基于无人机影像的城市复杂三维绿量快捷估算

罗嘉贝　周莹菲　冷寒冰　孟陈　侯正阳　宋通通　胡正云　张超　奉树成

关键词：城市植被;三维绿量;无人机;植物园

中图分类号：TP751 文献标志码：A DOI：10.3969/j.issn.1000-5641.2022.01.014

0引言

城市植被是城市生态系统的重要组成部分，在环境维护、生物多样性保护以及城市景观美化等方面发挥着重要的功能[1].过去20年，许多学者在此方面开展了大量研究，如从绿化覆盖率[2-3]、净初级生产力[4-5]、生物量[6-7]等指标，来监测和评价城市植被的生态功能或效益，但这些工作主要是从二维尺度来开展，缺少植被空间结构的考量，亟须城市生态空间从二维到三维的评价转变[8-15].三维绿量，起源于叶面积指数（Leaf Area Index）概念，指的是所有生长植物的茎叶所占据的空间体积，是准确描述城市森林的空间结构、体现城市植被生态效益的综合指标，可以为园林植物合理配置、绿量结构改善以及城市绿地规划提供重要依据.但是如何在高度异质性的城市生境中精确、快捷地开展三维绿量监测，是当前城市植被生态效益评估亟待解决的重要难题.

三维绿量的研究工作主要是近10年开始的，主要针对单株（街道）或城市纯林[16]，对于高度异质性且具有复杂群落结构的植被目前没有见到相关报道.对前期三维绿量的研究梳理发现，在研究方法上主要包括：①基于实地样方考察的推算法[17]，这种方法主要通过建立不同树种冠高、冠幅、基径之间的关系，结合航空相片判读测定树种、覆盖面积、株数、结构类型等特征数据和平面量来计算绿量.例如，周坚华等[18]、李祥军等[19]分别通过建立冠径—冠高、冠径—枝干等相关方程，测算了上海市全市和佳木斯大学4个院植被的三维绿量.这种方法属于半自动绿量计算方式，效率相对较低，精度依赖样方调查.②利用光谱特征等遥感属性信息，通过构建经验模型预测三维绿量[20].例如，孙克红[21]采用河南省焦作市Landsat8ETM+影像数据，利用基于面向对象的方法进行城市绿量分类，并建立了绿量估算模型.孙营伟等[22]、易扬等[23]利用了高分2号影像，采用多元回归分析方式建立了目标区域的三维绿量遥感反演模型.这些方法虽然证明了遥感影像提取城市二维叶面积的可行性，但是在垂直结构方向上无法精确测算，并不适用于高度异质性的城市植被的研究.为了解决此问题，也有学者结合了激光雷达点云数据，尝试测算垂直结构上的绿量，如陈小祥等[24]利用LiDAR点云数据与遥感影像数据，提取城市绿化区点云数据并计算绿量.但此方法的建模精度取决于模型的数学形式、模型参数的方差、遥感特征统计量等因素，并且在城市范围中操作难度比较大，成本较高.而无人机遥感技术凭借高精度影像数据，在农业、林业等很多方面都有较多的应用，如陈荻等[25]利用基于低空高分辨率影像的三维绿量计算方法成功实现了校园范围内的三维绿量的定量分析.相较于传统的遥感手段，无人机遥感技术不仅成本低，而且具有较高的图像分辨率（可达厘米级）和时效性，也解决了垂直结构信息的缺陷.

上海作为世界特大型城市之一，根据《上海市城市总体规划（2017—2035年）》[26]，2035年的上海将会成为一座更可持续的生态之城，其中城市植被的构建、植被结构与功能的完善是生态城市建设的重要基础.三维绿量监测被认为是如何合理建设城市植被、优化植被结构的参考基础[27].然而，由于城市植被类型的多样化与高物种多样性等特点，如何准确、高效地开展城市三维绿量监测，是绿化管理领域中亟待解决的挑战，其中一个典型区域为上海植物园，该园是一个以植物引种驯化和展示、园艺研究及科普教育为主的综合性典型区域，其绿地的建设成效对于上海城市绿地建设与管理具有标杆和示范作用.该园于1974年筹建，1978年正式对外开放，在过去40年里，植物的覆盖率和物種多样性等都得到了很大的提高，准确地度量植物园现有的三维绿量数值情况及其空间分布的格局，是理解植物园植被建设成效及开展空间格局优化的重要基础.

