多光譜無人機不同飛行高度下蘋果樹高的提取

摘 要：【目的】利用多光譜無人機影像快速、準確、無損的獲取蘋果樹高信息，實現無人機遙感技術對蘋果樹生長狀況的監測，并分析無人機飛行高度對樹高提取結果的影響。

【方法】利用大疆精靈4多光譜無人機分別獲取30、60和90 m飛行高度的蘋果樹無人機影像，經大疆智圖（DJI Terra）軟件處理生成DOM和DSM影像數據，基于生成的DOM和DSM，利用克里金插值法生成研究區DEM，將DSM和DEM作差生成蘋果樹CHM提取樹高，與實地測量的果樹高值進行回歸分析和精度驗證。

【結果】30 m飛行高度平均樹高提取精度為88.49%，R2為0.837 8，RMSE為0.4 031 m；60 m飛行高度平均樹高提取精度為74.72%，R2為0.6577，RMSE為0.884 6 m；90 m飛行高度平均樹高提取精度為56.20%，R2為0.527 3，RMSE為1.476 7 m。

【結論】利用多光譜無人機遙感技術可以實現對蘋果樹高的提取，提取精度隨著無人機飛行高度的增加而降低，30 m飛行高度提取結果最佳，90 m飛行高度提取結果最差。在合適的飛行高度內，多光譜無人機遙感技術可以快速、準確、無損的實現對果園果樹生長狀況的監測，提高果園的管理效率。

關鍵詞：多光譜無人機；飛行高度；蘋果樹

中圖分類號：S127"" 文獻標志碼：A"" 文章編號：1001-4330（2024）07-1710-07

0 引 言

【研究意義】瓜果業已成為新疆農業增產的重要產業之一［1-2］。蘋果在新疆種植面積僅次于葡萄和香梨［3］，阿克蘇地區種植有冰糖心蘋果［4］。樹高是果樹重要的表型結構參數之一，能夠定量反映果樹間的生長差異與健康狀況［5］，可以一定程度上估測果樹產量［6］，也是對果園進行生產調控的重要因素之一。 然而，傳統樹高的獲取主要依靠人工測量，速度慢、工作量大且準確率較低，已經無法滿足生產需求［7］。隨著無人機遙感技術的不斷發展， 基于無人機遙感提取林木樹高成為研究熱點［8］，利用無人機遙感技術快速、準確地獲取蘋果樹高信息，對于果園的精準管理和產量預測具有重要意義。【前人研究進展】基于無人機遙感技術提取林木樹高已有文獻報道［9］。應用無人機搭載可見光相機，通過三維自動重建的方式生成數字表面模型，進而估算樹高，估算的樹高與實測樹高的相關系數超過0.8；王佳等［10］以輕小型航空遙感系統獲取油松人工林的激光雷達點云數據，通過去噪、分類、提取等過程獲得單木的樹高數據，預測精度達97.5%。王偉［11］應用無人機遙感技術獲取影像數據，生成高精度的DOM和DSM，利用面向對象法及GIS空間分析技術提取了森林的樹高值，估測精度達0.86以上。王欣等［12］提出了一種優化冠層高度模型（CHM）方法，利用局部穩健加權回歸的方法對機載雷達生成的點云數據進行平滑處理，去除凹坑再利用反距離權重法進行插值生成CHM，結果表明該方法可以高質量獲得樹高信息。曹明蘭等［13］利用無人采集的行道樹遙感影像生成DEM、DSM和DOM影像數據，通過鄰域最高過濾法提取出了行道樹高等表型信息，結果表明利用該方法測量的行道樹單株樹高的平均誤差為4.94。白明雄等［14］以天然云南松純林為研究對象，利用獲取的高分辨率可見光無人機遙感影像生成研究區林木三維點云，構建DSM，DEM并生成CHM，采用分水嶺分割算法對不同郁閉度條件下獲得的 CHM 進行單木分割，提取了不同郁閉度林分內云南松的樹高。【本研究切入點】對比現有的林木樹高信息的提取研究，其方法眾多，且研究結果均可滿足實際生產需求。然而，這些研究主要集中在天然林等高大植株林木的調查，對于高度較低的經濟林，尤其是蘋果樹的研究內容相對較少，對于樹高較低的蘋果樹是否適用仍值得探究；此外，現有研究所用的無人機影像都是在單一高度下拍攝的，缺乏探究無人機不同飛行高度對蘋果樹高信息提取的影響研究。【擬解決的關鍵問題】試驗以蘋果樹為研究對象，采用30、60和90 m三個飛行高度獲取蘋果樹多光譜無人機影像，對獲取影像進行拼接處理生成DOM和DSM數據，采用克里金插值法提取蘋果樹高，與實地測量樹高值進行精度驗證與回歸分析，將多光譜無人機遙感技術應用于蘋果樹高的監測，并揭示飛行高度對蘋果樹高提取結果的影響。

