基于无人机倾斜摄影的河湖水质污染范围监控方法研究

马成才　马永春　罗福正

摘要：由于河湖水污染的非连续性，使得水质污染范围监控结果不精准，提出基于无人机倾斜摄影的河湖水质污染范围监控方法。导入倾斜摄影图像，通过光束法测量区域网空中三角，分析像素点坐标。计算三维空间点和相机像素点的重投影误差，生成水质污染高密度点云数据。对图像径向畸变、切向畸变处理，线性变换处理图像。结合无人机高光谱遥感反射率测定方式，获取太阳总辐照度。基于无人机高光谱遥感反射率计算结果，监控河湖水质污染范围。实验结果可知，监控的异常水体污染范围与实际监控范围一致，该方法具有精准监控效果。

关键词：无人机倾斜摄影；河湖水质污染；范围监控；畸变数据处理

中图分类号：X832 文献标志码：B

前言

工业废水的处理，通常是把废水排放到江河里去，随着生产和生活废水的不断增加，河湖水质量不断下降，环境质量不断受到威胁。富营养化是指在水生植物生长所需要的营养物质中，由于营养物质含量过高而引起的一种环境问题。对河流湖泊的环境质量进行合理的分析与评估，对于河流湖泊的环境质量控制具有重要的意义。

文献[1]研究了Sentinel - 2/MSI深度学习超分辨率重建及河湖水质遥感反演，通过残差神经网络超分辨率重建算法，结合迁移学习方法与卷积注意模块，实现水质遥感反获取水质信息。文献[2]提出基于多传感器数据融合的造纸企业水污染范围监测方法，布设传感器网络，利用多类型传感器实时采集污染数据，从而确定污染范围；文献[3]提出基于监测断面空间聚类的监控方法，利用空间白相关、空间聚类及热斑等技术，分析水体空间特征，并划分水体区域；文献[4]提出基于嵌入式技术的监控方法，该芯片以STM32F103为芯片，采用A7600C型LTE4G模组中的DTU，以QT为研究对象，测定三项水质指标。但是上述方法有的没有采用无人机遥感技术，导致效率较低，监测范围有限，而采用该技术的，则没有考虑数据畸变问题，导致监测不准确。

针对上述问题，提出了基于无人机倾斜摄影的河湖水质污染范围监控方法。

1 基于无人机倾斜摄影的水质污染高密度点云数据生成

利用无人机倾斜摄影监控方法，将拍摄到的图像导人系统中，并对每一张图片进行POS数据和相机校准参数的匹配。光束法区域网空中三角测量是以一张像片构成的一束射线为平差的基本单位，它是以中心投影的共线方程为平差的基础方程，利用各个射线束在空间的旋转和移动，使得模型之间的共同点的射线达到最优的交叉，以相邻像片的共同交会点坐标与已知的外部坐标相等为前提，求解每张像片的外方位元素和架空点的地面坐标。使用无人机倾斜摄影对飞行方向和侧向的像素点进行自动配准，将整个区域内各个航带网络都并入到一个具有统一比例的坐标体系中，形成一个松散的区域网络。确定每个图像外方位要素和地面点大致位置，以外部控制点为基础，逐一构建误差和修正方程，得到每个图像的外方位要素和加密点地面坐标。在求取各影像的外方位要素与加密点的地表坐标的基础上，利用共线性方程，求出各影像的控制与加密点的误差方程，可以为每一个像素点列举如下关系，即：

式（1）中，（x0，y0）表示像素点坐标；d表示相机焦距；（Xr，Yr，Zr）表示像素点对应的空间点坐标；（Xs，Ys，Zs）表示相机外方位元素的无人机倾斜摄影中心空间坐标的3个线元素；θk、φk、νk（k=1，2，3）分别表示相机外方位元素的用于描述像片空间姿态的3个角元素。

假设无人机倾斜摄影区域存在三维空间，则使用光束法平差计算三维空间点和相机像素点重投影误差，公式为式（2）：

式（2）中，Wi、Qj分别表示由相机外方位3个线元素、3个角元素和像素点对应的空间点坐标组成的i行j列的v阶函数；d表示x0和y0之间的欧式距离；O（Wi，Qj）表示重投影坐标；ηij表示二进制变量。

