无人机遥感技术在林业资源调查与监测中的应用概述

张 权，黄世贵，侍 昊

(1.江西省林业调查规划研究院，南昌 330046；2.江西省齐云山国家级自然保护区管理局，江西 赣州 341300；3.江苏省环境监测中心，南京 210036)

遥感是在计算机技术、数学方法和地球科学等基础上发展出的一种新兴、实用的科学探测手段。随着现代遥感的发展，遥感技术开始从光学遥感航空摄影到不同平台和传感器的卫星遥感，再到多平台、高空间和时间分辨率的高光谱遥感技术方向。高光谱遥感具有多波段、高光谱分辨率的特征，能够在可见光波段、近红外波段、远红外波段精确记录目标的光谱特征，反映植被的生长状况。凭借对目标覆盖范围广、信息量大、空间与时间分辨率多的特点，遥感技术在我国资源调查、空间规划、灾害监测中得到逐步应用。然而，遥感影像获取成本高、重访周期性长、受天气影响大的特点，一定程度上也制约了遥感技术的应用，成为现代遥感发展的瓶颈。

无人机(Unmanned Aerial Vehicle，UAV)又称无人驾驶飞机，是一种以无人飞行器为遥感平台，搭载数字遥感设备，依靠自身动力航行，能够快速、精准、低成本获取目标遥感空间信息的技术[1]。与传统航空遥感影像数据的获取方式不同，它基本不受光照、云层等天气因素的影响，能够高机动、高精度、大范围、长时间地对目标区域进行遥感监测，影像空间分辨率可达到厘米级，能有效弥补传统遥感在时间分辨率与影像分辨率方面的不足。近年来，无人机凭借其低成本、可重复观测性、不受天气制约、灵活度高、分辨率高的特点，开始在林业调查工作中得到初步应用。

1 无人机发展概况

1917年3月，英国在全球范围内首次试飞了无人驾驶飞机。与此同时，美国也投入精力到无人机的研究中，研发出多型军事无人机，并且在第二次世界大战的作战中取得丰硕战果。随着现代遥感技术(RS)、地理信息系统(GIS)、全球定位系统(GPS)的日渐成熟，历经90年的发展，无人机不再作为单一的飞行平台和武器平台，而是可根据飞行任务要求，搭载相应的传感器模块，实现遥感信息采集、空间数据处理、位置定位的综合性数据处理与传输，性能得到极大的提升，应用范围也扩展至民用的农业、林业、灾害监测、地形测绘等多个领域。无人机遥感平台主要包含飞行器、荷载传感器与高分辨率CCD相机，通过“三合一”与“四合一”的综合信道体制实现目标影像信息的实时定位与控制传输，达到区域目标监测的目的[2]。

1.1 无人机飞行类型及载荷

由于无人机型号各异，种类繁多，一般可以从起飞重量，巡航时间，飞行动力、飞行方式以及用途进行区分：(1)根据重量，无人机可分为微型无人机、轻小型无人机、中型无人机、重型无人机和超重型无人机,微型无人机是指重量小于5 kg的无人机，国内无人机爱好者多采用此机型；5～50 kg无人机称为轻小型无人机；50～200 kg无人机称为中型无人机；200～2 000 kg无人机称为重型无人机；2 000 kg以上的称为超重型无人机。(2)根据续航能力，可分为近程无人机、中程无人机和远程无人机：续航能力小于5 h，飞行距离小于50 km的称为近程无人机；续航能力大于5 h且小于24 h，航程在50～1 500 km的称为中程无人机；续航时间大于24 h,航程大于1 500 km的称为远程无人机。民用无人机绝大部分均为近程无人机，军用无人机航程较远，主要为中程和远程无人机。(3)按照不同飞行动力，可以分为电池动力与燃油动力两种[3]。电池动力无人机具备快速操作，灵巧机动的特点，飞行过程经济、环保。燃油动力无人机飞行器以油料为动力，动力强，滞空久，然而机体较大，机动性稍差。(4)按照飞行方式，可分为固定翼无人机和旋翼无人机。固定翼无人机通过人力启动、跑道滑行或固定弹射的方式起飞，飞行需要一定的场合[4]。旋翼通过直升起降的方式飞行，对场地没有要求，机动灵活。(5)根据用途，可分为军用无人机和民用无人机。军用无人机航程远，能挂载各类作战武器，对目标实行精确打击，主要代表有美国的RQ-4全球鹰高空远程无人机、MQ-9“死神”(Reaper)无人机，我国的翔龙大型高空无人机、翼龙多用途无人机等。

