森林资源调查与监测是森林资源经营管理的基础工作,是推动区域生态系统可持续发展的必要环节,是社会生产生活安全平稳有序运行的重要保障。贵州是典型的喀斯特山地,森林覆盖率虽然在全国居于前列,但石漠化严重,生态脆弱,环境承载力低,自然灾害频发,生物量小,群落简单,因此,做好森林资源调查和监测工作对于我省的资源供给、产业发展、生态调节、减灾防灾、绿色发展等具有十分重要的意义。针对目前森林资源调查存在的时间复杂度高,效率低等问题,针对森林资源调查当中的林分树高调查、林分密度调查、林分树种调查,本文对分水岭算法进行了改进、使用改进的U-net模型与改进的3D-CNN模型进行基于无人机机载雷达与无人机机载可见光相机的森林调查。在数据采集方面,对研究区使用无人机机载激光雷达进行数据采集。同时对研究区使用可见光相机进行数据采集。使用全站仪划分两块样地。使用全站仪、RTK设备、测高仪等设备样地进行人工数据调查。在数据处理方面,使用无人机机载激光雷达的点云数据生成冠层高度模型（Canopy Height Model,CHM）,使用可见光相机拍摄的影像生成数字正摄图影像图（Digital Orthophoto Map,DOM）。针对点云数据生成的冠层高度模型,使用改进的分水岭算法进行单木分割并提取树高、株数等信息,对分割出的单木,使用改进的3D-CNN网络进行训练并对树种进行分类。并与传统的3D-CNN网络、随机森林方法进行了比较。对于数字正摄影像图使用改进的U-net网络进行单木分割并提取树高、株数等信息,使用改进的U-net进行单木分割与分类,并与FCN,传统的U-net算法等进行比较。使用样地1训练好的模型对样地2进行单木分割与树种分类,从而验证不同坡度样地,算法的鲁棒性。本研究对华山松、马尾松、杉木、圆柏、侧柏进行了单木分割。单木分割总体精度超过60%,可满足林业部门获取森林单木的精度需求。并通过实验验证了本文提出的方法在单木分割与识别过程中的效果和优势。