多源遥感数据在森林资源监测上的应用现状与发展趋势

doi:10.11924/j.issn.1000-6850.casb2022-0503

中国农学通报 ›› 2023, Vol. 39 ›› Issue (19): 159-164.doi: 10.11924/j.issn.1000-6850.casb2022-0503

• 农业信息·科技教育 • 上一篇

多源遥感数据在森林资源监测上的应用现状与发展趋势

张娟¹^,²^,³(), 廖菊阳¹^,³, 刘艳¹^,³(), 王玲¹^,³, 李巧云¹^,³, 吴林世¹^,³, 黄雅奇¹^,³

¹ 湖南省植物园，长沙 410000
² 中南林业科技大学林学院，长沙 410004
³ 湖南长株潭城市群森林生态系统国家定位观测研究站，长沙 410004

收稿日期:2022-06-27 修回日期:2023-01-17 出版日期:2023-07-05 发布日期:2023-07-03
通讯作者: 刘艳，女，湖南长沙人，高级工程师，本科，主要从事生态定位观测研究、园林植物新品种选育、新优园林树种成果推广、森林景观构建规划。通信地址：410000 湖南省长沙市雨花区洞井镇省植物园科研中心，Tel：0731-82290993，E-mail：446864594@qq.com。
作者简介:
张娟，女，1991年出生，湖南益阳人，工程师，博士研究生，研究方向：森林资源遥感监测、森林防灭火。通信地址：410000 湖南省长沙市雨花区洞井镇省植物园科研中心，Tel：0731-82290993，E-mail：cherry_1232020@163.com。
基金资助:
湖南省林业科技创新资金项目“长株潭绿心区域森林生态系统定位监测及生态修复研究”(XLK202103-3); 欧洲投资银行贷款湖南森林提质增效示范项目“森林多功能效益评价技术”(OT-S-KTA4); 湖南省重点领域研发计划“湖南特色观赏树种高效栽培关键技术研究与集成示范”

Application Status and Development Trend of Multi-source Remote Sensing Data in Forest Resource Monitoring

ZHANG Juan¹^,²^,³(), LIAO Juyang¹^,³, LIU Yan¹^,³(), WANG Ling¹^,³, LI Qiaoyun¹^,³, WU Linshi¹^,³, HUANG Yaqi¹^,³

¹ Hunan Botanical Garden, Changsha 410000
² College of Forestry, Central South University of Forestry and Technology, Changsha 410004
³ National Orientation Observation and Research Station of Forest Ecosystem in Hunan Chang-Zhu-Tan Urban Group, Changsha 410004

Received:2022-06-27 Revised:2023-01-17 Online:2023-07-05 Published:2023-07-03

摘要/Abstract

摘要：

文章对多源遥感在森林资源监测的应用现状及发展趋势进行阐述，相比传统森林资源监测投入大量人力开展外业调查，卫星遥感和无人机遥感在森林资源监测中具有明显优势。在基于多源遥感数据开展的森林资源监测研究中，笔者重点对比5种多源遥感在森林资源监测中的应用，包括森林病虫害监测、林分树高测定、森林冠层结构测定、树种组成及森林分类、森林生物量测定。认为资源卫星、微波遥感、成像光谱技术及三维遥感中的森林资源监测新技术、新方法，如深度学习智能分类、多源遥感融合技术将成为未来多源遥感森林资源监测新手段，应用差分GPS、三维遥感及高光谱结合数学计算机技术，可以提高不同层级的森林资源估测精度；无人机遥感的自动化、信息化将是无人机遥感应用于森林资源监测中的发展趋势；此外，长时间续航能力、搭载多类型传感器将进一步提高无人机遥感对森林资源的精准监测。

关键词: 多源遥感, 森林资源监测, 卫星遥感, 无人机遥感

Abstract:

