摘 要：【目的】利用多光谱无人机影像快速、准确、无损的获取苹果树高信息，实现无人机遥感技术对苹果树生长状况的监测，并分析无人机飞行高度对树高提取结果的影响。
【方法】利用大疆精灵4多光谱无人机分别获取30、60和90 m飞行高度的苹果树无人机影像，经大疆智图（DJI Terra）软件处理生成DOM和DSM影像数据，基于生成的DOM和DSM，利用克里金插值法生成研究区DEM，将DSM和DEM作差生成苹果树CHM提取树高，与实地测量的果树高值进行回归分析和精度验证。
【结果】30 m飞行高度平均树高提取精度为88.49%，R2为0.837 8，RMSE为0.4 031 m；60 m飞行高度平均树高提取精度为74.72%，R2为0.6577，RMSE为0.884 6 m；90 m飞行高度平均树高提取精度为56.20%，R2为0.527 3，RMSE为1.476 7 m。
【结论】利用多光谱无人机遥感技术可以实现对苹果树高的提取，提取精度随着无人机飞行高度的增加而降低，30 m飞行高度提取结果最佳，90 m飞行高度提取结果最差。在合适的飞行高度内，多光谱无人机遥感技术可以快速、准确、无损的实现对果园果树生长状况的监测，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
中图分类号：S127"" 文献标志码：A"" 文章编号：1001-4330（2024）07-1710-07
0 引 言
【研究意义】瓜果业已成为新疆农业增产的重要产业之一［1-2］。苹果在新疆种植面积仅次于葡萄和香梨［3］，阿克苏地区种植有冰糖心苹果［4］。树高是果树重要的表型结构参数之一，能够定量反映果树间的生长差异与健康状况［5］，可以一定程度上估测果树产量［6］，也是对果园进行生产调控的重要因素之一。 然而，传统树高的获取主要依靠人工测量，速度慢、工作量大且准确率较低，已经无法满足生产需求［7］。随着无人机遥感技术的不断发展， 基于无人机遥感提取林木树高成为研究热点［8］，利用无人机遥感技术快速、准确地获取苹果树高信息，对于果园的精准管理和产量预测具有重要意义。【前人研究进展】基于无人机遥感技术提取林木树高已有文献报道［9］。应用无人机搭载可见光相机，通过三维自动重建的方式生成数字表面模型，进而估算树高，估算的树高与实测树高的相关系数超过0.8；王佳等［10］以轻小型航空遥感系统获取油松人工林的激光雷达点云数据，通过去噪、分类、提取等过程获得单木的树高数据，预测精度达97.5%。王伟［11］应用无人机遥感技术获取影像数据，生成高精度的DOM和DSM，利用面向对象法及GIS空间分析技术提取了森林的树高值，估测精度达0.86以上。王欣等［12］提出了一种优化冠层高度模型（CHM）方法，利用局部稳健加权回归的方法对机载雷达生成的点云数据进行平滑处理，去除凹坑再利用反距离权重法进行插值生成CHM，结果表明该方法可以高质量获得树高信息。曹明兰等［13］利用无人采集的行道树遥感影像生成DEM、DSM和DOM影像数据，通过邻域最高过滤法提取出了行道树高等表型信息，结果表明利用该方法测量的行道树单株树高的平均误差为4.94。白明雄等［14］以天然云南松纯林为研究对象，利用获取的高分辨率可见光无人机遥感影像生成研究区林木三维点云，构建DSM，DEM并生成CHM，采用分水岭分割算法对不同郁闭度条件下获得的 CHM 进行单木分割，提取了不同郁闭度林分内云南松的树高。【本研究切入点】对比现有的林木树高信息的提取研究，其方法众多，且研究结果均可满足实际生产需求。然而，这些研究主要集中在天然林等高大植株林木的调查，对于高度较低的经济林，尤其是苹果树的研究内容相对较少，对于树高较低的苹果树是否适用仍值得探究；此外，现有研究所用的无人机影像都是在单一高度下拍摄的，缺乏探究无人机不同飞行高度对苹果树高信息提取的影响研究。【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三个飞行高度获取苹果树多光谱无人机影像，对获取影像进行拼接处理生成DOM和DSM数据，采用克里金插值法提取苹果树高，与实地测量树高值进行精度验证与回归分析，将多光谱无人机遥感技术应用于苹果树高的监测，并揭示飞行高度对苹果树高提取结果的影响。
1 材料与方法
1.1 材 料
1.1.1 研究区概况
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。研究区内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，果树高度分布在2～4.5 m，树冠大小差距明显，冠幅整体分布在1～3 m。
1.1.2 地面数据
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记录每株树的位置，为确保位置准确性，在调查时人工记录每株树具体的行、株数用以辅助定位；用塔尺测量并记录100株果树树高。
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208万（总像素212万）。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；同时，该无人机可以使用内嵌RTK，无需布设基站。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，生成研究区数字正射影像 （Digital Orthophoto Map，DOM） 和数字表面模型 （Digital Surface Model，DSM） 。图1
1.2 方 法
1.2.1 克里金插值法
