基于多光譜無人機不同飛行高度下蘋果樹冠幅信息的提取

摘 要：【目的】利用無人機多光譜影像分割并提取蘋果樹樹冠冠幅信息，實現(xiàn)無人機遙感技術(shù)監(jiān)測蘋果樹樹冠信息，并分析無人機飛行高度對冠幅提取精度的影響。

【方法】利用大疆精靈4多光譜無人機分別獲取30、60和90m飛行高度的蘋果樹多光譜影像，經(jīng)大疆智圖（DJI Terra）軟件處理生成DOM和DSM影像數(shù)據(jù)，利用多尺度分割法和閾值分類對蘋果樹樹冠進(jìn)行分割并提取目標(biāo)樹的東西、南北冠幅值，以目視解譯分割樹冠和實地測量的100株果樹冠幅值為參考進(jìn)行精度驗證。

【結(jié)果】30 m飛行高度的單木樹冠分割準(zhǔn)確率為84.00%，東西、南北冠幅平均提取精度為91.15%，平均R2為0.785 9，平均RMSE為0.216 6 m；60 m飛行高度的單木樹冠分割準(zhǔn)確率為81.00%，東西、南北冠幅平均提取精度為90.31%，平均R2為0.737 6，平均RMSE為0.241 6 m；90 m飛行高度的單木樹冠分割準(zhǔn)確率為73.00%，東西、南北冠幅平均提取精度為88.88%，平均R2為0.710 2， 平均RMSE為0.267 6 m。

【結(jié)論】利用多光譜無人機遙感技術(shù)可以實現(xiàn)對蘋果樹樹冠信息的監(jiān)測；飛行高度對提取結(jié)果有一定的影響，隨著無人機飛行高度的增加，單木分割準(zhǔn)確率和冠幅提取精度逐漸降低。無人機遙感技術(shù)成本低、快速、準(zhǔn)確，可以提高果園的管理效率。

關(guān)鍵詞：多光譜；無人機；飛行高度；蘋果樹；樹冠

中圖分類號：S661.1"" 文獻(xiàn)標(biāo)志碼：A"" 文章編號：1001-4330（2024）061468-09

0 引 言

【研究意義】我國是蘋果生產(chǎn)和消費的大國［1］。蘋果是我國新疆水果產(chǎn)業(yè)的重要支柱之一［2］。樹冠是樹木進(jìn)行光合作用的重要場所［3］，準(zhǔn)確提取蘋果樹樹冠信息對于果園的精準(zhǔn)管理至關(guān)重要。果樹冠層信息反映了果樹的生長狀況，可為果樹修剪、水肥灌溉和病害診斷等提供信息［4］。無人機遙感是近年來迅速發(fā)展起來的對地觀測技術(shù)。無人機以其作業(yè)靈活，作業(yè)效率高，影像分辨率高等特點在各領(lǐng)域的遙感監(jiān)測中發(fā)揮著重要作用［5-9］。利用無人機可快速、準(zhǔn)確、高效的獲取林木的樹冠、株高等表型信息［10］。

