Close⁃Range Sensing of Forest： Status， Challenges， and Prospects

LIANG Xinlian; CHEN Jianchang; PANG Yong; DING Yi; CHEN Lei; ZHENG Guang; CHEN Jiale; WANG Xiaochen; MI Xiangcheng; FU Anmin; WU Fayun; ZHANG Huaiqing; LEI Xiangdong; ZANG Runguo; CHEN Erxue; GUO Qinghua; LI Zengyuan; GONG Jianya

doi:10.13203/j.whugis20260399

您当前的位置：

首页 >

文章列表页 >

Close⁃Range Sensing of Forest： Status， Challenges， and Prospects

Photogrammetry and Remote Sensing | 更新时间：2026-10-15

- Close⁃Range Sensing of Forest： Status， Challenges， and Prospects
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 11, Pages: 2395-2423(2026)
- 作者机构：
  
  1.武汉大学测绘遥感信息工程全国重点实验室，湖北武汉，430079
  2.中国林业科学研究院资源信息研究所，北京，100091
  3.中国林业科学研究院森林生态环境与自然保护研究所，北京，100091
  4.中国科学院植物研究所，北京，100093
  5.南京大学国际地球系统科学研究所，江苏南京，210023
  6.空天信息大学遥感科学与技术学院，山东济南，250200
  7.国家林业和草原局林草调查规划院，北京，100714
  8.北京大学地球与空间科学学院遥感与地理信息系统研究所，北京，100871
  9.武汉大学遥感信息工程学院，湖北武汉，430079
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20260399
  CLC： P237
- Received：28 September 2026，
  
  Published：05 November 2026
- 稿件说明：
移动端阅览
梁欣廉,陈健昌,庞勇，等.近景森林感知：现状、挑战与展望[J].武汉大学学报（信息科学版）,2026,51(11):2395-2423.

LIANG Xinlian,CHEN Jianchang,PANG Yong,et al.Close⁃Range Sensing of Forest: Status, Challenges, and Prospects[J].Geomatics and Information Science of Wuhan University,2026,51(11):2395-2423.
梁欣廉,陈健昌,庞勇，等.近景森林感知：现状、挑战与展望[J].武汉大学学报（信息科学版）,2026,51(11):2395-2423. DOI：10.13203/j.whugis20260399

LIANG Xinlian,CHEN Jianchang,PANG Yong,et al.Close⁃Range Sensing of Forest: Status, Challenges, and Prospects[J].Geomatics and Information Science of Wuhan University,2026,51(11):2395-2423. DOI：10.13203/j.whugis20260399

摘要

近景感知以接触、非接触方式从近距离观测目标，具有分辨率高、信息维度广、平台灵活多样、场景适应性强等特点，是获取对象真实特征的重要途径，也是连接地面真实场景与航空、卫星遥感观测的关键桥梁。随着观测平台、传感器和信息解译技术的快速发展，加之行业应用场景持续拓展，近景感知取得跨越式发展，正由静态、单源、单次、人工观测向移动、多源、连续和自主方式演进，已形成较完备的软硬件与应用体系，涵盖平台、传感器、数据融合、识别解译、定量反演、变化检测及行业应用等关键环节。在森林环境中，近景感知通过获取样地、单木乃至枝干、叶片等多尺度结构、光谱及动态信息，实现从宏观林分到微观特征的多级定量表达，支撑森林参数精准反演、生长动态监测及生态过程机理研究，并广泛应用于森林资源监测、碳汇计量、健康评估、生物多样性评价和智慧经营等领域。当前，近景森林感知正处于快速发展阶段，面临观测信息时空完整度不足、多源数据协同能力有限、数据与评价标准不统一、跨区域泛化能力不足及多尺度误差传播等问题。围绕平台与传感器、数据处理、应用场景3个层面，梳理近景森林感知发展脉络，总结研究进展与现状，分析面临的关键挑战。进一步，近景森林感知研究应加强对观测完整性、实施方案标准化、跨平台跨区域迁移能力的关注，推动开发物理生态约束融合解决方案，并结合自主感知、边缘计算和数字孪生，推动观测体系向全面、规范、可信和机理驱动方向发展，构建一体化协同观测与人工智能深度融合的新型森林监测体系。

Abstract

Close-range sensing observes objects at target-to-sensor distances ranging from contact or non-contact short range up to several hundred meters or more. It delivers high-resolution

multi-dimensional sensing capabilities through flexible and deployable platforms

enabling robust adaptation to diverse environmental conditions. In addition to enabling detailed characterization of the observed targets

close-range sensing provides a critical bridge between ground-based measurements of real-world conditions and observations from airborne and satellite remote sensing platforms. Over the past three decades

rapid advances in terrestrial

mobile

and unmanned aerial vehicle platforms

coupled with innovations in light detection and ranging

multispectral

hyperspectral

and thermal infrared sensors

together with the development of artificial intelligence-based information interpretation methods and the expanding application scenarios

have propelled the rapid development of close-range sensing. The observation approaches are transitioning from static

single-source

single-temporal

and manually operated observations toward mobile

multi-source

continuous

and autonomous sensing paradigms. In parallel

an integrated ecosystem of hardware

software

and applications has been established

spanning sensing platforms

advanced sensors

multi-source data fusion

information extraction and interpretation

quantitative retrieval

change detection

and domain-specific applications. In forest environments

close-range sensing acquires structural

spectral

and temporal information at the plot

tree

branch

and leaf levels

enabling quantitative characterization. It supports accurate retrieval of forest parameters

monitoring of growth dynamics

and mechanistic investigations of ecological processes. And it has been widely applied to forest resource monitoring

carbon sink quantification

forest health assessment

biodiversity assessment

and intelligent forest management. Currently

close-range sensing of forest environments is still facing several challenges

including incomplete observations

limited interoperability among multi-source data

the lack of unified data and evaluation standards

weak cross-regional generalization capability

and error propagation across scales. This paper overviews the development of close-range sensing of forest environments

summarizes current research progress and the state-of-the-art

and analyzes key challenges from hardware

processing

and application. Future research should place greater emphasis on observation completeness

standardization of implementation procedures

and cross-platform and cross-regional transferability. Autonomous sensing and artificial intelligence should be further integrated to develop a new forest monitoring framework characterized by comprehensive observations

reliable information extraction

and mechanism-informed understanding.

关键词

Keywords

references

李增元，刘清旺，庞勇 . 激光雷达森林参数反演研究进展［J］. 遥感学报， 2016 ， 20 （ 5 ）： 1138 - 1150 .

LI Zengyuan ， LIU Qingwang ， PANG Yong . Review on Forest Parameters Inversion Using LiDAR ［J］. Journal of Remote Sensing ， 2016 ， 20 （ 5 ）： 1138 - 1150 .

郭庆华，吴芳芳，胡天宇，等 . 无人机在生物多样性遥感监测中的应用现状与展望［J］. 生物多样性， 2016 ， 24 （ 11 ）： 1267 - 1278 .

GUO Qinghua ， WU Fangfang ， HU Tianyu ， et al . Perspectives and Prospects of Unmanned Aerial Vehicle in Remote Sensing Monitoring of Biodiversity ［J］. Biodiversity Science ， 2016 ， 24 （ 11 ）： 1267 - 1278 .

曹林，周凯，申鑫，等 . 智慧林业发展现状与展望［J］. 南京林业大学学报（自然科学版）， 2022 ， 46 （ 6 ）： 83 - 95 .

CAO Lin ， ZHOU Kai ， SHEN Xin ， et al . The Status and Prospects of Smart Forestry ［J］. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2022 ， 46 （ 6 ）： 83 - 95 .

李林源，黄华国，穆西晗，等 . 低空无人机植被定量遥感：进展、挑战与展望［J］. 遥感学报， 2025 ， 29 （ 6 ）： 2083 - 2113 .

LI Linyuan ， HUANG Huaguo ， MU Xihan ， et al . Low-Altitude UAV-Based Quantitative Remote Sensing of Vegetation： Advances， Challenges， and Prospects ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 6 ）： 2083 - 2113 .

LIANG X L ， KUKKO A ， BALENOVIĆ I ， et al . Close-Range Remote Sensing of Forests： The State of the Art， Challenges， and Opportunities for Systems and Data Acquisitions ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2022 ， 10 （ 3 ）： 32 - 71 .

李增元，陈尔学，覃先林，等 . 中国林草遥感技术研究与应用：最新进展、挑战与对策［J］. 遥感学报， 2025 ， 29 （ 6 ）： 1804 - 1830 .

