摘 要：【目的】利用无人机多光谱影像分割并提取苹果树树冠冠幅信息，实现无人机遥感技术监测苹果树树冠信息，并分析无人机飞行高度对冠幅提取精度的影响。
【方法】利用大疆精灵4多光谱无人机分别获取30、60和90m飞行高度的苹果树多光谱影像，经大疆智图（DJI Terra）软件处理生成DOM和DSM影像数据，利用多尺度分割法和阈值分类对苹果树树冠进行分割并提取目标树的东西、南北冠幅值，以目视解译分割树冠和实地测量的100株果树冠幅值为参考进行精度验证。
【结果】30 m飞行高度的单木树冠分割准确率为84.00%，东西、南北冠幅平均提取精度为91.15%，平均R2为0.785 9，平均RMSE为0.216 6 m；60 m飞行高度的单木树冠分割准确率为81.00%，东西、南北冠幅平均提取精度为90.31%，平均R2为0.737 6，平均RMSE为0.241 6 m；90 m飞行高度的单木树冠分割准确率为73.00%，东西、南北冠幅平均提取精度为88.88%，平均R2为0.710 2， 平均RMSE为0.267 6 m。
【结论】利用多光谱无人机遥感技术可以实现对苹果树树冠信息的监测；飞行高度对提取结果有一定的影响，随着无人机飞行高度的增加，单木分割准确率和冠幅提取精度逐渐降低。无人机遥感技术成本低、快速、准确，可以提高果园的管理效率。
关键词：多光谱；无人机；飞行高度；苹果树；树冠
中图分类号：S661.1"" 文献标志码：A"" 文章编号：1001-4330（2024）061468-09
0 引 言
【研究意义】我国是苹果生产和消费的大国［1］。苹果是我国新疆水果产业的重要支柱之一［2］。树冠是树木进行光合作用的重要场所［3］，准确提取苹果树树冠信息对于果园的精准管理至关重要。果树冠层信息反映了果树的生长状况，可为果树修剪、水肥灌溉和病害诊断等提供信息［4］。无人机遥感是近年来迅速发展起来的对地观测技术。无人机以其作业灵活，作业效率高，影像分辨率高等特点在各领域的遥感监测中发挥着重要作用［5-9］。利用无人机可快速、准确、高效的获取林木的树冠、株高等表型信息［10］。
使用无人机对苹果树树冠信息进行快速、准确的监测，对于精准果园信息监测具有重要意义。【前人研究进展】对于林木树冠信息的提取，有研究进行了分析，提出了不同的方法，如分水岭分割法［11-13］、面向对象［14-17］、区域生长法等［18，19］。Jing等［20］通过对获取的激光雷达数据进行多尺度分割，提取了加拿大天然林内单棵树的树冠信息，经对比发现利用无人机提取天然林单木树冠比目视解译具有更好的提取精度；王枚梅等［21］利用无人机采集到的图像数据，应用面向对象方法自动提取亚高山针叶林的东西冠幅和南北冠幅等参数，证明该方法能够满足对亚高山针叶林生长状态进行快速评价并进行动态遥感监测的需求；孙钊［22］以无人机获取的影像为数据源，结合地面实测数据，分别使用多尺度分割技术和分水岭分割算法提取单木树冠冠幅并进行对比，结果表明二者均可用于提取单木树冠冠幅，多尺度分割方法效果优于分水岭分割法；李文静等［23］基于无人机获取的多光谱影像，通过双边滤波和面向对象的多尺度分割方法，有效抑制了传统多尺度分割方法造成的过分割问题，提高了分割精度，实现了对郁闭度较高的阔叶林区单木树冠进行自动提取。束美艳等［24］使用无人机获取柑橘影像，采用分水岭算法对柑橘树单木进行分割，基于构建的CHM，提取出了柑橘树冠幅投影面积等参数信息。【本研究切入点】对比现有的林木表型信息的提取研究，其方法众多，但其研究主要针对的均是树冠宽广、植株高大的天然林或者针叶林等森林资源，而对树冠小的经济林尤其是苹果树的研究内容较少，此外对于冠幅普遍分布在1.5～3 m的经济林是否具有适用性仍值得研究；且其所用的无人机影像均是无人机单一高度所拍摄的，缺乏探究无人机不同飞行高度对林木树冠信息提取的影响。【拟解决的关键问题】试验以苹果树为研究对象，采用30、60和90 m 3个飞行高度获取苹果树多光谱影像，对获取影像进行单木树冠分割并提取出苹果树冠幅信息，与目视解译法分割和实地测量冠幅值进行对比和精度分析，将多光谱无人机遥感技术应用于苹果树树冠信息监测，并揭示飞行高度对苹果树单木树冠分割和冠幅提取结果的影响。