使用無人機對蘋果樹樹冠信息進(jìn)行快速、準(zhǔn)確的監(jiān)測，對于精準(zhǔn)果園信息監(jiān)測具有重要意義?！厩叭搜芯窟M(jìn)展】對于林木樹冠信息的提取，有研究進(jìn)行了分析，提出了不同的方法，如分水嶺分割法［11-13］、面向?qū)ο螅?4-17］、區(qū)域生長法等［18，19］。Jing等［20］通過對獲取的激光雷達(dá)數(shù)據(jù)進(jìn)行多尺度分割，提取了加拿大天然林內(nèi)單棵樹的樹冠信息，經(jīng)對比發(fā)現(xiàn)利用無人機提取天然林單木樹冠比目視解譯具有更好的提取精度；王枚梅等［21］利用無人機采集到的圖像數(shù)據(jù)，應(yīng)用面向?qū)ο蠓椒ㄗ詣犹崛喐呱结樔~林的東西冠幅和南北冠幅等參數(shù)，證明該方法能夠滿足對亞高山針葉林生長狀態(tài)進(jìn)行快速評價并進(jìn)行動態(tài)遙感監(jiān)測的需求；孫釗［22］以無人機獲取的影像為數(shù)據(jù)源，結(jié)合地面實測數(shù)據(jù)，分別使用多尺度分割技術(shù)和分水嶺分割算法提取單木樹冠冠幅并進(jìn)行對比，結(jié)果表明二者均可用于提取單木樹冠冠幅，多尺度分割方法效果優(yōu)于分水嶺分割法；李文靜等［23］基于無人機獲取的多光譜影像，通過雙邊濾波和面向?qū)ο蟮亩喑叨确指罘椒ǎ行б种屏藗鹘y(tǒng)多尺度分割方法造成的過分割問題，提高了分割精度，實現(xiàn)了對郁閉度較高的闊葉林區(qū)單木樹冠進(jìn)行自動提取。束美艷等［24］使用無人機獲取柑橘影像，采用分水嶺算法對柑橘樹單木進(jìn)行分割，基于構(gòu)建的CHM，提取出了柑橘樹冠幅投影面積等參數(shù)信息?！颈狙芯壳腥朦c】對比現(xiàn)有的林木表型信息的提取研究，其方法眾多，但其研究主要針對的均是樹冠寬廣、植株高大的天然林或者針葉林等森林資源，而對樹冠小的經(jīng)濟林尤其是蘋果樹的研究內(nèi)容較少，此外對于冠幅普遍分布在1.5～3 m的經(jīng)濟林是否具有適用性仍值得研究；且其所用的無人機影像均是無人機單一高度所拍攝的，缺乏探究無人機不同飛行高度對林木樹冠信息提取的影響?！緮M解決的關(guān)鍵問題】試驗以蘋果樹為研究對象，采用30、60和90 m 3個飛行高度獲取蘋果樹多光譜影像，對獲取影像進(jìn)行單木樹冠分割并提取出蘋果樹冠幅信息，與目視解譯法分割和實地測量冠幅值進(jìn)行對比和精度分析，將多光譜無人機遙感技術(shù)應(yīng)用于蘋果樹樹冠信息監(jiān)測，并揭示飛行高度對蘋果樹單木樹冠分割和冠幅提取結(jié)果的影響。

1 材料與方法

1.1 材 料

1.1.1 蘋果品種

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），該地區(qū)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。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2～4 m，冠幅整體分布在1～3 m。

1.1.2 地面數(shù)據(jù)獲取

實測數(shù)據(jù)于2023年4月22日在果園中實地進(jìn)行測量。在研究區(qū)內(nèi)隨機機選取100株果樹為研究的目標(biāo)樹，用高精度GPS記錄每株蘋果樹的位置，在調(diào)查時人工記錄每株樹具體的行、株數(shù)用以輔助定位；用皮尺測量100株果樹的東西、南北冠幅并記錄。

1.1.3 無人機數(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。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，相機包括1個用于可見光成像的彩色傳感器和5個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個波段，單個傳感器有效像素208×104 （總像素212×104 ）。該無人機遙感平臺具有位置與姿態(tài)系統(tǒng)（ Position and Orientation System，POS） 可以實時獲取影像數(shù)據(jù)信息；該無人機可以使用內(nèi)嵌RTK，無需布設(shè)基站。此次試驗設(shè)置較大的無人機飛行高度跨度，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，飛機航線航向重疊度和旁向重疊度均設(shè)置為75%，云臺俯仰角度為90°。

利用大疆智圖（DJI Terra）軟件進(jìn)行無人機影像拼接生成試驗田數(shù)字正射影像 （ Digital Orthophoto Map，DOM） 和數(shù)字表面模型 （ Digital Surface Model，DSM） 。由于無人機在影像獲取時，每張照片都帶有與之對應(yīng)的POS數(shù)據(jù) （ 包含影像拍攝時間的經(jīng)緯度、高度、航向偏角、 鏡頭朝向等），所以在拼接影像時，只需進(jìn)行輻射矯正，無需再手動導(dǎo)入POS數(shù)據(jù)即可自動、快速進(jìn)行影像拼接，生成1張包含R、G、B三波段的可見光DOM影像數(shù)據(jù)、5個單波段的DOM影像數(shù)據(jù)和1張高精度的DSM數(shù)據(jù)。將得到的5個單波段影像進(jìn)行波段合成，得到包含藍(lán)、綠、紅、紅邊和近紅外5個波段的DOM數(shù)據(jù)用于后續(xù)處理。圖1

1.2 方 法

1.2.1 多尺度分割

使用eCognition Developer軟件對預(yù)處理后的無人機影像進(jìn)行多尺度分割。多尺度分割是一種自下而上的圖像分割方法，其通過逐級合并的方式將周圍異質(zhì)性最小的像元合并成一個小單元，在將小單元逐步合并成一個大對象；該方法涉及分割參數(shù)、形狀權(quán)重和緊湊度權(quán)重等主要設(shè)置。分割尺度越大，得到的分割對象越大，斑塊數(shù)量越少；分割尺度越小，則得到的分割對象越小，斑塊數(shù)量越多［10，14］。

