基于無人機遙感技術(shù)的智慧苗圃數(shù)據(jù)采集研究

何斌+冼麗鏵+劉玲+高偉+易慧琳

摘要：苗木是園林綠化建設(shè)的核心物質(zhì)基礎(chǔ)，園林苗圃的建設(shè)管理水平直接影響著園林綠化的建設(shè)和發(fā)展。為探索園林苗圃監(jiān)測和管理的新手段，提高園林苗圃的信息化管理水平，采用無人機載激光雷達遙感技術(shù)，對廣東省四會市的南塘、南鄉(xiāng)和下堀3個苗圃苗木進行低空遙感測量，提取各個苗圃的分布、范圍以及每株樹木的坐標(biāo)、樹高、冠幅等信息，結(jié)果表明無人機激光遙感的方式能更加直觀清晰、高效率地完成每木調(diào)查數(shù)據(jù)采集，實現(xiàn)苗圃的信息化管理。

關(guān)鍵詞：無人機遙感技術(shù)；智慧苗圃；數(shù)據(jù)采集

中圖分類號：TU986

文獻標(biāo)志碼：A

文章編號：1671-2641（2017）03-0078-04

收稿日期：2017-04-11

修回日期：2017-05-17

Abstract： Seedlings constitute the core material basis of landscaping.The construction level of garden nursery may directly affect the development and construction of landscaping. This study adopts a method of low altitude scanning by unmanned aerial vehicle with laser radar to manually measure single seedling. We take aerial photos of three nurseries （Nantang， Nanxiang and Xiaku in Sihui City） and extract information including distribution， scope and coordinates， height and crown size of earch tree. The results show that the aerial photos taken from unmanned aerial vehicle would be more intuitive and efficient to complete survey data collection and realize nursery information management.

Key words： Unmanned aerial vehicle （UAV） remote sensing； Wisdom nursery； Data acquisition

引言

苗木是園林綠化建設(shè)的物質(zhì)基礎(chǔ)，園林苗圃是繁殖和培育苗木的基地，是供應(yīng)城市綠化用苗的后勤部[1]。我國苗圃的經(jīng)營管理存在管理體制、國家投入、人才等諸多方面不完善的問題，同時信息化建設(shè)還相對薄弱，造成苗圃的大面虧損[2]。按照國家信息化建設(shè)的推進和林業(yè)改革發(fā)展戰(zhàn)略，采用新技術(shù)推進我國苗圃的管理水平和建設(shè)水平顯得日益重要。

無人機遙感技術(shù)，是可應(yīng)用于多領(lǐng)域的新信息技術(shù)。從數(shù)據(jù)獲取、數(shù)據(jù)處理、與實測數(shù)據(jù)對比、分析試驗數(shù)據(jù)誤差、尋找試驗誤差原因的全過程來看，無人機在林業(yè)調(diào)查中的應(yīng)用可行性高[3]，樊江川對無人機航空攝影測樹技術(shù)進行研究，結(jié)果表明通過無人機航空攝影測樹木的主要特征參數(shù)精度符合森林資源調(diào)查的精度要求[4]，且個別方面優(yōu)于傳統(tǒng)林業(yè)實地調(diào)查方法，使用無人機系統(tǒng)創(chuàng)建森林樹冠和高度模型[5]，從多維空間的圖像可看到森林物種分類和健康情況[6]，估算森林樹冠和樹高的變化[7]等領(lǐng)域發(fā)揮關(guān)鍵的作用，利用無人機空中三維激光掃描結(jié)合數(shù)字?jǐn)z影的方法，將是提高植被茂密實景模型精度的有效手段[8]，但采用無人機遙感技術(shù)來提取園林苗圃信息及信息化管理的研究未見報道。

本研究是通過苗圃低空遙感及實地人工調(diào)查相結(jié)合的方法，利用無人機載激光雷達遙感技術(shù)，掃描樣地苗木，通過單木分割，提取苗木的一系列特征參數(shù)，比較分析無人機遙感測量和人工測量的數(shù)據(jù)豐富度及工作效率優(yōu)劣，為建設(shè)智慧苗圃的高效節(jié)約管理平臺、實現(xiàn)智慧苗圃的信息化管理提供技術(shù)支撐。

1材料與方法

1.1主要儀器設(shè)備

本研究基于無人機遙感技術(shù)，應(yīng)用Li-Air 無人機激光雷達掃描系統(tǒng)，集成激光雷達掃描單元、小型化組合導(dǎo)航系統(tǒng)。無人機續(xù)航時間為25 min，巡航半徑2 km，巡航速度為8 m/s，航程為5 km；激光雷達單元的測距精度為2 cm，激光器數(shù)16，激光波長905 nm，水平視野360°，垂直視野-15°～+15°，掃描頻率10 Hz。

1.2實驗方法

通過與傳統(tǒng)人工測量計算方式的對比，分析人工及無人機激光雷達系統(tǒng)在獲取苗木特征參數(shù)中效率和成本的優(yōu)劣勢。具體實驗方法如下：