1 材料与方法
1.1 材 料
1.1.1 苹果品种
研究区位于新疆阿克苏地区温宿县林海社区苹果园（41°22 ′56″～41°22′59″ N，80°21′56″～80°22′4″ E），该地区具有典型的暖温带大陆性干旱气候特征，光照充足，气候干燥，无霜期较长，昼夜温差大，适宜果树类作物生长。苹果树品种为富士系苹果，园内地势整体平坦，果树修剪、水肥管理一致；总体行距为4～5 m，株距为2～3 m，果树高度2～4 m，冠幅整体分布在1～3 m。
1.1.2 地面数据获取
实测数据于2023年4月22日在果园中实地进行测量。在研究区内随机机选取100株果树为研究的目标树，用高精度GPS记录每株苹果树的位置，在调查时人工记录每株树具体的行、株数用以辅助定位；用皮尺测量100株果树的东西、南北冠幅并记录。
1.1.3 无人机数据获取及预处理
于2023年4月23日在研究区进行飞行试验。航摄于中午13：00～15：00进行，拍摄当天天气晴朗，光线充足，基本无风。飞行使用大疆精灵4多光谱版无人机，相机包括1个用于可见光成像的彩色传感器和5个用于多光谱成像的单色传感器，包含红、绿、蓝、红边和近红外5个波段，单个传感器有效像素208×104 （总像素212×104 ）。该无人机遥感平台具有位置与姿态系统（ Position and Orientation System，POS） 可以实时获取影像数据信息；该无人机可以使用内嵌RTK，无需布设基站。此次试验设置较大的无人机飞行高度跨度，飞行高度分别设置为30、60和90 m。使用 DJI GS Pro飞行软件进行航线规划，飞机航线航向重叠度和旁向重叠度均设置为75%，云台俯仰角度为90°。
利用大疆智图（DJI Terra）软件进行无人机影像拼接生成试验田数字正射影像 （ Digital Orthophoto Map，DOM） 和数字表面模型 （ Digital Surface Model，DSM） 。由于无人机在影像获取时，每张照片都带有与之对应的POS数据 （ 包含影像拍摄时间的经纬度、高度、航向偏角、 镜头朝向等），所以在拼接影像时，只需进行辐射矫正，无需再手动导入POS数据即可自动、快速进行影像拼接，生成1张包含R、G、B三波段的可见光DOM影像数据、5个单波段的DOM影像数据和1张高精度的DSM数据。将得到的5个单波段影像进行波段合成，得到包含蓝、绿、红、红边和近红外5个波段的DOM数据用于后续处理。图1
1.2 方 法
1.2.1 多尺度分割
使用eCognition Developer软件对预处理后的无人机影像进行多尺度分割。多尺度分割是一种自下而上的图像分割方法，其通过逐级合并的方式将周围异质性最小的像元合并成一个小单元，在将小单元逐步合并成一个大对象；该方法涉及分割参数、形状权重和紧凑度权重等主要设置。分割尺度越大，得到的分割对象越大，斑块数量越少；分割尺度越小，则得到的分割对象越小，斑块数量越多［10，14］。
1.2.2 树冠区域提取