根据计算出的外方位元素对应的控制点地面坐标，控制网平差，公式为式（3）：

式（3）中，m表示计算次数；r表示参与评定的检查点数。

利用空中三角测量法计算图像的外方位元素，经多视角图像稠密配准，得到了高密度点云数据。

2 基于点云数据的河湖水质污染范围监控

根据水质污染高密度点云数据生成结果，使用无人机高光谱遥感反射率测定方式监控河湖水质污染范围，具体步骤如下所示：

步骤一：无人机倾斜摄影生成的图像具有大量噪点与非地面点，容易出现畸变数据，仅使用点云很难处理。因此，需处理图像中的畸变情况。无人机在高速飞行时，产生的图像存在镜头误差和A/D变换误差，尽管无人机的镜头能够对这些误差进行一定补偿，但变形状态仍然会对物镜反射点产生影响，导致图像产生径向畸变。

对于径向畸变处理，公式如式（4）：

sα=s0（sxα2+ syα4+ szα6） 式（4）

式（4）中，s0表示图像初始畸变数据；α表示径向畸变修复因子；sx、sy、sz分别表示x、y、z方向的径向畸变参数。

待径向畸变数据处理完成后，继续处理切向畸变数据，公式为式（5）：

sβ=λ（α2+ 2s0） 式（5）

式（5）中，λ表示径向与切向垂直数据关系。

通过处理径向畸变、切向畸变数据，能够使得图像快速恢复三点式共线。

步骤二：无人机在进行数据采集时，由于无法对日照情况进行有效控制，导致了由于日照过强或者过弱而造成了影像的“阴极”现象。因此，有必要执行线性转换过程，并给出了如式（6）：

a（x，y，z）=b（x，y，z）I1+I0 式（6）

式（6）中，b（x，y，z）表示线性变换前监测点三维坐标；I1表示数据处理的灰度系数；I0表示初始灰度值。

步骤三：在图像外方位元素复原后，采用稠密匹配法产生点云，然后将点云过滤，最终建立数字地面模型。通过拼接处理多个测量区域的数字地面模型，将三角形剖面划分为若干个区域，获得全部地表数据。在3D模式档案中包含了构成一个不规则三角网络的全部节点的3D地理坐标数据，并且给每一个订单指定配唯一ID。三角面片是一个以三个顶点为坐标的三角面片，它被用来表示一个小型三角面，这些三角面片的组合就是一个不规则的三角网。

步骤四：在无人驾驶飞机所经过的河流表面布设1 m2反射率为15%- 20%的基准平板，以获取受污染河流的水质信息。当无人机飞越这片区域时，利用地物分光光度计，对其进行多个同步测量，得到的太阳总辐射可表示为式（7）：

G（l）=π·Lr（l）／Ur（l） 式（7）

式（7）中，l表示光谱波长；Lr（l）表示下行辐亮度；Ur（l）表示参考板的反射率。

假设在连续的、恒定的照明环境下，地基观测的天光照射强度假设为无人机拍摄的天光照射强度。在没有风、和风、水面很安静的情况下，假设不受白色云层的影响，则无人机高光谱遥感反射率可以表达为式（8）：

Rrs（l）=（Lv（l）-ζ·Ls（l））／G（l） 式（8）

式（8）中，Lv（l）、Ls（l）分别表示上行辐亮度、天空光入射辐亮度；ζ表示菲涅尔反射率。

遥感反射率单位为sr-1，基于该计算结果，划分河湖水质污染范围，见图1。

由图1可确定河湖水质污染范围，由此完成河湖水质污染范围的监控。

3 实验

3.1 实验环境分析及样点布设

选择某流域为研究对象，分析水质变化，见图2。

对某岛2020年7月、2021年2月两条主要河流进行了调查，发现在于旱季节，该岛河流湖泊出现了大量的黄棕色反常水体颜色。造成这种情况的主要因素是该地区属于“闸控型”河道，在没有排水季节，降雨少的情况下，河道几乎被封锁，水动力匮乏，加之工业废水和生活污水的大量排放，造成了河道水质的不正常。由于河湖水藻类和底柄动物调查结果与水质监测的样点布设完全一致，所以布设了如图4所示样点。布设原则主要依据河湖水流域生态水文过程完整性布设的，且避开滇池回水区域。

