• Scopus收录期刊
  • CSCD(核心库)来源期刊
  • 中文核心期刊
  • 中国科技核心期刊
  • F5000顶尖学术来源期刊
  • RCCSE中国核心学术期刊
高级检索

利用无人机高分辨率影像进行树木高度提取

杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏

杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8): 17-23. DOI: 10.13332/j.1000-1522.20160428
引用本文: 杨坤, 赵艳玲, 张建勇, 陈超, 赵鹏鹏. 利用无人机高分辨率影像进行树木高度提取[J]. 北京林业大学学报, 2017, 39(8): 17-23. DOI: 10.13332/j.1000-1522.20160428
YANG Kun, ZHAO Yan-ling, ZHANG Jian-yong, CHEN Chao, ZHAO Peng-peng. Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)[J]. Journal of Beijing Forestry University, 2017, 39(8): 17-23. DOI: 10.13332/j.1000-1522.20160428
Citation: YANG Kun, ZHAO Yan-ling, ZHANG Jian-yong, CHEN Chao, ZHAO Peng-peng. Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)[J]. Journal of Beijing Forestry University, 2017, 39(8): 17-23. DOI: 10.13332/j.1000-1522.20160428

利用无人机高分辨率影像进行树木高度提取

基金项目: 

国家自然科学基金项目 41371502

详细信息
    作者简介:

    杨坤。主要研究方向:土地复垦与生态重建。Email:ykvolcano@sina.com   地址:100083 北京市海淀区学院路丁11号中国矿业大学(北京)

    责任作者:

    赵艳玲,教授,博士生导师。主要研究方向:土地复垦与生态重建及3S技术应用。Email:zhaoyl7677@163.com   地址:同上

  • 中图分类号: S771.5

Tree height extraction using high-resolution imagery acquired from an unmanned aerial vehicle (UAV)

  • 摘要: 无人机遥感技术在树木参数获取中具有重要作用。为探讨利用无人机高分辨率影像提取树高的可行性,本文选择邱集煤矿矿区森林公园为研究区,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均高度,并将地面平均高度视为树木根部的高度,得到树木高度。研究表明:最大类间方差法能够准确分割树木点云和地面点云;利用无人机高分辨率影像进行树高提取是可行的,树木高度测量绝对误差小于80cm、相对误差绝对值最大为16.2%、标准误差为36.3cm;同时,树冠的形状会对树高测量造成影响,阔卵形树冠的法国梧桐和圆锥形树冠的圆柏高度标准误差分别为29.2和50.9cm,两者树高测量值与真实值决定系数分别为0.9920和0.8894,阔卵形树冠的法国梧桐测高精度明显高于圆锥形树冠的圆柏测高精度。
    Abstract: Unmanned aerial vehicle (UAV) remote sensing technology plays an important role in the acquisition of tree parameters. In order to explore the feasibility of using high-resolution imagery of UAV to extract tree height, the Qiuji Coal Mine Forest Park of Shandong Province of eastern China was selected as the study area in this paper, the Pix4D software was used to process high-resolution imagery collected by UAV to generate the orthomosaic and 3D point cloud. The OTSU method was used to divide the 3D point cloud into two parts: the tree point cloud and the ground point cloud, then the top height of tree and the mean height of the ground were extracted according to the two parts of the point cloud. And the tree height was computed when the average ground height was taken as the height of tree root. The results showed that the tree point cloud and the ground point cloud could be accurately divided by OTSU method. And it was feasible that high resolution UAV imagery was used to extract the tree height, the absolute error of tree height was less than 80cm, the relative error was 16.2%, and the mean square error (RMSE) was 36.3cm. At the same time, the measurement of tree height was affected by the shape of crown. The height RMSE of Platanus acerifolia with broadly ovate crown was 29.2cm, the height RMSE of Sabina chinensis with conical crown was 50.9cm, the coefficient of determination R2 of the measured height and the real height of the two kinds of trees were respectively 0.9920 and 0.8894, the accuracy of measured height of the Platanus acerifolia was significantly higher than that of the Sabina chinensis.
  • 森林是一个国家的重要资源,在防治水土流失、改善生态环境方面发挥着重要作用,具有良好的生态效益和社会效益[1]。但是,一直以来森林不断遭受着病虫害的侵扰,大量的农药被用来防治病虫害的发生。在防治的同时,大量农药喷洒在林地上,部分农药残留渗入地下,经由河流汇入湖泊,不可避免对环境水体造成一定污染[2]

    拟除虫菊酯是一类广泛使用的杀虫剂,是衍生自菊花和植物花的除虫菊酯的合成衍生物[3]。它们通常被大量用于林业、农业等领域[4]。据报道,在中国,每年消耗3 700多吨拟除虫菊酯类农药,用于害虫防治[5]。大量拟除虫菊酯的使用会导致生态环境的污染,同时,如果人体长期过量接触拟除虫菊酯,会产生严重的健康问题,引发包括恶心、呕吐、呼吸抑制、精神变化、急性肾损伤等疾病症状[6]。因此,有必要对环境水体中的拟除虫菊酯进行检测。