在常用的飞机载荷上，主要搭载CCD与CMOS图像传感器、红外成像仪、高光谱成像仪、激光雷达等[5]。美国Microsoft公司开发了超大影像幅的UltraCamXp WA广角大幅面数码航摄仪，最小曝光间隔1.35 s，19 600万像素(17 310×11 310像素)，搭载在高可靠性飞行平台上，可取得极为丰富的目标影像信息。随着科技水平的迅猛发展，全球相关研究机构开发出许多数字化程度高、重量轻、体积小、监测精度高的新型传感器。小型多光谱、高光谱成像技术以及合成孔径雷达技术和LIDAR成像技术等传感器得到迅速发展[6]。

1.2 无人机重要特点

较卫星遥感监测和传统监测手段，无人机遥感有以下四个方面优势：

(1)应急飞行：在环境突发事件和重大污染案件中，不需要飞行员驾驶，无人机通过地面遥控便可以对目标高危区域展开航拍，实时监测灾害区域变化状况，及时反映污染区域扩散情况，采集空气质量样本，为人员抢救方案的制定提供重要参考。

(2)机动灵活：无人机重量相对较轻，不受飞行环境影响，对飞行场地要求低，飞行方式灵活，能快速响应航拍任务。大部分无人飞行任务航拍高度在1 000 m以下，一般不需特别申请空域，可以在全国不同地域开展监测活动。

(3)遥感影像清晰:无人机航拍工作飞行高度较低，遥感影像空间分辨率通常可以达到几厘米到十几厘米，较传统卫星遥感影像分辨率有很大提升。通过航拍影像可以直观分辨乔木、灌木、草地等地类，为林业资源监测提供准确依据。

(4)经济实用:较卫星、航空遥感平台，无人机的购买费用、飞行成本、维护成本相对较低，无人机爱好者、科研单位、管理部门均有能力开展无人机航拍工作。

1.3 无人机主要产品

按照相关学者研究并制定的无人机遥感数据产品分级体系，大致分为以下几个类别：

(1)原始数据：是指直接从无人机搭载的传感器上获取，经过影像分景、分幅，而未进行辐射校正和几何校正处理的影像产品。通常不建议向用户提供这种数据。

(2)相对辐射校正产品：对航拍影像进行相对辐射校正后，图像质量得到有效改善，图像噪声能够有效去除，细节信息得以保留。

(3)绝对辐射校正及地表物理参量产品：由经过绝对辐射校正、能够真正定量化的遥感数据而生成的地表蒸散量、土壤含水量、地表反射率等数据产品。

(4)几何精校正产品：按照一定的地球投影，在传感器校正产品的基础上，以一定地面分辨率投影在地球椭圆球面上的几何产品。产品附带RPC模型参数文件并提供单片模式、立体模式和核线模式三种方式。

(5)正射校正产品：采用精确DEM数据和控制点数据做正射校正处理而产生的正射校正产品。在带有对应地理编码的同时，正射校正修正了因为地形起伏而带来的像点位移，因而不再提供RPC参数文件[7]。

