无人机遥感技术在城市绿地监测中的应用进展

张敏霞 梅丹英 高伟俊 鲍沁星 李方正

摘要：快速准确掌握城市绿地信息和动态变化是正确评估城市绿地生态效益和有效规划管理城市绿地的重要基础。无人机遥感技术的运用为快速准确获取城市绿地信息提供了技术条件，成为微中观尺度上绿地监测的重要工具。文章深入研究无人机系统在城市绿地监测中的应用现状，从绿地信息提取、变化检测、生态系统服务3方面综述了国内外最新研究进展，结果表明，无人机遥感在城市绿地信息提取方面的技术已经较为成熟，且在城市绿地变化监测和评估城市绿地生态系统服务方面已经进行初步尝试。

关键词：无人机，遥感技术，城市绿地，绿地监测

DOI： 10.12169/zgcsly.2019.05.12.0005

快速准确掌握城市绿地信息和动态变化，准确评估城市绿地生态效益，客观分析城市承载力，是合理制定城市绿地规划的工作基础[1]。近年来，无人机遥感作为一种新型空间遥感得到了快速发展，并在全球范围内引起了广泛关注，很多组织或个人开始研制集成多种传感器的无人机系统。传感器设备的更新和图像处理技术的发展为城市绿地监测研究带来新的契机，而消费级无人机市场占有率急剧增加，无人机与传感器设备朝着微型化发展，则为具有广泛需求的城市绿地微观尺度的研究探索提供了设备支持。我国城市绿地监测业务需要更为细致灵活地对样地进行定期观测，微小型无人机在此方面具有广阔的应用前景，特别是对于人和大型飞机不易到达的区域具有更为显著的优势。

1无人机系统

1.1无人机类型

无人机系统主要由3部分组成，即无人驾驶飞行器、地面控制站、由地面控制站负责指挥和控制无人机的数据传输系统[2]。无人机类型多样，因其所对应的有效载荷、续航时间和目的不同，无人机应用研究的尺度也不同，从而可获得分辨率各异的遥感数据。无人机可以按动力来源、控制方式、用途、结构、航程分为不同类型，如按照结构分为固定翼、旋翼、多旋翼无人机，按动力来源分为油动、电动、混合动力。关于无人机的分类目前还没有通用的规范，常用的分类方式是依据无人机的机身重量分为微小型（<5 kg）、小型（<30 kg）和战术型（<150 kg）[3]。

1.2无人机应用领域

无人机的发展始于1916年由美国人Lawrence和Elmer Sperry发明的第一台无人机[4]。至20世纪中后期，无人机被广泛用于军事领域，特别适用于执行有危险、人无法进入或涉及空中监视时间过长的任务[5]。20世纪90年代，随着无人机技术的发展和体量的减小，无人机开始应用于民用领域，并在随后的20年中得到迅速的扩展。至今，无人机已经进入全民应用阶段，并被世界各地的研究人员用于各专业领域的全新探索。

无人机在林业与农业监测中已经得到广泛的应用[6]，此外在考古探测[7]、灾害响应[8]、气象监测[9]、城市建设规划[10]等方面也获得了显著的研究成果。在城市建设规划中无人机可以执行建设监控[11]、交通监管[12]和施工管控[13]等方面的任务。在城市绿地监测方面，无人机的使用对判别城市绿地结构、类型、空间分布以及识别植物种类具有显著优势[13-14]。

随着空间遥感技术的发展，具有更高时空分辨率的无人机遥感技术越来越多地被应用于城市研究[15]，这给城市绿地监测研究带来了发展的契机。

1.3无人机在城市绿地监测中的优势

无人机遥感具有高时效、高机动性、高分辨率、云下低空飞行、成本低等优势[16]，为城市绿地识别与监测提供了新的方式和视角，可以作为地面遥感、卫星遥感和航空遥感的补充。无人机具有的时间可调度性和高度可控性可以满足不同绿地监测范围的实时数据传输，在非入侵式绿地探测研究中发挥着巨大的作用[17]。无人机小型化获得的高机动性极大支持了其在建筑与树木密集区域的行动力。同时，其在云层下成像的特点去除了大气云层的影响，较低的拍摄高度可使空间分辨率达到亚米级，且可获取精确的三维空间数据[18]。另外，低成本的消费级无人机的普及能够满足各相关部门不同尺度城市绿地监测研究需求。

