面向中国洪涝灾害应急监测的无人机空港布局

当前洪涝灾害对社会的经济发展和人民生命财产安全构成严重威胁。无人机机动、灵活,安全性高,可迅捷甚至实时获取灾区影像,对灾情的快速评估和应急救援决策意义重大。遥感无人机在洪涝灾害救援中能够发挥的重要作用已得到广泛共识,但是由于灾害的突发性,缺乏就近部署的资源制约了无人机遥感观测和救援作用的发挥。针对突发灾害,在区域和全国范围内建立起一定的无人机遥感应急体系成为国家面向未来正在考虑的选项。基于此,本研究提出了基于中国科学院的野外台站构建全国无人机遥感观测网的设想。本研究以中国防范洪涝灾害等级分布数据、行政区划数据、中国科学院野外台站分布数据和当前无人机性能数据库为数据源;以行政区划离散并提取的中心点作为需求点,台站作为设施点,不同洪涝等级区域内需要无人机进行应急观测的重要程度作为权重,利用最大覆盖选址模型进行空港选址布局;利用成本-效益曲线确定台站的最佳数量,最终从268个台站中选取出81个作为支撑全国洪涝灾害无人机遥感观测网络的无人机空港。无人机空港布局结果在理论上能够实现对中国绝大数突发洪涝灾害在2 h内初步完成洪涝观测,这对于构建中国空天地一体化的洪涝灾害监测体系具有重要意义。同时,本研究中的方法和成果对于进一步构建行业和综合性的全国无人机遥感观测网也具有一定借鉴和参照意义。     

中国无人机遥感技术突破与产业发展综述

无人机是未来网络环境下一种数据驱动的空中移动智能体,而无人机遥感则是无人机应用最重要的引领性产业。本文首先以国内外无人机遥感发展现状为背景,重点概述了中国无人机遥感21世纪以来“十五”到“十三五”所获得的具有代表性的国家支持与推动的发展历程,阐述了无人机遥感定标场,航空航天定标场的建立以及应用验证,包括无人机遥感系统的载荷与系统技术发展;然后,进一步阐述了以遥感定标场、地物参量引导载荷性能、系统模型为代表的中国无人机遥感的相关技术跨越;接着,概略介绍了无人机遥感在国防反恐安全以及跨国应急救援,国土测绘与海洋岛礁测绘应用,地质灾害应用以及国家应急救援等领域的产业应用;最后,介绍了中国在无人航空遥感领域展开的跨越性的工作,包括组网智能控制、精度和实时性度量基础、载荷平台自组织冗余容错、遥感大数据云处理技术和无人机遥感组网实用化等内容。未来无人机遥感发展的总体目标是建立起具备迅捷信息获取能力的无人航空器组网观测系统,实现无人航空器组网技术由项目层面跨越到遥感领域,同时也为中国成为世界遥感强国的国家战略跨越奠定基础。     

无人机组网遥感实时任务观测的冗余容错控制方案

中小型无人机（UAV）越来越多地应用于各种实时静态和动态任务中,已成为对人类非常有用的辅助工具。适合无人机在各种条件下进行监视和测量的因素有很多,但无人机在执行不同的实时任务时仍会受到各种挑战,且一旦在任务执行过程中任何一个约束的及时响应缺失,将会影响任务的总体结果,导致整个任务部分或完全失败,在实际中很难建立完美系统。因此,在系统中引入冗余容错来最小化故障概率并增强其鲁棒性非常重要。其中,根本问题是随着系统复杂性的增加,除非对其采取补偿措施,否则其可靠性会急剧下降。冗余容错是通过添加一个或多个模块（通常采用并行配置）作为备份来引入冗余。为了提高极端条件下航空遥感任务无人机网络系统的鲁棒性和成功率,本文将基于冗余的容错控制技术引入无人机网络设计中,确定了不同限制条件下的最佳网络解决方案。组网设计是在不同观测条件下的遥感任务如“大尺度生态监测”、“中尺度洪灾监测”、“小尺度安全监测” 中,通过同步监控进行主动合作的包括多个无人机的网络。多无人机网络作为冗余容错体系结构时可以通过添加多个无人机作为备份使得系统可以容错,而无人机在不同极端条件下的位置和视角则可以作为冗余容错的场景设置。当组网方案中的无人机位置和视角超过设定的阈值时可以被认为是故障的,其将被分离并不考虑进一步分析。通过以上方式,无人机网络可以在极端条件下得到组网控制方案的有效输出,进而保证遥感观测任务的顺利进行。     