综上所述，本研究基于上海植物园的无人机低空高分辨率影像，利用地面控制点、数字地表高程等信息构建冠层高度模型，然后通过冠层高度模型计算上海植物园的三维绿量，并结合地面群落调查数据分析三维绿量的空间分布规律.本研究拟为城市植被绿量估算提供方法参考，并为上海植物园绿量估算与空间格局优化提供基础数据.

1数据与方法

1.1实验分析

上海植物园（31°08′37″N～31°09′12″N，121°26′27″E～121°26′56″E）位于上海市徐汇区西南部（图1）.属亚热带季风气候，夏季高温多雨，冬季温和少雨，四季分明，日照充分，雨量充沛.

植物园前身为龙华苗圃，共包括23个专类园区，边界的确定都是以道路、河流以及湖泊等为界线.专类园的确定包括两个步骤：①根据已有植物园功能区规划（未能全部覆盖植物园区域），包括松柏园、蕨类园、木兰园、牡丹园、杜鹃园、蔷薇园、槭树园、桂花园、竹园、盆景园、草药园、展览温室、兰室共13个专类园区;②上述13个园区未覆盖的地区，经和植物园专家一起实地考察和讨论，仍以道路或河流为划分边界，将剩余区域划分为科研中心绿地、4号门展示区、湖景茶园、休闲绿地、3号门展示区、植物园大楼附属绿地、单子叶植物绿地、环境保护区绿地、广玉兰香樟大道绿地、2号门展示区共10个专类园区.

目前植物园共有植物3500余种，含6000多个品种.上海植物园总占地面积81.86hm，其中绿地占65.81%，建筑占12.07%，道路占10.94%，水系占10.67%，裸地占0.51%，如图1.

1.2无人机影像数据获取

1.2.1影像的获取

使用由四旋翼无人机、航空摄影相机、机载定位系统、航摄计划设计软件和飞行管理系统等集成的航摄系统对上海植物园进行低空高分辨率影像获取.无人机型号为大疆精灵4PRO，续航时间30min，航速10m/s;机载定位系统使用美国天宝公司生产的RTK差分卫星定位系统，额定精度5mm;航空摄影机选用大疆精灵配套的佳能相机，焦距为8.9mm，传感器物理像元大小为2.4μm.实验于2018年9月20日14：00进行，正值夏末季节植被茂盛时期，成像质量较高.共计获取图像716张，像素分辨率为3645×5472.

1.2.2航摄基本参数

本次主航线飞行方向为东西方向，旁向为南北方向，以WGS84-51N为坐标系统.摄区面积为1.08km;相对航摄高度为90m;航摄比例为1∶200;最终成图分析采用影像分辨率为0.1m.航向重叠率80%，旁向重叠率60%.

式（1）和式（2）中：L、L表示像幅的边长，P、P表示航向和旁向重叠影像部分的边长.

1.2.3地面控制点采集

通过RTK差分GPS采集地面上具有明显特征的40个标志点，见图2，用于衡量图像拼接处理的精度.这些点尽可能选在道路交叉口，有明显轮廓边界的场地等易于识别的区域.并且地面控制点在整幅图像中均匀分布，地面控制点采用UTM投影，WGS84地理坐标系统.

1.3 绿量计算方法及冠层高度模型

1.3.1绿量计算方法

三维绿量是指所有生长植物的茎和叶所占的空间体积.由于卫星影像的高分辨率特点，本文采用传统的底面积乘以高度的方法对植物园的三维绿量进行估算，则有：

式（3）和式（4）中：V（s;t）为植被的三维绿量;s和t为影像的行数和列数;Δd为影像的分辨率（0.1m×0.1m）;hij為实际地物高程，H为数字地表高程;D为各专类园区的空间范围.对于三维绿量计算结果，最后采用分区统计的方式计算各个专类园区的三维绿量，便于对植物园建设提供有利参考.

1.3.2冠层高度模型

由式（3）知，h与H的差是计算绿量的重要指标.这里定义冠层高度模型（Canopy Height Model，CHM）为实际地物高程模型（Digital Surface Model，DSM）与数字地面高程模型（Digital Terrain Model，DTM）之差，见图3.对于无人机影像逐像元提取可以获得DSM;进一步通过高斯滤波去除植被与地物信息，获得DTM;最后将二者相减得到CHM.CHM的分辨率同无人机影像，为0.1m.

对于CHM，通过实地测量地物高度的方式进行模型精度验证.通过RTK差分GPS采集及标志性地物（楼房的转角、窨井盖中心、道路拐点等）作为标志点进行精度验证，这些点在整张图像中均匀分布.计算误差的平均值作为精度评价指标.

