(chóng)害的發(fā)生發(fā)展動(dòng)態(tài)，從而不能及時(shí)地、有針對(duì)性地采取防治措施。Merino等[56]考慮了不同種類(lèi)的傳感器，即紅外攝像機(jī)、攝像機(jī)、火災(zāi)探測(cè)器提出了一種多個(gè)異構(gòu)的協(xié)同感知系統(tǒng)無(wú)人機(jī)，對(duì)森林火災(zāi)利用無(wú)人機(jī)多載荷進(jìn)行了協(xié)同探測(cè)、監(jiān)測(cè)與測(cè)量。何誠(chéng)等[57]提出了一種基于GPS和微波測(cè)距的森林著火點(diǎn)定位方法，通過(guò)多旋翼無(wú)人機(jī)獲取林火影像，判斷林火位置，實(shí)驗(yàn)表明基于多旋翼無(wú)人機(jī)林火火點(diǎn)定位精度在10 m之內(nèi)。

2.5 森林病蟲(chóng)害監(jiān)測(cè)

傳統(tǒng)森林病蟲(chóng)害防治主要采用人工藥物方法，其效率低、周期長(zhǎng)。利用無(wú)人機(jī)進(jìn)行森林病蟲(chóng)害檢測(cè)，具有覆蓋范圍廣、監(jiān)測(cè)周期短等優(yōu)勢(shì)。在利用無(wú)人機(jī)進(jìn)行森林病蟲(chóng)害監(jiān)測(cè)方面，李衛(wèi)正等[58]利用固定翼無(wú)人機(jī)搭載單反數(shù)碼相機(jī)獲取了研究區(qū)松材線蟲(chóng)病影像，利用LPS軟件正射處理后導(dǎo)入Geolink，實(shí)現(xiàn)了病死木位置信息采集，經(jīng)地面差分GPS測(cè)量驗(yàn)證，水平位置偏差在0.24－2.82之間。費(fèi)運(yùn)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(duì)無(wú)人機(jī)采集的油松及沙棘正射圖進(jìn)行了圖像分割，研究結(jié)果表明，C-Means簡(jiǎn)單快速，可滿足實(shí)時(shí)性要求，對(duì)受災(zāi)油松和沙棘圖像分割效果較好。胡根生等[60]利用安裝在無(wú)人機(jī)平臺(tái)上的雙光譜相機(jī)所獲取的可見(jiàn)光和近紅外遙感圖像，采用改進(jìn)的加權(quán)支持向量數(shù)據(jù)描述多分類(lèi)算法，實(shí)現(xiàn)了病害松樹(shù)識(shí)別。Lehmann等[61]借助無(wú)人機(jī)獲取了高分辨率的彩色紅外識(shí)別圖像，對(duì)德國(guó)西部橡樹(shù)的甲蟲(chóng)病害進(jìn)行了研究，提出了一種改進(jìn)的歸一化植被指數(shù)算法，借助該算法和應(yīng)用不同的濾波器組合對(duì)該區(qū)域內(nèi)的橡樹(shù)災(zāi)害進(jìn)行了評(píng)價(jià)和監(jiān)測(cè)。

3 研究展望

無(wú)人機(jī)遙感為森林資源調(diào)查提供了新的技術(shù)方法，多載荷無(wú)人機(jī)平臺(tái)的應(yīng)用極大地?cái)U(kuò)展了森林資源調(diào)查的深度和廣度，為實(shí)現(xiàn)精準(zhǔn)林業(yè)奠定了基礎(chǔ)。目前，無(wú)人機(jī)遙感技術(shù)在森林資源調(diào)查中應(yīng)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(jī)和激光雷達(dá)進(jìn)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(dá)載荷的研究較少。利用無(wú)人機(jī)遙感進(jìn)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(gè)關(guān)鍵技術(shù)需要解決。

（1）無(wú)人機(jī)光學(xué)載荷應(yīng)用方面，由于樹(shù)木紋理特征相似性，利用影像進(jìn)行空三加密時(shí)，特征點(diǎn)不容易匹配，適用于林區(qū)的無(wú)人機(jī)影像匹配算法需要進(jìn)一步研究。目前，多數(shù)研究偏重于利用無(wú)人機(jī)影像進(jìn)行單木信息提取[64-65]，利用無(wú)人機(jī)影像進(jìn)行林分空間特征和結(jié)構(gòu)特征的研究還需進(jìn)一步加強(qiáng)，再次，由于光學(xué)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(xué)影像和激光雷達(dá)影像結(jié)合進(jìn)行森林資源調(diào)查信息提取的形式。