基于以上优势，无人机遥感无疑将成为城市绿地监测的利器，其获取的遥感图像被认为是城市绿地研究的合适数据来源[19]。本文将从城市绿地信息提取、变化监测和生态系统服务3方面探讨无人机的研究进展。

2城市绿地信息提取

無人机遥感技术为快速准确提取绿地信息提供了大比例尺度的高分辨率影像数据[20]，便于获取城市绿地空间分类制图、绿地特征参数及绿地三维数据。

2.1城市绿地制图

城市绿地制图关键在于对城市植被区域的土地覆盖类型的识别[21-22]，其使用的数据包括卫星图像（中等分辨率或高分辨率）、航空摄影图像（高分辨率）和无人机图像（超高分辨率）。其中，中等分辨率的多光谱卫星图像，例如Land satTM和Landsat ETM+，可以被用来量化城市植被丰度;高分辨率的IKONOS，QuickBird等卫星数据和航空摄影目前已经广泛应用于城市植被制图和分类识别[23]。尽管卫星图像和航空摄影具有区分大面积土地覆被类型的能力，但对于城市内部微观尺度的植被覆盖信息却缺少准确提取的能力。

无人机遥感则为准确提取和绘制城市微观尺度的土地覆被类型提供了技术方法。由于能够在低海拔获得超高分辨率的图像，在高度异质的城市植被制图方面具有巨大的潜力。近年来越来越多的传感器与相机设备朝着小型集约化发展，无人机甚至已经能够搭载多光谱相机、高光谱相机、热红外相机、可见光相机等多个小型设备完成飞行任务，得到包含多重信息的植被二维数据，获得特定区域的超高精度绿地分布图。此外，还可以通过不同的解译算法与数据分析方法提高图像分类精度。Feng等[24]提出了一种利用随机森林和纹理分析的混合方法来精确区分城市植被区域的土地覆盖。Lin等[25]基于k-means聚类法和RGB植被指数进行植被覆盖分类制图，并综合纹理分析和颜色参数识别植被分布。

2.2绿地特征参数

无人机超高分辨率的影像可以满足城市内部绿地特征参数的采集，利用植被指数在微观尺度上监测植被光谱特征的变化。目前已经定义了40多种植被指数，主要包括归一化植被指数、差值植被指数、垂直指数、比值植被指数等。通过无人机可获取高时空分辨率的多光谱图像、高光谱图像、热红外图像和可见光图像用于计算植被指数，从而表征植被光谱特征，并反演植被覆盖度与叶面积指数等[26]。

植被覆盖度的测量对于城市微观尺度绿地规划和研究格外重要。植被覆盖度是地表植被垂直投影面积占总面积的百分比，是研究城市绿地生态系统平衡、水土流失、气候变化和景观组成的重要绿地指标。Xirui等[27]采用消费级无人机调查了典型的城乡结合部植被覆盖度现状，并进行了植被覆盖度的空间结构和空间异质性分析。

2.3绿地三维数据

无人机获取高精度城市绿地三维数据的主要方式有摄影测量、激光雷达和合成孔径雷达[28-29].由于小型无人机合成孔径雷达在绿地研究的应用较少且成像较模糊，本节主要探讨前两种方式在城市绿地研究中的应用。

无人机摄影测量系统通常搭载可见光或多光谱相机，配备全球导航卫星系统和惯性测量单元，通过三维重建算法将高重叠率的航拍照片生成具有相对参考坐标的图像及点云，并采用地面控制点、参考影像等方式进行几何校正。目前微小型无人机已经可以较平稳地获取航空影像，提高图像匹配精度。IBAN[30]使用了简单集成相机和两架无人机实现建立交互式的环境景观数字高程模型（ DTM）、数字表面模型（DSM）高分辨率正射影像、3D数字摄影测量模型来估算植被体积。

