为快速准确地获取植株冠层氮素含量及空间分布特征，对大尺度的果园进行精准动态的管理，以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象，通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数，运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型，并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中，融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量；植被指数训练集R~2为0.710，测试集R~2为0.430；纹理指数训练集R~2为0.761，测试集R~2为0.349；融合植被指数和纹理指数训练集R~2为0.775，测试集R~2为0.533。融合植被指数和纹理指数在SVM算法训练集R~2为0.511，测试集R~2为0.371;BP神经网络训练集R~2为0.651，测试集R~2为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演，得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高，其次为宽行窄株篱壁模式，传统栽培模式最低，氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量，可为大尺度柑橘果园定量施肥提供参考。

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机(UAV)的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型(DSM),利用1∶10 000地形图生成数字高程模型(DEM);基于DSM和DEM叠加相减得到树冠高度模型(CHM),实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数(R2)分别是0.97, 0.84和0.78,标准误差分别是0.67, 1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。

【目的】叶绿素是植物光合作用中重要的色素。利用作物光谱信息对叶绿素含量进行反演,为作物的实时监测和生长状态诊断提供重要依据。【方法】以大田环境下不同氮肥水平(0,50%和100%)的开花期玉米为研究对象,利用轻小型无人机搭载数码相机,获取试验区RGB影像。使用土壤调整植被指数(soil adjusted vegetation index,SAVIgreen)对图像进行分割,基于分割前后的影像分别提取15种常见的可见光植被指数,综合分析指数与玉米冠层叶绿素相对含量SPAD值的相关关系。采用单变量回归模型、多元逐步回归模型和随机森林(random forest,RF)回归算法构建玉米SPAD值的遥感估算模型,通过模型精度评价指标决定系数(coefficient of determination,R2)、均方根误差(root mean square error,RMSE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P<0.01),确定最佳指标和最优模型。【结果】基于分割前后的数码影像提取的VIplot和VIplant植被指数与玉米冠层SPAD值之间具有显著的相关关系,其中VIplant中的红光标准化值(NRI)、归一化叶绿素比值植被指数(NPCI)、蓝红比值指数(BRRI)、差值植被指数(DVI)与SPAD值的相关性在0.77以上;以相关性高于0.77的VIplant指数NRI、NPCI、BRRI、DVI构建的线性、指数、对数、二次多项式、幂函数的单变量回归模型中,NRI指数构建的二次多项式模型效果最好,决定系数R2为0.7976,RMSE为4.31,MRE为5.91%。在VIplant指数NRI、NPCI、BRRI、DVI参与建立的多变量SPAD反演模型中,使用随机森林方法的模型精度最高,决定系数R2为0.8682,RMSE为3.92,MRE为4.98%,而多元逐步回归模型的精度高于任意单变量回归模型,决定系数R2为0.819,RMSE为4,MRE为5.67%;对数码影像结合各模型制作的SPAD分布图进行精度分析,使用随机森林回归模型对SPAD的估测值与实测值最为接近,具有最佳的预测效果,R2为0.8247,RMSE为4.3,MRE为5.36%,可以作为玉米冠层叶绿素信息监测的主要方法。【结论】本研究证明将数码相机影像提取的可见光植被指数应用于玉米叶绿素相对含量的估测是可行的,这也为无人机遥感系统在农业方面的应用增添了新的手段和经验。

土壤氮素是土壤肥力的重要指标之一,在粮食生产和质量上扮演着极其重要的角色。土壤氮素监测不仅是农业生产的研究热点,也是全球气候变化问题研究的热点之一,而遥感技术为土壤氮素监测提供了一种快速无损的、新的技术手段。本研究利用TM影像通过NDVI变换反演植被覆盖度,同时结合地面实测数据,分析影像植被覆盖度与实测植被覆盖度的关系,及二者在反演土壤氮素含量时的差异;并建立影像植被覆盖度与土壤全氮含量的估算模型;结果表明:影像植被覆盖度与实测植被覆盖度的相关性极显著,通过比较实测植被覆盖度与土壤全氮、碱解氮的关系,发现实测植被覆盖度与土壤全氮含量相关性极显著,而与土壤碱解氮含量相关性不显著。

