基于无人机遥感技术的智慧苗圃数据采集研究
何斌+冼丽铧+刘玲+高伟+易慧琳
摘要：苗木是园林绿化建设的核心物质基础，园林苗圃的建设管理水平直接影响着园林绿化的建设和发展。为探索园林苗圃监测和管理的新手段，提高园林苗圃的信息化管理水平，采用无人机载激光雷达遥感技术，对广东省四会市的南塘、南乡和下堀3个苗圃苗木进行低空遥感测量，提取各个苗圃的分布、范围以及每株树木的坐标、树高、冠幅等信息，结果表明无人机激光遥感的方式能更加直观清晰、高效率地完成每木调查数据采集，实现苗圃的信息化管理。
关键词：无人机遥感技术；智慧苗圃；数据采集
中图分类号：TU986
文献标志码：A
文章编号：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
苗木是園林绿化建设的物质基础，园林苗圃是繁殖和培育苗木的基地，是供应城市绿化用苗的后勤部[1]。我国苗圃的经营管理存在管理体制、国家投入、人才等诸多方面不完善的问题，同时信息化建设还相对薄弱，造成苗圃的大面亏损[2]。按照国家信息化建设的推进和林业改革发展战略，采用新技术推进我国苗圃的管理水平和建设水平显得日益重要。
无人机遥感技术，是可应用于多领域的新信息技术。从数据获取、数据处理、与实测数据对比、分析试验数据误差、寻找试验误差原因的全过程来看，无人机在林业调查中的应用可行性高[3]，樊江川对无人机航空摄影测树技术进行研究，结果表明通过无人机航空摄影测树木的主要特征参数精度符合森林资源调查的精度要求[4]，且个别方面优于传统林业实地调查方法，使用无人机系统创建森林树冠和高度模型[5]，从多维空间的图像可看到森林物种分类和健康情况[6]，估算森林树冠和树高的变化[7]等领域发挥关键的作用，利用无人机空中三维激光扫描结合数字摄影的方法，将是提高植被茂密实景模型精度的有效手段[8]，但采用无人机遥感技术来提取园林苗圃信息及信息化管理的研究未见报道。
本研究是通过苗圃低空遥感及实地人工调查相结合的方法，利用无人机载激光雷达遥感技术，扫描样地苗木，通过单木分割，提取苗木的一系列特征参数，比较分析无人机遥感测量和人工测量的数据丰富度及工作效率优劣，为建设智慧苗圃的高效节约管理平台、实现智慧苗圃的信息化管理提供技术支撑。
1材料与方法
1.1主要仪器设备
本研究基于无人机遥感技术，应用Li-Air 无人机激光雷达扫描系统，集成激光雷达扫描单元、小型化组合导航系统。无人机续航时间为25 min，巡航半径2 km，巡航速度为8 m/s，航程为5 km；激光雷达单元的测距精度为2 cm，激光器数16，激光波长905 nm，水平视野360°，垂直视野-15°～+15°，扫描频率10 Hz。
1.2实验方法
通过与传统人工测量计算方式的对比，分析人工及无人机激光雷达系统在获取苗木特征参数中效率和成本的优劣势。具体实验方法如下：
1）在天气晴好的条件下，在四会南塘、南乡和下堀的3个苗圃，分别取1个大样地进行无人机激光雷达扫描，样地大小为300 m×50 m，再在每个大样地中取3个小样方，样方的大小为20 m×20 m，同一个大样地中，沿直线每隔100 m取1个小样方，进行人工每木测量，获得苗圃内苗木的数量、高度、冠幅、胸径等参数。同时记录每个样方的测量的耗时和人工。
2）利用多旋翼无人机搭载激光雷达系统，对3个苗圃的大样地进行低空激光扫描，获得空间点云数据，经过数据处理，得到苗圃内苗木的数量、高度、冠幅等参数，同时记录无人机飞行架次和操作人工数。
3）应用LiForest软件的Stat模块，基于CHM或点云的分割，经过数据处理，提取单木参数，如树木位置坐标、树高、冠幅面积、水平冠幅和竖直冠幅等属性。
4）对比两组方法的操作用时和成本费用等，分析无人机激光雷达系统的效率、优劣势以及应用前景。