    由于样品的复杂性和低浓度性,需要进行样品预处理才能够进行检测。传统的萃取方法有液液萃取(LLE)[7]、索氏提取(Soxhlet extraction)[8]、固相萃取(SPE)[9]等。液液萃取易于使用,无需使用复杂的仪器执行。然而,高毒性有机溶剂的大量消耗和提取分析物的低选择性限制了液液萃取的使用。与液液萃取相比,固相萃取消耗较少量的有机溶剂,但相对昂贵且耗时[10]。因此,近年来的样本前处理技术不断向绿色化、微型化和简便化方向发展。

    分散液液微萃取(DLLME)是常用的农药残留检测方法,具有操作简单、快速、成本低等优点。该方法由Rezaee等[11]于2006年提出来,主要包括两个步骤:萃取剂分散和回收。传统分散液液微萃取需要采用有机分散剂进行分散,既消耗了有机溶剂,又降低了分析物的分配系数。近年来不需要有机分散剂的辅助分散方法逐渐被开发出来,丰富了分散液液微萃取技术。具体分散技术包括手动摇晃[12]、涡旋[13]、超声[14]、微波[15]等。其中,手动摇晃因为重现性差而逐渐被其他方式代替,而其他几种方式都需要使用仪器进行操作,难以现场进行。2014年,Lasade-Aragones等人首次引入了泡腾辅助分散液液微萃取(EA-DLLME),它是通过酸和碳酸盐或碳酸氢盐发生泡腾反应,产生二氧化碳将萃取剂分散[16]。因其不受超声、涡旋等仪器限制,具有现场处理的可能,且具有环境副作用小的优点,越来越受到欢迎[17]

    最近,可转换亲水性溶剂(SHS)已被用作液相微萃取中的萃取剂[18]。中链脂肪酸被认为是可转换亲水性溶剂[19],其机理是通过调节pH值实现可溶和不溶之间的转化[20]。而且,中链脂肪酸的钠盐和泡腾片都是可溶性固体粉末,泡腾反应能够促进可转换亲水性溶剂的分散和溶解,同时,泡腾片中过量的酸可以促使萃取剂从可溶性转变为不溶性,从而完成萃取过程。因此,将可转换亲水性溶剂与泡腾片结合非常利于微萃取过程的完成[17]

    萃取剂相的分离是液相微萃取技术的重要步骤,离心是常用的相分离方法,但是离心步骤涉及到离心机的使用,而大型仪器的存在使得前处理过程难以在现场操作[21]。基于此问题,研究者开发出多种现场处理方法。磁性纳米粒子(MNPs)分散在溶液中吸附萃取剂,借助于磁铁吸附作用实现汇聚,最终洗脱得到萃取剂,整个过程不需要使用大型仪器,方便现场操作[16]。另外,利用低密度溶剂会漂浮在溶液上层的性质,刘学科等使用1-十一烷醇作为萃取剂,采用移液管吸收上层液体的方法以实现现场处理[22]。最近,采用过滤方式进行相分离的方法也可以很好地在现场进行[23]。本课题组已制作具有良好亲油疏水性的过滤柱,采用过滤方式实现萃取剂的回收[24]。目前还没有研究采用泡腾片分散和过滤分离相结合的方法,来进行样品的现场前处理。

    因此,在现场处理的基础上,本研究开发了一种基于可转换亲水性溶剂的泡腾片辅助分散液液微萃取结合气相色谱法,测定环境水中的拟除虫菊酯类农药。该方法按照一定配方压制泡腾片,用于萃取剂的分散,采用过滤方式进行相分离,成功完成了前处理步骤和气相色谱仪检测。整个提取过程不依赖任何特殊仪器,这使得该方法得以成功地应用于现场处理。目前,该方法已成功应用于北京市环境水的检测。

    5种拟除虫菊酯类农药标准品(联苯菊酯、氟氰菊酯、氯氰菊酯、氰戊菊酯、溴氰菊酯)购自坛墨质量检测技术有限公司(江苏,中国),纯度均 > 98%。己酸钠(99%)、壬酸钠(98%)购自百灵威公司(北京,中国)。柠檬酸、磷酸二氢钠、碳酸氢钠、碳酸钠均购自麦克林公司(上海,中国)。SPE色谱柱购自安捷伦科技公司(美国)。聚丙烯吸油棉和聚丙烯无纺布购自苏州伊路发环保技术有限公司(江苏,中国)。

    安捷伦7890B型气相色谱仪(美国安捷伦科技公司,美国),配备电子捕获检测器;DB-5 MS型毛细管柱(30 m × 0.32 mm × 0.25 µm);手动液压压片机购自鹤壁立信仪器有限公司(河南,中国);Milli-Q超纯水系统(Millipore,美国);万分之一天平;微量进样针;一次性注射器。

    使用色谱级乙腈,分别配制5种拟除虫菊酯标准品的标准溶液(2 000 μg/mL),并在4 ℃的冰箱中储存。将5种标准溶液等体积混合配制混合标准溶液。将混合标准溶液稀释至不同浓度,得到工作标准溶液。自来水、水库水和河水均采集于中国北京。水样收集在玻璃瓶中,避光储存。

