《Urban Forestry & Urban Greening》：Greenery Scanner: A drive-by platform for urban greenery NDVI sensing using low-cost multispectral camera
编辑推荐：
•提出了一种开源、低成本的行驶式城市树木监测平台。•分割与校准流程可从全景图像中隔离树冠并提取 NDVI 值。•自下而上的 NDVI 与树木专家评估的树冠枯死严重程度呈显著相关性。•行驶式 NDVI 筛查有助于在大范围城市区域中优先安排树木专家的检查工作。引言城市森林提供了重
- •
提出了一种开源、低成本的行驶式城市树木监测平台。
- •
分割与校准流程可从全景图像中隔离树冠并提取 NDVI 值。
- •
自下而上的 NDVI 与树木专家评估的树冠枯死严重程度呈显著相关性。
- •
行驶式 NDVI 筛查有助于在大范围城市区域中优先安排树木专家的检查工作。
引言
城市森林提供了重要的环境、社会和经济效益，包括空气污染物清除、碳封存、城市温度调节以及提升人类福祉（Viecco 等，2018，Baldocchi 等，2018，Ziter 等，2019，Reyes-Riveros 等，2021）。仅在美国，其产生的健康效益每年价值约 47 亿美元（Nowak 等，2014）。尽管城市森林具有诸多益处，但它们面临着生物和非生物胁迫因素日益增加的压力。水资源短缺、土壤压实、物理损伤、修剪不当、空气污染和车辆碰撞等环境因素削弱了树木，而害虫、病原体和疾病则威胁着估计有 40% 的木本生物量（Cavender-Bares 等，2022）。城市扩张进一步加剧了这些影响，美国的树冠每年减少约 175,000 英亩，相当于每年损失 3600 万棵树和 9600 万美元的生态系统效益（Nowak 和 Greenfield，2018）。这些趋势凸显了对可扩展、成本效益高的树木清查和树木状况监测方法的迫切需求，以实现早期检测和干预（Dowtin 等，2023）。
由树木专家进行的视觉和仪器评估被认为是评估城市树木健康状况最可靠的方法。然而，这些方法劳动强度大且耗时，限制了其可扩展性，并导致高质量但空间稀疏的观察结果（Koeser 等，2017）。鉴于城市绿色基础设施的范围和动态特征，这些评估受益于能够筛查大面积区域并支持实地检查优先排序的互补方法（Gupta 等，2024a）。现有方法在一定程度上满足了这一需求，但也存在权衡。无人机 (UAV) 调查利用无人机搭载的多光谱相机，通过 NDVI 或相关光谱指数从空中视角绘制树木健康地图，提供高分辨率，但受成本和法规限制（N?si 等，2018）。卫星图像可实现大规模监测，但存在分辨率低、云层干扰和重访时间有限等问题（Lausch 等，2016）。树木搭载传感器具有较高的时间分辨率，但成本高昂且难以扩展（Torresan 等，2021）。总之，这些方法在覆盖范围、分辨率、成本和运营复杂性之间存在权衡。特别地，这些方法中没有一种能够提供频繁的街道层面观察，以便大规模捕捉下层树冠状况信号，而这正是本工作旨在填补的空白。
一种解决这些权衡的互补策略是将环境传感器集成到车辆中，通常称为行驶式感知（Anjomshoaa 等，2018）。通过利用现有车队（如出租车或邮件递送车辆），该方法能够迅速覆盖大面积城市区域。沿同一路路段重复经过引入了时间冗余和数据一致性，支持频繁的自下而上观察并提高了鲁棒性（Mora 等，2019）。
先前的研究已经证明该范式在城市环境监测中的有效性，包括空气质量评估（Wang 等，2023a）和城市化热特征分析（Merdymshaeva 等，2025）应用，并已部署在道路养护车队和出租车等车辆上（Wang 等，2023b）。应用于城市绿化方面，行驶式感知提供街道层面的视角，非常适合评估树木状况，与树木专家实地检查和自上而下的空中观测相辅相成。
本研究旨在探讨，在行驶式条件下从地面向上视角拍摄的低成本多光谱影像数据中的 NDVI 值是否能提供有意义的树木健康指标，以及这些数据如何补充现有的调查方法。为此，我们推出了Greenery Scanner（GS），一个用于城市绿化行驶式监测的开源平台。GS 将低成本多光谱环境传感器与基于人工智能的数据分析流程相结合，对城市绿化进行分割并从树冠像素计算归一化差异植被指数（NDVI）。通过依赖廉价的商用现成组件，该平台旨在支持广泛的部署场景，实现更频繁、空间覆盖更广的城市植被状况评估。
该平台在一个特定的树木健康监测应用中进行了评估：检测意大利罗马意大利松（Pinus pinea）的树冠枯死现象，那里的树冠衰退主要与Toumeyella parvicornis侵害有关。该应用对于街道层面的感知尤为重要，因为树冠枯死可能影响从道路上可见但自上而下的航空影像较难直接观察的下层和侧向树冠部分。首先进行了一项在受控照明条件下的初步实验室实验，以验证 GS 传感器、定制光学配置、校准调色板和图像处理流程在中性 Spectralon 参考目标上的功能和辐射一致性。该测试仅作为部署前的一致性检查，而非户外测量精度的全面验证。主要验证和受侵害树木检测性能随后通过在罗马的实地部署完成，将 GS 衍生的街道层面 NDVI 与树木专家对意大利松的树冠枯死评估进行了比较。我们旨在讨论 GS 收集的数据如何补充树木专家的视觉评估和无人机收集的 NDVI 数据，以提供树木健康的全面评估。
本工作提供了以下贡献：
- 1.