5）数据处理应用的软件，包括Li-Forest、Li-360、ArcMap 10.2、R统计分析软件、Excel2003。
2 结果与分析
2.1苗圃基础信息分析
传统的苗圃调研，一般通过人工操作GPS定位、人工测量计算、手工记录、人手地图勾勒才能获知苗圃的基础信息；而应用了无人机激光雷达遥感技术后，通过软件对采集到的空间点云数据处理，可以自动提取苗圃的面積、地形，苗木分布、范围等信息，组成苗圃的基本信息概况，帮助苗圃管理者实现多维度高效管理。同时无人机遥感技术可以解决由于地形陡峭导致人工难以测量的问题。因此，从数据信息化原生性、多地形适用性及工作效率等各方面比较，无人机遥感比人工方式在苗圃调研及信息化管理方面更有优势，但对于苗圃场地的局部实际情况则需人工踏查调研。
2.2人工测量结果分析
本研究的苗圃，分别是在四会的南塘、南乡和下堀苗圃，南塘苗圃以大规格假植的母生Homalium hainanense、澳洲火焰木Brachychiton acerifolius及红蒲桃Syzygium malaccense为主，南乡苗圃以中小规格假植的桂花Osmanthus fragrans、红花玉蕊Barringtonia acutangula及珊瑚树Viburnum odoratissinum为主，位于山坡的下堀苗圃以多规格地栽桂花和麻楝Chukrasia tabularis为主。据统计（表1），南乡和下堀苗圃样方的人工测量耗时多，主要原因是南乡苗圃苗木密植，下堀苗圃地形陡峭，造成人工工作量大和测量困难，而南乡苗圃样方的人工测量耗时最短，与该样方苗木少，仅有61棵有关。从总体来看，人工平均每测量一棵树的树高、胸径、冠幅约需44 s，对人工测量耗时与树高、胸径、冠幅、密度进行相关性分析，结果显示人工测量耗时与种植密度极显著相关（P<0.01），而与苗木的树高、胸径及冠幅的相关性不大。
2.3无人机测量结果分析
分别对3个苗圃使用Li-Air无人机激光雷达系统的航空遥感应用平台进行低空扫描，获得苗圃完整空间点云数据，生成数字苗圃冠层空间三维模型（图1～3），可以清晰地看出苗圃苗木的分布情况，通过ArcMAP软件可以定点地查看每棵树的基本属性，包括坐标、树高、水平冠幅、竖直冠幅、冠幅面积等，便于苗圃的规划管理。通过建立的电子苗木信息库，设计师可根据需要查询苗圃的苗木，有效满足设计师对苗木的需求，而财务通过苗木信息库的统计信息，便捷地实现苗木的库存及盘点。此外，点云数据生成的模型还可以应用于多元线性回归，推算绿地的三维绿量、生物量等[9]。
试验同时单独对测量样地进行低空激光雷达扫描（图1～3），记录飞行时间，无人机的飞行时间主要受限于电池的容量，应用无人机激光雷达扫描样地，飞行仅需一个架次，即约15 min完成扫描。应用 LiForest软件的Stat模块，基于空间点云处理分析，提取单木参数，生成苗木数据表（图4），结果显示，南塘样地共有2 850棵，南乡样地有1 947棵，下堀样地有1 503棵，若以人工测量，最小的样地至少需要18 h才能完成，可以看出基于无人机激光雷达扫描的每木调查是明显高效的，大大降低了人工成本。但从表1可以看出，无人机测量目前暂时提取不了苗木的胸径信息，无人机测量的结果与人工测量的偏差约为±0.557 m。
3结论与讨论
本研究创新地运用无人机载激光雷达技术手段来监测和分析园林苗圃苗木生长、布局等各项信息，并对设计师、财务人员、苗圃管理人员的相关需求做出响应，实现了园林苗圃智慧式的管理和运行，进而推进园林苗圃产业的信息化进程，促进了园林苗圃的可持续发展。
