基于多旋翼無人機傾斜攝影的近岸海域生態環境風險監測

摘要：由于現有的智能監測方法環境質量綜合指數較低，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環境風險智能監測。選用低功耗多旋翼無人機能夠靈活深入測區，獲取地物全方位的傾斜影像。通過改變焦距，對曝光參數進行調整，自動匹配感光度，避免航片的動態模糊。對近岸海域生態環境采樣，計算攝影物距，使無人機依次遍歷所有路徑點拍攝測區全局。建立模型，對近岸海域生態環境風險進行分析，將獲得的生態環境特征數據輸入模型中對環境潛在風險進行識別，獲得風險預測結果，從而完成監測。實驗結果表明，2009—2023年環境質量綜合指數均在90以上，提高了保護區的生態環境質量，使生態系統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 生態環境 監測

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

在近岸海域生態環境風險的監測與管理方面，智能監測發揮著越來越重要的作用[1]。智能監測方法通過利用先進的傳感器技術、物聯網技術和數據分析技術等，實現實時監測，提高數據獲取的速度和準確性。通過對歷史數據和實時數據的分析，為及時采取應對措施提供有力支持。覆蓋更廣泛的區域，獲取更加全面和準確的數據，提高監測的可靠性。構建更加完善的監測體系，為海洋與人文和諧共生作出更大的貢獻。由于傳統的近岸海域生態環境風險監測方法存在缺點。在數據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環境的細微變化。此外，傳統方法通常無法對生態環境風險進行早期預警，使應對措施往往滯后。因此，為確保海域生態的健康和穩定，以近岸海域生態環境風險智能監測為研究對象，基于低功耗多旋翼無人機傾斜攝影，結合實際情況進行測試與分析。

1近岸海域生態環境風險智能監測

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]。依靠單臺相機旋轉角度進行連續拍攝，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，將相機方向進行調整，并通過監控系統將相機拍攝到的實景傳輸到終端，獲得高質量的傾斜影響[4]。通過云臺抵消飛行器運動時的姿態變化，使相機姿態在地面參照系下保持恒定。根據內置IMU提供的姿態參數，實現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，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進行調整，自動匹配感光度，避免航片的動態模糊[5]。對近岸海域生態環境采樣，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：為像元數量；為鏡頭參數。

1.2提取近岸海域生態環境特征

對采集的圖像進行轉化，將轉換后的數據進行預處理[6]。在陸域和海域監測的基礎上，結合相關成果建立近岸海域環境質量綜合評價方法，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。

1.3構建智能風險監測模型監測預警

運用貝葉斯網絡學習方法，將屬性間的依賴關系形成樹形結構。設定參數學習目標中，其條件概率為，將數據集導入最大化算法中，獲得觀測集的聯合概率分布為。初始化，通過觀測數據提出函數的條件期望，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果。通過生態環境影響因素關聯分析，確定風險監測要素的矩陣。矩陣的計算公式為

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

2實驗測試與分析

2.1搭建實驗環境

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，基本符合特殊環境下的傾斜攝影需求。多旋翼無人/nwAl6Ba4SeY+yT3zGuSEg==機的性能參數如下。

同時，對環境質量綜合指數進行計算，判斷不同的生態保護區的環境質量是否滿足養殖功能需求。當環境質量綜合指數大于90時，達到高質量養殖需求，實現全方面的風險智能檢測。

2.2結果與分析

2009—2023年近岸海域生態A-C生態保護區中環境質量綜合指數結果如表2所示。

由表2可知，2009—2023年環境質量綜合指數均在90以上，結果符合預期，提升保護區的生態環境質量，使生態系統的健康狀況得到改善，達到良好的監測效果。

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環境風險智能監測方法，為近岸海域生態環境風險的快速識別提供有力支持。

3結語

本研究從低功耗多旋翼無人機入手，分析近岸海域生態環境風險監測問題，探究基于低功耗多旋翼無人機傾斜攝影的近岸海域生態環境風險智能監測。智能監測不僅提高數據的獲取速度和精度，還能在短時間內對大量數據進行處理和分析，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，在實施智能監測時，須采取有效的措施和方法，確保其順利運行并發揮最大的效用，為生態保護和海洋經濟發展提供有力支持。

參考文獻

[1]吳曉鳳，馬雙，畢哲，等.我國生態環境監測行業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.環境DNA技術在貽貝入侵監測中的應用挑戰[J].生態學報，2023，43（11）：4423-4433.

[3]朱星遇，李飛龍，胡丹心，等.沉積物古DNA揭示水生態系統中群落演變的進展與展望[J].環境科學研究，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風險評價[J].環境化學，2021，40（1）：195-203.

[5]金珂，張麗娟，張偉，等.基于環境DNA宏條形碼的太湖流域底棲動物監測與生態健康評價[J].中國環境監測，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境參數的檢測與分析[J].家畜生態學報，2021，42（1）：69-73.

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