周瑞佳 趙升 丁凱 徐東會(huì) 孫蓓蓓

摘要：海濱景區(qū)綠潮會(huì)對(duì)當(dāng)?shù)氐酿B(yǎng)殖業(yè)、旅游業(yè)、交通運(yùn)輸業(yè)、海洋生態(tài)環(huán)境等多方面的發(fā)展產(chǎn)生嚴(yán)重的影響，由于綠潮的爆發(fā)時(shí)間長(zhǎng)、規(guī)模較大并且位置隨機(jī)的特點(diǎn)，目前常用無(wú)人機(jī)結(jié)合多源數(shù)據(jù)來(lái)對(duì)其進(jìn)行檢測(cè)，本文即討論基于無(wú)人機(jī)的海濱景區(qū)綠潮監(jiān)測(cè)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(guān)鍵詞：無(wú)人機(jī);海濱景區(qū);綠潮監(jiān)測(cè)

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

中圖分類(lèi)號(hào)：X55;X834 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1006-4311（2020）30-0201-02

0 ?引言

我國(guó)有很多海濱城市，比如說(shuō)青島、煙臺(tái)、大連等城市，而在這些城市的海濱景區(qū)存在有較為嚴(yán)重的綠潮問(wèn)題，其持續(xù)時(shí)間之長(zhǎng)、影響海域范圍之大、清理難度之大是我國(guó)乃至世界都非常罕見(jiàn)的，其也為這些城市或者地區(qū)帶來(lái)了非常嚴(yán)重的災(zāi)害影響，包括海產(chǎn)、旅游、養(yǎng)殖等多方面產(chǎn)業(yè)，損失金額可以說(shuō)是無(wú)法估量。為了能夠加強(qiáng)對(duì)濱海景區(qū)綠潮的治理，首先就必須要對(duì)濱海景區(qū)進(jìn)行監(jiān)測(cè)，本文就基于無(wú)人機(jī)的使用來(lái)分析在海濱景區(qū)的綠潮監(jiān)測(cè)工作。

1 ?數(shù)據(jù)源以及數(shù)據(jù)處理方法

1.1 無(wú)人機(jī)應(yīng)用潛力

無(wú)人機(jī)在綠潮監(jiān)測(cè)中的應(yīng)用潛力可謂是巨大。一方面，由于綠潮本身并沒(méi)有毒性，只是其在大規(guī)模繁殖后會(huì)在海灘、海面等地區(qū)堆積，造成當(dāng)?shù)芈糜?、水產(chǎn)養(yǎng)殖等產(chǎn)業(yè)的發(fā)展，而對(duì)于這種大面積的物體通常可以采用衛(wèi)星遙感來(lái)檢測(cè)，但是由于在濱海景區(qū)內(nèi)部分散著很多的小范圍綠潮，所以目前采用衛(wèi)星遙感技術(shù)已經(jīng)無(wú)法完成綠潮監(jiān)測(cè)工作，這就需要無(wú)人機(jī)的幫助。而另一方面，無(wú)人機(jī)技術(shù)在多年來(lái)的發(fā)展中越來(lái)越充當(dāng)著地表和衛(wèi)星聯(lián)合測(cè)量的橋梁，其質(zhì)量和體積并不大，但是效率和靈活度卻大大提高，同時(shí)也可以對(duì)一些偏遠(yuǎn)、復(fù)雜地區(qū)進(jìn)行測(cè)量，所以其應(yīng)用潛力是巨大的。本文提出了無(wú)人機(jī)系統(tǒng)的基本配置，并闡述無(wú)人機(jī)在綠潮監(jiān)測(cè)中的應(yīng)用也是一大創(chuàng)新?？梢哉f(shuō)，在未來(lái)的綠潮監(jiān)測(cè)和治理工作中，無(wú)人機(jī)將會(huì)發(fā)揮其重要的作用與潛力[1]。

1.2 無(wú)人機(jī)航拍數(shù)據(jù)