克里金法（Kriging）是地统计学分析的主要方法之一［15］，又称之为空间局部插值法，是以空间自相关性为基础，利用原始数据和半方差函数的结构性，对区域化变量的位置采样点进行无偏估值的插值方法［16］，广泛应用在林业、农业等领域［17］。该方法能够给出最优线性无偏估计，来估算未采样位置的属性值［18］，在研究中，利用该方法来模拟生成研究区地面高程模型。数据采用 ArcGIS 10.8进行处理。
1.2.2 数字地面模型生成
将生成的DOM和DSM数据导入至ArcGIS中并裁剪出研究区进行后续处理。绘制采样点：新建点要素图层，使采样点均匀的分布在地面上。值提取至点：选择值提取至点工具，输入点要素选择绘制完成的采样点点，输入栅格选择DSM数据，得到一个带有高程值字段的点图层。正态分布检验：使用地统计工具对采样点高程数据进行正态分布检验，正态QQ图和直方图均符合正态分布。点插值成面：选择地统计工具中普通克里金插值生成DEM。经栅格计算工具将DSM与DEM作差，得到冠层高度模型（Canopy Height Model，CHM）。
CHM=DSM-DEM.（1）
式（1）中，CHM为冠层高度模型，DSM为数字表面模型，DEM为数字高程模型。
1.2.3 基于正射影像的目标树提取
准确识别并提取出目标树树冠范围是提取树高的关键。采用目视解译法手动提取目标树以提高树高提取的精度与准确性。
1.2.4 评价指标
采用平均提取精度P、决定系数R2和均方根误差（Root Mean Square Error，RMSE）为评价标准对冠幅提取效果进行评价，P和R2越大、RMSE越小说明提取效果越好。 计算公式如式（2）～式（5）：
P=1-Xi-YiXi×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表示实测值、实测值均值，Yi、Y表示提取值、提取值均值，n为样本数量。
2 结果与分析
2.1 试验区数字高程模型的生成
研究表明，试验区地势平坦，3个飞行高度生成的DEM数据中地势高度差均不超过0.3 m，均符合实际情况；整体高程随着无人机飞行高度的增加而降低，30与90 m飞行高度高程相差3 m以上。图2～3
2.2 苹果树冠层高度模型的生成
研究表明，30 m飞行高度CHM最高值为4.518 92 m；60 m飞行高度CHM最高值和4.082 28 m；90 m飞行高度CHM最高值为3.864 62 m。结合果树高大多分布在2～4.5 m的实际高度，30 m飞行高度生成的CHM最符合实际情况，60和90 m飞行高度生成的CHM比实际值偏低。图4
2.3 树高提取精度
研究表明，30 m飞行高度株高提取精度最低为64.26%，最高为99.76%，平均株高提取精度为88.49%，R2为0.837 8，RMSE为0.403 1 m；60 m飞行高度株高提取精度最低为10.60%，最高为99.90%，平均株高提取精度为74.72%，R2为0.657 7，RMSE为0.884 6 m；90 m飞行高度株高提取精度最低为7.62%，最高为91.83%，平均株高提取精度为56.20%，R2为0.5273，RMSE为1.476 7 m。30 m飞行高度提取结果最佳，随着无人机飞行高度的增加，株高提取精度逐渐降低。表1，图5
3 讨 论
3.1
焦亚辉［18］、万祖毅［6］、颜安［17］等经DOM、DSM和克里金插值分别成功提取出了沙棘树、柑橘树、棉花和大豆树高。虽然试验也成功的提取出苹果树高并对不同飞行高度进行了提取结果对比，在绘制采样点时可能会因为采样点不均匀等情况使高程信息出现误差，从而影响建立的DEM精度。
3.2
对比不同飞行高度提取结果，多光谱无人机飞行高度对苹果树高的提取结果有较大的影响，树高提取精度随着无人机飞行高度的升高而降低，与前人的研究结果基本一致［19-20］。试验结果表明，30、60和90 m飞行高度提取结果相差较大，在90 m飞行高度时，树高提取结果存在很大的误差，R2仅为0.527 3，比万祖毅［6］使用可见光无人机150 m飞行高度提取柑橘树高的R2更低，几乎无法正确反映出果树真实生长状况。是由于多光谱无人机搭载的相机较可见光相机像素较低，在飞行高度较高时分辨率太低，对于一些冠幅较小、树高较低的果树无法准确识别，导致生成的影像数据存在较大误差；也可能在测量果树高度时人处于仰视状态，读取的数值会存在偏差，导致测量结果与实际高度存在误差，从而间接影响了树高的提取精度。
通过研究发现，30 m飞行高度提取树高结果优于60 m优于90 m，但此次试验仅选取了3个飞行高度且高度跨度较大，对于30 m以下、90 m以上和中间的飞行高度提取结果仍需进一步研究和探讨。
4 结论
30 m飞行高度树高平均树高提取精度为88.49%，R2为0.837 8，RMSE为0.403 1 m；60 m飞行高度平均树高提取精度为74.72%，R2为0.657 7，RMSE为0.884 6 m；90 m飞行高度平均树高提取精度为56.20%，R2为0.527 3，RMSE为1.476 7 m。利用多光谱无人机遥感技术可以实现对苹果树高的提取，提取精度随着无人机飞行高度的增加而降低，30 m飞行高度提取结果最佳，90 m飞行高度提取结果最差。在合适的飞行高度内，多光谱无人机遥感技术可以快速、准确、无损的实现对果园果树生长状况的监测，提高对果园管理效率。
参考文献（References）
［1］
刘宏， 牛荣. 新疆特色林果业现状和发展趋势［J］. 山西农经， 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］ 赵达君， 戴泉， 永春芳. 新疆瓜果出口基地发展现状、问题及对策研究［J］. 经济视角（下）， 2009， （8）： 5-6， 9.
