摘 要：【目的】利用多光譜無(wú)人機(jī)影像快速、準(zhǔn)確、無(wú)損的獲取蘋(píng)果樹(shù)高信息，實(shí)現(xiàn)無(wú)人機(jī)遙感技術(shù)對(duì)蘋(píng)果樹(shù)生長(zhǎng)狀況的監(jiān)測(cè)，并分析無(wú)人機(jī)飛行高度對(duì)樹(shù)高提取結(jié)果的影響。

【方法】利用大疆精靈4多光譜無(wú)人機(jī)分別獲取30、60和90 m飛行高度的蘋(píng)果樹(shù)無(wú)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(píng)果樹(shù)CHM提取樹(shù)高，與實(shí)地測(cè)量的果樹(shù)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(shù)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(shù)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(shù)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(wú)人機(jī)遙感技術(shù)可以實(shí)現(xiàn)對(duì)蘋(píng)果樹(shù)高的提取，提取精度隨著無(wú)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(wú)人機(jī)遙感技術(shù)可以快速、準(zhǔn)確、無(wú)損的實(shí)現(xiàn)對(duì)果園果樹(shù)生長(zhǎng)狀況的監(jiān)測(cè)，提高果園的管理效率。

關(guān)鍵詞：多光譜無(wú)人機(jī)；飛行高度；蘋(píng)果樹(shù)

中圖分類(lèi)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(píng)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(píng)果［4］。樹(shù)高是果樹(shù)重要的表型結(jié)構(gòu)參數(shù)之一，能夠定量反映果樹(shù)間的生長(zhǎng)差異與健康狀況［5］，可以一定程度上估測(cè)果樹(shù)產(chǎn)量［6］，也是對(duì)果園進(jìn)行生產(chǎn)調(diào)控的重要因素之一。 然而，傳統(tǒng)樹(shù)高的獲取主要依靠人工測(cè)量，速度慢、工作量大且準(zhǔn)確率較低，已經(jīng)無(wú)法滿(mǎn)足生產(chǎn)需求［7］。隨著無(wú)人機(jī)遙感技術(shù)的不斷發(fā)展， 基于無(wú)人機(jī)遙感提取林木樹(shù)高成為研究熱點(diǎn)［8］，利用無(wú)人機(jī)遙感技術(shù)快速、準(zhǔn)確地獲取蘋(píng)果樹(shù)高信息，對(duì)于果園的精準(zhǔn)管理和產(chǎn)量預(yù)測(cè)具有重要意義?！厩叭搜芯窟M(jìn)展】基于無(wú)人機(jī)遙感技術(shù)提取林木樹(shù)高已有文獻(xiàn)報(bào)道［9］。應(yīng)用無(wú)人機(jī)搭載可見(jiàn)光相機(jī)，通過(guò)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(shù)高，估算的樹(shù)高與實(shí)測(cè)樹(shù)高的相關(guān)系數(shù)超過(guò)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(guò)去噪、分類(lèi)、提取等過(guò)程獲得單木的樹(shù)高數(shù)據(jù)，預(yù)測(cè)精度達(dá)97.5%。王偉［11］應(yīng)用無(wú)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(shù)高值，估測(cè)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(duì)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(shù)高信息。曹明蘭等［13］利用無(wú)人采集的行道樹(shù)遙感影像生成DEM、DSM和DOM影像數(shù)據(jù)，通過(guò)鄰域最高過(guò)濾法提取出了行道樹(shù)高等表型信息，結(jié)果表明利用該方法測(cè)量的行道樹(shù)單株樹(shù)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(duì)象，利用獲取的高分辨率可見(jiàn)光無(wú)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(duì)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(shù)高。【本研究切入點(diǎn)】對(duì)比現(xiàn)有的林木樹(shù)高信息的提取研究，其方法眾多，且研究結(jié)果均可滿(mǎn)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(duì)于高度較低的經(jīng)濟(jì)林，尤其是蘋(píng)果樹(shù)的研究?jī)?nèi)容相對(duì)較少，對(duì)于樹(shù)高較低的蘋(píng)果樹(shù)是否適用仍值得探究；此外，現(xiàn)有研究所用的無(wú)人機(jī)影像都是在單一高度下拍攝的，缺乏探究無(wú)人機(jī)不同飛行高度對(duì)蘋(píng)果樹(shù)高信息提取的影響研究?！緮M解決的關(guān)鍵問(wèn)題】試驗(yàn)以蘋(píng)果樹(shù)為研究對(duì)象，采用30、60和90 m三個(gè)飛行高度獲取蘋(píng)果樹(shù)多光譜無(wú)人機(jī)影像，對(duì)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(píng)果樹(shù)高，與實(shí)地測(cè)量樹(shù)高值進(jìn)行精度驗(yàn)證與回歸分析，將多光譜無(wú)人機(jī)遙感技術(shù)應(yīng)用于蘋(píng)果樹(shù)高的監(jiān)測(cè)，并揭示飛行高度對(duì)蘋(píng)果樹(shù)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(píng)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(wú)霜期較長(zhǎng)，晝夜溫差大，適宜果樹(shù)類(lèi)作物生長(zhǎng)。研究區(qū)內(nèi)蘋(píng)果樹(shù)品種為富士系蘋(píng)果，園內(nèi)地勢(shì)整體平坦，果樹(shù)修剪、水肥管理一致；總體行距為4～5 m，株距為2～3 m，果樹(shù)高度分布在2～4.5 m，樹(shù)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(cè)數(shù)據(jù)于2023年4月22日在果園中實(shí)地進(jìn)行測(cè)量。在研究區(qū)內(nèi)隨機(jī)機(jī)選取100株果樹(shù)為研究的目標(biāo)樹(shù)，用高精度GPS記錄每株樹(shù)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(shù)具體的行、株數(shù)用以輔助定位；用塔尺測(cè)量并記錄100株果樹(shù)樹(shù)高。

