无人机RTK技术在蓝藻水华监测中的应用

2020-03-02韩翠敏程花夏晴晴屈铭志刘润

安徽农业科学 2020年2期

韩翠敏程花夏晴晴屈铭志刘润

摘要蓝藻在风力等气候因素的影响下，其状态更迭快速，而传统蓝藻监测方法速度慢，观测范围小，无法满足对蓝藻快速准确监测的技术需求。无人机遥感技术具有高时效、高机动性、高分辨率等特点，使其能够适用于快速变化的蓝藻水华监测。为验证无人机遥感技术在蓝藻快速识别和提取应用中的可靠性，利用集成RTK模块的大疆精灵4无人机获取太湖贡湖湾区域高分辨率影像，并通过一系列影像分析发现蓝藻提取正确率达到94.68%，Kappa系数为0.89，证实利用无人机影像进行蓝藻覆盖区域提取准确高效，说明其在蓝藻水华监测应用中具有广阔前景。

关键词蓝藻监测;精灵4 RTK无人机;监督分类

中图分类号 X832文献标识码 A

文章编号 0517-6611（2020）02-0225-03

doi：10.3969/j.issn.0517-6611.2020.02.065

開放科学（资源服务）标识码（OSID）：

Application of UAV RTK Technology in Monitoring Cyanobacteria

HAN Cui-min， CHENG Hua， XIA Qing-qing et al （Jiangsu Jiangda Ecological Technology Co.， Ltd.， Wuxi， Jiangsu 214061）

Abstract Under the influences of wind and other climatic factors， cyanobacteria blooms have a rapid change in state. The traditional cyanobacteria monitoring method is slow and the observation range is small， which cannot meet the technical requirements for rapid and accurate monitoring of cyanobacteria. The UAV remote sensing technology has the unique features of high timeliness， high maneuverability and high resolution， making it suitable for rapid changes in cyanobacterial bloom monitoring. In order to verify the reliability of UAV remote sensing technology in cyanobacteria rapid identification and extraction applications， this paper used the Phantom 4 UAV with integrated RTK module to obtain high-resolution images of the Gonghu Bay area of Taihu Lake， and through a series of image analysis， it was found that the correct extraction rate of cyanobacteria reached 94.68%， and the Kappa coefficient was 0.89. The results showed that the extraction of cyanobacteria covered by UAV images was accurate and efficient， indicating that it had broad prospects in cyanobacterial bloom monitoring applications.

Key words Cyanobacteria monitoring;Phantom 4 RTK UAV;Supervised classification

蓝藻水华是全球环境学界关注的热点，近年来，随着我国水体的富营养化发展，蓝藻水华防治已经成为企事业单位、科研院所研究的热点问题[1-2]。防治蓝藻水华，一般需要专业人员进行蓝藻水华现象的识别、预测以及控制。传统水华识别与防治主要依赖于实地采样和对区域环境监测站内数据的统计与分析，一般通过确定水中藻类细胞数目、叶绿素浓度、氨氮含量等来实现，传统方法可以实现定量监测，但费时、费力且采用离散样点观测，无法确定蓝藻的整体分布情况。随着遥感科学技术的发展，蓝藻水华问题的区域性监测成为可能，众多学者开展的遥感技术对蓝藻水华问题的研究，弥补了常规监测手段的不足[3]。蓝藻暴发时藻类生物高度聚集，其光谱特征与典型植被光谱特征相似，而与水体背景有较大差异，因此借助卫星遥感技术可以进行蓝藻水华的记录与识别。目前，影像的空间分辨率基本可以满足大范围水域蓝藻识别的需求，但蓝藻受气象因素尤其是风速、风向的影响较大，其在水中的状态更迭快速，而卫星遥感平台存在作业不灵活、分辨率低等特点，无法实现蓝藻的精细化监测，此外卫星遥感回访的周期性特点，加上云雾遮挡的影响，往往使蓝藻水华影像无法及时获取[4-5]。

近年来，无人机遥感技术受到广泛关注，无人机遥感集成遥感技术和测绘平台形成了一套作业灵活、成本低、分辨率高的专业化低空遥感系统。相对于卫星遥感，无人机遥感的优势还体现在以下方面：航线自主规划、作业简单，易于操作、可搭载多类型高精度传感器，影像分辨率可达厘米级[6-7]。目前，无人机系统可内置小型机载GPS板卡，采用基于载波相位差分技术（real-time kinematic，RTK）的无人机定位系统，可以实时获取卫星导航信号，通过差分解算、内插处理等精确获取无人机拍摄相片的定位信息，为最终成图提供精度保证[8]。笔者利用小型无人机获取试验区可见光影像，通过数字图像处理技术快速获取试验区蓝藻分布，并与目视解译结果进行对比，验证提取方法的有效性，探索利用无人机遥感开展蓝藻水华监测的新方法。

[2] 李晟铭，刘吉平，宋开山，等.基于Landsat影像巢湖蓝藻水华暴发时空变化特征及其驱动因素分析[J].长江流域资源与环境，2019，28（5）：1205-1213.

[3] 李天.基于RTK技术的无人机在大比例尺地形图测绘中的精度分析[J].测绘与空间地理信息，2019，42（3）：166-168.

[4] 沙林伟，刘阁，温志丹，等.基于MODIS数据的太湖蓝藻水华时空变化规律研究[J].湿地科学，2018，16（3）：432-437.

[5] 李亚春，王净，谢志清，等.多源遥感影像融合在太湖蓝藻监测中的应用[J].遥感技术与应用，2013，28（4）：569-575.

[6] 李鑫，孙伟，李林.基于小型无人机可见光遥感的蓝藻识别研究[J].测绘与空间地理信息，2017，40（4）：153-156，159.

[7] 张蔚，何正兴.基于低空无人机搭载可见光近红外传感器的太湖蓝藻监测[J].山东国土资源，2013，29（8）：53-55，59.

[8] 胡永进，曹仁勇.无人机航摄RTK技术在园林规划中的应用[J].江苏农业科学，2018，46（12）：172-175.

[9] 马怀武，王俊强.RTK结合无人机低空摄影在高原地区测绘中的应用[J].测绘地理信息，2014，39（3）：47-50.

[10] 贾宽宽，冉庆波，李宇晗，等.一种海洋遥感图像漏油区检测方法[J].中国科技信息，2018（8）：69-71.

[11] 林选妙.基于CORS系统与无人机遥感技术的大比例尺测图[J].科技创新与应用，2018（29）：158-161.

[12] 郝建明，楚彬，敖敏思，等.基于CORS的分米级GNSS差分定位云服务研究[J].测绘通报，2019（4）：11-16，25.

[13] 江木春，王柱，洪劍.千寻位置在江乌航道测量中的应用[J].水运工程，2019（7）：179-183.