In this paper, the application status and development trend of multi-source remote sensing in forest resource monitoring are described. Compared with traditional forest resource monitoring, which involves a large amount of manpower to carry out field investigation, satellite remote sensing and UAV remote sensing have obvious advantages in forest resource monitoring. In the forest resource monitoring research based on multi-source remote sensing data, this paper focuses on the comparison of the application of five kinds of multi-source remote sensing on forest resource monitoring, including: forest disease and insect monitoring, stand height measurement, forest canopy structure measurement, tree species composition and forest classification, and forest biomass measurement. Resource satellite, microwave remote sensing, imaging spectroscopy and new technologies and methods of forest resource monitoring in three-dimensional remote sensing, such as deep learning intelligent classification and multi-source remote sensing fusion technology, will become new means for multi-source remote sensing forest resource monitoring in the future. The application of differential GPS, three-dimensional remote sensing and hyperspectral images combined with mathematical computer technology can improve the accuracy of different levels of forest resource estimation. The automation and informatization of UAV remote sensing will be the development trend of UAV remote sensing application in forest resource monitoring. In addition, the long endurance capability and multiple types of sensors will further improve the accurate monitoring of forest resources by UAV remote sensing.

Key words: multi-source remote sensing, forest resource monitoring, satellite remote sensing, UAV remote sensing

张娟, 廖菊阳, 刘艳, 王玲, 李巧云, 吴林世, 黄雅奇. 多源遥感数据在森林资源监测上的应用现状与发展趋势[J]. 中国农学通报, 2023, 39(19): 159-164.

ZHANG Juan, LIAO Juyang, LIU Yan, WANG Ling, LI Qiaoyun, WU Linshi, HUANG Yaqi. Application Status and Development Trend of Multi-source Remote Sensing Data in Forest Resource Monitoring[J]. Chinese Agricultural Science Bulletin, 2023, 39(19): 159-164.