随着现代信息技术的不断发展，现代信息化技术的应用往往带动行业的更新与发展，当前我国苗圃的信息化建设还相对比较薄弱，针对现状，本研究开展了运用无人机遥感系统搭载激光雷达的方法，获得苗圃的基本数据库，与人工测量对比，无人机遥感提取数据的方法可行并具有高效率和节约人工成本的优势，直观清晰地掌握苗木的信息，可为将来实现智慧苗圃信息的定期更新和发布提供技术支撑，但是无人机的应用也存在不足，如未能提取到苗木的胸径信息，因此，在园林苗圃的信息化管理中，需要结合人工管理，全方位完善园林苗圃的信息化管理。
目前，绝大部分苗圃没有库存销售管理系统，而这一部分又是苗圃信息化的核心部分。本研究探索了应用无人机遥感技术对园林苗圃信息库的建立，可为苗圃库存销售管理系统提供有效的原始数据，有助于开发和构建苗圃的库存销售系统，探索园林苗圃进一步的信息化建设，对苗圃生产库存销售信息实行统一管理，一方面可以避免重复劳动，减少人力和财力的浪费，另一方面可提高工作效率，实现智慧苗圃的运行和管理。
未来，随着无人机遥感技术的越发成熟，将在苗圃管理领域有更广阔的发展前景，如苗木的统计盘点、经营、病虫害防治、养护管理等方面权衡苗圃的投入和产出，为智慧苗圃的健康和可持续发展给予技术支持。
参考文献：
[1] 俞玖. 园林苗圃学[M]. 北京：中国林业出版社，1988.
[2] 洪晓霞，洪兆龙，翁升，等. 浙江国有苗圃改革发展现状及对策分析[J]. 浙江林业科技，2010（5）：82-86.
[3] 李宇昊. 无人机在林业调查中的应用实验[J]. 林业资源管理，2007（4）：69-73.
[4] 樊江川. 无人机航空摄影测树技术研究[D]. 北京：北京林业大学，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，李卫正，张青萍，等. 基于小型无人机的三维实景公园数字建模——以南京羊山森林公园为例[J]. 建筑与文化，2016（3）：120-121.
[9] 陈荻，李卫正，孔文丽，等.基于低空高分辨影像的三维绿量计算方法——以南京林业大学校园为例[J]. 中国园林，2015，31（9）：22-26.
摘要：苗木是园林绿化建设的核心物质基础，园林苗圃的建设管理水平直接影响着园林绿化的建设和发展。为探索园林苗圃监测和管理的新手段，提高园林苗圃的信息化管理水平，采用无人机载激光雷达遥感技术，对广东省四会市的南塘、南乡和下堀3个苗圃苗木进行低空遥感测量，提取各个苗圃的分布、范围以及每株树木的坐标、树高、冠幅等信息，结果表明无人机激光遥感的方式能更加直观清晰、高效率地完成每木调查数据采集，实现苗圃的信息化管理。
关键词：无人机遥感技术；智慧苗圃；数据采集
中图分类号：TU986
文献标志码：A
文章编号：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
苗木是園林绿化建设的物质基础，园林苗圃是繁殖和培育苗木的基地，是供应城市绿化用苗的后勤部[1]。我国苗圃的经营管理存在管理体制、国家投入、人才等诸多方面不完善的问题，同时信息化建设还相对薄弱，造成苗圃的大面亏损[2]。按照国家信息化建设的推进和林业改革发展战略，采用新技术推进我国苗圃的管理水平和建设水平显得日益重要。
无人机遥感技术，是可应用于多领域的新信息技术。从数据获取、数据处理、与实测数据对比、分析试验数据误差、寻找试验误差原因的全过程来看，无人机在林业调查中的应用可行性高[3]，樊江川对无人机航空摄影测树技术进行研究，结果表明通过无人机航空摄影测树木的主要特征参数精度符合森林资源调查的精度要求[4]，且个别方面优于传统林业实地调查方法，使用无人机系统创建森林树冠和高度模型[5]，从多维空间的图像可看到森林物种分类和健康情况[6]，估算森林树冠和树高的变化[7]等领域发挥关键的作用，利用无人机空中三维激光扫描结合数字摄影的方法，将是提高植被茂密实景模型精度的有效手段[8]，但采用无人机遥感技术来提取园林苗圃信息及信息化管理的研究未见报道。