作物胁迫无人机遥感监测研究评述

作物胁迫是全球农业发展的一个重要制约因素,实现快速、大范围、实时的作物胁迫监测对于农业生产具有重要意义。传统的作物胁迫监测方式,如田间调查、理化检测和卫星遥感监测总是受到各种田间条件或大气条件的制约。随着无人机和各种轻量化传感器的快速发展,其凭借高频、迅捷等优势为各种作物胁迫监测提供了一套全新的解决方案。本文在介绍了目前主流的多种无人机和传感器的基础上,首先对目前无人机遥感用于作物监测的主要胁迫类型进行了梳理,然后重点阐述了基于光谱成像和热红外传感器进行作物胁迫无人机遥感监测的应用和技术方法,最后提出了作物胁迫无人机遥感监测尚需解决的关键问题,并展望了未来无人机遥感用于作物胁迫监测的前景。     

中国面向遥感应用的垂直起降无人机现状和 应用前景分析

近年来,针对中国生态环境、洪涝灾害应急响应、国土安全监测等遥感观测任务,无人航空遥感手段需求越来越多。构建异构无人航空器遥感观测多任务集群系统是近几年的发展目标,为完成无人航空遥感生态建设,垂直起降无人机以其不受场地限制起降又可快速巡飞的特点,在多个领域发挥着越来越大的作用。本文主要研究内容包括国内垂直起降无人机发展现状调研、面向航空遥感应用市场的无人机分析及典型机型介绍、垂直起降无人机在遥感领域的应用场景及案例分析、垂直起降无人机在遥感领域的应用前景及发展趋势等。通过广泛调研及深入分析可知,目前垂直起降固定翼无人机正逐步取代多旋翼飞行器的主导地位;垂直起降无人机占据了遥感应用无人机80.47%的市场份额;动力多元化、系统智能化、布局多样化、尺寸小型化等是面向遥感应用的垂直起降无人机的发展方向。本文较为全面地阐述和剖析了面向遥感应用的垂直起降无人机的相关内容,为遥感航空无人机生态建设提供了参考与支撑。     

基于MapReduce的空间敏感性分析并行算法设计

近年来,随着遥感空间数据广泛应用于生态系统,推动了区域尺度生态遥感参数模型的发展。敏感性分析对识别模型关键参数,降低模型不确定性和完善模型具有重要作用。区域尺度的生态遥感参数模型,在进行模型参数敏感性分析时,由于涉及到空间数据的复杂运算,单机环境无法满足快速分析的要求。为了提高生态遥感参数模型空间敏感性分析效率,本文以青藏高原为研究区域,利用植被光合模型VPM(Vegetation Photosynthesis Model)和开源云计算平台Hadoop,设计和实现了基于Sobol′的生态遥感参数模型空间敏感性分析并行算法,并在实验室集群环境下进行算法分析,验证了算法的有效性和适用性。该算法的核心是利用MapReduce并行编程技术,对空间敏感性分析中的地图抽样和模型迭代过程进行任务分割,将分割后的子任务分配至不同的计算节点进行并行计算。实验表明,本文提出的并行策略,能有效缩短地图抽样和模型迭代计算时间,相比于单机算法,并行算法的运行速度提高了14倍左右。     

基于改进蚁群算法的无人机低空公共航路构建方法

日益增加的无人机数量和飞手自由规划航线给航空安全带来极大隐患。构建一个安全、高效的航空飞行环境,可以为无人机活动设立隔离空域,并在隔离空域内规划无人机低空公共航路,以提高低空空域利用率,为无人机交通管理提供决策依据。本研究充分考虑无人机近地表飞行及其即时通讯等特点,以天津市为例,基于地理信息技术构建以多源地理空间数据为基础的无人机低空飞行环境,包括低空蜂窝网络环境、大气环境和政策空域环境等,并改进传统蚁群算法以搜索无人机最优路径,得到该区无人机低空公共航路网。研究结果表明,改进的蚁群算法大大提高了路径搜索效率,满足无人机航路规划的高时效性、动态更新等要求;并且天津市航路长度符合市场上现有的无人机最远航程要求,基本满足现有的无人机运输要求。本研究描述的无人机低空公共航路研究的核心算法和关键技术,可以为无人机管控系统提供核心技术支撑。     

