无人机遥感在我国森林资源监测中的应用动态*

徐誉远 胡 爽 王本洋

（华南农业大学 林学与风景园林学院，广东 广州 510642）

无人机遥感在我国森林资源监测中的应用动态*

徐誉远 胡 爽 王本洋

（华南农业大学 林学与风景园林学院，广东 广州 510642）

文章分析了无人机遥感技术在森林资源监测中的应用特点，总结了获取无人机遥感影像的技术流程。从利用无人机遥感影像获取林木几何参数、提取森林生物量信息、监测森林病虫害和森林消防4个方面阐述了无人机遥感技术在我国森林资源监测中的应用动态。在讨论无人机遥感技术在林业应用中具备成本低、效率高等优势的基础上，对无人机遥感技术在我国森林资源监测中的应用前景作了展望。

无人机；遥感；森林资源监测；图像处理

无人机是指无人飞行器（Unmanned Aerial Vehicle，简称UAV）或无人飞机系统（Unmanned Aircraft System，简称UAS），是一种机体上无人驾驶，可通过程序或无线电远程遥控，用于侦查、运输等多种任务的飞机，广义上包括无人驾驶的各种遥控飞行器。从使用领域的角度出发，无人机分为军事无人机和民用无人机两类。

无人机遥感系统（UAV remote sensing system， UAVRSS）是一种以UAV为平台，搭载各种类型的传感器（光学、热成像、激光等），飞行高度在4 km以内（军用可达10 km之上），能够获取遥感影像、视频等数据的无人航空遥感与摄影测量系统[1]。无人机技术与遥感（Remote Sensing，简称RS）技术结合，利用搭载GPS（Global Positioning System）系统以精确定位，在空中拍摄照片获取目标地物的信息，利用GIS（Geographic Informa-tion System）技术进行后期的数据处理，较好实现了3S技术的融合。无人机遥感技术主要用于军事领域，包括侦查敌情、目标追踪、损失评估等。21世纪以来，由于需要遥感技术处理资源探察、气象观测、林业和农业监测等问题，而卫星航天遥感无法满足需求，无人机遥感技术逐渐受到青睐，并运用于各个领域。

在林业领域，我国森林资源监测早期采用地面实测加航天测量的方法，使用传统的工具包括罗盘仪、测高器、皮尺、测绳等。如今，可利用无人机遥感技术获得的高分辨率影像获取林木冠幅、郁闭度、树高等参数以及林分生物量、病虫害发生地和火情信息。作为传统地面实测的重要补充，无人机遥感技术可大幅减少森林资源调查的外业工作量，提高工作效率。本文总结了无人机遥感技术在林业资源管理、尤其是在森林资源监测实践中的组成、特点及其应用研究动态，为进一步扩大无人机遥感的林业应用领域、发挥无人机遥感在森林资源监测中的技术优势提供参考。

1 无人机遥感技术在森林资源监测中的应用特点

1.1 主要类型是固定翼型无人机

从机翼角度划分，小型无人机包括固定翼型无人机和旋翼型无人机。固定翼型无人机没有旋转翼，起飞是依靠人抛出或者发射器发射，发射后GPS导航按照预设航线飞行，飞行速度快、飞行距离远。旋翼型无人机能够垂直起降、自由悬停，起飞无需外力，但飞行高度低，且不适用于执行大范围侦查的任务，主要对局部区域进行侦查[2]。旋翼型无人机有单轴、四轴、六轴、八轴和十轴5种，共同特点是持续飞行时间都较短（大约20 min）、飞行灵活，且主要应用于农业领域。目前来讲，我国用于森林资源监测和林火监测的无人机都是固定翼型，主要因为森林的面积较大、预设航线较长，需要使用飞行时间长、飞行距离远的无人机。

1.2 无人机遥感技术的构成

无人机遥感由地面基站、无人机体两部分组成。其中地面基站起到设置航线、实时监测飞行航线以及数据接收作用，地面站软件能够直观反映并控制飞行状态。机身部分由动力装置、飞行控制器、传感器和数据链组成。动力装置是汽油发动机，也有依靠电池提供动力的机体，未来将会采用新能源推进系统；飞行控制器是自动飞行的核心部件，未来会逐渐采用神经网络的控制方法提高飞行性能；用于森林资源监测的传感器多采用单反数码相机，拍摄的图像数据经无线传输发回地面站；数据链是地面站与机体双向传输的模块，地面站发指令控制飞机，机体则传输图像给地面站[1]；使用GPS/IMU辅助摄影在无人机飞行的同时获取数码相机的姿态信息和位置以实现立体测图，省略了设置地面控制点的步骤。