1 材料與方法

1.1 材 料

1.1.1 研究區概況

研究區位于新疆阿克蘇地區溫宿縣林海社區蘋果園（41°22 ′56″～41°22′59″ N，80°21′56″～80°22′4″ E），該地具有典型的暖溫帶大陸性干旱氣候特征，光照充足，氣候干燥，無霜期較長，晝夜溫差大，適宜果樹類作物生長。研究區內蘋果樹品種為富士系蘋果，園內地勢整體平坦，果樹修剪、水肥管理一致；總體行距為4～5 m，株距為2～3 m，果樹高度分布在2～4.5 m，樹冠大小差距明顯，冠幅整體分布在1～3 m。

1.1.2 地面數據

實測數據于2023年4月22日在果園中實地進行測量。在研究區內隨機機選取100株果樹為研究的目標樹，用高精度GPS記錄每株樹的位置，為確保位置準確性，在調查時人工記錄每株樹具體的行、株數用以輔助定位；用塔尺測量并記錄100株果樹樹高。

1.1.3 無人機數據獲取及預處理

于2023年4月23日在研究區進行飛行試驗。航攝于中午13：00～15：00進行，拍攝當天天氣晴朗，光線充足，基本無風。飛行使用大疆精靈4多光譜版無人機，相機包括1個用于可見光成像的彩色傳感器和5個用于多光譜成像的單色傳感器，包含紅、綠、藍、紅邊和近紅外5個波段，單個傳感器有效像素208萬（總像素212萬）。該無人機遙感平臺具有位置與姿態系統（Position and Orientation System，POS） 可以實時獲取影像數據信息；同時，該無人機可以使用內嵌RTK，無需布設基站。試驗設置較大的無人機飛行高度跨度，飛行高度分別設置為30、60和90 m。使用 DJI GS Pro飛行軟件進行航線規劃，飛機航線航向重疊度和旁向重疊度均設置為75%，云臺俯仰角度為90°。

利用大疆智圖（DJI Terra）軟件進行無人機影像拼接，生成研究區數字正射影像 （Digital Orthophoto Map，DOM） 和數字表面模型 （Digital Surface Model，DSM） 。圖1

1.2 方 法

1.2.1 克里金插值法

克里金法（Kriging）是地統計學分析的主要方法之一［15］，又稱之為空間局部插值法，是以空間自相關性為基礎，利用原始數據和半方差函數的結構性，對區域化變量的位置采樣點進行無偏估值的插值方法［16］，廣泛應用在林業、農業等領域［17］。該方法能夠給出最優線性無偏估計，來估算未采樣位置的屬性值［18］，在研究中，利用該方法來模擬生成研究區地面高程模型。數據采用 ArcGIS 10.8進行處理。

1.2.2 數字地面模型生成

將生成的DOM和DSM數據導入至ArcGIS中并裁剪出研究區進行后續處理。繪制采樣點：新建點要素圖層，使采樣點均勻的分布在地面上。值提取至點：選擇值提取至點工具，輸入點要素選擇繪制完成的采樣點點，輸入柵格選擇DSM數據，得到一個帶有高程值字段的點圖層。正態分布檢驗：使用地統計工具對采樣點高程數據進行正態分布檢驗，正態QQ圖和直方圖均符合正態分布。點插值成面：選擇地統計工具中普通克里金插值生成DEM。經柵格計算工具將DSM與DEM作差，得到冠層高度模型（Canopy Height Model，CHM）。