    使用万分天平称量0.499 2 g柠檬酸、0.405 6 g磷酸二氢钠、0.218 4 g碳酸氢钠和0.180 0 g己酸钠,加入到研钵中,手动研磨直至获得均匀细致的粉末。然后,将粉末放入直径12 mm模具中,使用手动液压压片机在1 MPa的压力下压制成泡腾片,取出泡腾片,干燥储存或直接使用。

    自制过滤柱制备过程如图1所示,它由3部分组成:SPE外壳、吸油棉填料和适配器。先将1 mL SPE色谱柱裁剪至合适的高度,底部加入一个垫片;然后将吸油棉切成长条状,卷成圆柱形,填充到SPE柱中,起到过滤作用,在上部再压上一个垫片;最后将适配器插入色谱柱上方,获得自制过滤柱。

    图  1  过滤柱的制备
    Figure  1.  Preparation of filter column

    取10 mL水样品注入20 mL注射器中,注射器下端接转接头,加入已制备的泡腾片,待泡腾片完全反应、注射器中无气泡产生时,打开转接头,使用自制过滤柱过滤注射器中溶液,再使用50 mL注射器吹干自制过滤柱上残留水滴,最后使用200 μL乙腈洗脱得到分析物,进行气相色谱电子捕获检测器(GC-ECD)检测。

    萃取剂的选择朝着越来越绿色、环保、低毒等的方向发展,因此,本研究选择了两种可转换性溶剂(己酸钠和壬酸钠)进行优化,其他条件如下:脂肪酸盐的量为0.16 g,泡腾片成分包括0.499 2 g柠檬酸、0.405 6 g 磷酸二氢钠和0.218 4 g 碳酸氢钠,无盐,自制过滤柱(填料吸油棉,高度为2 cm,密度为60 mg/cm),洗脱剂乙腈200 μL。结果如图2所示,对样本进行显著性检验,P < 0.01,两组间差异极显著,而己酸钠具有更高的响应值,因此,己酸钠萃取效果更佳,用于后续的优化实验。

    图  2  萃取剂种类的影响
    Figure  2.  Effects of the type of extractant

    泡腾片中己酸钠的用量需要进行优化,以获得最佳的条件。在实验中,检测了不同用量己酸钠(0.16、0.18、0.20、0.22 g)对峰面积的影响,其他条件同上。如图3所示,不同萃取剂用量差异显著(P < 0.01),当萃取剂为0.16 g时,峰面积最大,随着萃取剂用量的增加,峰面积逐渐减小。因此,最终选择0.16 g己酸钠进行后续优化实验。

    图  3  萃取剂用量的影响
    Figure  3.  Effects of the amount of extractant

    泡腾反应对萃取剂的分散和萃取具有重要影响。不同类型的泡腾片将发生不同时长和强度的泡腾反应,从而影响最终的萃取效果。在实验中,我们选择了4种物质(柠檬酸,磷酸二氢钠,碳酸氢钠和碳酸钠)进行测定。4种方案如表1所示。泡腾片中的酸不仅与碳酸盐发生泡腾反应,而且与萃取剂反应,使萃取剂从可溶状态转变为不溶状态,完成萃取。基于该过程对酸的双重要求,具有较强酸性的柠檬酸成为最佳选择。实验中同时发现,柠檬酸酸性较强,反应迅速,反应时间过短,导致萃取剂分散不充分,萃取效果受到影响,所以,加入弱酸磷酸二氢钠作为调节剂,延缓反应的速度,延长反应的时间,使萃取剂在分散、转化和萃取过程更为充分。根据图4所示,P < 0.01表明差异极显著,综合A、B、C、D四个方案显示,方案A的反应速度和反应强度更为优化,萃取效果更佳。因此,泡腾片制备选择方案A(柠檬酸 + 磷酸二氢钠 + 碳酸氢钠 + 己酸钠)。

    表  1  不同泡腾片成分方案
    Table  1.  Scheme of different effervescent tablets
    编号 No.方案 Scheme反应时间 Reaction time/s
    A 柠檬酸 + 磷酸二氢钠 + 碳酸氢钠 + 己酸钠
    Citric acid + sodium dihydrogen phosphate + sodium bicarbonate + sodium hexanoate
    60
    B 柠檬酸 + 磷酸二氢钠 + 碳酸钠 + 己酸钠
    Citric acid + sodium dihydrogen phosphate + sodium carbonate + sodium hexanoate
    80
    C 柠檬酸 + 碳酸氢钠 + 己酸钠 Citric acid + sodium bicarbonate + sodium hexanoate 15
    D 柠檬酸 + 碳酸钠 + 己酸钠 Citric acid + sodium carbonate + sodium hexanoate 30
    下载: 导出CSV 
    | 显示表格
    图  4  泡腾片类型的影响
    Figure  4.  Effects of different effervescent tablets