無(wú)人機(jī)是目前在綠藻監(jiān)測(cè)工作中最有效的應(yīng)用設(shè)備，本文選取大疆Ispire 1無(wú)人機(jī)系統(tǒng)進(jìn)行航測(cè)。該系統(tǒng)通過(guò)一個(gè)飛行器、兩個(gè)遙控器和兩個(gè)顯示平板組成。在航拍監(jiān)測(cè)過(guò)程中，操作人員只需要對(duì)其內(nèi)部設(shè)定的應(yīng)用進(jìn)行使用即可完成對(duì)無(wú)人機(jī)的控制，包括一鍵啟動(dòng)和自動(dòng)降落等功能。而通過(guò)兩個(gè)遙控器將可以全方位的對(duì)綠藻進(jìn)行拍攝，并控制拍攝頻率。當(dāng)然，由于其內(nèi)置DJI X3數(shù)碼相機(jī)、Lightbridge高清視頻傳輸技術(shù)等，所以在使用上耗電量較大，其電池續(xù)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(wù)的有效完成。目前，無(wú)人機(jī)監(jiān)測(cè)到的數(shù)據(jù)將通過(guò)Pix4Dmapper軟件、ENVI 5.1軟件、ArcGIS 10.2軟件中進(jìn)行處理。

1.3 衛(wèi)星遙感影像技術(shù)

本文在基于無(wú)人機(jī)航拍的情況下，還需要獲取到一定的衛(wèi)星遙感影像數(shù)據(jù)，包括MODIS影像數(shù)據(jù)、GF-1 WFV影像數(shù)據(jù)以及哨兵S2A影像數(shù)據(jù)。所謂MODIS影像數(shù)據(jù)就是中分辨率成像光譜儀數(shù)據(jù)，通過(guò)一定的輻射定標(biāo)、大氣校正并且結(jié)合相應(yīng)的工具將有效的提取綠潮信息。GF-1 WFV影像數(shù)據(jù)就是高分辨率衛(wèi)星GF-1寬視場(chǎng)相機(jī)的影像數(shù)據(jù)，其處理方式與MODIS影像數(shù)據(jù)較為類(lèi)似。最后則是S2A影像數(shù)據(jù)，S2A技術(shù)已經(jīng)在農(nóng)作物、樹(shù)種分類(lèi)、城市景觀(guān)等多個(gè)方面有著較好的檢測(cè)效果[2]。

2 ?基于無(wú)人機(jī)數(shù)據(jù)的綠潮監(jiān)測(cè)機(jī)理與方法

2.1 數(shù)據(jù)與方法

在濱海景區(qū)的綠潮監(jiān)測(cè)中，需要通過(guò)無(wú)人機(jī)來(lái)獲取相應(yīng)的數(shù)據(jù)并進(jìn)行分析。針對(duì)于綠藻的基本性質(zhì)，需要在處理過(guò)程中采取過(guò)綠指數(shù)（EXR）、歸一化綠紅差值指數(shù)（NGRDI）、歸一化綠紅差值指數(shù)（NGBDI）和綠葉指數(shù)（GLI）等基于RGB（即紅、綠、藍(lán)波段）的顏色指數(shù)。由于在航拍的過(guò)程中需要對(duì)海面、海水、海灘、沙灘、筏架等多方面的物體進(jìn)行檢測(cè)，并獲取每個(gè)物體的樣點(diǎn)，所以可以對(duì)其中一部分的樣點(diǎn)選為特征樣點(diǎn)，而對(duì)于剩余的樣點(diǎn)選為驗(yàn)證點(diǎn)，確保綠潮監(jiān)測(cè)的精度。

2.2 岸灘綠潮監(jiān)測(cè)

由于岸灘是海洋和陸地交匯的區(qū)域，在該區(qū)域往往有著大量的游客和養(yǎng)殖戶(hù)，所以該區(qū)域也是綠藻監(jiān)測(cè)和防護(hù)的重點(diǎn)區(qū)域。在選擇好相應(yīng)的樣本區(qū)域之后，通過(guò)無(wú)人機(jī)與衛(wèi)星遙感技術(shù)來(lái)獲取相應(yīng)的數(shù)據(jù)。監(jiān)測(cè)人員可以將沙灘、海水和綠潮藻進(jìn)行采樣，選擇一定的特征樣點(diǎn)和驗(yàn)證點(diǎn)，并對(duì)岸灘綠潮的RGB波段進(jìn)行特征分析，在分析的過(guò)程中要對(duì)不同地物采樣點(diǎn)的RGB波段特征進(jìn)行比較，并探究岸灘綠潮不同顏色指數(shù)的空間分布特征，并對(duì)于四類(lèi)顏色指數(shù)進(jìn)行比較。在實(shí)際研究中可以看出，EXG和GLI兩類(lèi)指數(shù)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(shù)的參數(shù)設(shè)計(jì)采用了歸一化的思想，所以具備更高的辨識(shí)度，在實(shí)際的監(jiān)測(cè)工作中常用到該指數(shù)[3]。