1.2.2 樹冠區(qū)域提取

張玉薇等［25］曾直接利用多尺度分割法對拼接完成的云南松影像數(shù)據(jù)進(jìn)行單木分割，正確分割率低。而李文靜等［23］利用NDVI掩膜提取樹冠區(qū)域，再進(jìn)行分割，與直接多尺度分割樹冠的結(jié)果進(jìn)行對比，過分割問題被有效抑制。本研究選擇先將地物和雜草等影響分割準(zhǔn)確率的因素進(jìn)行剔除，提取出蘋果樹樹冠區(qū)域，再針對提取的樹冠區(qū)域進(jìn)行單木分割，增加單木分割準(zhǔn)確率。

通過植被指數(shù)可以將生成的正射影像上的植被與非植被分開［26］，NDVI 是最常用的植被指數(shù)，對植被提取可發(fā)揮較好的作用，利用紅波段和近紅外波段計算可得到NDVI。

式中，R為紅光波段的反射值，NIR為近紅外波段的反射值?；贜DVI計算結(jié)果設(shè)置合適的閾值（30、60和90 m閾值分別為0.4、0.4和0.3），利用閾值分類法將植被與其他地物分開得到樹冠區(qū)域矢量圖。閾值分類法是一種硬分類器，其原理是根據(jù)各種特征的分布得到閾值，這是一種“真”和“假”的邏輯判定，符合這一閾值條件的對象將完全歸為某類，否則就是其他類。

基于分類得到的樹冠區(qū)域矢量數(shù)據(jù)對原始DOM數(shù)據(jù)進(jìn)行掩膜提取出樹冠區(qū)域，得到只含有樹冠區(qū)域的DOM數(shù)據(jù)。圖2

1.2.3 冠幅提取

將分割結(jié)果以.shp格式輸出，導(dǎo)入ArcGIS進(jìn)行處理。在ArcGIS中將面矢量的樹冠轉(zhuǎn)化為點矢量并帶入坐標(biāo)系，計算出每個面矢量中點矢量中最大X、Y坐標(biāo)和最小X、Y坐標(biāo)。

Wns=Ymax－Ymin.（2）

Wew=Xmax－Xmin.（3）

式中，Ymax為每個冠幅的南北方向上最大的坐標(biāo)，Ymin為每個冠幅的南北方向上最小的坐標(biāo)；Xmax為每個冠幅的東西方向上最大的坐標(biāo)，Xmin為每個冠幅的東西方向上最小的坐標(biāo)；Wns為南北冠幅，Wew為東西冠幅。

1.2.4 精度驗證

以手動分割結(jié)果為參考，自動分割結(jié)果可分為5類：匹配、接近匹配、丟失、過分割和欠分割［23，27］。其中，匹配是指參考樹冠面積和自動分割樹冠面積占各自的80%以上；接近匹配是指參考樹冠面積和自動分割樹冠面積占其中一方的80%以上;丟失是指提取自動分割樹冠占參考樹冠面積50%以下；過分割指是指一個樹冠中大部分面積被分成多個樹冠；欠分割是指多個樹冠被分割成一個樹冠［28］。其中匹配和接近匹配為正確分割，丟失、欠分割和過分割為錯誤分割［23］。圖3

2 結(jié)果與分析

2.1 多尺度分割提取樹冠

研究表明，將起始尺度設(shè)置為50，循環(huán)次數(shù)設(shè)置為200，形狀因子和緊湊度因子均設(shè)置為0.5，設(shè)置生成LV圖。分割完成后會自動輸出一個文本文檔，將該文檔在ESP_Estimation_Scale_Parameter_Chart.exe中打開。橫坐標(biāo)為分割尺度，縱坐標(biāo)為局部方差（LV）和局部方差變化率（ROC），折線圖中的每個峰值代表一個最優(yōu)的分割尺度。圖4

30、60和90 m飛行高度的最佳分割尺度分別為116、74和52。分割完成后單獨選擇目標(biāo)樹導(dǎo)出成.shp格式文件，用于后續(xù)處理。圖5

2.2 樹冠分割精度

研究表明，基于多尺度分割結(jié)果，將3個飛行高度的研究區(qū)內(nèi)100株目標(biāo)蘋果樹分割完成的矢量圖單獨提取出來，與目視解譯分割的參考樹冠進(jìn)行疊加對比并對分割精度進(jìn)行評價，表1

