1.基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，该方法包括以下步骤：

步骤1：基于时间序列卫星影像对研究区桉树人工林进行林龄反演，获得N年研究区桉树人工林林龄空间分布；

步骤2：通过步骤1所得到的N年研究区桉树人工林林龄空间分布，结合研究区的数字高程模型DEM，将研究区桉树人工林按照不同生长情况进行划分，得到N年研究区不同生长情况桉树人工林空间分布，并基于UAV影像实现不同生长情况研究区桉树人工林单木及样方林分短时间跨度生长量的提取；

步骤3：获取N年研究区卫星影像并对其提取参数，所述参数包括光谱反射率、植被指数和纹理信息，利用这些参数构建研究区桉树人工林蓄积量反演模型反演N年研究区桉树人工林林分蓄积量，基于研究区桉树人工林单木短时间跨度生长量的结果，结合N年研究区不同生长情况桉树人工林空间分布，对N年研究区桉树人工林蓄积量进行时间差异校正，实现桉树人工林区域林分蓄积量月尺度动态变化监测；

所述步骤3包括如下步骤：

步骤3.1：获取N年研究区的卫星影像，基于N年这一年内不同时间的卫星影像，筛选出拼接影像，提取出拼接影像的光谱反射率、植被指数、纹理信息；将步骤2.12提取出的与拼接影像对应月份的每一样方的桉树人工林单木材积求和得到样方林分蓄积量，从由所有样方的林分蓄积量所构成的数据集中划分出训练集，以该训练集中的林分蓄积量为因变量、以提取出的拼接影像的光谱反射率、植被指数、纹理信息为自变量，采用随机森林算法构建桉树人工林林分蓄积量反演模型，并利用该模型获得拼接影像各对应月份的林分蓄积量；

所述拼接影像包括同一月份覆盖研究区域面积最大的拼接影像和其他相近月份拼接影像；

步骤3.2：根据N年研究区不同生长情况桉树人工林空间分布明确其他相近月份拼接影像对应的桉树人工林林分基于何种生长情况；

步骤3.3：以覆盖研究区域面积最大的拼接影像对应的月份为时间基准，将其他相近月份拼接影像对应的月份与时间基准之间作差得到的月份数作为其他相近月份拼接影像对应的桉树人工林林分蓄积量需要校正的时间跨度；

步骤3.4：基于其他相近月份拼接影像对应的桉树人工林林分的具体生长情况和步骤

2.12提取的不同生长情况桉树人工林短时间跨度单木生长量结果获得其他相近月份拼接影像对应的桉树人工林林分每个月的单木生长量，对该月的所有单木生长量相加求和得到其他相近月份拼接影像对应的桉树人工林林分每个月的林分蓄积量变化量；

步骤3.5：以覆盖研究区域面积最大的拼接影像对应的月份为时间基准，根据对应的桉树人工林林分每个月的林分蓄积量变化量和其他相近月份拼接影像对应的桉树人工林林分蓄积量需要校正的时间跨度去校正其他相近月份拼接影像对应的桉树人工林林分蓄积量的反演结果；

所述同一月份覆盖研究区域面积最大的拼接影像和其他相近月份拼接影像的确定方法是：首先从研究区域一年内所有卫星影像中筛选出含云量小于阈值的影像；然后从中统计同一月份覆盖研究区域面积最大的影像，再以该影像对应的月份为时间基准从含云量小于阈值的影像中确定离该月份相对较近的其他月份的卫星影像，将这两部分影像共同拼接能够覆盖研究区域，那么这两部分影像构成拼接影像，分别命名为覆盖研究区域面积最大的拼接影像和其他相近月份拼接影像。

2.根据权利要求1所述的基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：确定桉树人工林目标研究区，利用Google Earth Pro软件通过目视解译的方法在N‑m年至N年各年的谷歌历史卫星影像中：1)选择多个分布在研究区的桉树所在像元即桉树样本点，并记录其坐标；2)选择多个分布在研究区的已被砍伐桉树所对应像元并记录其坐标和砍伐更新时间，并将桉树的砍伐更新时间定义为砍伐更新点；其中m为大于等于研究区桉树轮伐期的正整数；

