基于多旋翼無人機傾斜攝影的近岸海域生態(tài)環(huán)境風險監(jiān)測

摘要：由于現(xiàn)有的智能監(jiān)測方法環(huán)境質(zhì)量綜合指數(shù)較低，為此研究基于低功耗多旋翼無人機傾斜攝影的近岸海域生態(tài)環(huán)境風險智能監(jiān)測。選用低功耗多旋翼無人機能夠靈活深入測區(qū)，獲取地物全方位的傾斜影像。通過改變焦距，對曝光參數(shù)進行調(diào)整，自動匹配感光度，避免航片的動態(tài)模糊。對近岸海域生態(tài)環(huán)境采樣，計算攝影物距，使無人機依次遍歷所有路徑點拍攝測區(qū)全局。建立模型，對近岸海域生態(tài)環(huán)境風險進行分析，將獲得的生態(tài)環(huán)境特征數(shù)據(jù)輸入模型中對環(huán)境潛在風險進行識別，獲得風險預測結(jié)果，從而完成監(jiān)測。實驗結(jié)果表明，2009—2023年環(huán)境質(zhì)量綜合指數(shù)均在90以上，提高了保護區(qū)的生態(tài)環(huán)境質(zhì)量，使生態(tài)系統(tǒng)的健康狀況得到改善。

關鍵詞：低功耗 多旋翼無人機 傾斜攝影 生態(tài)環(huán)境 監(jiān)測

中圖分類號：文獻識碼：A

Ecological and Environmental Risk Monitoring in Coastal Areas Based on Multi-Rotor UAV Oblique Photography

MU Lingyan1 LUO Jun1 JIANG Manju1 HUANG Lin2

1.Shenzhen Hengxing Security Testing technology Co.， Ltd.， Shenzhen City， Guangdong Province， 518000 China;2.Tsinghua Shenzhen International Graduate School， Shenzhen City， Guangdong Province， 518000 China

Abstract： Due to the low comprehensive environmental quality index of existing intelligent monitoring methods， this study focuses on intelligent monitoring of ecological and environmental risks in coastal areas based on low-power consumption multi-rotor unmanned aerial vehicle（UAV） oblique photography. The selection of low-power multi-rotor UAV can flexibly penetrate deep into the survey area and obtain oblique images of the terrain in all directions. By changing the focal length and adjusting the exposure parameters， the sensitivity is automatically matched to avoid dynamic blurring of aerial photographs. Sampling the ecological environment of the coastal areas， calculating the photographic distance， so that UAV can sequentially traverse all path points to capture the overa706dda2d2e4978ccac40d66627aa6c106b832fafcf2c433ac036b3e68fb8cc64ll measurement area. It establishes a model to analyze the ecological environment risks in coastal areas， input the obtained ecological environment characteristic data into the model to identify potential environmental risks， and obtain risk prediction results to complete monitoring. The experimental results show that the comprehensive environmental quality index between 2009 and 2023 was above 90， which improved the ecological environment quality of the protected area and improved the health status of the ecosystem.

Key Words： Low-power consumption; Multi-rotor UAV; Oblique photography; Ecological environment; Monitoring

在近岸海域生態(tài)環(huán)境風險的監(jiān)測與管理方面，智能監(jiān)測發(fā)揮著越來越重要的作用[1]。智能監(jiān)測方法通過利用先進的傳感器技術(shù)、物聯(lián)網(wǎng)技術(shù)和數(shù)據(jù)分析技術(shù)等，實現(xiàn)實時監(jiān)測，提高數(shù)據(jù)獲取的速度和準確性。通過對歷史數(shù)據(jù)和實時數(shù)據(jù)的分析，為及時采取應對措施提供有力支持。覆蓋更廣泛的區(qū)域，獲取更加全面和準確的數(shù)據(jù)，提高監(jiān)測的可靠性。構(gòu)建更加完善的監(jiān)測體系，為海洋與人文和諧共生作出更大的貢獻。由于傳統(tǒng)的近岸海域生態(tài)環(huán)境風險監(jiān)測方法存在缺點。在數(shù)據(jù)獲取的準確性和全面性方面存在不足，可能無法覆蓋整個海域或準確捕捉生態(tài)環(huán)境的細微變化。此外，傳統(tǒng)方法通常無法對生態(tài)環(huán)境風險進行早期預警，使應對措施往往滯后。因此，為確保海域生態(tài)的健康和穩(wěn)定，以近岸海域生態(tài)環(huán)境風險智能監(jiān)測為研究對象，基于低功耗多旋翼無人機傾斜攝影，結(jié)合實際情況進行測試與分析。