2 无人机在林业资源调查与监测中应用

森林是全球生态系统的重要组成部分，在大气环境、水资源涵养、碳循环等方面发挥着重要作用。我国山多林密，地形复杂，传统的林业调查、火情监测、病虫害防治多依靠工作人员实地勘察，工作强度大、危险性高。遥感技术凭借其覆盖范围广、获取信息量大的特点，在林业调查中得到应用。近年来，我国采用高分系列卫星、资源三号等卫星遥感影像，通过遥感影像自动提取技术和人工判读技术相结合，开展了林地资源调查、林地年度更新、林地征占用核查、林业病虫害监测、林业火灾监测等工作，并取得了一定成果。科研活动中，也有许多林业学者做了多项研究。李法玲等[8]以TM遥感影像为基础，采用归一化差异植被指数NDVI的像元二分法实现了江西省九连山植被覆盖度的动态监测。马泽清等[9]通过对IKONOS遥感影像的目视解译，结合林木各部位的生长模型，估算了千烟洲人工林的森林生物量以及碳储量，肯定了人工林在碳固定中的显著作用。

与传统林业遥感监测方法不同，无人机遥感监测具有影像易获取、影像空间和时间分辨率高、灵活度高、安全性好、易操控等特点，能够弥补传统林业遥感的影像获取高成本、低重复性、受天气影响大的问题，是对林业遥感技术的有效补充，在林业监测活动中有广阔应用前景。本文通过以下四个方面对无人机在林业中的应用进行总结，并对无人机遥感的实际应用进行展示。

2.1 在调查规划中的应用

传统林业调查活动中，林地地类、树种、胸径、树高、蓄积的界定，营造林核查与林地征占用核查等都需要人作为调查主体，前往调查对象进行实地勘验。无人机通过搭载高清相机或者高光谱成像仪，可以灵活地提供目标区域高清、丰富的遥感影像信息，为林地资源调查提供丰富依据。L. O. Wallace等[10]采用微型无人飞行器，搭载了4层激光雷达平台和小型化定位传感器实现了森林变化的监测。史洁青等[11]以无人机航拍影像为基础，融合地理信息系统，开发出一种全新的森林资源调查系统，能快捷、准确地提取航拍影像信息，实现林地调查的信息化。孙志超等[12]采用搭载非测量相机的无人机对北京十三陵林场进行航拍，通过实测树高、面积等信息，拟合与校正了航拍与实测树木信息，实现了无人机对林木信息的准确测量。

此外，无人机可以辅助支撑林地年度变更工作，以林地资源“一张图”为基础，将当年的造林、采伐、征占用、自然灾害等林地经营活动信息及时准确地更新到“一张图”数据库中，提高了林业数据的权威性与准确性，实现了林地数据的动态监管。

2.2 在病虫害监测中的应用

林业病虫害是影响林木健康生长的重要因素。传统的林业病虫害监测与防治主要通过人员实地调查的方式，调查难度大、工作强度高、地形复杂等因素使得调查范围与精度受到影响。近年来随着高光谱遥感技术在林业病虫害监测中的应用，使得大范围监测植被病虫害成为现实。然而，高光谱技术受卫星平台的影响，运行周期较长，获取影像费用高，影响该技术的广泛推广与应用。

无人机通过搭载可见光相机或高光谱仪等设备，可以灵活地对目标区域内松线虫以及其它树种病害进行预警与监测。Garcia-Ruiz, F等[13]采用搭载多波段成像传感器的低空多旋翼无人飞行器研究柑橘黄龙病，通过分析530～900 nm波段数据和七个植被指数数据，精确识别了树木黄龙病。张学敏等[14]以无人机为飞行平台，搭载双光谱相机获取了松树的病虫害监测遥感影像，创新性的提出一种特征稀疏表示和加权小波支持向量描述的影像识别方法，有效辨识了松树的病虫害信息。此外，无人机也可以挂载农药喷雾器对树木进行灾害防治。