张玉薇等［25］曾直接利用多尺度分割法对拼接完成的云南松影像数据进行单木分割，正确分割率低。而李文静等［23］利用NDVI掩膜提取树冠区域，再进行分割，与直接多尺度分割树冠的结果进行对比，过分割问题被有效抑制。本研究选择先将地物和杂草等影响分割准确率的因素进行剔除，提取出苹果树树冠区域，再针对提取的树冠区域进行单木分割，增加单木分割准确率。
通过植被指数可以将生成的正射影像上的植被与非植被分开［26］，NDVI 是最常用的植被指数，对植被提取可发挥较好的作用，利用红波段和近红外波段计算可得到NDVI。
式中，R为红光波段的反射值，NIR为近红外波段的反射值。基于NDVI计算结果设置合适的阈值（30、60和90 m阈值分别为0.4、0.4和0.3），利用阈值分类法将植被与其他地物分开得到树冠区域矢量图。阈值分类法是一种硬分类器，其原理是根据各种特征的分布得到阈值，这是一种“真”和“假”的逻辑判定，符合这一阈值条件的对象将完全归为某类，否则就是其他类。
基于分类得到的树冠区域矢量数据对原始DOM数据进行掩膜提取出树冠区域，得到只含有树冠区域的DOM数据。图2
1.2.3 冠幅提取
将分割结果以.shp格式输出，导入ArcGIS进行处理。在ArcGIS中将面矢量的树冠转化为点矢量并带入坐标系，计算出每个面矢量中点矢量中最大X、Y坐标和最小X、Y坐标。
Wns=Ymax－Ymin.（2）
Wew=Xmax－Xmin.（3）
式中，Ymax为每个冠幅的南北方向上最大的坐标，Ymin为每个冠幅的南北方向上最小的坐标；Xmax为每个冠幅的东西方向上最大的坐标，Xmin为每个冠幅的东西方向上最小的坐标；Wns为南北冠幅，Wew为东西冠幅。
1.2.4 精度验证
以手动分割结果为参考，自动分割结果可分为5类：匹配、接近匹配、丢失、过分割和欠分割［23，27］。其中，匹配是指参考树冠面积和自动分割树冠面积占各自的80%以上；接近匹配是指参考树冠面积和自动分割树冠面积占其中一方的80%以上;丢失是指提取自动分割树冠占参考树冠面积50%以下；过分割指是指一个树冠中大部分面积被分成多个树冠；欠分割是指多个树冠被分割成一个树冠［28］。其中匹配和接近匹配为正确分割，丢失、欠分割和过分割为错误分割［23］。图3
2 结果与分析
2.1 多尺度分割提取树冠
研究表明，将起始尺度设置为50，循环次数设置为200，形状因子和紧凑度因子均设置为0.5，设置生成LV图。分割完成后会自动输出一个文本文档，将该文档在ESP_Estimation_Scale_Parameter_Chart.exe中打开。横坐标为分割尺度，纵坐标为局部方差（LV）和局部方差变化率（ROC），折线图中的每个峰值代表一个最优的分割尺度。图4
30、60和90 m飞行高度的最佳分割尺度分别为116、74和52。分割完成后单独选择目标树导出成.shp格式文件，用于后续处理。图5
2.2 树冠分割精度
研究表明，基于多尺度分割结果，将3个飞行高度的研究区内100株目标苹果树分割完成的矢量图单独提取出来，与目视解译分割的参考树冠进行叠加对比并对分割精度进行评价，表1
30 m飞行高度单木冠幅正确分割率为84.00%，错误分割率为16.00%；60 m飞行高度单木冠幅正确分割率为81.00%，错误分割率为19.00%；90 m飞行高度单木冠幅正确分割率为73.00%，错误分割率为27.00%。30 m飞行高度正确分割率最高，90 m飞行高度正确分割率最低，正确分割率随着飞行高度的升高而降低；随着飞行高度的增加，匹配率降低，接近匹配率升高。无人机飞行高度越低，影像分辨率越高，苹果树冠的提取精度越高。3个飞行高度错误分割中欠分割率均为最高，分别为7.00%、8.00%和14.00%。
2.3 冠幅提取及回归分析
研究表明，得到有效样数量为61个。将有效样本提取的冠幅值与实测冠幅值进行精度计算和回归分析。