本研究是通过苗圃低空遥感及实地人工调查相结合的方法，利用无人机载激光雷达遥感技术，扫描样地苗木，通过单木分割，提取苗木的一系列特征参数，比较分析无人机遥感测量和人工测量的数据丰富度及工作效率优劣，为建设智慧苗圃的高效节约管理平台、实现智慧苗圃的信息化管理提供技术支撑。
1材料与方法
1.1主要仪器设备
本研究基于无人机遥感技术，应用Li-Air 无人机激光雷达扫描系统，集成激光雷达扫描单元、小型化组合导航系统。无人机续航时间为25 min，巡航半径2 km，巡航速度为8 m/s，航程为5 km；激光雷达单元的测距精度为2 cm，激光器数16，激光波长905 nm，水平视野360°，垂直视野-15°～+15°，扫描频率10 Hz。
1.2实验方法
通过与传统人工测量计算方式的对比，分析人工及无人机激光雷达系统在获取苗木特征参数中效率和成本的优劣势。具体实验方法如下：
1）在天气晴好的条件下，在四会南塘、南乡和下堀的3个苗圃，分别取1个大样地进行无人机激光雷达扫描，样地大小为300 m×50 m，再在每个大样地中取3个小样方，样方的大小为20 m×20 m，同一个大样地中，沿直线每隔100 m取1个小样方，进行人工每木测量，获得苗圃内苗木的数量、高度、冠幅、胸径等参数。同时记录每个样方的测量的耗时和人工。
2）利用多旋翼无人机搭载激光雷达系统，对3个苗圃的大样地进行低空激光扫描，获得空间点云数据，经过数据处理，得到苗圃内苗木的数量、高度、冠幅等参数，同时记录无人机飞行架次和操作人工数。
3）应用LiForest软件的Stat模块，基于CHM或点云的分割，经过数据处理，提取单木参数，如树木位置坐标、树高、冠幅面积、水平冠幅和竖直冠幅等属性。
4）对比两组方法的操作用时和成本费用等，分析无人机激光雷达系统的效率、优劣势以及应用前景。
5）数据处理应用的软件，包括Li-Forest、Li-360、ArcMap 10.2、R统计分析软件、Excel2003。
2 结果与分析
2.1苗圃基础信息分析
传统的苗圃调研，一般通过人工操作GPS定位、人工测量计算、手工记录、人手地图勾勒才能获知苗圃的基础信息；而应用了无人机激光雷达遥感技术后，通过软件对采集到的空间点云数据处理，可以自动提取苗圃的面積、地形，苗木分布、范围等信息，组成苗圃的基本信息概况，帮助苗圃管理者实现多维度高效管理。同时无人机遥感技术可以解决由于地形陡峭导致人工难以测量的问题。因此，从数据信息化原生性、多地形适用性及工作效率等各方面比较，无人机遥感比人工方式在苗圃调研及信息化管理方面更有优势，但对于苗圃场地的局部实际情况则需人工踏查调研。
2.2人工测量结果分析
本研究的苗圃，分别是在四会的南塘、南乡和下堀苗圃，南塘苗圃以大规格假植的母生Homalium hainanense、澳洲火焰木Brachychiton acerifolius及红蒲桃Syzygium malaccense为主，南乡苗圃以中小规格假植的桂花Osmanthus fragrans、红花玉蕊Barringtonia acutangula及珊瑚树Viburnum odoratissinum为主，位于山坡的下堀苗圃以多规格地栽桂花和麻楝Chukrasia tabularis为主。据统计（表1），南乡和下堀苗圃样方的人工测量耗时多，主要原因是南乡苗圃苗木密植，下堀苗圃地形陡峭，造成人工工作量大和测量困难，而南乡苗圃样方的人工测量耗时最短，与该样方苗木少，仅有61棵有关。从总体来看，人工平均每测量一棵树的树高、胸径、冠幅约需44 s，对人工测量耗时与树高、胸径、冠幅、密度进行相关性分析，结果显示人工测量耗时与种植密度极显著相关（P<0.01），而与苗木的树高、胸径及冠幅的相关性不大。
2.3无人机测量结果分析