LI Zengyuan ， CHEN Erxue ， QIN Xianlin ， et al . Research and Application of Forestry and Grassland Remote Sensing Technology in China： Recent Progress， Challenges and Countermeasures ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 6 ）： 1804 - 1830 .

LIANG X L ， KANKARE V ， HYYPPÄ J ， et al . Terrestrial Laser Scanning in Forest Inventories ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2016 ， 115 ： 63 - 77 .

CHEN J C ， LIANG X L ， LIU Z J ， et al . Tree Species Recognition from Close-Range Sensing： A Review ［J］. Remote Sensing of Environment ， 2024 ， 313 ： 114337 .

谢东辉，李益，周坤，等 . 基于多源遥感数据的数字林场信息提取与系统构建［J］. 遥感学报， 2024 ， 28 （ 5 ）： 1281 - 1294 .

XIE Donghui ， LI Yi ， ZHOU Kun ， et al . Information Extraction and System Construction of Digital Forest System Based on Multisource Remote Sensing Data ［J］. National Remote Sensing Bulletin ， 2024 ， 28 （ 5 ）： 1281 - 1294 .

HOLVOET J ， EICHHORN M P ， GIANNETTI F ， et al . Terrestrial and Mobile Laser Scanning for National Forest Inventories： From Theory to Implementation ［J］. Remote Sensing of Environment ， 2025 ， 329 ： 114947 .

WANG X C ， LIANG X L ， CAMPOS M ， et al . Benchmarking of Laser-Based Simultaneous Localization and Mapping Methods in Forest Environments ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5706221 .

QI H W ， LIANG X L . Automated First-Order Tree Branch Modeling at Plot- and Individual-Tree-Levels from Close-Range Sensing for Silviculture and Forest Ecology ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5705821 .

LIANG X L ， QI H W ， DENG X J ， et al . ForestSemantic： A Dataset for Semantic Learning of Forest from Close-Range Sensing ［J］. Geo⁃spatial Information Science ， 2025 ， 28 （ 1 ）： 185 - 211 .

CALDERS K ， ADAMS J ， ARMSTON J ， et al . Terrestrial Laser Scanning in Forest Ecology： Expanding the Horizon ［J］. Remote Sensing of Environment ， 2020 ， 251 ： 112102 .

曹伟，陈动，史玉峰，等 . 激光雷达点云树木建模研究进展与展望［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 2 ）： 203 - 220 .

CAO Wei ， CHEN Dong ， SHI Yufeng ， et al . Progress and Prospect of LiDAR Point Clouds to 3D Tree Models ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 2 ）： 203 - 220 .

MAEDA E E ， BREDE B ， CALDERS K ， et al . Expanding Forest Research with Terrestrial LiDAR Technology ［J］. Nature Communications ， 2025 ， 16 ： 8853 .

LIANG X L ， HYYPPÄ J ， KAARTINEN H ， et al . International Benchmarking of Terrestrial Laser Scanning Approaches for Forest Inventories ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2018 ， 144 ： 137 - 179 .

POHJAVIRTA O ， LIANG X L ， WANG Y S ， et al . Automated Registration of Wide-Baseline Point Clouds in Forests Using Discrete Overlap Search ［J］. Forest Ecosystems ， 2022 ， 9 ： 100080 .

DAI X S ， LIANG X L ， QI H W ， et al . Automated Registration of Terrestrial Point Clouds Through Ground Overlapping Searching in Forests ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5707413 .

WANG X C ， LIANG X L . Automated TLS Multi-scan Registration in Forest Environments： A Novel Solution Based on Hash Table ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2026 ， 232 ： 280 - 304 .

LU M K ， LAM T Y ， PERNG B H ， et al . Close-Range Photogrammetry with Spherical Panoramas for Mapping Spatial Location and Measuring Diameters of Trees Under Forest Canopies ［J］. Canadian Journal of Forest Research ， 2019 ， 49 （ 8 ）： 865 - 874 .

KUŽELKA K ， SUROVÝ P . Mathematically Optimized Trajectory for Terrestrial Close-Range Photogrammetric 3D Reconstruction of Forest Stands ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2021 ， 178 ： 259 - 281 .

PIERMATTEI L ， KAREL W ， WANG D ， et al . Terrestrial Structure from Motion Photogrammetry for Deriving Forest Inventory Data ［J］. Remote Sensing ， 2019 ， 11 （ 8 ）： 950 .

JAAKKOLA A ， HYYPPÄ J ， KUKKO A ， et al . A Low-Cost Multi-sensoral Mobile Mapping System and Its Feasibility for Tree Measurements ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2010 ， 65 （ 6 ）： 514 - 522 .

MOKROŠ M ， MIKITA T ， SINGH A ， et al . Novel Low-Cost Mobile Mapping Systems for Forest Inventories as Terrestrial Laser Scanning Alternatives ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2021 ， 104 ： 102512 .

SHAO J Y ， LIN Y C ， WINGREN C ， et al . Large-Scale Inventory in Natural Forests with Mobile LiDAR Point Clouds ［J］. Science of Remote Sensing ， 2024 ， 10 ： 100168 .

MUHOJOKI J ， HAKALA T ， KUKKO A ， et al . Comparing Positioning Accuracy of Mobile Laser Scanning Systems Under a Forest Canopy ［J］. Science of Remote Sensing ， 2024 ， 9 ： 100121 .

YAO H Y ， LIANG X L ， CHEN R Z ， et al . A Benchmark of Absolute and Relative Positioning Solutions in GNSS Denied Environments ［J］. IEEE Internet of Things Journal ， 2024 ， 11 （ 3 ）： 4243 - 4273 .

关天蒴，王春博，王蔚，等 . 移动式激光雷达在人工林样地调查中的路径规划方法［J］. 北京林业大学学报， 2024 ， 46 （ 5 ）： 154 - 162 .

GUAN Tianshuo ， WANG Chunbo ， WANG Wei ， et al . Path Planning Method of Mobile Lidar in Plantation Sample Plot Survey ［J］. Journal of Beijing Forestry University ， 2024 ， 46 （ 5 ）： 154 - 162 .

LIU J B ， HYYPPÄ J ， YU X W ， et al . A Novel GNSS Technique for Predicting Boreal Forest Attributes at Low Cost ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 9 ）： 4855 - 4867 .

LIANG X L ， YAO H Y ， QI H W ， et al . Forest in Situ Observations Through a Fully Automated Under-Canopy Unmanned Aerial Vehicle ［J］. Geo⁃spatial Information Science ， 2024 ， 27 （ 4 ）： 983 - 999 .

GRANIER A . Evaluation of Transpiration in a Douglas-Fir Stand by Means of Sap Flow Measurements ［J］. Tree Physiology ， 1987 ， 3 （ 4 ）： 309 - 320 .

POYATOS R ， GRANDA V ， MOLOWNY-HORAS R ， et al . SAPFLUXNET： Towards a Global Database of Sap Flow Measurements ［J］. Tree Physiology ， 2016 ， 36 （ 12 ）： 1449 - 1455 .

KAGAWA A ， FUJIWARA T . Smart Increment Borer： A Portable Device for Automated Sampling of Tree-Ring Cores ［J］. Journal of Wood Science ， 2018 ， 64 （ 1 ）： 52 - 58 .

SHCHERBACHEVA A ， CAMPOS M B ， WANG Y S ， et al . A Study of Annual Tree-Wise LiDAR Intensity Patterns of Boreal Species Observed Using a Hyper-Temporal Laser Scanning Time Series ［J］. Remote Sensing of Environment ， 2024 ， 305 ： 114083 .

CAMPOS M B ， NUNES M H ， SHCHERBACHEVA A ， et al . Factors and Effects of Inter-Individual Variability in Silver Birch Phenology Using Dense LiDAR Time-Series ［J］. Agricultural and Forest Meteorology ， 2024 ， 358 ： 110253 .

CAMPOS M B ， LITKEY P ， WANG Y S ， et al . A Long-Term Terrestrial Laser Scanning Measurement Station to Continuously Monitor Structural and Phenological Dynamics of Boreal Forest Canopy ［J］. Frontiers in Plant Science ， 2021 ， 11 ： 606752 .

熊景峰，曾宏达，谢锦升，等 . 基于多时相无人机LiDAR的杉木林地上生物量季节变化初探［J］. 遥感学报， 2024 ， 28 （ 12 ）： 3094 - 3106 .