    萃取剂己酸钠很容易受到pH值的影响,因此有必要对泡腾片的酸碱比进行优化。根据酸碱电离理论,柠檬酸可产生3个H+,磷酸二氢钠可产生1个H+,碳酸氢钠和己酸钠可产生一个OH。因此,根据不同的酸碱比(6∶2∶1∶1,8∶2∶1∶1,10∶2∶1∶1)进行优化。结果如图5所示,进行显著性分析,P > 0.05,差异性不显著,表明pH的变化能够对峰面积产生影响,但是目前范围变化影响不大。据图可知,在柠檬酸∶磷酸二氢钠∶碳酸氢钠∶己酸钠的比例为8∶2∶1∶1的情况下,可获得最佳峰面积。因此,泡腾片质量为0.499 2 g柠檬酸,0.405 6 g磷酸二氢钠、0.218 4 g碳酸氢钠、0.18 g己酸钠,进行下一步实验。

    图  5  酸碱比例影响
    Figure  5.  Effects of acid-base ratio

    通过向水样中添加不同量的盐(0 ~ 10%, w/w)来调节盐的质量分数,从而评估盐效应带来的影响。如图6所示,随着盐质量分数的增加,不同农药的响应幅度显示出差异,联苯菊酯和氰戊菊酯P < 0.01,差异极显著,受盐效应影响较大,抑制作用明显;而氟氯氰菊酯、氰戊菊酯、溴氰菊酯P > 0.05,差异不显著,变化不大。总体上盐质量分数的增加起到了抑制作用。因此,最终选择零添加进行后续研究。

    图  6  盐效应的影响
    Figure  6.  Effects of salt effect

    自制过滤柱是进行相分离的重要设备。而自制过滤柱的填料是影响分离效果的重要因素。吸油棉和无纺布被选作自制过滤柱的填料,二者都是聚丙烯材料,能够在过滤过程中吸附萃取剂,完成相分离,但是在亲脂性和疏水性的性能上存在差异,因此有必要对其进行优化。结果如图7所示,显著性检验P < 0.01,表明不同填料类型差异极显著,吸油棉效果显著高于无纺布。因此,吸油棉用于后续实验。

    图  7  填料类型影响
    Figure  7.  Effects of homemade filter column packing type

    自制过滤柱填料的高度和密度会影响过滤性能。如果过滤柱填料过高,则需要消耗更多的洗脱剂,降低响应值;如果过滤柱填料过低,则容易无法完全保留过滤溶液中的萃取剂,影响回收效率,所以,选择合适的高度对于该方法具有重要影响。因此,研究了1.5、2.0和2.5 cm高度对峰面积的影响,结果如图8所示,显著性检验P > 0.05,差异不显著,考虑到在2 cm高度时,除联苯菊酯外,其他几种农药微弱高于其他条件。因此,选择了2.0 cm高度的自制过滤柱进行进一步研究。

    图  8  自制过滤柱填料高度影响
    Figure  8.  Effects of height of homemade filter column packing

    如果过滤材料太紧,则会影响过滤速度;如果过滤材料太稀疏,萃取剂将很容易被冲洗掉。所以,有必要对过滤柱的密度进行优化。因此,在2.0 cm的高度条件下,研究了不同密度的填料(40、50、60、70 mg/cm)对峰面积的影响,结果如图9所示,显著性检验显示联苯菊酯、氰戊菊酯和溴氰菊酯P < 0.05,差异显著,峰面积呈现先增后减的趋势,在60 mg/cm处获得最佳效果。因此,最佳密度选择为60 mg/cm。

    图  9  自制过滤柱填料密度影响
    Figure  9.  Effects of density of homemade filter column packing

    为了评价所建立方法的性能,评估了包括线性范围、线性方程、相关系数、检测限、定量限、相对标准偏差和富集倍数在内的参数。在优化条件下进行研究,结果如表2所示,在5 ~ 500 μg/L的线性范围内,相关系数均 ≥ 0.999 0,线性关系良好。检出限和定量限分别为0.22 ~ 1.88 μg/L和0.75 ~ 6.25 μg/L。日内标准差和日间标准差分别低于6.1%和5.4%。富集倍数在65 ~ 108范围内。

    表  2  5种菊酯的线性方程、相关系数及检出限
    Table  2.  Linear equation, correlation coefficients and detection limits of five pyrethroids
    化合物
    Compounds
    线性范围
    Range of
    linearity/
    (μg·L−1)
    线性方程
    Linearity
    equation
    相关系数
    Correlation
    coefficient
    检出限
    Limit of
    detection/
    (μg·L−1)
    定量限
    Limit of
    quantitation/
    (μg·L−1)
    日内标准差
    Intra-day
    SD/%
    日间标准差
    Inter-day
    SD/%
    富集倍数
    Enrichment
    factor
    联苯菊酯 Bifenthrin 5 ~ 500 y = 94.8x − 217.5 0.999 0 0.22 0.75 6.1 0.8 108
    氟氯氰菊酯 Cyfluthrin 5 ~ 500 y = 24.916x + 67.895 0.999 4 1.03 3.45 2.2 5.4 71
    氯氰菊酯 Cypermethrin 5 ~ 500 y = 13.341x + 42.416 0.999 6 1.65 5.49 3.0 4.6 65
    氰戊菊酯 Fenvalerate 5 ~ 500 y = 68.004x + 165.82 0.999 6 0.39 1.29 4.3 2.9 66
    溴氰菊酯 Deltamethrin 5 ~ 500 y = 21.184x − 51.306 0.999 9 1.88 6.25 1.9 1.3 93
    下载: 导出CSV 
    | 显示表格

