RSS订阅 | 繁简转换 | 高级查询|
您所在的位置: 辽宁省林业和草原局>互动交流>调查研究

无人机在林业灾害监测中的应用

来源: 林业知识服务              撰写时间:2020-06-16             [打印本页] [关闭窗口]    

     摘要:近年来,随着无人机和图像处理等新兴技术的发展,新技术克服了传统林业灾害监测中存在的诸多缺点,具有显著优势。但这些新兴技术尚未出现经典解决方案,在设备选型、数据处理等许多环节仍存在较高的技术门槛。文中通过收集整理国内外相关研究成果,从无人机林业灾害监测技术发展历程、机载传感器选择、图像处理技术流程等方面总结该技术应用关键点,以期为相关研究提供参考。
 

关键词:林业灾害监测,无人机,机载传感器 

作者:张严风   赵 璠   寇卫利   黄鹏桂  

来源:中国林业科学研究院林业科技信息研究所《世界林业研究》2020年第2期 


 

  森林火灾、病虫害、生物入侵、乱砍滥伐等林业灾害会引起森林大面积死亡,导致林内生物多样性减少,严重的森林火灾还会导致重大人员伤亡,给森林生态资源和社会经济带来巨大损失,每年我国仅森林火灾带来的经济损失就达亿元级别。因此,如何监测林业灾害成为关注的热点,现阶段针对林业灾害的监测手段可分为卫星监测、航空监测、近地面监测和地面巡护。卫星监测主要适用于实时性要求不高的对地大尺度监测;近地监测主要指瞭望观测,地面巡护是以人工巡护为主,这2种方式都受地形、地势以及天气的影响,存在成本高、随机性强、实时性差等缺点;航空监测可对林区进行大尺度、定期、精确监测,相对于卫星监测具有精度高、成本低以及回访周期短的优势,相对于近地面监测和地面巡护具有获取数据可靠、实时性强的优点,是一种优势较为突出的林业灾害监测手段。航空监测所依赖的飞行平台主要有无人机、飞艇、载人飞机等。其中,无人机平台相对于其他飞行平台具有起降要求低、操作性强、安全性高、损耗低、成本低、可重复使用等优点。

  1 无人机平台 

  无人机是一种具有可控制、能携带多种任务设备、执行多种任务并能重复使用的无人驾驶航空器,在20世纪初开始普遍应用。无人机的发展可划分为以下几个阶段:1)起步阶段(1916—1963年),主要应用于军事领域靶机试验。2)初步实用阶段(1964—1990年),主要应用于军事打击方面。3)迅速崛起阶段(1991—2009年),无人机技术开始在民用各领域普遍应用。4)全民应用阶段(2010年至今),根据国家统计局数据显示,2017年我国民用无人机产量达290万架,大疆DJI、AEE-电科技、臻迪科技等无人机企业的崛起标志着无人机技术进入3.0时代,无人机在航拍领域朝着小型化、智能化方向发展,更加广泛地应用于各行各业。

  按照外形结构无人机可分为固定翼型和多旋翼型2类。1)固定翼型无人机,指机翼角度固定不变,由发动机或螺旋桨提供动力,机翼产生升力的无人驾驶航空器。常规固定翼型无人机需要借助跑道等手段辅助起降,现在固定翼型无人机已发展至可以摆脱起降场地束缚实现垂直起降。固定翼型无人机根据伯努力原理实现飞行,由流经机翼两侧不同流速气流产生压强差,产生向上升力托举机体升空。机体飞行速度越快,产生的压力差越大,飞行高度越高,直到达到某个极限值。影响固定翼型无人机飞行状态的主要因素包括机翼位置和形状。机翼位置有高机翼、肩机翼、中机翼、低机翼几种类型,机翼形状有对称翼型、双凸型、S翼型、克拉克Y翼型等。机翼位置主要影响飞行的稳定性和机动性,机翼形状主要影响飞行的升阻比和滞空时间。2)多旋翼无人机,是利用多个旋翼协同旋转产生动力的无人航空器。多旋翼无人机通过旋翼旋转向下排空气产生升力,协调多个旋翼以不同转速配合,实现完成机体悬停、垂直、俯仰、滚转、偏航、前后、倾向等姿态。旋翼的数量直接影响无人机的稳定性、安全性、体积大小等指标,通过将2个旋翼上下叠放形成共轴反桨方式,可提高无人机的飞行动力。通常多旋翼无人机可按旋翼数目分为四旋翼、六旋翼、八旋翼。其中,四旋翼机型结构简单、机动性强,六旋翼和八旋翼机型稳定性好。随着海拔高度的增加,空气密度减小,多旋翼无人机飞行产生的升力会受到限制,因此多旋翼飞行器受到飞行高度的限制。

