Дроны для лесоустройства: выбор платформы и сенсора

Беспилотные воздушные суда за последние пять лет превратились из экзотического инструмента в рабочую лошадку лесоустроительных организаций. Традиционная наземная таксация, требующая десятков человеко-дней на квартал, постепенно дополняется, а в ряде задач полностью замещается дистанционным зондированием с борта дрона. Воздушное лазерное сканирование позволяет заглянуть под полог и получить цифровые модели рельефа и высот древостоя, а мультиспектральные камеры дают объективную картину состояния насаждений.

В 2025 году по национальному проекту «Беспилотные авиационные системы» региональные лесные ведомства Российской Федерации приобрели около 1 500 беспилотников, а к 2030 году планируется довести парк до более чем 5 000 единиц. Лесные дроны осуществили свыше 1 200 вылетов суммарной продолжительностью 515 часов только за 2025 год, а более тысячи лесных специалистов прошли обучение управлению БПЛА.

Эта статья представляет собой практическое руководство по выбору связки «платформа + сенсор» для задач лесоустройства: от инвентаризации и таксации до мониторинга пожароопасной обстановки и выявления незаконных рубок.

Типы БПЛА для лесной съёмки

Современные беспилотные платформы для лесоустройства делятся на три основных типа. Каждый из них обладает уникальным набором преимуществ, определяющим его нишу в полевой практике.

Мультироторные платформы

Квадро-, гекса- и октокоптеры осуществляют вертикальный взлёт и посадку (VTOL) и удерживают позицию в воздухе за счёт нескольких несущих винтов. Для лесоустройства этот тип платформ обладает рядом критически важных преимуществ. Способность зависать над точкой обеспечивает повышенную плотность точек облака при работе с LiDAR в густом лесу, где необходимо проникновение лазерного луча под полог. Взлёт и посадка осуществляются с площадки размером всего 3 на 3 метра, что в лесной местности является серьёзным преимуществом по сравнению с самолётным типом. Мультироторы точно следуют заданному маршруту с постоянной скоростью, обеспечивая равномерную плотность сканирования.

Однако время полёта мультироторов ограничено 25--55 минутами в зависимости от модели и полезной нагрузки, что позволяет покрыть не более 2--5 квадратных километров за один вылет. При порывах ветра свыше 10--12 м/с полёт становится небезопасным, а высокое энергопотребление на единицу пройденного расстояния ограничивает радиус действия.

Мультироторы оптимальны для детальной LiDAR-съёмки пробных площадей, мониторинга отдельных выделов и съёмки с мультиспектральными камерами на площадях до 500 гектаров.

Платформы самолётного типа

Аппараты с фиксированным крылом используют аэродинамическую подъёмную силу для полёта. Запуск осуществляется с катапульты или с руки, посадка — на парашюте или на брюхо. Время полёта составляет от 1,5 до 3 и более часов, что позволяет покрыть 15--40 квадратных километров за один вылет. Высокая скорость полёта (60--120 км/ч) обеспечивает эффективную площадную съёмку. Аэродинамическая подъёмная сила требует значительно меньше энергии, чем удержание мультиротора в воздухе, что определяет высокую энергоэффективность самолётного типа.

Вместе с тем платформы с фиксированным крылом не способны зависать. LiDAR-съёмка с них возможна, но плотность точек при одинаковой высоте полёта будет ниже, чем у мультиротора. Посадка на парашюте требует открытого пространства не менее 50 на 50 метров, а манёвренность аппарата существенно ограничена.

Самолётный тип оптимален для аэрофотосъёмки больших площадей при создании ортофотопланов, обнаружения пожаров и незаконных рубок, мониторинга обширных лесных массивов.

Гибридные платформы

Гибридные БПЛА (VTOL с фиксированным крылом) сочетают вертикальный взлёт и посадку мультиротора с крейсерским полётом на крыле. Примерами служат Геоскан 401 и Supercam S350-F VTOL. Это наиболее перспективный тип для лесоустройства, поскольку он устраняет основное ограничение мультироторов (малое время полёта) и основное ограничение самолётного типа (необходимость посадочной полосы). Стоимость гибридных систем выше, а надёжность механизма перехода от вертикального полёта к горизонтальному требует тщательной проверки в полевых условиях.

