火龍果種植信息提取技術

許元紅，陳智虎，劉春艷，童倩倩，李莉婕，趙澤英

(貴州省農業科學院 科技信息研究所，貴州 貴陽 550006)

火龍果屬于熱帶、亞熱帶水果，營養豐富，集水果、花卉、蔬菜、保健為一體，具有非常高的經濟價值[1]。近年來，貴州省火龍果種植面積不斷增加，如何快速提取種植信息，實現產量估測、進行田間精準管理顯得十分重要。單位面積內植株數量與植株倒伏數量作為火龍果生長監測的重要指標，是進行種植調控與管理不可或缺的參考因素。因此，準確、快速獲取火龍果株數及倒伏信息對其實現精細化管理具有重要意義。植物田間株數及倒伏情況的監測可采取基于數字影像的目視解譯法和自動提取法，目視解譯法主要基于可見光影像人工解譯出實際所需的農情信息，該方法效率低，很難實現快速、精準管理的目的。自動提取主要利用反射光譜、傾斜攝影、激光雷達等技術實現田間株數、株高及倒伏信息等指標的獲取。劉帥兵等[2]利用無人機可見光影像，通過骨架提取算法及多次去毛刺處理等數學形態學流程提取玉米苗形態，實現玉米苗期株數的信息提取，總體識別精度達97.8%；蘇偉等[3]利用地基激光雷達獲取毫米級精度的玉米個體植株三維點云數據并進行海量點云數據預處理，試驗結果與實地手動測量值相比，真實葉面積、葉長、株高、葉傾角的平均絕對百分比誤差(MAPE)分別為 2.38%、1.32%、0.61%和 8.96%，精度較高，可操作性強； MALAMBO等[4]使用小型無人機通過傾斜攝影方式，提取玉米倒伏信息，并在小區尺度上與田間調查結果進行對比分析，誤差僅4.44%。當前，準確并快速地提取火龍果種植信息鮮有研究，鑒于此，選取關嶺縣板貴鄉木工村火龍種植基地為研究區，采用縱橫CW-007垂直起降無人機系統搭載可見光數碼相機獲取的研究區高清影像作為數據源，利用Pix4D進行影像拼接，通過ENVI軟件提取研究區內火龍果株數，借助ArcGIS進行株高提取，統計火龍果田間倒伏株數，并與實地采集信息進行對比，以論證基于低空遙感技術快速提取火龍果種植信息的可行性，旨在尋求準確、快速獲取火龍果生長期田間植株數量與倒伏數量的技術手段，為大田作物的科學估測產量及種植區精細化管理提供技術支撐。

1 材料與方法

1.1 研究區概況

研究區位于關嶺自治縣板貴鄉木工村，地理坐標為北緯25°39′01″、東經105°42′36″。地處低熱河谷，氣候為中亞熱帶季風濕潤氣候，主要地貌有中山及峰叢洼地等，巖溶地貌發育，石漠化較嚴重，平均海拔650 m，年平均氣溫20℃左右，年日照時數3 000 h左右，年降水量890 mm左右，無霜期大于320 d。研究區域種植的主要作物有玉米、花椒及火龍果。

1.2 試驗材料

1.2.1 火龍果樣地 為了創造有利的試驗條件，選擇的火龍果種植區地勢較為平整，行間距約3 m，株間距約2 m，總面積1 712 m2。火龍果種植于2013年，長勢良好，種植區管理規范。

1.2.2 低空遙感系統 目前低空遙感主要利用固定翼和多旋翼等手段進行數據獲取。研究借助縱橫系列CW-007無人機進行火龍果種植區域拍攝。系統由飛行平臺、機載傳感器、地面控制系統、數據鏈路、數據后處理系統組成。無人機采用模塊化設計，抗風能力強，續航時間可達50 min；機載傳感器為SONY A7R可見光相機，全畫幅，像素7 952×5 304，像素尺寸0.004 515 mm，相機焦距35.373 097 mm。

