国内外研究进展
1.1国外研究进展
近年来，无人驾驶飞行器技术的到极大的发展，因其材料和运输成本相对低，数据采集灵活、便捷，操作相对简单，成为是林业调查及森林资源监测的研究热点。20世纪末，就有人将无人机作为遥感平台应用于林业。因无人机所搭载的传感器的不同，获取的数据主要有以下几种。
1）激光雷达传感器
激光雷达因其独特的穿透性，对于获取森林地形有着重要的作用，White等人实现了加拿大一片森林的数字高程模型（DEM）的获取[1]。在预估森林特征方面，Nasset等人在2004年利用机载激光扫描数据生成了非常详细的数字地形模型（DTM），并能够估算一系列森林参数，包括高度、胸高断面积、蓄积量和地表生物量等[2]。在单木尺度研究中，Wallace等人在澳大利亚塔斯马尼亚的蓝桉人工林中，选取了 6块500平方米的地块，进行LiDAR点云获取，并利用自动算法进行单木分割，他们的研究表明在单木尺度上，无人机采集的高密度LiDAR数据能够提供高精度的单木定位信息及树高(位置的平均偏差(MD)小于0.48米，高度的MD为0.35米)。这些都为激光雷达的实际应用提供了依据。
2）光谱传感器
尽管机载激光雷达现在被认为是详细描述森林的首选数据源，但随着高分辨率数字航空摄影测量(DAP)技术的发展，加之相对激光雷达获取费用低，越来越多的研究者利用高分辨率影像提取森林结构信息，以促进促进森林资源监测。Bohlin，Nurminen，Straub等人先后与自己的团队完成了利用高空间分辨率的数字立体图像（DSI）来生产数字表面模型（DSM）[3-6]。DSI也逐渐被应用于测量树高及其他林分特征。Gong等人利用GSI半自动测量树的树高[7]。Nasst等人使用自动图像匹配技术来确定平均林分高度[13]。Fujita，Vega，和St-Onge等人都展示了利用多时相DSI监测长期冠层特征和树高生长能力的潜力，他们通过DSI生成的DSM减去地面高程来生成一个冠层高度模型（CHM），由此来进行森林冠层高度测量，而所需的森林地区高分辨率地面高程信息通常只能从LiDAR获得，从高分辨率的DTM中，他们发现DSI可以精确的测量树高，St-Onge等人研究研究还表明，由 DSI和LiDAR导出的冠层模型具有高度的相关性[8-10]。Goodbody等人2013(T1)采集的森林砍伐前LiDAR数据和野外测量数据以及2015(T2)采集的森林砍伐后无人机数字航空摄影测量(DAP)数据进行了处理，使用点云参数和每个样地实地测量数据来建立T1 LiDAR和T2 DAP预测蓄积量模型，对2013和2015 DAP模型的估计相对均方根误差分别为17.34%和18.50%，间接模型和直接模型预测容积变化的相对均方根误差分别为16.65%和86.56%。从LiDAR和DAP模型中得到的结果表明，利用无人机获得的DAP估计森林砍伐后剩余蓄积量具有很强的潜力[10-13]。
多光谱相机也被应用与林业。2015年，Puliti等人利用装配了可见和近红外相机的固定翼无人机采集了挪威东南部北方森林的图像，并用地面参考数据拟合林分的Loreyrsquo;s高(按林分面积对林分高度的贡献加权)、优势木高度、树木株数、胸高断面积和蓄积量的线性模型，其中优势木高度是最好的预测变量（R2为0.97），株数的对数变换是最差的（R2为0.87）[14-16]。
1.2国内研究进展
国内无人机遥感起步较晚，但近年来得到了较大的发展[17-18]。胡健波等介绍了无人机遥感与传统的以卫星和有人机遥感相比,无人机遥感具有高时效、高时空分辨率、云下低空飞行、高机动性等优势,是传统卫星和有人机遥感手段所无法比拟的。这些优点使得无人机在生态学和保护生物学等领域获得迅速发展[19]。
在应用激光雷达数据方面，曹林等介绍了激光雷达系统的组成和原理,以及不同形式的激光雷达数据生物量提取方法及估算模型,重点分析了单木和林分两个级别的机载小光斑激光雷达系统的森林生物量获取方法，并且针对当前激光雷达系统获取森林生物量信息的局限性,分析了未来多源遥感数据集成及激光雷达硬件革新技术的发展趋势[20]。刘鲁霞等将机载激光雷达与地基激光雷达，这两种遥感平台相结合，进行了森林垂直结构参数提取研究。他们建立了结合机载和地基激光雷达数据提取森林结构参数的完整技术流程。结果表明结合两种数据能够获取高精度森林垂直结构参数，地基激光雷达具有为机载激光雷达数据提供验证的潜力并有望取代一些繁重的、需要较高人力成本的样地工作，并且能够准确、快速、省力的获取样地单木结构参数及地形信息[21]。
在应用光谱相机数据方面，李祥等介绍了利用无人机获取的影像，来提取森林的特征参量的研究发展，他们综述近几年无人机在森林结构、生物量、蓄积量、立木材积、林区规划、树木空间分布以及三维建模等方面的研究进展,并对无人机在森林信息获取中的研究和应用提出建议[22]。刘清旺等介绍了无人机激光雷达与摄影测量林业应用研究进展。包括通过单木分割法可以提取单木结构信息,从激光雷达点云或摄影测量重建点云中识别树冠顶点、树冠边界、位置等属性,也可以将点云投影到体元空间或者生成冠层高度模型(CHM),在此基础上识别单木特征[23]。许子乾等将高分辨率UAV影像与激光雷达点云数据进行了集合，用于亚热带森林林分特征反演研究。该研究集成高分辨率无人机影像和激光雷达点云数据估算亚热带天然次生林林分基本特征变量。结果表明：联合提取的特征变量与Loreyrsquo;s树高的敏感性最高,蓄积量次之,林分密度和胸高断面积最低[24]。王枚梅等只利用无人机可见光影像，进行了亚高山针叶林树冠参数信息自动提取研究。结果表明,基于无人机遥感影像的树冠参数信息自动提取方法高效可靠,能够满足亚高山针叶林生长状况快速评价与动态遥感监测的需求[25]。而将DAP数据应用于高精度森林资源调查也有了进展，史洁青等进行了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。他们以无人机航拍影像为数据基础,充分结合摄影测量技术、无人机影像后处理技术、地理信息系统技术和林业资源调查管理技术,构建了适用于林业调查和管理的专业森林资源调查系统。结果表明,该系统获取数字航空摄影测量图像的坡度和高程的相对均方根误差分别为5.17%和5.41%,株树密度、蓄积量的相对均方根误差为2.68%和4.01%[26]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
