遙感技術在森林資源調查監(jiān)測中的運用及發(fā)展探析

吳恒 閆睿

摘要? 從傳感器、遙感平臺、信息交互方面闡述了遙感工作模型，回顧了中國林業(yè)遙感的發(fā)展歷程，分析了遙感技術在林業(yè)中的運用，并總結了林業(yè)遙感調查方法、特點及技術難點，提出了林業(yè)遙感應圍繞圖像識別與分類、定量遙感與反演、尺度效應與轉換、影像變化監(jiān)測4個方面開展生產和研究，助力新時期林業(yè)草原事業(yè)高質量發(fā)展。

關鍵詞? 遙感技術；資源監(jiān)測；人工智能

中圖分類號? S771.8? 文獻標識碼? A? 文章編號? 0517-6611（2024）09-0099-03

doi：10.3969/j.issn.0517-6611.2024.09.022

開放科學（資源服務）標識碼（OSID）：

Application and Development of Remote Sensing Technology in Forest Resources Investigation and Monitoring

WU Heng1， YAN Rui2

（1. Southwest Survey and Planning Institute， National Forestry and Grassland Administration， Kunming， Yunnan 650031;2. Northwest Survey and Planning Institute， National Forestry and Grassland Administration， Xian， Shaanxi 710048）

Abstract? This paper expounds the working model of remote sensing from sensor， platform， and information interaction， reviews the development history of Chinese forestry in remote sensing application， analyzes the applications of remote sensing technology in forestry， and summarizes the methods， characteristics and technical difficulties of forestry remote sensing investigation. It is also suggested that forestry remote sensing should focus on image recognition and classification， quantitative remote sensing and inversion， scale effect and transformation， image change monitoring， so as to facilitate the high-quality development of forestry grassland in the new era.

Key words? Remote sensing technology;Resource monitoring;Artificial intelligence

基金項目? 國家林業(yè)和草原局西南調查規(guī)劃院科技項目“基于區(qū)域化特征分析的森林碳儲量年度監(jiān)測抽樣設計優(yōu)化研究”（2023-09）。

作者簡介? 吳恒（1990—），男，云南曲靖人，高級工程師，博士，從事林草資源調查監(jiān)測與規(guī)劃設計研究。

收稿日期? 2023-07-03

遙感（remote sensing）是20世紀60年代由美國地理學家Evelyn.L.Pruitt等提出，并逐漸發(fā)展起來的對地或物的綜合性觀測技術［1］。遙感技術是根據(jù)傳感器收到的電磁波譜特征差異來識別或測量地物的應用性技術，遙感技術的基礎理論是電磁輻射與地物光譜特性，技術革新和創(chuàng)新應用也都是圍繞基礎理論開展，遙感技術可以根據(jù)運載工具、電磁波段工作區(qū)域、獲取方式、傳感器工作形式等維度進行分類。

2012年，我國自主研制的“資源三號”衛(wèi)星升空，標志著國產衛(wèi)星影像進入國際先進水平行列。該衛(wèi)星可獲得2.1 m的正視全色影像，3.5 m的前視和后視全色影像，6.0 m的4個波段多光譜影像。遙感技術作為林業(yè)行業(yè)的重要技術手段之一，已經廣泛用于森林資源調查、宏觀監(jiān)測、生態(tài)評價、督查溯源，結合森林火災、病蟲害、冰雪災害等大量用于應急監(jiān)測和災害評估，高精度的無人機遙感技術在林業(yè)司法鑒定也有普遍運用［2］。遙感數(shù)據(jù)的應用種類也涵蓋了低、中、高分辨率的多光譜、高光譜以及雷達數(shù)據(jù)，為森林資源監(jiān)測提供了各種遙感信息源。

1? 遙感概述與技術難點

1.1? 技術系統(tǒng)

1.1.1? 傳感器。

傳感器是遙感技術的核心固件，主動遙感中起到發(fā)射電磁波能量，被動遙感中更多是記錄地物反射電磁波能量信息，也就是傳感器的2種不同工作方式。搭載主動傳感器的遙感技術可歸為主動遙感，是由傳感器主動向被觀測物或地面發(fā)射電磁波，然后傳感器再接收反射回來的電磁波并進行記錄，如激光雷達是以發(fā)射激光束探測目標位置、速度等特征量的傳感器。被動傳感器是只能接收被觀測物或地面收到太陽等輻射后反射回來的電磁波能量信息，如攝影機（航空攝影機和多光譜攝影機）、多波段掃描儀（紅外掃描儀和多光譜掃描儀）等。

