QGIS 树木普查：用航拍影像或 LiDAR 建立树木清查

QGIS 里的树木清查是一个点图层，每棵树一个点，带一行属性：编号、树种、树干尺寸、健康状况和最近一次检查的日期。航拍影像或 LiDAR 让你在办公室里就能得到点位、冠幅和高度。树种、树干和健康状况则要靠野外调查。

这种分工正是大多数指南略过的地方。没有哪个模型能从 20 cm 的正射影像上读出树种或腐朽的树干，所以最快的清查方式是：办公室负责数，野外负责判断。

简短回答

你的起点	方法	办公室能得到什么
你所在的城市或客户已经公布了树木台账	方法 1：开放树木数据	带树种、通常还有树干尺寸的点
一张正射影像和几百棵树	方法 2：手工数字化点位	你自己放置的点
一个 LiDAR 表面模型和地形模型	方法 3：用冠层高度模型找树顶	每个点带一个高度
一张正射影像和几千棵树	方法 4：分割模型	每棵树一个树冠多边形，再生成带冠幅的点

四种方法的结尾都一样：把图层放到平板上带去野外，由人补充影像看不到的信息。

树木清查要记录什么

在放置第一个点之前，先写好属性表。野外调查之后再改，就意味着要再去一次。

属性	办公室可得	野外可得
树木编号	可以，自动生成	如果树上有挂牌，记录牌号
位置	可以	树冠遮住树干的地方需要校正
冠径或冠幅面积	可以，来自影像	复核
高度	有 LiDAR 时可以	没有 LiDAR 时现场测量
树种	不可以	可以
胸径或围径	不可以	可以，在你的标准规定的高度测量
健康状况、缺陷、下次检查	不可以	可以

在德国，树木台账（Baumkataster）记录的是注意义务所要求的检查，多数所有者遵循 FLL 树木检查指南（2020 年版）和 GALK 的树木台账指南。这些文件规定了野外字段清单，所以请以它们为起点，而不是以这张表为起点。

网上常见的误解

「AI 可以只靠影像建立完整的树木清查。」 它能数树冠、量树冠。它看不到树冠下面的树干，从 RGB 照片上叫不出大多数树种，也判断不了某根树枝会不会掉下来。任何承诺一次飞行就得到完整台账的页面，卖的都只是工作的前一半。

「树冠图就是树木清查。」 树冠图是一个表面，回答的是「这个街区有多大比例被遮荫」。清查回答的是「哪一棵树，在哪里，状态如何」。如果你要的是覆盖率，用 QGIS 绘制树冠覆盖才是合适的指南。

开始之前

QGIS 3.22 或更高版本。
影像要足够新，能反映今年的树木。有叶期影像最适合看树冠，落叶期影像更适合看树干和分枝。
一个以米为单位的投影坐标系，这样面积和直径的结果才是以米计的。

免费影像比大多数人想象的要好：

波兰： Geoportal 上的国家正射影像自 2020 年 6 月 24 日起可免费用于任何用途，大部分分辨率为 25 cm，城市地区为 10 cm 或更高。免费的「Pobieracz danych GUGiK」插件可以在 QGIS 内下载。
德国： 多个州把 DOP20（20 cm 正射影像）作为开放数据发布，其中包括巴登-符腾堡州和下萨克森州。联邦机构提供的全德国服务是收费的。
英格兰： 环境署依据开放政府许可证（Open Government Licence）发布覆盖几乎全国的 1 m LiDAR 表面模型和地形模型。
美国： NAIP 航拍影像可从 USDA 免费获取。

方法 1：开放树木数据

很多城市已经有树木台账并且公开发布。柏林公开了行道树和公园树木，多特蒙德公布了一份由自有数据和航拍影像建立的台账，科隆在 2025 年 7 月把台账放到了网上，巴黎以点的形式提供了 219,432 棵树。在 QGIS 里加载文件或服务，你一开始就有已经填好的树种。

OpenStreetMap 也标注单棵树，是 natural=tree 的点。在 QGIS 中下载 OSM 数据介绍了如何用 QuickOSM 获取它们。

适合： 树木归城市所有，而且台账较新。

不适合： 工作涉及私有土地、校园或新开发区。开放台账只包含公共树木。

方法 2：手工数字化点位

用 Layer > Create Layer > New GeoPackage Layer… 创建图层，几何类型选 Point，并添加上表中的字段。开启编辑，然后在正射影像上点击每个树冠的中心。