CHM=DSM-DEM.（1）

式（1）中，CHM為冠層高度模型，DSM為數字表面模型，DEM為數字高程模型。

1.2.3 基于正射影像的目標樹提取

準確識別并提取出目標樹樹冠范圍是提取樹高的關鍵。采用目視解譯法手動提取目標樹以提高樹高提取的精度與準確性。

1.2.4 評價指標

采用平均提取精度P、決定系數R2和均方根誤差（Root Mean Square Error，RMSE）為評價標準對冠幅提取效果進行評價，P和R2越大、RMSE越小說明提取效果越好。 計算公式如式（2）～式（5）：

P=1-|Xi-Yi|Xi×100%.（2）

P=ni=1P1+P2+…+Pin.（3）

R2=ni=1（Xi-X）2（Yi-Y）2nni=1（Xi-X）2ni=1（Yi-Y）2.（4）

RMSE=ni=1（Yi-Xi）2n.（5）

式中，P、P表示提取精度、平均提取精度，Xi、X表示實測值、實測值均值，Yi、Y表示提取值、提取值均值，n為樣本數量。

2 結果與分析

2.1 試驗區數字高程模型的生成

研究表明，試驗區地勢平坦，3個飛行高度生成的DEM數據中地勢高度差均不超過0.3 m，均符合實際情況；整體高程隨著無人機飛行高度的增加而降低，30與90 m飛行高度高程相差3 m以上。圖2～3

2.2 蘋果樹冠層高度模型的生成

研究表明，30 m飛行高度CHM最高值為4.518 92 m；60 m飛行高度CHM最高值和4.082 28 m；90 m飛行高度CHM最高值為3.864 62 m。結合果樹高大多分布在2～4.5 m的實際高度，30 m飛行高度生成的CHM最符合實際情況，60和90 m飛行高度生成的CHM比實際值偏低。圖4

2.3 樹高提取精度

研究表明，30 m飛行高度株高提取精度最低為64.26%，最高為99.76%，平均株高提取精度為88.49%，R2為0.837 8，RMSE為0.403 1 m；60 m飛行高度株高提取精度最低為10.60%，最高為99.90%，平均株高提取精度為74.72%，R2為0.657 7，RMSE為0.884 6 m；90 m飛行高度株高提取精度最低為7.62%，最高為91.83%，平均株高提取精度為56.20%，R2為0.5273，RMSE為1.476 7 m。30 m飛行高度提取結果最佳，隨著無人機飛行高度的增加，株高提取精度逐漸降低。表1，圖5

3 討 論

3.1

焦亞輝［18］、萬祖毅［6］、顏安［17］等經DOM、DSM和克里金插值分別成功提取出了沙棘樹、柑橘樹、棉花和大豆樹高。雖然試驗也成功的提取出蘋果樹高并對不同飛行高度進行了提取結果對比，在繪制采樣點時可能會因為采樣點不均勻等情況使高程信息出現誤差，從而影響建立的DEM精度。

3.2

對比不同飛行高度提取結果，多光譜無人機飛行高度對蘋果樹高的提取結果有較大的影響，樹高提取精度隨著無人機飛行高度的升高而降低，與前人的研究結果基本一致［19-20］。試驗結果表明，30、60和90 m飛行高度提取結果相差較大，在90 m飛行高度時，樹高提取結果存在很大的誤差，R2僅為0.527 3，比萬祖毅［6］使用可見光無人機150 m飛行高度提取柑橘樹高的R2更低，幾乎無法正確反映出果樹真實生長狀況。是由于多光譜無人機搭載的相機較可見光相機像素較低，在飛行高度較高時分辨率太低，對于一些冠幅較小、樹高較低的果樹無法準確識別，導致生成的影像數據存在較大誤差；也可能在測量果樹高度時人處于仰視狀態，讀取的數值會存在偏差，導致測量結果與實際高度存在誤差，從而間接影響了樹高的提取精度。