2.3 海面漂浮綠潮和筏架附著綠潮監(jiān)測(cè)

海面漂浮綠潮將大規(guī)模影響到當(dāng)?shù)氐纳鷳B(tài)環(huán)境，特別是藻類(lèi)死亡腐爛后其影響將到達(dá)峰值，并且隨著洋流與風(fēng)場(chǎng)的作用，綠潮藻類(lèi)將會(huì)進(jìn)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(qū)內(nèi)，這將對(duì)當(dāng)?shù)氐穆糜螛I(yè)造成巨大的損失。而在筏架中，在海邊有著大量用于養(yǎng)殖的筏架，而因?yàn)樵谝瞥ぜ艿倪^(guò)程中往往都會(huì)存在有大量的附著綠藻掉落到海里，造成了一定規(guī)模的綠潮按照與岸灘綠潮監(jiān)測(cè)相同的方法可以得到，在對(duì)海面綠潮的監(jiān)測(cè)的中，通過(guò)研究可以發(fā)現(xiàn)，EXG、GLI、NGBDI三種指數(shù)的空間分布較為一致，而在精度上則是NGBDI指數(shù)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(duì)R波段的要素而不適用與海面漂浮綠潮的監(jiān)測(cè)。而在同樣的數(shù)據(jù)處理與分析方法下，對(duì)于筏架來(lái)說(shuō)NGBDI和EXG都能夠顯示高值，但卻與實(shí)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(shí)的綠潮藻有著較大的區(qū)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(duì)于影像的影響[4]。

3 ?輻射沙洲區(qū)筏架綠藻生物量的估算

3.1 研究背景

世界各國(guó)都開(kāi)始針對(duì)綠潮災(zāi)害的成因進(jìn)行分析，而目前普遍認(rèn)為綠潮的形成是由于海水的富營(yíng)養(yǎng)化以及全球變化是綠潮的主要引發(fā)原因。目前，在我國(guó)的綠潮災(zāi)害大多集中在黃海，并且通過(guò)研究可以發(fā)現(xiàn)綠潮最初產(chǎn)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(chǎng)所，也為海濱景區(qū)的綠潮爆發(fā)提供了一定的初始量。所以為了能夠做好監(jiān)測(cè)治理工作，除了要對(duì)海水富營(yíng)養(yǎng)化以及全球變化進(jìn)行研究，還需要對(duì)輻射沙洲區(qū)筏架海藻進(jìn)行分析，探究其初始生物量，這也能夠?yàn)楹罄m(xù)綠潮的治理提供更多的決策支持。

3.2 數(shù)據(jù)與方法

紫菜養(yǎng)殖的全過(guò)程一般會(huì)在九月和十月進(jìn)行，并在次年的四月份完成收獲。上述已經(jīng)提到在移除筏架的過(guò)程中會(huì)造成大量的綠藻生物掉落海中，所以該階段的綠藻生物監(jiān)測(cè)是重中之重。通過(guò)采用大疆Ispire 1無(wú)人機(jī)進(jìn)行航拍并針對(duì)于筏架上的綠藻進(jìn)行采樣和調(diào)查可以得到相應(yīng)的初始生物量數(shù)據(jù)。通過(guò)這些數(shù)據(jù)來(lái)建立起無(wú)人機(jī)-多源數(shù)據(jù)-地面調(diào)查模型，從而有效的制定防護(hù)決策。

3.3 對(duì)筏架綠藻的高精度監(jiān)測(cè)

早期生物量是研究濱海景區(qū)綠藻災(zāi)害的重要指標(biāo)?？梢哉f(shuō)，在經(jīng)過(guò)風(fēng)和洋流的驅(qū)動(dòng)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(zhǎng)，短期內(nèi)可以達(dá)到上百倍的生長(zhǎng)。所以為了能夠解決筏架綠藻為濱海景區(qū)帶來(lái)的嚴(yán)重影響，一方面需要有效的制止養(yǎng)殖戶(hù)丟棄海藻的行為，另一方面還需要持續(xù)且精確的數(shù)據(jù)，從而為治理部門(mén)的工作帶來(lái)更長(zhǎng)久的發(fā)展和優(yōu)化。所以無(wú)人機(jī)的用處很大，其正好可以在研究早期生物量的工作中發(fā)揮重要的作用。通過(guò)結(jié)合高分辨率的S2A技術(shù)以及地面觀(guān)測(cè)點(diǎn)采樣數(shù)據(jù)，研究人員可以有效的構(gòu)建起對(duì)輻射沙洲區(qū)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(fā)機(jī)制，并且有效的為綠潮爆發(fā)提供預(yù)警和治理依據(jù)。可以說(shuō)，通過(guò)本文提出的由衛(wèi)星遙感、無(wú)人機(jī)航拍監(jiān)測(cè)、原位定點(diǎn)采樣觀(guān)測(cè)三方面技術(shù)結(jié)合的形式來(lái)有效的測(cè)量筏架綠藻的初始生物量。

