无人机遥感在森林监测的部分应用研究案例总结

      森林生物量约占整个陆地生态系统生物量的90%，森林生态系统不仅在维护区域生态环境平衡上起着重要作用，而且在全球碳平衡中也起着巨大的贡献，这是因为森林系统本身就维持着大量的碳库和巨大的土壤碳库。此外，森林生态系统具有较高的生产力，其每年固定的碳约占整个陆地生态系统的三分之二，森林生态系统在调节全球碳平衡、减缓大气中CO2等温室气体浓度的上升以及维护全球气候平衡等方面具有不可替代的作用，因此，对于森林资源的定性定量监测，掌握森林的结构参数和特征量以及对森林资源进行清查和客观评价等尤为重要。传统用于森林监测的方法大多以实地抽样调查和仪器测量为主，该方法费时费力，仅能以静态单点或小尺度范围内的目标研究区作为研究对象，无法研究大尺度范围内、多时相和长时序条件下的森林健康指标情况。自21世纪以来，遥感技术手段已经成为对地观测的有力手段，在森林生态系统健康监测方面的应用越来越普遍，超越了传统方法的局限性，定量分析了森林内外生物物理化学的过程和相关参数，以重复和客观的方式监测和揭示了森林生态系统的时空尺度特征。

      本文简要归纳总结近五年国外众多研究学者利用无人机遥感技术在森林监测中的部分应用案例，总结无人机遥感的应用优势与不足。

壹、森林信息获取与反演

森林冠层结构参数是林业调查不可或缺的测量内容，森林的结构参数信息包括胸径、体积和树高等，实地调查方法具有准确无误的优点，但该方法所花费的时间和人力成本较高，导致测量效率显著下降，近年来飞速发展的无人机遥感技术为森林结构参数的获取提供了新的手段。Francesco Chianucci等利用固定翼无人机搭载RGB相机对意大利的榉木林进行航摄，通过将绿叶算法与色度空间变换相结合的方法，对林中10个样地的冠层覆盖度、聚集指数和叶面积指数三种森林信息进行了估算，并将估算结果与地面实测结果进行了回归分析，探索了利用RGB相机估算森林冠层结构参数的可行性。Piotr Tompalskia等基于无人机数字摄影测量三维点云和多光谱数据提取了多种森林信息特征量，采用了随机森林法与实测森林结构参数构建了回归模型，对比分析了其与机载激光雷达点云计算结果之间的差异，研究结论表明，光谱特征并不能显著地提高森林结构参数的估测精度。

尽管无人机遥感技术在林业监测中的能力显著提升，但其精度仍然需要进行改进和对比提升。其中，激光扫描仪是林业遥感研究中的利器，利用无人机平台搭载激光扫描仪测量森林结构参数的效率固然很高，但是在精度方面相较于地基激光扫描却较低，为了研究如何提高机载激光扫描的估算精度，Moritz Bruggisser等设计了两套无人机激光扫描数据采集方案，分别获取了目标研究区的两套点云数据，并基于这两套点云数据分别估算了目标研究区内的树干直径信息。然后以地基激光扫描测量的树干直径信息为参考，得到不同方案下ULS点云的估算误差，并最终评估了点云密度和激光扫描仪精度对结果的影响，研究结果表明：树干直径估算精度的决定性因素取决于激光雷达扫描仪的精度。Katsuto Shimizu等为了提高森林树木属性信息的估算精度与节约成本，将地面激光点云和无人机摄影测量点云结合，使用TLS点云准确估算单木胸径，使用TLS点云结合UAV摄影测量点云估算树高，实现了树木属性的精准估算，研究结果表明，TLS点云结合UAV摄影测量点云能提高树木属性的估算精度，是一种高精度、低成本的森林资源清查方法。

无人机遥感技术不仅能够获取森林结构参数，同时还能够以结构参数为基础，反演森林的其他信息特征量，包括森林的三维热结构、森林三维场景模型的构建、森林地上生物量以及森林蓄积量等。Clare Webster等利用无人机SfM-MVS方法，对林区的二维热红外影像进行处理，以RGB点云作为参考，对热红外点云中存在的错误点和误差点进行剔除，进而重建了森林的三维热结构。并且在密集林内比较了两个时间点的热红外数据，探索了其随时间的变化趋势。Erich Seifert等使用多旋翼无人机在不同飞行规划参数（飞行高度、航向重叠度、传感器分辨率）的组合条件下，获取了目标森林地区的影像数据，通过对不同飞行规划参数设置下获取的稀疏点云与密集点云进行相关性分析，发现稀疏点云中连接点的数量与密集点云的质量高度相关，从而找到了构建森林场景模型的最佳飞行规划参数组合。Alejandro Navarroa等借助无人机遥感技术，获取了林区的冠层高度模型，然后结合单木检测和冠层分割算法，获取了林区的单木结构数据，并利用该结构数据估算林区生态系统的地上生物量，将其与地面实测数据进行对比和成本效益分析。