XIONG Jingfeng ， ZENG Hongda ， XIE Jinsheng ， et al . Preliminary Study on Dry and Wet Season Changes in Biomass on Chinese Fir Forest Land on the Basis of UAV LiDAR ［J］. National Remote Sensing Bulletin ， 2024 ， 28 （ 12 ）： 3094 - 3106 .

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 .

LI Deren ， LI Ming . Research Advance and Application Prospect of Unmanned Aerial Vehicle Remote Sensing System ［J］. Geomatics and Information Science of Wuhan University ， 2014 ， 39 （ 5 ）： 505 - 513 .

ZHU H L ， HUANG Y W ， AN Z K ， et al . Assessing Radiometric Calibration Methods for Multispectral UAV Imagery and the Influence of Illumination， Flight Altitude and Flight Time on Reflectance， Vegetation Index and Inversion of Winter Wheat AGB and LAI ［J］. Computers and Electronics in Agriculture ， 2024 ， 219 ： 108821 .

陈邦松，司马劲松，赵光祖，等 . 植被茂密山区机载激光雷达数据采集最优点密度试验研究［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 5 ）： 1014 - 1024 .

CHEN Bangsong ， SIMA Jinsong ， ZHAO Guangzu ， et al . Optimal Point Density of Airborne LiDAR Data Collection for Hazards in Mountainous Areas ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 5 ）： 1014 - 1024 .

LISEIN J ， PIERROT-DESEILLIGNY M ， BONNET S ， et al . A Photogrammetric Workflow for the Creation of a Forest Canopy Height Model from Small Unmanned Aerial System Imagery ［J］. Forests ， 2013 ， 4 （ 4 ）： 922 - 944 .

WALLACE L ， LUCIEER A ， MALENOVSKÝ Z ， et al . Assessment of Forest Structure Using Two UAV Techniques： A Comparison of Airborne Laser Scanning and Structure from Motion （SfM） Point Clouds ［J］. Forests ， 2016 ， 7 （ 3 ）： 62 .

JURJEVIĆ L ， GAŠPAROVIĆ M ， MILAS A S ， et al . Impact of UAS Image Orientation on Accuracy of Forest Inventory Attributes ［J］. Remote Sensing ， 2020 ， 12 （ 3 ）： 404 .

黄伟，姜三，刘先铮，等 . GNSS约束的长航带无人机影像自检校方法［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 2 ）： 197 - 207 .

HUANG Wei ， JIANG San ， LIU Xianzheng ， et al . GNSS Constrained Self-Calibration for Long Corridor UAV Image ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 2 ）： 197 - 207 .

李明泽，赵小红，刘钺，等 . 基于机载高光谱影像的植被冠层叶绿素反演［J］. 应用生态学报， 2013 ， 24 （ 1 ）： 177 - 182 .

LI Mingze ， ZHAO Xiaohong ， LIU Yue ， et al . Inversion of Vegetation Canopy's Chlorophyll Content Based on Airborne Hyperspectral Image ［J］. Chinese Journal of Applied Ecology ， 2013 ， 24 （ 1 ）： 177 - 182 .

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 .

QIN H M ， ZHOU W Q ， YAO Y ， et al . Individual Tree Segmentation and Tree Species Classification in Subtropical Broadleaf Forests Using UAV-Based LiDAR， Hyperspectral， and Ultrahigh-Resolution RGB Data ［J］. Remote Sensing of Environment ， 2022 ， 280 ： 113143 .

LIU N ， DENG Z J ， WANG H L ， et al . Thermal Remote Sensing of Plant Water Stress in Natural Ecosystems ［J］. Forest Ecology and Management ， 2020 ， 476 ： 118433 .

GERCHOW M ， KÜHNHAMMER K ， IRAHETA A ， et al . Enhanced Flight Planning and Calibration for UAV Based Thermal Imaging： Implications for Canopy Temperature and Transpiration Analysis ［J］. Frontiers in Forests and Global Change ， 2025 ， 8 ： 1457762 .

BARRETO M A P ， JOHANSEN K ， ANGEL Y ， et al . Radiometric Assessment of a UAV-Based Push-Broom Hyperspectral Camera ［J］. Sensors ， 2019 ， 19 （ 21 ）： 4699 .

AKHOUNDI KHEZRABAD M ， VALADAN ZOEJ M J ， SAFDARINEZHAD A . A New Approach for Geometric Correction of UAV-Based Pushbroom Images Through the Processing of Simultaneously Acquired Frame Images ［J］. Measurement ， 2022 ， 199 ： 111431 .

赵磊，陈尔学，李增元，等 . 合成孔径雷达在森林资源监测中的应用：优势、难点和方法［J］. 卫星应用， 2024 （ 6 ）： 29 - 36 .

ZHAO Lei ， CHEN Erxue ， LI Zengyuan ， et al . Application of Synthetic Aperture Radar in Forest Resource Monitoring： Advantages， Challenges and Methods ［J］. Satellite Application ， 2024 （ 6 ）： 29 - 36 .

MICCINESI L ， BENI A ， PIERACCINI M . UAS-Borne Radar for Remote Sensing： A Review ［J］. Electronics ， 2022 ， 11 （ 20 ）： 3324 .

ZHANG Z Y ， NI W J ， SUN G Q ， et al . Biomass Retrieval from L-Band Polarimetric UAVSAR Backscatter and PRISM Stereo Imagery ［J］. Remote Sensing of Environment ， 2017 ， 194 ： 331 - 346 .

庞勇，梁晓军，荚文，等 . 塞罕坝林场机载综合遥感试验［J］. 遥感学报， 2021 ， 25 （ 4 ）： 904 - 917 .

PANG Yong ， LIANG Xiaojun ， JIA Wen ， et al . The Comprehensive Airborne Remote Sensing Experiment in Saihanba Forest Farm ［J］. Journal of Remote Sensing ， 2021 ， 25 （ 4 ）： 904 - 917 .

BALESTRA M ， MARSELIS S ， SANKEY T T ， et al . LiDAR Data Fusion to Improve Forest Attribute Estimates： A Review ［J］. Current Forestry Reports ， 2024 ， 10 （ 4 ）： 281 - 297 .

HYYPPÄ E ， HYYPPÄ J ， HAKALA T ， et al . Under-Canopy UAV Laser Scanning for Accurate Forest Field Measurements ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2020 ， 164 ： 41 - 60 .

HYYPPÄ E ， YU X W ， KAARTINEN H ， et al . Comparison of Backpack， Handheld， Under-Canopy UAV， and Above-Canopy UAV Laser Scanning for Field Reference Data Collection in Boreal Forests ［J］. Remote Sensing ， 2020 ， 12 （ 20 ）： 3327 .

WANG Y S ， KUKKO A ， HYYPPÄ E ， et al . Seamless Integration of Above- and Under-Canopy Unmanned Aerial Vehicle Laser Scanning for Forest Investigation ［J］. Forest Ecosystems ， 2021 ， 8 （ 1 ）： 10 .

张菁锐，任广波，吴培强，等 . 联合空地LiDAR的红树林单木生长参数提取方法［J］. 遥感学报， 2025 ， 29 （ 3 ）： 728 - 740 .

ZHANG Jingrui ， REN Guangbo ， WU Peiqiang ， et al . Method of Extracting Mangrove Single-Tree Growth Parameters Based on Combined Airborne-Ground LiDAR ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 3 ）： 728 - 740 .

陈茂霖，王溪雨，马威，等 . 基于智能手机辅助与极坐标高程特征图匹配的机载-地基点云配准［J］. 武汉大学学报（信息科学版）， 2026 ， 51 （ 6 ）： 1204 - 1215 .

CHEN Maolin ， WANG Xiyu ， MA Wei ， et al . Smartphone-Assisted and Polar Coordinate Elevation Feature Map Matching-Based Airborne-Ground Point Cloud Registration ［J］. Geomatics and Information Science of Wuhan University ， 2026 ， 51 （ 6 ）： 1204 - 1215 .

SANDBROOK C . The Social Implications of Using Drones for Biodiversity Conservation ［J］. Ambio ， 2015 ， 44 （ 4 ）： 636 - 647 .

BRISSON-CURADEAU É ， LACOMBE R ， GOUSY-LEBLANC M ， et al . A Meta-Analysis of the Impact of Drones on Birds ［J］. Frontiers in Ecology and the Environment ， 2025 ， 23 （ 2 ）： e2809 .