通過研究發現，30 m飛行高度提取樹高結果優于60 m優于90 m，但此次試驗僅選取了3個飛行高度且高度跨度較大，對于30 m以下、90 m以上和中間的飛行高度提取結果仍需進一步研究和探討。

4 結論

30 m飛行高度樹高平均樹高提取精度為88.49%，R2為0.837 8，RMSE為0.403 1 m；60 m飛行高度平均樹高提取精度為74.72%，R2為0.657 7，RMSE為0.884 6 m；90 m飛行高度平均樹高提取精度為56.20%，R2為0.527 3，RMSE為1.476 7 m。利用多光譜無人機遙感技術可以實現對蘋果樹高的提取，提取精度隨著無人機飛行高度的增加而降低，30 m飛行高度提取結果最佳，90 m飛行高度提取結果最差。在合適的飛行高度內，多光譜無人機遙感技術可以快速、準確、無損的實現對果園果樹生長狀況的監測，提高對果園管理效率。

參考文獻（References）

［1］

劉宏， 牛榮. 新疆特色林果業現狀和發展趨勢［J］. 山西農經， 2018， （9）： 29-30.

LIU Hong， NIU Rong. Present situation and development trend of characteristic forest and fruit industry in Xinjiang［J］. Shanxi Agricultural Economy， 2018， （9）： 29-30.

［2］ 趙達君， 戴泉， 永春芳. 新疆瓜果出口基地發展現狀、問題及對策研究［J］. 經濟視角（下）， 2009， （8）： 5-6， 9.

ZHAO Dajun， DAI Quan， YONG Chunfang. Xinjiang fruits export site’s developing status， problems and relevant measures［J］. Economic Vision， 2009， （8）： 5-6， 9.

［3］ 韓政偉， 郭靖， 張振飛， 等. 新疆鄉土蘋果新品種瑪平1號的選育［J］. 果樹學報， 2023， 40（3）： 588-591.

HAN Zhengwei， GUO Jing， ZHANG Zhenfei， et al. Breeding report of Xinjiang native apple Maping 1［J］. Journal of Fruit Science， 2023， 40（3）： 588-591.

［4］ 吳佳銳. 阿克蘇冰糖心蘋果區域品牌建設研究［D］. 武漢： 武漢輕工大學， 2019.

WU Jiarui. On the Regional Brand Construction of Aksu Candy Heart Apple［D］. Wuhan： Wuhan Polytechnic University， 2019.

［5］ 焦亞輝， 顏安， 趙英， 等. 基于無人機影像的沙棘樹高提取及葉面積指數反演方法比較［J］. 新疆農業大學學報， 2020， 43（4）： 241-251.

JIAO Yahui， YAN An， ZHAO Ying， et al. Inversion methods comparison of seabuckthorn tree height and leaf area index based on UAV images［J］. Journal of Xinjiang Agricultural University， 2020， 43（4）： 241-251.

［6］ 萬祖毅. 基于無人機遙感的柑橘果樹信息提取及應用研究［D］. 重慶： 西南大學， 2020.

WAN Zuyi. Extraction and Application of Citrus Fruit Tree Information Based on UAV Remote Sensing［D］. Chongqing： Southwest University， 2020.

［7］ 張宏鳴， 譚紫薇， 韓文霆， 等. 基于無人機遙感的玉米株高提取方法［J］. 農業機械學報， 2019， 50（5）： 241-250.

ZHANG Hongming， TAN Ziwei， HAN Wenting， et al. Extraction method of maize height based on UAV remote sensing［J］. Transactions of the Chinese Society for Agricultural Machinery， 2019， 50（5）： 241-250.

［8］ 梁永檢， 吳文志， 施澤升， 等. 基于無人機RGB遙感的甘蔗株高估測［J］. 作物雜志， 2023， （1）： 226-232.

LIANG Yongjian， WU Wenzhi， SHI Zesheng， et al. Estimation of sugarcane plant height based on UAV RGB remote sensing［J］. Crops， 2023， （1）： 226-232.