30 m飛行高度單木冠幅正確分割率為84.00%，錯誤分割率為16.00%；60 m飛行高度單木冠幅正確分割率為81.00%，錯誤分割率為19.00%；90 m飛行高度單木冠幅正確分割率為73.00%，錯誤分割率為27.00%。30 m飛行高度正確分割率最高，90 m飛行高度正確分割率最低，正確分割率隨著飛行高度的升高而降低；隨著飛行高度的增加，匹配率降低，接近匹配率升高。無人機飛行高度越低，影像分辨率越高，蘋果樹冠的提取精度越高。3個飛行高度錯誤分割中欠分割率均為最高，分別為7.00%、8.00%和14.00%。

2.3 冠幅提取及回歸分析

研究表明，得到有效樣數(shù)量為61個。將有效樣本提取的冠幅值與實測冠幅值進(jìn)行精度計算和回歸分析。

30 m飛行高度東西、南北冠幅平均提取精度為91.15%，平均R2為0.785 9，平均RMSE為0.216 6 m；60 m飛行高度東西、南北冠幅平均提取精度為90.31%，平均R2為0.737 6， 平均RMSE為0.241 6 m；90 m飛行高度東西、南北冠幅平均提取精度為88.88%，平均R2為0.710 2， 平均RMSE為0.267 6 m?；跓o人機多光譜影像利用多尺度分割提取蘋果樹冠幅時，在剔除丟失、欠分割和過分割現(xiàn)象后，均可以較好的提取出蘋果樹冠幅信息；隨著無人機飛行高度的增加，冠幅提取精度逐漸降低。30 m飛行高度平均冠幅提取精度、R2和RMSE最高，90 m飛行高度平均冠幅提取精度、R2和RMSE最低； 30 m飛行高度提取蘋果樹冠幅信息優(yōu)于60 m飛行高度優(yōu)于90 m飛行高度。表2，圖6

3 討 論

3.1

對比不同飛行高度提取結(jié)果，無人機飛行高度對蘋果樹單木樹冠識別和冠幅提取結(jié)果有一定的影響，單木樹冠分割精確率和冠幅提取精度均隨著飛行高度的升高而降低，與前人的研究結(jié)果基本一致［10，13］。30、60和90 m 3個飛行高度的單木分割準(zhǔn)確率分別為84.00%、81.00%和73.00%。單木分割準(zhǔn)確率在30和60 m飛行高度的時候差距較小，在90 m高度的時候準(zhǔn)確率出現(xiàn)驟減，可能是由于多光譜無人機相機像素較可見光像素較低，飛行高度過高導(dǎo)致分辨率太低。研究30、60和90 m 3個飛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個飛行高度均可較好的提取蘋果樹冠幅值，可以反映出蘋果樹樹冠在東西、南北方向上大小的情況。

3.2

針對30、60和90 m飛行高度，無論是單木樹冠分割準(zhǔn)確率和冠幅提取精度，均為30 m飛行高度最優(yōu)，90 m飛行高度最差。在實際應(yīng)用中，若對果園監(jiān)測數(shù)據(jù)要求高，可以采用30 m飛行高度進(jìn)行遙感監(jiān)測；若果園面積較大或?qū)ΡO(jiān)測數(shù)據(jù)要求不高，可以選擇60 m飛行高度。在30 m以下、90 m以上以及3個飛行高度中間的的飛行高度范圍內(nèi)的數(shù)據(jù)提取情況仍需要進(jìn)行進(jìn)一步的研究和探討。

4 結(jié) 論

30 m飛行高度的單木樹冠分割準(zhǔn)確率為84.00%，東西、南北冠幅平均提取精度為91.15%，平均R2為0.785 9，平均RMSE為0.216 6 m；60 m飛行高度的單木樹冠分割準(zhǔn)確率為81.00%，東西、南北冠幅平均提取精度為90.31%，平均R2為0.737 6，平均RMSE為0.241 6 m；90 m飛行高度的單木樹冠分割準(zhǔn)確率為73.00%，東西、南北冠幅平均提取精度為88.88%，平均R2為0.7102， 平均RMSE為0.267 6 m。利用多光譜無人機遙感技術(shù)可以實現(xiàn)對蘋果樹樹冠信息的監(jiān)測，30 m飛行高度監(jiān)測效果最佳，90 m飛行高度監(jiān)測效果最差；且隨著無人機飛行高度的增加，單木分割準(zhǔn)確率和冠幅提取精度逐漸降低。無人機遙感技術(shù)成本低、快速、準(zhǔn)確，可以提高果園經(jīng)營者對果園的管理效率。

