楊宏業(yè)　朱玉東　劉婉蓉　黃舒欣　屈銘志

摘要：藍藻進行探測時易出現(xiàn)影像質(zhì)量差，探測精度低的情況，對此，研究濱岸帶藍藻水華無人機探測方法，文章以太湖作為研究對象，對太湖藍藻堆積最嚴(yán)重的貢湖濱岸帶展開探測方法研究，通過無人機水面飛行去光斑方法，獲取濱岸帶高質(zhì)量照片，利用高表真的藍藻水面影像拼接技術(shù)將無人機照片拼接成高水面覆蓋度和高表真性的數(shù)字正射影像，采用可見光藍藻提取方法實現(xiàn)了藍藻水華的識別與提取。實驗結(jié)果表明，所提方法總體精度達到93.4%，Kappa系數(shù)達到0.8613，證明所提方法具有實用性。

關(guān)鍵詞：藍藻水華；無人機探測；高表真水面拼接

中圖分類號：X87 文獻標(biāo)志碼：B

前言

隨著水環(huán)境污染對生態(tài)系統(tǒng)和人類健康產(chǎn)生的影響日益嚴(yán)重，其中，濱岸帶藍藻水華是一種常見但又十分有害的現(xiàn)象，給水質(zhì)安全與生態(tài)平衡帶來了巨大挑戰(zhàn)。藍藻水華不僅會破壞湖泊、河流等水體的生態(tài)系統(tǒng)，還可能產(chǎn)生毒素，危害周邊環(huán)境和人類健康。對藍藻水華進行精準(zhǔn)化監(jiān)測，快速掌握藍藻的時空分布情況是藍藻水華預(yù)警與治理的關(guān)鍵。由于水動力、風(fēng)速、風(fēng)向和藍藻自身的漂移性的影響，藍藻通常會在濱岸帶大量積聚。并且，由于藍藻具有漂移速度快、垂直分布受風(fēng)力影響、易被濱岸帶植物吸附等特征。使得傳統(tǒng)的監(jiān)測方法，不能很好地反映其實際的分布情況。隨著無人機技術(shù)的快速發(fā)展，也為濱岸帶藍藻水華的監(jiān)測提供了新的機遇。相比于傳統(tǒng)的遙感和實地調(diào)查，無人機具有低成本、高時效性和靈活性的優(yōu)勢，能夠以更高的空間和時間分辨率獲取關(guān)鍵數(shù)據(jù)?？梢詮浹a人工巡查中效率低下、目視可見區(qū)域范圍較小等缺點。

然而，在無人機探測藍藻的過程中，存在水面太陽鏡面反射、無人機涉水照片不易拼接、藍藻水華識別難等問題，目前大多數(shù)無人機水域有效探測范圍有限。對此，文章提出了一種更適合湖泊濱岸帶的藍藻水華探測方法。

1 研究區(qū)域與方法

I.1 研究區(qū)域

太湖作為中國五大淡水湖之一，多年來一直飽受藍藻水華的影響。太湖貢湖灣沿岸區(qū)域位于太湖西北部，在藍藻大量繁殖的夏季盛行東南風(fēng)，該區(qū)域處于下風(fēng)向，整個太湖生長的藍藻會被吹至于此，因為該處岸線綿延曲折，藍藻易進難出，導(dǎo)致每年有大量藍藻堆積在此處。文章于2021年6月21日在江蘇省無錫市太湖貢湖濱岸帶開展了實驗。

1.2 無人機設(shè)備

文章利用御Mavic 2無人機采集水域的影像數(shù)據(jù)，快速及時獲取水面相關(guān)情況，利用精靈PHANTOM 4 RTK無人機采集沿岸區(qū)域的影像數(shù)據(jù)。精靈PHANTOM 4 RTK的最大水平飛行速度為50km/h，飛行時間為30min，重量為1391g，傳感器類型為可見光相機；御Mavic2的最大水平飛行速度為50km/h，飛行時間為31min，重量為1100g，傳感器類型為可見光相機；同時，在地面布設(shè)一定的控制點以校正無人機數(shù)據(jù)，實現(xiàn)厘米級精度。