4 ?無(wú)人機(jī)與多源數(shù)據(jù)的應(yīng)用分析

4.1 MODIS數(shù)據(jù)分析

無(wú)人機(jī)航拍數(shù)據(jù)和實(shí)際考察數(shù)據(jù)、高分辨率GF-1影像數(shù)據(jù)等飽含著大量的綠藻信息，而通過(guò)對(duì)這些綠藻信息的提取，并且將其與對(duì)應(yīng)的MODIS影像數(shù)據(jù)所提取的綠藻信息進(jìn)行對(duì)比分析。根據(jù)現(xiàn)有的研究可以表明，MODIS影響的數(shù)據(jù)比較適用于一些直徑在100m以上綠潮斑塊的監(jiān)測(cè)工作中，并且其精度較高，測(cè)量的結(jié)果比較符合綠藻的真實(shí)分布情況，但是其并不能對(duì)直徑在10m之內(nèi)的綠藻斑塊進(jìn)行監(jiān)測(cè)。當(dāng)然，即使MODIS數(shù)據(jù)還是存在一定的面積誤差，但是由于其測(cè)量精度較高所以依然是目前各國(guó)綠潮監(jiān)測(cè)工作中的重要數(shù)據(jù)源。

4.2 應(yīng)用效果

在不同的環(huán)境下，通過(guò)無(wú)人機(jī)顏色指數(shù)來(lái)對(duì)綠潮進(jìn)行檢測(cè)，在基于RGB原理下將得到不同情境中的監(jiān)測(cè)數(shù)據(jù)?？梢哉f(shuō)，通過(guò)對(duì)無(wú)人機(jī)、S2A、MODIS等多源數(shù)據(jù)的結(jié)合，可以達(dá)到更好的綠藻監(jiān)測(cè)效果，而事實(shí)上目前我國(guó)的綠藻監(jiān)測(cè)事業(yè)也開(kāi)始朝著多維度的方向發(fā)展。當(dāng)然，綠藻的生成過(guò)程并不完全可控，比如說(shuō)在筏架拆除的過(guò)程無(wú)法保證綠藻的部分脫落，而在紫菜養(yǎng)殖過(guò)程中也不可避免會(huì)生成一部分的綠藻，這部分的生物量監(jiān)測(cè)還是空缺。

5 ?結(jié)束語(yǔ)

本文探究了基于無(wú)人機(jī)的海濱景區(qū)綠藻監(jiān)測(cè)工作，分析了在海綿、岸灘、筏架和濱海景區(qū)的綠藻監(jiān)測(cè)工作，并探究初始生物量的監(jiān)測(cè)策略，在文章的最后將無(wú)人機(jī)監(jiān)測(cè)數(shù)據(jù)與MODIS監(jiān)測(cè)數(shù)據(jù)進(jìn)行比較，闡述了無(wú)人機(jī)與MODIS結(jié)合得到的應(yīng)用效果，希望能夠?qū)ο嚓P(guān)人員提供參考。

參考文獻(xiàn)：

[1]王法景，李俊鋒.基于改進(jìn)水平集模型的黃海綠潮提取算法研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2020，32（06）：121-126.

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

[3]徐福祥，高志強(qiáng)，尚偉濤，寧吉才，姜曉鵬，宋德彬.基于無(wú)人機(jī)的海濱景區(qū)綠潮監(jiān)測(cè)[J].海洋與湖沼，2018，49（05）：1061-1067.

[4]徐福祥.基于無(wú)人機(jī)及多源數(shù)據(jù)的黃海綠潮監(jiān)測(cè)研究[D].中國(guó)科學(xué)院大學(xué)（中國(guó)科學(xué)院煙臺(tái)海岸帶研究所），2018.

作者簡(jiǎn)介：周瑞佳（1989-），男，山東青島人，碩士，工程師。