    为了进一步验证所开发方法的可靠性和适用性,本研究分析了包括自来水、库水、水在内的3种实际样品。添加质量浓度为0、50、200 μg/L,样品回收率总结于表3,空白样品与加标样品色谱图见于图10。结果显示:所有空白实际水样均未检测到农药残留,表明采样地水质较为纯净。加标样品的回收率为88.2% ~ 113.0%,相对标准偏差在4.5% ~ 11.8%之间,均在可接受范围。因此,该方法可以成功准确地检测环境中水样。

    表  3  使用建立的方法对3种实际水样进行分析
    Table  3.  Analytical performance of the proposed method for three real samples
    化合物
    Compounds
    自来水 Tap water水库水 Reservoir water河流水 River water
    添加水平
    Spiked level/(μg·L−1)
    回收率
    Relative recovery/%
    标准差
    SD/%
    回收率
    Relative recovery/%
    标准差
    SD/%
    回收率
    Relative recovery/%
    标准差
    SD/%
    联苯菊酯
    Bifenthrin
    50 92.3 8.3 94.5 4.5 105.1 6.8
    200 113.0 5.7 97.8 8.1 107.6 10.0
    氟氯氰菊酯
    Cyfluthrin
    50 106.2 6.1 104.8 7.3 104.6 7.9
    200 109.7 7.4 103.2 8.3 99.5 7.5
    氯氰菊酯
    Cypermethrin
    50 98.2 7.5 96.4 7.9 97.5 9.3
    200 108.5 5.7 99.1 9.2 100.2 8.9
    氰戊菊酯
    Fenvalerate
    50 96.8 6.9 96.5 6.1 104.4 6.4
    200 110.8 5.0 93.7 8.6 102.7 8.2
    溴氰菊酯
    Deltamethrin
    50 88.2 8.6 88.7 5.2 97.1 8.8
    200 101.6 6.0 89.6 10.2 98.8 11.8
    下载: 导出CSV 
    | 显示表格
    图  10  空白样品(a)和加标样品(b)的气相色谱图
    添加质量浓度为50 μg/L;峰1为联苯菊酯;峰2为氟氯氰菊酯;峰3为氯氰菊酯;峰4为氰戊菊酯;峰5为溴氰菊酯。Spiked mass concentration, 50 μg/L; peak 1, bifenthrin; peak 2, cyfluthrin; peak 3, cypermethrin; peak 4, fenvalerate; peak 5, deltamethrin.
    Figure  10.  Gas chromatogram of blank sample (a) and spiked sample (b)

    为了体现现场分散液液微萃取结合气相色谱法(On-stie DLLME-GC)的优越性,该方法与已报道方法的几个重要参数进行了比较。如表4所示,研究发现该方法具有良好的线性范围、较低的检出限。同时,相比于前处理过程,固相萃取、分散固相萃取等方法都需要使用耗电设备,主要体现在在萃取剂的分散[25-26]和萃取剂的分离[27]两个步骤,Li等[25]使用磁力搅拌仪进行Fe3O4@TiO2的分散,Mi等[26]采用离心吸取上层液的方法进行相分离。与之前前处理方法相比,该方法成功地实现了整个样品前处理过程不使用耗电设备,从而实现了现场样品处理,大大减少大量样品运输带来的不便,减少了人力和物力的消耗。因此,On-site DLLME-GC-ECD被证明是一种经济实用、简单方便的方法,能够用于现场处理环境水样中的5种拟除虫菊酯类杀虫剂。

    表  4  与其他方法在水中拟除虫菊酯测定中的比较
    Table  4.  Comparison of the proposed method and some other methods for pyrethroids determination in water
    方法
    Method
    检测器
    Detector
    萃取剂
    Extraction
    solvent
    线性范围
    Range of linearity
    检出限
    Limit of
    detection/
    (μg·L−1)
    是/否使用耗电设备
    Yes/no use of
    power-consuming
    equipment
    是/否现场
    Yes/no on-site
    参考文献
    Reference
    固相萃取
    Solid phase extraction
    高效液相色谱仪
    HPLC
    Fe3O4@TiO2 25 ~ 2 500 2.8 ~ 6.1 是 Yes 否 No [25]
    分散固相萃取
    Dispersive solid
    phase extraction
    高效液相色谱仪
    HPLC
    β-环糊精连接的
    超支化聚合物
    CD-HBP
    5 ~ 500
    10 ~ 500
    0.96 ~ 2.06 是 Yes 否 No [26]
    固相萃取
    Solid phase extraction
    气相色谱仪
    GC
    Fe3O4-NH2@MIL-101(Cr) 0.002 ~ 2.000 0.005 ~ 0.009 是 Yes 否 No [27]
    现场分散液液微萃取
    On-site DLLME
    气相色谱仪
    GC
    己酸钠
    Sodium hexanoate
    5 ~ 500 0.22 ~ 1.88 否 No 是 Yes 本工作
    This work
    下载: 导出CSV 
    | 显示表格

