流域输沙过程是地貌学和地表动力学的重要研究内容,但传统的输沙过程监测方法仅能得到某个区域的总输沙率,无法推算其空间分布。论文以黄土高原绥德县窑家湾小流域为例,利用无人机摄影测量技术得到其2006年和2019年2期数字高程模型(DEM)并计算地形变化量;然后,根据质量守恒原理和多流向算法建立泥沙在空间上的输送模型,进而计算小流域输沙率的空间分布。实验结果表明,该模型能有效模拟泥沙在空间上的输送情况,输沙率出现质量不守恒的区域面积占比小于4%,且不守恒区域多为人类活动影响区。同时,论文讨论了DEM的选择和不同地形变化检测水平对模型结果的影响。当使用第一期DEM进行泥沙搬运路径推算时,质量不守恒区域的面积显著降低。使用误差空间分布图进行地形变化检测得到的输沙率结果鲁棒性更强。使用中误差进行地形检测得到的结果在不同置信度下变化较大。基于无人机地形变化检测的空间输沙模型能方便、快捷地提供详尽的输沙率空间分布,为地表过程研究带来了新的机遇。

随着数字基础设施建设的不断推进和数字城市的蓬勃发展，无人机摄影测量建模技术快速兴起。如何在提升模型精度的同时兼顾建模效率问题，受到广泛关注。该文以福州大学宏晖文体综合楼为研究对象，对无人机飞行参数设置与建模效率之间的关系进行量化实验研究。研究结果表明，无人机在旁向重叠率53%、航向重叠率53%、飞行速度9.3 m/s、边距设置为自动时建模效率最佳。

<正>《无人机航空摄影测量》是2022年8月武汉大学出版社出版的图书，作者是吕翠华，杜卫钢，万保峰，胡浩。这是一本值得评价的研究书籍，深入探讨了无人机航空摄影技术的应用，并提供了有价值的研究成果。笔者结合湖南省自然资源厅科研项目（2022-22)；湖南省自然科学基金（2020JJ4601)；公路工程教育部重点实验室开放基金（KFJ190203)，对本书内容进行深入研读和拓展。本书特别强调了在地理测绘和土地资源管理领域中，无人机航空摄影技术的重要性和潜力。

森林空间结构及动态变化规律对森林经营管理、生态环境建模等具有重要意义,无人机激光雷达与摄影测量能够获取丰富的森林空间结构和类型信息,在单木、林分尺度森林环境长时间序列监测方面具有无可比拟的优势。无人机激光雷达系统一般搭载多回波/全波形激光扫描仪,配备高精度全球导航卫星系统&惯性测量单元(GNSS&IMU)等传感器,以保证激光脉冲回波信号的几何定位精度。无人机摄影测量系统通常搭载可见光(RGB)/多光谱相机,配备低精度GNSS&IMU,通过高重叠率航片的三维重建算法自动解算航片内外方位元素,生成具有相对参考

国家对自然资源统一监管和生态环境保护治理提出了新的要求,大力推进信息化建设,加大卫星遥感、无人机、大数据等技术应用,为航空摄影测量与遥感产业发展提供了良好机遇。本文结合无人机摄影测量与遥感产业发展实践,对拓展无人机摄影测量与遥感产业领域、服务生态文明建设进行了分析。

随着无人机航空摄影测量技术的成熟和发展,改变了传统森林调查的手段,加快了森林调查的数字化、智能化发展。为提高单木因子的采集效率和精度,降低外业的工作强度,基于倾斜摄影测量技术,以多旋翼无人机为数据采集平台,实现了孤立单木的三维点云模型重建。在此基础上,建立了单木三维信息量测算法,提出切割法和投影法两种提取树冠投影面积的方法,并提取树高、树干任意处直径、树冠投影面积、冠幅、树冠表面积、树冠体积6项测树因子参数。结果表明:1)树木的总高度和第一枝下高的提取精度分别为96.28%和95.61%,胸径和上部直径的提取精度分别为96.24%和93.78%;2)利用切割法和投影法提取树冠投影面积的精度分别为96.28%和98.24%,提取冠幅的精度分别为89.65%和91.50%,提取树冠表面积的精度分别为96.78%和97.58%,提取树冠体积的精度分别为94.29%和96.14%;3)实践证明,该技术可很好地应用到古树名木的保护工作中,并可对森林调查的方式提供新的技术参考,具有较高的现实意义和实际应用价值。