无人机激光雷达系统一般搭载集成化的激光扫描仪，与大型机载激光雷达相比，它可以大大降低成本并提供更密集的激光雷达点云[31]。Shidiq等[32]证实了基于无人机的激光雷达在高异质性的城市森林地区创建高程数据的能力。无人机激光雷达具有穿透性，有助于获取植被冠层结构和植被覆盖下的地形信息，其光谱信息单一，但摄影测量技术可以生成包含丰富光谱信息的多分辨率植被三维模型。无人机激光雷达和摄影测量数据的结合可以弥补单一方式的不足。

城市绿地三维模型从水平和垂直方向对城市绿地空间形态进行全方位研究，可以突破现有二维层面研究结论，进而充分考虑空间的整体性。Sehreyer等[33]对不同尺度的遥感技术在植被参数评估中的应用进行了总结，并分别用TanDEM -X高程卫星数据和基于无人机的三维点云数据来模拟城市地区的三维植被[34].结果表明无人机更适用于异质性城市绿地的研究。

3城市绿地变化监测

无人机遥感技术可实现飞行的可重复性、快速数据采集和对地面站的实时传输，使对城市绿地信息的获取与更新更加迅速，目前的应用研究主要体现在植物生长状况监测、绿地灾害监测和绿地污染物检测3个方面。

3.1植物生长状况监测

应用无人机技术对城市绿地基础设施、公园、街道绿化等进行评估，以一种非常有效的方式收集关于生长速度、物候变化、形态结构变化等城市绿地植被生长状况的专业信息。在遥感技术领域反映植被生长状况的指标主要有归一化植被指数、差值植被指数、垂直指数、比值植被指数等，其中应用最广泛的是归一化植被指数（ NDVI）。

NDVI是一个简单的图形指示器，用来评估被观察的目標是否含有活的绿色植被[35]。随后的研究表明NDVI与植物冠层的光合能力和能量吸收直接相关[36].因此可以作为植物生命力的反映。在专业无人机系统的协助下，可利用多光谱/高光谱摄像机进行成像，收集定位信息和高质量的光谱数据。采集的现场信息由专业的摄影测量处理平台Pix4D进行处理，从而获得高质量的NDVI模型。NDVI模型中不同的颜色范围代表了植物的健康程度，该技术为分析城市绿地所涵盖的环境、社会和经济服务提供了基本的植被健康信息。Dimitrov等[37]通过无人机搭载多光谱成像仪“Parrot SEQUOIA”获得NDVI模型，评估了Karlovo部分研究区域绿色基础设施的质量，并与原位观测对比分析，综合两种方法以评估Karlovo公园、城市森林、体育活动区和中心城镇4种不同类型区域的乔灌木植被健康状况。

3.2绿地灾害监测

无人机遥感技术可以实现城市绿地的远程监控与灾难的后续详细调查，可以到达并评估从地面无法到达或看到的树木区域。Nasi等[38]对比研究了基于高光谱成像技术的无人机和飞机两种系统对单个树木水平上评估树皮甲虫对挪威云杉树的危害的可行性，结果表明基于无人机的低成本遥感技术显示出更高的准确度。2hang[39]利用无人机遥感技术对日本虎杖入侵物种分布及生境条件进行空间分析，实例证明，无人机对于单独的树木或种群调查与植物入侵昆虫和病原体等流行病的快速检测是有效的。Kulhavy等[40]利用微小型无人机评估了52棵树的树干状况、生长情况、树冠结构、昆虫和疾病、树冠发育情况和预期寿命等6个变量。此外无人机摄影测量还能够用于林火监测，识别林火点和受灾范围等。