30 m飞行高度东西、南北冠幅平均提取精度为91.15%，平均R2为0.785 9，平均RMSE为0.216 6 m；60 m飞行高度东西、南北冠幅平均提取精度为90.31%，平均R2为0.737 6， 平均RMSE为0.241 6 m；90 m飞行高度东西、南北冠幅平均提取精度为88.88%，平均R2为0.710 2， 平均RMSE为0.267 6 m。基于无人机多光谱影像利用多尺度分割提取苹果树冠幅时，在剔除丢失、欠分割和过分割现象后，均可以较好的提取出苹果树冠幅信息；随着无人机飞行高度的增加，冠幅提取精度逐渐降低。30 m飞行高度平均冠幅提取精度、R2和RMSE最高，90 m飞行高度平均冠幅提取精度、R2和RMSE最低； 30 m飞行高度提取苹果树冠幅信息优于60 m飞行高度优于90 m飞行高度。表2，图6
3 讨 论
3.1
对比不同飞行高度提取结果，无人机飞行高度对苹果树单木树冠识别和冠幅提取结果有一定的影响，单木树冠分割精确率和冠幅提取精度均随着飞行高度的升高而降低，与前人的研究结果基本一致［10，13］。30、60和90 m 3个飞行高度的单木分割准确率分别为84.00%、81.00%和73.00%。单木分割准确率在30和60 m飞行高度的时候差距较小，在90 m高度的时候准确率出现骤减，可能是由于多光谱无人机相机像素较可见光像素较低，飞行高度过高导致分辨率太低。研究30、60和90 m 3个飞行高度的冠幅平均提取精度均在88%以上，平均R2均在0.7以上，3个飞行高度均可较好的提取苹果树冠幅值，可以反映出苹果树树冠在东西、南北方向上大小的情况。
3.2
针对30、60和90 m飞行高度，无论是单木树冠分割准确率和冠幅提取精度，均为30 m飞行高度最优，90 m飞行高度最差。在实际应用中，若对果园监测数据要求高，可以采用30 m飞行高度进行遥感监测；若果园面积较大或对监测数据要求不高，可以选择60 m飞行高度。在30 m以下、90 m以上以及3个飞行高度中间的的飞行高度范围内的数据提取情况仍需要进行进一步的研究和探讨。
4 结 论
30 m飞行高度的单木树冠分割准确率为84.00%，东西、南北冠幅平均提取精度为91.15%，平均R2为0.785 9，平均RMSE为0.216 6 m；60 m飞行高度的单木树冠分割准确率为81.00%，东西、南北冠幅平均提取精度为90.31%，平均R2为0.737 6，平均RMSE为0.241 6 m；90 m飞行高度的单木树冠分割准确率为73.00%，东西、南北冠幅平均提取精度为88.88%，平均R2为0.7102， 平均RMSE为0.267 6 m。利用多光谱无人机遥感技术可以实现对苹果树树冠信息的监测，30 m飞行高度监测效果最佳，90 m飞行高度监测效果最差；且随着无人机飞行高度的增加，单木分割准确率和冠幅提取精度逐渐降低。无人机遥感技术成本低、快速、准确，可以提高果园经营者对果园的管理效率。
参考文献（References）
［1］赵祎， 马力群， 罗云波， 等. 贮藏温度对嘎啦苹果贮藏期及货架期品质的影响［J］. 保鲜与加工， 2018， 18（3）： 8-14.
ZHAO Yi， MA Liqun， LUO Yunbo， et al. Influence of storage temperature on quality of gala apple during storage and shelf life［J］. Storage and Process， 2018， 18（3）： 8-14.
［2］ 郭靖， 韩政伟， 张振飞， 等. 苹果新品种王林1号的选育［J］. 果树学报， 2023， 40（2）： 386-389.
