城市绿植养护数字化管护平台的资源统计方法

江苏省产业技术研究院 丁军军

针对城市绿植养护数字化管理平台中采用传统手段对资源数据统计效率低误差大的问题，本文提出一种通过激光雷达和无人机摄影相结合的绿化资源统计方法，对城市绿化信息进行自动化获取和智能化评估，辅助城市绿化日常养护工作以及城市规划设计决策。通过多次实地测试对比，本文提出的快速资源统计方法在城市复杂环境中的林业信息获取以及林业数据智能分析任务中表现出色。

园林绿化是城市组成中一个不可缺少的要素，“数字园林”也是“数字城市”的一个重要组成部分。2021年04月09日，住房和城乡建设部发布国家标准《园林绿化工程项目规范》，自2022年1月1日起实施，对项目和技术规范以及对应的要素指标规范实施做出了强制规定标准。2021年05月20日，苏州市召开城市绿化工作推进会，会中回顾“十三五”市城市绿化工作取得的成绩的同时，明确了“十四五”的目标任务：以服务人民为初心，加快城市绿化提档升级；以提升质量为中心，加快提升公园建设水平；以行业监管为重心，加快转变面上管理模式；以打造品牌为核心，加快提升城市形象品质。2021年06月02日，国办发布〔2021〕19号文件，指出要立足新发展阶段、贯彻新发展理念、构建新发展格局。对地方政府提出要科学编制绿化相关规划，加强对绿化相关规划实施的检查和督促落实。合理安排绿化用地科学划定绿化用地，实行精准化管理。可见，随着城市建设步伐的加快，经济的迅猛发展和人民生活质量的日益提高，城市化水平也逐渐提高，城市绿化管理成为一个城市市容、市貌的重要衡量标准，同时对风景名胜区、古树古木的管理水平的高要求、高标准也提上了日程。园林绿化的综合管理正逐渐受到人们的重视。

1 存在的问题及解决思路

在城市绿化建设快速发展的同时，对日常维护管理工作也提出了更大的挑战，目前我国园林绿化管护平台建设中普遍存在的问题包括：(1)数据库片面缺失，城市发展进程较快，数据资料以纸质资料为主且难以及时更新；(2)树木清点手段粗放，传统采集方式以人工清点为主，难以准确统计绿化树木信息且误差较大；(3)养护处理依赖人员经验，整体养护规划性有待提升；(4)工单下发后监管人员的巡查过程不可控，监督管理有待深化；(5)信息反馈滞后，园林养护信息主要依靠巡检人员口述记录，工作环节增多时效率低下；(6)对于绿地系统的格局缺乏系统考虑，“建筑优先，绿地填空”现象严重；(7)园林绿化规划、建设、管理，各自为政，自成体系，缺乏全局性、系统性、规范性的管理体系；(8)城市园林绿化意识普遍不高，存在“政府热，公民冷”的现象。

大数据、云计算兴起，物联网持续发力，区块链备受推崇，人工智能的火热登场，掀起新一轮技术革命热潮，相对于传统人工采集方式，费时费力，效率低下，激光雷达设备采集系统因其高效、便捷、精准和实用被业内所推崇，可以说，新技术的应用是行业发展的必然趋势。对比目前各个管理系统中采用的商用地图，实景三维展示平台因其建模精度高、纹理清晰，数据精准能呈现真实比例的三维场景，成为了新宠。因此，可以说“数字孪生”是数字化浪潮的必然产物。因此，运用先进的数据采集手段、“互联网+”思维和物联网、大数据云计算、移动互联网、信息智能终端等新一代信息技术，与现代生态园林相融合，建立智慧园林资源精准数据库是智慧园林绿化养护管理的基础；统筹项目管养、有效实施管养计划和提高城市园林绿化的管理水平，是提高日常工作效率和质量，提升市政园林综合监管服务水平必要手段。