1.3 获取无人机遥感影像的技术流程

利用无人机遥感技术获取的影像数据进行森林资源监测分为3个步骤：前期内业准备，外业调查与后期内业处理。

1.3.1 前期内业准备 了解试验区的面积和主要树种，调查天气状况，避开雨天以及雾天，选择无风的天气。航线设置在坡度低、地势较平缓的区域。目前，传感器一般选择2 000万像素面阵数码相机，可以大重叠度摄影，快速储存图像并进行第二次拍照[3]。

1.3.2 外业调查 无人机起飞，随后切入自动飞行状态，相机则使用自动连续拍摄的功能。地面站时刻监视作业情况和飞行安全，检测飞行航线、飞行高度、飞行速度是否按照预设执行。完成航拍后，切出自动飞行状态改由人工遥控降落。

1.3.3 后期内业处理 包括在地面站进行遥感影像的几何校正拼接和森林资源信息获取。由于数码相机拍摄得到的数字图像存在光学畸变误差，而且在空中飞行时姿态位置变化会引起图像旋转和投影变形，因此需要对遥感图像进行几何校正，校正后形成垂直的投影影像即获得DOM。

高度集成各项技术令遥感图像数据得到实时处理，摆脱地面站实现机上处理成为国内外遥感界的研究热点和发展目标之一。这样能直接获得正投影影像，毋须人工后期内业处理，提高工作效率，节省人力。

2 无人机遥感图像的信息提取及应用

2.1 获取林木几何参数

张园等[4]以森林资源二类调查为例，通过ArcMap对无人机遥感图像进行森林区划，依据土地类别以及树种组成分为6个地类，小班的区划精度为88.7%。周艳飞等[5]使用了面向对象的提取方法与人工目视法提取单木冠幅，获得了冠幅数据，树冠面积与样地面积之比得出林分的郁闭度，两种方法的计算结果表明，冠幅的提取精度都随着林分郁闭度的增加而降低。付凯婷[6]利用DOM影像进行室内小班区划，与外业调查小班区划相比，一致性为97.89%；从DOM影像中利用面向对象多尺度分割方法提取单木冠幅，得到冠幅面积；利用单木冠幅与实地调查的林木胸径建立胸径冠幅模型，借助已有的二元材积表建立胸径与材积的一元材积回归模型，最终建立冠幅与材积模型，达到利用冠幅估算材积的目的；与实地测量的材积比较，总体精度为91.20%，这为快速估算蓄积提供了新的方法。王伟[7]选择中低郁闭度林分在ArcGIS中加载高精度的DOM，选择克里金法点插值成面方法，生成DEM图像，进而得到CHM，从CHM中提取了样地的树高；与实地测量相比，3块样地树高平均精度都达到了0.86以上；高、中、低郁闭度林分中，估测的总体精度为0.67；使用面向对象的多尺度分割技术，将树冠或林冠区域从影像中提取出来，结合ArcGIS软件得到郁闭度，郁闭度提取值与勾绘值对比精度为90%。

2.2 提取森林生物量信息

利用无人机航拍产生的树冠遥感影像可估算林木生物量。何游云等[8]利用无人机遥感获取的高分辨率影像估算单木生物量，通过面向对象分类方法从遥感图像中提取单木树冠面积，结合实地测得的胸径建立树冠面积-胸径模型，借助胸径-树干生物量的经验方程、利用树冠面积估算树干生物量。即采用统计回归的方法，利用遥感数据反演生物量。有研究表明，树冠直径与胸径存在相关性，用树冠直径推导胸径，最后再利用胸径与生物量的关系即可进一步推算森林生物量[9]。邓继忠等[10]在40 m低空拍摄水稻田和蔬菜田，得出利用GLI和ExG这两种植被指数能有效区分植被与非植被，这对生物量的反演有一定价值。汪小钦等[11]利用无人机遥感技术，基于可见光波段提取植被指数VDVI，为估算大区域尺度森林生物量提供了方法。利用卫星影像，能估测大区域尺度的森林生物量信息，但是较低的影像分辨率影响估算精度，无人机遥感与卫星遥感结合可以获得更高的估算精度，利用无人机遥感估算森林生物量会是未来的发展趋势。遥感技术的发展、数据源的丰富以及卫星遥感与无人机遥感之间的协同，为森林生物量的高精度反演提供了支撑[12]。

2.3 监测森林病虫害

利用无人机遥感可有效获取森林病死木、病虫害的位置信息。李卫正等[13]利用无人机遥感获得的影像，采取人工目视法寻找感病变色的病死木，基本可以满足人工现场采伐的精度要求。吴琼[14]利用无人机平台搭载双光谱相机，同时获取可见光图像及红外图像，提取图像中像素点的特征向量，可精确划分出病虫害发生区域。冷伟锋[15]基于无人机遥感图像，利用非监督分类方法，即根据图像的相似性进行分类的方法，结合田间实测解译图像，分析出红色区域为由条形柄锈菌（Puccinia striiformis）引起的小麦条锈病发病区，证明无人航拍图像能够真实显示发病中心及发病区域。患病小麦叶绿素被破坏，与正常小麦颜色不同，使得基于图像的监测有效可行。