（2）無(wú)人機(jī)紅外遙感影像應(yīng)用方面，多數(shù)研究在可見(jiàn)光紅綠藍(lán)三個(gè)波段之外，增加了紅外波段，從而構(gòu)造多種植被指數(shù)，進(jìn)行生態(tài)環(huán)境信息提取。由于無(wú)人機(jī)具有機(jī)動(dòng)快速的特點(diǎn)，利用無(wú)人機(jī)紅外遙感進(jìn)行快速森林病蟲(chóng)害監(jiān)測(cè)和森林火災(zāi)監(jiān)測(cè)具有較大的優(yōu)勢(shì)，無(wú)人機(jī)紅外遙感病蟲(chóng)害監(jiān)測(cè)機(jī)理和森林火災(zāi)決策指揮系統(tǒng)需要進(jìn)一步研究。

（3）無(wú)人機(jī)激光雷達(dá)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(cè)量以及林分垂直結(jié)構(gòu)信息提取方面具有獨(dú)特的優(yōu)勢(shì)。但由于無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)量比較大，在加上森林內(nèi)部結(jié)構(gòu)復(fù)雜，不同林木之間遮擋嚴(yán)重，利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)進(jìn)行單木和林分分割的算法需要進(jìn)一步研究，以提高其提取精度。再次，無(wú)人機(jī)激光雷達(dá)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(jìn)行森林資源信息提取還需要進(jìn)一步研究。

（4）無(wú)人機(jī)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(diǎn)，可廣泛應(yīng)用于森林植被類(lèi)型識(shí)別，植物生化參數(shù)探測(cè)，病蟲(chóng)害信息探測(cè)等。但輕小型無(wú)人機(jī)系統(tǒng)搭載推掃式高光譜相機(jī)時(shí)，由于震動(dòng)會(huì)造成成像質(zhì)量下降，利用高光譜遙感數(shù)據(jù)進(jìn)行森林資源調(diào)查信息提取時(shí)，需要對(duì)圖像進(jìn)行配準(zhǔn)，幾何校正方法，無(wú)人機(jī)高光譜遙感監(jiān)測(cè)森林病蟲(chóng)害的機(jī)理需要進(jìn)一步研究。無(wú)人機(jī)合成孔徑雷達(dá)森林資源調(diào)查應(yīng)用還處于起步階段，其應(yīng)用廣度和深度都需要進(jìn)一步探索。

由于無(wú)人機(jī)遙感不受軌道和重訪周期的限制，具有云下作業(yè)、厘米級(jí)超高分辨率數(shù)據(jù)獲取和小時(shí)級(jí)響應(yīng)能力，可廣泛應(yīng)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(shè)計(jì)調(diào)查等。通過(guò)在無(wú)人機(jī)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(jī)理、成像條件不同，影像之間的差別較大，不同傳感器需要進(jìn)行優(yōu)勢(shì)互補(bǔ)。隨著技術(shù)的發(fā)展，無(wú)人機(jī)載荷技術(shù)將進(jìn)一步成熟，無(wú)人機(jī)遙感系統(tǒng)在森林資源調(diào)查中應(yīng)用范圍將進(jìn)一步擴(kuò)大，更加有效地服務(wù)于生態(tài)環(huán)境建設(shè)。

[1] 趙芳. 測(cè)樹(shù)因子遙感獲取方法研究[D]. 北京：北京林業(yè)大學(xué)，2014.

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

[3] 馮仲科，孟憲宇，韓熙春. 建立我國(guó)多級(jí)分辨率的森林資源調(diào)查技術(shù)體系[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，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(shù)發(fā)展分析[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（09）：257－265.

[5] 李德仁，李明. 無(wú)人機(jī)遙感系統(tǒng)的研究進(jìn)展與應(yīng)用前景[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2014，39（5）：505－513.

[6] 汪沛，羅錫文，周志艷，等. 基于微小型無(wú)人機(jī)的遙感信息獲取關(guān)鍵技術(shù)綜述[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（18）：1－12.

[7] 胡健波，張健. 無(wú)人機(jī)遙感在生態(tài)學(xué)中的應(yīng)用進(jìn)展[J]. 生態(tài)學(xué)報(bào)，2018，38（01）：20－30.

[8] 李祥，鄭淯文，戴楚彥，等. 基于無(wú)人機(jī)影像的森林信息獲取研究進(jìn)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(wú)人機(jī)遙感發(fā)展報(bào)告[M]. 北京：科學(xué)出版社，2016：109－112.

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

[11] 樊浩然，王云，張宏偉. 無(wú)人機(jī)載森林防火告警系統(tǒng)設(shè)計(jì)[J]. 大氣與環(huán)境光學(xué)學(xué)報(bào)，2017，12（01）：74－80.

[12] 范晉祥，楊建宇. 紅外成像探測(cè)技術(shù)發(fā)展趨勢(shì)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(dá)森林參數(shù)反演研究進(jìn)展[J]. 遙感學(xué)報(bào)，2016，20（05）：1138－1150

[14] 張紹飛. 森林資源調(diào)查中無(wú)人機(jī)遙感的應(yīng)用[J]. 農(nóng)技服務(wù)，2017，34（6）：104－104.

