基于无人机的海滨景区绿潮监测

周瑞佳 赵升 丁凯 徐东会 孙蓓蓓

摘要：海滨景区绿潮会对当地的养殖业、旅游业、交通运输业、海洋生态环境等多方面的发展产生严重的影响，由于绿潮的爆发时间长、规模较大并且位置随机的特点，目前常用无人机结合多源数据来对其进行检测，本文即讨论基于无人机的海滨景区绿潮监测工作。

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.

关键词：无人机;海滨景区;绿潮监测

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

中图分类号：X55;X834                                文獻标识码：A                                  文章编号：1006-4311（2020）30-0201-02

0  引言

我国有很多海滨城市，比如说青岛、烟台、大连等城市，而在这些城市的海滨景区存在有较为严重的绿潮问题，其持续时间之长、影响海域范围之大、清理难度之大是我国乃至世界都非常罕见的，其也为这些城市或者地区带来了非常严重的灾害影响，包括海产、旅游、养殖等多方面产业，损失金额可以说是无法估量。为了能够加强对滨海景区绿潮的治理，首先就必须要对滨海景区进行监测，本文就基于无人机的使用来分析在海滨景区的绿潮监测工作。

1  数据源以及数据处理方法

1.1 无人机应用潜力

无人机在绿潮监测中的应用潜力可谓是巨大。一方面，由于绿潮本身并没有毒性，只是其在大规模繁殖后会在海滩、海面等地区堆积，造成当地旅游、水产养殖等产业的发展，而对于这种大面积的物体通常可以采用卫星遥感来检测，但是由于在滨海景区内部分散着很多的小范围绿潮，所以目前采用卫星遥感技术已经无法完成绿潮监测工作，这就需要无人机的帮助。而另一方面，无人机技术在多年来的发展中越来越充当着地表和卫星联合测量的桥梁，其质量和体积并不大，但是效率和灵活度却大大提高，同时也可以对一些偏远、复杂地区进行测量，所以其应用潜力是巨大的。本文提出了无人机系统的基本配置，并阐述无人机在绿潮监测中的应用也是一大创新。可以说，在未来的绿潮监测和治理工作中，无人机将会发挥其重要的作用与潜力[1]。

1.2 无人机航拍数据

无人机是目前在绿藻监测工作中最有效的应用设备，本文选取大疆Ispire 1无人机系统进行航测。该系统通过一个飞行器、两个遥控器和两个显示平板组成。在航拍监测过程中，操作人员只需要对其内部设定的应用进行使用即可完成对无人机的控制，包括一键启动和自动降落等功能。而通过两个遥控器将可以全方位的对绿藻进行拍摄，并控制拍摄频率。当然，由于其内置DJI X3数码相机、Lightbridge高清视频传输技术等，所以在使用上耗电量较大，其电池续航能力在30分钟左右，所以需要配备10块左右的大容量智能电池，确保任务的有效完成。目前，无人机监测到的数据将通过Pix4Dmapper软件、ENVI 5.1软件、ArcGIS 10.2软件中进行处理。

1.3 卫星遥感影像技术

本文在基于无人机航拍的情况下，还需要获取到一定的卫星遥感影像数据，包括MODIS影像数据、GF-1 WFV影像数据以及哨兵S2A影像数据。所谓MODIS影像数据就是中分辨率成像光谱仪数据，通过一定的辐射定标、大气校正并且结合相应的工具将有效的提取绿潮信息。GF-1 WFV影像数据就是高分辨率卫星GF-1宽视场相机的影像数据，其处理方式与MODIS影像数据较为类似。最后则是S2A影像数据，S2A技术已经在农作物、树种分类、城市景观等多个方面有着较好的检测效果[2]。

2  基于无人机数据的绿潮监测机理与方法

2.1 数据与方法

在滨海景区的绿潮监测中，需要通过无人机来获取相应的数据并进行分析。针对于绿藻的基本性质，需要在处理过程中采取过绿指数（EXR）、归一化绿红差值指数（NGRDI）、归一化绿红差值指数（NGBDI）和绿叶指数（GLI）等基于RGB（即红、绿、蓝波段）的颜色指数。由于在航拍的过程中需要对海面、海水、海滩、沙滩、筏架等多方面的物体进行检测，并获取每个物体的样点，所以可以对其中一部分的样点选为特征样点，而对于剩余的样点选为验证点，确保绿潮监测的精度。

2.2 岸滩绿潮监测

由于岸滩是海洋和陆地交汇的区域，在该区域往往有着大量的游客和养殖户，所以该区域也是绿藻监测和防护的重点区域。在选择好相应的样本区域之后，通过无人机与卫星遥感技术来获取相应的数据。监测人员可以将沙滩、海水和绿潮藻进行采样，选择一定的特征样点和验证点，并对岸滩绿潮的RGB波段进行特征分析，在分析的过程中要对不同地物采样点的RGB波段特征进行比较，并探究岸滩绿潮不同颜色指数的空间分布特征，并对于四类颜色指数进行比较。在实际研究中可以看出，EXG和GLI两类指数的精度很高，这是由于其利用了海绵绿潮与海水在G波段和B波段上的差异，而且GLI指数的参数设计采用了归一化的思想，所以具备更高的辨识度，在实际的监测工作中常用到该指数[3]。