3.3绿地污染物检测

城市绿地生态系统可以通过植物叶片吸收和捕获空气中的污染物缓解城市空气污染，然而污染物分布的时空演化取决于周围环境、风力风向、湍流水平以及温湿度等，因此开发能够监测和跟踪污染物运动的科学技术是当前城市绿地污染物检测的重要任务。

微小型无人机集合多种传感器平台系统能够及时和准确地获取这些数据，并且因为该系统可以实现远程的自动化操控.操作人员不需要接触空气污染物，从而避免了潜在的危险[41]。该方法不仅可以获取包含空气污染物浓度数据在内的可见光图像、光谱图像、环境气候参数等多源数据，还实现了低成本高空污染物垂直浓度数据的动态监测。Liu等[42]研究比较了南京市区与城市森林公园颗粒浓度垂直分布，经无人机测量发现路边的树木由于较大的叶面积可以限制颗粒物在指定高度的垂直扩散，导致PM2.5和PM10浓度分别下降24%和26%。

4城市绿地生态系统服务

城市绿地提供的生态系统服务不仅支持城市的生态完整性，还可以保护城市人口的公共健康[43-44]，改善城市居民的生活，提供游憩场所，缓解气候变化[45]，促进城市可持续发展[46]。合理评估城市绿地的生态服务和生态安全[47-48]是充分发挥其生态功能的基础，同时也是开展城市绿地规划建设、有效管理城市绿地的重要依据。

4.1城市绿地热环境

卫星遥感已被认为是在宏观和中观尺度上研究城市热环境的有力丁具[49-50]，然而，较低空间分辨率和时效性的卫星遥感数据对于捕获复杂的城市绿地内部地表温度变化以及研究地表温度与绿地特征之间的精确关系是不够的。虽然带有热红外多光谱扫描仪的机载平台可以提供比卫星更好的空间分辨率，但高昂的价格、操作技术难度和较高的维护成本限制了其在研究中的广泛应用。

利用无人机获得的高分辨率热像图可以提供比卫星和机载平台更详细的热信息，从微观尺度观察城市绿地热环境，研究城市绿地缓解热岛效应的潜力、植物的热特性和表面温度分布及变化的影响关系。Ren等[51]在广州大学校园研究区域内利用无人驾驶飞艇得到了0. 8m空间分辨率范围的地表温度地图。Gaitani等[19]采用无人机载多光谱成像传感器在雅典的一处城市广场区域进行了空中调查和现场测量，形成了高分辨率的地表温度分布和材料性能的地图，以分析城市植被的表面温度影响机制。

4.2城市绿地用户服务

城市绿地为城市居民提供了日常游憩锻炼的场所，与城市公共健康和人居环境可持续发展息息相关。研究城市绿地的使用情况可以帮助更成功地规划公园、社区和街道绿化，并有助于制定策略以促进用户使用。以往的研究利用大数据信息探索经济、政策和交通等外部因素对城市绿地用户时空分布的影响[52-53]，而较少研究绿地内部因素对用户体验与用户数量分布的作用机制。

对于城市绿地内部的监测，传统的地面直接观察方法需要耗费大量的人力，对于大型城市绿地来说这种方法是低效的，小型无人机则具有优势。Park等[54-55]研究探讨了无人机在公园使用研究中的可用性。携带摄像机的无人机结合了肉眼观察和录像的优点，相比地面观察方法能在更短的时间内覆盖更大的区域，可充分节省数据收集所需的时间和成本。无人机录制的视频文件便于后期数据收集、处理和校验。此外，由于无人机不仅能更准确地捕捉到人的数量，而且还能捕捉到他们的活动、属性和空间模式，数据信息更丰富。

4.3城市雨洪管理

随着城市绿地被密集的居住区、硬质铺装等不透水地表替代[56]，城市内涝问题越发严重，如何将城市暴雨从人口密集区域引导出去成为一项重要挑战，它需要使用可靠的水文模型预测排水基础设施的水力特性。由于难以获得详细的图像数据，全球许多地区普遍缺乏准确的土地使用资料，这给水文模型的预测带来了极大的阻碍。无人机允许人们以相对较低的成本在所处地块获得高分辨率图像，执行按需重复测量。Tokarczyk等[57]首次研究了从无人机图像中获得城市地区高分辨率不透水地图的可能性，比较使用消费级无人机生成的不透水性地图和瑞士国家制图机构获得的标准大尺寸航空图像，证明了利用无人机能够实现城市洪水监测，提供潜在淹没区域的精确信息，帮助建立城市地区的降雨径流模型，支持洪水风险评估。