快速、准确地估测作物产量不仅有利于提前掌握粮食生产状况，而且对国家粮食政策的制定至关重要。无人机遥感技术因其快速、便捷、成本低等优势，还可同时搭载多种传感器获取高时空分辨率影像，因此在作物产量估测研究中发挥了重要作用。本文首先介绍了无人机遥感估产的相关背景；其次对近二十年来无人机遥感估产的研究现状进行了概述，分别从无人机平台、传感器、估产模型构建等方面重点综述了近年来国内外无人机遥感估产的研究进展。最后讨论了影响无人机遥感估产精度的因素、尚未解决的关键技术问题以及无人机遥感估产的未来发展前景。本文为了解无人机遥感估产研究前沿、技术瓶颈、发展前景提供重要参考，为精确栽培、智慧育种提供技术支撑。

无人机是开展野外调查的一种新型、有效的手段，能够及时、准确地获取地面调查样方信息，为作物面积遥感估算提供精准的样方数据。研究针对无人机抽样调查的样方特点，提出了适合于无人机样方的多层次事后分层指标（多层次－异质性指标、多层次－面积规模指标）。将这些指标分别用于事后分层抽样，估算冬小麦面积。并根据变异系数（ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｖａｒｉａｎｃｅ，ｃｖ）对其抽样效率进行评价。多层次指标是将多种分层指标分层结果叠加形成的，能够充分反映作物种植空间分布特征、空间异质性及种植规模，可以保证作物种植面积遥感估算的精度。以河南省冬小麦面积估算为例，在冬小麦空间分布空间范围，建立３００ｍ×３００ｍ抽样．．．

目前，我国的林业发展仍存在资源总体分布不均、整体质量不高等问题，制约着林业发展从注重数量增长向质量提升的转型。面对国家生态安全、木材安全、粮油安全和“双碳”目标等重大战略需求，迫切需要实现林木表型性状的精准监测，从而实现选育优异种质资源、缩短育种周期、提升林木抗逆性和木材品质等目标。传统的林木表型监测获取的样本少、效率低、精度差且有时还具有一定的破坏性，制约了林木良种选育的效率和质量。缺乏高效精准的高通量表型信息采集方法与分析技术，已成为阻碍林木遗传分析、良种选育等的主要瓶颈之一。现代无人机遥感技术能够智能、快速、精准地获取多尺度林木表型性状动态变化信息，对突破上述林木表型监测瓶颈具有重要意义。借助无人机所获取的高分辨率主被动遥感数据及深度学习、机器学习和数据挖掘等智能分析算法，可精准提取多尺度林木表型性状，为揭示“基因—表型—环境”三者之间的响应关系提供多时相定量数据保障，从而进一步实现优异种质资源筛选、精准栽培、识别和量化胁迫以及抗逆育种等目的。本研究首先介绍了林木表型监测中主要的无人机遥感传感器的应用现状。然后，重点介绍了无人机遥感技术在林木形态结构性状、生理功能性状和生化组分含量提取上的应用进展。最后，从林木表型性状多时相周期性动态监测、无人机多源表型性状数据整合、天空地不同平台遥感数据融合协同监测和林木表型多组学联合分析四方面对无人机林木表型监测遥感技术的未来发展趋势进行了展望。

提出了一种基于NDVI植被指数计算的改进分水岭分割方法.利用该方法对原始无人机多光谱遥感影像进行波段甄选、NDVI指数计算、形态学滤波等预处理,得到树冠的显著性区域图像;再利用彩色向量空间梯度算法计算显著性区域图像的梯度,从显著性区域图像中提取树冠的顶点及其范围作为标记,加到梯度图像上;最后采用基于标记控制的分水岭算法对树冠层进行分割.结果表明,该算法能够有效去除输电线路等背景区域的影响,算法样本精度达到88.3%.

目前常用的水稻产量估算方法以卫星遥感估产为主,卫星遥感估产的分辨率较低、缺乏机理性、误差较大。为了能够快速灵活地获取水稻冠层信息、提高分辨率、准确地估测水稻产量,利用无人机平台搭载高清数码相机,拍摄从抽穗期到成熟期的水稻冠层影像,首先应用中值滤波算法对RGB颜色空间下水稻冠层图像进行去噪,然后针对彩色水稻图像的颜色特征,将图像由RGB颜色空间转换到L*a*b*颜色空间,运用K均值聚类算法对水稻冠层图像进行聚类分析、图像分割,提取出水稻穗、获得水稻穗数量、代入水稻产量估算公式进行估产。试验区域共有18块水稻