步骤1.2：选择与N‑m至N年各年分别对应的经过正射校正和经过地理配准的覆盖研究区的Landsat影像数据，在谷歌地球引擎GEE平台上调用这些影像数据并对这些影像数据进行影像的拼接、掩膜提取和辐射归一化预处理，获得N‑m至N年各年研究区影像数据；

步骤1.3：对N‑m至N年各年研究区影像数据进行参数提取，所述参数包括光谱反射率、包含归一化燃烧指数NBR的植被指数以及纹理信息；根据桉树样本点的坐标，在N‑m至N年各年研究区影像数据中找到对应的像元，由这些像元及其对应的参数构建数据集，从该数据集划分出训练集，利用随机森林算法进行桉树的分类训练，构建研究区各年桉树人工林空间分布提取模型；将从各年研究区影像数据提取的参数分别对应输入研究区各年桉树人工林空间分布提取模型，获得N‑m至N年研究区各年桉树人工林空间分布；

步骤1.4：分别利用N‑m至N年研究区各年桉树人工林空间分布对对应的分别从各年研究区影像数据获得的归一化燃烧指数NBR空间分布进行掩膜提取，分别对应得到各年的桉树人工林NBR空间分布，从而获得N‑m至N年研究区桉树人工林NBR空间分布；根据各砍伐更新点在桉树人工林NBR空间分布中对应像元的NBR值的变化规律确定NBR骤降幅度阈值；

步骤1.5：根据N‑m至N年研究区桉树人工林NBR空间分布、NBR骤降幅度阈值，确定N年研究区桉树人工林空间分布中的真实桉树砍伐更新点及对应的砍伐更新年；

步骤1.6：基于N年研究区桉树人工林空间分布中各像元对应的砍伐更新年，计算出N年研究区桉树人工林林龄,进而获得N年研究区桉树人工林林龄空间分布。

3.根据权利要求2所述的基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，所述步骤1.5中所述的确定N年研究区桉树人工林空间分布中的真实桉树砍伐更新点及对应的砍伐更新年的方法为：将N‑m至N年各年研究区桉树人工林空间分布中所在像元发生NBR骤降对应的时间点定义为桉树伪砍伐更新点；然后以轮伐期为时间步长，在时间步长内：若像元的NBR值只骤降1次，且骤降的幅度大于等于NBR骤降幅度阈值，则该次NBR值骤降对应的伪砍伐更新点则为真实砍伐更新点；若像元的NBR值骤降大于1次，且骤降的幅度均大于等于NBR骤降幅度阈值，则取最后1次NBR值骤降对应的伪砍伐更新点为真实砍伐更新点；各真实砍伐更新点分别对应的当前年定义为各真实砍伐更新点的砍伐更新年。

4.根据权利要求2所述的基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，所述步骤1.6所述的基于N年研究区桉树人工林空间分布中各像元对应的砍伐更新年，计算N年研究区桉树人工林年林龄的方法为：定义各像元内的桉树在砍伐更新年为

0岁，利用N年分别减去各像元对应的距离N年最近的砍伐更新年，则得到各像元内桉树在N年的年林龄；若N年研究区桉树人工林中部分像元在N‑m至N年均无砍伐更新年，则视该部分像元内桉树在N年的年林龄为大于m岁。

5.根据权利要求2所述的基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1：获取研究区数字高程模型DEM，基于N年研究区桉树人工林林龄空间分布，对研究区DEM进行处理得到N年研究区桉树人工林高程空间分布、N年研究区桉树人工林坡度空间分布；分别对N年研究区桉树人工林林龄空间分布、N年研究区桉树人工林高程空间分布和N年研究区桉树人工林坡度空间分布进行统计得到N年研究区桉树人工林林龄统计图、N年研究区桉树人工林高程信息统计图和N年研究区桉树人工林坡度信息统计图；

步骤2.2：选取林龄、高程以及坡度共同作为分类依据，基于N年研究区桉树人工林林龄统计图、N年研究区桉树人工林高程信息统计图和N年研究区桉树人工林坡度信息统计图，对整个研究区桉树人工林的不同生长情况进行分类；

步骤2.3：基于对研究区桉树人工林不同生长情况的分类，对N年研究区桉树人工林林龄空间分布、N年研究区桉树人工林高程空间分布和N年研究区桉树人工林坡度空间分布进行重分类，对重分类后的N年研究区桉树人工林林龄空间分布、N年研究区桉树人工林高程空间分布和N年研究区桉树人工林坡度空间分布进行叠加分析得到N年研究区不同生长情况桉树人工林空间分布；