［9］ Jing L H， Hu B X， Li J L， et al. Automated delineation of individual tree crowns from lidar data by multi-scale analysis and segmentation［J］. Photogrammetric Engineering amp; Remote Sensing， 2012， 78（12）： 1275-1284.

［10］ 王佳， 楊慧喬， 馮仲科， 等. 利用輕小型飛機遙感數據建立人工林特征參數模型［J］. 農業工程學報， 2013， 29（8）： 164-170， 296.

WANG Jia， YANG Huiqiao， FENG Zhongke， et al. Model of characteristic parameter for forest plantation with data obtained by light small aerial remote sensing system［J］. Transactions of the Chinese Society of Agricultural Engineering， 2013， 29（8）： 164-170， 296.

［11］ 王偉. 無人機影像森林信息提取與模型研建［D］. 北京： 北京林業大學， 2015.

WANG Wei. Forest Information Extraction And Model Building Based on UAV Image［D］. Beijing： Beijing Forestry University， 2015.

［12］ 王欣， 陳傳法. LiDAR森林冠層高度模型凹坑去除方法［J］. 測繪科學， 2016， 41（12）： 157-161.

WANG Xin， CHEN Chuanfa. Method for removing pits of canopy height model from airborne LiDAR data［J］. Science of Surveying and Mapping， 2016， 41（12）： 157-161.

［13］ 曹明蘭， 張力小， 王強. 無人機遙感影像中行道樹信息快速提取［J］. 中南林業科技大學學報， 2016， 36（10）： 89-93.

CAO Minglan， ZHANG Lixiao， WANG Qiang. Rapid extraction of rural house information from UAV remote-sensing images［J］. Journal of Central South University of Forestry amp; Technology， 2016， 36（10）： 89-93.

［14］ 白明雄， 張超， 陳棋， 等. 基于無人機可見光遙感的單木樹高提取方法研究［J］. 林業資源管理， 2021， （1）： 164-172.

BAI Mingxiong， ZHANG Chao， CHEN Qi， et al. Study on the extraction of individual tree height based on UAV visual spectrum remote sensing［J］. Forest Resources Management， 2021， （1）： 164-172.

［15］ 王金鑫， 秦子龍， 曹澤寧， 等. 基于八叉樹的修正克里金空間插值算法［J］. 鄭州大學學報（工學版）， 2021， 42（6）： 21-27.

WANG Jinxin， QIN Zilong， CAO Zening， et al. Modified Kriging spatial interpolation algorithm based on octree mechanism［J］. Journal of Zhengzhou University （Engineering Science）， 2021， 42（6）： 21-27.

［16］ 湯國安， 楊昕. ArcGIS地理信息系統空間分析實驗教程（2版） ［M］. 北京： 科學出版社， 2012： 448-461.

TANG Guoan， YANG Xin. Experimental course of spatial analysis of ArcGIS geographic information system（2nd ed.）［M］." Beijing： Science Press， 2012： 448-461.

［17］ 顏安， 郭濤， 陳全家， 等. 基于無人機影像的棉花株高預測［J］. 新疆農業科學， 2020， 57（8）： 1493-1502.

YAN An， GUO Tao， CHEN Quanjia， et al. Prediction of cotton plant height based on UAV image［J］. Xinjiang Agricultural Sciences， 2020， 57（8）： 1493-1502.

［18］ 焦亞輝. 基于無人機影像的沙棘表型信息提取及葉面積指數估測［D］. 烏魯木齊： 新疆農業大學， 2021.

JIAO Yahui. Phenotypic Information Extraction and Leaf Area Index Estimation of Seabuckthorn Based on UAV Images［D］.Urumqi： Xinjiang Agricultural University， 2021.

［19］ 謝巧雅， 余坤勇， 鄧洋波， 等. 杉木人工林冠層高度無人機遙感估測［J］. 浙江農林大學學報， 2019， 36（2）： 335-342.

XIE Qiaoya， YU Kunyong， DENG Yangbo， et al. Height measurement of Cunninghamia lanceolata plantations based on UAV remote sensing［J］. Journal of Zhejiang A amp; F University， 2019， 36（2）： 335-342.