为解决中华绒螯蟹(Eriocheir sinensis)质量依靠人工测量时工作量大、应激反应强及测量精度不高等问题,提出了一种基于无人机图像的中华绒螯蟹质量估算方法。利用无人机拍摄中华绒螯蟹图像,通过图像处理技术提取中华绒螯蟹甲壳特征,计算甲壳面积,将甲壳面积和中华绒螯蟹质量作为参数,利用数据拟合的方法建立质量估算模型。实验结果表明,幂函数回归模型更满足中华绒螯蟹质量估算的要求,模型决定系数R~2为0.9678(P<0.01),在测试样本中的平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(R)分别为14.4722、17.6186、0.9465,精度满足估算要求。基于无人机图像的中华绒螯蟹质量估算方法,可以为中华绒螯蟹的投喂、分级捕获和养殖密度调控等提供良好的指导意义。

【目的】森林火灾监测多采用卫星和低空热红外遥感对林火进行识别，准确率高，但受限于硬件性能和成本，对基于无人机的多光谱遥感及不同图像传感器比较的林火监测研究较少。【方法】选定山地树林作为试验对象，根据起火点的明火和阴燃两种状态，结合树冠状态，分为明火有遮挡、明火无遮挡、阴燃有遮挡、阴燃无遮挡等4种林火状态，以无火场景作为对照，开展森林火灾监测试验，利用无人机分别搭载热红外、多光谱、可见光等图像传感器采集林火图像，分别基于随机森林（RF）、支持向量机（SVM）、反向传播神经网络（BP）3种机器学习算法建立林火监测模型，通过准确率（Accuracy）、精度（Precision）、召回率（Recall）和F1-score进行监测模型性能评估。【结果】综合分析，热红外相机和可见光相机基于支持向量机（SVM）的监测模型准确率最高，多光谱相机基于随机森林（RF）的监测模型准确率最高。热红外相机监测准确率高达100%，多光谱相机接近100%，可见光相机达到85%。综合分析，热红外相机监测准确率最高，多光谱相机次之，可见光相机监测性能最差。多光谱相机可在不同林火状态下较好地替代热红外相机进行监测，可见光相机在不同林火状态下均表现出较差的监测效果。【结论】通过使用机器学习算法进行优化，多光谱相机可在林火监测中有效替代热红外相机，可以显著降低监测成本和丰富林火监测技术手段。

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs) 6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度; 2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73; 3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。

[目的]无人机遥感具有高空间、高时间分辨率的优点,并可同时获得光谱和空间信息,因此在农作物分类中备受研究者的青睐。与侧重于从高分辨率RGB图像中提取纹理特征的分类方法不同,文章重点研究如何利用作物在光谱和空间维度上的联合特征尤其是作物高程特征,以实现农作物精细分类。[方法]首先,我们进行研究区域选择和地面实际情况调查,用无人机遥感系统进行可见光影像采集;其次,确定研究区域内农作物分类类别,分别对可见光遥感影像进行可见光植被指数计算及纹理滤波;针对数字表面模型(DSM)数据特点,对两期DSM数据进行差值处理,获得差异数字表面模型数据(DDSM),提取作物高度信息,并根据农作物冠层特性对差异数字表面模型进行滤波处理;最后,进行特征优选及组合,使用SVM方法进行农作物分类。[结果]确定最优分类特征为RGB、红波段对比度、绿波段二阶矩、蓝波段方差、DDSM、DDSM方差、DDSM对比度,分类精度由71.86%提高到92.30%,验证了由DSM影像提取的空间特征可以提高农作物分类精度。[结论]该研究探索了一种基于可见光及空间联合特征的农作物精细分类方法,方法简单可行,设备成本低,在基于无人机低空遥感的样方调查领域中有较大的应用前景。

国家对自然资源统一监管和生态环境保护治理提出了新的要求,大力推进信息化建设,加大卫星遥感、无人机、大数据等技术应用,为航空摄影测量与遥感产业发展提供了良好机遇。本文结合无人机摄影测量与遥感产业发展实践,对拓展无人机摄影测量与遥感产业领域、服务生态文明建设进行了分析。

行道树具有补充氧气、净化空气、美化城市、减少噪音等作用。虽然高分辨率遥感技术能够提取行道树信息，但其工作量大、成本高。无人机具有飞行成本低、数据分辨率高、外业周期短、机动灵活等优点，根据行道树分布灵活设计航线，可显著降低成本提高效率。文章利用无人机航测遥感系统采集并制作的ＤＥＭ、ＤＳＭ与ＤＯＭ，基于邻域最高过滤法提取了行道树信息，并将提取结果与实地调查数据进行了比较分析。结果表明，邻域最高过滤法测量行道树单株树高的平均误差为４．９４，株数提取率也达到９５％以上。