1.3 研究方法

1.3.1 無人機水面避光斑航線優(yōu)化方法

文章提出了一種在無人機水面避光斑航線優(yōu)化方法。在獲取水面數(shù)據(jù)的時候，因水體鏡面反射常常導(dǎo)致無人機獲取的照片中有太陽耀斑，影響數(shù)據(jù)質(zhì)量。對此，文章通過計算任意河道任意時間的太陽高度角、太陽方位角以及湖泊濱岸帶的位置，并結(jié)合無人機姿態(tài)及傳感器相關(guān)參數(shù)，計算能避開太陽耀光的航線偏移距離、重疊率變化值和云臺俯仰角變化，以優(yōu)化整體航線。

湖泊濱岸帶的太陽高度角和太陽方位角的計算方法分別用式（1）和式（2）表示：

其中，φｓ是太陽方位角，θs是太陽高度角，h是以地方恒星時系統(tǒng)下的時角，δ是該時間下的太陽赤緯，中是湖泊濱岸帶的緯度。

在無人機起飛之前，繪制湖泊濱岸帶拍攝范圍的邊界線并計算各點地理坐標(biāo)值，解析邊界中心線上各個點的地理坐標(biāo)值。結(jié)合太陽高度角、方位角、無人機飛行高度、拍攝影像尺寸和相機參數(shù)，計算偏移中心線距離以避免拍攝到太陽耀光。以湖泊濱岸帶中心線為起算點，依次計算中心線各個點距離濱岸帶的距離，記為W，偏移中心線的最小距離為Dmax，偏移河道中心線的最大距離為Dmax，計算公式可分別表示為式（3）和式（4）：

其中，hcamera為無人機飛行高度，θs為該濱岸帶飛行時刻的太陽高度角，φs為該濱岸帶飛行時刻的太陽方位角，θFOV為無人機相機的視場角，i為相片航向方向的長度比，即為相片的長邊比，diagonalimage為無人機相片對角線的長度。

對于需要輸出數(shù)字正射影像的飛行任務(wù)，采用較高的旁向重疊率和航向重疊率，得到更多更精確的影像連接點。則航向重疊率forward_overlap可表示為式（5）：

其中，diagonalimage為無人機相片對角線的長度，φs為該濱岸帶飛行時刻的太陽方位角，θs為該濱岸帶飛行時刻的太陽高度角，θFOV為無人機相機的視場角?？刂坪较蛑丿B率不低于forzvard_overlap，以保證獲取到的無人機照片具有足夠的重疊區(qū)域，從而提高圖像匹配的準(zhǔn)確性和穩(wěn)定性。

1.3.2 高表真水面影像拼接

基于上述優(yōu)化后的無人機照片，文章使用高表真水面拼接方法進行圖像拼接。根據(jù)無人機影像POS數(shù)據(jù)計算單張影像拍攝范圍，具體方法為根據(jù)無人機影像像素和相機參數(shù)，建立像空間坐標(biāo)系坐標(biāo)（x，y，-f）；由相機的傾斜角度φ、ω、k，將像輔助坐標(biāo)（x，y，-f）轉(zhuǎn)換為像空間輔助坐標(biāo)（XA，YA，ZZ），公式如式（6）：

最后，根據(jù)橢球變換將空間直角坐標(biāo)進行高表真水面影像拼接。

其中，I（x，y）為拼接后的圖像，Ii（x，y）為原始圖像，wi（x，y）為第i幅影像在位置（x，y）的權(quán)重。

高表真水面影像拼接可以提供更廣闊的監(jiān)測范圍和更完整的數(shù)據(jù)信息，以支持藍藻識別提取的準(zhǔn)確性和可靠性。

1.3.3 基于分割閾值的藍藻識別提取

目前河湖治理中無人機搭載的大部分都是可見光相機，因此，通過對紅、綠、藍三個波段的運算，將藍藻與水體分離并進行提取。文章采用EXC、VDVI和VEGRDI對藍藻進行提取和比較，計算公式如式（11）-式（13）：

其中，ρR、ρG、ρB分別表示在紅、綠、藍波段的反射率?；谟嬎憬Y(jié)果，實現(xiàn)對藍藻的探測和管理。

2 結(jié)果與分析

2.1 水面避光斑航線優(yōu)化方法結(jié)果與分析

在濱岸帶藍藻數(shù)據(jù)采集方面，通過無人機水面避光斑航線優(yōu)化方法對拍攝航向進行了優(yōu)化，由于鏡面反射在照片中始終會出現(xiàn)太陽光斑，并且由于多張照片拼接，太陽光斑會沿飛行線路在正射影像-產(chǎn)生連續(xù)的一串太陽光斑，在每張照片的中間都存在一個光斑，嚴(yán)重影像圖像質(zhì)量。