图/表 5

参考文献 51

[1]	郑云峰, 尹准生, 刘诚. 德国森林资源经营管理与监测对我国林业的启示[J]. 中南林业调查规划, 2020, 39(2):1-4.
[2]	WARD Kathleen T, JOHNSON Gary R. Geospatial methods provide timely and comprehensive urban forest information[J]. Urban forestry & urban greening, 2006, 6(1):15-22.
[3]	BAENA Susana, MOAT Justin, WHALEY Oliver, et al. Identifying species from the air: UAVs and the very high resolution challenge for plant conservation[J]. PloS one, 2017, 12(11).
[4]	王忠仁, 韩爱惠. 德国奥地利森林资源监测与经营管理的特点及启示[J]. 林业资源管理, 2007(3):103-108.
[5]	亢新刚, 胥辉, 刘健, 等. 森林经理学(第4版)[M]. 北京: 中国林业出版社, 2011:178-179.
[6]	毛学刚, 范文义, 李明泽, 等. 黑龙江长白山森林生物量的时空变化分析[J]. 植物生态学报, 2011, 35(4):371-379. doi: 10.3724/SP.J.1258.2011.00371
[7]	林辉, 童显德, 黄忠义. 遥感技术在我国林业中的应用与展望[J]. 遥感信息, 2002(1):39-43,51.
[8]	蒋仟. 基于图像质量评价的高光谱森林监测波段选择研究[D]. 长沙: 中南林业科技大学, 2019.
[9]	徐海舟, 周国英, 臧卓, 等. 基于地面高光谱遥感的降香黄檀黑痣病病情指数反演[J]. 植物保护, 2016, 42(5):47-52.
[10]	吴见, 彭道黎. 高光谱遥感林业信息提取技术研究进展[J]. 光谱学与光谱分析, 2011, 31(9):2305-2312.
[11]	于泉洲, 王绍强, 黄昆, 等. 基于Hyperion高光谱数据的温带森林不同冠层结构的光谱特征分析[J]. 光谱学与光谱分析, 2015, 35(7):1980-1985.
[12]	于泉洲, 周蕾, 王绍强, 等. 基于EO-1 Hyperion的中国典型森林冠层高光谱特征分析[J]. 云南大学学报(自然科学版), 2018, 40(5):947-954.
[13]	谭耀华, 王长委. 国产高分辨率遥感数据在城市森林资源监测中的应用[J]. 测绘通报, 2019(5):113-115,154. doi: 10.13474/j.cnki.11-2246.2019.0161
[14]	代华兵. SPOT5遥感数据在森林资源监测中的应用研究[D]. 南宁: 广西大学, 2006.
[15]	陈小艺, 王铮. 基于遥感技术的汪清县森林资源动态监测研究与实践[J]. 测绘与空间地理信息, 2016, 39(3):125-129.
[16]	崔成玲. 激光测高卫星全波形数据的森林树高提取研究[D]. 北京: 中国矿业大学, 2016.
[17]	张琪. 星载极化干涉SAR树高反演技术研究[D]. 北京: 北京理工大学, 2016.
[18]	蔡龙涛. 国产星载激光雷达全链路森林回波仿真及森林结构参数反演研究[D]. 哈尔滨: 东北林业大学, 2021.
[19]	邱赛. ICESat-GLAS波形与HJ-1A高光谱影像联合反演森林地上生物量的研究[D]. 哈尔滨: 东北林业大学, 2016.
[20]	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.
[21]	BIRDAL A C, AVDAN U, TÜRK T. Estimating tree heights with images from an unmanned aerial vehicle[J]. Geomatics, natural hazards and risk, 2017, 8(2):1144-1156. doi: 10.1080/19475705.2017.1300608 URL
[22]	OTERO Viviana, VAN DE KERCHOVE Ruben, SATYANARAYANA Behara, et al. Managing mangrove forests from the sky: Forest inventory using field data and Unmanned Aerial Vehicle (UAV) imagery in the Matang Mangrove Forest Reserve, peninsular Malaysia[J]. Forest ecology and management, 2018, 411:35-45. doi: 10.1016/j.foreco.2017.12.049 URL
[23]	张煜星, 王雪军, 刘明博. 基于无人机遥感影像的DSM及遥感数据林分平均高提取[J]. 林业资源管理, 2017(2):23-27,52.
[24]	李祥, 郑淯文, 戴楚彦, 等. 基于无人机影像的森林信息获取研究进展[J]. 世界林业研究, 2017, 30(4):41-46.
[25]	NASI, ROOPE, HONKAVAARA, et al. Using UAV-based photogrammetry and hyperspectral imaging for mapping bark beetle damage at tree-level[J]. Remote sensing, 2015, 7(11):15467-15493. doi: 10.3390/rs71115467 URL
[26]	CALDERON R, NAVAS-CORTES J, PABLO Z T. Early detection and quantification of verticillium wilt in olive using hyperspectral and thermal imagery over large areas[J]. Remote sensing, 2015, 7(5):5584-5610. doi: 10.3390/rs70505584 URL
[27]	SANKEY T, DONAGER J, MCVAY J, et al. UAV lidar and hyperspectral fusion for forest monitoring in the southwestern USA[J]. Remote sensing of environment, 2017, 195:30-43. doi: 10.1016/j.rse.2017.04.007 URL
[28]	NEVALAINE O, HONKAVAARA E, Tuominen S, et al. Individual tree detection and classification with UAV-based photogrammetric point clouds and hyperspectral imaging[J]. Remote sensing, 2017, 9(3).
[29]	LEHMANN J R K, NIEBERDING F, PRINZ T, et al. Analysis of unmanned aerial system-based CIR images in forestry- A new perspective to monitor pest infestation levels[J]. Forests, 2015, 6(12):594-612. doi: 10.3390/f6030594 URL
