楊德菲 楊存建 錢可敦

摘 要：本研究通過無人機遙感技術(shù)，構(gòu)建了差值黃葉指數(shù)、提取出了樹冠覆蓋信息，估算出了銀杏苗圃地的樹木株數(shù)及其覆蓋率，經(jīng)檢驗，該方法精度較高。這一高效、簡便的方法對林木苗圃地中樹葉呈黃色的樹種以及樹冠大小差異不大的樹種的覆蓋信息提取和株數(shù)測定有很高的推廣價值。

關(guān)鍵詞：無人機遙感;銀杏株數(shù);樹冠覆蓋率

0 前言

林木苗圃地的樹木株數(shù)及其樹冠覆蓋率估算對于林木苗圃地的經(jīng)營管理具有重要意義。利用常規(guī)技術(shù)進(jìn)行樹木株數(shù)及其樹冠覆蓋率的測算，比較費工、費時。探索一種快速、高效、成本低且精度達(dá)到要求的新技術(shù)具有重要的現(xiàn)實意義。

近年來，無人機遙感技術(shù)發(fā)展迅速，在土地整治[1，2]、土地利用規(guī)劃[3]、礦山地質(zhì)災(zāi)害精細(xì)探測[4]、山洪災(zāi)害調(diào)查評價[5]、建筑密度與容積率的測算[6]等方面已取得了應(yīng)用研究成果。然而，在這些應(yīng)用中，所使用的無人機多為價格昂貴的航測型無人機，且數(shù)據(jù)處理復(fù)雜。[7]大疆（DJI）PHANTOM2 VISION+ 無人機價格在8000元以下，其操作易學(xué)易用，起飛靈活。就利用大疆 PHANTOM2 VISION+無人機遙感估算銀杏苗圃地的樹木株數(shù)及其樹冠覆蓋率方面，至今未見有研究報道。因此，本文開展利用大疆無人機來估算樹木株數(shù)及其樹冠覆蓋率的研究，預(yù)期為樹木株數(shù)及其樹冠覆蓋率估算探索出一種低成本、高效率的技術(shù)，從而為園林樹木管理提供科技支撐。

1 實驗區(qū)與數(shù)據(jù)

該實驗區(qū)為成都市郫都區(qū)的兩塊銀杏林地。該實驗區(qū)為平地。所使用的數(shù)據(jù)為大疆 （DJI）PHANTOM2 VISION+ 無人機獲取的影像。其影像為魚眼影像，對魚眼影像進(jìn)行魚眼鏡頭校正和幾何校正。經(jīng)校正后的影像如圖1所示。

從圖1中可以看出，該影像獲取的時間為秋季，銀杏葉子呈金黃色。該影像中有3塊銀杏苗圃地，選區(qū)其中的2塊作為試驗地塊。

2 方法與步驟

2.1 構(gòu)建差值黃葉指數(shù)

通過影像特征和亮度值分析，通過紅光波段（B3）與藍(lán)光波段（B1）的差值組合，可以增加樹木樹冠的黃葉信息，為此，我們探索構(gòu)建了差值黃葉指數(shù)（HYZS），其表達(dá)式如下：

HYZS=B3-B1 （1）

利用上述表達(dá)式，計算產(chǎn)生差值黃葉指數(shù)。

2.2 樹冠覆蓋信息提取

利用差值黃葉指數(shù)建立黃葉狀態(tài)的銀杏樹冠提取模型，如下：

if? HYZS>40? then

該像元為銀杏樹冠像元，其取值為1：

Else （2）

該像元為銀杏樹冠像元，其取值為0：

Endif

利用以上模型提取銀杏樹冠信息，對提取結(jié)果進(jìn)行綜合處理，去除5個像元以下的細(xì)小區(qū)域。其結(jié)果圖2所示，紅色為銀杏樹冠。

將提取的樹冠結(jié)果柵格數(shù)據(jù)進(jìn)行矢量化，得到樹冠覆蓋的多邊形圖斑，選取面積在1m2以上的樹冠圖斑，建立樹冠覆蓋GIS數(shù)據(jù)庫，其結(jié)果如圖3所示。

2.3 林地地塊樹冠覆蓋情況分析

通過屏幕數(shù)字化，數(shù)字化苗圃地地塊的范圍，該實驗區(qū)有2個銀杏苗圃地地塊，建立其GIS數(shù)據(jù)庫。將地塊圖層與樹冠覆蓋GIS數(shù)據(jù)圖層進(jìn)行空間連接分析，并在此基礎(chǔ)上進(jìn)行統(tǒng)計分析，得到統(tǒng)計結(jié)果數(shù)據(jù)，并計算出各地塊的樹冠覆蓋率，如表1所示。樹冠覆蓋率為地塊內(nèi)所有樹冠覆蓋的總面積，占該地塊面積的全部。