1.1.2? 遙感平臺。

搭載傳感器的運載工具稱為遙感平臺，根據(jù)高度不同可分為地基平臺、航空平臺和航天平臺三大類。地基平臺是指在地面上裝載傳感器的固定或可移動裝置，如樹干等，主要用于校準和輔助航空與航天遙感工作。航空平臺主要指飛機和無人機等，小型無人機因其機動、零活和便攜等特點，在航空遙感中運用較為普遍。航天平臺主要是指各種類型的對地觀測衛(wèi)星、空間站和航天飛機等，在航天平臺上進行的遙感稱航天遙感。

1.1.3? 信息交互。

遙感信息主要是指由航空遙感和航天遙感所獲得的光譜信息。如何將遙感信息適時地傳輸回地面，經適當處理提供給用戶是遙感技術系統(tǒng)的重要環(huán)節(jié)。遙感信息的傳輸包括直接回收和視頻傳輸2種方式，直接回收的技術路徑是先存儲再進行信息交互，對存儲設備的性能要求較高；視頻傳輸?shù)募夹g路徑是先轉換再傳輸，精度在很大程度上取決于電磁波能量信息轉化的算法，新的技術運用中也是將直接回收和視頻傳輸結合起來，實現(xiàn)及時影像的獲取和存儲，在森林火災即時監(jiān)測中運用較多。

1.2? 技術難點

遙感調查、監(jiān)測、評價等過程中產生了海量數(shù)據(jù)，數(shù)據(jù)來源、數(shù)據(jù)類型、數(shù)據(jù)結構等多元化特征和去中心化并行分布存儲的特點對傳統(tǒng)的數(shù)據(jù)管理和數(shù)據(jù)庫技術提出了新的要求。如何組織、存儲遙感數(shù)據(jù)和高效獲取、處理數(shù)據(jù)是遙感技術中數(shù)據(jù)處理和挖掘的關鍵技術，由數(shù)據(jù)存儲管理向基于人工智能、機器學習、模式識別等數(shù)據(jù)挖掘技術發(fā)展，高度自動化地分析調查數(shù)據(jù)，作出歸納性推理，用于決策支持。隨著遙感數(shù)據(jù)的增加及數(shù)據(jù)質量的改善，海量遙感信息也給調查監(jiān)測帶來挑戰(zhàn)，如何把有用的信息從現(xiàn)有的遙感數(shù)據(jù)中挖掘出來，如何在統(tǒng)計模型研究的基礎上提高數(shù)據(jù)精確性、置信度、推廣性是亟待解決的問題。

同時，遙感數(shù)據(jù)存在著相當大的不確定性，實際上無真值。其不確定性來自2個方面：一方面數(shù)據(jù)本身沒有真值或很難得到真值，如區(qū)域生物量從理論上無真值或實際無法測量真值；另一方面是由于數(shù)據(jù)獲取過程中存在一個或多個不確定的干擾因素，而這些因素又是隨機的，具有不可重復性，這就造成遙感數(shù)據(jù)的不確定性與數(shù)據(jù)驗證的困難。從實際應用出發(fā)，針對遙感數(shù)據(jù)的不確定性應在給定的遙感工作狀態(tài)與工作參數(shù)情況下得到遙感調查的誤差范圍，對于遙感數(shù)據(jù)的檢驗也應當有一個標準化范式。應進一步建立完善遙感影像質量、遙感圖像處理工程技術、“3S”一體化基礎數(shù)據(jù)集等標準體系，逐步構建長時間系列、多尺度、覆蓋大范圍的遙感數(shù)據(jù)集。