柳钦火，闻建光，周翔，等 . 高分遥感共性产品生成和真实性检验技术体系［J］. 遥感学报， 2023 ， 27 （ 3 ）： 544 - 562 .

LIU Qinhuo ， WEN Jianguang ， ZHOU Xiang ， et al . Technique System of Remote Sensing Product Generation and Validation of GF Common Products ［J］. National Remote Sensing Bulletin ， 2023 ， 27 （ 3 ）： 544 - 562 .

ZHANG W M ， CHEN Y M ， WANG H T ， et al . Efficient Registration of Terrestrial LiDAR Scans Using a Coarse-to-Fine Strategy for Forestry Applications ［J］. Agricultural and Forest Meteorology ， 2016 ， 225 ： 8 - 23 .

张继贤，刘飞 . 视觉SLAM环境感知技术现状与智能化测绘应用展望［J］. 测绘学报， 2023 ， 52 （ 10 ）： 1617 - 1630 .

ZHANG Jixian ， LIU Fei . Review of Visual SLAM Environment Perception Technology and Intelligent Surveying and Mapping Application ［J］. Acta Geodaetica et Cartographica Sinica ， 2023 ， 52 （ 10 ）： 1617 - 1630 .

WILKES P ， LAU A ， DISNEY M ， et al . Data Acquisition Considerations for Terrestrial Laser Scanning of Forest Plots ［J］. Remote Sensing of Environment ， 2017 ， 196 ： 140 - 153 .

MALLET C ， BRETAR F . Full-Waveform Topographic Lidar： State-of-the-Art ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2009 ， 64 （ 1 ）： 1 - 16 .

ZHANG W M ， QI J B ， WAN P ， et al . An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation ［J］. Remote Sensing ， 2016 ， 8 （ 6 ）： 501 .

ZHANG K Q ， CHEN S C ， WHITMAN D ， et al . A Progressive Morphological Filter for Removing Nonground Measurements from Airborne LiDAR Data ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2003 ， 41 （ 4 ）： 872 - 882 .

SITHOLE G ， VOSSELMAN G . Experimental Comparison of Filter Algorithms for Bare-Earth Extraction from Airborne Laser Scanning Point Clouds ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2004 ， 59 （ 1/2 ）： 85 - 101 .

IGLHAUT J ， CABO C ， PULITI S ， et al . Structure from Motion Photogrammetry in Forestry： A Review ［J］. Current Forestry Reports ， 2019 ， 5 （ 3 ）： 155 - 168 .

ZHOU Y L ， DAAKIR M ， RUPNIK E ， et al . A Two-Step Approach for the Correction of Rolling Shutter Distortion in UAV Photogrammetry ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2020 ， 160 ： 51 - 66 .

SLADE G ， ANDERSON K ， GRAHAM H A ， et al . Repeated Drone Photogrammetry Surveys Demonstrate that Reconstructed Canopy Heights Are Sensitive to Wind Speed but Relatively Insensitive to Illumination Conditions ［J］. International Journal of Remote Sensing ， 2025 ， 46 （ 1 ）： 24 - 41 .

PARMEHR E G ， SAVADKOUHI M ， NOPOUR M . The Impact of Oblique Images and Flight-Planning Scenarios on the Accuracy of UAV 3D Mapping ［J］. The Photogrammetric Record ， 2023 ， 38 （ 184 ）： 563 - 580 .

LIU X Y ， LIAN X G ， YANG W F ， et al . Accuracy Assessment of a UAV Direct Georeferencing Method and Impact of the Configuration of Ground Control Points ［J］. Drones ， 2022 ， 6 （ 2 ）： 30 .

ZHONG H N ， DUAN Y S ， TAO P J ， et al . Influence of Ground Control Point Reliability and Distribution on UAV Photogrammetric 3D Mapping Accuracy ［J］. Geo-spatial Information Science ， 2025 ， 28 （ 5 ）： 1998 - 2018 .

卢昊，庞勇，李增元，等 . 全波形机载激光雷达绝对辐射定标与不确定性分析［J］. 遥感学报， 2020 ， 24 （ 11 ）： 1353 - 1362 .

LU Hao ， PANG Yong ， LI Zengyuan ， et al . Uncertainty Analysis of the Absolute Radiometric Calibration of Full Waveform Airborne LiDAR ［J］. National Remote Sensing Bulletin ， 2020 ， 24 （ 11 ）： 1353 - 1362 .

TOMPALSKI P ， COOPS N C ， WHITE J C ， et al . Estimating Changes in Forest Attributes and Enhancing Growth Projections： A Review of Existing Approaches and Future Directions Using Airborne 3D Point Cloud Data ［J］. Current Forestry Reports ， 2021 ， 7 （ 1 ）： 1 - 24 .

孙浩，郭笑怡，张洪岩，等 . 基于无人机数据的森林冠层体密度和冠层基高估算［J］. 遥感学报， 2024 ， 28 （ 12 ）： 3107 - 3122 .

SUN Hao ， GUO Xiaoyi ， ZHANG Hongyan ， et al . Estimating Canopy Bulk Density and Canopy Base Height Using UAV LiDAR and Multispectral Images ［J］. National Remote Sensing Bulletin ， 2024 ， 28 （ 12 ）： 3107 - 3122 .

KAARTINEN H ， HYYPPÄ J ， YU X W ， et al . An International Comparison of Individual Tree Detection and Extraction Using Airborne Laser Scanning ［J］. Remote Sensing ， 2012 ， 4 （ 4 ）： 950 - 974 .

VAUHKONEN J ， ENE L ， GUPTA S ， et al . Comparative Testing of Single-Tree Detection Algorithms Under Different Types of Forest ［J］. Forestry ， 2012 ， 85 （ 1 ）： 27 - 40 .

WANG Y S ， HYYPPÄ J ， LIANG X L ， et al . International Benchmarking of the Individual Tree Detection Methods for Modeling 3-D Canopy Structure for Silviculture and Forest Ecology Using Airborne Laser Scanning ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 9 ）： 5011 - 5027 .

孔丹，庞勇，梁晓军，等 . 基于分层叠加的机载LiDAR点云单木分割［J］. 林业科学， 2024 ， 60 （ 3 ）： 87 - 99 .

KONG Dan ， PANG Yong ， LIANG Xiaojun ， et al . Individual Tree Segmentation from ALS Point Clouds Based on Layers Stacking Algorithm ［J］. Scientia Silvae Sinicae ， 2024 ， 60 （ 3 ）： 87 - 99 .

COOPS N C ， TOMPALSKI P ， GOODBODY T R H ， et al . Modelling LiDAR-Derived Estimates of Forest Attributes over Space and Time： A Review of Approaches and Future Trends ［J］. Remote Sensing of Environment ， 2021 ， 260 ： 112477 .

DUBROVIN I ， FORTIN C ， KEDROV A . An Open Dataset for Individual Tree Detection in UAV LiDAR Point Clouds and RGB Orthophotos in Dense Mixed Forests ［J］. Scientific Reports ， 2024 ， 14 ： 21938 .

方浩，李红军 . 点云数据直线检测及其在人工林树木计数中的应用［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 2 ）： 208 - 215 .

FANG Hao ， LI Hongjun . Counting of Plantation Trees Based on Line Detection of Point Cloud Data ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 2 ）： 208 - 215 .

胡中洋，陕亮，陈翔宇，等 . CHM与DSM相结合的无人机激光雷达单木分割［J］. 林业科学， 2024 ， 60 （ 8 ）： 14 - 24 .

HU Zhongyang ， SHAN Liang ， CHEN Xiangyu ， et al . Individual Tree Segmentation of UAV-LiDAR Based on the Combination of CHM and DSM ［J］. Scientia Silvae Sinicae ， 2024 ， 60 （ 8 ）： 14 - 24 .

HAO Z B ， LIN L L ， POST C J ， et al . Automated Tree-Crown and Height Detection in a Young Forest Plantation Using Mask Region-Based Convolutional Neural Network （Mask R-CNN）［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2021 ， 178 ： 112 - 123 .

XIE Y H ， WANG Y F ， SUN Z ， et al . Instance Segmentation and Stand-Scale Forest Mapping Based on UAV Images Derived RGB and CHM ［J］. Computers and Electronics in Agriculture ， 2024 ， 220 ： 108878 .