3.2 实验指标

在确保河湖水清洁前提下，设置动态监测站点，收集河道河型及周边环境等数据，并以此为基准进行实验，以确保实验结果正确性。以受污染水体为研究对象，以该方法为依据，计算受污染水体的监测精度指数，公式为式（9）：

式（9）中，m表示监测因子；Sm表示监测区域；c表示标准指标。

该计算结果数值越大，说明监测结果越精准。基于此，获取了实际水质污染监控范围，具体为，绿色异常水体的污染范围是E - [107°- 108.5°]、N- [37°-38.5°]；黄棕色异常水体的污染范围是E- [107°-108.5°]、N- [36.5°- 37.7°]；正常水体的范围是E- [106.5°- 108.5°]、N- [35.2°- 36.8°]，三种水体监控范围均不重叠。

3.3 实验结果与分析

为了验证基于无人机倾斜摄影的河湖水质污染范围监控方法是否能够合理应用，对该方法进行实验验证分析。以采集布设的监测点数据为实验基础数据，以基于多源遥感的特征参数反演技术、基于监测断面空间聚类的监控方法、基于嵌入式技术的监控方法与基于无人机倾斜摄影的监控方法的水质污染范围监控结果为实验结果。使用多遥感方法监控的绿色异常水体的污染范围是E - [107°- 108.5°]、N- [36.5°-38.5°]；黄棕色异常水体的污染范围是E - [107°- 108.5°]、N - [36.2°- 37.5°]；正常水体的范围是E- [106.5°-108.5°]、N- [35.2°- 36.8°]，黄棕色异常水体污染范围与正常水体范围有重叠。使用监测断面空间聚类方法监控的绿色异常水体的污染范围是E - [107°- 108.5°]、N- [36.5°- 38.5°]；黄棕色异常水体的污染范围是E -[107°- 108.5°]、N- [36.1°-37.5°]；正常水体的范围是E- [106.5°- 108.5°]、N - [35.2°- 36.8°]，绿色异常水体污染范围与黄棕色异常水体污染范围、黄棕色异常水体污染范围与正常水体范围均有重叠。使用嵌入式技术监控的绿色异常水体的污染范围是E - [107°- 108.5°]、N- [36.5°-38.5°]；黄棕色异常水体的污染范围是E- [107°- 108.5°]、N- [36.4°- 37.5°]；正常水体的范围是E - [106.5°- 108.5°]、N- [35.5°- 36.7°]，绿色异常水体污染范围与黄棕色异常水体污染范围、黄棕色异常水体污染范围与正常水体范围均有重叠。使用无人机倾斜摄影方法监控的绿色异常水体的污染范围是E - [107°- 108.5°]、N- [37°-38.5°]；黄棕色异常水体的污染范围是E - [107°- 108.5°]、N - [36.5°-37.7°]；正常水体的范围是E- [106.5°- 108.5°]、N- [35.2°- 36.8°]，与实际监控范围一致。

4 结束语

河湖水质污染严重影响人们的生活和生产，因此，需要进行有效治理，但是在治理过程中，需要监控河湖水质污染范围，但是现阶段河湖水质污染范围监控不佳，存在监控范围不准确的问题，因此，提出的基于无人机倾斜摄影的河湖水质污染范围监控方法。该方法进行了现场布置，监测结果更加准确。同时，使用了无人机倾斜摄影技术，对这些数据进行了收集和处理，解决了畸变问题，使得获取的动态监测数据也更为可信。结合一种无人机高光谱遥感反射率标定方法，计算高光谱遥感反射率，以此监控河湖水质污染范围。实验验证结果显示，所研究方法监测结果精准，监控出的水质污染范围与实际一致，因此，该方法具有良好监控效果。