2? 林業(yè)遙感的發(fā)展歷程及應用

2.1? 發(fā)展歷程

我國林業(yè)遙感自1951年始，已有近70年的發(fā)展歷程，可以劃分為目視解譯應用（1951—1980年）、拓展創(chuàng)新應用（1981—2000年）和定量遙感及綜合運用（2001—2020年）3個階段［3］。目視解譯應用階段主要通過在影像片上人工勾繪林班等信息，結合地面調查測量完成調繪任務；拓展創(chuàng)新應用階段改變了傳統(tǒng)的森林資源調查模式，衛(wèi)星遙感影像獲取了大量的先驗信息，用于輔助調查區(qū)劃和抽樣設計等，有效促進了工作效率的提高，發(fā)展了基于多時相、多頻SAR、干涉SAR等的森林分類制圖方法［4］；定量遙感及綜合運用階段促進了定量遙感技術的快速發(fā)展和林業(yè)綜合監(jiān)測技術體系的形成，林業(yè)遙感由傳統(tǒng)的定性運用向定量遙感研究轉變，也更多地關注大尺度森林生態(tài)監(jiān)測，有能力生產宏觀尺度的專題產品，并建立了林草生態(tài)感知網絡系統(tǒng)，為森林資源調查、監(jiān)測、評價提供高分辨率遙感分類、變化檢測、生態(tài)評估等系統(tǒng)運用。

2.2? 生產應用

2.2.1? 資源調查。

森林資源調查面廣、量大、持續(xù)等特點與遙感技術的宏觀性和周期性優(yōu)勢高度契合，是遙感技術廣泛用于森林資源調查工作的主要原因，并且隨著傳感器獲取遙感數(shù)據(jù)的時間、空間和光譜分辨率不斷提高，搭載平臺多樣化、便攜化、輕便化的持續(xù)發(fā)展，遙感技術在森林資源調查監(jiān)測中的運用不斷拓展和延伸。新中國成立后，林業(yè)系統(tǒng)組建了“森林航空測量調查大隊”，運用航空攝影技術，結合航空調查和地面綜合調查完成了森林資源的遙感調查。20世紀80年代以后，開始采用如TM、SPOT和國產高分影像等進行森林資源輔助區(qū)劃調查，并形成森林資源分布數(shù)據(jù)［5］。新世紀以后，遙感森林資源調查技術逐漸與森林資源連續(xù)清查、森林督查、國家級公益林監(jiān)測等業(yè)務不斷融合，并形成了具有資源調查特點的技術體系。隨著雷達技術的普及和成本持續(xù)降低，在一定區(qū)劃范圍和精度要求內，集合光學影像和合成孔徑雷達信息的多源遙感數(shù)據(jù)廣泛應用于森林資源定量調查，如生物量和碳密度的反演，但林分環(huán)境因子會對后向散射系數(shù)產生顯著影響，限制了激光雷達在大尺度調查中的應用。

2.2.2? 生態(tài)監(jiān)測。

森林生態(tài)系統(tǒng)的宏觀尺度、長周期性、持續(xù)觀測等特點和要求與傳統(tǒng)的生態(tài)監(jiān)測方法存在差距，且監(jiān)測有關生物多樣性、資源儲量和生態(tài)系統(tǒng)結構功能的關鍵指標（如凈初級生產力、土地覆蓋﹑干擾等）精度控制存在困難，急需解決生態(tài)監(jiān)測中工作效率低、時效性差、區(qū)域尺度受限等實際困難。基于遙感影像的生態(tài)監(jiān)測，結合NDVI等像元尺度上的斑塊內部信息，分析生境與生物多樣性的關系，可以得到更為精確的像元尺度生態(tài)監(jiān)測結果，但樹種間的差異在遙感影像上難以體現(xiàn)［6］。遙感技術的連續(xù)大尺度的觀測能力恰好提供了優(yōu)化生態(tài)監(jiān)測技術的有效途徑，但仍然難以解決植物種屬識別等難題，微觀尺度的生態(tài)監(jiān)測仍然以地面調查為主，實際生產中更多的是融合遙感監(jiān)測和地面調查各自的優(yōu)勢，以滿足不同尺度森林資源、生態(tài)過程監(jiān)測分析的需求。

2.2.3? 干擾監(jiān)測。

運用遙感技術進行干擾監(jiān)測包括病蟲害監(jiān)測、火災監(jiān)測和林窗監(jiān)測。植物受到病蟲害侵襲會導致植物在各波段上的波譜值發(fā)生變化，尤其是紅外波段的光譜值會發(fā)生較大的突變，從遙感數(shù)據(jù)中提取這些變化信息，可分析病蟲害的發(fā)源地、災情分布、發(fā)展狀況，為病蟲害防治提供依據(jù)。高光譜遙感主要通過測定植物生活力，如葉綠素含量、植物體內化學成分變化等完成森林健康監(jiān)測［7］。無人機遙感技術以其高時效﹑高分辨率﹑高機動性等特點，能快速獲取森林災害程度數(shù)據(jù)，已成為森林災害監(jiān)測的重要手段，也應用于災害損毀等林業(yè)司法鑒定工作中。火災監(jiān)測主要采用的是NOAA/AVHRR和MODIS等中低分辨率的極軌衛(wèi)星數(shù)據(jù)，通過建立火災與不同波段的關系模型，達到動態(tài)監(jiān)測森林火情的目標。林窗監(jiān)測可采用多源遙感數(shù)據(jù)模擬林分動態(tài)變化，在森林循環(huán)動態(tài)理論基礎上推演林窗的生成和閉合。