1近岸海域生態(tài)環(huán)境風險智能監(jiān)測

1.1低功耗多旋翼無人機傾斜攝影獲取圖像

運用無人機將飛行器按照具體的攝影角度進行敷設航線[2]。依靠單臺相機旋轉(zhuǎn)角度進行連續(xù)拍攝，保證安全快口速度的前提下，飛行器可以不懸停，有效規(guī)避懸停對飛行器的能耗影響[3]。在云臺的控制下，將相機方向進行調(diào)整，并通過監(jiān)控系統(tǒng)將相機拍攝到的實景傳輸?shù)浇K端，獲得高質(zhì)量的傾斜影響[4]。通過云臺抵消飛行器運動時的姿態(tài)變化，使相機姿態(tài)在地面參照系下保持恒定。根據(jù)內(nèi)置IMU提供的姿態(tài)參數(shù)，實現(xiàn)飛行器下方各個角度的傾斜航拍。需要控制鏡頭的焦距，通過運用較小光圈來進行對角，使前景距無限遠為合焦狀態(tài)，焦距的公式為

式（1）中：為鏡頭物理焦距；為光圈號；為允許彌散直徑；通過改變焦距對曝光參數(shù)進行調(diào)整，自動匹配感光度，避免航片的動態(tài)模糊[5]。對近岸海域生態(tài)環(huán)境采樣，獲得離散像元，并使用GPS定位高度后控制攝影物距。攝影物距的公式為

式（2）中：為像元數(shù)量；為鏡頭參數(shù)。

1.2提取近岸海域生態(tài)環(huán)境特征

對采集的圖像進行轉(zhuǎn)化，將轉(zhuǎn)換后的數(shù)據(jù)進行預處理[6]。在陸域和海域監(jiān)測的基礎上，結(jié)合相關成果建立近岸海域環(huán)境質(zhì)量綜合評價方法，并逐步標準化[7]。通過不同場景圖像中的關聯(lián)度，對圖像的關鍵點進行相似度檢驗。運用灰度檢測法進行特征識別，公式為

式（3）中：表示圖像像素點的位置；為圖像識別的灰度等級；表示像素點的灰度系數(shù)。

1.3構(gòu)建智能風險監(jiān)測模型監(jiān)測預警

運用貝葉斯網(wǎng)絡學習方法，將屬性間的依賴關系形成樹形結(jié)構(gòu)。設定參數(shù)學習目標中，其條件概率為，將數(shù)據(jù)集導入最大化算法中，獲得觀測集的聯(lián)合概率分布為。初始化，通過觀測數(shù)據(jù)提出函數(shù)的條件期望，公式為

式（4）中：為迭代步驟，設定步中的分布為正確的，得到目標的條件概率結(jié)果。通過生態(tài)環(huán)境影響因素關聯(lián)分析，確定風險監(jiān)測要素的矩陣。矩陣的計算公式為

式（5）中：為單位矩陣；為不同節(jié)點之間的路徑長度。以量化后的指標作為網(wǎng)絡節(jié)點變量，對節(jié)點分配狀態(tài)值。設定在風險為的時候，為低風險狀態(tài)；當風險為時，為中風險狀態(tài)；當風險為時為高風險狀態(tài)。在實際監(jiān)測過程中，制定相應的監(jiān)測制度，將成果轉(zhuǎn)化為監(jiān)測和評價技術(shù)與方法并加以標準化，提升監(jiān)測水平。