1.3 試驗方法

基于低空遙感技術獲取火龍果種植信息的技術流程詳見圖1。

1.3.1 影像獲取 為獲取高質量影像數據，航拍前需作好充分準備工作，包括測區資料收集，航線規劃，起降場地選擇等[5]。研究數據獲取時間為2019年4月12日，天氣晴朗，于太陽輻射較穩定的正午時分進行拍攝。為便于后期制作高分辨率數字產品，飛行行向重疊度設為80%，旁向重疊度設為70%，地面分辨率1.58 cm，相對地面航高122 m，東西方向共6條航線，采集照片共計109張，對應姿態數據(POS)109個。

1.3.2 地面像控點GCP獲取 雖然無人機系統帶有慣性測量單元(IMU)，但要獲得高精度數字產品，必須采用實時動態差分技術(RTK)測量地面像控點參與后期影像處理。地面像控點要求均勻分布于研究區域，為滿足處理需求，共測量像控點8個。

1.3.3 火龍果株高量測 為驗證基于遙感技術提取火龍果倒伏植株的準確率，對火龍果正常生長高度及倒伏火龍果的實際高度進行實地測量。該時期火龍果長勢良好，枝葉處于生長階段，暫未進行修剪。利用鋼卷尺從地面量至火龍果新芽頂端，共獲得101株正常火龍果的植株高度，均在1 m以上；倒伏植株共測量5株，新芽頂距地面距離在0.43～0.75 m。

圖1 低空遙感技術獲取火龍果種植信息的技術流程

Fig.1 The technical process of obtaining pitaya planting information by using low-altitude remote sensing technology

1.3.4 數據處理

1) 影像預處理。進行影像獲取時，隨著時間推移，太陽位置、風速等因素均會發生變化，造成所獲取影像存在不同程度的輻射誤差。為提高后期數據制作精度，必須進行影像增強處理，確保所有照片明暗程度基本相似。

2) 正射影像(DOM)、數字表面模型(DSM)和數字高程模型(DEM)制作。采用Pix4D進行相關數字產品的制作。將經過預處理的數碼像片和POS數據導入軟件，選擇對應的坐標系和基準面進行初始化處理；導入GCP，校正圖片地理參考，提高處理結果精度。重新進行空中三角測量，獲得研究區的數字正射影像DOM以及數字表面模型DSM，DSM包含地面上的所有植被信息，對其進行濾波處理之后獲得研究區域的數字高程模型DEM。

1.3.5 種植株數與倒伏株數信息提取

1) 種植株數。以拼接完成的三波段正射影像DOM為基礎數據，利用ENVI5.5軟件計算研究區可見光波段差異植被指數VDVI，計算后實現目標地物與背景值的較好分離。通過對可見光波段差異植被指數計算結果進行密度分割，確定作物分布的最大及最小閾值，借助Raster Color Slice工具分析，得出火龍果與背景值的最佳分割閾值為0.04。采用波段運算工具對植被指數進行掩膜處理，將大于等于0.04的像元值保持不變，小于0.04的像元值更改為0值。利用果樹提取工具Count Crops，按照“作物最小直徑1.1 m、最大直徑2 m、增量數3、高斯平滑因子0.5及允許重疊百分比為0”的條件對研究區內火龍果植株數量進行提取，并將提取結果轉換為矢量，統計出研究區火龍果株數，通過對比目視解譯數據(等同于田間實際株數)，進行精度R驗證。

(1)

(2)