[30]	IZUKA K, YONEHARA T, ITOH M, et al. Estimating tree height and diameter at breast height (DBH) from digital surface models and orthophotos obtained with an unmanned aerial system for a Japanese cypress (Chamaecyparis obtusa) Forest[J]. Remote sensing, 2017, 10(2).
[31]	杨坤, 赵艳玲, 张建勇, 等. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8):17-23.
[32]	CHIANUCCI F, DISPERATI L, GUZZI D, et al. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV[J]. International journal of applied earth observation and geoinformation, 2019.
[33]	孙钊. 基于无人机航拍图像的杉木树冠参数提取与模型研建[D]. 北京: 北京林业大学, 2020.
[34]	杨龙, 孙中宇, 唐光良, 等. 基于微型无人机遥感的亚热带林冠物种识别[J]. 热带地理, 2016, 36(5):833-839. doi: 10.13284/j.cnki.rddl.002857
[35]	KASPER J, TRI R, MATTHEW M C, et al. Using multi-spectral UAV imagery to extract tree crop structural properties and assess pruning effects[J]. Remote sensing, 2018, 10(6).
[36]	DASH J P, WATT M S, PEARSE G D, et al. Assessing very high resolution UAV imagery for monitoring forest health during a simulated disease outbreak[J]. ISPRS Journal of photogrammetry and remote sensing, 2017, 131:1-14. doi: 10.1016/j.isprsjprs.2017.07.007 URL
[37]	SMIGAJ M, GAULTON R, SUAREZ J C, et al. Use of miniature thermal cameras for detection of physiological stress in conifers[J]. Remote sensing, 2017, 9(9).
[38]	SMIGAJ M, GAULTON R, BARR S L, et al. UAV-borne thermal imaging for forest health monitoring: detection of disease-induced canopy temperature Increase[J]. The international archives of the photogrammetry, remote sensing and spatial information sciences, 2015, XL-3/W3:349-354. doi: 10.5194/isprsarchives-XL-3-W3-349-2015 URL
[39]	GUO Q, SU Y, HU T, et al. An integrated UAV-borne lidar system for 3D habitat mapping in three forest ecosystems across China[J]. International journal of remote sensing, 2017, 38(8-10):2954-2972. doi: 10.1080/01431161.2017.1285083 URL
[40]	许子乾, 曹林, 阮宏华, 等. 集成高分辨率UAV影像与激光雷达点云的亚热带森林林分特征反演[J]. 植物生态学报, 2015, 39(7):694-703. doi: 10.17521/cjpe.2015.0066
[41]	刘峰, 谭畅, 雷丕锋. 中亚热带森林单木地上生物量的机载激光雷达估测[J]. 应用生态学报, 2014, 25(11):3229-3236.
[42]	OTSU K, PLA M, VAYREDA J, et al. Calibrating the severity of forest defoliation by pine processionary moth with landsat and UAV imagery[J]. Sensors, 2018, 18(10).
[43]	SELKOWITZ D J, GREEN G, PETERSON B, et al. A multi-sensor lidar, multi-spectral and multi-angular approach for mapping canopy height in boreal forest regions[J]. Remote sensing of environment, 2012, 121:458-471. doi: 10.1016/j.rse.2012.02.020 URL
[44]	姚相坤, 苍甜甜, 张一帆, 等. 基于地基激光雷达构建人工林树高模型的研究[J]. 森林工程, 2022, 38(1):93-100.
[45]	LISEIN, MICHEZ, CLAESSENS, et al. Discrimination of deciduous tree species from time series of unmanned aerial system imagery[J]. PloS one, 2015, 10(11):e0141006. doi: 10.1371/journal.pone.0141006 URL
[46]	CALDERS K, NEWNHAM G, BURT A, et al. Nondestructive estimates of above-ground biomass using terrestrial laser scanning[J]. Methods in ecology and evolution, 2015, 6(2):198-208. doi: 10.1111/mee3.2015.6.issue-2 URL
[47]	洪奕丰. 长白落叶松生物量组分多尺度遥感反演[D]. 北京: 中国林业科学研究院, 2019.
[48]	NAIK P, DALPONTE M, BRUZZONE L, et al. Prediction of forest aboveground biomass using multitemporal multispectral remote sensing data[J]. Remote sensing, 2021, 13(7).
[49]	苟睿坤, 陈佳琦, 段高辉, 等. 基于GF-2的油松人工林地上生物量反演[J]. 应用生态学报, 2019, 30(12):4031-4040. doi: 10.13287/j.1001-9332.201912.003
[50]	冯仲科, 张晓勤. 发展我国的数字林业体系[J]. 北京林业大学学报, 2000(5):102-103.
[51]	AASEN H, HONKAVAARA E, LUCIEER A, et al. Quantitative remote sensing at ultra-high resolution with UAV spectroscopy: A review of sensor technology, measurement procedures, and data correction workflows[J]. Remote sensing, 2018, 10(7).