2.3 在火灾监测中的应用

森林火灾突发性强、破坏力大、是一种防范与救援比较困难的自然灾害，与其它自然灾害相比，对森林的生长影响最严重[15]。在林业火灾中，由于人为用火不慎引起的火灾占95%[16]。林业火情监测是林业经营管理活动中非常重要的工作。救援人员能够准确、快速的到达现场，是扑灭火情的关键。传统森林火情监测主要通过人员巡护和卫星监测的方式。人工巡护受到降雨、云雾及地形的影响，导致巡查地域较小，巡护效率低。卫星遥感监测主要受到时间分辨率和遥感空间分辨率的影响。卫星过境时间比较固定，获取影像周期较长，对早期的小面积火情难以识别，对目标区域不能实现影像的实时获取，很难实现对目标区域的动态监测。

无人机凭借其机动、灵活、快速、准确的方式，可以对较大范围的人为用火区进行长时间监控，可及时发现并上报火情，利于扑火队伍和大型灭火直升机精准扑灭火情。林业防火无人机主要以飞行器为平台，搭载高清相机或者红外成像仪，对重点林火区进行动态监测。Hinkley, E.A等[17]采用无人机系统作为传感器平台，实现了森林火情热图像信息数据的及时收集，为美国林务局和其它防火管理机构野火决策支持系统提供了重要依据。张庆杰等[18]为克服传统火灾监测范围局限性和费用高昂的问题，采用六旋翼无人机拍摄了林区视频，以视觉显著性方法为突破口，结合候选林火区、特征融合与分类、阈值判断等流程判断分析林区火情，提取出火情位置、形状、面积、蔓延速度等关键信息，快速、高效地解决了林火监测问题。何诚等[19]采用深圳大疆创新科技有限公司的搭载1 400万像素相机的电动四旋翼无人机采集实验图像，以搭载热红外成像系统的电动六旋翼无人机收集参考图像，拍摄南京森林警察学院内的实验样地，运用地面调查与交叉测量法对比评价了搭载普通相机的无人机的火情监测方法，为林业火情监测提供了新方式。

2.4 在湿地调查中的应用

湿地作为地球生态系统的重要部分，对区域气候调节、水土保持、生物多样性保护等方面发挥着巨大贡献[20]。丰富的湿地资源对栖身于都市的人们尤其重要。国内外学者采用无人机对湿地进行了研究。Zaman等[21]以AggieAir & # x2122新型无人驾驶飞行器为平台，跟踪拍摄了犹他州北部一大片重要湿地入侵物种芦苇的传播，结合基于统计学习理论进展的分类算法，提出一种有效量化芦苇的传播方法，并评估了控制芦苇传播的有效性。李芾[22]采用低空无人机技术获取了沈阳市蒲河城市湿地的遥感影像，通过地面调查与植被对比分析，展示了无人机遥感极高影像分辨率的优势，为城市湿地的景观规划提供了科学依据。周在明等[23]采用无人机低空获取了福建省三沙湾地区滩涂地区互花米草的可见光和多光谱影像，以可见光影像为参考，采用NDVI指数为模型计算出多光谱影像的植被覆盖度，取得了良好效果。

近几年，江西省开始将无人机应用到林业调查、病虫害防治、火情监测与湿地保护等监测活动中。2016—2017年，江西省在全省范围内开展了城区湿地调查工作，通过外业调查与无人机遥感技术相结合的方法采集信息，结合先进的地理信息系统技术，内业数据汇总处理，创新性地建设成全国首个城区湿地一张图。通过湿地一张图的建立，准确掌握各县城区湿地动态，为后续的湿地保护提供科学依据。2016年2月，江西省鄱阳湖保护区都昌保护监测站与都昌候鸟保护区管理局联合省新闻媒体等首次采用四翼无人机在该县鄱阳湖朱袍山、三山的纵深水域内对鹤形目、雁鸭类等大型越冬候鸟种群进行航拍调查。此次共计监测到大型越冬水鸟种群三处，发现灰鹤400余只、小天鹅1.5万余只，豆雁1.4万余只。2017年4月，省林业规划院在项目规划中，搭配使用旋翼无人机和固定翼无人机获取了于都县境内宁定高速道路两旁的林地高分辨率图片和林地小班坐标位置，为项目后期的林相改造提供了重要依据[24]。2017年9月，江西省武夷山国家级自然保护区首次运用无人机技术，协助野外科研调查。2016年8月底，江西省修水县林业局利用无人机对余塅乡一颗受到锦斑娥幼虫侵害的重阳木进行了高空喷雾防治。2017年8月底，江西省九江市已经将无人机应用到庐山上空，进行消防巡航，实现了防火从人防到技防的转变。

