摘 要：【目的】利用多光譜無人機(jī)影像快速、準(zhǔn)確、無損的獲取蘋果樹高信息，實(shí)現(xiàn)無人機(jī)遙感技術(shù)對蘋果樹生長狀況的監(jiān)測，并分析無人機(jī)飛行高度對樹高提取結(jié)果的影響。

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

【結(jié)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(jié)論】利用多光譜無人機(jī)遙感技術(shù)可以實(shí)現(xiàn)對蘋果樹高的提取，提取精度隨著無人機(jī)飛行高度的增加而降低，30 m飛行高度提取結(jié)果最佳，90 m飛行高度提取結(jié)果最差。在合適的飛行高度內(nèi)，多光譜無人機(jī)遙感技術(shù)可以快速、準(zhǔn)確、無損的實(shí)現(xiàn)對果園果樹生長狀況的監(jiān)測，提高果園的管理效率。

關(guān)鍵詞：多光譜無人機(jī)；飛行高度；蘋果樹

中圖分類號(hào)：S127"" 文獻(xiàn)標(biāo)志碼：A"" 文章編號(hào)：1001-4330（2024）07-1710-07

0 引 言

【研究意義】瓜果業(yè)已成為新疆農(nóng)業(yè)增產(chǎn)的重要產(chǎn)業(yè)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(qū)種植有冰糖心蘋果［4］。樹高是果樹重要的表型結(jié)構(gòu)參數(shù)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(chǎn)量［6］，也是對果園進(jìn)行生產(chǎn)調(diào)控的重要因素之一。 然而，傳統(tǒng)樹高的獲取主要依靠人工測量，速度慢、工作量大且準(zhǔn)確率較低，已經(jīng)無法滿足生產(chǎn)需求［7］。隨著無人機(jī)遙感技術(shù)的不斷發(fā)展， 基于無人機(jī)遙感提取林木樹高成為研究熱點(diǎn)［8］，利用無人機(jī)遙感技術(shù)快速、準(zhǔn)確地獲取蘋果樹高信息，對于果園的精準(zhǔn)管理和產(chǎn)量預(yù)測具有重要意義?！厩叭搜芯窟M(jìn)展】基于無人機(jī)遙感技術(shù)提取林木樹高已有文獻(xiàn)報(bào)道［9］。應(yīng)用無人機(jī)搭載可見光相機(jī)，通過三維自動(dòng)重建的方式生成數(shù)字表面模型，進(jìn)而估算樹高，估算的樹高與實(shí)測樹高的相關(guān)系數(shù)超過0.8；王佳等［10］以輕小型航空遙感系統(tǒng)獲取油松人工林的激光雷達(dá)點(diǎn)云數(shù)據(jù)，通過去噪、分類、提取等過程獲得單木的樹高數(shù)據(jù)，預(yù)測精度達(dá)97.5%。王偉［11］應(yīng)用無人機(jī)遙感技術(shù)獲取影像數(shù)據(jù)，生成高精度的DOM和DSM，利用面向?qū)ο蠓癎IS空間分析技術(shù)提取了森林的樹高值，估測精度達(dá)0.86以上。王欣等［12］提出了一種優(yōu)化冠層高度模型（CHM）方法，利用局部穩(wěn)健加權(quán)回歸的方法對機(jī)載雷達(dá)生成的點(diǎn)云數(shù)據(jù)進(jìn)行平滑處理，去除凹坑再利用反距離權(quán)重法進(jìn)行插值生成CHM，結(jié)果表明該方法可以高質(zhì)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(shù)據(jù)，通過鄰域最高過濾法提取出了行道樹高等表型信息，結(jié)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(jī)遙感影像生成研究區(qū)林木三維點(diǎn)云，構(gòu)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(jìn)行單木分割，提取了不同郁閉度林分內(nèi)云南松的樹高?！颈狙芯壳腥朦c(diǎn)】對比現(xiàn)有的林木樹高信息的提取研究，其方法眾多，且研究結(jié)果均可滿足實(shí)際生產(chǎn)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(diào)查，對于高度較低的經(jīng)濟(jì)林，尤其是蘋果樹的研究內(nèi)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(xiàn)有研究所用的無人機(jī)影像都是在單一高度下拍攝的，缺乏探究無人機(jī)不同飛行高度對蘋果樹高信息提取的影響研究?！緮M解決的關(guān)鍵問題】試驗(yàn)以蘋果樹為研究對象，采用30、60和90 m三個(gè)飛行高度獲取蘋果樹多光譜無人機(jī)影像，對獲取影像進(jìn)行拼接處理生成DOM和DSM數(shù)據(jù)，采用克里金插值法提取蘋果樹高，與實(shí)地測量樹高值進(jìn)行精度驗(yàn)證與回歸分析，將多光譜無人機(jī)遙感技術(shù)應(yīng)用于蘋果樹高的監(jiān)測，并揭示飛行高度對蘋果樹高提取結(jié)果的影響。

