论文标题：Individual Street Tree Detection and Vitality Assessment Using GeoAI and Multi-Source Imagery

论文链接：https://doi.org/10.3390/smartcities9020031

期刊名：Smart Cities

期刊主页：https://www.mdpi.com/journal/smartcities

一、引言

城市行道树有益于空气净化和缓解热岛效应，但汽车尾气、硬质路面及夜间光照等不利因素会损害其健康，导致活力下降。因此，系统评估树木活力至关重要。然而，目前精准的目视检查与详细的诊断流程耗时耗力，难以在大城市规模化应用。近年来，高分辨率遥感和深度学习技术的发展为高效、可重复的大规模评估提供了新可能。基于此，来自梨花女子大学的姜永玉教授及其团队提出一个基于地理人工智能（GeoAI）的集成框架，结合深度学习单木检测与多源航空及卫星影像，利用多种植被指数构建对象级的行道树活力指标。该框架虽无法替代实地生理诊断，但能够支撑全市范围的活力筛查与优先级划分，为数据驱动的城市绿色基础设施管理提供实际价值。

二、材料与方法

研究旨在利用深度学习技术处理航空影像，精确识别城市行道树，并通过计算多光谱卫星影像的植被指数来评估单株树木的活力。所提出的框架包含三个主要阶段。首先，利用基于深度学习的方法从高分辨率航空正射影像中识别行道树。其次，从多光谱卫星影像中计算多个植被指数。最后，利用面积加权匹配方案将植被指数与单株树木进行空间关联，并通过对每个植被指数应用不同的评分区间和权重，最终得到综合树木活力指数。下图展示了所提出方法的整体工作流程。

图：利用航空和多光谱卫星图像进行行道树单株检测和基于植被指数的活力评估的拟议框架的工作流程

三、分析与结果

行道树检测结果：定量评估中 Mask2Former 的F1分数最高（79.7%），但其检测结果常出现树冠边界模糊、相邻树木难以区分。相比之下，U-Net在描绘单株树冠和保持边界清晰度方面表现更优，边界召回率最高（0.688）。由于研究的主要目标是评估单株树木的植被状况和活力，准确区分相邻树冠至关重要，因此作者最终选择U-Net作为检测模型，并通过道路缓冲区过滤得到最终的行道树数据集。

图：不同语义分割模型生成的行道树检测结果视觉对比。红色方框标出了模型在边界描绘或树冠分离方面表现出显著差异的区域。

植被指数匹配结果：归一化植被指数（NDVI）和归一化红边指数（NDRE）在商业工业区、主要交通走廊及密集多户住宅区普遍较低（NDVI<0.3，NDRE<0.25），而在公寓综合体、河滨步道及公园附近较高（NDVI>0.5，NDRE>0.35）。NDMI结果显示，大多数街树呈现高水分胁迫（<0.1），仅12棵树水分状况良好，主要位于新建公寓区和河流附近。NDMI揭示了叶绿素相关指数未能充分反映的水分限制问题。

综合活力指数结果：研究通过加权求和（NDVI权重0.5，NDRE和NDMI各0.25）构建综合活力指数。下图展示了综合活力指数分析的结果，图中绿色区域代表相对较高的活力，常见于新近开发的城市区域以及河流溪流附近的步行走廊，而活力值较低的区域（以黄色和红色色调表示）则更常见于主要道路沿线、工业和商业区以及人口密集的多户住宅区。值得注意的是，即使在这些人口密集的住宅区，种植在小型社区公园中的行道树活力也常常有所提高，通常达到中等或更高的水平（B）。

图：研究区域内各条街道树木综合活力指数的空间分布

四、讨论

研究基于空间格局，对植被指数匹配结果进行了解读：基于植被指数区间将行道树活力分为五级，可直观展现低活力区域的空间格局。新建公寓小区和滨河步道的树木指数值较高，可能与未铺设路面比例高或水分供应稳定有关；而商业区、主干道沿线及高密度住宅区的树木指数值较低，表明这些环境限制了光合作用或水分供应。值得注意的是，密集住宅区内靠近小型社区公园的树木往往表现更佳，暗示局部绿地有助于缓解环境压力。

同时，在行道树管理中的潜在应用方面，研究所提出的GeoAI框架可快速定量评估大型城市区域的行道树活力，补充现行两阶段评估系统，提高早期评估效率。需要注意的是，本研究采用的活力指标反映的是冠层尺度的光谱响应，而非直接的生理或树木栽培测量结果；采用的五级分类方法是一种操作性筛选工具，而非真正生理活力的诊断指标。该方法可自动提取行道树位置，提高清查效率；NDVI与冠层密度的相关性可补充主观视觉评估。尽管参数设置在不同城市可能需重新校准，整体框架具有良好的可推广性。

五、展望与结论

研究指出，未来的研究应纳入实地测量，以增强活力指标的可解释性和验证性。此外，整合多季节或超高分辨率无人机影像将有助于更详细地监测时间变化，从而支持制定城市行道树的长期主动管理策略。

研究总结认为，这一方法利用多种植被指数，将城市行道树研究从树木检测扩展到基于指标的活力评估。从实践角度来看，该框架可以帮助市政当局建立和更新行道树清单，支持目视检查，并确定实地评估的优先区域。所提出的指标并非取代现场诊断程序，而是可以作为初始的大规模筛选层，为智慧城市计划中的资源分配和管理规划提供信息。

引用格式：

Kang, Y.; Kang, Y. Individual Street Tree Detection and Vitality Assessment Using GeoAI and Multi-Source Imagery. Smart Cities 2026, 9, 31.

期刊介绍

主编：Prof. Dr. Pierluigi Siano, University of Salerno, Italy

Smart Cities（ISSN 2624-6511）是一个由 MDPI 出版的国际型开放获取同行评审英文学术期刊，专注于发表智慧城市领域的最新研究进展，目前已被 ESCI、Scopus、PubMed、Dimensions以及DOAJ 等重要数据库收录。Smart Cities发文领域包括但不限于智慧城市的核心技术与方法、智慧城市的关键应用领域、智慧城市交叉领域融合以及韧性智慧城市建设等,重点关注利用先进的信息技术、通信技术及数据分析工具，推动城市资源优化配置、公共服务改善、管理效率提升及居民生活质量提高等议题的原创论文，综述、通讯等类型，致力于为智慧城市相关研究提供一个优质、高效、快速的发表服务平台，有效促进智慧城市最新科研成果的推广和传播，加快推进智慧城市新生态建设。

2024 Impact Factor：5.5

2024 CiteScore：14.7

Time to First Decision：25.5 Days

Acceptance to Publication：3.9 Days