塔基遥感视频监控有效性评估方法

以铁塔作为基础平台,利用其上搭载的相机或其他传感器进行近地面观测被称为塔基遥感。塔基遥感具有不易受到云层遮挡等自然因素影响、可以全天候实时获取视频信息的特点,可有效填补航空航天遥感与地面观测网络之间的尺度空缺,已在各个领域得到广泛应用。然而在面对大面积观测区域和复杂的任务目标时,塔基遥感的实际应用则受到复杂的地形及成像时空间分辨率的约束。如何评估其成像有效性成为未来塔基遥感平台优化建设的关键。为解决上述问题,本研究剖析了塔基遥感相机的成像特点和主要遮挡因素,构建起其实际覆盖范围分析方法。依托主要应用的空间分辨率需求建立分辨率分级体系,并结合实际覆盖范围和相机参数明确各项应用的可应用区域,据此评估塔基遥感视频数据有效性。以南京市江宁区“慧眼守土”塔基遥感视频监控系统为例进行实验分析,结果表明,现有塔基遥感相机受到了周边地形及塔基自身的严重遮挡,5 km内平均覆盖率仅3.20%,塔基自身造成了47.66%视角被遮挡。具有极高、高等级分辨率需求的应用实际覆盖情况较为理想,但中、低等级分辨率应用的实际覆盖情况需要进一步优化。增加相机高度、提升相机变焦能力以及增设环形轨道可以有效对塔基遥感相机的应用有效性进行优化。本研究的分析方法和结果可以为未来数据采集和各项实际应用提供支撑,成为系统评估及选址优化的参考依据。     

基于多传感器融合式航迹起始算法

提出了一种基于聚类分析和Kalman 滤波相结合的多传感器航迹起始算法.根据多传感器同一时刻对同一目标的观测值在空间呈团状的特征,运用聚类的方法解决数据融合问题.采用一种改进的粒子群(PSO)优化算法对多传感器观测数据进行聚类,结合聚类中心和目标预测值,应用Kalman滤波器估计目标状态,从而实现航迹起始.实验结果表明,该方法有效.     

轻小型无人机遥感组网飞行的高程安全监测冗余 容错算法研究

针对轻小型无人机遥感组网飞行的高程安全要求,本文设计了基于INS/GPS/气压计的多源信息冗余容错测量方案。通过分析轻小型无人机遥感组网应用时复杂多变的工作环境对可靠性与容错能力的要求,采用了联邦滤波算法进行多传感器冗余信息融合。本文分析了联邦滤波结构及算法,通过计算得出了系统容错性好以及滤波精度高的信息分配系数取值原则,并在此基础上提出一种基于故障特征信息熵的Pignistic概率转换容错信息分配方法。该算法可得到清晰准确的故障概率分布,根据此概率分布运用信息熵来确定系统故障概率,进而结合信息分配系数的取值原则得出组合测量系统各个子系统的权重比。通过算例仿真验证了不同信息分配系数主要影响子系统的估计误差和容错性能,而对联邦主滤波器的融合估计误差影响较小,说明了本文的容错信息分配方法能够为各子系统分量提供可靠的分配系数。在旋翼无人机平台上的定高悬停实验证明了该方法能将无人机高程误差减小为传统联邦滤波算法的四分之一,进一步说明了该方法能提高无人机高程安全监测系统的精度及容错性。     

无人机遥感众创时代

当代科技发展降低了无人机和遥感器的准入门槛。大众参与为无人机遥感领域注入了巨大的创造力,触发了无人机遥感创新发展的爆发式增长。当前,无人机已成为普适化和平民化的科学手段,无人机遥感数据在众多领域和部门呈现出取代通航遥感和卫星遥感数据的趋势。本文首先对无人机遥感所处的时代特征及其展现的科技特色进行了分析与归纳,然后列举了无人机遥感在抗震救灾、岛礁测绘、极地科考、精准农田管理等领域开展的典型应用,最后从无人机发展所致遥感数据供应结构性调整、无人机遥感地理学研究推动、遥感无人机试验场地布局等方面进行了展望。特别地,针对无人机遥感应用量大面广、数据分布多源异构等特点,本文提出了无人机遥感数据航母的概念。     

