森林资源规划设计调查,是林业活动的一项重要工作,通常由外内业不同的工作组成,目的在于了解森林资源的数量、质量、分布以及变化情况。随着计算机技术、遥感技术的发展,森林资源调查中的外业工作强度不断减弱,信息化、自动化水平不断提高,这使得林业部门对森林资源监测的时效性明显提升。而无人机作为近几年兴起的遥感数据采集平台,在森林资源调查中扮演着日益重要的角色。在我国南方亚热带林区,由于森林分布破碎、类型多样、结构复杂,自动化提取森林信息的技术仍有待提高,且针叶林是亚热带地区主要的森林生态系统,也是林业中主要的生产性林种。本文选择处于亚热带的福建省将乐县针叶林为主要研究对象,面向森林蓄积量估算的需求,以无人机遥感数据为主要数据源,辅以LiDAR等数据,根据不同的林业样地类型,对林分样地郁闭度、株数、树高等信息进行了提取研究,对小班蓄积量进行了估算,并结合森林小班和野外调查数据,对研究结果进行了对比分析。主要研究内容和结论如下:(1)分析了无人机影像预处理方法。研究发现,对于曝光均匀、重叠率较高的林区无人机影像,借助Pix4D无人机影像处理平台,可生成高精度高分辨率的数字表面模型(DSM)和数字正射影像(DOM)。获得的真彩色正射影像色调自然、协调,无明显拼接线。(2)单期无人机影像针叶林林分参数提取评价。分析了单期无人机影像的林分参数提取能力。结果发现,单期无人机影像可以有效提取林冠、郁闭度和株数,估算精度达到90%,但对树高估算的能力有限。单期无人机影像只能提取出低郁闭度区域的树高值,在中高郁闭度区域中无法有效获取高精度的地形信息。(3)基于两期无人机遥感影像的伐区蓄积量估算。针对伐区蓄积量估算的需求,利用小班采伐前后的两期无人机遥感影像,开展了林分蓄积量的估算研究。分析了采伐前后的无人机点云匹配、布料模拟滤波算法点云分类的预处理方法。评价了采用自适应局域最大值法从冠层高度模型中提取林冠顶点的效果。结合野外采集的树高及单木材积实测数据建立随机森林模型,对伐区采伐蓄积量进行了有效估算,估算精度达到97%。(4)结合机载LiDAR和无人机影像的针叶林小班蓄积量估算。采用无人机数据及机载LiDAR数据,对约2km2针叶林小班的蓄积量进行了估算。结果发现:渐进三角网滤波算法能有效提取出LiDAR点云中地形点,获得较高精度的DEM数据。无人机遥感数据借助DEM数据生产冠层高度模型(CHM),以此为基础有效提取了研究区域小班平均树高值。同时,借助CHM专题特征辅助林冠、株数信息的提取,快速预估出了大面积针叶林小班蓄积量。