贰、森林资源清查与评价

      全球气候变化往往会导致森林火灾、干旱以及昆虫爆发等自然灾害的发生，这些自然现象在很大程度上会影响森林生态系统的稳定性，为了制定有效的森林保护规划，森林管理者必须要掌握当前森林的资源覆盖情况，以便于对森林的各项指标进行评价，作出对应的有效措施。其中，森林蓄积量是森林资源评价中的一个重要指标，大量的研究已经表明，激光雷达技术可以高效准确地估测森林蓄积量。然而，LiDAR数据获取成本太高，无法得到广泛的应用。Francesca Giannettia等直接从摄影测量点云数据中筛选出一组关于密度和高度的特征量，构建以森林蓄积量为响应变量的多元线性回归模型DTM-independent 模型，用于估测森林蓄积量，并将其与地面实测数据进行对比，最后以Image-DTMALS模型、ALS模型两种传统方法的估测结果为参考，评估DTM-independent 模型的预测性能。

      单木信息的获取也是森林资源清查与评价的其中一环，这对于森林动态变化监测、森林结构定量分析以及森林破坏程度评估至关重要。在过去的二十年里，LiDAR技术成为单木检测的主要手段，但该手段通常成本较高且需要专业技术的支撑。随着近年来无人机摄影测量方法和计算能力的发展，越来越多的研究开始聚焦于无人机摄影测量方式获取的点云数据。Midhun Mohan等利用无人机摄影测量方法获取森林的点云数据并从中提取冠层高度模型，然后使用局部极大值算法，采用不同尺寸平滑窗口和移动窗口组合的方式优化单木检测的结果。

      森林生态系统对维持全球碳氧平衡、减缓温室效应十分重要，其中，树木死亡率的监测能够帮助准确判断森林系统生态质量的高低，并作为采取相应措施的有效依据，传统方法常使用实地抽样调查获取树木的死亡率，但是该方法耗时耗力，实地抽样调查的样地也不具备一定的代表性，得到的结果也可能不够全面、可靠，而无人机遥感技术能够实现大面积、长时序树木死亡率的监测。Claudia Huertas等使用无人机等平台获取的LiDAR数据提取冠层高度模型，然后据此计算间隙动态指数，并从中提取死亡树木，并将该方法提取的结果与实测树木死亡率进行比较，分析不同环境变量对该方法的影响，研究结果表明，该方法可以对森林的相对和绝对基面损失率和茎损失率进行可靠的估算。

监测森林的恢复情况对于森林资源评价和选择合适的管理措施同样至关重要，Danilo Roberti Alves de Almeida等为了评估无人机遥感在监测森林结构和多样性恢复中的应用潜力，获取了研究区的高光谱和LiDAR数据，并分别从中提取了光谱参数和结构参数，找寻了光谱参数与结构参数的相关性，评估二者在区分森林树种丰富度方面的能力，并选择了合适的参数进行地上木质生物量的预测，研究结果表明，无人机遥感在监测森林恢复情况的应用中具有很强的可行性。

森林资源清查与评价的相关研究指标还包括森林温度缓冲能力、植被类别覆盖情况、花期物候信息等。Vít Kaśpar等分别以地面测量、无人机航拍和无人机LiDAR三种方式获取目标研究区的冠层高度和冠层覆盖度，分别建立多元线性回归模型，对森林内外的气温差和土壤温差进行估测，同时对比了地面测量、UAS-SfM和UAS-LiDAR方法在冠层结构获取方面的能力，并评估了冠层覆盖度和冠层高度对温度缓冲能力的影响，研究结论表明与地面测量方式相比，无人机遥感能够更好地估算森林温度缓冲能力。Temuulen Sankey等利用无人机获取的高光谱影像数据，对亚利桑那州北部森林和过渡带植被进行了物种分类，利用无人机激光雷达数据对以上研究区进行冠层结构测量，通过决策树分类的方法将高光谱影像分类结果与激光雷达植被高度模型进行融合，对研究区植被进行分类，最后比较融合前后的分类结果，验证融合方法的优越性，研究结果表明，与单独使用高光谱数据相比，高光谱和激光雷达数据的融合产生了更好的植被物种分类结果，这得益于植被高度的输入，使具有相似光谱特征的物种能够很好的区分开来。Dan J. Dixona等为了精确掌握森林中开花植被的花期物候，将无人机与卫星遥感相结合对随机森林模型进行训练，使其能够预测美叶桉的开花数量，主要开展的工作包括，对无人机影像进行分类得到美叶桉的开花数量，作为RF模型的因变量；基于长时间序列卫星影像提取绿色归一化植被指数（GNDVI）和增强开花指数（EBI），作为RF模型的自变量；训练RF模型并用于预测美叶桉的开花情况。结果表明：无人机结合卫星遥感在预测森林植被花期物候方面具有较好的效果。