3? 林業(yè)遙感調查方法及特點

3.1? 遙感調查方法

3.1.1? 衛(wèi)星遙感。

衛(wèi)星遙感通過建立傳感器獲取信息與地物電磁波輻射之間的關系，探測與電磁波相關的各類地物屬性。對森林生產力和功能結構監(jiān)測時，多采用 MODIS數(shù)據(jù)、NOAA/AVHRR數(shù)據(jù)和SPOT -VEGETATION數(shù)據(jù)；森林植被生態(tài)狀況監(jiān)測時常采用 MODIS系列數(shù)據(jù)；森林演替遙感監(jiān)測時較多選用的是 Landsat TM/ETM+/OLI數(shù)據(jù)。小范圍、重點區(qū)域沙化遙感監(jiān)測時常用Quick Bird、Worldview、Geoeye、IKONOS，以及GF等高分辨率數(shù)據(jù)。

3.1.2? 航空遙感。

從技術經濟學的角度出發(fā)，航空遙感在森林資源規(guī)劃設計調查中的應用更為廣泛。航空遙感能夠彌補衛(wèi)星遙感的成本高、周期長、分辨率低、受天氣狀況影響大等缺點。如低空無人機可對林班、小班進行靈活高效的大范圍、高分辨率影像獲取，能夠極大地提高森林資源調查外業(yè)數(shù)據(jù)采集效率和自動化水平，是對傳統(tǒng)衛(wèi)星遙感調查和有人駕駛飛機航空調查的有效補充［8］。衛(wèi)星遙感和航空遙感僅僅是搭載平臺的差異，兩者的關鍵技術仍然是圖像處理、識別和信息提取，融合其他領域圖像識別技術的優(yōu)勢，人工智能在林業(yè)遙感影像特征提取中的運用也日益廣泛。

3.1.3? 微波遙感。

1978年，美國首次發(fā)射了合成孔徑雷達海洋遙感衛(wèi)星，開拓了雷達衛(wèi)星遙感的新階段。微波遙感全天時、全天候的技術優(yōu)勢使其能夠在有云甚至陰雨氣候條件下正常獲取影像數(shù)據(jù)，成為遙感技術中一種不可替代的數(shù)據(jù)獲取的手段。主動微波遙感增加了人的主觀能動性，人們可以根據(jù)觀測目標的特點選擇適合的波長以及微波的各種技術參數(shù)，以改善遙感影像獲取信息的實際效果，缺點是增加了遙感影像數(shù)據(jù)噪聲的來源，降低了信噪比。

3.2? 遙感調查特點

遙感調查具有尺度宏觀、信息豐富、時相動態(tài)、靈活全面等特點。一是遙感調查信息量大，光譜特征明顯，具有全天候觀測的特點［9］。二是擴充了調查觀察范圍，微波遙感可穿透植被、云霧、疏散覆蓋物和冰層等。三是遙感調查具有周期成像和時相特點，動態(tài)變化顯著，這更利于及時監(jiān)測森林資源變化。四是遙感調查收集資料方便，不受地面條件限制，具有全面徹底的特點。五是遙感技術可以獲得地面上任何一個地區(qū)的資料，并使資料的搜集全面化、徹底化，如全球森林資源評估遙感調查。運用遙感技術獲取的航天、航空影像克服了地面工作中點、線、面調查的局限性及視域阻隔，對森林資源區(qū)劃調查具有更好的輔助作用，效果也優(yōu)于地面調查。

4? 林業(yè)遙感的發(fā)展方向

4.1? 圖像識別與分類

遙感影像分類是根據(jù)遙感影像中目標物的波譜特征或者其他特征確定每個像元類別的過程。人工目視解譯、計算機自動解譯和綜合解譯是遙感影像解譯的主要方法，人工目視解譯的工作效率低，分類結果主觀性強，分類精度高低很大程度上取決于目視解譯人員對影像所覆蓋區(qū)域的森林植被了解程度及個人的經驗和知識。由人工目視解譯走向計算機自動解譯是遙感發(fā)展的必然要求，在特定的條件下，遙感圖像的目視解譯是不可缺少的，計算機自動解譯并不能完全取代人工目視解譯。