ZHAO Dajun， DAI Quan， YONG Chunfang. Xinjiang fruits export sites developing status， problems and relevant measures［J］. Economic Vision， 2009， （8）： 5-6， 9.
［3］ 韩政伟， 郭靖， 张振飞， 等. 新疆乡土苹果新品种玛平1号的选育［J］. 果树学报， 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］ 吴佳锐. 阿克苏冰糖心苹果区域品牌建设研究［D］. 武汉： 武汉轻工大学， 2019.
WU Jiarui. On the Regional Brand Construction of Aksu Candy Heart Apple［D］. Wuhan： Wuhan Polytechnic University， 2019.
［5］ 焦亚辉， 颜安， 赵英， 等. 基于无人机影像的沙棘树高提取及叶面积指数反演方法比较［J］. 新疆农业大学学报， 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］ 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.
［7］ 张宏鸣， 谭紫薇， 韩文霆， 等. 基于无人机遥感的玉米株高提取方法［J］. 农业机械学报， 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］ 梁永检， 吴文志， 施泽升， 等. 基于无人机RGB遥感的甘蔗株高估测［J］. 作物杂志， 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， 杨慧乔， 冯仲科， 等. 利用轻小型飞机遥感数据建立人工林特征参数模型［J］. 农业工程学报， 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］ 王伟. 无人机影像森林信息提取与模型研建［D］. 北京： 北京林业大学， 2015.
WANG Wei. Forest Information Extraction And Model Building Based on UAV Image［D］. Beijing： Beijing Forestry University， 2015.
［12］ 王欣， 陈传法. LiDAR森林冠层高度模型凹坑去除方法［J］. 测绘科学， 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］ 曹明兰， 张力小， 王强. 无人机遥感影像中行道树信息快速提取［J］. 中南林业科技大学学报， 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， 张超， 陈棋， 等. 基于无人机可见光遥感的单木树高提取方法研究［J］. 林业资源管理， 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， 秦子龙， 曹泽宁， 等. 基于八叉树的修正克里金空间插值算法［J］. 郑州大学学报（工学版）， 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］ 汤国安， 杨昕. ArcGIS地理信息系统空间分析实验教程（2版） ［M］. 北京： 科学出版社， 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］ 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.
［18］ 焦亚辉. 基于无人机影像的沙棘表型信息提取及叶面积指数估测［D］. 乌鲁木齐： 新疆农业大学， 2021.
JIAO Yahui. Phenotypic Information Extraction and Leaf Area Index Estimation of Seabuckthorn Based on UAV Images［D］.Urumqi： Xinjiang Agricultural University， 2021.
［19］ 谢巧雅， 余坤勇， 邓洋波， 等. 杉木人工林冠层高度无人机遥感估测［J］. 浙江农林大学学报， 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
基金项目：
新疆维吾尔自治区重点研发计划项目“新疆杏李、杏等主要果树抗寒关键技术研究”（2023B02026）
作者简介：
张振飞（1998-），男，河南安阳人，硕士研究生，研究方向为农业信息化，（E-mail）1291716283@qq.com
通讯作者：
郭靖（1982-），女，山东人，副研究员，硕士，硕士生导师，研究方向为苹果良种选育与栽培，（E-mail） 191315471@qq.com
颜安（1983 -） ，男，四川安岳人，教授，博士，硕士生/博士生导师，研究方向为数字农业技术、农业资源与环境，（E-mail） zryanan@ 163.com