式中，Red代表紅光波段，Green表代表綠光波段，Blue代表藍光波段；M提取值代表利用軟件統計出的株數，N解譯值代表目視解譯的株數。

2) 倒伏株數。DSM與DEM的每個像素值均表示該點高程，可用于高度測量。要得出倒伏株數，必須先提取出研究區內所有單株火龍果的植株高度(H)，可利用單株火龍果覆蓋區域的DSM與DEM進行作差運算得到。首先論證基于低空遙感技術提取火龍果株高的可行性，將提取值和實測值進行相關性分析，以決定系數R2和均方根誤差RMSE作為評價估算模型的指標，R2越大，與之對應的RMSE就越小，相關性就越高[6-7]。利用ArcGIS中“以表格顯示分區統計”工具提取出單株火龍果覆蓋區域內的高程最大值以及地表高程平均值，將兩者作差運算得到火龍果植株高度，統計得出研究區內植株高度最大值為1.62 m，最小值為0.28 m；實地測量正常生長的火龍果植株所攀附的支架離地高度約為1.08 m，因此以1.08 m作為分界點，結合地面實測倒伏植株的最大高度統計獲得倒伏火龍果株數，最后進行精度驗證。

(3)

(4)

2 結果與分析

2.1 火龍果植株分布與數量

2.1.1 分布信息 圖2中呈行列分布的白色區域為火龍果，黑色及灰色區域為土壤信息，斑點狀零星分布的主要為硬化地表以及裸巖地表。

圖2 基于可見光波段差異植被指數的火龍果分布

Fig.2 Calculation results of visible light band difference vegetation index on pitaya distribution

2.1.2 種植株數 研究區域內基于低空遙感技術獲取的火龍果種植株數為270株(圖3)，通過目視解譯得出研究區火龍果株數為278株(田間實際株數)。驗證表明，基于精準農業工具包提取火龍果植株數量精度為97.12%。雖然該方法識別度較高，但是針對火龍果植株顏色較為灰暗以及“連株”的情況不能實現精確提取，存在一定的誤差。

圖3 基于低空遙感技術提取的火龍果植株數量

Fig.3 Pitaya plants on low-altitude remote sensing technology

2.2 火龍果植株高度與倒伏信息

2.2.1 株高信息 試驗區低空遙感技術提取的火龍果株高與實測株高誤差平均為5.6 cm。相關性分析表明，實測株高(y)與提取株高(x)的評估模型為y=0.729 7x+0.366 6，決定系數R2=0.721，均方根誤差RMSE=0.066 m(圖4)。說明，提取值與實測值比較接近，精度較高，表明基于低空遙感技術一定程度上可獲取特定區域內的火龍果植株高度。

2.2.2 倒伏植株數量 火龍果倒伏是指由于田間管理不善或受自然災害造成的植株倒地情況，倒伏的火龍果植株高度均低于正常生長高度。研究區內采用低空遙感技術獲取的火龍果倒伏株數為 6株(圖5)，通過目視解譯提取的火龍果倒伏株數為7株(田間實際倒伏株數)。驗證表明，基于低空遙感技術配合ArcGIS統計火龍果倒伏植株數量的監測精度為85.71%。

圖4 提取株高與實測株高的相關性

Fig.4 Correspondence between extracted plant height and measured plant height

圖5 倒伏火龍果植株位置分布

Fig.5 Distribution location of lodging pitaya plants

3 結論與討論

研究利用低空遙感技術搭載高清數碼相機對火龍果種植區域進行數據采集，通過Pix4D結合地面實測像控點(GCP)進行影像拼接，生成高分辨率DOM、DSM以及DEM，借助ENVI精準農業工具包基于高清正射影像進行火龍果植株數量信息提取；對DSM進行濾波處理得到DEM，通過ArcGIS提取出火龍果株高，從而統計出火龍果倒伏株數。對基于低空遙感技術提取到的植株數量與倒伏植株數量進行精度驗證得出，火龍果總植株數量提取精度為97.12%，倒伏植株數量提取精度為85.71%，說明基于低空遙感技術結合ENVI以及ArcGIS等輔助工具可實現火龍果種植信息的快速提取，在一定程度上可為火龍果產量估測及精細化管理提供參考依據。

研究所選試驗區域面積小，地塊較為平坦，田間雜草較少，基于無人機高清正射影像進行火龍果植株信息提取的正確率較理想，但是針對多株火龍果被錯分為單株以及植被覆蓋復雜、地勢起伏區域等情況未進行相關研究，如何進行大面積火龍果種植信息的快速提取將是下一階段的研究方向。