[15] 馮家莉，劉凱，朱遠(yuǎn)輝，等. 無(wú)人機(jī)遙感在紅樹(shù)林資源調(diào)查中的應(yīng)用[J]. 熱帶地理，2015，35（1）：35－42.

[16] 勾志陽(yáng)，晏磊，陳偉，等. 無(wú)人機(jī)高光譜成像儀場(chǎng)地絕對(duì)輻射定標(biāo)及驗(yàn)證分析[J]. 光譜學(xué)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(guó)科學(xué)技術(shù)大學(xué)，2012.

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

[19] 樊江川. 無(wú)人機(jī)航空攝影測(cè)樹(shù)技術(shù)研究[D]. 北京：北京林業(yè)大學(xué)，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(cè)樹(shù)原理與技術(shù)方法研究[D]. 北京：北京林業(yè)大學(xué)，2015.

[23] 孫夢(mèng)營(yíng)，馮仲科，李蘊(yùn)雅. 九棵樹(shù)法提取林分調(diào)查因子原理與應(yīng)用[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào)，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(wú)人機(jī)影像森林信息提取與模型研建[D]. 北京：北京林業(yè)大學(xué)，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(xué)，2013.

[27] 劉清旺，李增元，陳爾學(xué)，等. 利用機(jī)載激光雷達(dá)數(shù)據(jù)提取單株木樹(shù)高和樹(shù)冠[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，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(wú)人機(jī)影像樹(shù)冠信息效果分析[J]. 新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014（3）：231－235.

[33] 穆喜云，張秋良，劉清旺，等. 基于機(jī)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(xué)學(xué)報(bào)，2015（9）：84－89.

[34] 王聰，杜華強(qiáng)，周?chē)?guó)模，等. 基于幾何光學(xué)模型的毛竹林郁閉度無(wú)人機(jī)遙感定量反演[J]. 應(yīng)用生態(tài)學(xué)報(bào)，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(wú)人機(jī)遙感測(cè)定岷江冷杉單木樹(shù)干生物量[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，2016，38（5）：42－49.

[40] 付凱婷. 無(wú)人機(jī)遙感技術(shù)估算桉樹(shù)蓄積量的研究[D]. 南寧：廣西大學(xué)，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(yùn)雅. UAV-RS3D像對(duì)森林信息提取方法研究[D]. 北京：北京林業(yè)大學(xué)，2016.

[46] 張園，陶萍，梁世祥，等. 無(wú)人機(jī)遙感在森林資源調(diào)查中的應(yīng)用[J]. 西南林業(yè)大學(xué)學(xué)報(bào)，2011，31（3）：49－53.

[47] 史潔青，馮仲科，劉金成. 基于無(wú)人機(jī)遙感影像的高精度森林資源調(diào)查系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33（11）：82－90.

[48] 李宇昊. 無(wú)人遙感飛機(jī)在營(yíng)造林核查中應(yīng)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?jiān)觯醣樾崳? 無(wú)人機(jī)森林火災(zāi)監(jiān)測(cè)中火情檢測(cè)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(wú)人機(jī)林火監(jiān)測(cè)與圖像處理技術(shù)[J]. 森林防火，2014（4）：26－29.

[52] 馬瑞升，楊斌，張利輝，等. 微型無(wú)人機(jī)林火監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 浙江農(nóng)林大學(xué)學(xué)報(bào)，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(chéng)，張思玉，姚樹(shù)人. 旋翼無(wú)人機(jī)林火點(diǎn)定位技術(shù)研究[J]. 測(cè)繪通報(bào)，2014（12）：24－27.

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

[59] 費(fèi)運(yùn)巧，劉文萍，駱有慶，等. 森林病蟲(chóng)害監(jiān)測(cè)中的無(wú)人機(jī)圖像分割算法比較[J]. 計(jì)算機(jī)工程與應(yīng)用，2017，53（8）：216－223.

[60] 胡根生，張學(xué)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(shù)識(shí)別[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，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(dá)在森林生態(tài)系統(tǒng)監(jiān)測(cè)模擬中的應(yīng)用現(xiàn)狀與展望[J]. 科學(xué)通報(bào)，2014，59（06）：459－478.

[63] 李亞?wèn)|，馮仲科，明海軍，等. 無(wú)人機(jī)航測(cè)技術(shù)在森林蓄積量估測(cè)中的應(yīng)用[J]. 測(cè)繪通報(bào)，2017（04）：63－66.

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

[65] 劉清旺，李世明，李增元，等. 無(wú)人機(jī)激光雷達(dá)與攝影測(cè)量林業(yè)應(yīng)用研究進(jìn)展[J]. 林業(yè)科學(xué)，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(hù)開(kāi)發(fā)管理研究；E-mail：276197619@163.com。

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