森林蓄积量是森林资源调查的核心因子，传统做法靠样地每木检尺、再按蓄积模型扩展到面上。样地实测精度高，但成本高、周期长，大范围调查中只能用于抽样控制。无人机倾斜摄影的出现，提供了一条折中路径：它比传统航空摄影灵活、比机载激光雷达便宜，能在中小范围快速获取树高与冠幅信息，进而反演蓄积量。
但这条路径有明确的适用边界，用错了地方，误差会大到无法接受。本文按外业、建模、反演的流程展开，并把它与全站仪、机载 LiDAR 做一个务实的比较。
一、技术定位与适用边界
先明确它能干什么、不能干什么。倾斜摄影本质是基于影像的摄影测量，得到的是地表冠层的三维表面，而非穿透冠层的点云。
- 适用：地势相对平缓、林分结构较整齐的人工林与次生林，郁闭度中等、单木可分辨的场景。
- 受限：茂密复层林、郁闭度高的天然林，冠层相互遮挡，摄影测量难以穿透，树高与株数会被显著低估。
- 不适用：需要林下地形、胸径、材种等因子的场景，这些必须靠地面实测或激光雷达补充。
二、外业航拍方案设计
航拍质量决定建模上限，几个关键参数如下。
2.1 航线与重叠度
建议采用五镜头倾斜相机或多镜头组合，航向重叠度不低于 75%、旁向重叠度不低于 60%，郁闭度高、地形起伏大的林区应进一步加大重叠度。漏摄会直接造成点云空洞。
2.2 地面分辨率与航高
地面分辨率（GSD）建议控制在 2 至 5 厘米，兼顾单木分辨与作业效率。航高与 GSD、相机焦距相互制约，按相机参数反算即可。
2.3 定位与像控
优先采用 RTK 或 PPK 免像控方案；若精度要求高或设备不具备，应布设地面像控点，点位分布均匀、避开林冠遮挡。
2.4 时相与气象
选在太阳高度角较高、风力较小的天气作业，避免长阴影与树冠摆动。落叶林宜在生长季、冠层清晰时航摄。
| 参数 | 建议区间 | 说明 |
|---|---|---|
| 地面分辨率 GSD | 2 至 5 厘米 | 林密处取小值 |
| 航向重叠度 | 不低于 75% | 郁闭度高取大值 |
| 旁向重叠度 | 不低于 60% | 避免点云空洞 |
| 定位方式 | RTK 或 PPK，必要时布像控 | 精度敏感时布设像控点 |
| 作业时段 | 高太阳高度角、小风 | 减少阴影与摆动 |
三、三维建模与树高、冠幅提取
内业按空三加密、密集匹配、生成密集点云与数字表面模型（DSM）的顺序推进。树高不能直接用 DSM，必须做归一化：
- 用地面点或滤波后的结果生成数字高程模型（DEM）；
- 树高等于数字表面模型高程减去数字高程模型高程，得到冠层高度模型（CHM）；
- 对 CHM 做平滑，用局部最大值法或分水岭算法提取单木顶点与树冠边界；
- 由树冠边界统计冠幅，由树顶点高程统计树高。
需要注意的是，摄影测量的 DEM 在林冠密闭区往往仍落在冠层上，造成「归一化不彻底」，树高被低估。这一项是倾斜摄影反演蓄积最主要的不确定性来源。
单木分割的效果直接决定树高的代表性。提取树高时，不建议直接用单木内的最大高度值——树冠顶部的点云噪声会把最大值抬高。实务中通常取单木内点云高度的上分位数（如 95% 分位数）作为该株的树高，它能更好地反映冠层主体的实际高度，与地面实测树高的相关性也更稳定。
四、地面样地与回归模型反演蓄积
遥感只能给出树高、冠幅等几何量，蓄积量必须靠地面样地建立关系模型。流程是：
- 样地实测：布设地面样地，做每木检尺（胸径、树高、树种），按二元材积式或地方蓄积表计算样地蓄积；
- 因子匹配：把样地位置与影像提取的树高、冠幅、郁闭度一一对应；
- 建立回归模型：以样地实测蓄积为因变量，以提取的树高、冠幅或郁闭度为自变量，拟合线性或非线性模型，常用形式为蓄积随树高与郁闭度的幂函数或指数关系；
- 反演与验证：用模型反演全域蓄积，并留出独立样地做验证，计算决定系数、均方根误差与相对误差。
模型必须分树种组、分龄组建模，混用一个全局模型是误差失控的常见原因。样地数量一般不少于二三十个，且应覆盖不同林分类型。
自变量与模型形式的选择，要根据林分特征来确定。树高与蓄积的关系通常最紧密，冠幅次之，郁闭度更弱，因此单靠郁闭度反演蓄积往往效果有限。常见做法是以树高为主变量、冠幅为辅助变量，建立分树种组的多元回归或非线性模型；样本充足时也可尝试以随机森林等机器学习方法建模，但要注意避免过拟合，必须用独立样本检验。
五、与全站仪、机载 LiDAR 的精度比较
三种手段不是替代关系，各有位置：
| 手段 | 可获得因子 | 相对精度 | 效率与成本 |
|---|---|---|---|
| 全站仪与地面实测 | 胸径、树高、株数、蓄积 | 最高，作为基准 | 效率最低，适合样地 |
| 无人机倾斜摄影 | 树高、冠幅、郁闭度、株数估算 | 树高误差一般在 5% 至 15% | 效率高、成本低 |
| 机载 LiDAR | 树高、冠幅、郁闭度、断面积、蓄积 | 树高误差可控制在 5% 以内 | 设备与处理成本高 |
总体规律是：机载 LiDAR 因具备穿透能力，在复层林与高郁闭度林分中明显优于倾斜摄影；倾斜摄影在结构简单、单木可分辨的林分中，精度接近 LiDAR，而成本低得多。选择哪种手段，取决于调查精度要求、林分复杂程度与预算，而不是一味求新。
六、误差来源与质量控制
倾斜摄影反演蓄积的误差主要来自四处：冠层遮挡导致的树高低估、单木分割的漏分与错分、DEM 归一化不彻底，以及回归模型的外推风险。
控制办法是把地面样地做实、把模型分层建准、把验证样地留足，并在成果中明确标注适用林分类型与误差范围，不要给出一套「放之四海而皆准」的数字。需要说明的是，精度指标会随林分条件大幅波动，实务中应以本项目样地的验证结果为准，而不是照搬文献值。
成果交付时应写清模型的适用范围、自变量定义、样本数量与验证误差，并注明哪些林分类型不适合套用该模型。这些说明看似繁琐，却是成果能否被采信的关键——把误差区间交代清楚，比给一个漂亮但站不住的精度数字更专业。
结语
无人机倾斜摄影在森林蓄积量测算中的价值，是把有限的样地信息高效地扩展到面上。它的前提是选对场景、做实样地、分层建模；一旦脱离这个前提，精度就会迅速崩塌。
福州木源纪林业生态科技有限公司承接森林资源调查监测与无人机遥感测绘类业务，可开展外业样地调查、倾斜摄影建模、蓄积量反演与专题成果编制。欢迎就本文涉及的技术细节与我们交流，也欢迎有相关需求的单位通过联系我们页面洽谈。