Популярные модели: характеристики и стоимость

DJI Matrice 350 RTK

Наиболее распространённая промышленная платформа в мире для задач дистанционного зондирования. Квадрокоптер с максимальной взлётной массой 9,2 кг несёт полезную нагрузку до 2,7 кг. Время полёта без нагрузки достигает 55 минут, с установленным LiDAR-модулем — 40--45 минут. Встроенное RTK-позиционирование обеспечивает точность определения координат до 10 сантиметров. Защита по стандарту IP55 позволяет работать в условиях пыли и моросящего дождя, а диапазон рабочих температур от минус 20 до плюс 50 градусов Цельсия делает аппарат пригодным для всех климатических зон России.

Экосистема DJI обеспечивает совместимость с собственными LiDAR-модулями Zenmuse L2 и L3, а также с широким спектром сторонних сенсоров. Площадь покрытия за один вылет с Zenmuse L2 составляет до 2,5 квадратных километров. Ориентировочная стоимость платформы без сенсора в России на 2025 год — от 1 040 000 рублей.

Геоскан 201

Основной аппарат национального проекта «Беспилотные авиационные системы» для лесного хозяйства. Это БПЛА самолётного типа с максимальной взлётной массой 8,5 кг и размахом крыла 2,22 метра. Время полёта достигает 3 часов, что позволяет покрыть от 15 до 42 квадратных километров за один вылет при разрешении 3--10 см/пикс. Аппарат поддерживает одновременную съёмку двумя камерами в видимом и инфракрасном диапазонах, что ценно для обнаружения очагов возгорания и оценки состояния насаждений. Запуск осуществляется с катапульты, посадка — на парашюте. Ветроустойчивость — до 12 м/с.

Supercam S350-F

Самолётный БПЛА массой 4,5 кг с размахом крыла 3,5 метра. Отличается исключительной автономностью: максимальная дальность полёта превышает 360 километров, что позволяет покрыть более 100 квадратных километров за лётный день. Применяется для видеонаблюдения, аэрофотосъёмки и мониторинга лесного хозяйства на обширных территориях.

Другие российские решения

ZALA 421-16E производства концерна «Калашников» — аппарат самолётного типа с временем полёта до 4 часов и дальностью до 50 километров. Орлан-10 в гражданских модификациях широко используется ведомствами и поддерживает различные полезные нагрузки.

Сравнительная таблица платформ

Параметр	DJI Matrice 350 RTK	Геоскан 201	Supercam S350-F
Тип	Мультиротор	Самолётный	Самолётный
Время полёта	55 мин	180 мин	~120 мин
Площадь за вылет	2,5 км²	15--42 км²	до 100 км²/день
Полезная нагрузка	2,7 кг	~1,5 кг	~1,5 кг
LiDAR-совместимость	Отличная	Ограниченная	Ограниченная
Ветроустойчивость	до 12 м/с	до 12 м/с	до 15 м/с
Стоимость (РФ, 2025)	от 1 040 000 руб.	от 2 500 000 руб.*	от 3 000 000 руб.*

* Цены ориентировочные, зависят от комплектации.

LiDAR-сенсоры для дронов

Выбор LiDAR-сенсора определяет качество итоговых данных не менее, чем выбор платформы. Для лесоустройства критичны два параметра: количество возвратов (эхо-сигналов) и плотность точек. Лазерный импульс, проходя сквозь полог леса, последовательно отражается от верхних ветвей кроны, внутренней структуры кроны, подлеска и поверхности земли. Чем больше возвратов способен зарегистрировать сенсор, тем полнее получается трёхмерная модель древостоя и тем надёжнее классификация наземных точек для построения цифровой модели рельефа (Cao et al., 2020).

DJI Zenmuse L2

Флагманский LiDAR-модуль экосистемы DJI с частотой сканирования до 240 000 точек в секунду в режиме одиночного возврата и до 1 200 000 точек в секунду в режиме множественного возврата с поддержкой до 5 эхо-сигналов. Дальность обнаружения составляет 250 метров при 10-процентной отражательной способности и до 450 метров при 50-процентной. Горизонтальная точность — 5 сантиметров, вертикальная — 4 сантиметра (с RTK на высоте 150 метров). Модуль оснащён интегрированной RGB-камерой с матрицей 4/3 CMOS разрешением 20 мегапикселей. Масса — около 905 граммов. Совместим с DJI Matrice 350 RTK и Matrice 400. Ориентировочная стоимость — от 6 000 до 7 000 долларов.

Для лесоустройства Zenmuse L2 представляет особый интерес благодаря пяти возвратам и нерепетитивному режиму сканирования, который обеспечивает повышенную плотность точек под пологом. Это лидер рынка по совокупности характеристик для лесной съёмки, но он привязан к экосистеме DJI.