5讨论与展望

当前无人机遥感在城市绿地研究中的应用仍相对零散，研究方面涉及城市綠地信息提取、变化监测和生态系统服务等方面，多为城市绿地信息提取方面的技术性应用。研究成果相对成熟，技术操作性强，提取方式多样，可用于绘制高精度的城市绿地植被覆盖分类图，提取城市绿地覆盖度变化和绿地分布信息，获取绿地中单个树木或林分尺度的三维结构特征等。

随之而来的是无人机在城市绿地变化监测研究中的应用尝试，例如无人机对于监测植被生长状况、灾害响应与绿地污染物检测等。此外，无人机遥感还为评估城市绿地生态系统服务提供了异质性的绿地表面温度地图、用户使用数据与城市排水模型，但尚停留于技术性的探讨，特别是城市绿地对于地表热环境的作用机理研究仍比较缺乏。无人机遥感技术在城市绿地监测和生态系统服务方面的应用尚未建立成熟的技术体系和评估系统。

尽管无人机遥感对城市绿地调查有着众多的优势，但由于无人机影像的分辨率高、数据量大、图像处理难度大等问题，对于数据的量化分析依旧存在较大的挑战，这需要更加高效的图像处理和分类方法。此外，由于无人机平台荷载的限制，往往要求所载设备体积更小、自动化程度更高[58]。虽然无人机系统在空间分辨率上相对卫星与航空遥感具有显著优势，但其遥感范围小、时间同步性差、续航时间短的问题将极大限制其运用。无人机平台自身和软件处理技术的进步将对其在城市绿地监测研究的应用扩展产生巨大影响。最后还需要考虑无人机飞行活动的合法性，遵守国内外相关法规和规定[59]。

参考文献

[1]杨柳，陈延辉，岳德鹏，等无人机遥感影像的城市绿地信息提取[J].测绘科学，2017.42（2）：59-64.

[2] NONAMI K，KENDOUL F.SUZUKI S， et al.Autonomous FlyingRobots[M].Tokyo：Springer，2010.

[3] COLOMINA I. MOLINA P.Unmanned aerial systems for photo-grammetry and remote sensing：A review[J ].ISPRS Joumal ofPhotogrammetry and Remote Sensing，2014，92：79-97.

[4] NONAMI K.Prospect and recent research&development for civiluse autonomous unmanned aircraft as UAV and MAV[J] .Journalof System Design and Dynamics，2007，1（2）：120-128

[5]廖小罕，周成虎.轻小型无人机遥感发展报告北京：科学出版社.2016

[6] ADAO T，HRUSKA J， PADUA L， et al.Hyperspectral imaging：Areview on UAV-based sensors，data processing and applications foragriculture and forestry[J].Remote Sensing，2017，9（11）： 1110

[7] FERNiNDEZ-HERNANDEZ J，CONzALEZ-ACUILERA D，RODRICUEZ-CONZALVEZ P，et al.lmage-based modelling fromunmanned aerial vehicle（ UAV） photogrammetry： an effective，low-cost tool for archaeologiCdl applications[J].Archaeometry，2015，57（1）：128-145.

[8] MERINO L，CABALLERO F，MARTINEZ-DE-DIOS J R，et al.Anunmanned aircraft system for automatic forest fire monitoring andmeasurement[J].Joumal of Intelligent&Robotic Systems，2012，65（1-4）：533-548

[9] REUDER J，BRISSET P，JONASSEN M， et al.The SmallUnmanned Meteorological Observer SUMO：A new tool for atmos-pheric boundary layer research[J].Meteorologische Zeitschrift，2009，18（2）：141-147.