根據(jù)是否采用先驗信息可將遙感影像自動解譯劃分為監(jiān)督分類和非監(jiān)督分類，監(jiān)督分類的解譯方法需要建立解譯標志庫，通過參數(shù)或者非參數(shù)模型訓練形成不同的樹種類別的先驗信息，基于先驗信息實現(xiàn)對區(qū)域森林資源的區(qū)劃調查，精度受限于訓練樣本的數(shù)量和模型算法，通常運用于森林資源規(guī)劃設計調查。非監(jiān)督分類更多的是采用聚類分析的原理，將具有相同影像特征的斑塊集合在一起，直接根據(jù)遙感數(shù)據(jù)本身的特點進行分組，缺少了反演過程，分類精度主要取決于數(shù)據(jù)本身和分類算法。

4.2? 定量遙感與反演

定量遙感反演的模型有經驗模型、過程模型或混合模型，基于樹木結構參數(shù)的遙感反演模型采用樹高代替經典測樹學中胸徑作為主要參數(shù)，并發(fā)展了諸多星載全波形樹高反演模型；基于植被特征指數(shù)的遙感反演模型可以構建出多種植被指數(shù)，進而估測出區(qū)域植被生物量；基于過程機理的遙感反演模型，如CENTURY、CARAIB、TEM大尺度模型系統(tǒng)需要的參數(shù)較多，反演的精度往往取決于數(shù)據(jù)質量。定量遙感的核心在于反演，反演的關鍵是建立遙感數(shù)據(jù)與森林資源調查樣本參數(shù)之間的關系模型，從有限數(shù)量的觀測中提取有關時空多變要素的信息，本質上是一個觀測量少于未知量的病態(tài)反演問題，除在建立前向模型時必須突出主導因子之外，反演中必須充分利用已有的先驗知識［10］。

20世紀70年代基于航空攝影測量編制的數(shù)量化航空材積表，就是蓄積量反演的實際運用，但實際生產中也存在一定局限性，如光學遙感數(shù)據(jù)易飽和，利用常規(guī)方法難以挖掘光學信息與生物量之間復雜非線性關系，采用深度學習算法解決又缺乏大量的高精度樣本。采用微波數(shù)據(jù)建立反演模型則存在數(shù)據(jù)源較少且受地形起伏干擾較大，LiDAR的離散屬性對大范圍連續(xù)監(jiān)測存在限制，不同地區(qū)模型的適用性差等問題。因此，生物量反演要克服單一遙感手段的不足，構建空天地一體化對地觀測網絡，解決多源遙感信息一體化、快速和綜合處理等關鍵技術［11］。

4.3? 尺度效應與轉換

尺度效應是指不同尺度間遙感對地物或地表提取信息表現(xiàn)出不同的特征差異，尺度轉換是指地表參數(shù)從一個尺度轉換到另一個尺度時對同一參數(shù)在不同尺度中進行描述，遙感數(shù)據(jù)和信息的尺度轉換是提高遙感應用效率和實用性的關鍵［12］。森林資源空間信息尺度包括單木尺度、林分尺度、經營單位尺度、區(qū)域尺度、全球尺度，從微觀到宏觀或者從宏觀到微觀的尺度變化通常會伴隨著精度和有效性的改變，如采用相同的影像，全國的森林資源特點可能在與某些省份具有較高的相似性，也可能相差甚遠，這就需要根據(jù)影像的尺度效應進行修正，將高分辨率遙感影像處理為低分辨率影像，以適應不同的應用需求。

隨著傳感器技術的發(fā)展，森林資源調查、監(jiān)測、評價的遙感數(shù)據(jù)產品也不斷豐富，形成多時相、多分辨率、多周期和多波段的遙感數(shù)據(jù)結構，也為遙感數(shù)據(jù)尺度轉換提供多種途徑。參數(shù)化方法如空間自相關性指數(shù)、尺度方差與變差、局部方差法等被用于森林資源遙感影像處理的尺度變化，結合非參數(shù)化模型如人工神經網絡、支持向量機、機器學習等也能優(yōu)化尺度轉換的算法，從而提高精度或效率。