  通常固定翼型无人机具备较强的续航能力和高速巡航特点,适合对较大范围进行连续监测及长途飞行;多旋翼无人机具备悬停、俯仰、倾向等功能,适用于抵近侦查,获取详实监测数据的应用场景。在实际应用中利用固定翼无人机和多旋翼无人机协同作业,可以达到对检测区域快速、精准监测的目的。

  2 机载传感器 

  在林业灾害监测中,可利用无人机搭载传感器设备,从林区中不同高度的空域获取地物信息,进而提取地表、植被等信息。依据机载传感器工作原理的不同可以划分为高光谱传感器、多光谱传感器、激光雷达等。

  2.1 高光谱传感器 

  高光谱遥感数据是指利用许多很窄且连续的光谱波段获取的对地物体相关数据 ,波段信息可看作为一个三维立方体,相邻波段之间相差纳米级,这些特性使得高光谱分辨率精度很高。

  高光谱遥感数据包含丰富的空间、辐射和光谱三重信息,其数据具有维数高、数据量大、不确定性和小样本分类的特点。将背景数据和目标数据进行分离以及对数据进行降维处理是高光谱遥感数据处理的关键。此外,还需进行定标处理、波段去除、环线修复、条纹去除、大气校正等预处理。针对上述问题,梁继等提出发射前辐射量定标方法,总结了最小噪声分形空间第一波段特征值判别、氧A吸收值判别方式、红边效应指示法降低发射腔的近非线性效应。阿茹罕等提出一种加权空谱主成分分析(WSSPCA)算法对高光谱图像进行重构,解决了奇异点干扰问题,降低了波段间的冗余性。最后,还可利用深度学习、迁移学习等新型技术,处理高光谱数据以提高地物识别的效率和准确性。

  2.2 多光谱传感器 

  多光谱数据前期预处理需要进行如大气校正、噪声去除、坏道替换或去除条带等操作。大气校正方法有直方图调整法、回归方程调整法、平均场定标、内部平均相对反射率定标等,噪声去除有低通滤波法,坏道替换、去除条带可用邻近条带替换或直接删除。处理多光谱图像需要经过构建灰度图像、图像配准、图像边缘提取及图像拼接或分割、图像识别等步骤,其中图像边缘提取和图像配准是主要难点。

  目前主流的无人机机载多光谱传感器主要有MS600/MS600Pro、Sequioa多光谱相机等。多光谱传感器有阵列式滤光片型和轮式滤光片型2种类型。前者将多个波段的滤光片排列成滤光片阵列进行采集,后者将特定波段的滤光片制作成滤光片轮切换拍摄。这些结构都会造成辐射性能的差异,多个波段图像无法同步采集。刘团结等采用多个镜头、多个相机组合型方案解决了上述问题,但该方法仍存在图像配准困难的问题。冯姗等利用棱镜分光光路设计同时驱动多个传感器,实现多通道像素级同步采集,较好地解决了图像配准及同步采集问题。

  在林业相关应用领域中,利用多光谱图像可以提取植被指数(VI)、归一化植被指数(NDVI)、绿色归一化指数(GNDVI)和土壤调整植被指数(SAVI)等遥感指数来检测目标植被的类型,分析其健康状况。

  2.3 激光雷达 

  激光雷达技术主要是激光器向目标物体发射光脉冲信号,然后将接收到的回波信号与发射信号进行比较、处理,提取目标相关信息的技术。该技术起源于1968年,最先应用于海洋深度测算,后来逐步应用于陆地地形勘测及估算森林变量。在林业应用方面,林业测量已不再局限于林场尺度,单棵树木的精确信息提取已成为林业遥感的热点之一,因此激光雷达成为这类精确遥感场景下最适宜的遥感手段。

  激光雷达按工作方式可分为脉冲式激光雷达和相位式激光雷达。脉冲式激光雷达通过发射离散脉冲信号,接收反射回波进行测距,这种方式可用于远距离探测。相位式激光雷达探测方式是发射连续波段的激光,受激光发射能量限制,相位式激光雷达只能用于较近距离的测量。激光雷达按搭载方式可分为地基式、机载式和星载式。其中,机载激光雷达在林业相关应用中具有灵活性高、实时性强的特点,相对于星载式具有空间分辨率和时间分辨率高的特点。目前国内外主流雷达生产厂商有Velodyne、Quanergy、Waymol、护航实业、巨星科技等,常见的适用于机载的脉冲式激光雷达性能参数见表1。

  在激光雷达数据处理中,回波信号处理是获取目标信息的关键环节,可通过最小二乘法、最大期望算法、雷达方程推导法、横向高斯分解法等进行处理,雷达方程推导法是当前采用的主流方法。