［20］""" Yu X， Hyypp J， Hyypp H， et al. Effects of flight altitude on tree height estimation using airborne laser scanning ［J］. Proceedings of the Isprs Working Group Viii/2 Laser Scanners for Forest amp; Landscape Assessment，" 2012.

Study on extraction of apple tree height at different flight

altitudes using multispectral UAV

ZHANG Zhenfei1， GUO Jing2， YAN An1， HOU Zhengqing1，

YUAN Yilin1， XIAO Shuting1， SUN Zhe1

（1. College of Resources and Environment， Xinjiang Agricultural University， Urumqi 830052， China; 2.Institute of Landscape Architecture， Xinjiang Academy of Forestry Sciences， Urumqi 830092， China）

Abstract：【Objective】 The purpose of this study is to utilize multispectral unmanned aerial vehicle （UAV） imagery to rapidly， accurately， and non-destructively acquire height information of apple trees， aiming to achieve monitoring of apple tree growth conditions using UAV remote sensing technology and analyze the influence of UAV flight height on the extraction results of tree height.

【Methods】" The DJI Phantom 4 multispectral UAV was employed to acquire UAV imagery of apple trees at flight heights of 30， 60， and 90 m， respectively. The acquired imagery was processed using DJI Terra software to generate digital orthophoto models （DOM） and digital surface models （DSM）. Based on the generated DOM and DSM， a digital elevation model （DEM） of the study area was created using the Kriging interpolation method. The difference between the DSM and DEM was used to generate the canopy height model （CHM） for extracting tree height. Regression analysis and accuracy validation were conducted by comparing the extracted tree heights with field-measured values.

【Results】" The average accuracy of tree height extraction at a flight height of 30 m was 88.49%， with an R2 value of 0.8378 and an RMSE of 0.403，1 m. At a flight height of 60m， the average accuracy of tree height extraction was 74.72%， with an R2 value of 0.657，7 and an RMSE of 0.884，6 m. At a flight height of 90 m， the average accuracy of tree height extraction was 56.20%， with an R2 value of 0.527，3 and an RMSE of 1.476，7 m.

【Conclusion】" The use of multispectral UAV remote sensing technology enables the extraction of apple tree height possible. The extraction accuracy decreases with an increase in UAV flight height. The best results are obtained at a flight height of 30 m， while the poorest results are obtained at a flight height of 90 m. Within appropriate flight heights， multispectral UAV remote sensing technology can rapidly， accurately， and non-destructively monitor the growth conditions of orchard fruit trees， thereby improving the management efficiency for orchard operators.

Key words：multispectral UAV; flight altitude; apple tree

Fund projects：Xinjiang Uygur Autonomous Region Key Research and Development Project “Research on Key Techniques for Cold Resistance in Major Fruit Trees Such as Xinjiang Apricots （Prunus armeniaca） and Plums （Prunus domestica × armeniaca） ” （2023B02026）

Correspondence author： GUO Jing （1982-）， female， from Shandong， master degree， associate researcher， research direction： apple seed breeding， cultivation technology， （E-mail） 191315471@qq.comYAN An （1983 -）， male， from Anyue， Sichuan， Ph.D." ，professor， doctoral supervisor， research" direction： digital agricultural technology， agricultural resources and environment，（E-mail） zryanan@163.com

收稿日期（Received）：

2024-01-25

基金項目：

新疆維吾爾自治區重點研發計劃項目“新疆杏李、杏等主要果樹抗寒關鍵技術研究”（2023B02026）

作者簡介：

張振飛（1998-），男，河南安陽人，碩士研究生，研究方向為農業信息化，（E-mail）1291716283@qq.com

通訊作者：

郭靖（1982-），女，山東人，副研究員，碩士，碩士生導師，研究方向為蘋果良種選育與栽培，（E-mail） 191315471@qq.com

顏安（1983 -） ，男，四川安岳人，教授，博士，碩士生/博士生導師，研究方向為數字農業技術、農業資源與環境，（E-mail） zryanan@ 163.com