这是办公室方法里最准确的，也是最慢的。每个点都由你决定，所以一排树篱不会变成十二棵树，两个相连的树冠也不会变成一个。

适合： 几百棵树，或者每棵树都很重要的场地，例如规划申请。

不适合： 数量达到几千棵。

方法 3：用冠层高度模型找树顶

有了 LiDAR，每棵树的树顶就是它邻域内最高的像素，所以不需要任何训练就能找到树顶。先建立冠层高度模型，也就是表面模型减去地形模型，做法见树冠覆盖指南；DSM 与 DTM 的说明介绍了这两种输入。

找到局部最大值

对冠层高度模型运行 r.neighbors（GRASS），方法设为 maximum，邻域为 5 个像素。像素为 1 m 时，窗口就是 5 m。

保留树顶

在 Raster > Raster Calculator… 中，保留等于局部最大值且高于 3 m 的像素：("chm@1" = "chm_max@1") AND ("chm@1" > 3)。

把像素转成点

用 Raster pixels to points 转换结果，再用 Extract by attribute 保留值为 1 的点。

添加高度

用 Sample raster values 在冠层高度模型上采样，为每个点添加高度。

关键的设置是窗口大小。太小，一棵宽大的橡树会得到三个树顶；太大，两棵小树会合并成一个。让它与你场地上典型的树冠宽度匹配，并目视检查一个样本。

适合： 你有 LiDAR，并且需要高度。

不适合： 你只有影像，或者 LiDAR 比你要数的树更旧。

方法 4：分割模型

分割模型已经学会树冠长什么样，可以从普通的 RGB 正射影像上为每棵树返回一个多边形。我们做了一个，AI Segmentation，这一节讲的是我们自己的工具。

在 QGIS 中打开的正射影像上画一个区域，输入 tree。模型在我们的服务器上运行，所以不需要显卡，每个树冠以你项目 CRS 下的多边形返回，带有 area_m2 和置信度 score。

航拍的村庄，花园里和街道两旁的每个树冠都被填上各自的颜色，成为单独的多边形。 — 一次运行得到荷兰某村庄的 893 个树冠，每个都是独立的多边形。数量取自图层，不是估算。

把树冠变成清查点：

每个树冠生成一个点

对树冠图层运行 Centroids。每个点保留其树冠的属性。

添加冠径

用字段计算器添加冠径，字段类型为小数：2 * sqrt("area_m2" / pi())。

给树编号

添加一个 tree_id 字段，填入 @row_number，再加上属性表中需要野外填写的空字段。

适合： 街道、公园或花园里的几千棵树，而且你已有影像。

不适合： 林分郁闭的地方。树冠之间没有空隙时，tree 运行会返回一个大形状，而不是每棵树一个多边形，这种情况请用方法 3。影像瓦片会发送到我们的服务器；如果影像不能离开你的电脑，请用方法 2 或 3。

在野外完成

用 QField 把点图层带到树旁。它是 OPENGIS.ch 出品的免费移动应用，用于 QGIS 项目。它可以离线工作，打开你在 QGIS 里设置好的表单，还能为每棵树添加照片。出发前在 QGIS 里为树种和健康状况设置下拉列表，这样每个调查员写的都是同样的词。

对于需要法律记录的定期检查，有专门的台账软件，其中一些，例如德国的 Baumsicht，运行在 QGIS 上。你在这里建立的点图层可以导入其中。

要点

树木清查是每棵树一个带属性的点，不是树冠表面。
办公室提供位置、冠幅，有 LiDAR 时还有高度。野外提供树种、树干和健康状况。
先用开放台账，几百棵树用手工数字化，需要高度时用 LiDAR 树顶，影像上的几千棵树用分割模型。
信任总数之前，用你手工数过的样本检查每一种自动方法。

常见问题

树木清查是强制的吗？

通常没有法律要求必须有台账本身。道路和步道旁树木的所有者必须为安全而检查它们，台账是证明检查确实进行过的方式。在德国，这项注意义务就是大多数城镇保存树木台账的原因。

AI 能从航拍影像识别树种吗？

从大多数人手里的 RGB 正射影像上，不能可靠地识别。树种制图需要多光谱或高光谱影像和本地训练数据，即便如此也要在野外核实。我们的插件返回的是树冠，不是树种。

自动树木检测有多准？

与其说取决于工具，不如说取决于树冠。孤立的行道树和花园树结果很好，相连的树冠会合并。在你自己的影像上手工数 50 棵树，与图层对比，就得到了你场地的误差率。

能免费在 QGIS 里做树木清查吗？

能。开放台账、手工数字化和 LiDAR 树顶只花时间，QField 也是免费的。分割模型在大规模计数时节省时间，并且可以免费开始。

关于相关的工作，什么是正射影像解释了这里每种方法背后的影像，QGIS AI 插件页面列出了每个插件运行所需的条件。

在 QGIS 中免费试用，无需银行卡