[10] DJIMANTORO M I，SUHARDJANTO C.The Advantage by UsingLow-Altitude UAV for Sustainable Urban Development Control[C] //IOP Conference Series： Earth and Environmental Science.IOP Puhlishing，2017 ，109（1）：012014

[11] HAM Y，HAN K K，LIN J J，et al.Visual monitoring of civil in-frastructure systems via camera-equipped Unmanned Aerial Ve-hicles（ UAVs）：a review of related works[J].Visualization inEngineering，2016，4（1）：1

[12] KE R，LI Z，KIM S，et al.Real-time bidirectional traffic flow pa-rameter estimation from aerial videos[J].IEEE Transactions onIntelligent Transportation Systems，2017 ，18（4）：890-901.

[13] TANC L，SHAO C.Drone remote sensing for forestry researchand practices[J].Joumal of Forestry Research， 2015， 26（4）：791-797.

[14]許兆军.高精度无人机影像同林绿化遥感测试应用研究[J].国土资源导刊，2016，13（4）：62-67.

[15] GAITANI N，BURUD I， THIIS T，et al High-resolution spectralmapping of urban thermal properties with unmanned aerial vehi-cles[J].Building and Environment ，2017 ，121：215 -224

[16]胡健波，张健.无人机遥感在生态学中的应用进展[J].生态学报，2018，38（1）：20-30

[17] GADI V K，GARC A，PRAKASH S，et al.A non-intrusive imageanalysis technique for measurement of heterogeneity in grass spe-cies around tree vicinity in a green infrastructure[J ].Measure-ment，2018，114：132-143

[18] JAAKKOLA A， HYYPPA J，KUKKO A， et al.A low-cost multi-sensoral mobile mapping system and its feasihility for tree meas-urements[J].ISPRS Journal of Photogrammetry and RemoteSensing，2010，65（6）：514-522.

[19] OTERO V，VAN DE KERCHOVE R，SATYANARAYANA B，etal.Managing mangrove forests from the sky： Forest inventoryusing field data and Unmanned Aerial Vehicle（ UAV） imageryin the Matang Mangrove Forest Reserve， peninsular Malaysia[J]Forest Ecology and Management，2018，411：35-45.

[20]楊柳，陈延辉，岳德鹏，等.无人机遥感影像的城市绿地信息提取[J].测绘科学，2017，42（2）：59-64

[21] ROSA D.L，WIESMANN D.Land cover and impervious surface ex-traction using parametric and non-parametric algorithms from theopen-source software R：An application to sustainahle urban plan-ning in Sicily[J] .GISci&Remote Sens ，2013 ，50（2）：231-250.

[22] GINI R，PASSONI D，PINTO L，et al.Use of unmanned aerialsystems for multispectral survey and tree classification：A test ina park area of northem Italy[J ].European Joumal of Re，ruoteSensing，2014，47（1）：251-269.

[23]汪少华，赵天忠，王鑫，等.利用同态滤波提取高分辨率遥感影像树冠信息[J].遥感信息，2015，30（3）：60-64.

[24] FENC Q，LIU J ，GONG J.UAV remote sensing for urhan vegeta-tion mapping using random forest and texture analysis[J]Remote Sensing，2015 ，7（1）：1074-1094.

[25] LIN Y，JIANC M ，YAO Y，et al.Use of UAV oblique imaging forthe detection of individual trees in residential environments[J]Urban Forestry&Urban Greening，2015 ，14（2）：404-412.

[26] BERNI J A J，ZARCO-TEJADA P J，suAREZ L，et al.Thermaland narrowband multispectral remote sensing for vegetation moni-toring from an unmanned aerial vehicle[J].IEEE Transactionson Geoscience and Remote Sensing，2009，47（3）：722-738.

[27]阮玺睿，丁磊磊，王志伟，等.运用无人机技术研究贵州省城乡结合部植被覆盖度现状：以贵州省农业科学院为例（英文）[J] .Atyicultural Science&Technology，2017，18（8）：1367-1370，1377.