1 材料與方法

1.1 材 料

1.1.1 研究區(qū)概況

研究區(qū)位于新疆阿克蘇地區(qū)溫宿縣林海社區(qū)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(qū)內(nèi)蘋果樹品種為富士系蘋果，園內(nèi)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(shù)據(jù)

實(shí)測數(shù)據(jù)于2023年4月22日在果園中實(shí)地進(jìn)行測量。在研究區(qū)內(nèi)隨機(jī)機(jī)選取100株果樹為研究的目標(biāo)樹，用高精度GPS記錄每株樹的位置，為確保位置準(zhǔn)確性，在調(diào)查時(shí)人工記錄每株樹具體的行、株數(shù)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(jī)數(shù)據(jù)獲取及預(yù)處理

于2023年4月23日在研究區(qū)進(jìn)行飛行試驗(yàn)。航攝于中午13：00～15：00進(jìn)行，拍攝當(dāng)天天氣晴朗，光線充足，基本無風(fēng)。飛行使用大疆精靈4多光譜版無人機(jī)，相機(jī)包括1個(gè)用于可見光成像的彩色傳感器和5個(gè)用于多光譜成像的單色傳感器，包含紅、綠、藍(lán)、紅邊和近紅外5個(gè)波段，單個(gè)傳感器有效像素208萬（總像素212萬）。該無人機(jī)遙感平臺(tái)具有位置與姿態(tài)系統(tǒng)（Position and Orientation System，POS） 可以實(shí)時(shí)獲取影像數(shù)據(jù)信息；同時(shí)，該無人機(jī)可以使用內(nèi)嵌RTK，無需布設(shè)基站。試驗(yàn)設(shè)置較大的無人機(jī)飛行高度跨度，飛行高度分別設(shè)置為30、60和90 m。使用 DJI GS Pro飛行軟件進(jìn)行航線規(guī)劃，飛機(jī)航線航向重疊度和旁向重疊度均設(shè)置為75%，云臺(tái)俯仰角度為90°。

利用大疆智圖（DJI Terra）軟件進(jìn)行無人機(jī)影像拼接，生成研究區(qū)數(shù)字正射影像 （Digital Orthophoto Map，DOM） 和數(shù)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(tǒng)計(jì)學(xué)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(guān)性為基礎(chǔ)，利用原始數(shù)據(jù)和半方差函數(shù)的結(jié)構(gòu)性，對區(qū)域化變量的位置采樣點(diǎn)進(jìn)行無偏估值的插值方法［16］，廣泛應(yīng)用在林業(yè)、農(nóng)業(yè)等領(lǐng)域［17］。該方法能夠給出最優(yōu)線性無偏估計(jì)，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(qū)地面高程模型。數(shù)據(jù)采用 ArcGIS 10.8進(jìn)行處理。

1.2.2 數(shù)字地面模型生成

將生成的DOM和DSM數(shù)據(jù)導(dǎo)入至ArcGIS中并裁剪出研究區(qū)進(jìn)行后續(xù)處理。繪制采樣點(diǎn)：新建點(diǎn)要素圖層，使采樣點(diǎn)均勻的分布在地面上。值提取至點(diǎn)：選擇值提取至點(diǎn)工具，輸入點(diǎn)要素選擇繪制完成的采樣點(diǎn)點(diǎn)，輸入柵格選擇DSM數(shù)據(jù)，得到一個(gè)帶有高程值字段的點(diǎn)圖層。正態(tài)分布檢驗(yàn)：使用地統(tǒng)計(jì)工具對采樣點(diǎn)高程數(shù)據(jù)進(jìn)行正態(tài)分布檢驗(yàn)，正態(tài)QQ圖和直方圖均符合正態(tài)分布。點(diǎn)插值成面：選擇地統(tǒng)計(jì)工具中普通克里金插值生成DEM。經(jīng)柵格計(jì)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(shù)字表面模型，DEM為數(shù)字高程模型。

1.2.3 基于正射影像的目標(biāo)樹提取

準(zhǔn)確識(shí)別并提取出目標(biāo)樹樹冠范圍是提取樹高的關(guān)鍵。采用目視解譯法手動(dòng)提取目標(biāo)樹以提高樹高提取的精度與準(zhǔn)確性。

1.2.4 評價(jià)指標(biāo)

采用平均提取精度P、決定系數(shù)R2和均方根誤差（Root Mean Square Error，RMSE）為評價(jià)標(biāo)準(zhǔn)對冠幅提取效果進(jìn)行評價(jià)，P和R2越大、RMSE越小說明提取效果越好。 計(jì)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(shí)測值、實(shí)測值均值，Yi、Y表示提取值、提取值均值，n為樣本數(shù)量。