位于横断山区的梅里雪山地区,受地形与气候的影响,该地区光学遥感及微波遥感应用较为受限。论文基于大疆精灵4RTK无人机搭配中海达UBase,于2018年11月9日和2019年11月12日对梅里雪山地区明永冰川末端开展了2期摄影测量,估算冰川消融区表面高程变化,监测冰川动态变化。研究结果表明:冰川区表面形态在不同位置有显著差别,航测冰川区中下部大量表碛覆盖,有少量沿冰川主流线方向发育的裂隙;航测冰川区中上部表碛覆盖较少,大量横向裂隙发育。2018年11月至2019年11月,明永冰川末端表面高程平均变化-1.67 m。冰川表面高程变化空间分布差异显著,在航测冰川区上部高程差存在正负交替现象,航测冰川区中部以减薄为主,而航测冰川区下部以增厚为主。与高亚洲地区其他山系冰川变化对比,梅里雪山地区是冰川表面高程变化最显著的地区。

【目的】传统的无人机森林航空摄影测量需要布设像控点来平差解算。由于林地内通视条件差,采用传统光学仪器布设像控点时,效率低、而且无法保证像控点位置的均匀分布。采用GPS-RTK技术虽不受通视条件限制,但是林冠下GPS信号弱,经常出现移动站与基准站之间GPS失锁的问题。为了解决以上不足,文章探索了基于PPK技术的免像控点无人机森林航空摄影测量解算方案。【方法】利用搭载了相机和双拼PPK(Post Processed Kinematic)模块的无人机,在森林上方按预定航高和重叠率对地摄影,获取到森林航空影像、POS数据和PPK数据。内业处理时,首先通过解算PPK数据得到相对精确的摄影中心外方位线元素,并以其代替原始POS数据的线元素;再利用SFM(Structure From Motion)方法得到摄影中心精确的外方位元素基础上,经过密集匹配生成DSM,通过手工编辑和正射校正后得到了最终成果DOM。【结果】用同一架加装了双频PPK模块、搭载了Canon 5D MarkII数码相机的固定翼无人机,在北京市潭柘寺森林公园按飞行航高200 m,航向重叠度80%,旁向重叠度65%进行了航空摄影。在同一台PC硬件条件下,使用相同版本的Agisoft PhotoScan和SimActive Correlator 3D软件,采用布设像控点(方案A)、基于原始POS免控制点(方案B)、基于PPK免控制点(方案C)等3种不同方案,对无人机获取的航空影像数据进行了对比试验。结果表明,方案C的效率比传统的布设像控点的方案A高45%;而在精度方面高于基于原始POS数据免像控点的B方案,可达到地形图航空摄影测量相关规范的1∶2 000比例尺精度要求。【结论】PPK技术的通讯频率高、作业半径大、作业时移动站与基准站不需要实时保持通讯,采用无人机加装PPK模块结合SFM方法生成森林正射影像的方案,其成果精度能够满足森林资源二类调查的用图精度要求,避免了在林冠下布设控制点难度大和容易出现GPS失锁等问题,可节省大量外业控制点测量和内业数据处理时间,对提升森林监测效率和自动化水平具有重要意义。

【目的】造林是实现林业资源可持续发展的重要手段。造林地块分散、分布偏远、交通条件差，人工造林成活率检查耗费大量人力、物力和时间成本，且效率低、无法及时全面精准掌握造林成活率、采用的抽样检查方法受主观因素和偶然因素影响较大。为解决以上问题，本研究探索了一种基于目标检测模型和多目标追踪的无人机造林成活率自动检测方法。【方法】利用大疆Mavic2多旋翼无人机采集不同时期云杉人工造林地的影像，利用YOLOv5深度学习网络模型训练了苗木对象检测模型，并与DeepSORT多目标追踪算法相结合，在安装Mavic2无人机地面站的安卓平板电脑上进行二次开发。通过整合无人机4G图传，将无人机拍摄的视频实时回传至无人机地面站安卓平板电脑上。利用YOLOv5s+DeepSORT实现了实时苗木检测与动态多目标追踪，通过对跟踪到的苗木进行类别判定和计数汇总，最终自动计算目标小班的造林成活率。【结果】在内蒙古大兴安岭大杨树林业局乌鲁布铁林场2022年春季造林地块中随机抽取了7个造林小班进行试验，结果表明本研究与人工检查相比成活率检测平均相对精度能达到99.62%，可平均节省50.94%人力工时。【结论】文章采用基于目标检测模型和多目标追踪的无人机造林成活率自动检测方法，不仅效率高、精度可靠、容易操作、可以极大地减少人力工时。与传统人工检查方法相比具有以下优势：1）有效提高了检测效率，减少了人力、时间、交通成本，能够实现对所有造林地块的全面检测，减少了抽样检查方法导致的随机误差；2）实现利用基于视频检测的算法自动完成成活率统计，统一了检测标准，避免了人工检测带来的主观误差；3）在检测视频中标注每株苗木的判定类别，可作为过程资料保存输出，为复核提供了有效依据。