2 基于LiDAR的绿化资源统计方法

针对目前城市绿化智能管护平台存在的问题，其中通过对绿化资源快速准确的统计建立精准的数据库才是平台建设的重中之重，也是平台能够高效运行的基本保证。

2.1 资源统计现状

树木结构参数的提取如群落三维结构、层片结构、树高、胸径、冠幅等，是定量化树木生态系统结构、格局与功能的重要前提，在树木碳源汇估算、树木管理与经营、生物多样性研究与保护等方面有着重要作用，是完成树木资源调查任务的基础工作。以胸径、清点和树冠普查为例：

胸径是表达树木生长状况的重要的因子之一。传统方式以胸径尺、轮尺等接触式测量为主，外业工作量巨大。完成整体数据采集需要花费大量的人力及时间。苗圃清点工作的现状非常依赖于人工，需要对每颗树木进行标记等工作，且苗圃种类繁杂，工作量大且工作方式单一，所以传统的清点方式会耗费大量的人力和时间，而且人为主观因素容易对结果造成影响，容易出现错测、漏测等问题。树冠作为树木完成光合作用，为树木提供养分，对苗圃的调查结果有重要的意义。传统的树冠测量方式也是以人工为主，工作强度大、效率低、危险性高，而且树冠也较难分辨，所以树冠的测量一直都难以解决。

2.2 信息采集设备

采集设备采用无人机载加背包式激光雷达。一方面，可以通过不同的遥感手段，对苗圃内部的详细信息进行及时的掌握，全面、准确、客观的对苗圃的分布状况进行有效的掌握；另一方面，利用激光雷达技术获取的高精度遥感数据，能够进一步分析处理得到林区的生物量、蓄积量、冠层高度、冠层覆盖度、郁闭度/间隙率、林窗参数、树密度、甚至林区单木的位置、高度，可以减少人工调查工作量，提高林业资源调查的效率和准确度。特别是在人员难以到达的地区，可以大大提高调查效率。

无人机载+背负式移动激光雷达技术主要技术优势在于：数据精度高，背负式移动视觉可以达到8mm的精度，机载激光雷达可以达到0.3m左右的精度；主动遥感，以主动测量方式采用激光测距方法，不依赖自然光，其获取数据的精度完全不受影响；植被穿透能力强，由于激光雷达具有多次回波特性，激光脉冲在穿越植被空隙时，可返回树冠、树枝、地面等多个高程数据，有效克服植被影响，更精确探测地面真实地形；数据获取高效快速，通过无人机载+背包式的方式可以快速高效的获取三维立体点云，该数据可用于森林资源调查，进行单木分割，提取每棵树的位置、树高、胸径、冠幅等信息；数据完整，由于林区树木植被茂密，且地形地貌复杂，用一种设备很难获取完整数据，顶部区域使用无人机载，地面使用背包式的方式即可解决数据完整性问题，两者相互结合，即可获取完整的空地一体化的高精度数据。

2.3 内业处理

完成外业数据采集工作后，将生成的激光雷达点云数据导入计算机进行数据处理。使用专业点云数据处理软件，按照数据处理流程依次操作，完成单木分割操作后，即可提取到每一株树木的编号、坐标、树高、胸径、冠径等林业数据。

内业数据处理的流程大致分为七个步骤：(1)去除空中噪点提高数据质量；(2)从点云数据中分离地面点；(3)对地面点数据细分类，提高分类精度；(4)对点云进行归一化，去除地形影响；(5)选择离地面1.2m处（默认：1.1-1.3m）的点云数据，采用拟合圆的方式量提取树木胸径（DBH），获取树木ID、胸径和株数。如果树木事倾斜生长，需采用拟合圆柱方法；如果树干为椭圆，则使用点云数据的平面坐标利用最小二乘拟合二维椭圆；(6)通过单木筛选工具对拟合结果进行检查与编辑，根据筛选范围可对DBH拟合结果进行显示、隐藏、删除与提取操作。筛选操作包括：按置信度筛选、按树ID筛选、按DBH筛选以及按树高筛选。(7)DBH拟合结果可以保存为CSV文件，其中包含树ID、树的位置和DBH。

