Die detaillierte Überwachung von Vegetation auf zeitlicher und räumlicher Ebene wird zunehmend zu einem wichtigen technischen Mittel in Bereichen wie Landwirtschaft, Forstwirtschaft, Ökologie, Umwelt und anderen. Die quantitative Fernerkundung der Vegetation durch Drohnen in niedrigen Höhen ist eine der effektivsten Methoden zur detaillierten Überwachung der Vegetation. Im Vergleich zur Satellitenfernerkundung hat die Fernerkundung durch Drohnen aufgrund ihrer einzigartigen Datenerfassungsmechanismen und Datenattributen allmählich ein relativ unabhängiges methodisches System gebildet. Seit 2010 hat die Forschung zur quantitativen Fernerkundung der Vegetation durch Drohnen in niedrigen Höhen einen explosionsartigen Anstieg verzeichnet, jedoch sind die bestehenden Studien zum Wissenssystem immer noch unzureichend, und es besteht immer noch eine deutliche Fragmentierung in der theoretischen Rahmen, dem technischen System und den Schlüsselwissenschafts- und technischen Problemen. In diesem Zusammenhang untersuchte diese Studie, ausgehend vom Hauptziel der quantitativen Fernerkundung der Vegetation durch Drohnen in niedrigen Höhen, systematisch ihre technologische Kette und ihr Wissenssystem, wobei sie sich besonders auf den aktuellen Stand und die jüngsten Entwicklungen in vier Schlüsselaspekten konzentrierte: passive und aktive Datenerfassung, Datenverarbeitung, Fernerkundungsmodellierung und Vegetationsüberwachung. Die Studie konzentriert sich besonders auf neue zukünftige Herausforderungen und mögliche Lösungswege in den Bereichen Datenverarbeitung und Vegetationsüberwachung. Mit der Aufnahme von Low-Level-Ökologie in die staatliche Strategie zeigt die Technologie der quantitativen Fernerkundung der Vegetation durch Drohnen in niedrigen Höhen aufgrund ihrer einzigartigen Vorteile eine zunehmende praktische Bedeutung und eine zunehmende Unentbehrlichkeit in den Bereichen Landwirtschaft, Forstwirtschaft, Ökologie, Umwelt und Notfälle.

UAV-based remote sensing of vegetation;radiometric and geometric correction;physically and empirically -based modelling;ultra-high-resolution retrieval of vegetation properties;vegetation object identification and measuring