2.3 海面漂浮绿潮和筏架附着绿潮监测

海面漂浮绿潮将大规模影响到当地的生态环境，特别是藻类死亡腐烂后其影响将到达峰值，并且随着洋流与风场的作用，绿潮藻类将会进行一定程度的迁移情况，这将使得其逐渐飘向海岸并且堆积在海滨景区内，这将对当地的旅游业造成巨大的损失。而在筏架中，在海边有着大量用于养殖的筏架，而因为在移除筏架的过程中往往都会存在有大量的附着绿藻掉落到海里，造成了一定规模的绿潮按照与岸滩绿潮监测相同的方法可以得到，在对海面绿潮的监测的中，通过研究可以发现，EXG、GLI、NGBDI三种指数的空间分布较为一致，而在精度上则是NGBDI指数更高，这是由于NGBDI利用了G波段和B波段的差异，并且由于海面绿潮中G波段和R波段的差距较小，所以GLI反倒由于增加了对R波段的要素而不适用与海面漂浮绿潮的监测。而在同样的数据处理与分析方法下，对于筏架来说NGBDI和EXG都能够显示高值，但却与实际情况有着较大的出路，误差较大。而NGRDI显示的是低值，能够有效的与真实的绿潮藻有着较大的区分度，其原因在于NGRDI中主要是G波段和R波段，受到的B波段影响较小，所以能够有效的减小水中倒影对于影像的影响[4]。

3  辐射沙洲区筏架绿藻生物量的估算

3.1 研究背景

世界各国都开始针对绿潮灾害的成因进行分析，而目前普遍认为绿潮的形成是由于海水的富营养化以及全球变化是绿潮的主要引发原因。目前，在我国的绿潮灾害大多集中在黄海，并且通过研究可以发现绿潮最初產生的位置大多都处于辐射沙洲附近，并且在辐射沙洲中筏架为绿藻提供了大量的生存场所，也为海滨景区的绿潮爆发提供了一定的初始量。所以为了能够做好监测治理工作，除了要对海水富营养化以及全球变化进行研究，还需要对辐射沙洲区筏架海藻进行分析，探究其初始生物量，这也能够为后续绿潮的治理提供更多的决策支持。

3.2 数据与方法

紫菜养殖的全过程一般会在九月和十月进行，并在次年的四月份完成收获。上述已经提到在移除筏架的过程中会造成大量的绿藻生物掉落海中，所以该阶段的绿藻生物监测是重中之重。通过采用大疆Ispire 1无人机进行航拍并针对于筏架上的绿藻进行采样和调查可以得到相应的初始生物量数据。通过这些数据来建立起无人机-多源数据-地面调查模型，从而有效的制定防护决策。

3.3 对筏架绿藻的高精度监测

早期生物量是研究滨海景区绿藻灾害的重要指标。可以说，在经过风和洋流的驱动下，大块的绿藻版块将在一定的光照、盐度、温度下得到充分的生长，短期内可以达到上百倍的生长。所以为了能够解决筏架绿藻为滨海景区带来的严重影响，一方面需要有效的制止养殖户丢弃海藻的行为，另一方面还需要持续且精确的数据，从而为治理部门的工作带来更长久的发展和优化。所以无人机的用处很大，其正好可以在研究早期生物量的工作中发挥重要的作用。通过结合高分辨率的S2A技术以及地面观测点采样数据，研究人员可以有效的构建起对辐射沙洲区筏架绿藻初始生物量的基本模型，这样能够有效的揭示绿潮的爆发机制，并且有效的为绿潮爆发提供预警和治理依据。可以说，通过本文提出的由卫星遥感、无人机航拍监测、原位定点采样观测三方面技术结合的形式来有效的测量筏架绿藻的初始生物量。

4  无人机与多源数据的应用分析

4.1 MODIS数据分析

无人机航拍数据和实际考察数据、高分辨率GF-1影像数据等饱含着大量的绿藻信息，而通过对这些绿藻信息的提取，并且将其与对应的MODIS影像数据所提取的绿藻信息进行对比分析。根据现有的研究可以表明，MODIS影响的数据比较适用于一些直径在100m以上绿潮斑块的监测工作中，并且其精度较高，测量的结果比较符合绿藻的真实分布情况，但是其并不能对直径在10m之内的绿藻斑块进行监测。当然，即使MODIS数据还是存在一定的面积误差，但是由于其测量精度较高所以依然是目前各国绿潮监测工作中的重要数据源。

4.2 应用效果

在不同的环境下，通过无人机颜色指数来对绿潮进行检测，在基于RGB原理下将得到不同情境中的监测数据。可以说，通过对无人机、S2A、MODIS等多源数据的结合，可以达到更好的绿藻监测效果，而事实上目前我国的绿藻监测事业也开始朝着多维度的方向发展。当然，绿藻的生成过程并不完全可控，比如说在筏架拆除的过程无法保证绿藻的部分脱落，而在紫菜养殖过程中也不可避免会生成一部分的绿藻，这部分的生物量监测还是空缺。

5  结束语

本文探究了基于无人机的海滨景区绿藻监测工作，分析了在海绵、岸滩、筏架和滨海景区的绿藻监测工作，并探究初始生物量的监测策略，在文章的最后将无人机监测数据与MODIS监测数据进行比较，阐述了无人机与MODIS结合得到的应用效果，希望能够对相关人员提供参考。

参考文献：

[1]王法景，李俊锋.基于改进水平集模型的黄海绿潮提取算法研究[J].江西农业学报，2020，32（06）：121-126.

[2]李冬雪，高志强，尚伟涛，姜晓鹏，宋德彬，张媛媛.基于无人机多光谱影像的海滨景区浒苔信息提取研究[J].海洋环境科学，2020，39（03）：438-446.

[3]徐福祥，高志强，尚伟涛，宁吉才，姜晓鹏，宋德彬.基于无人机的海滨景区绿潮监测[J].海洋与湖沼，2018，49（05）：1061-1067.

[4]徐福祥.基于无人机及多源数据的黄海绿潮监测研究[D].中国科学院大学（中国科学院烟台海岸带研究所），2018.

作者简介：周瑞佳（1989-），男，山东青岛人，硕士，工程师。