2.4 森林消防

对于林火频发的地区，使用无人机遥感技术侦查能有效防止或及时探明林火的发生，也能对灾后现场进行评估。马瑞升等[16]利用无人机探测森林火情，试验中无人机成功探测到火点及覆盖面积，并做出报警提示，提供了火点的具体坐标。张增等[17]利用无人机遥感获得RGB（红、绿、蓝）颜色空间的遥感图像，再将森林火灾图像转化为HSV（色调、饱和度、亮度）空间，选择径向基函数作为支持向量机的核函数进行森林火灾识别，对森林火灾的检测及识别准确度大于87%，这为探明林火的发生提供有效的手段。郭伟[2]利用热成像数码相机，基于无人机遥感图像，利用视频图像和灰度阈值进行林火检测，能准确判断是否发生火情。何诚等[18]借助无人机遥感获取同一试验地着火前后图片，确定相似度阈值，将图像相似度阈值大于 0.08 判定为林火图像，低于该值则判定为没有发生火灾，实现智能化无人机林火识别技术。借助无人机遥感技术，还能对火灾后的现场进行调查与评估[19]。

3 优势以及局限性

3.1 无人机遥感技术在林业应用中的优势

与传统实地调查相比，无人机遥感具有以下几个优点：成本低；数据采集灵活；从操作无人机飞行作业到正射影像生成都智能化；操作、使用简单。以往耗费大量人力进行样地设置和调查，现在采用无人机只需要几个人即可完成。根据调查地实际情况，设置无人机的飞行高度、飞行航线，数据采集更加灵活。利用ERDAS、PostFlight Terra 3D或PixelGrid-UAV等软件，可以自动化地拼接生成DOM、DEM图像。与卫星遥感相比，无人机遥感获得的图像分辨率可以达到0.1 m，可挖掘更多信息，包括调查地区林木冠幅、郁闭度、树高、密度等林木几何参数，病虫害发生地和火情信息。

3.2 无人机遥感技术在林业应用中的局限性

无人机遥感与卫星遥感相比，遥感搭载平台局限性较大；与传统实地调查相比，高郁闭度林分的遥感图像难以提取冠幅等林木几何参数信息，而且图像提取的信息精度偏低。

无人机体积小、质量轻，导致抗风性能差，容易受到风力的影响；惯性差，飞行稳定性不好，经常会出现倾斜、摆动和颠簸，加上发动机的持续振动，使姿态测量设备始终处在震动的环境中。稳定性不好会导致姿态数据的测量误差，从而直接影响到后期校正结果[20]。目前无人机载荷不高，大多安装质量轻精度低的导航系统和平衡控制系统，使其航线不能精确按照预设飞行，造成漏拍、重拍现象；其搭载的自动竖直摄影云台的控制精度无法满足航空摄影的精度要求，造成摄影竖直程度不准确，得不到正投影影像。同时机身的震动也使得数码相机拍摄的图像出现清晰度随着地物高度的变化而变化的情况。卫星遥感无法估算植被垂直分布结构的生物量，无人机遥感技术同样无法解决这个问题。

在髙分辨率的遥感影像中，林木的冠幅是最容易获取的一个调査因子。但是对于高郁闭度的林分，树冠之间彼此相连、重叠交错，被压木较多，分割的尺度难以把握。借助遥感图像分析林木冠幅比较困难，无法实现提取。高郁闭度林分利用软件拾取地面点难，树高也无法提取分析，最终只能采取实地调查的方式调查冠幅、树高等参数。目前为止，由于中、低郁闭度的林分单株树冠间距较大，容易在影像上分割提取，因此各研究利用图像提取林木的冠幅、树高都以中、低郁闭度林分为对象。图像信息的提取限制局限了高郁闭度林分的分析，限制了无人机遥感对于高郁闭度林分的调查。而且对于中、低郁闭度的林分，单木冠幅的提取精度也仅在0.7左右，低于实地调查。

4 结论与建议

无人机遥感因其采集灵活方便，成本低、效率高的特点，适合于森林资源监测，也实现了3S技术的融合。无人机遥感技术应用于森林资源监测是未来的发展趋势，它会作为样地调查方法的重要补充。

另一方面，无人机的载荷有限，飞行稳定性不足，难以满足实际飞行任务的需求，限制了无人机遥感技术在林业中的深入应用，未来应加强相关方面的研究。重叠交错的树冠影像难以借助软件进行分割，未来应针对无人机影像的特点研究新的算法。目前，各种光学、红外、热成像传感器以及合成孔径雷达等可做到综合化使用，能同时获取多种数据，为解决高郁密度林分树高的监测问题以及植被垂直分布结构的生物量估算问题提供了支持。国家应加大对无人机遥感技术的研发力度，有效促进无人机遥感技术在森林资源监测中的应用。

[1] 李德仁, 李明. 无人机遥感系统的研究进展与应用前景[J]. 武汉大学学报, 2014, 39(5): 505-513.

