油茶作为一种重要的经济林树种,具有较高的药用和食用价值,近年来我国对油茶的需求呈上升趋势,因此科学地管理油茶并对其产量进行准确估测具有重要意义。传统的油茶产量调查主要为采摘鲜果称重,随着遥感技术的发展,无人机被广泛应用于林业领域,利用无人机获取的高分辨率影像能清晰地展现地物的颜色和纹理,提取影像包含的信息,对反应变量进行统计分析,为小尺度范围内林木参数反演和油茶产量估测提供了有效方式。论文以长沙县明月村油茶林为研究区,选取85株油茶测量冠幅、树高和产量,分别利用无人机摄影测量和三维激光扫描技术获取研究区数字正射影像（Digital Orthophoto Map,DOM）、密集匹配点云以及激光点云数据。首先,研究针对尺度对地物空间结构的限制以及传统分水岭分割易产生树冠过分割等问题,提出一种基于多尺度标记优化分水岭的树冠分割方法,实现油茶单木的准确识别和冠幅的快速提取。其次,基于DOM和密集匹配点云提取遥感变量、树高和树冠体积,利用局部最大值法提取树高,利用克里金法（Ordinary Kriging,OK）、反距离权重法（Inverse Distance Weight,IDW）、自然邻近点法（Natural Neighbor,NN）和过滤三角网法（Filtering Triangulation,FT）分别获取油茶树冠体积。最后,利用提取的变量构建不同特征集,通过多元线性回归（Multivarate Linear Regression,MLR）、随机森林（Random Forest,RF）、k最邻近模型（k-Nearest Neighbor,kNN）估测油茶产量,探讨利用无人机倾斜摄影提取油茶参数、估测油茶产量的可行性。经研究分析得到以下结果:（1）多尺度标记分水岭方法的树冠分割方法优于单一的分水岭分割结果。多尺度标记分水岭分割的参数设置包括树冠标记迭代生长尺度和分水岭分割阈值尺度,通过Johnson指数确定的最优迭代增长尺度为20,分水岭分割阈值尺度为85,最优尺度下的油茶冠幅提取值与实测值的R2为0.69,其树冠面积提取值与目视解译参考值的相对误差为13.6%,单木识别的总体精度为87.1%,相对于传统的分水岭分割方法精度提高了 30.4%,可在一定程度上解决传统分水岭分割应用于高分辨率影像易出现的过分割问题。（2）过滤三角网是获取油茶树冠体积最有效的方法。其平均相对误差（31.54%）优于反距离权重法（36.73%）、克里金法（37.04%）和自然邻近点法（38.54%）,4种插值方法获取的体积相对误差均处于30～40%之间,体积计算结果总体偏大。（3）遥感变量和单木参数共同作为特征变量估测产量可提高估产精度。其多元回归、随机森林、k最邻近模型的估测结果优于单独使用遥感变量或单木参数的估产结果,3种模型的R2分别为0.35、0.64和0.25,RRMSE分别为30.97%、28.69%和 31.36%。（4）论文采用的几种油茶产量估测方法中,随机森林模型的估测效果最优。对比3种估测模型,除单独使用单木参数建模外,随机森林模型的决定系数均优于多元线性回归和k最邻近模型,在最优特征集基础上,随机森林的R2达0.64。研究结果可为区域范围内利用无人机遥感技术开展油茶产量调查提供参考。