Este estudio presenta un enfoque innovador para la planificación de rutas de recolección de datos de crucero de UAV utilizando el algoritmo de optimización de forrajeo de manta raya (MRFO) para mejorar la eficiencia y la utilización de energía en el monitoreo de ecosistemas forestales. Tradicionalmente dependiente de costosas patrullas manuales, este método aprovecha los UAV y los sensores terrestres para la recolección de datos. El enfoque comienza con un algoritmo de agrupamiento autoorganizado para sensores, minimizando la comunicación entre UAV y sensores. Luego, refina la ecuación de consumo de energía del UAV integrando las necesidades de energía de propulsión, los datos reales del terreno y los efectos del viento. En comparación con otros algoritmos heurísticos, el algoritmo MRFO demuestra un rendimiento superior en la planificación de rutas, particularmente para problemas complejos de optimización de ingeniería, mostrando una mayor adaptabilidad y eficiencia. Los resultados experimentales comparativos sobre datos reales del terreno y la simulación de MATLAB r2018b muestran que el error entre la ecuación de cálculo de energía corregida y el valor real se controla dentro del 5%, y la precisión se mejora en un 10% respecto a la ecuación original. Mientras tanto, la capacidad del algoritmo MRFO para construir rápidamente soluciones aproximadas de alta calidad con las longitudes de ruta más cortas en un número limitado de iteraciones valida su potencial en aplicaciones prácticas. El algoritmo de agrupamiento alpha-hop utilizado en este documento tiene una gran ventaja en complejidad espacial y temporal en comparación con los algoritmos de agrupamiento existentes, y la precisión de la extracción de datos se mejora relativamente en un 7.57% y un 6.95%. Se introdujeron datos de terreno del modelo de elevación digital (DEM) de bosques reales en este estudio, y el método mejora la utilización de energía de la recolección de datos de UAV y también proporciona una solución integral y detallada a los desafíos existentes en el campo de la recolección de datos forestales. La investigación futura podría considerar combinar el algoritmo MRFO con otras clases de algoritmos evolutivos para aprovechar las propiedades de rápida convergencia y alta precisión del algoritmo para mejorar aún más las perspectivas de aplicación en diferentes escenarios.