一个用于自下而上城市绿化监测的开源、低成本行驶式感知平台，
- 2.
一个用于从多光谱街道层面影像中提取树冠层 NDVI 的校准和视觉 AI 处理流程，
- 3.
一个针对特定应用的验证，展示了 GS 衍生的 NDVI 与树木专家评估的意大利罗马城市环境中意大利松树冠枯死严重程度之间的关系，
- 4.
GS 衍生的 NDVI 如何补充和扩展现有方法的证据
通过发布源代码和制造说明，该平台旨在支持可重复的研究以及未来在不同城市绿化监测使用案例中的部署。
章节摘要
相关工作与技术
树木健康监测越来越多地依赖非接触、基于成像的方法，因其高效且无侵入性（Gupta 等，2024a）。这些方法可以大致按其感知视角进行分类。空中和空间平台（如无人机和卫星）提供自上而下的大面积观测，而地面和街道层面平台则从行人、车辆和城市基础设施的视角获取影像。在这些
材料与方法
本工作采用的方法论围绕两个主要组成部分展开。首先，设计并实现了 Greenery Scanner（GS）作为低成本行驶式硬件和软件平台（低于 1000 美元），用于从常规车辆获取多光谱影像和辅助环境数据。其次，开发了一个图像校准和分割流程，用于处理获取的多光谱图像，在城市环境中隔离树冠，并从
结果
GS 平台在实验室环境和实地进行了评估。第 4.1 节报告了一项在实地部署前进行的受控实验室评估，以验证 GS 多光谱传感器、定制光学配置、校准调色板和图像处理流程在受控照明条件下在中性 Spectralon 参考目标上产生了稳定的 NDVI 估计值。该实验旨在进行功能和辐射一致性检查，而非
讨论
本节讨论了本研究的主要发现，将结果与基于无人机和卫星的方法进行比较，以突出感知视角的作用、运营适用性、当前工作流程的局限性，并确定未来的研究方向。
GS 衍生的 NDVI 与树木专家评估的树冠枯死之间的关联支持这样的解释：红-NIR 植被指数能够捕捉与城市树木健康相关的树冠状况信号。先前的研究
结论
城市森林提供多种生态系统服务，但城市树木越来越多地暴露于生物和非生物胁迫因素之下，需要频繁且可扩展的监测。树木专家的传统视觉检查仍然可靠，但劳动强度大，因此空间上较为稀疏。基于无人机或卫星的遥感方法提供更广泛的空间覆盖；然而，它们面临运营限制（如法规限制、成本）以及对下层树冠
CRediT 作者贡献声明
Leonardo Iacussi：写作 – 审阅与编辑，写作 – 原稿撰写，软件，方法学，调查，形式化分析，数据管理。Song Guo：写作 – 审阅与编辑，写作 – 原稿撰写，软件，方法学，调查，形式化分析，数据管理。Simone Mora：写作 – 审阅与编辑，写作 – 原稿撰写，验证，监督，项目管理，方法学，调查，经费获取，形式化分析，数据管理，概念化。Andrei
利益冲突声明
作者声明，他们没有已知的竞争经济利益或个人关系，这些可能影响本文所报告的工作。
致谢
作者感谢来自Senseable City Lab 联盟成员的财务支持，包括农业研究与农业经济分析委员会、AMS 研究所、迪拜未来基金会、Arnold Ventures、丰田、UnipolTech、丰田 Woven City、Tele2、大众汽车集团美国公司、FAE Technology、国际汽车联合会、阿姆斯特丹和里约热内卢。我们感谢 CUFAA"森林、环境和"
Leonardo Iacussi|Song Guo|Simone Mora|Andrei Sperid?o|Oluwatobi Oyinlola|Giancarlo Papitto|Umberto Fugiglando|Paolo Chiariotti|Alfredo Cigada|Carlo Ratti