[28]刘清旺，李世明，李增元，等.无人机激光雷达与摄影测量林业应用研究进展[J].林业科学，2017，53（7）：134-148.

[29] HENSLEY S，MICHEL T，NEUMANN M， et al Multi-baselineUAVSAR repeat pass data of the harvard forest[C]//EUSAR2012 9th European Conference on Synthetic Aperture RadarVDE，2012：109-112.

[30] IBAN M C.DSM extraction and vegetation volume estimationfrom UAV photogrammetric survey in a park area[D].Italy：Politecrucodi Milano，2013.

[31] GUO Q， SU Y， HU T，et al.An integrated UAV-borne lidarsystem for 3D habitat mapping in three forest ecosystems acrossChina[J].International Journal of Remote Sensing，2017 ，38（ 8-10）：2954-2972

[32] SHIDIQ I P A， WIBOWO A， KUSRATMOKO E，et al UrbanForest Topographical Mapping Using UAV LIDAR[C]//IOPConference Series：Earth and Environmental Science.IOP Puhlish-ing，2017，98（1） ：012034.

[ 33] SCHREYER J， LAKES T.Remote sensing-based approaches formodeling 3D vegetation information in urhan areas [ C ]//201414th Intemational Conference on Computational Science and ItsApplications.IEEE ，2014 ： 116- 120.

[34] SCHREYER J，LAKES T.TanDEM-X & UAV data for modeling3D vegetation information in urban areas [ C ]//2015 Joint UrbanRemote Sensing Event （ JURSE） .IEEE，2015 ：1-4.

[35] CUTMAN G，IGNATOV A.The derivation of the green vegetationfraction from NOAA/AVHRR data for use in numerical weatherprediction models [J] .Internatumal Joumal of reruote sensing，1998，19（ 8） ：1533-1543.

[36] MYNENI R B， HALL F G， SELLERS P J， et al. Theinterpretation of spectral vegetation indexes [J]. IEEETransactions on Ceoscience and Remote Sensing， 1995 ，33 （ 2） ：481-486.

[37] DIMITROV S， GEORCIEV G， GEORGIEVA M， et al.lntegratedassessment of urhan green infrastructure condition in Karlovo ur-ban area by in-situ observations and remote sensing [ J ]. OneEcosystem，2018，3：e21610.

[38] NASI R， HONKAVAARA E， BLOMQVIST M， et al. Remotesensing of bark heetle damage in urban forests at individual treelevel using a novel hyperspectral camera from UAV andaircraft[J] .Urhan Forestry & Urban Gre.ening，2018 ，30：72-83.

[39] ZHANG J.Spatial analysis of distrihutions and habitat conditionsof fallopia japonica （ Japanese Knotweed） invasive species ap-plying unmanned helicopter rermite sensing[ D ] .Buffalo：State U-niversity of New York，2015.

[40] KULHAVY D L，UNCER D R，HUNC I K，et al.Comparison ofAR.Drone quadricopter video and the visual CTLA method forurhan tree hazard rating[J] .Journal of Forestry，2016，114 （ 5 ） ：517-523.

[41] SINHA A，TSOURDOS A，WHITE B.Monitoring the dispersionof a contaminant cloud in an urban region by a swarm of uav sen-sors [J] .IFAC Proceedings Volumes ，2009 ，42（ 22） ：7-12.

[42] LIU F，ZHENC X，QIAN H.Comparison of particle concentrationvercical profiles hetween downtown and urban forest park in Nan-jing （ China） [J] .Atmospherie Pollution Research， 2018，9 （ 5 ） ：829-839.

[43] ESCOBEDO F J，KROECER T，WACNER J E.Urban forests andpollution mitigation：Analyzing ecosystem services and disservices[J] .Environmental Pollution ，2011，159（ 8-9） ：2078-2087.

