前言

林木苗圃地的樹木株數(shù)及其樹冠覆蓋率估算對于林木苗圃地的經(jīng)營管理具有重要意義。利用常規(guī)技術(shù)進行樹木株數(shù)及其樹冠覆蓋率的測算，比較費工、費時。探索一種快速、高效、成本低且精度達到要求的新技術(shù)具有重要的現(xiàn)實意義。

近年來，無人機遙感技術(shù)發(fā)展迅速，在土地整治、土地利用規(guī)劃、礦山地質(zhì)災(zāi)害精細探測、山洪災(zāi)害調(diào)查評價、建筑密度與容積率的測算等方面已取得了應(yīng)用研究成果。然而，在這些應(yīng)用中，所使用的無人機多為價格昂貴的航測型無人機，且數(shù)據(jù)處理復(fù)雜。大疆（DJI）PHANTOM2 VISION+ 無人機價格在8000 元以下，其操作易學(xué)易用，起飛靈活。就利用大疆PHANTOM2 VISION+ 無人機遙感估算銀杏苗圃地的樹木株數(shù)及其樹冠覆蓋率方面，至今未見有研究報道。因此，本文開展利用大疆無人機來估算樹木株數(shù)及其樹冠覆蓋率的研究，預(yù)期為樹木株數(shù)及其樹冠覆蓋率估算探索出一種低成本、高效率的技術(shù)，從而為園林樹木管理提供科技支撐。

1 實驗區(qū)與數(shù)據(jù)

圖1 校正后的無人機影像

該實驗區(qū)為成都市郫都區(qū)的兩塊銀杏林地。該實驗區(qū)為平地。所使用的數(shù)據(jù)為大疆（DJI）PHANTOM2 VISION+ 無人機獲取的影像。其影像為魚眼影像，對魚眼影像進行魚眼鏡頭校正和幾何校正。經(jīng)校正后的影像如圖1 所示。

從圖1 中可以看出，該影像獲取的時間為秋季，銀杏葉子呈金黃色。該影像中有3 塊銀杏苗圃地，選區(qū)其中的2 塊作為試驗地塊。

2 方法與步驟

2.1 構(gòu)建差值黃葉指數(shù)

通過影像特征和亮度值分析，通過紅光波段（B3） 與藍光波段（B1）的差值組合，可以增加樹木樹冠的黃葉信息，為此，我們探索構(gòu)建了差值黃葉指數(shù)（HYZS），其表達式如下：

HYZS=B3-B1 （1）

利用上述表達式，計算產(chǎn)生差值黃葉指數(shù)。

2.2 樹冠覆蓋信息提取

利用差值黃葉指數(shù)建立黃葉狀態(tài)的銀杏樹冠提取模型，如下：

if HYZS》40 then

該像元為銀杏樹冠像元，其取值為1：

Else （2）

該像元為銀杏樹冠像元，其取值為0： Endif

利用以上模型提取銀杏樹冠信息，對提取結(jié)果進行綜合處理，去除5個像元以下的細小區(qū)域。其結(jié)果圖2所示，紅色為銀杏樹冠。

圖2 銀杏樹冠（呈紅色）

將提取的樹冠結(jié)果柵格數(shù)據(jù)進行矢量化，得到樹冠覆蓋的多邊形圖斑，選取面積在1m2 以上的樹冠圖斑，建立樹冠覆蓋 GIS 數(shù)據(jù)庫，其結(jié)果如圖3 所示。

圖3 銀杏樹冠覆蓋多邊形（呈紅色）

2.3 林地地塊樹冠覆蓋情況分析

通過屏幕數(shù)字化，數(shù)字化苗圃地地塊的范圍，該實驗區(qū)有2 個銀杏苗圃地地塊，建立其 GIS 數(shù)據(jù)庫。將地塊圖層與樹冠覆蓋 GIS 數(shù)據(jù)圖層進行空間連接分析，并在此基礎(chǔ)上進行統(tǒng)計分析，得到統(tǒng)計結(jié)果數(shù)據(jù)，并計算出各地塊的樹冠覆蓋率，如表1 所示。樹冠覆蓋率為地塊內(nèi)所有樹冠覆蓋的總面積，占該地塊面積的全部。

2.4 地塊內(nèi)樹木株數(shù)的估算

在樹冠 GIS 數(shù)據(jù)庫中，添加株數(shù)字段。地塊1：將樹冠覆蓋面積小于等于平均面積（3.43m2）的多邊形選取出，每個多邊形即為一棵數(shù)的樹冠，因此，其株數(shù)賦值為1。對面積大于平均面積的多邊形，用其面積除以3.43m2，并取整，并將此數(shù)作為該多邊形中的樹木株數(shù)。通過檢查，有2 個多邊形的樹木棵數(shù)計算有誤。一個為1 棵誤算為2 棵，另一個為3 棵誤算為4 棵。對其進行修改后，統(tǒng)計得到的株棵數(shù)為79。地塊2：按照以上方法，同樣以平均面積（3.43m2）進行分析計算處理，得到地塊2 的株數(shù)為83 株。

2.5 精度分析

就樹冠提取而言，所提取的樹冠均為黃葉狀態(tài)的銀杏樹冠，因此，其誤提率為0。有少量的銀杏葉因其黃色狀態(tài)不足而未被提取出來，主要位于樹冠邊沿部分。通過采樣估算，未被提取的最多占5%，因此，其漏提率為 5%。因此，其提取的總體精度較高。樹冠覆蓋率是相對數(shù)字，其精度取決于樹冠覆蓋的提取精度和地塊范圍的判讀精度，因地塊范圍判讀為目視判讀，因此，其精度j較高。就株數(shù)的估算而言，對于林地地塊1，無漏估算。在自動提取計算的株數(shù)中，多出了2 株。多估算數(shù)占真實總數(shù)79 的2.53%。對于地塊2，自動提取計算的株數(shù)為 83 株，而真實的株數(shù)為89 株。漏算株數(shù)為6株，占真實總數(shù)89 的6.74%。因此，其株數(shù)自動提取估算的精度較高。

3 結(jié)果與討論

通過本文的研究，探索出了利用大疆 PHANTOM2 VISION+ 無人機遙感估算銀杏苗圃地的樹木株數(shù)及其樹冠覆蓋率的技術(shù)路線和方法。該方法簡單、適用、有效，且成本低。

通過本研究，提出了黃葉指數(shù)，該指數(shù)可以用于反映樹冠的黃色狀態(tài)，其黃色狀態(tài)越強，其指數(shù)值越高。利用該黃葉指數(shù)，通過一定的閾值，可以將黃葉樹冠提取出來。

利用該技術(shù)方法，估算出的銀杏苗圃地的樹木株數(shù)的精度較高，估算出的樹冠覆蓋率精度較高，能達到要求。該技術(shù)方法，適用于對葉子呈黃色狀態(tài)的樹冠覆蓋信息的提取，而不適合用于提取呈其他顏色狀態(tài)的樹冠覆蓋信息。對于株數(shù)的估算，適用于樹冠大小差異不大的情況或者樹冠明顯相互分離的情況，這樣，其估算精度較高。

責(zé)任編輯：gt