ZHANG J Y ， LEI F ， FAN X J . Parameter-Efficient Fine-Tuning for Individual Tree Crown Detection and Species Classification Using UAV-Acquired Imagery ［J］. Remote Sensing ， 2025 ， 17 （ 7 ）： 1272 .

PITKÄNEN T P ， RAUMONEN P ， KANGAS A . Measuring Stem Diameters with TLS in Boreal Forests by Complementary Fitting Procedure ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2019 ， 147 ： 294 - 306 .

JURJEVIĆ L ， LIANG X L ， GAŠPAROVIĆ M ， et al . Is Field-Measured Tree Height as Reliable as Believed—Part II， a Comparison Study of Tree Height Estimates from Conventional Field Measurement and Low-Cost Close-Range Remote Sensing in a Deciduous Forest ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2020 ， 169 ： 227 - 241 .

WANG Y S ， LEHTOMÄKI M ， LIANG X L ， et al . Is Field-Measured Tree Height as Reliable as Believed？ A Comparison Study of Tree Height Estimates from Field Measurement， Airborne Laser Scanning and Terrestrial Laser Scanning in a Boreal Forest ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2019 ， 147 ： 132 - 145 .

BREDE B ， CALDERS K ， LAU A ， et al . Non-Destructive Tree Volume Estimation Through Quantitative Structure Modelling： Comparing UAV Laser Scanning with Terrestrial LIDAR ［J］. Remote Sensing of Environment ， 2019 ， 233 ： 111355 .

CAI S S ， ZHANG W M ， ZHANG S H ， et al . Branch Architecture Quantification of Large-Scale Coniferous Forest Plots Using UAV-LiDAR Data ［J］. Remote Sensing of Environment ， 2024 ， 306 ： 114121 .

YANG J ， ZHANG H Q ， LI J Y ， et al . SmartQSM： A Novel Quantitative Structure Model Using Sparse-Convolution-Based Point Cloud Contraction for Reconstruction and Analysis of Individual Tree Architecture ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2026 ， 232 ： 712 - 739 .

于磊，徐佳佳，倪辰，等 . 基于树木定量结构模型的单木参数提取及生物量估测［J］. 华南农业大学学报， 2025 ， 46 （ 3 ）： 379 - 389 .

YU Lei ， XU Jiajia ， NI Chen ， et al . Individual Tree Parameter Extraction and Biomass Estimation Based on the Quantitative Structure Model ［J］. Journal of South China Agricultural University ， 2025 ， 46 （ 3 ）： 379 - 389 .

ARRIZZA S ， MARRAS S ， FERRARA R ， et al . Terrestrial Laser Scanning （TLS） for Tree Structure Studies： A Review of Methods for Wood-Leaf Classifications from 3D Point Clouds ［J］. Remote Sensing Applications： Society and Environment ， 2024 ， 36 ： 101364 .

CHEN S L ， VERBEECK H ， TERRYN L ， et al . The Impact of Leaf-Wood Separation Algorithms on Aboveground Biomass Estimation from Terrestrial Laser Scanning ［J］. Remote Sensing of Environment ， 2025 ， 318 ： 114581 .

VICARI M B ， DISNEY M ， WILKES P ， et al . Leaf and Wood Classification Framework for Terrestrial LiDAR Point Clouds ［J］. Methods in Ecology and Evolution ， 2019 ， 10 （ 5 ）： 680 - 694 .

LIANG X L ， CHEN J C ， GONG W S ， et al . Influence of Data and Methods on High-Resolution Imagery-Based Tree Species Recognition Consi-dering Phenology： The Case of Temperate Forests ［J］. Remote Sensing of Environment ， 2025 ， 323 ： 114654 .

褚昱凯，林文树 . 联合无人机高光谱与激光雷达数据的森林树种识别［J］. 森林工程， 2026 ， 42 （ 1 ）： 11 - 22 .

CHU Yukai ， LIN Wenshu . Tree Species Identification by Combined of UAV Hyperspectral and LiDAR Data ［J］. Forest Engineering ， 2026 ， 42 （ 1 ）： 11 - 22 .

TAHER J ， HYYPPÄ E ， HYYPPÄ M ， et al . Multispectral Airborne Laser Scanning for Tree Species Classification： A Benchmark of Machine Learning and Deep Learning Algorithms ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2026 ， 233 ： 278 - 309 .

UMAR M ， BARTHOLOMEUS H ， et al . UAV-LiDAR Based Tree Species Identification Under Leaf-on， Leaf-off， and Combined Canopy Conditions in a Mixed Temperate Forest ［J］. Forestry ， 2026 ， 99 （ 4 ）： cpag069 .

WANG A ， SHI S ， YANG J ， et al . Integration of LiDAR and Hyperspectral Imagery for Tree Species Identification at the Individual Tree Level ［J］. The Photogrammetric Record ， 2025 ， 40 （ 190 ）： e70007 .

刘康康，钟浩，林文树 . 基于不同机器学习算法的无人机高光谱影像树种分类研究［J］. 森林工程， 2024 ， 40 （ 4 ）： 98 - 108 .

LIU Kangkang ， ZHONG Hao ， LIN Wenshu . Tree Species Classification in UAV Hyperspectral Images Based on Different Machine Learning Algorithms ［J］. Forest Engineering ， 2024 ， 40 （ 4 ）： 98 - 108 .

荚文，庞勇，李增元，等 . 机载高光谱与LiDAR单木树种分类精度的影响因素分析［J］. 遥感学报， 2025 ， 29 （ 10 ）： 2916 - 2932 .

JIA Wen ， PANG Yong ， LI Zengyuan ， et al . Analysis of Factors Influencing Tree Species Classification Accuracy Using Airborne Hyperspectral and LiDAR Data ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 10 ）： 2916 - 2932 .

YU R ， LUO Y Q ， ZHOU Q ， et al . Early Detection of Pine Wilt Disease Using Deep Learning Algorithms and UAV-Based Multispectral Imagery ［J］. Forest Ecology and Management ， 2021 ， 497 ： 119493 .

HUO L N ， LINDBERG E ， BOHLIN J ， et al . Assessing the Detectability of European Spruce Bark Beetle Green Attack in Multispectral Drone Images with High Spatial- and Temporal Resolutions ［J］. Remote Sensing of Environment ， 2023 ， 287 ： 113484 .

PAN J ， YE X Q ， SHAO F ， et al . Impacts of Pine Species， Infection Response， and Data Type on the Detection of Bursaphelenchus Xylophilus Using Close-Range Hyperspectral Remote Sensing ［J］. Remote Sensing of Environment ， 2024 ， 315 ： 114468 .

黄文江，张竞成，黄林生，等 . 植被病虫害遥感监测预警研究进展与展望［J］. 遥感学报， 2025 ， 29 （ 6 ）： 2065 - 2082 .

HUANG Wenjiang ， ZHANG Jingcheng ， HUANG Linsheng ， et al . Progress of Vegetation Pest and Disease Monitoring and Forecasting ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 6 ）： 2065 - 2082 .

KANASKIE C R ， ROUTHIER M R ， FRASER B T ， et al . Early Detection of Southern Pine Beetle Attack by UAV-Collected Multispectral Imagery ［J］. Remote Sensing ， 2024 ， 16 （ 14 ）： 2608 .

WANG G ， CHAI G Q ， AIERKEN N ， et al . Monitoring Forest Damage Caused by Pine Wilt Disease with Remote Sensing Technologies： A Review ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2026 ， 14 （ 1 ）： 286 - 305 .

SMIGAJ M ， AGARWAL A ， BARTHOLOMEUS H ， et al . Thermal Infrared Remote Sensing of Stress Responses in Forest Environments： A Review of Developments， Challenges， and Opportunities ［J］. Current Forestry Reports ， 2024 ， 10 （ 1 ）： 56 - 76 .

KAASALAINEN S ， KROOKS A ， LISKI J ， et al . Change Detection of Tree Biomass with Terrestrial Laser Scanning and Quantitative Structure Modelling ［J］. Remote Sensing ， 2014 ， 6 （ 5 ）： 3906 - 3922 .

LUOMA V ， SAARINEN N ， KANKARE V ， et al . Examining Changes in Stem Taper and Volume Growth with Two-Date 3D Point Clouds ［J］. Forests ， 2019 ， 10 （ 5 ）： 382 .

KENNEDY R E ， YANG Z Q ， COHEN W B . Detecting Trends in Forest Disturbance and Recovery Using Yearly Landsat Time Series： 1. LandTrendr—Temporal Segmentation Algorithms ［J］. Remote Sensing of Environment ， 2010 ， 114 （ 12 ）： 2897 - 2910 .

RODRÍGUEZ PAULINO E ， SCHLERF M ， RÖDER A ， et al . Forest Disturbance Characterization in the Era of Earth Observation Big Data： A Mapping Review ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 128 ： 103755 .

ZHU Z ， WOODCOCK C E . Continuous Change Detection and Classification of Land Cover Using All Available Landsat Data ［J］. Remote Sensing of Environment ， 2014 ， 144 ： 152 - 171 .

CLOUTIER M ， GERMAIN M ， LALIBERTÉ E . Influence of Temperate Forest Autumn Leaf Pheno-logy on Segmentation of Tree Species from UAV Imagery Using Deep Learning ［J］. Remote Sensing of Environment ， 2024 ， 311 ： 114283 .

GONG Z ， GE W Y ， GUO J Q ， et al . Satellite Remote Sensing of Vegetation Phenology： Progress， Challenges， and Opportunities ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2024 ， 217 ： 149 - 164 .

XIAN Z Y ， YU Z ， AGATHOKLEOUS E ， et al . Trends and Climate-Sensitivity of Phenology in China’s Natural and Planted Forests ［J］. Journal of Geophysical Research： Biogeosciences ， 2024 ， 129 （ 6 ）： e2023JG007955 .

MULVERHILL C ， COOPS N C ， TOMPALSKI P ， et al . Digital Terrestrial Photogrammetry to Enhance Field-Based Forest Inventory Across Stand Conditions ［J］. Canadian Journal of Remote Sensing ， 2020 ， 46 （ 5 ）： 622 - 639 .

LU S Q ， GUO J L ， ZIMMER-DAUPHINEE J R ， et al . Vision Foundation Models in Remote Sensing： A Survey ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2025 ， 13 （ 3 ）： 190 - 215 .

燕琴，顾海燕，杨懿，等 . 智能遥感大模型研究进展与发展方向［J］. 测绘学报， 2024 ， 53 （ 10 ）： 1967 - 1980 .

YAN Qin ， GU Haiyan ， YANG Yi ， et al . Research Progress and Trend of Intelligent Remote Sensing Large Model ［J］. Acta Geodaetica et Cartographica Sinica ， 2024 ， 53 （ 10 ）： 1967 - 1980 .

陶超，阴紫薇，朱庆，等 . 遥感影像智能解译：从监督学习到自监督学习［J］. 测绘学报， 2021 ， 50 （ 8 ）： 1122 - 1134 .

TAO Chao ， YIN Ziwei ， ZHU Qing ， et al . Remote Sensing Image Intelligent Interpretation： From Supervised Learning to Self-Supervised Learning ［J］. Acta Geodaetica et Cartographica Sinica ， 2021 ， 50 （ 8 ）： 1122 - 1134 .

TIAN Y P ， ZHAO F ， MENG R ， et al . A Vision Foundation Model-Based Method for Large-Scale Forest Disturbance Mapping Using Time Series Sentinel-1 SAR Data ［J］. Remote Sensing of Environment ， 2025 ， 325 ： 114775 .

杨必胜，陈一平，邹勤 . 从大模型看测绘时空信息智能处理的机遇和挑战［J］. 武汉大学学报（信息科学版）， 2023 ， 48 （ 11 ）： 1756 - 1768 .

YANG Bisheng ， CHEN Yiping ， ZOU Qin . Opportunities and Challenges of Spatiotemporal Information Intelligent Processing of Surveying and Mapping in the Era of Large Models ［J］. Geomatics and Information Science of Wuhan University ， 2023 ， 48 （ 11 ）： 1756 - 1768 .

陈军，艾廷华，闫利，等 . 智能化测绘的混合计算范式与方法研究［J］. 测绘学报， 2024 ， 53 （ 6 ）： 985 - 998 .

CHEN Jun ， AI Tinghua ， YAN Li ， et al . Hybrid Computational Paradigm and Methods for Intelligentized Surveying and Mapping ［J］. Acta Geodaetica et Cartographica Sinica ， 2024 ， 53 （ 6 ）： 985 - 998 .

KATTENBORN T ， SCHIEFER F ， FREY J ， et al . Spatially Autocorrelated Training and Validation Samples Inflate Performance Assessment of Convolutional Neural Networks ［J］. ISPRS Open Journal of Photogrammetry and Remote Sensing ， 2022 ， 5 ： 100018 .

HAN Z ， ZHANG C ， GAO L R ， et al . Multisource Collaborative Domain Generalization for Cross-Scene Remote Sensing Image Classification ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5535815 .

ZHANG B ， WANG Z C ， LIANG B Y ， et al . A Lightweight Spatiotemporal Classification Framework for Tree Species with Entropy-Based Change Resistance Filter Using Satellite Imagery ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2025 ， 138 ： 104449 .

朱宁宁，杨必胜，董震 . 森林植被碳储量的遥感估测流程与方法［J］. 遥感学报， 2025 ， 29 （ 1 ）： 134 - 146 .

ZHU Ningning ， YANG Bisheng ， DONG Zhen . A Novel Framework for Forest Vegetation Carbon Stock Estimation Based on Remote Sensing ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 1 ）： 134 - 146 .

MCROBERTS R E ， NÆSSET E ， HEIKKINEN J ， et al . On the Model-Assisted Regression Estimators Using Remotely Sensed Auxiliary Data ［J］. Remote Sensing of Environment ， 2022 ， 281 ： 113168 .

ARAZA A ， DE BRUIN S ， HEROLD M ， et al . A Comprehensive Framework for Assessing the Accuracy and Uncertainty of Global Above-Ground Biomass Maps ［J］. Remote Sensing of Environment ， 2022 ， 272 ： 112917 .

CHEN Q ， VAGLIO LAURIN G ， VALENTINI R . Uncertainty of Remotely Sensed Aboveground Biomass over an African Tropical Forest： Propaga⁃ting Errors from Trees to Plots to Pixels ［J］. Remote Sensing of Environment ， 2015 ， 160 ： 134 - 143 .

陆灯盛，蒋先蝶，李云鹤，等 . 基于激光雷达数据的森林生物量估测研究［J］. 遥感学报， 2025 ， 29 （ 6 ）： 2035 - 2064 .

LU Dengsheng ， JIANG Xiandie ， LI Yunhe ， et al . Forest Biomass Estimation with LiDAR Data ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 6 ）： 2035 - 2064 .

MCROBERTS R E ， NÆSSET E ， HOU Z Y ， et al . How many Bootstrap Replications Are Necessary for Estimating Remote Sensing-Assisted， Model-Based Standard Errors ［J］. Remote Sensing of Environment ， 2023 ， 288 ： 113455 .

XU Q ， MAN A ， FREDRICKSON M ， et al . Quantification of Uncertainty in Aboveground Biomass Estimates Derived from Small-Footprint Airborne LiDAR ［J］. Remote Sensing of Environment ， 2018 ， 216 ： 514 - 528 .

EMICK E ， BABCOCK C ， WHITE G W ， et al . An Approach to Estimating Forest Biomass While Quantifying Estimate Uncertainty and Correcting Bias in Machine Learning Maps ［J］. Remote Sensing of Environment ， 2023 ， 295 ： 113678 .

SILVA FILHO T ， SONG H ， PERELLO-NIETO M ， et al . Classifier Calibration： A Survey on how to Assess and Improve Predicted Class Probabilities ［J］. Machine Learning ， 2023 ， 112 （ 9 ）： 3211 - 3260 .

BRUNIALTI G . Integrative Approaches as an Opportunity for the Conservation of Forest Biodiversity ［J］. International Journal of Environmental Studies ， 2014 ， 71 （ 2 ）： 226 - 227 .

SENF C ， MÜLLER J ， SEIDL R . Post-Disturbance Recovery of Forest Cover and Tree Height Differ with Management in Central Europe ［J］. Landscape Ecology ， 2019 ， 34 （ 12 ）： 2837 - 2850 .

VITALI V ， KRUMM F ， SPINU A P ， et al . Perspective： Managing European Forests for Biodiversity Conservation and Global Change Adaptation： An Assessment of Current Management Concepts ［J］. Forest Ecology and Management ， 2026 ， 611 ： 123698 .

KÜKENBRINK D ， MARTY M ， REHUSH N ， et al . Evaluating the Potential of Handheld Mobile Laser Scanning for an Operational Inclusion in a National Forest Inventory： A Swiss Case Study ［J］. Remote Sensing of Environment ， 2025 ， 321 ： 114685 .

DE PAULA PIRES R ， LINDBERG E ， PERSSON H J ， et al . Mobile Laser Scanning as Reference for Estimation of Stem Attributes from Airborne Laser Scanning ［J］. Remote Sensing of Environment ， 2024 ， 315 ： 114414 .

LIIKONEN L ， YRTTIMAA T ， ERKKILÄ A ， et al . Measuring Forest Inventory Attributes Using Faro Orbis Mobile Laser Scanner in Managed Boreal Forests ［J］. Forestry ， 2026 ， 99 （ 3 ）： cpag028 .

PYÖRÄLÄ J ， KANKARE V ， LIANG X L ， et al . Assessing Log Geometry and Wood Quality in Standing Timber Using Terrestrial Laser-Scanning Point Clouds ［J］. Forestry： An International Journal of Forest Research ， 2019 ， 92 （ 2 ）： 177 - 187 .

SAGAR A ， POHJALA J ， MUHOJOKI J ， et al . Utilising Mobile Laser Scanning Point Clouds to Assess Harvesting Quality in Thinning Stands ［J］. Science of Remote Sensing ， 2026 ， 13 ： 100374 .

孙华，龙依，王储，等 . 森林储量遥感估测的不确定性研究进展［J］. 中南林业科技大学学报， 2026 ， 46 （ 2 ）： 1 - 12 .

SUN Hua ， LONG Yi ， WANG Chu ， et al . Research Progress on Uncertainty in Remote Sensing Estimation of Forest Growing Stock Volume ［J］. Journal of Central South University of Forestry & Technology ， 2026 ， 46 （ 2 ）： 1 - 12 .

SUN Y ， LIANG X L ， LIANG Z Y ， et al . Deriving Merchantable Volume in Poplar Through a Localized Tapering Function from Non-Destructive Terrestrial Laser Scanning ［J］. Forests ， 2016 ， 7 （ 4 ）： 87 .

JIA X Y ， WANG C C ， DA Y Z ， et al . Tree-Level Biomass Estimation Using Unmanned Aerial Vehicle （UAV） Imagery and Allometric Equation ［J］. Biomass and Bioenergy ， 2024 ， 190 ： 107420 .

张宇娇，赵恒谦，付含聪，等 . 基于无人机遥感多特征的单木地上生物量反演模型［J］. 林业科学， 2025 ， 61 （ 8 ）： 129 - 141 .

ZHANG Yujiao ， ZHAO Hengqian ， FU Hancong ， et al . Inversion Model of Aboveground Biomass at Individual Tree Scale Based on the Multiple Features of UAV Remote Sensing ［J］. Scientia Silvae Sinicae ， 2025 ， 61 （ 8 ）： 129 - 141 .

SILLETT S C ， GRAHAM M E ， MONTAGUE J P ， et al . Ground-Based Calibration for Remote Sensing of Biomass in the Tallest Forests ［J］. Forest Ecology and Management ， 2024 ， 561 ： 121879 .

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 .

SOROKINA H E ， CAMPOS M ， RAUMONEN P ， et al . Boundary Conditions for Studying Branch-Scale Tree Growth Strategies Using Tree Quantitative Structure Model Time Series ［J］. Remote Sensing of Environment ， 2026 ， 333 ： 115105 .

BLAKEY R V ， LAW B S ， KINGSFORD R T ， et al . Terrestrial Laser Scanning Reveals Below-Canopy Bat Trait Relationships with Forest Structure ［J］. Remote Sensing of Environment ， 2017 ， 198 ： 40 - 51 .

SHOKIROV S ， JUCKER T ， LEVICK S R ， et al . Habitat Highs and Lows： Using Terrestrial and UAV LiDAR for Modelling Avian Species Richness and Abundance in a Restored Woodland ［J］. Remote Sensing of Environment ， 2023 ， 285 ： 113326 .

WOOD H ， KIMBERLEY A ， COUSINS S A O . Contrasting Responses of Bats and Macro-Moths to Structural Complexity in Forest Borders ［J］. Forest Ecology and Management ， 2025 ， 578 ： 122416 .

TULLOCH A I T ， AUERBACH N ， AVERY-GOMM S ， et al . A Decision Tree for Assessing the Risks and Benefits of Publishing Biodiversity Data ［J］. Nature Ecology & Evolution ， 2018 ， 2 （ 8 ）： 1209 - 1217 .

LI N W ， HUO L N ， ZHANG X L . Using Only the Red-Edge Bands Is Sufficient to Detect Tree Stress： A Case Study on the Early Detection of PWD Using Hyperspectral Drone Images ［J］. Computers and Electronics in Agriculture ， 2024 ， 217 ： 108665 .

ECKE S ， STEHR F ， FREY J ， et al . Towards Operational UAV-Based Forest Health Monitoring： Species Identification and Crown Condition Assessment by Means of Deep Learning ［J］. Computers and Electronics in Agriculture ， 2024 ， 219 ： 108785 .

KAUTZ M ， FEURER J ， ADLER P . Early Detection of Bark Beetle （Ips Typographus） Infestations by Remote Sensing—A Critical Review of Recent Research ［J］. Forest Ecology and Management ， 2024 ， 556 ： 121595 .

BATCHELOR J L ， HUDAK A T ， KATO A ， et al . Drone-Based， Multispectral Photogrammetric Point Clouds to Classify Fire Severity at Differing Canopy Height Strata ［J］. Fire Ecology ， 2025 ， 21 （ 1 ）： 39 .

WILSON N ， BRADSTOCK R ， BEDWARD M . Influence of Fuel Structure Derived from Terrestrial Laser Scanning （TLS） on Wildfire Severity in Logged Forests ［J］. Journal of Environmental Management ， 2022 ， 302 ： 114011 .

MANDL L ， VIANA-SOTO A ， SEIDL R ， et al . Unmixing-Based Forest Recovery Indicators for Predicting Long-Term Recovery Success ［J］. Remote Sensing of Environment ， 2024 ， 308 ： 114194 .

LI Z ， STRAHLER A ， SCHAAF C ， et al . Seasonal Change of Leaf and Woody Area Profiles in a Midlatitude Deciduous Forest Canopy from Classified Dual-Wavelength Terrestrial Lidar Point Clouds ［J］. Agricultural and Forest Meteorology ， 2018 ， 262 ： 279 - 297 .

谢志英，朱文泉，付永硕 . 植被物候遥感监测关键问题［J］. 遥感学报， 2024 ， 28 （ 9 ）： 2131 - 2143 .

XIE Zhiying ， ZHU Wenquan ， FU Yongshuo . Key Issues of Remote Sensing-Based Vegetation Phenology Monitoring ［J］. National Remote Sensing Bulletin ， 2024 ， 28 （ 9 ）： 2131 - 2143 .

SUN H F ， YAN L M ， XIA X L ， et al . Tracking Forest Overstory and Understory Phenology Using a Near-Surface Remote Sensing System ［J］. Journal of Plant Ecology ， 2025 ， 18 （ 6 ）： rtaf117 .

FAWCETT D ， GESSLER A ， MEUSBURGER K ， et al . Hyperspectral Indicators of Vegetation Vitality Across Scales： From Trees to Forests ［J］. Science of Remote Sensing ， 2025 ， 12 ： 100336 .

LATTERINI F ， CAMARRETTA N ， WATT M S . Remote Sensing for Planning Harvesting Operations and Monitoring Their Effects on the Forest Ecosystem： State of the Art and Future Perspectives ［J］. Forest Ecology and Management ， 2025 ， 597 ： 123175 .

RONOUD G ， POORAZIMY M ， YRTTIMAA T ， et al . Characterizing the Competitive Stress of Individual Trees Using Point Clouds ［J］. Forest Ecology and Management ， 2024 ， 572 ： 122305 .

YAO L W ， WEN J H ， BIAN C ， et al . Localization and Mapping Method for Forestry Mobile Platforms Based on Enhanced Hector SLAM ［J］. Journal of King Saud University Computer and Information Sciences ， 2025 ， 37 （ 8 ）： 229 .

李明泽，康祥瑞，范文义 . 呼中林区火烧迹地遥感提取及林火烈度的空间分析［J］. 林业科学， 2017 ， 53 （ 3 ）： 163 - 174 .

