摘要：笔者结合多年林业工作经验，主要针对无人机遥感在森林资源监测中的应用和发展，在归纳了无人机遥感在森林监测中的一般工作流程的基础上，试图总结在森林资源监测中常用的传感器类型，并介绍无人机遥感在森林信息获取中的表现，为发挥无人机遥感在森林资源监测中的技术优势提供参考。
关键词：无人机；遥感技术；森林资源监测
1无人机遥感用于森林资源监测的技术流程
1.1无人机遥感
无人机遥感是利用先进的无人驾驶飞行器技术、遥感传感器技术、遥测遥控技术、通信技术、POS定位定姿技术、GPS差分定位技术和遥感应用技术，具有自动化、智能化、专业化快速获取国土、资源、环境、事件等空间遥感信息，并进行实时处理、建模和分析的先进新兴航空遥感技术解决方案。
1.2技术流程
无人机遥感获得林区高分辨率影像后，通过对图像进行畸变校正、全自动空三处理，生成DEM（数字高程模型）、DOM（数字正射影像）和DSM（数字表面模型），对生成的DOM进行训练和分类、特征提取、几何处理等操作，获取林木信息，通过DSM减去DEM得到CHM（冠层高度模型），可以进行森林冠层结构和生物物理特性的精准测量（图1）。
.png)
图1无人机遥感进行森林资源监测的工作流程图
2森林资源信息的获取
无人机遥感技术虽然是一个新兴的应用领域，但已系统地应用于植被和环境参数的监测。在林业中，森林结构参数是反映森林健康及经营状况的重要指标。利用无人机遥感获取森林结构参数时，通过短时间的无人机外业调查可以获取大量的森林数据，对改善以往森林资源监测中周期长、精度差、成本高的弊端有显著效果。通过搭载各种传感器（如光学遥感仪器或激光雷达），人们在森林病虫害监测、林分树高测定、森林冠层结构与属性测定、树种组成识别和森林生物量测定等方面进行了广泛研究。
无人机作为一种遥感平台能够搭载各种各样的传感器，从低成本的商用数码相机到昂贵的专业设备，如专为无人机设计的高光谱相机或激光雷达传感器。在林业资源监测中，研究人员可以根据研究需求选择不同的传感器来获取数据（见表1）。
表1几种常见的传感器及其在森林资源监测中的应用
.png)
2.1森林生物量测定
森林生物量是森林资源监测的重要指标，是评估森林碳平衡的重要参数。使用无人机进行森林单木地上生物量测定已被用于森林资源监测，本文中的森林生物量指的是单木地上生物量。
何游云使用无人机遥感对阔叶红松林和峨江冷杉林的胸径和林冠面积进行了定量测定，建立树冠面积-地上生物量模型，用以估算单木地上生物量，证明了无人机遥感可以作为森林生物量监测可靠的数据源。
Otero等在一片红树林保护区使用无人机影像结合野外数据进行森林清查，评估了无人机数据在获取森林生物物理特性方面的表现，研究表明无人机数据对于从相对均匀且具有单一主导层的森林中获取冠层高度和生物量有很好的效果。
2.4树种组成识别
森林资源监测包含了对林分树种组成进行识别，地面观测可以获取部分森林信息，而一些树种组成识别特征是地面观测方法所缺失的，如冠幅的轮廓、纹理、颜色、结构、物候等，这些均是空中观测方法中最主要的物种识别特征。卫星遥感方法难以保证精度和时间连续性，高分辨率数据又需要昂贵的花费，此时无人机作为一种新方法被运用于树种组成识别。
朱雄斌等利用可见光无人机遥感数据进行林下植被覆盖识别，通过对无人机影像尺度分割和样本训练，将其分为林地和非林地两类，根据归一化绿红差异指数(NDRGI)选取一定的郁闭度为阈值(0.2-0.7)区分林下有无植被覆盖，取得了较好的效果（总体精度大于80%）。
Lisein等提出了一种利用无人机对阔叶林树种进行有效区分的方法，进行了多时段调查，收集了高分辨率的UAS图像时间序列，并利用随机森林对树种组成进行识别分类，以确定最佳的物候节律时间窗的树种组成识别，结果表明，利用无人机进行树种组成识别时，最佳时间窗为植物的萌动期。