1）在天氣晴好的條件下，在四會南塘、南鄉(xiāng)和下堀的3個苗圃，分別取1個大樣地進行無人機激光雷達掃描，樣地大小為300 m×50 m，再在每個大樣地中取3個小樣方，樣方的大小為20 m×20 m，同一個大樣地中，沿直線每隔100 m取1個小樣方，進行人工每木測量，獲得苗圃內(nèi)苗木的數(shù)量、高度、冠幅、胸徑等參數(shù)。同時記錄每個樣方的測量的耗時和人工。

2）利用多旋翼無人機搭載激光雷達系統(tǒng)，對3個苗圃的大樣地進行低空激光掃描，獲得空間點云數(shù)據(jù)，經(jīng)過數(shù)據(jù)處理，得到苗圃內(nèi)苗木的數(shù)量、高度、冠幅等參數(shù)，同時記錄無人機飛行架次和操作人工數(shù)。

3）應(yīng)用LiForest軟件的Stat模塊，基于CHM或點云的分割，經(jīng)過數(shù)據(jù)處理，提取單木參數(shù)，如樹木位置坐標(biāo)、樹高、冠幅面積、水平冠幅和豎直冠幅等屬性。

4）對比兩組方法的操作用時和成本費用等，分析無人機激光雷達系統(tǒng)的效率、優(yōu)劣勢以及應(yīng)用前景。

5）數(shù)據(jù)處理應(yīng)用的軟件，包括Li-Forest、Li-360、ArcMap 10.2、R統(tǒng)計分析軟件、Excel2003。

2 結(jié)果與分析

2.1苗圃基礎(chǔ)信息分析

傳統(tǒng)的苗圃調(diào)研，一般通過人工操作GPS定位、人工測量計算、手工記錄、人手地圖勾勒才能獲知苗圃的基礎(chǔ)信息；而應(yīng)用了無人機激光雷達遙感技術(shù)后，通過軟件對采集到的空間點云數(shù)據(jù)處理，可以自動提取苗圃的面積、地形，苗木分布、范圍等信息，組成苗圃的基本信息概況，幫助苗圃管理者實現(xiàn)多維度高效管理。同時無人機遙感技術(shù)可以解決由于地形陡峭導(dǎo)致人工難以測量的問題。因此，從數(shù)據(jù)信息化原生性、多地形適用性及工作效率等各方面比較，無人機遙感比人工方式在苗圃調(diào)研及信息化管理方面更有優(yōu)勢，但對于苗圃場地的局部實際情況則需人工踏查調(diào)研。

2.2人工測量結(jié)果分析

本研究的苗圃，分別是在四會的南塘、南鄉(xiāng)和下堀苗圃，南塘苗圃以大規(guī)格假植的母生Homalium hainanense、澳洲火焰木Brachychiton acerifolius及紅蒲桃Syzygium malaccense為主，南鄉(xiāng)苗圃以中小規(guī)格假植的桂花Osmanthus fragrans、紅花玉蕊Barringtonia acutangula及珊瑚樹Viburnum odoratissinum為主，位于山坡的下堀苗圃以多規(guī)格地栽桂花和麻楝Chukrasia tabularis為主。據(jù)統(tǒng)計（表1），南鄉(xiāng)和下堀苗圃樣方的人工測量耗時多，主要原因是南鄉(xiāng)苗圃苗木密植，下堀苗圃地形陡峭，造成人工工作量大和測量困難，而南鄉(xiāng)苗圃樣方的人工測量耗時最短，與該樣方苗木少，僅有61棵有關(guān)。從總體來看，人工平均每測量一棵樹的樹高、胸徑、冠幅約需44 s，對人工測量耗時與樹高、胸徑、冠幅、密度進行相關(guān)性分析，結(jié)果顯示人工測量耗時與種植密度極顯著相關(guān)（P<0.01），而與苗木的樹高、胸徑及冠幅的相關(guān)性不大。

2.3無人機測量結(jié)果分析

分別對3個苗圃使用Li-Air無人機激光雷達系統(tǒng)的航空遙感應(yīng)用平臺進行低空掃描，獲得苗圃完整空間點云數(shù)據(jù)，生成數(shù)字苗圃冠層空間三維模型（圖1～3），可以清晰地看出苗圃苗木的分布情況，通過ArcMAP軟件可以定點地查看每棵樹的基本屬性，包括坐標(biāo)、樹高、水平冠幅、豎直冠幅、冠幅面積等，便于苗圃的規(guī)劃管理。通過建立的電子苗木信息庫，設(shè)計師可根據(jù)需要查詢苗圃的苗木，有效滿足設(shè)計師對苗木的需求，而財務(wù)通過苗木信息庫的統(tǒng)計信息，便捷地實現(xiàn)苗木的庫存及盤點。此外，點云數(shù)據(jù)生成的模型還可以應(yīng)用于多元線性回歸，推算綠地的三維綠量、生物量等[9]。