GUO Jing， HAN Zhengwei， ZHANG Zhenfei， et al. Breeding report of a new apple cultivar Wanglin 1［J］. Journal of Fruit Science， 2023， 40（2）： 386-389.
［3］ 覃先林， 李增元， 易浩若. 高空间分辨率卫星遥感影像树冠信息提取方法研究［J］. 遥感技术与应用， 2005， 20（2）： 228-232.
QIN Xianlin， LI Zengyuan， YI Haoruo. Extraction method of tree crown using high-resolu tion satellite image［J］. Remote Sensing Technology and Application， 2005， 20（2）： 228-232.
［4］ 史云， 沈磊， 陈山， 等. 基于低空遥感的果树冠层信息提取方法研究［J］. 中国农业信息， 2022， 34（1）： 1-10.
SHI Yun， SHEN Lei， CHEN Shan， et al. Research on the extraction method of fruit tree canopy information based on low-altitude remote sensing［J］. China Agricultural Informatics， 2022， 34（1）： 1-10.
［5］ 万祖毅， 田永中， 刘旭东， 等. 基于轻小型无人机影像的柑橘树株数提取［J］. 湖北农机化， 2020，（7）： 140-144.
WAN Zuyi， TIAN Yongzhong， LIU Xudong， et al. Extracting the Number of Citrus Trees Based on Light and Small UAV Images ［J］. Hubei Agricultural Mechanization， 2020，（7）： 140-144.
［6］ 祁媛， 徐伟诚， 王林琳， 等. 基于无人机遥感影像的沙糖橘果树提取方法研究［J］. 华南农业大学学报， 2020， 41（6）： 126-133.
QI Yuan， XU Weicheng， WANG Linlin， et al. Study on the extraction method of sugar tangerine fruit trees based on UAV remote sensing images［J］. Journal of South China Agricultural University， 2020， 41（6）： 126-133.
［7］ Yang H B， Zhao J， Lan Y B， et al. Fraction vegetation cover extraction of winter wheat based on RGB image obtained by UAV［J］. International Journal of Precision Agricultural Aviation， 2018， 1（1）： 54-61.
［8］ 牛亚晓， 张立元， 韩文霆， 等. 基于无人机遥感与植被指数的冬小麦覆盖度提取方法［J］. 农业机械学报， 2018， 49（4）： 212-221.
NIU Yaxiao， ZHANG Liyuan， HAN Wenting， et al. Fractional vegetation cover extraction method of winter wheat based on UAV remote sensing and vegetation index［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（4）： 212-221.
［9］ 颜安， 郭涛， 陈全家， 等. 基于无人机影像的棉花株高预测［J］. 新疆农业科学， 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.
［10］ 周辰琴， 余拥军， 方陆明， 等. 飞行高度与郁闭度对水杉冠幅提取影响的研究［J］. 林业资源管理， 2022，（1）： 150-156.
ZHOU Chenqin， YU Yongjun， FANG Luming， et al. Effects of flight height and canopy density on canopy extraction of Metasequoia glyptostroboides［J］. Forest Resources Management， 2022，（1）： 150-156.
［11］ Wang L， Gong P， Biging G S. Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery［J］. Photogrammetric Engineering amp; Remote Sensing， 2004， 70（3）： 351-357.
［12］ 郭昱杉， 刘庆生， 刘高焕， 等. 基于标记控制分水岭分割方法的高分辨率遥感影像单木树冠提取［J］. 地球信息科学学报， 2016， 18（9）： 1259-1266.
GUO Yushan， LIU Qingsheng， LIU Gaohuan， et al. Individual tree crown extraction of high resolution image based on marker-controlled watershed segmentation method［J］. Journal of Geo-Information Science， 2016， 18（9）： 1259-1266.
［13］ 徐永胜， 刘浩然， 范伟伟， 等. 基于分水岭算法的无人机不同飞行高度下林木冠幅提取研究［J］. 西北林学院学报， 2021， 36（3）： 197-202， 259.