2.4 地塊內(nèi)樹木株數(shù)的估算

在樹冠GIS數(shù)據(jù)庫中，添加株數(shù)字段。地塊1：將樹冠覆蓋面積小于等于平均面積（3.43m2）的多邊形選取出，每個多邊形即為一棵數(shù)的樹冠，因此，其株數(shù)賦值為1。對面積大于平均面積的多邊形，用其面積除以3.43m2，并取整，并將此數(shù)作為該多邊形中的樹木株數(shù)。通過檢查，有2個多邊形的樹木棵數(shù)計算有誤。一個為1棵誤算為2棵，另一個為3棵誤算為4棵。對其進(jìn)行修改后，統(tǒng)計得到的株棵數(shù)為79。地塊2：按照以上方法，同樣以平均面積（3.43m2）進(jìn)行分析計算處理，得到地塊2的株數(shù)為83株。

2.5 精度分析

就樹冠提取而言，所提取的樹冠均為黃葉狀態(tài)的銀杏樹冠，因此，其誤提率為0。有少量的銀杏葉因其黃色狀態(tài)不足而未被提取出來，主要位于樹冠邊沿部分。通過采樣估算，未被提取的最多占5%，因此，其漏提率為5%。因此，其提取的總體精度較高。樹冠覆蓋率是相對數(shù)字，其精度取決于樹冠覆蓋的提取精度和地塊范圍的判讀精度，因地塊范圍判讀為目視判讀，因此，其精度較高。

就株數(shù)的估算而言，對于林地地塊1，無漏估算。在自動提取計算的株數(shù)中，多出了2株。多估算數(shù)占真實總數(shù)79的2.53%。對于地塊2，自動提取計算的株數(shù)為83株，而真實的株數(shù)為89株。漏算株數(shù)為6株，占真實總數(shù)89的6.74%。因此，其株數(shù)自動提取估算的精度較高。

3 結(jié)果與討論

通過本文的研究，探索出了利用大疆 PHANTOM2 VISION+ 無人機遙感估算銀杏苗圃地的樹木株數(shù)及其樹冠覆蓋率的技術(shù)路線和方法。該方法簡單、適用、有效，且成本低。

通過本研究，提出了黃葉指數(shù)，該指數(shù)可以用于反映樹冠的黃色狀態(tài)，其黃色狀態(tài)越強，其指數(shù)值越高。利用該黃葉指數(shù)，通過一定的閾值，可以將黃葉樹冠提取出來。

利用該技術(shù)方法，估算出的銀杏苗圃地的樹木株數(shù)的精度較高，估算出的樹冠覆蓋率精度較高，能達(dá)到要求。該技術(shù)方法，適用于對葉子呈黃色狀態(tài)的樹冠覆蓋信息的提取，而不適合用于提取呈其他顏色狀態(tài)的樹冠覆蓋信息。對于株數(shù)的估算，適用于樹冠大小差異不大的情況或者樹冠明顯相互分離的情況，這樣，其估算精度較高。

參考文獻(xiàn)：

[1] 任向紅.基于低空無人機航空影像的土地整治項目正射影像圖制作[J].測繪技術(shù)裝備，2014，16（1）：48-51.

[2] 羅先權(quán)，王琰，袁小燕.農(nóng)村土地整治測繪技術(shù)方法的探索與實踐[J].地理空間信息，2013，11（5）：37-39.

[3] 張孝成，趙紫陽，周志躍，等. CORS和無人機遙感技術(shù)結(jié)合在村級土地利用規(guī)劃中的應(yīng)用——以重慶市江津區(qū)燕壩村為例[J].中國土地科學(xué)，2012，26（1）：82-85.

[4] 趙星濤，胡奎，盧曉攀，等.無人機低空航攝的礦山地質(zhì)災(zāi)害精細(xì)探測方法[J].測繪科學(xué)，2014，39（6）：49-52.

[5] 劉昌軍，郭良，岳沖.無人機航測技術(shù)在山洪災(zāi)害調(diào)查評價中的應(yīng)用[J].中國防汛抗旱，2014，24（3）：3-7.

[6] 楊存建，李何超，許光洪，等.基于大疆無人機遙感的農(nóng)村居民點建筑密度與容積率的測算[J].山地學(xué)報，2019，37（1）：144-150.

[7] 劉洋，祁瓊.無人機航攝技術(shù)在國土資源領(lǐng)域的應(yīng)用[J].地理空間信息，2014，12（1）：29-30.

作者簡介：楊德菲（1998—），女，四川成都人，南京林業(yè)大學(xué)風(fēng)景園林學(xué)院本科在讀。

楊存建（1967—），男，四川成都人，博士，畢業(yè)于中國科學(xué)院地理科學(xué)與資源研究所，教授，研究方向：地理信息科學(xué)。

通訊作者：錢可敦（1992—），男，江蘇常州人，研究生，畢業(yè)于南京林業(yè)大學(xué)，助教，研究方向：思想政治教育。