1.4群落调查

为了探究各个专类园的三维绿量与三维绿量密度受哪些因素影响，对植物园内每个专类园开展了群落调查.在无人机影像数据获取后，我们分专类园，选取典型植物群落样方（样地面积16m×16m，8m×8m，4m×4m，GF-2号空间分辨率为4m）（共96个群落，乔木群落58个，灌木群落25个，草本群落13个），对于乔木和灌木群落，样方内的采用每木调查法，使用激光测距仪（TruPulse200，USA）调查树高，并用皮尺和游标卡尺测量植株胸径以及冠幅.此后结合地面调查数据和无人机影像，判定乔木、灌木和草本的分布区范围，计算各个专类园内乔木群落、灌木群落、草本群落的面积;使用乔木群落、灌木群落占园区面积的比例作为加权因子来计算每个园区内的乔木群落和灌木群落的加权高度.最后，结合面积以及加权高度分析乔木、灌木、草本与绿量之间的关系.

2结果

2.1上海植物园无人机正射影像精度与冠层高度模型精度

利用测量的控制点进行空三平差解算，生成研究区影像.影像色彩自然，树木、道路、池塘等常见地物轮廓清晰可见.相比于常规的卫星影像，无人机影像的空间分辨率较高，适合高精度三维绿量计算.影像在x方向的平均误差为0.108m，y方向为0.098m，z方向为0.042m.影像处理的平面和高程误差越小，冠层模型估算的精度越高.在本研究中，0.1m的数据分辨率，平面和高程误差都控制在0.1m以内，可以获得较优的三维绿量测量精度，为准确构建植物冠层高度模型提供保障.

通过实地测量地物高度的方式，获得了地物实际高度、模型高度和经纬度坐标.经过计算，CHM模型的平均误差为0.27m，标准差为0.58m.

2.2上海植物园三维绿量空间分布特征

根据上海植物园CHM模型、影像空间分辨率及式（3）与式（4）计算上海植物园的三维绿量，结果见图4、表1.由图可见，上海植物园的绿量分布呈西南部密集、东北部稀疏的格局.北部为两个园区入口展示区以及科研中心绿地，园区入口处多放置一些欣赏性较高的灌木，如凤尾兰（Yucca gloriosa）、玫瑰（Rosa rugosa）等.该区域为整个植物园的游览起到引导作用，植物配置密度较低，层次较为单一.两入口展示区和科研中心绿地的平均绿量密度为3.3m/m.植物园的西南部地区主要分布着各大植物专类园，植物种类丰富，平均绿量密度达到6.5m/m，所含绿量占植物园总量的88.7%.

上海植物园中绿量最高的3个园区分别是牡丹园、松柏园与温室附属绿地，所对应的绿量分别达到了289491.00m³、338322.10m³与360586.50m³，主要分布在中部和东部位置.绿量密度最高的3个园区分别为兰室（9.23m/m）、蕨类园（11.30m/m）与广玉兰香樟大道（13.11m/m），位于植物园的南部.

2.3 三维绿量总量/绿量密度的影响因子分析

2.3.1上海植物园各园区群落调查结果

结合群落调查结果以及遥感影像判读的方式，我们最终获得了上海植物园各园区乔木优势种和灌木优势种的面积以及高度信息，见表2.乔木分布面积最多的分别为以水杉、香樟、悬铃木为优势种的温室附属绿地（23510.68m），以香樟水杉、榧树、落羽杉、柏木为优势种的松柏园（23125.90m）和以香樟、水杉为优势种的兰室（19239.84m），在它们之中有两个专类园区的总三维绿量位于前三;乔木加权高度最高的分别为以香樟、水杉为优势种的兰室（12.39m），以三角枫为优势种的槭树园（11.48m）和以香樟为优势种的环境保护区绿地（11.16m），它们之中并没有园区的总三维绿量位于前三.再从灌木优势种的角度分析，灌木分布面积最多的分别为牡丹园（4368.49m）、温室附属绿地（3570.26m）和草药园绿地（2989.92m），它们之中牡丹园的总三维绿量最高;灌木优势种加权高度最高的分别为牡丹园（0.62m）、3号门绿化（0.52m）和草药园绿地（0.42m）.

2.3.2三维绿量总量的影响因子分析

结合2.2节中获得的各园区总绿量结果以及2.3.1节中获得的各园区优势乔木或灌木的面积及高度等信息，对影响园区总绿量的因子展开分析.用线性拟合的方式分别拟合各园区乔木面積、乔木加权高度、乔木绿量、灌木面积、灌木加权高度和灌木绿量与各专类园区三维总绿量之间的关系，如图5所示.最终得到的R结果分别为0.67、0.07、0.69、0.14、–0.049和0.04.总体上看，专类园区的总三维绿量与专类园区内优势乔木的绿量的线性相关性最为显著.