    本研究发了一种基于现场处理的分散液液微萃取气相色谱法测定环境水中的5种拟除虫菊酯类杀虫剂。该方法采用泡腾片辅助分散方式,选择可切换亲水性溶剂作为萃取剂。影响此方法的相关因素进行了优化,在最佳条件下,样品的加标回收率为88.2% ~ 113.0%,相对标准偏差为4.5% ~ 11.8%,检出限在0.22 ~ 1.88 μg/L之间,定量限在0.75 ~ 6.25 μg/L之间。富集倍数为65 ~ 108。该方法具有毒性低,污染小,环境友好的优点,同时在萃取剂分散和回收过程不需要用电设备,操作简便,方便现场操作,减少运输带来的不便。最后,该方法成功检测了3种环境水样,具有应用于现场处理的广阔潜力。

  • 图  1   大疆M100无人机

    Figure  1.   DJI M100 unmanned aerial vehicle(UAV)

    图  2   无人机航线和相机拍照位置

    Figure  2.   UAV flight route and camera position

    图  3   树高提取工作流程

    Figure  3.   Workflow of extracting tree height

    图  4   研究区点云数据

    Figure  4.   Point cloud data of the study area

    图  5   样本树木地面点云与树木点云的分割

    Figure  5.   Segmentation results of ground and tree point cloud of 6th tree

    图  6   各实验树木高度误差

    Figure  6.   Height error of the experimental trees

    图  7   不同树种的树木测量高度与真实高度比较

    Figure  7.   Comparison of measured tree height and real tree height of different tree species

    表  1   树木高度提取结果

    Table  1   Extraction results of tree height

    树木编号
    Tree serial No.
    树种
    Tree species
    真实树高
    Real tree height/m
    测量树高
    Measured tree height/m
    误差
    Error/cm
    相对误差
    Relative error/%
    1 圆柏Sabina chinensis 4.557 4.178 -37.9 -8.3
    2 圆柏S. chinensis 4.690 3.929 -76.1 -16.2
    3 圆柏S. chinensis 4.727 4.391 -33.6 -7.1
    4 圆柏S. chinensis 4.661 4.026 -63.5 -13.6
    5 圆柏S. chinensis 5.222 4.495 -72.7 -13.9
    6 圆柏S. chinensis 5.875 5.513 -36.2 -6.2
    7 圆柏S. chinensis 5.458 5.324 -13.4 -2.5
    8 圆柏S. chinensis 5.435 5.036 -39.9 -7.3
    9 法国梧桐Platanus acerifolia 6.929 6.515 -41.4 -6.0
    10 法国梧桐P. acerifolia 7.427 7.301 -12.6 -1.7
    11 法国梧桐P. acerifolia 7.968 7.861 -10.7 -1.3
    12 法国梧桐P. acerifolia 6.577 6.489 -8.8 -1.3
    13 法国梧桐P. acerifolia 7.927 7.579 -34.8 -4.4
    14 法国梧桐P. acerifolia 7.516 7.245 -27.1 -3.6
    15 法国梧桐P. acerifolia 8.816 8.630 -18.6 -2.1
    16 法国梧桐P. acerifolia 8.358 8.232 -12.6 -1.5
    17 法国梧桐P. acerifolia 6.744 6.417 -32.7 -4.8
    18 法国梧桐P. acerifolia 6.437 5.997 -44.0 -6.8
    19 法国梧桐P. acerifolia 11.017 10.851 -16.6 -1.5
    20 法国梧桐P. acerifolia 12.223 11.736 -48.7 -4.0
    21 法国梧桐P. acerifolia 6.786 6.504 -28.2 -4.2
    22 法国梧桐P. acerifolia 8.797 8.405 -39.2 -4.5
    23 法国梧桐P. acerifolia 8.482 7.869 -61.3 -7.2
    24 法国梧桐P. acerifolia 13.347 13.269 -7.8 -0.6
    25 法国梧桐P. acerifolia 12.595 12.553 -4.2 -0.3
    26 法国梧桐P. acerifolia 5.046 4.702 -34.4 -6.8
    27 法国梧桐P. acerifolia 5.296 5.207 -8.9 -1.7
    28 法国梧桐P. acerifolia 5.828 5.977 14.9 2.6
    29 法国梧桐P. acerifolia 5.271 5.493 22.2 4.2
    30 法国梧桐P. acerifolia 5.081 5.290 20.9 4.1
    下载: 导出CSV

    表  2   树木高度误差绝对值范围统计

    Table  2   Error absolute value range statistics of tree height

    误差绝对值范围
    Error absolute value range/cm
    树木数量
    Tree number
    占比
    Proportion/%
    0~10 4 13.3
    10~20 7 23.3
    20~30 4 13.3
    30~40 8 26.7
    40~50 3 10.0
    >50 4 13.3
    下载: 导出CSV