Livox Avia

Твердотельный LiDAR с нерепетитивным сканированием и конусным полем зрения более 70 градусов. Дальность — до 450 метров при 80-процентной отражательной способности. Частота — до 720 000 точек в секунду с тройным возвратом. Масса — всего 498 граммов. Стоимость сенсора — от 1 500 до 2 000 долларов, гимбал — от 580 долларов. Поддерживает два режима: повторяющееся сканирование для картографирования и неповторяющееся для детальной съёмки. Оптимальное соотношение цены и качества для задач лесоустройства на кастомных платформах.

Livox Mid-360

Ультралёгкий сенсор массой 265 граммов с полным обзором на 360 градусов по горизонтали и 59 градусов по вертикали. Частота — 200 000 точек в секунду. Однако дальность ограничена 70 метрами, что делает его пригодным только для низковысотной съёмки на высоте 30--50 метров над пологом леса. Стоимость — от 800 до 1 200 долларов за сенсор. Подходит для небольших участков и задач, не требующих большой дальности обнаружения.

Velodyne Puck VLP-16 (Ouster)

Классический 16-канальный вращающийся LiDAR с частотой около 300 000 точек в секунду и обзором 360 градусов по горизонтали и 30 градусов по вертикали. Дальность — до 100 метров. Масса — 830 граммов. Проверенное временем решение с хорошей плотностью точек, но уступающее более современным сенсорам по дальности и плотности. Производство оригинального VLP-16 прекращено, продолжается выпуск под брендом Ouster. Стоимость сенсора — от 4 000 долларов, полный дрон-комплект RESEPI — от 34 000 долларов.

Hesai XT-32

32-канальный LiDAR с точностью системы 2--3 сантиметра и множественными возвратами. Масса — около 1,1 кг. Высокая плотность точек за счёт 32 каналов обеспечивает точную вегетационную пенетрацию и чистые данные без систематических ошибок. Стоимость полного дрон-комплекта RESEPI — от 33 000 долларов.

Сравнительная таблица LiDAR-сенсоров

Параметр	Zenmuse L2	Livox Avia	Livox Mid-360	VLP-16 (Ouster)	Hesai XT-32
Точки/с (макс.)	1 200 000	720 000	200 000	300 000	~600 000
Дальность	450 м	450 м	70 м	100 м	120 м
Возвраты	5	3	1	2	2+
Масса	905 г	498 г	265 г	830 г	1 100 г
Цена (сенсор)	~$6 500	~$1 500	~$1 000	~$4 000	~$8 000
Интеграция	DJI M350/M400	Универсальная	Универсальная	Универсальная	Универсальная

Для максимального проникновения под полог леса и надёжной сегментации отдельных деревьев оптимальным выбором является DJI Zenmuse L2 с 5 возвратами и 1,2 миллиона точек в секунду. Livox Avia — лучшее решение для бюджетных проектов и кастомных платформ (Guo et al., 2020).

Площадь покрытия и время полёта: практические расчёты

Мультироторы

На примере связки DJI M350 RTK с Zenmuse L2: оптимальная высота полёта для леса — 100--150 метров, скорость при LiDAR-съёмке — 8--12 м/с, полоса захвата — 150--250 метров в зависимости от высоты и угла поля зрения. При боковом перекрытии полос 30--50 процентов эффективное время съёмки составляет 30--35 минут из 45 минут полётного времени с нагрузкой. Площадь покрытия за вылет — 1,5--2,5 квадратных километра, за лётный день при 6 вылетах — 10--15 квадратных километров.

Самолётный тип

На примере Геоскан 201 с камерой: высота полёта 200--500 метров, скорость 64--120 км/ч, эффективное время съёмки — до 2,5 часов. Площадь за вылет — 15--42 квадратных километра при разрешении 3--10 см/пикс. За лётный день при 2--3 вылетах — 30--100 квадратных километров.

Факторы, влияющие на производительность

Ветер свыше 8 м/с сокращает время полёта мультиротора на 15--25 процентов. При температурах ниже минус 10 градусов Цельсия ёмкость аккумуляторов падает на 20--30 процентов. Пересечённая местность требует следования за рельефом, что увеличивает расход энергии. Чем ниже высота полёта, тем выше плотность точек LiDAR, но меньше полоса захвата и общая площадь покрытия. Исследование Wei et al. (2025) показало, что высота полёта БПЛА и сомкнутость полога являются двумя наиболее значимыми факторами, определяющими точность оценки рельефа под пологом (Wei et al., 2025).