叁、无人机遥感技术的优势与不足

     优势：综合上述案例，不难发现，相较于传统的抽样调查与测量方法，无人机遥感技术在森林监测方面起到了至关重要的作用，其主要优势体现在：安全高效，成本低。无人机的质量较轻，并且性能优越，可以灵活地调整其飞行路线的飞行速度，这一特点尤其可以在地形复杂的地区体现出来，例如在植被种类多样、地形高低起伏或热带雨林等森林区域，受到多重影响因素影响，导致森林植被的监测或管理工作难度较大，利用无人机可以很好地减少该问题，并且容易维修，对于降低整个林木行业的成本具有显著的效应。监测范围大，监测效率高。如若没有无人机遥感手段的应用，相关研究将会消耗大量的人力物力，监测效率也将大幅度降低，无人机遥感技术的发展，一方面能够开展小范围尺度内精准的监测工作，另一方面，亦可以完成与卫星范围相抗衡的监测评估工作，这对于提高监测效率，新增监测手段都有了极大的帮助。兼容性高，处理信息速度快。有不少学者和相关研究表明，无人机遥感技术可以很好地完成不同尺度、不同分辨率影像的结合或配准工作，同时，相较于卫星影像，无人机影像很可能更适用于多个应用场合，这极大程度上弥补了单一遥感技术手段应用在当前存在的不足和缺陷，同时，相较于传统的卫星处理技术，无人机遥感技术在图像分辨率上更加具有优势，清晰度更高，具有更重要的意义。

      不足：监测精度还有待进一步提高。为了提高无人机遥感在林业监测中的能力，不少研究学者都对该技术的精度进行了研究，包括影响因素以及不同方法之间的精度对比等，笔者认为，提高无人机的测量精度不仅需要对无人机本身进行硬件升级，即提高无人机激光扫描仪器的精度，同时更需要完善当前的算法体系，充分发挥不同类型无人机激光扫描仪器的特性。应用范围与条件还有待进一步验证。笔者发现，当前多数研究将无人机遥感技术多应用于农林业方面，目标研究区多无较大起伏，对于植被类型丰富、地形起伏高低不平的区域等并没有得到广泛的应用，笔者认为，如果进行直接应用，必然会产生一定误差，其对应的测量精度也会下降，因此，该技术在复杂条件区域的应用仍然需要继续深入研究。获取的森林结构信息有限。当前利用无人机遥感技术可以获取的森林结构参数主要是以树高、胸径和树干直径为主，多数研究也多以这几类结构参数为基础反演森林的其他特征信息量，但仍然包括树龄、森林含碳量等结构参数仍然需要重点关注。无人机本身以及外界限制因素较大。无人机本身机体较轻，当飞行到一定高度时，由于风力会对无人机飞行造成较大的不利影响，导致其在飞行状态中很不稳定，会影响到无人机拍摄影像的清晰程度，因此，这就需要使得采集工作进行时的天气或风速大小，或者说是对于操作人员达到较为严格的要求。

伍、​应用案例论文标题汇总

1. 《Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV》
2. 《Quantifying the contribution of spectral metrics derived from digital aerial photogrammetry to area-based models of forest inventory attributes.》
3. 《Influence of ULS acquisition characteristics on tree stem parameter estimation》
4. 《Integrating terrestrial laser scanning and unmanned aerial vehicle photogrammetry to estimate individual tree attributes in managed coniferous forests in Japan.》
5. 《Three-dimensional thermal characterization of forest canopies using UAV photogrammetry》
6. 《Influence of Drone Altitude, Image Overlap, and Optical Sensor Resolution on Multi-View Reconstruction of Forest Images》
7. 《The application of Unmanned Aerial Vehicles (UAVs) to estimate aboveground biomass of mangrove ecosystems》
8. 《Temperature buffering in temperate forests: Comparing microclimate models based on ground measurements with active and passive remote sensing》
9. 《A new approach with DTM-independent metrics for forest growing stock prediction using UAV photogrammetric data》
10. 《Individual Tree Detection from Unmanned Aerial Vehicle (UAV) Derived Canopy Height Model in an Open Canopy Mixed Conifer Forest》
11. 《Mapping tree mortality rate in a tropical moist forest using multi-temporal LiDAR》
12. 《Monitoring restored tropical forest diversity and structure through UAV-borne hyperspectral and lidar fusion》
13. 《UAV lidar and hyperspectral fusion for forest monitoring in the southwesternUSA》
14. 《Satellite prediction of forest flowering phenology》

​