2.4 单木分割

面对林地和绿植密集区域，单木分割技术的准确性是内业处理效率的关键。单木分割的主要思想是采用K均值聚类算法，依据激光雷达扫描的环境点云信息进行单木分割，具体包括4个步骤：(1)结合地面高度信息对点云进行同一高度分层处理，提取分层面中的点云局部最大值；(2)将提取的点云局部最大值进行聚类算法处理，获取聚类中心点，计算点云到聚类中心点的距离，根据所设定阈值结合点云距中心点的距离进行分类，再次计算新生成类的中心点，如此循环迭代，最终中心点位置偏差小于设定阈值则结束聚类；(3)设定不同分层聚类中心点最小距离阈值，对多层点云聚类中心点进行筛选，将符合阈值条件的中心点进行融合，其聚类的点云即为单木分割数据；(4)依据分割后的单木点云信息，计算单木点云最大横截面积，作为单木冠幅，将离地同等高度树干点云中心作为单木位置坐标，该类点云的最高点作为单木的树高。如图1所示，为常熟某地块苗圃单木分割效果。与人工清点结果完全吻合。胸径误差均值为1.5cm。软件中对苗木提取的结果以三维模型形式直观显示，每株苗木会用不同的颜色区分出来。利用模型可以快速定位到某一棵树，并显示出位置、树高、胸径等属性信息。

图1 单木分割效果图Fig.1 Single wood segmentation effect diagram

3.2 昆山城市公园绿植数据统计验证

昆山城市公园总面积约为135亩，即90000m。单人外业采集共计用时2.5小时，内业数据处理用时5小时。本次采集的实物地物类型主要为植物要素，植物要素为乔木、灌木、竹林等。系统快速扫描城市绿化资产，可以实时快速查询到每一株树的位置信息和植株基本信息。激光点云采集效果如图2所示。本次测试采集了昆山市城市公园内全部绿植信息，乔木数量、灌木竹林面积准确，乔木胸径误差均值为1.1cm。

图2 城市公园部分树木激光点云效果图Fig.2 Laser point cloud effect diagram of some trees in a city park

3 资源统计验证分析

3.1 常熟苗圃数据统计验证

采用无人机载结合背包式设备针对常熟苗圃地块进行了资源统计。在实测过程中，总计面积约17亩的苗木信息，采集用时25分钟，其中包括了苗木数量、位置、树高、胸径等信息。设备获取的苗木高精度点云数据，在软件中进行准确地提取。其中，一号地块278株，树高平均6.528m，最高9.762m、最矮3.045m；胸径平均0.116m，最大0.244m、最小0.082m；冠径平均4.451m，最大16.793m、最小0.756m。二号地块567株，树高平均8.643m，最高16.868m、最矮2.862m；胸径平均0.17m，最大0.529m、最小0.06m；冠径平均4.764m，最大20.317m、最小0.511m。从实测结果来看

为验证数据的精度，在城市公园采用现场实测针对设备测试生成的数据进行了验证，随机测量了10棵树的胸径，并与处理后的点云数据成果进行比对，比对结果如表1所示：

表1 数据验证结果Tab.1 Data verification results

由以上多次实地测试可以看出，基于LiDAR的绿化资源统计方法能够极大地减少绿化信息获取工作量，提高数据精度。同时，系统提供的数据处理分析算法，为城市绿化管理工作提供林业资产数据和动态管理方法，用高新技术手段辅助城市绿化规划设计，解决林业信息化过程中产生的困难。

4 结语

当下城市绿化建设过程中，传统绿化管理方式向新技术手段的绿化信息化管理方式过渡，期间暴露出越来越多的问题亟待解决。因此本文提出一种城市绿化智能管护系统，通过激光雷达和无人机摄影等高新技术，对城市绿化信息进行自动化获取和智能化评估，辅助城市绿化日常养护工作以及城市规划设计决策。然后在常熟市和昆山市苗圃和城市绿地中展开了多次实地测试，测试结果表明，系统可以满足城市绿化复杂环境下的高效率林业数据采集，数据精度高，数据智能分析结果具有很大的应用价值。在未来的城市绿化建设中将发挥极大的作用。