    表  3   不同树种高度标准误差

    Table  3   Root mean square error (RMSE) of tree height of different tree species

    树种
    Tree species
    树冠形状
    Canopy shape
    高度标准误差
    RMSE of height/cm
    决定系数
    Coefficient of determination
    圆柏Sabina chinensis 圆锥形Conical 50.9 0.889 4
    法国梧桐Platanus acerifolia 阔卵形Oval 29.2 0.992 0
    下载: 导出CSV
  • [1] 汪小钦, 王苗苗, 王绍强, 等.基于可见光波段无人机遥感的植被信息提取[J].农业工程学报, 2015, 31(5):152-159. doi: 10.3969/j.issn.1002-6819.2015.05.022

    WANG X Q, WANG M M, WANG S Q, et al. Extraction of vegetation information from visible unmanned aerial vehicle images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(5): 152-159. doi: 10.3969/j.issn.1002-6819.2015.05.022

    [2]

    SELKOWITZ D J, GREEN G, PETERSIN B, et al. A multi-sensor lidar, multi-spectral and multi-angular approach for mapping canopy height in boreal forest regions[J]. Remote Sensing of Environment, 2012, 121(2):458-471. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=db33fbff1b96c1197c85bc14ff04d38c

    [3] 侯红亚, 王立海, 徐华东, 等.目测法估测树高的误差分析[J].森林工程, 2012, 28(2):6-8. doi: 10.3969/j.issn.1001-005X.2012.02.002

    HOU H Y, WANG L H, XU H D, et al. Error analysis of tree height estimation based on eye measurement[J]. Forest Engineering, 2012, 28(2):6-8. doi: 10.3969/j.issn.1001-005X.2012.02.002

    [4] 冯仲科, 隋宏大, 邓向瑞, 等.三角高程法树高测量与精度分析[J].北京林业大学学报, 2007, 29(增刊2):31-35. http://www.cnki.com.cn/Article/CJFDTOTAL-LDGH200906005.htm

    FENG Z K, SUI H D, DENG X R, et al.Survey and precision analysis of tree height by trigonometric leveling[J]. Journal of Beijing Forestry University, 2007, 29(Suppl.2):31-35. http://www.cnki.com.cn/Article/CJFDTOTAL-LDGH200906005.htm

    [5] 冯仲科, 赵英琨, 邓向瑞, 等.三维前方交会法测量树高及其精度分析[J].北京林业大学学报, 2007, 29 (增刊2):36-39. http://www.cnki.com.cn/Article/CJFDTEMP-BJLY2007S2009.htm

    FENG Z K, ZHAO Y K, DENG X R, et al. Measurement and precision analysis of tree height by 3D forward intersection[J].Journal of Beijing Forestry University, 2007, 29 (Suppl.2):36-39. http://www.cnki.com.cn/Article/CJFDTEMP-BJLY2007S2009.htm

    [6] 冯仲科, 韩熙春, 周科亮, 等.全站仪固定样地测树原理及精度分析[J].北京测绘, 2003(1):28-30. doi: 10.3969/j.issn.1007-3000.2003.01.008

    FENG Z K, HAN X C, ZHOU K L, et al. The analysis of forestry measuration principle and precision in fixed samples by total station[J].Beijing Surveying and Mapping, 2003(1):28-30. doi: 10.3969/j.issn.1007-3000.2003.01.008

    [7] 谢鸿宇, 温志庆, 钟世锦, 等.无棱镜全站仪测量树高及树冠的方法研究[J].中南林业科技大学学报, 2011, 31(11):53-58. doi: 10.3969/j.issn.1673-923X.2011.11.011

    XIE H Y, WEN Z Q, ZHONG S J, et al. Measure method research of tree height and tree crown by non-prism total station[J]. Journal of Central South University of Forestry and Technology, 2011, 31(11):53-58. doi: 10.3969/j.issn.1673-923X.2011.11.011

    [8] 王智超, 冯仲科, 闫飞, 等.全站仪测树的内外业一体化方法研究[J].西北林学院学报, 2013, 28(6):134-138. doi: 10.3969/j.issn.1001-7461.2013.06.27

    WANG Z C, FENG Z K, YAN F, et al. Integrated indoor and field forest measurement by using total station[J].Journal of Northwest Forestry University, 2013, 28(6):134-138. doi: 10.3969/j.issn.1001-7461.2013.06.27

    [9]

    DEMETRIOS G, JEREMYS F, VIEENTES M. Challenges to estimating tree height via LiDAR in closed-canopy forests: a parable from Western Oregon[J]. Forest Science, 2010, 56(2):139-155. http://cn.bing.com/academic/profile?id=4cafa9f5e90a42a92cfd9dcd94bd044c&encoded=0&v=paper_preview&mkt=zh-cn

    [10]

    ANDERSEN H E, REUTEBUCH S E, MEGAUGHEY R J. A rigorous assessment of tree height measurements obtained using airborne lidar and conventional field methods[J]. Canadian Journal of Remote Sensing, 2006, 32(5):355-366. doi: 10.5589/m06-030

