摘要
苹果树的枝条是叶、芽、花、果等器官生长的基础，适宜的枝条数量和长度是果树正常生长及开花结果的保证。同时，枝条信息(长度，数量)是苹果树长势以及产量等的重要表征指标，因此，准确的获取苹果树枝条信息对于果园生产具有重要意义。 本研究基于富士苹果树的地面激光扫描仪(Terrestrial Laser Scanning，TLS)和背包激光雷达(Backpack Light Detection and Ranging，Backpack-LiDAR)点云数据，利用定量结构模型(Quantitative Structural Model，QSM)进行重建并提取枝条信息。首先，对TreeQSM中的5个关键参数进行了敏感性分析，得出对高度矮且枝条复杂的苹果树建模的敏感参数;其次，提出一种苹果树枝条信息提取的参数优化方法，并作了系统的阐述。最后，基于参数优化后的QSM，对样本树进行建模并提取枝条信息，与实测值进行对比分析，并探究点云空间密度对结果的影响。 本研究的主要结论包括: (1)对TreeQSM的原理进行介绍，并进行参数敏感性分析，结果表明:参数PD2Min对苹果树枝条信息的一阶敏感性和总体敏感性指数均远大于0.5，其对果树枝条信息提取最为敏感;本研究中参数组合数量的变化，对QSM参数的敏感性指数变化影响较小，但参数组合数量越大，敏感性指数可信度越高。 (2)基于TLS点云数据，进行参数优化并建模提取苹果树枝条信息，探讨点云密度对结果的影响，结果表明:参数PD2Min=0.6cm时，枝条信息提取的相对误差最小，PD2Min取得最优值;PD2Min取最优条件下，第一、二、三级和总枝条长度提取结果的相对误差分别为7.43％、16.75％、35.84％和15.34％，数量提取结果的相对误差分别为12.00％、9.67％、23.81％和2.89％。当点云空间密度分别为60063个/m3，48050个/m3，30031个/m3，12638个/m3，6268个/m3，1658个/m3时，第一、二、三级和总枝条长度提取的相对误差分别约为10％、20％、30％和10％，数量提取的相对误差分别约为10％、10％、20％和10％;当点云空间密度807个/m3时，仅提取的第一级枝条信息可靠。TreeQSM提取分枝信息的精度，在一定范围内随着点云密度的增加而提高。对于本研究中的TLS点云数据，当点云空间密度高于1658个/m3，第一级、第二级、第三级和总枝条信息的提取结果几乎不变。 (3)基于Backpack-LiDAR点云数据，对样本树进行建模并提取枝条信息，结果表明:PD2Min=1.2cm时，枝条信息提取的均方根误差(Root Mean Square Error，RMSE)和相对均方根误差(relative Root Mean Square Error，NRMSE)均取得最小值，PD2Min最佳;PD2Min取最优条件下，除第一级枝条信息的提取结果外，其余分级枝条信息和总枝条信息被不同程度的低估;第一级枝条长度提取结果的R2=0.397，RMSE=3.43m，NRMSE=14.62％，第一级枝条数量提取结果的R2=0.4351，RMSE=1.30，NRMSE=11.96％，基于Backpack-LiDAR点云数据，可完整重建第一级枝条并提取其信息。
NETL