4.4? 影像變化檢測

變化檢測有著廣泛的應用，常用于土地利用管理監(jiān)測，如林地征占用、采伐和開墾等，也可用于林業(yè)規(guī)劃設計，林業(yè)工程效益評估，森林災害恢復監(jiān)測等，為林業(yè)資源管理提供科學決策的依據(jù)。常用的變化檢測方法有影像差值法﹑影像比值法﹑影像回歸法、直接多時相影像分析法、主成分分析法、變化向量分析法、波段交叉相關分析及混合檢測法等。遙感變化信息檢測需要考慮多種因素，包括遙感系統(tǒng)因素和環(huán)境因素，以及檢測對象和影像參數(shù)等條件的不同。不同時相的遙感影像之間可能存在多種變化因素，如物候變化、陰影變化、傳感器變化、地形變化等，森林資源變化監(jiān)測尤其要考慮物候變化導致的林冠影像差異而引起的偽變化，并進行相應的處理，以準確地檢測出地表特征隨時間發(fā)生的變化。

機器學習是人工智能的核心，是一門涉及概率論、統(tǒng)計學、逼近論等多領域的交叉學科，其關注的重點是如何使機器模仿人類的思考方式和學習能力，在大數(shù)據(jù)的支持和以往經驗的累積下，不斷獲取新的知識或技能，不斷完善自身結構及改善自身性能［12-13］，可以不斷優(yōu)化模型參數(shù)，提供更接近實際的結果。深度學習在遙感影像領域應用最多的領域是遙感影像分割，深度學習在遙感影像分割領域應用最多的是語義分割模型，常用的語義分割模型很多，主要有UNet、PSPNet、SegNet、DeepLab系列模型，最新的一些模型加入了注意力機制，如Swin Transformer等，在訓練模型的成本提升的基礎上，精度上有所提升。自動區(qū)劃完成后，區(qū)劃邊界沿像素值邊界前進，可能存在區(qū)劃邊界點過密、鋸齒狀明顯等問題，實際應用仍然存在諸多不便，輔助區(qū)劃是實現(xiàn)遙感影像變化檢測半自動區(qū)劃的有效途徑。

參考文獻

［1］ 龔健雅.人工智能時代測繪遙感技術的發(fā)展機遇與挑戰(zhàn)［J］.武漢大學學報（信息科學版），2018，43（12）：1788-1796.

［2］ 張會儒，雷相東，李鳳日.中國森林經理學研究進展與展望［J］.林業(yè)科學，2020，56（9）：130-142.

［3］ 李增元，陳爾學.中國林業(yè)遙感發(fā)展歷程［J］.遙感學報，2021，25（1）：292-301.

［4］ 李增元，趙磊，李堃，等.合成孔徑雷達森林資源監(jiān)測技術研究綜述［J］.南京信息工程大學學報（自然科學版），2020，12（2）：150-158.

［5］ 蘭玉芳，石小華，馬勝利，等.中分衛(wèi)星遙感技術在森林資源動態(tài)監(jiān)測中的應用［J］.林業(yè)資源管理，2021（3）：154-159.

［6］ 高廣磊，信忠保，丁國棟，等.基于遙感技術的森林健康研究綜述［J］.生態(tài)學報，2013，33（6）：1675-1689.

［7］ 駱有慶，劉宇杰，黃華國，等.應用遙感技術評價森林健康的路徑和方法［J］.北京林業(yè)大學學報，2021，43（9）：1-13.

［8］ 王柯，付怡然，彭向陽，等.無人機低空遙感技術進展及典型行業(yè)應用綜述［J］.測繪通報，2017（S1）：79-83.

［9］ 石博.關于無人機遙感在森林資源調查中的運用分析［J］.林業(yè)科技情報，2021，53（4）：27-29.

［10］ 程武學，楊存建，周介銘，等.森林蓄積量遙感定量估測研究綜述［J］.安徽農業(yè)科學，2009，37（16）：7746-7750.

［11］ 譚炳香.高光譜遙感森林類型識別及其郁閉度定量估測研究［D］.北京：中國林業(yè)科學研究院，2006.

［12］ 岑銘.衛(wèi)星遙感影像智能化處理研究［J］.測繪與空間地理信息，2023，46（4）：99-101.

［13］ 賴積保，康旭東，魯續(xù)坤，等.新一代人工智能驅動的陸地觀測衛(wèi)星遙感應用技術綜述［J］.遙感學報，2022，26（8）：1530-1546.