    [11] 邓向瑞, 冯仲科, 马钦彦, 等.三维激光扫描系统在立木材积测定中的应用[J].北京林业大学学报, 2007, 29(增刊2):74-77. http://www.cqvip.com/QK/95250X/2007S2/3000298662.html

    DENG X R, FENG Z K, MA Q Y, et al. Application of 3D laser scanning system in measuring standing volume[J].Journal of Beijing Forestry University, 2007, 29(Suppl.2):74-77. http://www.cqvip.com/QK/95250X/2007S2/3000298662.html

    [12] 吴宾, 余柏蒗, 岳文辉, 等.一种基于车载激光扫描点云数据的单株行道树信息提取方法[J].华东师范大学学报(自然科学版), 2013(2):38-49. doi: 10.3969/j.issn.1000-5641.2013.02.005

    WU B, YU B L, YUE W H, et al. Method for identifying individual street trees from the cloud data of the vehicle-borne laser scanning points[J].Journal of East China Normal University(Natural Science), 2013(2):38-49. doi: 10.3969/j.issn.1000-5641.2013.02.005

    [13] 金伟, 葛宏立, 杜华强, 等.无人机遥感发展与应用概况[J].遥感信息, 2009(1):88-92. doi: 10.3969/j.issn.1000-3177.2009.01.017

    JIN W, GE H L, DU H Q, et al. A review on unmanned aerial vehicle remote sensing and its application[J].Remote Sensing Information, 2009(1):88-92. doi: 10.3969/j.issn.1000-3177.2009.01.017

    [14] 张园, 陶萍, 梁世祥, 等.无人机遥感在森林资源调查中的应用[J].西南林业大学学报, 2011, 31(3):49-53. doi: 10.3969/j.issn.2095-1914.2011.03.011

    ZHANG Y, TAO P, LIANG S X, et al. Research on application of UAV RS techniques in forest inventories[J].Journal of Southwest Forestry University, 2011, 31(3):49-53. doi: 10.3969/j.issn.2095-1914.2011.03.011

    [15]

    ZARCO-TEJADA P J, DIAZ-VARELA R, ANGILERI V, et al. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods[J]. European Journal of Agronomy, 2014, 55(2):89-99. http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0232587279/

    [16] 李明泽, 范文义, 张元元.基于全数字摄影测量的林分立木高度量测[J].北京林业大学学报, 2009, 31(2):74-79. doi: 10.3321/j.issn:1000-1522.2009.02.011

    LI M Z, FAN W Y, ZHANG Y Y. Measuring heights of standing trees based on digital photogrammetry[J].Journal of Beijing Forestry University, 2009, 31(2):74-79. doi: 10.3321/j.issn:1000-1522.2009.02.011

    [17] 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. http: //cdmd.cnki.com.cn/Article/CDMD-10022-1014327664.htm

    FAN J C. Study of the tree measurement technology by UAV aerial photography[D]. Beijing: Beijing Forestry University, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10022-1014327664.htm

    [18] 曹明兰, 张力小, 王强.无人机遥感影像中行道树信息快速提取[J].中南林业科技大学学报, 2016, 36(10): 89-93. http://d.old.wanfangdata.com.cn/Periodical/znlxyxb201610016

    CAO M L, ZHANG L X, WANG Q.Rapid extraction of rural house information from UAV remote-sensing images[J]. Journal of Central South University of Forestry and Technology, 2016, 36(10): 89-93. http://d.old.wanfangdata.com.cn/Periodical/znlxyxb201610016

    [19] 阳树洪.灰度图像阈值分割的自适应和快速算法研究[D].重庆: 重庆大学, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10611-1014042922.htm

    YANG S H. Study on the adaptive and fast algorithm of gray scale image thresholding[D]. Chongqing: Chongqing University, 2014. http: //cdmd.cnki.com.cn/Article/CDMD-10611-1014042922.htm

  • 期刊类型引用(4)

    1. 李桂,曹文华,马建业,马波,王阳修,王秋月. 小麦秸秆覆盖量对坡面流水动力学特性影响. 农业工程学报. 2023(01): 108-116 . 百度学术
    2. 安妙颖,韩玉国,王金满,徐磊,王秀茹,庞丹波. 黄土丘陵区坡面薄层水流动力学特性及其对土壤侵蚀的影响. 中国农业大学学报. 2020(02): 142-150 . 百度学术
    3. 李志刚,梁心蓝,黄洪粮,李和谋,赵小东. 坡耕地地表起伏对坡面漫流的影响. 水土保持学报. 2020(02): 71-77+85 . 百度学术
    4. 杨坪坪,李瑞,盘礼东,王云琦,黄凯,张琳卿. 地表粗糙度及植被盖度对坡面流曼宁阻力系数的影响. 农业工程学报. 2020(06): 106-114 . 百度学术

    其他类型引用(27)

图(7)  /  表(3)
计量
  • 文章访问数:  3211
  • HTML全文浏览量:  621
  • PDF下载量:  124
  • 被引次数: 31
出版历程
  • 收稿日期:  2016-12-28
  • 修回日期:  2017-05-26
  • 发布日期:  2017-07-31

目录

/

返回文章
返回