2.3森林冠层结构与属性测定
森林冠层的精确估计对于森林生态研究来说是必不可少的。卫星遥感提供了一种对大尺度空间范围进行估计的方法，但卫星遥感数据的使用受到光谱和时间分辨率的限制，这使得遥感方法通常不足以满足林分尺度。尽管无人机可以在林分尺度上满足这种需求，但其在森林资源监测上的应用仍处于试验阶段。许子乾等利用无人机获取森林冠层信息，辅以高精度激光雷达数据获取地形信息，集成高分辨率无人机影像和激光雷达点云数据反演亚热带天然次生林林分基本特征变量，证明了无人机和激光雷达优势互补可以作为一个廉价、灵活的森林状态监测方式。
王枚梅等用无人机影像进行亚高山针叶林树冠参数信息自动提取的研究，提取了冠幅、单元面积树木数和郁闭度等参数，并以目视解译结果作为参考数据进行验证，证明了无人机方法在林冠参数信息获取上是可行的。
Chianucci等利用小型固定翼无人机的真彩数字图像对山毛榉森林树冠属性估计，从无人机影像中得到冠层盖度、叶聚丛和叶面积指数的估计值，证明了无人机配备商业数码相机获取的真彩无人机图像，能够有效快速地获取中大型森林冠层属性的估计值。但是这种方法适用于背景简单、植被类型单一的环境，很难满足在背景复杂、植被类型多样的环境中的要求。
2.2林分树高测定
植被冠层高度是植被监测和数字建模所需的重要参数，在森林资源监测中，测定林分树高是一项必须的工作。基于无人机低成本和搭载灵活的特点，人们利用无人机搭载激光雷达、数码相机等对林分树高测定进行了研究。
张煜星等对无人机影像得到的DSM进行校正，然后结合DEM提取林分树高，并进行平均林分树高计算，得到基于林地小班的林分树高等级分布，与森林资源二类调查数据对比取得了75.1%的精度。
Chen等使用无人机搭载激光雷达对林分树高获取进行了研究，通过对激光雷达数据生成仿真波形，利用随机森林方法和机器学习算法建立森林高度模型，得到较好的结果，证明了仿真波形可以很好的估计林分树高。
2.1森林病虫害监测
森林生态系统每年都面临着病虫害的侵扰，森林病虫害监测是森林病虫害防治的基础。在森林病虫害发生时，受影响的林木会表现出一定的病理变化（如落叶、枯萎、黄化等）和冠层反射特征变化，以往对于森林病虫害的监测常采用地面人工调查方法与卫星遥感技术相结合，这种方法在森林病虫害精确监测上力有不逮，而更高精度的遥感数据则意味着更高的成本。无人机遥感通过搭载高分辨率相机和多种传感器，在提供更高的精度的同时花费的成本更低廉，考虑到不同的需求，将无人机高分辨率影像与基于对象的分类技术相结合，被证明是一项行之有效的方案。
Dash等使用高分辨率无人机影像对在监测和模拟疾病暴发期间的森林健康状况进行了评估，采用非参数方法建立了基于光谱指数的生理应激模型，得到了较好的分类精度(weighted kappa=0.694)，研究表明无人机多光谱图像有助于识别成熟人工林树木的生理胁迫。
N?si等使用配备FPI高光谱成像仪（法布里-珀罗干涉仪）和RGB相机的无人机来监测树皮甲虫对树的损伤症状，得到感染了欧洲云杉树皮甲虫的云杉的高光谱数据，并使用k－最近邻分类器将单体树木分类，得到总体准确度为76%(Cohen’s kappa=0.60)，这项研究首次证明了无人机搭载FPI在森林地区捕捉高光谱数据的可行性。
结语
在未来，无人机遥感将会有更好的数据处理软件和多样化的传感器，对森林资源监测提供更有效的信息支撑。在理想情况下，使用无人机的最佳方案是从起飞到处理数据和结果输出的整个过程实现自动化。在林业领域，无人机遥感是森林资源监测的一个重要方向，无人机遥感技术的进步必将推动森林资源精准监测进一步发展。
参考文献
[1]赵国帅.无人机遥感在林业中的应用与需求分析[J].福建林业科技,2017,44(01):136-140.