基于多旋翼无人机倾斜摄影的近岸海域生态环境风险监测

摘要：由于现有的智能监测方法环境质量综合指数较低，为此研究基于低功耗多旋翼无人机倾斜摄影的近岸海域生态环境风险智能监测。选用低功耗多旋翼无人机能够灵活深入测区，获取地物全方位的倾斜影像。通过改变焦距，对曝光参数进行调整，自动匹配感光度，避免航片的动态模糊。对近岸海域生态环境采样，计算摄影物距，使无人机依次遍历所有路径点拍摄测区全局。建立模型，对近岸海域生态环境风险进行分析，将获得的生态环境特征数据输入模型中对环境潜在风险进行识别，获得风险预测结果，从而完成监测。实验结果表明，2009—2023年环境质量综合指数均在90以上，提高了保护区的生态环境质量，使生态系统的健康状况得到改善。

关键词：低功耗 多旋翼无人机 倾斜摄影 生态环境 监测

中图分类号：文献识码：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

在近岸海域生态环境风险的监测与管理方面，智能监测发挥着越来越重要的作用[1]。智能监测方法通过利用先进的传感器技术、物联网技术和数据分析技术等，实现实时监测，提高数据获取的速度和准确性。通过对历史数据和实时数据的分析，为及时采取应对措施提供有力支持。覆盖更广泛的区域，获取更加全面和准确的数据，提高监测的可靠性。构建更加完善的监测体系，为海洋与人文和谐共生作出更大的贡献。由于传统的近岸海域生态环境风险监测方法存在缺点。在数据获取的准确性和全面性方面存在不足，可能无法覆盖整个海域或准确捕捉生态环境的细微变化。此外，传统方法通常无法对生态环境风险进行早期预警，使应对措施往往滞后。因此，为确保海域生态的健康和稳定，以近岸海域生态环境风险智能监测为研究对象，基于低功耗多旋翼无人机倾斜摄影，结合实际情况进行测试与分析。

1近岸海域生态环境风险智能监测

1.1低功耗多旋翼无人机倾斜摄影获取图像

运用无人机将飞行器按照具体的摄影角度进行敷设航线[2]。依靠单台相机旋转角度进行连续拍摄，保证安全快口速度的前提下，飞行器可以不悬停，有效规避悬停对飞行器的能耗影响[3]。在云台的控制下，将相机方向进行调整，并通过监控系统将相机拍摄到的实景传输到终端，获得高质量的倾斜影响[4]。通过云台抵消飞行器运动时的姿态变化，使相机姿态在地面参照系下保持恒定。根据内置IMU提供的姿态参数，实现飞行器下方各个角度的倾斜航拍。需要控制镜头的焦距，通过运用较小光圈来进行对角，使前景距无限远为合焦状态，焦距的公式为

式（1）中：为镜头物理焦距；为光圈号；为允许弥散直径；通过改变焦距对曝光参数进行调整，自动匹配感光度，避免航片的动态模糊[5]。对近岸海域生态环境采样，获得离散像元，并使用GPS定位高度后控制摄影物距。摄影物距的公式为

式（2）中：为像元数量；为镜头参数。

1.2提取近岸海域生态环境特征

对采集的图像进行转化，将转换后的数据进行预处理[6]。在陆域和海域监测的基础上，结合相关成果建立近岸海域环境质量综合评价方法，并逐步标准化[7]。通过不同场景图像中的关联度，对图像的关键点进行相似度检验。运用灰度检测法进行特征识别，公式为

式（3）中：表示图像像素点的位置；为图像识别的灰度等级；表示像素点的灰度系数。

1.3构建智能风险监测模型监测预警

运用贝叶斯网络学习方法，将属性间的依赖关系形成树形结构。设定参数学习目标中，其条件概率为，将数据集导入最大化算法中，获得观测集的联合概率分布为。初始化，通过观测数据提出函数的条件期望，公式为

式（4）中：为迭代步骤，设定步中的分布为正确的，得到目标的条件概率结果。通过生态环境影响因素关联分析，确定风险监测要素的矩阵。矩阵的计算公式为

式（5）中：为单位矩阵；为不同节点之间的路径长度。以量化后的指标作为网络节点变量，对节点分配状态值。设定在风险为的时候，为低风险状态；当风险为时，为中风险状态；当风险为时为高风险状态。在实际监测过程中，制定相应的监测制度，将成果转化为监测和评价技术与方法并加以标准化，提升监测水平。

2实验测试与分析

2.1搭建实验环境

选用A型多旋翼无人机进行倾斜摄影实验。该无人机性能良好，基本符合特殊环境下的倾斜摄影需求。多旋翼无人/nwAl6Ba4SeY+yT3zGuSEg==机的性能参数如下。

同时，对环境质量综合指数进行计算，判断不同的生态保护区的环境质量是否满足养殖功能需求。当环境质量综合指数大于90时，达到高质量养殖需求，实现全方面的风险智能检测。

2.2结果与分析

2009—2023年近岸海域生态A-C生态保护区中环境质量综合指数结果如表2所示。

由表2可知，2009—2023年环境质量综合指数均在90以上，结果符合预期，提升保护区的生态环境质量，使生态系统的健康状况得到改善，达到良好的监测效果。

综上所述，运用基于低功耗多旋翼无人机倾斜摄影的近岸海域生态环境风险智能监测方法，为近岸海域生态环境风险的快速识别提供有力支持。

3结语

本研究从低功耗多旋翼无人机入手，分析近岸海域生态环境风险监测问题，探究基于低功耗多旋翼无人机倾斜摄影的近岸海域生态环境风险智能监测。智能监测不仅提高数据的获取速度和精度，还能在短时间内对大量数据进行处理和分析，为决策者提供更加及时和准确的信息。但本文方法还存在不足。今后应更加完善计算，在实施智能监测时，须采取有效的措施和方法，确保其顺利运行并发挥最大的效用，为生态保护和海洋经济发展提供有力支持。

参考文献

[1]吴晓凤，马双，毕哲，等.我国生态环境监测行业空气和废气中非甲烷总烃检测能力浅析[J].中国测试，2022，48（10）：152-157，174.

[2]徐梦珍，杨瑶，张家豪，等.环境DNA技术在贻贝入侵监测中的应用挑战[J].生态学报，2023，43（11）：4423-4433.

[3]朱星遇，李飞龙，胡丹心，等.沉积物古DNA揭示水生态系统中群落演变的进展与展望[J].环境科学研究，2023，36（7）：1379-1391.

[4]李伟，布多，孙晶，等.拉萨巴嘎雪湿地土壤重金属分布及生态风险评价[J].环境化学，2021，40（1）：195-203.

[5]金珂，张丽娟，张伟，等.基于环境DNA宏条形码的太湖流域底栖动物监测与生态健康评价[J].中国环境监测，2022，38（1）：175-188.

[6]赵寿培，王超，赵娟娟，等.河北省不同建筑类型羊舍环境参数的检测与分析[J].家畜生态学报，2021，42（1）：69-73.

[7]苏静，张玮.基于光谱技术的土壤环境污染物成分检测方法[J].生态毒理学报，2022，17（5）：507-514.