XU Yongsheng， LIU Haoran， FAN Weiwei， et al. Extraction of forest stand crown width at different flying heights of UAV based on watershed algorithm［J］. Journal of Northwest Forestry University， 2021， 36（3）： 197-202， 259.
［14］ 孙钊， 潘磊， 孙玉军. 基于无人机影像的高郁闭度杉木纯林树冠参数提取［J］. 北京林业大学学报， 2020， 42（10）： 20-26.
SUN Zhao， PAN Lei， SUN Yujun. Extraction of tree crown parameters from high-density pure Chinese fir plantations based on UAV images［J］. Journal of Beijing Forestry University， 2020， 42（10）： 20-26.
［15］ 万祖毅. 基于无人机遥感的柑橘果树信息提取及应用研究［D］. 重庆： 西南大学， 2020.
WAN Zuyi. Extraction and Application of Citrus Fruit Tree Information Based on UAV Remote Sensing［D］. Chongqing： Southwest University， 2020.
［16］ 王雅佩， 王振锡， 李擎， 等. 基于无人机影像的天山云杉林伐后更新地林分密度估测研究［J］. 中南林业科技大学学报， 2020， 40（5）： 57-66.
WANG Yapei， WANG Zhenxi， LI Qing， et al. Research on estimation of stand density of regenerate Picea schrenkiana var. tianshanica based on UAV images［J］. Journal of Central South University of Forestry amp; Technology， 2020， 40（5）： 57-66.
［17］ 郭旭展， 陈巧， 张晓芳， 等. 基于无人机高分辨率影像的油松新造林健康树冠提取［J］. 林业科学， 2022， 58（10）： 111-120.
GUO Xuzhan， CHEN Qiao， ZHANG Xiaofang， et al. Extraction of healthy canopy of new afforestation for Pinus tabulaeformis based on UAV high-resolution image［J］. Scientia Silvae Sinicae， 2022， 58（10）： 111-120.
［18］ 刘方舟， 刘浩， 云挺. 基于分水岭优化思想的单木信息分割算法［J］. 林业工程学报， 2020， 5（5）： 109-116.
LIU Fangzhou， LIU Hao， YUN Ting. Individual tree crown separation using the improved watershed method［J］. Journal of Forestry Engineering，" 2020， 5（5）： 109-116.
［19］ Erikson M. Segmentation of individual tree crowns in colour aerial photographs using region growing supported by fuzzy rules［J］. Canadian Journal of Forest Research， 2003， 33（8）： 1557-1563.
［20］ 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.
［21］ 王枚梅， 林家元， 林沂， 等. 基于无人机可见光影像的亚高山针叶林树冠参数信息自动提取［J］. 林业资源管理， 2017，（4）： 82-88.
WANG Meimei， LIN Jiayuan， LIN Yi， et al. Subalpine coniferous forest crown information automatic extraction based on optical UAV remote sensing imagery［J］. Forest Resources Management， 2017，（4）： 82-88.
［22］ 孙钊. 基于无人机航拍图像的杉木树冠参数提取与模型研建［D］. 北京： 北京林业大学， 2020.
SUN Zhao. Extraction of Tree Crown Parameters and Model Developmentbased on UAV Image［D］. Beijing： Beijing Forestry University， 2020.
［23］ 李文静， 王瑞瑞， 石伟， 等. 基于无人机多光谱影像的单木树冠提取方法［J］. 福建农林大学学报（自然科学版）， 2020， 49（5）： 639-645.
LI Wenjing， WANG Ruirui， SHI Wei， et al. Crown extraction method of individual tree based on multi-spectral image of UAV［J］. Journal of Fujian Agriculture and Forestry University （Natural Science Edition）， 2020， 49（5）： 639-645.
［24］ 束美艳， 李世林， 魏家玺， 等. 基于无人机平台的柑橘树冠信息提取［J］. 农业工程学报， 2021， 37（1）： 68-76.
SHU Meiyan， LI Shilin， WEI Jiaxi， et al. Extraction of citrus crown parameters using UAV platform［J］. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（1）： 68-76.