試驗同時單獨對測量樣地進行低空激光雷達掃描（圖1～3），記錄飛行時間，無人機的飛行時間主要受限于電池的容量，應(yīng)用無人機激光雷達掃描樣地，飛行僅需一個架次，即約15 min完成掃描。應(yīng)用 LiForest軟件的Stat模塊，基于空間點云處理分析，提取單木參數(shù)，生成苗木數(shù)據(jù)表（圖4），結(jié)果顯示，南塘樣地共有2 850棵，南鄉(xiāng)樣地有1 947棵，下堀樣地有1 503棵，若以人工測量，最小的樣地至少需要18 h才能完成，可以看出基于無人機激光雷達掃描的每木調(diào)查是明顯高效的，大大降低了人工成本。但從表1可以看出，無人機測量目前暫時提取不了苗木的胸徑信息，無人機測量的結(jié)果與人工測量的偏差約為±0.557 m。

3結(jié)論與討論

本研究創(chuàng)新地運用無人機載激光雷達技術(shù)手段來監(jiān)測和分析園林苗圃苗木生長、布局等各項信息，并對設(shè)計師、財務(wù)人員、苗圃管理人員的相關(guān)需求做出響應(yīng)，實現(xiàn)了園林苗圃智慧式的管理和運行，進而推進園林苗圃產(chǎn)業(yè)的信息化進程，促進了園林苗圃的可持續(xù)發(fā)展。

隨著現(xiàn)代信息技術(shù)的不斷發(fā)展，現(xiàn)代信息化技術(shù)的應(yīng)用往往帶動行業(yè)的更新與發(fā)展，當(dāng)前我國苗圃的信息化建設(shè)還相對比較薄弱，針對現(xiàn)狀，本研究開展了運用無人機遙感系統(tǒng)搭載激光雷達的方法，獲得苗圃的基本數(shù)據(jù)庫，與人工測量對比，無人機遙感提取數(shù)據(jù)的方法可行并具有高效率和節(jié)約人工成本的優(yōu)勢，直觀清晰地掌握苗木的信息，可為將來實現(xiàn)智慧苗圃信息的定期更新和發(fā)布提供技術(shù)支撐，但是無人機的應(yīng)用也存在不足，如未能提取到苗木的胸徑信息，因此，在園林苗圃的信息化管理中，需要結(jié)合人工管理，全方位完善園林苗圃的信息化管理。

目前，絕大部分苗圃沒有庫存銷售管理系統(tǒng)，而這一部分又是苗圃信息化的核心部分。本研究探索了應(yīng)用無人機遙感技術(shù)對園林苗圃信息庫的建立，可為苗圃庫存銷售管理系統(tǒng)提供有效的原始數(shù)據(jù)，有助于開發(fā)和構(gòu)建苗圃的庫存銷售系統(tǒng)，探索園林苗圃進一步的信息化建設(shè)，對苗圃生產(chǎn)庫存銷售信息實行統(tǒng)一管理，一方面可以避免重復(fù)勞動，減少人力和財力的浪費，另一方面可提高工作效率，實現(xiàn)智慧苗圃的運行和管理。

未來，隨著無人機遙感技術(shù)的越發(fā)成熟，將在苗圃管理領(lǐng)域有更廣闊的發(fā)展前景，如苗木的統(tǒng)計盤點、經(jīng)營、病蟲害防治、養(yǎng)護管理等方面權(quán)衡苗圃的投入和產(chǎn)出，為智慧苗圃的健康和可持續(xù)發(fā)展給予技術(shù)支持。

參考文獻：

[1] 俞玖. 園林苗圃學(xué)[M]. 北京：中國林業(yè)出版社，1988.

[2] 洪曉霞，洪兆龍，翁升，等. 浙江國有苗圃改革發(fā)展現(xiàn)狀及對策分析[J]. 浙江林業(yè)科技，2010（5）：82-86.

[3] 李宇昊. 無人機在林業(yè)調(diào)查中的應(yīng)用實驗[J]. 林業(yè)資源管理，2007（4）：69-73.

[4] 樊江川. 無人機航空攝影測樹技術(shù)研究[D]. 北京：北京林業(yè)大學(xué)，2014.

[5] Lisein Jonathan，Pierrot-Deseilligny Marc，Bonnet Stephanie，et al. A Photogrammetric Workflow for the Creation of a Forest Canopy Height Model from Small Unmanned Aerial System Imagery [J]. FORESTS，2013，4（4）：922-944.

[6] Michez Adrien，Piegay Herve，Lisein Jonathan，et al. Classification of riparian forest species and health condition using multi-temporal and hyperspatial imagery from unmanned aerial system[J]. ENVIRONMENTAL MONITORING AND ASSESSMENT，2016，188（3）：146.

[7] Tuominen Sakari，Balazs Andras，Saari Heikki，et al. Unmanned aerial system imagery and photogrammetric canopy height data in area-based estimation of forest variables [J]. SILVA FENNICA，2015，49（5）：1348.

[8] 舒婷，李衛(wèi)正，張青萍，等. 基于小型無人機的三維實景公園數(shù)字建?！阅暇┭蛏缴止珗@為例[J]. 建筑與文化，2016（3）：120-121.

[9] 陳荻，李衛(wèi)正，孔文麗，等.基于低空高分辨影像的三維綠量計算方法——以南京林業(yè)大學(xué)校園為例[J]. 中國園林，2015，31（9）：22-26.