土壤水分在土壤监测中是一项重要的指标，对于农业生产、生态环境以及水资源管理有着重要的影响。随着遥感建模与反演理论的不断成熟，其逐渐成为分析土壤指标的重要技术与手段。因此，利用光学影像与雷达影像数据，以大兴安岭地区漠河市为研究区域，分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF-3卫星数据协同反演的土壤水分反演模型，将反演结果与实际测得数据进行对比验证，并评价所建立的反演模型。结果表明：①对研究区地温进行反演，利用地表温度（Ts）与归一化差异湿度指数NDMI构建Ts-NDMI特征空间，结合实测数据可以发现Ts-NDMI特征空间土壤水分反演模型的反演结果与实测土壤含水量为负相关性；②协同GF-3卫星数据和Landsat 8遥感影像数据所建立的土壤水分反演模型能得到质量较高的反演结果，且在高植被覆盖度地区，利用该协同反演模型得到的反演结果比利用单一光学数据源所建模型得到的反演结果精度高，为今后高植被覆盖度地区土壤湿度的研究提供了新途径。

森林在生态系统服务中起着重要作用，例如提供清洁空气、保护生物栖息地以及减少全球温室气体的排放等。全球森林变化数据集（Global Forest Change，GFC）每年以30 m的高空间分辨率绘制森林覆盖变化图，成为监测森林覆盖时空变化特征的有效工具。利用谷歌地球引擎（Google Earth Engine，GEE），基于GFC产品，结合线性回归方法和空间自相关理论对西南地区2001~2019年森林变化情况进行研究，结果表明：近19 a来，西南地区森林损失面积为375.27万hm²，以2008年为拐点，2008年之前呈显著增加趋势（p<0.05），在此之后波动下降，损失主要集中分布在广西、贵州东南和云南南部地区；森林损失与地形分析的关系表明损失主要分布在海拔2 000 m以下、坡度小于40°的区域，并逐渐向海拔更低坡度更缓的地方转移；森林损失面积具有一定的空间关联性，2001~2019年来Moran’s I 指数均为正，平均值为0.406，空间高值聚集在广西和贵州南部，低值聚集在重庆、四川和云南北部；政策因素在土地利用方式转变过程中发挥着重要作用，林业活动和农业扩张是影响损失现象发生的主要驱动因素，今后制定森林保护和管理战略时应充分考虑多方面因素造成的森林损失现象，研究结果可以为森林监测和保护提供更科学的指导。

为形成林场级森林可燃物类型遥感精细识别方法，以内蒙古大兴安岭根河林业局潮查林场为试验区，结合地面调查和森林资源调查等资料，建立了该区域的森林可燃物类型机载高光谱影像数据分类体系；通过对各类型的原始光谱曲线、一阶微分曲线、二阶微分曲线和包络线消除曲线进行分析，得到了适用于各类型识别的特征波段；并基于生成的特征波段的主成分分析分量（信息量95%以上）及其纹理特征影像，采用随机森林方法对该区域的森林可燃物类型进行了识别。利用机载高光谱遥感数据与其他数据相结合，研究形成了林场级森林可燃物类型随机森林识别方法，识别总体精度达86.31%，Kappa系数0.836；兴安落叶松和白桦的制图精度分别达到95.58%、94.34%，表明该方法适宜用于乔木可燃物的细分，可为林场级森林可燃物更新管理、森林火灾的科学预防及扑救提供技术支撑。