［25］ 张玉薇， 陈棋， 田湘云， 等. 基于UAV可见光遥感的单木冠幅提取研究［J］. 西部林业科学， 2022， 51（3）： 49-59.
ZHANG Yuwei， CHEN Qi， TIAN Xiangyun， et al. Individual tree crown extraction based on UAV visible light remote sensing technology［J］. Journal of West China Forestry Science， 2022， 51（3）： 49-59.
［26］ 于旭宅， 王瑞瑞， 陈伟杰. 改进分水岭算法在无人机遥感影像树冠分割中的应用［J］. 福建农林大学学报（自然科学版）， 2018， 47（4）： 428-434.
YU Xuzhai， WANG Ruirui， CHEN Weijie. Forest canopy segmentation of UAV remote sensing images using improved watershed algorithm［J］. Journal of Fujian Agriculture and Forestry University （Natural Science Edition）， 2018， 47（4）： 428-434.
［27］ 金忠明， 曹姗姗， 王蕾， 等. 基于U-Net和分水岭算法的无人机单木树冠提取方法［J］. 西北林学院学报， 2020， 35（6）： 194-204.
JIN Zhongming， CAO Shanshan， WANG Lei， et al. A method for individual tree-crown extraction from UAV remote sensing image based on U-net and watershed algorithm［J］. Journal of Northwest Forestry University， 2020， 35（6）： 194-204.
［28］ 郑鑫， 王瑞瑞， 靳茗茗. 基于形态学阈值标记分水岭算法的高分辨率影像单木树冠提取［J］. 中南林业调查规划， 2017， 36（4）： 30-35， 57.
ZHENG Xin， WANG Ruirui， JIN Mingming. Extraction of high-resolution images of single tree crown based on watershed algorithm with morphological threshold mark［J］. Central South Forest Inventory and Planning， 2017， 36（4）： 30-35， 57.
Study on extraction of apple tree crown width at different flight altitudes using multi-spectral UAV
Abstract：【Objective】 The objective of this study is to segment and extract the crown information by using the multi-spectral image of the UAV， so as to realize the monitoring of the apple tree crown information， and analyze the influence of the UAV flight height on the extraction accuracy of the crown.
【Methods】" The DJI Phantom 4 multi-spectral UAV was used to capture multi-spectral images of apple trees at flight altitudes of 30， 60， and 90 m. The acquired images were processed using DJI Terra software to generate Digital Orthophoto Maps （DOM） and Digital Surface Models （DSM）. The multi-scale segmentation method and threshold-based classification were utilized to segment the apple tree crowns and extract the east-west and north-south crown width values of the target trees. The accuracy of the segmentation and extraction results was validated by comparing them with visual interpretation of segmented crowns and field measurements of crown widths for 100 apple trees.
【Results】" At a flight altitude of 30 m， the accuracy of individual crown segmentation was 84.00%. The average extraction accuracy of the east-west and north-south crown widths was 91.15%. The average R-squared value （R2） was 0.7859， and the average root mean square error （RMSE） was 0.216 6 m. At a flight altitude of 60m， the accuracy of individual crown segmentation was 81.00%. The average extraction accuracy of the crown widths was 90.31%. The average R2 was 0.7376， and the average RMSE was 0.241 6 m. At a flight altitude of 90m， the accuracy of individual crown segmentation was 73.00%. The average extraction accuracy of the crown widths was 88.88%. The average R2 was 0.710 2， and the average RMSE was 0.267 6 m.
【Conclusion】 The study concludes that the use of multi-spectral UAV remote sensing technology enables the monitoring of apple tree crown information possible. The results also indicate that flight altitude has a certain impact on the extraction accuracy. As the UAV flight altitude increases， the accuracy of individual crown segmentation and extraction of crown widths gradually decrease. UAV remote sensing technology offers the advantages of low cost， rapid data acquisition， and high accuracy， which can significantly improve the efficiency of orchard management for fruit growers.
Key words：multi-spectral; UAV; flight altitude; apple tree; crown
