基于無人機的海濱景區綠潮監測

周瑞佳 趙升 丁凱 徐東會 孫蓓蓓

摘要：海濱景區綠潮會對當地的養殖業、旅游業、交通運輸業、海洋生態環境等多方面的發展產生嚴重的影響，由于綠潮的爆發時間長、規模較大并且位置隨機的特點，目前常用無人機結合多源數據來對其進行檢測，本文即討論基于無人機的海濱景區綠潮監測工作。

Abstract： The green tide in coastal tourism area has a serious impact on the development of local aquaculture， tourism， transportation and marine ecological environment so on. Due to the characteristics of long duration， large scale and random location， drones are commonly used to detect them with multi-source data. This paper discusses the monitoring of green tide in coastal tourism area based on drones.

關鍵詞：無人機;海濱景區;綠潮監測

Key words： drone;coastal scenic area;green tide monitoring

中圖分類號：X55;X834 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）30-0201-02

0 ?引言

我國有很多海濱城市，比如說青島、煙臺、大連等城市，而在這些城市的海濱景區存在有較為嚴重的綠潮問題，其持續時間之長、影響海域范圍之大、清理難度之大是我國乃至世界都非常罕見的，其也為這些城市或者地區帶來了非常嚴重的災害影響，包括海產、旅游、養殖等多方面產業，損失金額可以說是無法估量。為了能夠加強對濱海景區綠潮的治理，首先就必須要對濱海景區進行監測，本文就基于無人機的使用來分析在海濱景區的綠潮監測工作。

1 ?數據源以及數據處理方法

1.1 無人機應用潛力

無人機在綠潮監測中的應用潛力可謂是巨大。一方面，由于綠潮本身并沒有毒性，只是其在大規模繁殖后會在海灘、海面等地區堆積，造成當地旅游、水產養殖等產業的發展，而對于這種大面積的物體通?？梢圆捎眯l星遙感來檢測，但是由于在濱海景區內部分散著很多的小范圍綠潮，所以目前采用衛星遙感技術已經無法完成綠潮監測工作，這就需要無人機的幫助。而另一方面，無人機技術在多年來的發展中越來越充當著地表和衛星聯合測量的橋梁，其質量和體積并不大，但是效率和靈活度卻大大提高，同時也可以對一些偏遠、復雜地區進行測量，所以其應用潛力是巨大的。本文提出了無人機系統的基本配置，并闡述無人機在綠潮監測中的應用也是一大創新?？梢哉f，在未來的綠潮監測和治理工作中，無人機將會發揮其重要的作用與潛力[1]。

1.2 無人機航拍數據

無人機是目前在綠藻監測工作中最有效的應用設備，本文選取大疆Ispire 1無人機系統進行航測。該系統通過一個飛行器、兩個遙控器和兩個顯示平板組成。在航拍監測過程中，操作人員只需要對其內部設定的應用進行使用即可完成對無人機的控制，包括一鍵啟動和自動降落等功能。而通過兩個遙控器將可以全方位的對綠藻進行拍攝，并控制拍攝頻率。當然，由于其內置DJI X3數碼相機、Lightbridge高清視頻傳輸技術等，所以在使用上耗電量較大，其電池續航能力在30分鐘左右，所以需要配備10塊左右的大容量智能電池，確保任務的有效完成。目前，無人機監測到的數據將通過Pix4Dmapper軟件、ENVI 5.1軟件、ArcGIS 10.2軟件中進行處理。

1.3 衛星遙感影像技術

本文在基于無人機航拍的情況下，還需要獲取到一定的衛星遙感影像數據，包括MODIS影像數據、GF-1 WFV影像數據以及哨兵S2A影像數據。所謂MODIS影像數據就是中分辨率成像光譜儀數據，通過一定的輻射定標、大氣校正并且結合相應的工具將有效的提取綠潮信息。GF-1 WFV影像數據就是高分辨率衛星GF-1寬視場相機的影像數據，其處理方式與MODIS影像數據較為類似。最后則是S2A影像數據，S2A技術已經在農作物、樹種分類、城市景觀等多個方面有著較好的檢測效果[2]。