3 发展方向与前景展望

随着现代林业逐步迈向信息化、自动化与智能化，传统的林业监测与调查手段耗时久、强度大、精度差的问题已经难以满足林业发展需求，航空遥感与航天遥感数据也由于时间分辨率低，难获取的特征影响林业监测，林业无人机遥感技术的出现和应用有效解决了这些问题，但当前林业无人机应用还有许多不足并有待加强。

(1)丰富传感器类型

我国民用轻小型无人机常用荷载传感器类型主要有数码相机、视频摄像机、多光谱相机、红外辐射仪等，其中数码相机占全部传感器种类的77%。在无人机用户中，研究机构和高校多采用多光谱相机、高光谱相机和红外辐射仪，而85%的用户仍采用光学数码相机作为传感器进行遥感拍摄活动。数码相机航拍影像变形大、精度差、效率低，会严重影响成图效果。因此，为解决无人机荷载传感器单一化的现状应需要研究轻小型多视立体航摄仪、小型机载激光雷达、热红外成像仪等多传感器和集成飞行平台与飞控系统的技术，研发基于轻小型无人机的实景三维模型、机载合成孔径雷达影像图、热红外航空遥感影像图、高光谱航空遥感影像图等产品，扩展轻小型无人机的应用范围领域。

(2)完善影像标准化处理体系

无人机航拍系统主要由硬件系统和软件系统构成。硬件系统主要包含飞行平台、荷载传感器、飞行控制系统、地面监控系统、数据传输系统和地面保障系统共六个部分[25]。软件系统主要包含航线设计软件、航拍影像快速检查软件和影像处理软件三部分。法国像素工厂系统(PixelFactory)、德国Inpho软件系统、中国测绘科学研究院PixelGrid软件系统和武汉大学DPGrid软件系统采用网络并行计算，在无人机影像预处理(内定向、畸变改正、建立影像金字塔)、自动空三测量、密集匹配同名点、影像匀光与匀色、影像镶嵌和正射纠正等环节均可采用并行计算的方式进行，可以极大节约人力和时间。在影像信息提取上，仍以常用的卫星遥感影像处理软件为主，如ERDAS、ENVI、eCognition等，并无较为成熟的无人机数据一体化处理系统。因此，目前亟需整合一套完整的无人机数据处理体系，包括影像定标、几何校正、数据拼接、特征增强和信息提取等，形成无人机影像的标准化处理体系。

(3)加强无人机影像时效性处理

目前民用轻小型无人机的续航能力大多在2～3 h之间，荷载重量在5 kg以内，搭载的传感器拍摄幅面小，这些因素已经成为制约无人机发展的重要瓶颈。无人机拍摄影像空间分辨率高，光谱特征多，影像的纹理特征丰富，在影像处理与分析中需要耗费较大的人力与时间。尤其在突发自然灾害的航拍工作中，急需对拍摄影像数据进行快速处理与分析，为决策者提供现实时参考依据，因而产品时效性亟需加强。

参考文献:

[1] 曹明兰,张力小,王强，等.无人机遥感影像中行道树信息快速提取[J].中南林业科技大学学报,2016,36(10):89-93.

[2] 谢涛,刘锐,胡秋红，等.基于无人机遥感技术的环境监测研究进展[J].环境科技,2013, 26(4):55-60,64.