Планирование миссии для LiDAR-съёмки леса

Выбор периода съёмки

Для лесоустроительной LiDAR-съёмки оптимален период leaf-off — поздняя осень или ранняя весна до распускания листвы, когда лазерный луч значительно лучше проникает к земле через безлистные кроны. Для оценки состояния крон и классификации пород предпочтителен вегетационный период (июнь--август), когда различия в спектральных характеристиках хвойных и лиственных пород наиболее выражены.

Параметры миссии

Высота полёта 80--120 метров представляет собой компромисс между плотностью точек и площадью покрытия. При густом пологе с сомкнутостью более 0,8 высоту следует снижать до 60--80 метров. Скорость полёта мультиротора — 5--10 м/с: чем ниже скорость, тем выше плотность. Боковое перекрытие полос должно составлять не менее 50 процентов для гарантированного покрытия. Целевая плотность точек — не менее 15--25 точек на квадратный метр для надёжной сегментации отдельных деревьев и 50 и более точек на квадратный метр для детального анализа структуры кроны (Puliti et al., 2024).

Рекогносцировка и наземные контрольные точки

Перед началом полевого сезона следует изучить район работ по спутниковым снимкам, определить площадки взлёта и посадки, зоны ограничений и особенности рельефа. При отсутствии RTK-модуля на дроне необходимо заложить наземные контрольные точки (GCP) с координатами, определёнными ГНСС-приёмником — не менее 5--7 точек на блок съёмки.

Метеоусловия

Ветер не должен превышать 8 м/с для мультироторов с LiDAR, поскольку раскачивание аппарата снижает точность. Полёты при дожде и снегопаде исключены — капли создают шумовые точки в облаке. Для LiDAR освещение не критично (это активный сенсор), однако при одновременной фотосъёмке следует избегать прямого солнца в зените из-за жёстких теней. При температурах ниже минус 5 градусов Цельсия необходимо прогревать аккумуляторы перед полётом.

Полевая организация работ

Минимальный состав бригады — 2 человека: оператор (пилот) и наблюдатель, осуществляющий визуальный контроль и связь с диспетчером. Запас аккумуляторов на лётный день — не менее 4--6 комплектов с учётом времени на зарядку (около 80 минут для M350 RTK). LiDAR генерирует 1--3 гигабайта данных за вылет, поэтому объём хранилища должен составлять не менее 256 гигабайт.

Ведение журнала полётов с фиксацией времени вылета и посадки, метеоусловий и замечаний — требование Росавиации и необходимая практика для контроля качества данных.

Камеральная обработка данных

Обработка результатов LiDAR-съёмки включает несколько этапов. Первичная обработка выполняется в DJI Terra (для экосистемы DJI), LiDAR360 (GreenValley) или открытых инструментах, таких как CloudCompare и PDAL. Классификация точек облака по стандарту ASPRS включает категории: земля, низкая растительность, средняя растительность, высокая растительность, здания.

Сегментация отдельных деревьев осуществляется на основе модели высоты полога (Canopy Height Model, CHM) с детектированием локальных максимумов или методами, работающими непосредственно с облаком точек: водораздел, наращивание областей, глубокое обучение (Terryn et al., 2024; Du et al., 2024). Сравнительный анализ различных алгоритмов сегментации на средиземноморских лесах показал, что точность существенно зависит от плотности исходного облака точек (Brandao et al., 2024).

Валидация результатов проводится путём сравнения с данными пробных площадей — не менее 10 процентов от площади съёмки.

Требования законодательства Российской Федерации

Регистрация и идентификация

Все БПЛА массой от 150 граммов до 30 килограммов подлежат обязательной регистрации в Росавиации. Срок регистрации — 10 дней с момента приобретения или ввоза. С 1 марта 2025 года все БПЛА массой от 250 граммов до 30 кг обязаны быть оснащены системами удалённой идентификации, а с 2026 года Россия переходит к единой системе идентификации через «ЭРА-ГЛОНАСС».

Воздушное пространство класса H

С лета 2025 года введён класс воздушного пространства H, предназначенный специально для полётов дронов. Максимальная высота без разрешения — 150 метров от поверхности. На специальных маршрутах возможны полёты до 3 050 метров. Дрон должен находиться в зоне прямой визуальной видимости оператора (VLOS). Запрещены полёты над массовыми мероприятиями, вблизи аэродромов, военных объектов, государственных резиденций. В ряде заповедников и ООПТ полёты БПЛА ограничены.

Сертификация операторов

С 1 марта 2026 года управление БПЛА тяжелее 30 кг требует свидетельства внешнего пилота. Для профессионального лесоустройства это означает необходимость сертификации персонала при использовании тяжёлых платформ.