2 ?基于無人機數據的綠潮監測機理與方法

2.1 數據與方法

在濱海景區的綠潮監測中，需要通過無人機來獲取相應的數據并進行分析。針對于綠藻的基本性質，需要在處理過程中采取過綠指數（EXR）、歸一化綠紅差值指數（NGRDI）、歸一化綠紅差值指數（NGBDI）和綠葉指數（GLI）等基于RGB（即紅、綠、藍波段）的顏色指數。由于在航拍的過程中需要對海面、海水、海灘、沙灘、筏架等多方面的物體進行檢測，并獲取每個物體的樣點，所以可以對其中一部分的樣點選為特征樣點，而對于剩余的樣點選為驗證點，確保綠潮監測的精度。

2.2 岸灘綠潮監測

由于岸灘是海洋和陸地交匯的區域，在該區域往往有著大量的游客和養殖戶，所以該區域也是綠藻監測和防護的重點區域。在選擇好相應的樣本區域之后，通過無人機與衛星遙感技術來獲取相應的數據。監測人員可以將沙灘、海水和綠潮藻進行采樣，選擇一定的特征樣點和驗證點，并對岸灘綠潮的RGB波段進行特征分析，在分析的過程中要對不同地物采樣點的RGB波段特征進行比較，并探究岸灘綠潮不同顏色指數的空間分布特征，并對于四類顏色指數進行比較。在實際研究中可以看出，EXG和GLI兩類指數的精度很高，這是由于其利用了海綿綠潮與海水在G波段和B波段上的差異，而且GLI指數的參數設計采用了歸一化的思想，所以具備更高的辨識度，在實際的監測工作中常用到該指數[3]。

2.3 海面漂浮綠潮和筏架附著綠潮監測

海面漂浮綠潮將大規模影響到當地的生態環境，特別是藻類死亡腐爛后其影響將到達峰值，并且隨著洋流與風場的作用，綠潮藻類將會進行一定程度的遷移情況，這將使得其逐漸飄向海岸并且堆積在海濱景區內，這將對當地的旅游業造成巨大的損失。而在筏架中，在海邊有著大量用于養殖的筏架，而因為在移除筏架的過程中往往都會存在有大量的附著綠藻掉落到海里，造成了一定規模的綠潮按照與岸灘綠潮監測相同的方法可以得到，在對海面綠潮的監測的中，通過研究可以發現，EXG、GLI、NGBDI三種指數的空間分布較為一致，而在精度上則是NGBDI指數更高，這是由于NGBDI利用了G波段和B波段的差異，并且由于海面綠潮中G波段和R波段的差距較小，所以GLI反倒由于增加了對R波段的要素而不適用與海面漂浮綠潮的監測。而在同樣的數據處理與分析方法下，對于筏架來說NGBDI和EXG都能夠顯示高值，但卻與實際情況有著較大的出路，誤差較大。而NGRDI顯示的是低值，能夠有效的與真實的綠潮藻有著較大的區分度，其原因在于NGRDI中主要是G波段和R波段，受到的B波段影響較小，所以能夠有效的減小水中倒影對于影像的影響[4]。

3 ?輻射沙洲區筏架綠藻生物量的估算

3.1 研究背景

世界各國都開始針對綠潮災害的成因進行分析，而目前普遍認為綠潮的形成是由于海水的富營養化以及全球變化是綠潮的主要引發原因。目前，在我國的綠潮災害大多集中在黃海，并且通過研究可以發現綠潮最初產生的位置大多都處于輻射沙洲附近，并且在輻射沙洲中筏架為綠藻提供了大量的生存場所，也為海濱景區的綠潮爆發提供了一定的初始量。所以為了能夠做好監測治理工作，除了要對海水富營養化以及全球變化進行研究，還需要對輻射沙洲區筏架海藻進行分析，探究其初始生物量，這也能夠為后續綠潮的治理提供更多的決策支持。