【目的】森林火灾对生态环境的破坏巨大，各种火灾探测方法近年来备受关注，但不同的检测载体与检测数据在森林火灾检测的应用中仍具有各自的局限性。为此，提出一种基于深度学习与无人机红外影像的森林火灾燃烧点检测模型，旨在减少无人机森林火灾检测的延迟和丢失，提升森林火灾检测效率和检测能力。【方法】采集中国北部亚干旱地区森林火灾巡护数据，增加北亚利桑那大学无人机森林燃点数据提升模型的学习范围，同时对数据进行数据增广，提升模型学习的数据量。利用红外影像的成像特点对森林火灾燃烧点进行特征放大，降低检测数据的复杂度。引入计算量适当的目标检测算法，减少无人机森林火灾检测系统的检测时延。【结果】1）红外影像下的森林火灾燃烧点检测模型在非极大抑制IoU阈值为0.3的条件下，其检测AP(Average precision)值达到了0.961 6，检测精度（Precision）达到了0.929 3。2）红外影像森林火灾检测模型在40 fps的实时视频中的检测速度平均达到了31 fps。3）在图像翻转、图像旋转与图像仿射变换3种数据增广模式下，模型的检测性能达到最高。【结论】基于红外影像的森林火灾燃烧点检测模型对森林火灾更敏感，减少了森林火灾检测的计算量，减轻了地面站计算机的计算负担。图像的色域变换对红外数据下的森林火灾燃烧点检测模型提升效果不明显。

为高效、精准、及时地获取农作物的空间分布及其面积,建立了基于无人机平台和图像分析的大田作物检测方法:采用小型四旋翼无人机搭载高性能数码相机获取作物图像后,通过图元分割和目视解译获得目标样本,提取其21维颜色特征和3维纹理特征,采用BP神经网络分类器和像素累加法进行作物种类识别和面积测量。试验结果表明,系统对小麦、油菜、蚕豆和大蒜的平均识别率达86%,面积测量的平均相对误差约为9.62%。

论文结合民用机场净空保护需求,针对无人机监测系统在民用机场的应用可行性和有效性进行定量评估。首先,深入分析了无人机监测系统的多维度评价指标,从系统的功能、性能、可靠性、安全性、可部署性5个评价维度设计了10个方面的系统特征,包括监测覆盖区域、有效探测距离、空间定位精度、俯仰精度、目标跟踪能力、即时性度量、报警提示置信程度、目标识别能力、可靠性度量、信息安全和可部署性度量等。然后,结合这10个系统评价特征,建立基于模糊集和模糊测度的综合评估模型,设计多类无人机监测设备在机场真实场景的实验验证。实验结果表明,该方法可有效度量无人机监测系统对民用机场的适用性和有效性等,对不同类型的技术具有较好的兼容性,评价结果对民用机场无人机监测系统选择具有较高的参考价值。

计算机视觉摄影测量模型的求解效率和精度是采用摄像机进行测量的关键。为对所建立的摄影测量模型进行高效求解，根据正交变换的基本原理，提出了基于吉文斯变换的标定模型解算方法。利用该算法对模型进行了标定计算，获得了较高的标定和测量精度。

计算机视觉摄影测量模型是通过计算机视觉进行事故现场测量系统设计的基础。根据摄像机成像基本关系，建立了描述空间点及其二维成像间的摄影测量数学模型，考虑了成像系统的对称性镜头畸变误差，建立了线性摄测数学模型，通过试验分析了模型的理论精度和标定精度。

【目的】森林火灾监测多采用卫星和低空热红外遥感对林火进行识别，准确率高，但受限于硬件性能和成本，对基于无人机的多光谱遥感及不同图像传感器比较的林火监测研究较少。【方法】选定山地树林作为试验对象，根据起火点的明火和阴燃两种状态，结合树冠状态，分为明火有遮挡、明火无遮挡、阴燃有遮挡、阴燃无遮挡等4种林火状态，以无火场景作为对照，开展森林火灾监测试验，利用无人机分别搭载热红外、多光谱、可见光等图像传感器采集林火图像，分别基于随机森林（RF）、支持向量机（SVM）、反向传播神经网络（BP）3种机器学习算法建立林火监测模型，通过准确率（Accuracy）、精度（Precision）、召回率（Recall）和F1-score进行监测模型性能评估。【结果】综合分析，热红外相机和可见光相机基于支持向量机（SVM）的监测模型准确率最高，多光谱相机基于随机森林（RF）的监测模型准确率最高。热红外相机监测准确率高达100%，多光谱相机接近100%，可见光相机达到85%。综合分析，热红外相机监测准确率最高，多光谱相机次之，可见光相机监测性能最差。多光谱相机可在不同林火状态下较好地替代热红外相机进行监测，可见光相机在不同林火状态下均表现出较差的监测效果。【结论】通过使用机器学习算法进行优化，多光谱相机可在林火监测中有效替代热红外相机，可以显著降低监测成本和丰富林火监测技术手段。