參考文獻(xiàn)（References）

［1］趙祎， 馬力群， 羅云波， 等. 貯藏溫度對嘎啦蘋果貯藏期及貨架期品質(zhì)的影響［J］. 保鮮與加工， 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， 韓政偉， 張振飛， 等. 蘋果新品種王林1號的選育［J］. 果樹學(xué)報， 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. 高空間分辨率衛(wèi)星遙感影像樹冠信息提取方法研究［J］. 遙感技術(shù)與應(yīng)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， 陳山， 等. 基于低空遙感的果樹冠層信息提取方法研究［J］. 中國農(nóng)業(yè)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］ 萬祖毅， 田永中， 劉旭東， 等. 基于輕小型無人機影像的柑橘樹株數(shù)提?。跩］. 湖北農(nóng)機化， 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， 徐偉誠， 王林琳， 等. 基于無人機遙感影像的沙糖橘果樹提取方法研究［J］. 華南農(nóng)業(yè)大學(xué)學(xué)報， 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］ 牛亞曉， 張立元， 韓文霆， 等. 基于無人機遙感與植被指數(shù)的冬小麥覆蓋度提取方法［J］. 農(nóng)業(yè)機械學(xué)報， 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］ 顏安， 郭濤， 陳全家， 等. 基于無人機影像的棉花株高預(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.

［10］ 周辰琴， 余擁軍， 方陸明， 等. 飛行高度與郁閉度對水杉冠幅提取影響的研究［J］. 林業(yè)資源管理， 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， 劉慶生， 劉高煥， 等. 基于標(biāo)記控制分水嶺分割方法的高分辨率遙感影像單木樹冠提?。跩］. 地球信息科學(xué)學(xué)報， 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］ 徐永勝， 劉浩然， 范偉偉， 等. 基于分水嶺算法的無人機不同飛行高度下林木冠幅提取研究［J］. 西北林學(xué)院學(xué)報， 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］ 孫釗， 潘磊， 孫玉軍. 基于無人機影像的高郁閉度杉木純林樹冠參數(shù)提取［J］. 北京林業(yè)大學(xué)學(xué)報， 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］ 萬祖毅. 基于無人機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.

［16］ 王雅佩， 王振錫， 李擎， 等. 基于無人機影像的天山云杉林伐后更新地林分密度估測研究［J］. 中南林業(yè)科技大學(xué)學(xué)報， 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， 陳巧， 張曉芳， 等. 基于無人機高分辨率影像的油松新造林健康樹冠提?。跩］. 林業(yè)科學(xué)， 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］ 劉方舟， 劉浩， 云挺. 基于分水嶺優(yōu)化思想的單木信息分割算法［J］. 林業(yè)工程學(xué)報， 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. 基于無人機可見光影像的亞高山針葉林樹冠參數(shù)信息自動提取［J］. 林業(yè)資源管理， 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］ 孫釗. 基于無人機航拍圖像的杉木樹冠參數(shù)提取與模型研建［D］. 北京： 北京林業(yè)大學(xué)， 2020.

SUN Zhao. Extraction of Tree Crown Parameters and Model Developmentbased on UAV Image［D］. Beijing： Beijing Forestry University， 2020.

［23］ 李文靜， 王瑞瑞， 石偉， 等. 基于無人機多光譜影像的單木樹冠提取方法［J］. 福建農(nóng)林大學(xué)學(xué)報（自然科學(xué)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］ 束美艷， 李世林， 魏家璽， 等. 基于無人機平臺的柑橘樹冠信息提?。跩］. 農(nóng)業(yè)工程學(xué)報， 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］ 張玉薇， 陳棋， 田湘云， 等. 基于UAV可見光遙感的單木冠幅提取研究［J］. 西部林業(yè)科學(xué)， 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， 陳偉杰. 改進(jìn)分水嶺算法在無人機遙感影像樹冠分割中的應(yīng)用［J］. 福建農(nóng)林大學(xué)學(xué)報（自然科學(xué)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， 曹姍姍， 王蕾， 等. 基于U-Net和分水嶺算法的無人機單木樹冠提取方法［J］. 西北林學(xué)院學(xué)報， 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］ 鄭鑫， 王瑞瑞， 靳茗茗. 基于形態(tài)學(xué)閾值標(biāo)記分水嶺算法的高分辨率影像單木樹冠提?。跩］. 中南林業(yè)調(diào)查規(guī)劃， 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