  3 林业灾害监测应用 

  利用无人机监测可以快速获取林区各种信息,按应用场景分类可将无人机在林业灾害中的监测应用分为:1)在森林防火工作中的应用,通常利用光谱传感器获取林区图像,检测图像中是否包含烟火源,以预测林火是否发生;2)在林业有害生物监测与防治中的应用,有害生物检测是通过多光谱传感器从不同视觉下获取林区植被信息从而判断林区有害生物情况和植被受损情况,并可利用无人机搭载喷药设备进行防治;3)在其他领域,如动植物资源监测、林区生态评估等方面的应用。

  3.1 在森林防火工作中的应用 

  无人机在森林防火中的应用主要包括以下4个方面。

  1)林区信息收集。面对复杂的林区环境,无人机通过机载设备回传林区影像信息及定位信息,利用这些信息可实现林区林分、可燃物等信息的收集,并结合天气状况可建立简单的林火蔓延模型。申鑫等利用无人机搭载多传感器,从较高空域获取高分辨率林区高光谱影像,并在信息提取和数据融合的基础上,通过逐步多元回归法识别地物,建立反演森林地上、地下生物量模型。由于无人机拍摄角度及高度的原因,处理大尺度林区影像信息需要图像拼接技术,在拼接过程中需要基于局部特征对图像进行旋转、尺度缩放、亮度调节、视角微调、仿射变换等。对于图像拼接问题,唐晏等采用SIFI算法对图像进行拼接,再基于纹理特征使用HSV-T模型识别地物信息。丁雷龙等利用OTSU自动阈值方法对植被信息提取识别精度达到90%以上。

  2)烟雾识别。烟与火相生相伴,林火发生初期的可燃物在不完全燃烧情况下会产生大量细小固体颗粒形成烟雾。早期烟雾面积比火焰面积大,火灾很容易被烟雾覆盖,因此监测烟雾是早期林火监测的一种有效手段。传统烟雾识别模式主要采用传感器探测烟雾特征,如粒子密度、能量等特征,这类监测方式需要接触烟雾源进行监测,无法满足大尺度区域快速探测的要求,同时受传感器灵敏度制约及环境因素影响,传感器探测烟雾方式存在误报率高、识别效果差等特点。为了提高烟雾识别精度,现阶段主要采用航拍影像结合图像识别技术,通过神经网络模型、深度学习模型等先进分类识别技术对烟雾监测图像进行二值分类,这种方式可以显著地提高识别精度。Kinaneva等通过结合多旋翼和固定翼无人机的飞行特性,在中等高度(3505 000 m)对Rusenski Lom国家公园区域采用固定翼无人机巡航探测疑似烟火区域的异常点,利用多旋翼无人机在低空(10350 m)对异常点进行核查,以确认是否有林火行为发生,这种核验方式有效降低了误报率。马瑞升等利用火灾烟气图像具有亮度一致性、运动积累、扩散特征等,通过无人机识别烟雾区的RGB值来预测林火发生概率并提供定位坐标,烟雾识别率在77%以上。郑伟等提出一种基于动态和静态特征的烟雾监测算法,改进识别模型,提高了烟雾的识别率。

  3)火灾蔓延预测。林火蔓延趋势是由林火燃烧机理决定的,根据专家实验后得出:可燃物、气象因子、地形是影响林火模型构建的主要因素。当前林火蔓延模型主要有加拿大森林火行为预测模型、美国Rothermel模型、澳大利亚McArthur模型以及王正非林火蔓延模型。蔓延模型通过输入可燃物、地形、火源类型等参数,得出林火蔓延速率、火头强度、可燃物消耗量等蔓延参数。Casbeer等针对传统蔓延模型设计出火灾模型Embyr,技术手段采用多台无人机设备搭载成像系统从不同方位和高度协同拍摄林区,获取林区多角度实时影像数据,并基于视觉的火灾边界跟踪算法模拟火灾蔓延趋势,提高了预测预报的实时性及准确性。

  4)林火扑救。目前由于无人机存在续航能力不足、载重差、价格昂贵等缺点,无法大规模地应用于航空灭火。因此,主要用于提供火情现场资料,同时无人机可对已被扑灭明火的火烧迹地进行实时监测以防止复燃。张志东等设计了一款六轴无人机用于对林区阴燃区域进行监测及扑救,利用机体搭载的水箱可扑灭小范围火情,同时无人机与地面微小型机器人配合可识别确定人眼不宜发现的林区阴燃火,确定森林余火位置,为扑火队组织扑火提供准确信息,清除火灾隐患。针对无人机搭载水箱灭火效果不佳的现状,余斌等详细探究了无人机灭火弹灭火原理及应用情况,研究表明,无人机发射灭火弹具有无明火、不会扩散火源、不会引发二次灾害等优点。但灭火弹中存在灭火剂、泡沫、二氧化碳等成分,会影响局部环境因子,不利于灾后林区恢复。在今后的发展应用中,将灭火弹的填充物替换成高度压缩惰性气体,在火烧区域引爆,将氧气迅速隔绝以达到灭火效果是一种新的发展方向。