2實驗測試與分析

2.1搭建實驗環(huán)境

選用A型多旋翼無人機進行傾斜攝影實驗。該無人機性能良好，基本符合特殊環(huán)境下的傾斜攝影需求。多旋翼無人/nwAl6Ba4SeY+yT3zGuSEg==機的性能參數(shù)如下。

同時，對環(huán)境質(zhì)量綜合指數(shù)進行計算，判斷不同的生態(tài)保護區(qū)的環(huán)境質(zhì)量是否滿足養(yǎng)殖功能需求。當環(huán)境質(zhì)量綜合指數(shù)大于90時，達到高質(zhì)量養(yǎng)殖需求，實現(xiàn)全方面的風險智能檢測。

2.2結(jié)果與分析

2009—2023年近岸海域生態(tài)A-C生態(tài)保護區(qū)中環(huán)境質(zhì)量綜合指數(shù)結(jié)果如表2所示。

由表2可知，2009—2023年環(huán)境質(zhì)量綜合指數(shù)均在90以上，結(jié)果符合預期，提升保護區(qū)的生態(tài)環(huán)境質(zhì)量，使生態(tài)系統(tǒng)的健康狀況得到改善，達到良好的監(jiān)測效果。

綜上所述，運用基于低功耗多旋翼無人機傾斜攝影的近岸海域生態(tài)環(huán)境風險智能監(jiān)測方法，為近岸海域生態(tài)環(huán)境風險的快速識別提供有力支持。

3結(jié)語

本研究從低功耗多旋翼無人機入手，分析近岸海域生態(tài)環(huán)境風險監(jiān)測問題，探究基于低功耗多旋翼無人機傾斜攝影的近岸海域生態(tài)環(huán)境風險智能監(jiān)測。智能監(jiān)測不僅提高數(shù)據(jù)的獲取速度和精度，還能在短時間內(nèi)對大量數(shù)據(jù)進行處理和分析，為決策者提供更加及時和準確的信息。但本文方法還存在不足。今后應更加完善計算，在實施智能監(jiān)測時，須采取有效的措施和方法，確保其順利運行并發(fā)揮最大的效用，為生態(tài)保護和海洋經(jīng)濟發(fā)展提供有力支持。

參考文獻

[1]吳曉鳳，馬雙，畢哲，等.我國生態(tài)環(huán)境監(jiān)測行業(yè)空氣和廢氣中非甲烷總烴檢測能力淺析[J].中國測試，2022，48（10）：152-157，174.

[2]徐夢珍，楊瑤，張家豪，等.環(huán)境DNA技術(shù)在貽貝入侵監(jiān)測中的應用挑戰(zhàn)[J].生態(tài)學報，2023，43（11）：4423-4433.

[3]朱星遇，李飛龍，胡丹心，等.沉積物古DNA揭示水生態(tài)系統(tǒng)中群落演變的進展與展望[J].環(huán)境科學研究，2023，36（7）：1379-1391.

[4]李偉，布多，孫晶，等.拉薩巴嘎雪濕地土壤重金屬分布及生態(tài)風險評價[J].環(huán)境化學，2021，40（1）：195-203.

[5]金珂，張麗娟，張偉，等.基于環(huán)境DNA宏條形碼的太湖流域底棲動物監(jiān)測與生態(tài)健康評價[J].中國環(huán)境監(jiān)測，2022，38（1）：175-188.

[6]趙壽培，王超，趙娟娟，等.河北省不同建筑類型羊舍環(huán)境參數(shù)的檢測與分析[J].家畜生態(tài)學報，2021，42（1）：69-73.

[7]蘇靜，張瑋.基于光譜技術(shù)的土壤環(huán)境污染物成分檢測方法[J].生態(tài)毒理學報，2022，17（5）：507-514.