[3] 林蔚红,孙雪钢,刘飞，等.我国农用航空植保发展现状和趋势[J].农业装备技术,2014 (1):6-10,11.

[4] 吕立蕾.无人机航摄技术在大比例尺测图中的应用研究[J].测绘与空间地理信息,2016,39(2):116-118,122.

[5] 孙中宇,陈燕乔,杨龙，等.轻小型无人机低空遥感及其在生态学中的应用进展[J].应用生态学报,2017,28(2):528-536.

[6] 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(信息科学版),2014,39(5):505-513,540.

[7] 张周威,余涛,孟庆岩，等.无人机遥感数据处理流程及产品分级体系研究[J].武汉理工大学学报,2013,35(5):140-145.

[8] 李法玲,刘琪璟,焦志敏，等.江西九连山保护区植被覆盖度遥感动态监测[J].林业勘察设计,2015(1):63-68,75.

[9] 马泽清,刘琪璟,徐雯佳，等.江西千烟洲人工林生态系统的碳蓄积特征[J].林业科学,2007,43(11):1-7.

[10] L O Wallace,A. Lucieer,C S Watson， et al. Assessing the feasibility of UAV-based lidar for high resolution forest change detection[C].//XXII ISPRS Congress 2012: Technical Commission VII: Melbourne (AU).25 August - 1 September, 2012.2013:499-504.

[11] 史洁青,冯仲科,刘金成，等.基于无人机遥感影像的高精度森林资源调查系统设计与试验[J].农业工程学报,2017,33(11):82-90.

[12] 孙志超,杨雪清,李超，等.小型无人机非测量相机在林业调查中的应用研究[J].林业资源管理,2017 (2):103-109.

[13] Garcia-Ruiz F,Sankaran S Maja J M, et al. Comparison of two aerial imaging platforms for identification of Huanglongbing-infected citrus trees.[J].Computers and Electronics in Agriculture,2013,91:106-115.

[14] 张学敏.基于支持向量数据描述的遥感图像病害松树识别研究[D].合肥：安徽大学,2014.

[15] 田晓瑞,代玄,王明玉，等.多气候情景下中国森林火灾风险评估[J].应用生态学报,2016,27(3):769-776.

[16] 白雪峰,王立明.森林火灾扑救类型划分及其特点规律研究[J].林业科技,2008,33(5):32-34.

[17] Hinkley, E A,Zajkowski T. USDA forest service-NASA: Unmanned aerial systems demonstrations-pushing the leading edge in fire mapping[J]. Geocarto international,2011,26(2):103-111.

[18] 张庆杰,郑二功,徐亮，等.森林防火无人机系统设计与林火识别算法研究[J].电子测量技术,2017,40(1):145-150.

[19] 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 (4):27-30.

[20] 李杨,王冬,张战峰，等.西安市长安区湿地资源分布与特征分析[J].陕西林业科技,2016 (5):43-46.

[21] Zaman, B,J, Austin M,McKee, M, et al. Use of high-resolution multispectral imagery acquired with an autonomous unmanned aerial vehicle to quantify the spread of an invasive wetlands species[C].//2011 IEEE International Geoscience and Remote Sensing Symposium. [v.1].2011:803-806.

[22] 李芾,基于低空无人机遥感的城市湿地植被调查与景观化研究[D].沈阳：沈阳农业大学,2016.

[23] 周在明,杨燕明,陈本清，等.基于无人机遥感监测滩涂湿地入侵种互花米草植被覆盖度[J].应用生态学报,2016,27(12):3920-3926.

[24] 江西省林业厅. 省林业规划院成功将无人机航拍技术应用于项目外业调查[EB/OL]. http://www.jxly.gov.cn/id_402848b75b3c2aa3015b88873eee068b/news. shtml.

[25] 毕凯,李英成,丁晓波，等.轻小型无人机航摄技术现状及发展趋势[J].测绘通报,2015 (3):27-31,48.