Практические рекомендации

Для лесоустроительных работ рекомендуется заблаговременно — за 3--5 рабочих дней — подать заявку на использование воздушного пространства через Единую систему организации воздушного движения. При работе на территории ООПТ, национальных парков и заказников необходимо дополнительное разрешение администрации. Рекомендуется оформить страхование гражданской ответственности перед третьими лицами.

Как выбрать связку «платформа + сенсор»

Выбор оптимальной конфигурации определяется тремя ключевыми факторами.

Масштаб задачи. Для площадной съёмки свыше 1 000 гектаров предпочтителен самолётный тип с камерой — Геоскан 201 или Supercam. Для детальной LiDAR-таксации пробных площадей и отдельных выделов — мультиротор DJI Matrice 350 RTK.

Тип данных. Если достаточно ортофотомозаики и NDVI, хватит камеры. Если требуются данные о высотной структуре древостоя, модели рельефа под пологом и сегментация отдельных деревьев — необходим LiDAR с множественным возвратом.

Бюджет. Комплект DJI M350 RTK с Zenmuse L2 обойдётся в 2--2,5 миллиона рублей — это наиболее доступное решение промышленного уровня. Кастомная сборка на базе Livox Avia может быть дешевле, но потребует значительных инженерных компетенций для интеграции и калибровки.

Международный опыт подтверждает масштабируемость БПЛА-LiDAR подхода. В Китае, чьи леса занимают около 220 млн га (9-й цикл национальной лесной инвентаризации, 2014--2018), национальное покрытие самолётным ALS пока не реализовано, и БПЛА-LiDAR стал основной платформой для региональных и локальных проектов. Китайские исследователи активно разрабатывают методы глубокого обучения (PointNet++, Transformer) для автоматической классификации пород и сегментации деревьев непосредственно по данным БПЛА-LiDAR. Алгоритм DEN4, предложенный Chinese Academy of Forestry, снижает шум в облаках точек на 70% и повышает точность сегментации (Liu et al., 2025). Интеграция дронных данных со спутниковыми снимками Sentinel-2 позволяет экстраполировать результаты на большие территории при существенно меньших затратах по сравнению с самолётным сканированием.

Рынок БПЛА для лесного хозяйства в России динамично развивается. Национальный проект «Беспилотные авиационные системы» создаёт спрос и инфраструктуру, а совершенствование законодательной базы постепенно упрощает легальное применение дронов для профессиональных задач. Для лесоустроительных организаций сейчас — оптимальное время для инвестиций в беспилотные технологии.

Научные источники

Cao, L., et al. (2020). Forest inventory with high-density UAV-Lidar: Machine learning approaches for predicting individual tree attributes. Computers and Electronics in Agriculture, 178, 105815. DOI: 10.1016/j.compag.2020.105815
Puliti, S., et al. (2024). Automated forest inventory: analysis of high-density airborne LiDAR point clouds with 3D deep learning. Remote Sensing of Environment. arXiv: 2312.15084
Terryn, L., et al. (2024). Individual-Tree Segmentation from UAV-LiDAR Data Using a Region-Growing Segmentation and Supervoxel-Weighted Fuzzy Clustering Approach. Remote Sensing, 16(4), 608. DOI: 10.3390/rs16040608
Brandao, A.C., et al. (2024). Benchmarking of Individual Tree Segmentation Methods in Mediterranean Forest Based on Point Clouds from Unmanned Aerial Vehicle Imagery and Low-Density Airborne Laser Scanning. Remote Sensing, 16(21), 3974. DOI: 10.3390/rs16213974
Du, B., et al. (2024). Individual Tree Segmentation Based on Seed Points Detected by an Adaptive Crown Shaped Algorithm Using UAV-LiDAR Data. Remote Sensing, 16(5), 825. DOI: 10.3390/rs16050825
Guo, Q., et al. (2020). New Opportunities for Forest Remote Sensing Through Ultra-High-Density Drone Lidar. Surveys in Geophysics, 41, 959--983. DOI: 10.1007/s10712-019-09529-9
Wei, X., et al. (2025). Impacts of UAV-LiDAR flight altitude and forest canopy on the estimation accuracy of understory terrain. Journal of Mountain Science. DOI: 10.1007/s11629-024-9436-8
Liu, Y., et al. (2025). LiDAR point cloud denoising for individual tree extraction based on the Noise4Denoise. Frontiers in Plant Science. DOI: 10.3389/fpls.2025.1490660