中国浮空器遥感遥测应用现状与展望

浮空器是一种新型的航空遥感遥测平台,适合于中小面积高分辨率的遥感遥测,尤其是中低空小型遥控飞艇,可依靠动力推进与操纵系统实现可操作飞行,具有飞行时间长、覆盖面积大、载重能力强、效费比高等特点,与其他几种航空平台相比,飞艇平台具有综合优势,在基础地理数据采集、国土资源勘查、环境监测、农业植被监测等各个领域具有广泛的应用前景。本文分析了中国有人飞机、无人机和中低空飞艇、平流层飞艇平台在遥感遥测中应用案例,以及各个航空平台的性能特点、工作方式、技术难点等,对比了各种平台的技术特点;探讨了中小型遥控飞艇平台在遥感遥测中应用的优势,研究了平流层飞艇的发展现状与关键技术;并结合国际相关领域的研究进展,对未来浮空器遥感应用的前景进行了展望。     

Assessing applicability of Near-Infrared/Green/Blue UAV modified camera in crop monitoring:a case study of eastern Zimbabwe

Unmanned Aerial Vehicles(UAVs) have become popular and their use in agriculture monitoring is attracting more and more attention. There has emerged another class of agricultural UAVs whose normal consumer grade Red/Green/Blue(RBG) bands cameras have been modified to include the Near-Infrared(NIR) band by replacing one of the visible channel bands. This reduces the cost for agricultural UAVs. However, few researches have assessed the suitability of these modified UAV cameras in agricultural remote sensing. This study employed a modified UAV consumer grade camera with Blue/Green/Near Infra-red(BGNIR) bands to assess its applicability in crop remote sensing monitoring. Two experimental fields in Eastern Zimbabwe were used to assess the applicability of the modified BGNIR UAV camera in potato stress detection, maize senescence monitoring and chlorophyll concentration variations in bananas. Processed Green Normalized Vegetation Index(GNDVI) maps from the UAV imagery were compared with actual ground data of geo-tagged images taken during the UAV flights. Visual comparison between the ground and UAV imagery showed positive correlation. Highly stressed potato plants had lower GNDVI values than the healthier looking plants. Matured maize canopies also had lower GNDVI values than the late mature plants whose leaves were still green. GNDVI values in bananas from the first flight ranged from 0.094 91 to 0.334 74 and after the application of Nitrogen/Phosphorous/Potassium(NPK) fertilizer the GNDVI values ranged from 0.124 61 to 0.555 64. Increase in nitrogen also increases chlorophyll concentration in plant leaves hence the values of GNDVI increase after fertilization. We conclude that consumer grade modified UAV cameras are suitable in remote sensing of agricultural crops. Their adoption and utilization reduce the cost burden on farmers in developing countries especially in Africa, and help them to monitor their crops more efficiently.     

Object-oriented crop classification based on UAV remote sensing imagery

UAV remote sensing images have the advantages of high spatial resolution,fast speed,strong real-time performance,and convenient operation,etc.,and have become a recently developed,vital means of acquiring surface information.It is an important research task for precision agriculture to make full use of the spectrum,texture,color and other characteristic information of crops,especially the spatial arrangement and structure information of features,to explore effective methods for the classification of multiple varieties of crops.In order to explore the applicability of the object-oriented method to achieve accurate classification of UAV high-resolution images,the paper used the object-oriented classification method in ENVI to classify the UAV high-resolution remote sensing image obtained from the orderly structured 28 species of crops in the test field,which mainly includes image segmentation and object classification.The results showed that the plots obtained after classification were continuous and complete,basically in line with the actual situation,and the overall accuracy of crop classification was 91.73%,with Kappa coefficient of 0.87.Compared with the crop planting area based on remote sensing interpretation and field survey,the area error of 17 species of crops in this study was controlled within 15%,which provides a basis for object-oriented crop classification of UAV remote sensing images.