以福州大学为试验区，提出一种基于无人机遥感影像的台风灾害倒伏绿化树木的快速提取方法，为园林部门进行台风灾害损失评估、灾后重建提供参考。首先利用无人机遥感技术获取高于10 cm分辨率的台风过境前后影像，经过处理得到数字正射影像（Digital Orthophoto Map，DOM）和数字表面模型（Digital Surface Model，DSM）；其次采用高斯高通滤波算法突出树干的边缘信息；然后采用对比过滤分割算法结合互信息最大化特征选择算法（maximum Relevance Minimum Redundancy，mRMR）选择最佳特征子集，再分别根据阈值和随机森林（Random Forest，RF）分类方法检测出树干与非树干；最后使用骨架化算法将倒下的树干简化为骨架线，采用八邻域追踪法对单棵树干进行精细提取。结果表明：基于单期无人机影像使用阈值分类方法在试验区中共检测出了71棵倒伏木，准确率达76.06%；而基于RF分类方法倒伏木提取准确率虽提高了12.73%，但漏检率达25.39%；为了比较基于单期和两期影像两种数据源倒伏木的检测效率，结合两期DSM差值，分别采用阈值分类和RF分类两种方法，准确率分别为89.66%和87.30%，漏检率为17.46%和12.70%。研究认为，通过单时相影像特征基本能够检测出倒伏木，多时相影像分析可以有效提高倒伏木的检测精度，为不同数据源情况下的倒伏木检测提供了一种新途径。基于无人机遥感技术可以较好地实现台风灾后倒伏木数量的快速估算。

四川省木里县及周边林区是全国林火最为高发和易发区之一，近两年连续发生了扑火人员重大伤亡的事件。利用时序国产卫星影像、无人机影像和现场勘查数据等，从监测火灾蔓延时空过程的角度，对该区林火热点进行了动态监测，并分析了重点火场火灾发展过程，结果表明：以国产GF-4卫星影像为主，辅助以2 m/8 m光学卫星星座影像，可较好地监测林火热点；研究提出林火热点判定阈值为白天亮温值T≥360 K或夜间亮温值T≥330 K；监测发现了该区3月30日至4月6日间共6处火场的25次林火事件，并重点反演了①号木里和②号西昌火灾发展的时空过程。通过将卫星监测热点与现场勘查热点、无人机影像解译热点对比，表明在火灾早期和中期卫星林火热点监测精度可达89%。建议利用时序国产多源卫星影像对该区林火进行持续监测，并结合权威部门现场勘查数据适时发布预警信息，避免造成重大生命财产损失。

快速准确获取森林结构参数对森林资源调查管理及全球碳汇研究具有重要意义。以祁连山东、中部青海云杉林为研究对象，利用16个无人机激光雷达（LiDAR）点云数据、正射影像数据结合实地样方观测数据，提取样方内青海云杉的单木树高并准确验证树木分割精度；结合实测数据和地形数据，依据统计指标验证提取树高精度并分析原因；基于点云数据提取的各样方树高分析祁连山青海云杉冠层高度在空间上的变化。结果表明：在祁连山山地森林，冠层高度平均值估算精度最高，R²为0.93，RMSE为1.39 m（P<0.05）；地形影响基于点云数据的树高提取，坡度较小的青海云杉树高提取效果更好；从东到西，青海云杉平均树高呈下降趋势；随着海拔高度上升，青海云杉的平均树高先上升后下降，这与祁连山东西水热条件差异和不同海拔树木年龄分布有关。

在长时间尺度上监测和评价森林生态过程的状态变量是当前森林生态系统观测研究的热点问题之一。针对森林生态系统观测站观测数据实时传输存储不畅、数据共享度低、数据碎片化严重、大数据分析平台建设薄弱、森林火灾实时预测预警缺乏等问题，下蜀林场综合观测试验平台结合遥感技术、涡度相关技术、样方调查技术和无线传感器网络技术实现了森林生态系统水、土、气、生各要素长期的连续的综合观测，提供了森林生态系统与大气之间的碳收支数据、水通量数据、能量通量数据、气象数据的实时自动存储及显示，森林生态系统服务功能及价值量的存储及显示，实现了对森林火灾的监控以及森林火险的预测预警。试验平台可为森林生态系统长期自动化观测提供借鉴。

凭借着高分辨率、可控性强和性价比高的特点，无人机遥感技术在森林研究中得到了迅速的发展与应用。对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍，针对单木和林分两种森林资源调查对象，总结了目前利用无人机遥感技术提取森林参数的前沿方法。重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感器获取森林参数的算法，对比了其优越性、局限性并分析其最佳应用场景。此外，介绍了无人机遥感在森林树种分类和病虫害监测方面的应用情况。最后，对无人机遥感技术在森林监测方面的应用前景进行了展望，可为今后基于无人机遥感的森林资源监管领域的研究提供理论依据与技术支持。