一级	二级	三级
林地	有林地	针叶林地
		阔叶林地
		混交林地
	疏林地	—
	未成林地	—
	灌木林地	—
	苗圃地	—
	无立木林地	—
	宜林地	宜林荒山荒地
	宜林地	宜林沙荒地
	辅助生产林地	—
非林地	农地	—
	水域	—
	未利用地	—
	其他土地	—

一级	二级	三级
林地	有林地	针叶林地
		阔叶林地
		混交林地
	疏林地	—
	未成林地	—
	灌木林地	—
	苗圃地	—
	无立木林地	—
	宜林地	宜林荒山荒地
	宜林地	宜林沙荒地
	辅助生产林地	—
非林地	农地	—
	水域	—
	未利用地	—
	其他土地	—

传感器	输出数据	应用
高光谱遥感	全波段光谱信息	森林资源类型分类^[8]，森林病虫害监测^[9]，森林树种分类^[10]，森林冠层结构^[11-12]
高分辨率遥感	高空间分辨率影像	森林提取^[13]，森林郁闭度提取^[13]，森林小班蓄积量估测^[14]
多光谱遥感	多波段光谱信息	森林土地覆盖信息^[15]，森林类型^[15]，植被覆盖度^[15]，森林参数模型^[15]
星载雷达	高程数据文件、陆地测高数据文件等	森林林分树高^[16-17]，森林结构参数^[18]，森林地上生物量^[19]

传感器	输出数据	应用
高光谱遥感	全波段光谱信息	森林资源类型分类^[8]，森林病虫害监测^[9]，森林树种分类^[10]，森林冠层结构^[11-12]
高分辨率遥感	高空间分辨率影像	森林提取^[13]，森林郁闭度提取^[13]，森林小班蓄积量估测^[14]
多光谱遥感	多波段光谱信息	森林土地覆盖信息^[15]，森林类型^[15]，植被覆盖度^[15]，森林参数模型^[15]
星载雷达	高程数据文件、陆地测高数据文件等	森林林分树高^[16-17]，森林结构参数^[18]，森林地上生物量^[19]

传感器	输出数据	应用
高光谱传感器	全波段光谱信息	森林病虫害监测^[25-26]，树种组成识别^[27-28]
可见光传感器	数字正射影像(DOM)，数字表面模型(DSM)	森林病虫害监测^[29]，林分树高测定^[30-31]，森林冠层结构与属性测定^[32-33]，树种组成识别^[3,34]，森林生物量测定^[22]
多光谱传感器	多波段光谱信息	森林冠层结构与属性测定^[35]，森林病虫害监测^[36]
热红外相机	温度图谱	森林冠层结构与属性测定^[37]，森林病虫害监测^[38]
激光雷达	点云，数字地表模型(DSM)，数字地面模型(DTM)	森林冠层结构与属性测定^[39-40]，森林生物量测定^[41]

多源遥感数据在森林资源监测上的应用现状与发展趋势

Application Status and Development Trend of Multi-source Remote Sensing Data in Forest Resource Monitoring

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 51

相关文章 5

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	任艳中, 王弟, 李轶涛, 王晓军. 无人机遥感在森林资源监测中的应用研究进展[J]. 中国农学通报, 2020, 36(8): 111-118.
[2]	毛智慧,邓磊,赵晓明,胡艺凡. 利用无人机遥感提取育种小区玉米倒伏信息[J]. 中国农学通报, 2019, 35(3): 62-68.
[3]	慕臣英,徐全辉,张菁,李石,宋晓巍,金宇,王敏,刘青. RS和GIS技术在沈阳市火灾监测中的应用研究[J]. 中国农学通报, 2016, 32(9): 179-182.
[4]	贾良良,,寿丽娜,李斐,陈新平,张福锁. 遥感技术在植物氮营养诊断和推荐施肥中的应用之研究进展[J]. 中国农学通报, 2007, 23(12): 396-396.
[5]	高永刚,刘丹,张福娟,杨晓丽. 卫星遥感在森林病虫害监测上的研究进展[J]. 中国农学通报, 2006, 22(2): 113-113.