步骤2.4：根据N年研究区不同生长情况桉树人工林空间分布，按照每一类生长情况选取一块样方的方法从研究区选取多个对应不同生长情况类别的样方；

步骤2.5：针对每一所选样方进行野外实地样地调查和UAV数据采集；所述UAV数据采集包括1)连续一年每月利用搭载消费级相机的无人机对每一所述样方进行数据采集，所获得的每一样方的12期UAV数据称为Camera UAV数据；2)使用搭载LiDAR传感器的无人机对每一所选样方进行数据采集，所获得的每一样方的UAV数据称为LiDAR UAV数据；

步骤2.6：将每一样方的12期Camera UAV数据输入到航空摄影测量软件中进行处理得到每一期对应样方的数字正射影像DOM和数字表面模型DSM；利用LiDAR点云数据处理软件处理每一样方的LiDAR UAV数据，生成每一样方对应的数字高程模型DEM；

步骤2.7：将步骤2.6获得的每一期对应样方的数字表面模型DSM与每一样方的数字高程模型DEM做差则得到每一期对应样方的冠层高度模型CHM；

步骤2.8：从所有样方全部12期对应的冠层高度模型CHM构成的数据集中划分出训练集，并对训练集中冠层高度模型CHM上的每一个树冠进行标注，获得带有标签的训练集数据；利用带有标签的训练集数据和深度学习算法进行单木分割，得到每一期对应样方的单木分割矢量图；

步骤2.9：根据每一期对应样方的单木分割矢量图、每一期对应样方的数字正射影像DOM和每一期对应样方的冠层高度模型CHM，利用局部最大值算法提取出每一期对应样方的单木树高和单木冠幅；

步骤2.10：根据每一期对应样方的数字正射影像DOM，提取出每一期对应样方的数字正射影像DOM的光谱反射指数；

步骤2.11：根据野外实地样地调查采集的每一样方中每棵桉树对应的单木树高和单木胸径计算单木材积实际值，由野外实地样地调查采集的每一样方中每棵桉树对应的单木树高、单木冠幅以及单木材积实际值构成数据集，并从该数据集中划分出训练集，以训练集中的单木材积作为因变量、以步骤2.9和步骤2.10提取出的与野外实地样地调查相同月份对应样方的单木树高、单木冠幅以及光谱反射指数为自变量，利用本步骤获得的训练集和随机森林算法构建桉树人工林对应样方的单木材积反演模型；

步骤2.12：基于12期的UAV数据，利用所提取出的每一期对应样方中每棵桉树对应的单木树高、单木冠幅以及光谱反射指数，利用步骤2.11构建的对应样方的单木材积反演模型，提取出每个月对应样方的桉树人工林单木材积，进而获得每个月对应样方的单木材积变化量，即对应样方桉树人工林每个月单木生长量，从而实现不同生长情况桉树人工林单木短时间跨度生长量的提取。

6.根据权利要求5所述的基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，所述步骤2.9中所述的提取出每一期对应样方的单木树高和单木冠幅的方法为：在ArcGIS软件中，将每一期对应样方的单木分割矢量图、每一期对应样方的冠层高度模型CHM和每一期对应样方的数字正射影像DOM以图层的方式分别打开，结合对应的单木分割矢量图和数字正射影像DOM，通过人工目视解译的方式，分别确定每一期对应样方中每棵桉树树冠的位置，对每一期对应样方的冠层高度模型CHM利用局部最大值算法，提取出每一期对应样方的单木树高和单木冠幅。

7.根据权利要求5所述的基于UAV数据的桉树人工林区域林分蓄积量时间差校正方法，其特征在于，所述光谱反射指数包括归一化红蓝指数NDRB、归一化红绿指数NDRG和归一化绿蓝指数NDGB，其中归一化红蓝指数NDRB按照式(1)进行计算；归一化红绿指数NDRG按照式(2)进行计算；归一化绿蓝指数NDGB按照式(3)进行计算：上式中，R为归一化后红波段的对应像元值，G为归一化后绿波段的对应像元值，B为归一化后蓝波段的对应像元值。