[2] 郭伟. 一款用于森林防火的小型无人机设计[D]. 南京:南京航空航天大学, 2011.

[3] 曾伟, 李德龙. 无人机在地理国情应急监测中的应用探讨[J]. 地理信息世界, 2013(5):84-88.

[4] 张园, 陶萍, 梁世祥，等. 无人机遥感在森林资源调查中的应用[J]. 西南林业大学学报, 2011, 31(3): 49-53.

[5] 周艳飞, 张绘芳, 李霞，等. 不同方法提取无人机影像树冠信息效果分析[J]. 新疆农业大学学报, 2014, 37(3):231-235.

[6] 付凯婷. 无人机遥感技术估算桉树蓄积量的研究[D]. 南宁: 广西大学, 2015.

[7] 王伟. 无人机影像森林信息提取与模型研建[D]. 北京:北京林业大学, 2015.

[8] 何游云, 张玉波, 李俊清，等. 利用无人机遥感测定岷江冷杉单木树干生物量[J]. 北京林业大学学报, 2016, 38(5):42-49.

[9] 刘晓双, 黄建文, 鞠洪波. 高空间分辨率遥感森林参数提取探讨[J]. 林业资源管理, 2009(2):112-117.

[10] 邓继忠, 任高生, 兰玉彬，等. 基于可见光波段的无人机超低空遥感图像处理[J]. 华南农业大学学报, 2016, 37(6):16-22.

[11] 汪小钦. 基于可见光波段无人机遥感的植被信息提取[J]. 农业工程学报, 2015, 31(5):152-158.

[12] 刘茜, 杨乐, 柳钦火，等. 森林地上生物量遥感反演方法综述[J]. 遥感学报, 2015, 19(1):62-74.

[13] 李卫正, 申世广, 何鹏，等. 低成本小型无人机遥感定位病死木方法[J]. 北京林业大学学报, 2014, 28(6):102-105.

[14] 吴琼. 基于遥感图像的松材线虫病区域检测算法研究[D]. 合肥: 安徽大学, 2013.

[15] 冷伟锋. 小麦条锈病遥感监测及网络信息平台构建[D]. 北京: 中国农业大学, 2015.

[16] 马瑞升, 马舒庆, 王利平，等. 微型无人驾驶飞机火情监测系统及其初步试验[J]. 气象科技, 2008, 36(1):100-104.

[17] 张增, 王兵, 伍小洁，等. 无人机森林火灾监测中火情检测方法研究[J]. 遥感信息, 2015, 30(1):107-111.

[18] 何诚, 张明远, 杨光，等. 无人机搭载普通相机林火识别技术研究[J]. 林业机械与木工设备, 2015, 43(4):27-31.

[19] 王振师, 周宇飞, 李小川，等. 无人机在森林防火中的应用分析[J]. 林业与环境科学, 2016, 32(1):31-35.

[20] 李宇昊. 无人遥感飞机在林业调查中应用研究[D]. 北京: 北京林业大学, 2008.

Present Status of Unmanned Aerial Vehicles Remote Sensing for Forest Resources Monitoring in China

XU Yuyuan HU Shuang WANG Benyang
(College of Forestry and Landscape Architecture, South China Agricultural University, Guangzhou, Guangdong 510642, China)

The paper analyzed the characteristics of UAV RS(Unmanned Aerial Vehicles Remote Sensing) in the application of forest resources monitoring and summarized the technical flowchart of acquisition of UAV RS imagery. The paper discussed the dynamics of UAV RS in forest resources monitoring from four aspects, which obtains geometric parameters of forest trees, extraction of forest biomass information, monitoring forest diseases and pests, and forest fire prevention. Based on the discussion of the advantages of low cost and high efficiency in the application of UAV RS in forestry, the application prospect of UAV RS in forest resources monitoring in China was prospected.

Unmanned Aerial Vehicles; remote sensing; forest resources monitoring; image processing

S757.2,S771.8

A

2096-2053（2017）01-0097-05

国家林业局软科学研究项目“森林资源监测体系的改进研究”（2013-R17）。

徐誉远（1993— ），男，在读硕士研究生，研究方向为森林资源动态监测，E-mail:853680558@qq.com。

王本洋（1973— ），男，副教授，主要从事森林经理学、植被生态学、林业信息技术应用与开发等方面的教学与科研工作，E-mail: bygnaw@163.com。