1.1.3 無(wú)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(xiàn)充足，基本無(wú)風(fēng)。飛行使用大疆精靈4多光譜版無(wú)人機(jī)，相機(jī)包括1個(gè)用于可見(jiàn)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(wàn)（總像素212萬(wàn)）。該無(wú)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(wú)人機(jī)可以使用內(nèi)嵌RTK，無(wú)需布設(shè)基站。試驗(yàn)設(shè)置較大的無(wú)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(xiàn)規(guī)劃，飛機(jī)航線(xiàn)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(wú)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(chēng)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(duì)區(qū)域化變量的位置采樣點(diǎn)進(jìn)行無(wú)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(xiàn)性無(wú)偏估計(jì)，來(lái)估算未采樣位置的屬性值［18］，在研究中，利用該方法來(lái)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(duì)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(shù)提取

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

1.2.4 評(píng)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(píng)價(jià)標(biāo)準(zhǔn)對(duì)冠幅提取效果進(jìn)行評(píng)價(jià)，P和R2越大、RMSE越小說(shuō)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(cè)值、實(shí)測(cè)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(shì)平坦，3個(gè)飛行高度生成的DEM數(shù)據(jù)中地勢(shì)高度差均不超過(guò)0.3 m，均符合實(shí)際情況；整體高程隨著無(wú)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(píng)果樹(shù)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(shù)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(shù)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(wú)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(wàn)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(shù)、柑橘樹(shù)、棉花和大豆樹(shù)高。雖然試驗(yàn)也成功的提取出蘋(píng)果樹(shù)高并對(duì)不同飛行高度進(jìn)行了提取結(jié)果對(duì)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(duì)比不同飛行高度提取結(jié)果，多光譜無(wú)人機(jī)飛行高度對(duì)蘋(píng)果樹(shù)高的提取結(jié)果有較大的影響，樹(shù)高提取精度隨著無(wú)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(shù)高提取結(jié)果存在很大的誤差，R2僅為0.527 3，比萬(wàn)祖毅［6］使用可見(jiàn)光無(wú)人機(jī)150 m飛行高度提取柑橘樹(shù)高的R2更低，幾乎無(wú)法正確反映出果樹(shù)真實(shí)生長(zhǎng)狀況。是由于多光譜無(wú)人機(jī)搭載的相機(jī)較可見(jiàn)光相機(jī)像素較低，在飛行高度較高時(shí)分辨率太低，對(duì)于一些冠幅較小、樹(shù)高較低的果樹(shù)無(wú)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(cè)量果樹(shù)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(cè)量結(jié)果與實(shí)際高度存在誤差，從而間接影響了樹(shù)高的提取精度。

通過(guò)研究發(fā)現(xiàn)，30 m飛行高度提取樹(shù)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(duì)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(shù)高平均樹(shù)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(shù)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(shù)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(wú)人機(jī)遙感技術(shù)可以實(shí)現(xiàn)對(duì)蘋(píng)果樹(shù)高的提取，提取精度隨著無(wú)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(wú)人機(jī)遙感技術(shù)可以快速、準(zhǔn)確、無(wú)損的實(shí)現(xiàn)對(duì)果園果樹(shù)生長(zhǎng)狀況的監(jiān)測(cè)，提高對(duì)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(shì)［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(wèn)題及對(duì)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(píng)果新品種瑪平1號(hào)的選育［J］. 果樹(shù)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(píng)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(wú)人機(jī)影像的沙棘樹(shù)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(wàn)祖毅. 基于無(wú)人機(jī)遙感的柑橘果樹(shù)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(wú)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(wú)人機(jī)RGB遙感的甘蔗株高估測(cè)［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(wú)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(cè)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(wú)人機(jī)遙感影像中行道樹(shù)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(wú)人機(jī)可見(jiàn)光遙感的單木樹(shù)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(shù)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(guó)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(wú)人機(jī)影像的棉花株高預(yù)測(cè)［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(wú)人機(jī)影像的沙棘表型信息提取及葉面積指數(shù)估測(cè)［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(wú)人機(jī)遙感估測(cè)［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(shù)抗寒關(guān)鍵技術(shù)研究”（2023B02026）

作者簡(jiǎn)介：

張振飛（1998-），男，河南安陽(yáng)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(píng)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