3.2 數據與方法

紫菜養殖的全過程一般會在九月和十月進行，并在次年的四月份完成收獲。上述已經提到在移除筏架的過程中會造成大量的綠藻生物掉落海中，所以該階段的綠藻生物監測是重中之重。通過采用大疆Ispire 1無人機進行航拍并針對于筏架上的綠藻進行采樣和調查可以得到相應的初始生物量數據。通過這些數據來建立起無人機-多源數據-地面調查模型，從而有效的制定防護決策。

3.3 對筏架綠藻的高精度監測

早期生物量是研究濱海景區綠藻災害的重要指標?？梢哉f，在經過風和洋流的驅動下，大塊的綠藻版塊將在一定的光照、鹽度、溫度下得到充分的生長，短期內可以達到上百倍的生長。所以為了能夠解決筏架綠藻為濱海景區帶來的嚴重影響，一方面需要有效的制止養殖戶丟棄海藻的行為，另一方面還需要持續且精確的數據，從而為治理部門的工作帶來更長久的發展和優化。所以無人機的用處很大，其正好可以在研究早期生物量的工作中發揮重要的作用。通過結合高分辨率的S2A技術以及地面觀測點采樣數據，研究人員可以有效的構建起對輻射沙洲區筏架綠藻初始生物量的基本模型，這樣能夠有效的揭示綠潮的爆發機制，并且有效的為綠潮爆發提供預警和治理依據?？梢哉f，通過本文提出的由衛星遙感、無人機航拍監測、原位定點采樣觀測三方面技術結合的形式來有效的測量筏架綠藻的初始生物量。

4 ?無人機與多源數據的應用分析

4.1 MODIS數據分析

無人機航拍數據和實際考察數據、高分辨率GF-1影像數據等飽含著大量的綠藻信息，而通過對這些綠藻信息的提取，并且將其與對應的MODIS影像數據所提取的綠藻信息進行對比分析。根據現有的研究可以表明，MODIS影響的數據比較適用于一些直徑在100m以上綠潮斑塊的監測工作中，并且其精度較高，測量的結果比較符合綠藻的真實分布情況，但是其并不能對直徑在10m之內的綠藻斑塊進行監測。當然，即使MODIS數據還是存在一定的面積誤差，但是由于其測量精度較高所以依然是目前各國綠潮監測工作中的重要數據源。

4.2 應用效果

在不同的環境下，通過無人機顏色指數來對綠潮進行檢測，在基于RGB原理下將得到不同情境中的監測數據?？梢哉f，通過對無人機、S2A、MODIS等多源數據的結合，可以達到更好的綠藻監測效果，而事實上目前我國的綠藻監測事業也開始朝著多維度的方向發展。當然，綠藻的生成過程并不完全可控，比如說在筏架拆除的過程無法保證綠藻的部分脫落，而在紫菜養殖過程中也不可避免會生成一部分的綠藻，這部分的生物量監測還是空缺。

5 ?結束語

本文探究了基于無人機的海濱景區綠藻監測工作，分析了在海綿、岸灘、筏架和濱海景區的綠藻監測工作，并探究初始生物量的監測策略，在文章的最后將無人機監測數據與MODIS監測數據進行比較，闡述了無人機與MODIS結合得到的應用效果，希望能夠對相關人員提供參考。

參考文獻：

[1]王法景，李俊鋒.基于改進水平集模型的黃海綠潮提取算法研究[J].江西農業學報，2020，32（06）：121-126.

[2]李冬雪，高志強，尚偉濤，姜曉鵬，宋德彬，張媛媛.基于無人機多光譜影像的海濱景區滸苔信息提取研究[J].海洋環境科學，2020，39（03）：438-446.

[3]徐福祥，高志強，尚偉濤，寧吉才，姜曉鵬，宋德彬.基于無人機的海濱景區綠潮監測[J].海洋與湖沼，2018，49（05）：1061-1067.

[4]徐福祥.基于無人機及多源數據的黃海綠潮監測研究[D].中國科學院大學（中國科學院煙臺海岸帶研究所），2018.

作者簡介：周瑞佳（1989-），男，山東青島人，碩士，工程師。