[44] GROENEWEGEN P P，VAN DEN BERG A E，DE VRIES S，etal.Vitamin G： Effects of green space on health，well-heing，andsocial safety[J] .BMC Puhlic Health，2006，6（ 1） ：149.

[45] DAHMANN N，WOLCH J，JOASSART-MARCELLI P，et al.Theactive city？ Disparities in provision of urban public recreationresources[J].Health&Place，2010，16（3）：431-445

[46] LI F，SUN Y， LI X， et al.Research on the sustainabledevelopment of green-space in Beijing using the dynamic systemsmodel[J] .Sustainahility，2016，8（10）：965

[47] LI F，LU S，SUN Y，et al.lntegrated evaluation and scenario sim-ulation for forest ecological security of Beijing based on systemdynamics model[J] .Sustainahility ，2015，7（10）： 13631- 13659.

[48]官冬杰，高伟俊，渡利和之，等.城市生态系统健康的综合评价（英文）[J].华南理工大学学报（自然科学版），2007（增1）：175-178

[49] VOOGT J A，OKE T R.Thermal remote sensing of urban climates[J] .Remote sensing of environment ，2003 ，86（3）：370-384.

[50]宋恬恬，张敏霞，鲍沁星杭州西湖飞来峰基于”避暑”特征的山林地造同传统智慧研究[J].中国园林，2018，34（7）：74-80.

[51] REN P，MENG Q， ZHANC Y， et al An unmanned airshipthermal infrared remote sensing system for low-altitude and highspatial resolution monitoring of urhan thermal environments：lnte-gration and an experiment[J].Remote Sensing， 2015，7（10）：14259-14275.

[52] LI F，ZHANG F，LI X，et al.Spatiotemporal patterns of the use ofurhan green spaces and external factors contributing to their usein central Beijing[J].International Journal of Environmental Re-search and Public Health，2017，14（3）：237

[53]李方正，戴超蘭，姚朋北京市中心城社区公园使用时空差异及成因分析：基于58个公园的实证研究[J].北京林业大学学报，2017，39（9）：91-101.

[54] PARK K，EWING R.The usahility of unmanned aerial vehicles（ UAVs） for measuring park-based physical activity[J]Landscape and Urhan Planning，2017， 167：157 - 164.

[55] PARK K， PARK S.A Preliminary Study on Usability ofUnmanned Aerial Vehicles in Ohserving Park Users-Focused onUrban Parks in Busan[ J].Joumal of the Korean Institute ofLandscape Architecture ，2016 ，44（4）：35-44

[56] GUAN GAO W，WATARI K，et al.Land use change of Kita-kyushu based on landscape ecology and Markov model[J]Journal of Ceographical Sciences ，2008， 18（4）：455 -468.

[57] TOKARCZYK P，LEITAO J P，RIECKERMANN J， et al High-quality observation of surface imperviousness for urban runoffmodelling using UAV imagery[J].Hydrology and Earth SystemSeiences，2015 ，19（ 10）：4215 -4228

[58]张扬建，范春捆，黄珂，等.遥感在生态系统生态学上应用的机遇与挑战[J].生态学杂志，2017（3）：809-23

[59] NOOR N M，MASTOR I Z，ABDULLAH A.UAV/Drone Zoningin urhan planning：Review on legals and privacy[C ]//Proceed-ings of the second intemational conference on the Future ofASEAN （ICoFA） 2017 - Volume 2.Springer，Singapore，2018：855-862.

收稿日期：2019-05-12

基金项目：教育部人文社会科学研究青年基金项目（ 17YJC760117）;国家自然科学基金项目（31770754）;国家自然科学基金项目（ 31670704）

第一作者：张敏霞（1986-），女，硕士，讲师，加拿大不列颠哥伦比亚大学访问学者，研究方向为风景园林规划设计、风景园林工程技术。E-mail： zmx@ zafu. edu.cn

通信作者：李方正（1989-），男，博士，讲师，研究方向为城市绿色空间生态系统服务权衡与协同、风景园林与公共健康。E-mail： fangzhengli@ hjfu. edu. cn