从表2中不难发现，草药园的灌木分布面积虽然非常广，但是草药园的总体三维绿量在所有园区的总三维绿量中并不处于高位;相反，高大乔木（水杉、香樟、柏木）分布较多的温室附属绿地、松柏园以及兰室的总三维绿量在所有园区的总三维绿量中处在非常高的位置.因此，从优势种类别的角度看，园区的三维绿量受优势乔木的影响远大于灌木.

2.3.3三维绿量密度的影响因子分析

同2.3.2节，用线性拟合的方式分别拟合各园区乔木面积占比，乔木加权高度，乔木加权高度和面积占比乘积，灌木面积占比，灌木加权高度，灌木加权高度和面积占比乘积，与各专类园区三维绿量密度之间的关系，如图6所示.最终得到的R结果分别为0.54、0.61、0.57、–0.008、–0.048、–0.047.总体上看，专类园区的三维绿量密度与专类园区内乔木的加权高度的线性相关性最为显著，当然绿量密度与乔木面积占比以及乔木加权高度与面积占比的乘积的相关性也是远高于灌木的，这也正说明乔木的种类与形态结构主导着植物园三维绿量密度的空间分布.

3讨论

综上，上海植物园的三维绿量存在着空间分布不均匀的情况：牡丹园、松柏园、温室附属绿地、兰室的绿量非常高，主要分布在植物园的中部区域;蔷薇园、休闲绿地、单子叶植物园区的绿量较低，主要位于植物园中西部区域，分布在绿量较高的牡丹园、蕨类园、槭树园之间.

出现绿量空间分布不均匀的原因与多种因素有关，可以分为历史原因、功能定位、种类组成和面积大小差异3个部分.由于1974年以前，上海植物园的前身曾是龙华苗圃，原先的地区植被一直保育良好，植株较为高大茂密，后期扩建时选用了一些生长周期较短的苗木，与原先生长较慢的高大乔木形成反差，因此产生了初步的绿量分布空间差异.而出于完善植物园功能布局的目的，部分休闲绿地与园区入口展示区的绿量较低，植物园作为以植物引种驯化、植物学研究、科学传播、园艺展示为主的综合性城市植物园，需要兼顾各方面的建设需要，在提高园容景观与植被分布合理性的同时，还需满足游客的游览、活动、休闲等需求，因此一般在园区入口（特别是后期扩建区域的入口）会布置开放空间，供观赏的花草和灌木布展，零星点缀乔木树种，这进一步扩大了植物园不同功能区绿量的差异.不同园区的树种组成和面积大小也是导致绿量空间分布差异的一个重要原因，通过上一章节的拟合结果可以看到，影响三维绿量的主要因子是优势乔木的面积与高度（图5（a）—5（c）），乔木的种类与形态结构同样主导着植物园三维绿量密度的空间分布（图6（a））.如兰室、温室附属绿地的乔木面积占比较高，槭树园、蕨类园、兰室、环境保护区绿地、广玉兰香樟大道南等区域乔木的平均高度都超过了10m，这些园区的绿量普遍都较高;而蔷薇园、休闲绿地、单子叶植物园区等的乔木、灌木树种的面积和平均高度都较低，因此导致总体绿量水平也偏低.本部分研究表明，增加乔木树种栽植面积是提高植物园三维绿量的关键，同时对于园区入口（2号门、4号门）区域，需要优化植被格局，可以结合灌草生理特征以及景观美学，合理配置一些乔木植株.

牡丹园、松柏园和温室附属绿地为植物园绿量的主要来源.牡丹园栽种了大量优质品种的牡丹，包括中原品种群、江南品种群、西北品种群以及日本牡丹种，种植密度高且覆盖面积大，同时也被樟树、榆栎等树木群落覆盖;松柏园种植的雪松、龙柏、日本柳杉等50多种裸子植物虽然分布并不密集、地形开阔，但是树形往往高大挺拔，在利用本研究算法的情况下所得到的绿量结果较高;温室附属绿地的绿量总量虽高，但绿量密度较低，主要是附属绿地种植的是草本植物以及较为低矮的灌木、小乔木.本研究由于无人机技术原因，无法获取温室以内的植被信息，没有进行温室内部的三维绿量计算，但植物园温室占植物园总体面积的比例约为0.5%，因此对于植物园整体三维绿量的影响较小.槭树园、广玉兰香樟大道等园区的绿量密度明显高于竹园、蔷薇园、杜鹃园等园区，这与建群种的差异密切相关，如广玉兰、香樟等常见高大乔木的生物量明显高于单子叶植物、小型灌木的生物量.同时，植物园有相当面积的蔷薇园，目前三维绿量值也较低（图4、表1），主要是因为栽植植物是桃、樱花等蔷薇科植物，目前植株相对较小，对于该区域植物园需要加强科学管理（水、肥和病虫害管理），随着植物的生长，该专类园植被绿量会增加.