利用文章的無人機水面避光斑方法對航線進行優(yōu)化，可減少大部分太陽光鏡面反射，如圖1（a）所示。原始結(jié)果中圖像左下角及右中部區(qū)域中存在多串連續(xù)的太陽光斑，甚至在浮壩上也會有耀光顯示，影響判斷浮壩是否斷裂。通過水面避光斑航線優(yōu)化的方法，調(diào)整飛行航線的相關(guān)參數(shù)，得到光斑較少的結(jié)果，如圖1（b）所示，大部分水面耀光被規(guī)避，整體圖像沒有反光的區(qū)域，圖像實際內(nèi)容也沒有受到影響，保證圖像真實可靠的同時提升了整體視覺和觀感。

2.2 藍藻影像拼接與提取結(jié)果分析

通過無人機水面避光斑方法對航線進行優(yōu)化后，在3小時內(nèi)實現(xiàn)太湖13公里沿岸探測，獲取了超過3000張無人機照片，利用傳統(tǒng)方法和文章的高表真水面拼接方法進行圖像拼接以生成數(shù)字正射影像。

以傳統(tǒng)的大疆智圖軟件生成的結(jié)果顯示，范圍約覆蓋到距離岸邊300米，如圖2（a）所示，成圖面積約為7.0689平方千米、在岸線西南部附近測量，水面覆蓋寬度距離岸邊約388米。利用文章的高表真水面拼接方法，成圖面積約為10.1431平方千米，能夠覆蓋距岸600米以上的水面區(qū)域，如圖2（b）所示，在相同位置測量成圖寬度約為645米，是傳統(tǒng)方法水面拼接寬度的2倍。

從數(shù)字正射影像中截取了部分浮壩數(shù)據(jù)進行對比，見圖3。

根據(jù)圖3可以看出，傳統(tǒng)方法出現(xiàn)了拼接錯誤，在浮壩側(cè)方生成了多余的浮壩。高表真拼接方法的結(jié)果能夠正確地表達浮壩的情況，避免出現(xiàn)拼接錯位、拼接錯誤等情況，在拼接質(zhì)量上，解決數(shù)據(jù)失真等問題，保證水色和藍藻水華數(shù)據(jù)的完整與真實。

為了驗證文章方法和高表真水面拼接方法的可用性和正確性，同時評價各植被指數(shù)藍藻提取的精度，在高清正射影像中隨機選取500個樣本，通過目視解譯作為參考，進行藍藻信息提取結(jié)果精度評價，基于混淆矩陣計算總精度和Kappa系數(shù)，具體結(jié)果見表1。

通過結(jié)果表明，無人機可見光探測獲得的影像可進行藍藻識別與提取，運用EXG、VDVI、VECRDI等植被指數(shù)均能實現(xiàn)。其中VECRDI指數(shù)提取藍藻的總體精度為93.4%，比VDVI指數(shù)高了0.4%，比EXC算法高出了0.8%；VEGRDI指數(shù)的Kappa系數(shù)達到0.8613，比VDVI指數(shù)高了0.008，比EXC高0.0312，提取效果相對最好，能夠快速且較準(zhǔn)確地識別藍藻水華，適用于無人機可見光波段的藍藻監(jiān)測。

3 結(jié)論

濱岸帶藍藻是一種常見的水生生物現(xiàn)象，其對水環(huán)境造成的污染和對水生生態(tài)系統(tǒng)和人類健康的負面影響備受關(guān)注。為了提高藍藻監(jiān)測的效率和精度，文章提出了濱岸帶藍藻探測技術(shù)方法。從藍藻數(shù)據(jù)采集、處理、分析等方面對傳統(tǒng)無人機探測方法進行了改進，建立了水面避光斑航線優(yōu)化方法、高表真水面拼接方法和分割閾值藍藻提取方法。經(jīng)實驗證明，文章的方法在效率、質(zhì)量和精度上較傳統(tǒng)方法均有提高，能夠?qū)⑺姹O(jiān)測區(qū)域擴大一倍左右，實現(xiàn)更大范圍的藍藻數(shù)據(jù)探測與分析，在藍藻治理的實際應(yīng)用中具有意義。

基金項目：上海市2020年度“科技創(chuàng)新行動計劃”啟明星項目（20QB1403900）