  3.2 在林业有害生物监测与防治中的应用 

  林业病虫害被称为“无烟的森林火灾”,会给林业生态和经济造成巨大的损失。林木病虫害具有蔓延迅速、暴发面积大、多发、广发等特点,如何在早期有效监测预报成为林业有害生物防治中的重要内容。无人机在林业有害生物监测与防治中主要用于快速检测出病虫害区及早期病虫害区处置等,快速检测、直观显示、多技术融合为目前的研究热点。黄焕华等利用固定翼型无人机监测松林中因松材线病虫导致的枯死木,识别精度在80%以上。吕晓君等利用无人机对松林进行监测,绘制出小蠹虫危害导致的枯死木分布图,统计标注枯死木的数量。孙钰等对松林监测采用多技术融合的方法,利用深度学习技术提取无人机航片中的颜色特征,精确划分病虫害发生区域,为后续寻找病死木原因提供技术支持。

  在已检测出的病虫害区,无人机还可以通过超低空作业,对受灾林区采取化学药物防治、生物防治等应对措施,以及投放种子、施药、施肥等恢复措施。高悦等采用多旋翼植保无人机,对美国白蛾引发虫害的林区喷洒药剂防治,实验表明,无人机在距树冠顶端2.53.5 m、飞行速度为1.53 m/s时施药效果最好,通过旋翼下旋气流有利于提高药物的穿透性及喷洒均匀度。董广平等利用无人机投放害虫天敌,通过相克生物来遏制病虫害的暴发,避免了化学污染和有害物质在生物链上的富集,但由于受天敌生长周期的限制,生物防治周期稍长。

  3.3 在其他领域的应用 

  动植物资源是林区生态的重要组成部分,对构建评估林区生态系统具有重要意义。无人机技术为获取准确动植物信息提供了新的技术手段。Chamoso等利用无人机飞行声音影响野生动物的活动来监测野生动物种群的大小以及生活环境状况等。Means等利用无人机激光雷达技术预测林分特征。Dubayah等和Lim等根据激光雷达数据检索水平和垂直信息,获取诸如树冠高度、林分体积、地上生物量等信息。冯海英等利用航测的高光谱数据提出利用红边区(680760 nm)与植被覆盖度敏感关系建立红边斜率模型估算植被覆盖率。这些技术手段为怎样监测林区野生动植物指明了方向和注意事项。

  4 研究展望 

  虽然无人机在林业灾害检测中应用场合广泛、应用前景良好,但目前无人机还面临续航、林区通讯传输与定位、传感器图像识别精度等问题。这些问题导致无人机监测的使用成本增加,限制了其大规模普及和应用。

  当前消费级无人机续航时间普遍在1520 min,针对续航能力不足、载重能力差的情况,一方面应加大电池容量研究,在同等质量情形下,研究出体积小、电量高的飞行电池以满足续航需求;另一方面应加大对飞行器材质的研究,寻找强度高的轻型材质,从而降低飞行平台的自身配重。同时还应优化飞控程序,降低不必要的功耗。

  无人机在林业上的作业空域主要集中在山区林地,由于信号问题,怎样与无人机建立长效、可靠的及时通讯以及确定无人机的精确定位,一直困扰着无人机相关从业人员。目前无人机通讯手段主要采用数传电台、蓝牙、WiFi等技术,由于蓝牙和WiFi受限于传输距离,适应于短距离通讯传输应用场景,林区主要采用数传电台进行通讯,但数传电台存在传输带宽小、速率低等问题,无法满足林区实时影像的数据传输,随着5G技术的到来,部署在5G网络下的无人机视频数据传输的实时性和有效性将得到极大改进。目前定位系统普遍采用GPS和北斗双模式,定位精度仍受到地形和天气因素的干扰。林区灾害监测需要精度高的定位系统来解决误报漏报问题,实现资源有效利用,需要根据地形、天气等因素制定补偿模型,反馈补偿定位误差。

  林业灾害监测需要极高的预测预报准确度,否则出现警情误报漏报会造成极大的资源浪费或严重的灾害影响。利用人工智能技术、深度学习等新型分类识别技术,可以提高无人机遥感数据的识别精度,这些技术的引入使得灾害防治正朝多技术融合的方向发展。

第一作者:张严风,男,硕士生,从事森林防火研究,E-mail:zhyfwcy@gmail.com。

通信作者:赵璠,男,副教授,硕士生导师,从事林业信息工程研究,E-mail:fzhao@swfu.edu.cn。

来源:中国林业科学研究院林业科技信息研究所《世界林业研究》2020年第2期 


 

 

   附件列表: