森林资源调查与监测是森林经营与管理的基础,查清和落实好森林资源的数量和质量,是保障森林资源可持续发展的必要条件。但森林资源传统人工地面调查方式耗时耗力,效率较下,难以适应现代林业的要求。为此,本文对森林资源调查信息获取方式进行尝试性的改进,将3D影像应用于森林资源调查中,从地面、无人机和资源三号卫星三个尺度构建3D影像,分别探讨不同尺度3D影像森林资源调查信息获取能力,旨在降低森林资源调查成本,提高调查效率。为实现森林资源调查信息化、自动化、智能化和立体化奠定理论基础,为促进林业快速发展提供良好的技术支撑。主要结论如下:1)地面3D影像森林资源调查信息提取方面:采用普通数码相机,通过双片摄影获取研究区域的立体像对,利用编写的地面3D摄影测树软件,对立体像对影像进行量测分析,实现森林资源调查中单木胸径、可视树高和材积等测树因子的获取。通过与实测数据对比验证,立木平均胸径、可视树高和材积量测的判定系数依次为:0.816、0.827和0.734。提出利用智能手机获取立木三维点云,并进行森林资源调查参数提取的方法。通过智能手机环绕立木摄影拍照,采用Pix 4D软件对获取的影像结合手机自动记录的GPS坐标进行特征匹配和前方交会,恢复了林木的立体。在获取林木三维坐标的基础上实现了胸径和树高等森林特征参数的提取,与实测结果对比拟合,单木胸径和树高的判定系数依次为0.903和0.884,样地林木胸径判定系数为0.817。2)无人机3D影像森林资源调查信息提取方面:设计构建了基于固定翼无人机平台的遥感系统,对辽宁省本溪市老秃顶子林场进行航飞试验。在无人机上搭载SONY ILCE-7R数码相机,保证80%的航向重叠度和70%的旁向重叠度的条件下,对林场研究区进行摄影成像,获取高清数码影像和POS数据。采用PixelGrid软件对无人机影像进行预处理,获得空间分辨率为0.14米的数字表面模型(DSM)、数字正射影像(DOM)和数字高程模型(DEM)。以DEM为基础,提取老秃顶子林场的地形信息,在林种和地性线(山脊线和山谷线)控制下,利用面向对象分割提取法对老秃顶子林场进行了小班区划。利用监督分类和非监督分类的方法进行了林地信息提取,结果表明最大似然法林地提取精度最高为75%,最小距离分类法提取精度最低为65.89%。利用人工目视解译、eCognition面向对象提取法和改进分水岭法对树冠进行分割与提取。在人工目视解译树冠分割的基础上,结合地面调查数据,拟合得到胸径-冠幅模型和胸径-冠幅、树高模型,针叶林最佳模型依次为D=8.0424e0.1311k和D=0.569K+1.048H-1.156,阔叶林最佳模型依次为D=-3.016+6.578K-0.243K2和D=2.673K+1.011H-2.052。利用冠层模型法和树冠阴影法提取了树高,与树高实测值进行对比拟合,其判定系数分别为0.776和0.892。根据无人机影像中林木位置、树种类别和胸径大小,采用Voronoi多边形和Delaunay三角网进行林木空间结构信息提取,快速获取了大小比、混交度和角尺度信息,并与实测数据进行了对比分析。针对无人机影像,提出八边形微型样地的林分特征参数提取方法,结合实地调查数据和影像进行相关实验,并将其与50块角规样地调查数据进行对比拟合,林分平均高、平均胸径、株数密度和林分蓄积量判定系数分别为0.685、0.514、0.807和0.782。研究结果表明,八边形微型样地法可在中低郁闭度条件下利用无人机影像进行林分特征参数提取。3)资源三号卫星森林资源调查信息提取方面:以鹫峰林场资源三号卫星三线阵影像的前视和后视为数据源,在ENVI软件DEM Extraction模块下,构建立体像对,进行了相对定向、核线影像生成和绝对定向等操作,生成了数字表面模型DSM。对鹫峰林场的1:5000地形图进行扫描矢量化,采用Delaunay三角网方法内插生成DEM。在DSM和DEM的基础上生成数字冠层高度模型(DCHM),首先,利用聲峰林场森林资源二类调查数据中小班平均高与其进行对比分析,结果表明,植被冠层高度模型在总体上反映了鹫峰林场植被高度分布状况,其次,与103块角规地面调查数据的平均高进行对比拟合,结果表明决定系数为0.2701,精度较低。利用地形图矢量化得到的DEM数据,提取鹫峰林场的地形因子,并结合多光谱和全色影像提取的纹理因子和光谱因子,利用综合考虑光谱因子、纹理因子和地形因子的机器学习方法开展了鹫峰林场森林蓄积量估测研究。以上述三类因子中的46个参数为自变量,以地面角规样地实测蓄积量为因变量,进行偏相关分析,选取相关系数较高且通过F检验的12因子为建模因子,利用机器学习中的BP神经网络、粒子群优化最小二乘支持向量机和随机森林三种方法建立森林蓄积量估测模型,进行了建模和预测研究,结果表明:随机森林蓄积量建模模型中针叶林、阔叶林和混交林三种林型的判定系数都大于0.879,RMSE都小于6.4536m3/hm2,预测模型判定系数都大于0.808,RMSE均小于6.4562m3/hm2。随机森林蓄积量模型的建模精度和预测精度均明显高于另外两种模型。最后,以随机森林蓄积量估测模型为基础,对鹫峰林场蓄积量进行整体估测和空间分布制图,研究表明鹫峰林场总蓄积量为73850.52m3,蓄积量最大的地方主要集中于林场的中西部,林场北部地区蓄积量较低。综上所述,本文主要对地面、无人机和资源三号卫星三个不同尺度立体像对的生成方法和森林信息提取方法进行了研究,利用地面摄影测量构建的立体像对可以实现单木树高、胸径和材积信息的提取,运用无人机摄影测量构建的立体像对,可以生成DSM、DEM、DOM,实现单木或林分层次的森林资源调查信息提取,如冠幅、株数密度、郁闭度和林分平均高等信息的提取,还可进行林场级别的小班区划和林地信息提取。利用资源三号卫星提供的前视和后视数据,结合地形图_矢量得到的DEM数据,可构建立冠层高度模型,实现林场冠层高度的估测。利用机器学习中的随机森林结合遥感影像中光谱因子、纹理因子、地形因子的方法可提高森林蓄积量估测精度,在森林资源调查中,综合考虑三种尺度3D影像的优缺点,可进行优势互补,极大地提高森林资源调查效率。