LI Mingze ， KANG Xiangrui ， FAN Wenyi . Burned Area Extraction in Huzhong Forests Based on Remote Sensing and the Spatial Analysis of the Burned Severity ［J］. Scientia Silvae Sinicae ， 2017 ， 53 （ 3 ）： 163 - 174 .

QIU H Q ， ZHANG H Q ， LEI K X ， et al . Forest Digital Twin： A New Tool for Forest Management Practices Based on Spatiotemporal Data， 3D Simulation Engine， and Intelligent Interactive Environment ［J］. Computers and Electronics in Agriculture ， 2023 ， 215 ： 108416 .

张怀清，邱汉清，雷可欣，等 . 数字孪生驱动森林精准经营决策：理论模型、关键技术与应用示范［J］. 北京林业大学学报， 2025 ， 47 （ 11 ）： 1 - 16 .

ZHANG Huaiqing ， QIU Hanqing ， LEI Kexin ， et al . Digital-Twin-Driven Precise Forest Management and Decision-Making： Theoretical Models， Key Technologies and Application Demonstrations ［J］. Journal of Beijing Forestry University ， 2025 ， 47 （ 11 ）： 1 - 16 .

YANG J L ， QIN C . Forest Digital Twin via Big Data Integration： Current Advances and Future Perspectives ［J］. Journal of Forest Science ， 2026 ， 72 （ 8 ）： 383 - 399 .

BOUNTOS N I ， OUAKNINE A ， PAPOUTSIS I ， et al . FoMo： Multi-modal， Multi-scale and Multi-task Remote Sensing Foundation Models for Forest Monitoring ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2025 ， 39 （ 27 ）： 27858 - 27868 .

肖青，黄华国，卞尊健，等 . 关于遥感实验场数字孪生体构建的思考［J］. 遥感学报， 2023 ， 27 （ 3 ）： 584 - 598 .

XIAO Qing ， HUANG Huaguo ， BIAN Zunjian ， et al . Digital Twin of Remote Sensing Experiment Field： Theory and Key Technology ［J］. National Remote Sensing Bulletin ， 2023 ， 27 （ 3 ）： 584 - 598 .

ZHANG Z Z ， LI Y Y ， LIU C ， et al . RAPID-RTX： A Novel Real-Time Radiative Transfer and Force Field Modeling Framework for Forest BRF Simulations ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2025 ， 63 ： 4423214 .

GASSILLOUD M ， KOCH B ， GÖRITZ A . Occlusion Mapping Reveals the Impact of Flight and Sensing Parameters on Vertical Forest Structure Exploration with Cost-Effective UAV Based Laser Scanning ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2025 ， 139 ： 104493 .

WAN P ， WANG T J ， ZHANG W M ， et al . Quantification of Occlusions Influencing the Tree Stem Curve Retrieving from Single-Scan Terrestrial Laser Scanning Data ［J］. Forest Ecosystems ， 2019 ， 6 （ 1 ）： 43 .

LUO B H ， YANG J ， SHI S ， et al . InceptionFormer： A Deep Learning Framework for UAV LiDAR Point Cloud Completion to Improve Tree Parameters Estimation in Dense Forests ［J］. Remote Sensing of Environment ， 2026 ， 338 ： 115348 .

蔡尚书，孔丹，斯林，等 . 亚热带森林多平台激光雷达点云数据集：以广西高峰林场主要树种为例［J］. 遥感学报， 2025 ， 29 （ 10 ）： 2905 - 2915 .

CAI Shangshu ， KONG Dan ， SI Lin ， et al . Multiplatform Laser Scanning Point Clouds of Subtropical Forests： A Case Study of Major Tree Species in Gaofeng Forest Farm， Guangxi ［J］. National Remote Sensing Bulletin ， 2025 ， 29 （ 10 ）： 2905 - 2915 .

CHERLET W ， DAYAL K ， CHEN S L ， et al . Benchmarking Tree Instance Segmentation of Terrestrial Laser Scanning Point Clouds ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2026 ， 231 ： 230 - 247 .

MILZ S ， WÄLDCHEN J ， ABOUEE A ， et al . The HAInich： A Multidisciplinary Vision Data-Set for a Better Understanding of the Forest Ecosystem ［J］. Scientific Data ， 2023 ， 10 ： 168 .

TUIA D ， PERSELLO C ， BRUZZONE L . Domain Adaptation for the Classification of Remote Sensing Data： An Overview of Recent Advances ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2016 ， 4 （ 2 ）： 41 - 57 .

CHEN L ， WEI Y X ， YAO Z Q ， et al . Data Augmentation in Prototypical Networks for Forest Tree Species Classification Using Airborne Hyperspectral Images ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 4410116 .

KANGAS A ， ASTRUP R ， BREIDENBACH J ， et al . Remote Sensing and Forest Inventories in Nordic Countries—Roadmap for the Future ［J］. Scandinavian Journal of Forest Research ， 2018 ， 33 （ 4 ）： 397 - 412 .

BABCOCK C ， FINLEY A O ， COOK B D ， et al . Modeling Forest Biomass and Growth： Coupling Long-Term Inventory and LiDAR Data ［J］. Remote Sensing of Environment ， 2016 ， 182 ： 1 - 12 .

FINLEY A O ， BANERJEE S ， COOK B D ， et al . Hierarchical Bayesian Spatial Models for Predicting Multiple Forest Variables Using Waveform LiDAR， Hyperspectral Imagery， and Large Inventory Data-sets ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2013 ， 22 ： 147 - 160 .

李增元，高志海，张煜星，等 . 高分辨率遥感林业应用技术与服务平台设计与应用［J］. 卫星应用， 2023 （ 11 ）： 8 - 13 .

LI Zengyuan ， GAO Zhihai ， ZHANG Yuxing ， et al . Design and Application of a High-Resolution Remote Sensing Technology and Service Platform for Forestry ［J］. Satellite Application ， 2023 （ 11 ）： 8 - 13 .

TIOZZO FASIOLO D ， SCALERA L ， MASET E ， et al . Field Evaluation of an Autonomous Mobile Robot for Navigation and Mapping in Forest ［J］. Robotics ， 2025 ， 14 （ 7 ）： 89 .

PARK S ， FEI S L ， HABIB A . UAV-Assisted Scan Planning for Improved Forest Inventory Using a Mobile Backpack LiDAR System ［J］. Computers and Electronics in Agriculture ， 2025 ， 239 ： 111147 .

FORKUO G O ， BORZ S A . Accuracy and Inter-Cloud Precision of Low-Cost Mobile LiDAR Technology in Estimating Soil Disturbance in Forest Operations ［J］. Frontiers in Forests and Global Change ， 2023 ， 6 ： 1224575 .

MU L X ， YANG Y C ， WANG B ， et al . Edge Computing-Based Real-Time Forest Fire Detection Using UAV Thermal and Color Images ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2025 ， 18 ： 6760 - 6771 .

FORKUO G O ， BORZ S A . Deep Learning-Based Computer Vision in Forest Monitoring and Management： A Systematic Review ［J］. Biodiversity and Conservation ， 2026 ， 35 （ 8 ）： 208 .

KARNIADAKIS G E ， KEVREKIDIS I G ， LU L ， et al . Physics-Informed Machine Learning ［J］. Nature Reviews Physics ， 2021 ， 3 （ 6 ）： 422 - 440 .

MAI G C ， XIE Y Q ， JIA X W ， et al . Towards the Next Generation of Geospatial Artificial Intelligence ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2025 ， 136 ： 104368 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

A Review of Multi-scale Geospatial Data Updating Methods

Stepwise Regression Fusion of InSAR and Optical DSM Considering Terrain Features

Monitoring and Warning of Terraced Loess Potential Landslide Based on Data Fusion

Ulva polifera Detection from High Resolution Remote Sensing Images Based on Dual-Path Convolutional Neural Networks

Multi-source Remote Sensing Dynamic Deformation Monitoring of Accumulation Landslide

Related Author

KONG Linghui

XU Can

MAO Wei

NIU Xinyu

ZHANG Mengwei

CHEN Yue

WU Fang

QIAN Haizhong

Related Institution

School of Geospatial Information,Information Engineering University

School of Geosciences and Info‐Physics, Central South University

Ningxia Institute of Survey and Monitoring of Land and Resources

College of Mathematics and Computer Science, Ningxia Normal University

Shanxi Provincial Key Laboratory of Geological Support for Coal Green Exploitation, Xi̓an

AI问答

⁰