分别对3个苗圃使用Li-Air无人机激光雷达系统的航空遥感应用平台进行低空扫描，获得苗圃完整空间点云数据，生成数字苗圃冠层空间三维模型（图1～3），可以清晰地看出苗圃苗木的分布情况，通过ArcMAP软件可以定点地查看每棵树的基本属性，包括坐标、树高、水平冠幅、竖直冠幅、冠幅面积等，便于苗圃的规划管理。通过建立的电子苗木信息库，设计师可根据需要查询苗圃的苗木，有效满足设计师对苗木的需求，而财务通过苗木信息库的统计信息，便捷地实现苗木的库存及盘点。此外，点云数据生成的模型还可以应用于多元线性回归，推算绿地的三维绿量、生物量等[9]。
试验同时单独对测量样地进行低空激光雷达扫描（图1～3），记录飞行时间，无人机的飞行时间主要受限于电池的容量，应用无人机激光雷达扫描样地，飞行仅需一个架次，即约15 min完成扫描。应用 LiForest软件的Stat模块，基于空间点云处理分析，提取单木参数，生成苗木数据表（图4），结果显示，南塘样地共有2 850棵，南乡样地有1 947棵，下堀样地有1 503棵，若以人工测量，最小的样地至少需要18 h才能完成，可以看出基于无人机激光雷达扫描的每木调查是明显高效的，大大降低了人工成本。但从表1可以看出，无人机测量目前暂时提取不了苗木的胸径信息，无人机测量的结果与人工测量的偏差约为±0.557 m。
3结论与讨论
本研究创新地运用无人机载激光雷达技术手段来监测和分析园林苗圃苗木生长、布局等各项信息，并对设计师、财务人员、苗圃管理人员的相关需求做出响应，实现了园林苗圃智慧式的管理和运行，进而推进园林苗圃产业的信息化进程，促进了园林苗圃的可持续发展。
随着现代信息技术的不断发展，现代信息化技术的应用往往带动行业的更新与发展，当前我国苗圃的信息化建设还相对比较薄弱，针对现状，本研究开展了运用无人机遥感系统搭载激光雷达的方法，获得苗圃的基本数据库，与人工测量对比，无人机遥感提取数据的方法可行并具有高效率和节约人工成本的优势，直观清晰地掌握苗木的信息，可为将来实现智慧苗圃信息的定期更新和发布提供技术支撑，但是无人机的应用也存在不足，如未能提取到苗木的胸径信息，因此，在园林苗圃的信息化管理中，需要结合人工管理，全方位完善园林苗圃的信息化管理。
目前，绝大部分苗圃没有库存销售管理系统，而这一部分又是苗圃信息化的核心部分。本研究探索了应用无人机遥感技术对园林苗圃信息库的建立，可为苗圃库存销售管理系统提供有效的原始数据，有助于开发和构建苗圃的库存销售系统，探索园林苗圃进一步的信息化建设，对苗圃生产库存销售信息实行统一管理，一方面可以避免重复劳动，减少人力和财力的浪费，另一方面可提高工作效率，实现智慧苗圃的运行和管理。
未来，随着无人机遥感技术的越发成熟，将在苗圃管理领域有更广阔的发展前景，如苗木的统计盘点、经营、病虫害防治、养护管理等方面权衡苗圃的投入和产出，为智慧苗圃的健康和可持续发展给予技术支持。
参考文献：
[1] 俞玖. 园林苗圃学[M]. 北京：中国林业出版社，1988.
[2] 洪晓霞，洪兆龙，翁升，等. 浙江国有苗圃改革发展现状及对策分析[J]. 浙江林业科技，2010（5）：82-86.
[3] 李宇昊. 无人机在林业调查中的应用实验[J]. 林业资源管理，2007（4）：69-73.
[4] 樊江川. 无人机航空摄影测树技术研究[D]. 北京：北京林业大学，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，李卫正，张青萍，等. 基于小型无人机的三维实景公园数字建模——以南京羊山森林公园为例[J]. 建筑与文化，2016（3）：120-121.
[9] 陈荻，李卫正，孔文丽，等.基于低空高分辨影像的三维绿量计算方法——以南京林业大学校园为例[J]. 中国园林，2015，31（9）：22-26.