兰室、蕨类园等小型草本和灌木的园区绿量密度非常高，分别达到了9.23m/m和11.3m/m.这是因为兰室分为盆栽式展示区、自然式展示区和庭院式展示区，其中的自然式与庭院式展示区除不同种类的兰花外，还覆盖有大片的水杉、池杉等高大乔木，因而提高了绿量的总体密度.而这样布局的原因是兰花生长需要一定的阳光和较大的湿度，但阳光不能过强，高大乔木在夏季能够有效地遮挡阳光，使得兰室里的光照环境和温度不至于太高，同时周边成片的森林有利于增加湿度，增加散射光.环境保护区绿地与广玉兰香樟大道相邻，绿地周围密集种植着高大乔木;蕨类植物自身的生物量占比较小，但因蕨类植物多为土生、石生、附生或湿生，喜潮湿温暖的环境，在栽种时需在其周围种植高大的乔木以起到遮荫的作用，植物园主要栽植在林下以及通过工程方法附着在乔木茎或枝上（成为附生植物）所使用的乔木树种主要为香樟和水杉，同时在高大乔木上搭建水管定时喷水，这样才能提供蕨类植物生长所需要的阴湿环境，如此错落的层次结构也更显美观，在园林设计中较为常用，因此使得园区的绿量密度较高.绿量密度较低的区域主要为科研中心绿地和休闲绿地，绿量密度分别为1.81m/m和1.57m/m，主要是由于乔灌木面积及平均高度都较小.

研究发现，上海植物园平均绿量密度为6.51m/m，郑思俊等[28]在对上海临港新城的研究中，计算得到临港新城的三维绿量密度为0.46m/m，其绿量和绿量密度的高值主要分布在城区的西侧，也就是成陆时间较久的区域，绿量密度可达6m/m，而东部为绿量密度低值区，主要为农业用地和林草用地，绿量密度为1～3m/m.潘蓉婷等[29]在对东北典型校园（沈阳工学院）的研究中，计算得到校园平均绿量密度为0.652m/m.李凤霞等[30]在对西安主城区三维绿量的研究中，计算得到西安主城区的三维绿量为37475294.7m，绿量密度为0.0034m/m，并且由高至低对城市不同区域提供的三维绿量进行了排序：风景名胜区、文化和教育区、交通路线、居住区、工业区.相比而言，上海植物园的绿量密度较好，绿化水平较高，对于城市绿地的建设具有标杆和示范作用.

本文所提取的上海植物园的无人机影像具有高分辨率性与垂直信息，与LiDAR点云数据计算绿量相比，本文的方法在数据采集方面受到的干扰因素相对较小.但是高密度的LiDAR点云数据可以提供树冠以下部分的每一处位置的高度信息，充分地在三维坐标系中还原一株植物.而本文所采用的绿量体积计算方法，没有将植株整体的形状考虑进去，树冠以下部分的绿量估算存在偏大的情况.因此，在未来的研究中，我们将基于LiDAR点云数据以及地面大样方调查，进一步提高植物园三维绿量的估算精度.

4结论

本研究基于无人机的低空高分辨率影像，通过对无人机影像进行逐像元提取和计算，获得实际地物高程模型与冠层高度模型，对上海植物园的三维绿量进行了估算.结果表明，无人机影像的整体平面和高程精度优于0.1m，冠层高度模型精度的平均误差为0.27m，标准差为0.58m，具有较好的精度.经估算，上海植物园的总绿量为3538944.50m，平均绿量密度为6.51m/m，綠量和绿量密度分布呈东北低西南高的格局.各专类园绿量与乔木群落分布面积、建群种高度以及两者的乘积显著相关，各专类园绿量密度与乔木群落面积占专类园比例、建群种高度以及两者的乘积显著相关.本研究可以为城市植被绿量估算提供方法参考，并为上海植物园绿量估算与空间格局优化提供数据基础.

致谢 感谢骆博雅、赵琳雅在植物园野外调查中给予的帮助.

（责任编辑：李万会）