2 結(jié)果與分析

2.1 試驗(yàn)區(qū)數(shù)字高程模型的生成

研究表明，試驗(yàn)區(qū)地勢平坦，3個(gè)飛行高度生成的DEM數(shù)據(jù)中地勢高度差均不超過0.3 m，均符合實(shí)際情況；整體高程隨著無人機(jī)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(jié)合果樹高大多分布在2～4.5 m的實(shí)際高度，30 m飛行高度生成的CHM最符合實(shí)際情況，60和90 m飛行高度生成的CHM比實(shí)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(jié)果最佳，隨著無人機(jī)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(jīng)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(yàn)也成功的提取出蘋果樹高并對不同飛行高度進(jìn)行了提取結(jié)果對比，在繪制采樣點(diǎn)時(shí)可能會(huì)因?yàn)椴蓸狱c(diǎn)不均勻等情況使高程信息出現(xiàn)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(jié)果，多光譜無人機(jī)飛行高度對蘋果樹高的提取結(jié)果有較大的影響，樹高提取精度隨著無人機(jī)飛行高度的升高而降低，與前人的研究結(jié)果基本一致［19-20］。試驗(yàn)結(jié)果表明，30、60和90 m飛行高度提取結(jié)果相差較大，在90 m飛行高度時(shí)，樹高提取結(jié)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(jī)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(shí)生長狀況。是由于多光譜無人機(jī)搭載的相機(jī)較可見光相機(jī)像素較低，在飛行高度較高時(shí)分辨率太低，對于一些冠幅較小、樹高較低的果樹無法準(zhǔn)確識(shí)別，導(dǎo)致生成的影像數(shù)據(jù)存在較大誤差；也可能在測量果樹高度時(shí)人處于仰視狀態(tài)，讀取的數(shù)值會(huì)存在偏差，導(dǎo)致測量結(jié)果與實(shí)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(fā)現(xiàn)，30 m飛行高度提取樹高結(jié)果優(yōu)于60 m優(yōu)于90 m，但此次試驗(yàn)僅選取了3個(gè)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(jié)果仍需進(jìn)一步研究和探討。

4 結(jié)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(jī)遙感技術(shù)可以實(shí)現(xiàn)對蘋果樹高的提取，提取精度隨著無人機(jī)飛行高度的增加而降低，30 m飛行高度提取結(jié)果最佳，90 m飛行高度提取結(jié)果最差。在合適的飛行高度內(nèi)，多光譜無人機(jī)遙感技術(shù)可以快速、準(zhǔn)確、無損的實(shí)現(xiàn)對果園果樹生長狀況的監(jiān)測，提高對果園管理效率。

參考文獻(xiàn)（References）

［1］

劉宏， 牛榮. 新疆特色林果業(yè)現(xiàn)狀和發(fā)展趨勢［J］. 山西農(nóng)經(jīng)， 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(dá)君， 戴泉， 永春芳. 新疆瓜果出口基地發(fā)展現(xiàn)狀、問題及對策研究［J］. 經(jīng)濟(jì)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(xiāng)土蘋果新品種瑪平1號(hào)的選育［J］. 果樹學(xué)報(bào)， 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(qū)域品牌建設(shè)研究［D］. 武漢： 武漢輕工大學(xué)， 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(jī)影像的沙棘樹高提取及葉面積指數(shù)反演方法比較［J］. 新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 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(jī)遙感的柑橘果樹信息提取及應(yīng)用研究［D］. 重慶： 西南大學(xué)， 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(jī)遙感的玉米株高提取方法［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 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(jī)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(jī)遙感數(shù)據(jù)建立人工林特征參數(shù)模型［J］. 農(nóng)業(yè)工程學(xué)報(bào)， 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(jī)影像森林信息提取與模型研建［D］. 北京： 北京林業(yè)大學(xué)， 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(xué)， 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(qiáng). 無人機(jī)遙感影像中行道樹信息快速提?。跩］. 中南林業(yè)科技大學(xué)學(xué)報(bào)， 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(jī)可見光遙感的單木樹高提取方法研究［J］. 林業(yè)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(xué)學(xué)報(bào)（工學(xué)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(tǒng)空間分析實(shí)驗(yàn)教程（2版） ［M］. 北京： 科學(xué)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(jī)影像的棉花株高預(yù)測［J］. 新疆農(nóng)業(yè)科學(xué)， 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(jī)影像的沙棘表型信息提取及葉面積指數(shù)估測［D］. 烏魯木齊： 新疆農(nóng)業(yè)大學(xué)， 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(jī)遙感估測［J］. 浙江農(nóng)林大學(xué)學(xué)報(bào)， 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(xiàng)目：

新疆維吾爾自治區(qū)重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“新疆杏李、杏等主要果樹抗寒關(guān)鍵技術(shù)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?yàn)檗r(nóng)業(yè)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(dǎo)師，研究方向?yàn)樘O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(dǎo)師，研究方向?yàn)閿?shù)字農(nóng)業(yè)技術(shù)、農(nóng)業(yè)資源與環(huán)境，（E-mail） zryanan@ 163.com