这篇文章的标题是《UAV photogrammetry for red tide monitoring and geo-localization via onboard GNSS/IMU data》，作者包括 Mengran Yang、Yichen Ma、San Jiang、Cheng Yin 和 Wei Huang，分别来自中国地质大学（武汉）计算机学院（School of Computer Science, China University of Geosciences, Wuhan, China）、福建精维数字技术股份有限公司（Fujian Jingwei Digital Technology Corporation, Fujian, China），以及湖北工业大学的湖北协同创新中心（Hubei Collaborative Innovation Center for High-Efficiency Utilization of Solar Energy, Hubei University of Technology, Wuhan, China）。这项研究发表在学术期刊《Geocarto International》上，属于该期刊2024年第39卷第1期。文章在线发表日期为2024年5月28日，并且该文章以开放获取形式发布，遵循《Creative Commons Attribution License》许可证。
学术领域与研究背景
红潮（Red Tide），也称为藻华（Algal Blooms），是一种严重威胁海洋生态系统的全球性生态灾害。红潮由细菌、原生动物或浮游植物的爆发性生长而引发，给海洋生态和经济活动带来了巨大风险。因此，持续监测红潮是维护海洋生态安全并保障经济活动的重要任务。
现有研究与技术不足
传统的遥感技术常依赖于卫星平台与基于光学影像的模型监测红潮（如 Sentinel-2 MSI 和 HY-1D CZI 数据），但卫星影像局限于： 1. 固定轨道限制了快速响应能力； 2. 高轨高度导致空间分辨率较低。 而近年来的无人机（Unmanned Aerial Vehicle, UAV）技术，以其成本效益和高分辨率数据采集能力，成为了一种具备广泛适应能力的新工具。然而，传统的无人机摄影测量方法（例如结构光恢复（Structure-from-Motion, SfM）和多视角影像分析（Multi-View Stereo, MVS））难以处理低纹理的海洋图像。
研究目标
本文旨在开发一种基于无人机的摄影测量工作流程，通过搭载的 GNSS/IMU 数据直接实现红潮的几何定位（geo-localization）和监测。这项研究提出了一种新的工作方法，不依赖于 SfM 和 MVS 流程，从而克服海洋低纹理图像的缺陷。
研究设计了一种总体工作流程，包括以下关键步骤：
工作流程设计
1. 直接地理定位模型（Direct Geo-localization Model）
通过摄影测量中的共线方程（Collinear Equation），建立 3D 点与 2D 图像点之间的投影关系。这个模型使用相机的内参（Intrinsic Parameters），外参（Extrinsic Parameters）以及海平面高度来计算目标红潮区域的 3D 坐标。 - 输入项包括：2D 图像目标点、相机参数（包括焦距和主点坐标），以及由水文站或野外测量得到的海平面标高。 - 公式依据：共线方程已精确描述了 3D 空间点、相机投影中心与 2D 图像间的物理几何关系。
无人机平台与相机参数的选择
选择 DJI Phantom 4 RTK 和 DJI M300 RTK 作为数据采集平台。两者均配备高分辨率相机与高精度 GNSS 定位系统：
人为标注红潮区域
采用 Labelme 软件对无人机采集的图像进行红潮区域多边形标注。标注后，图像目标点的地理坐标通过直接定位模型进行计算，并转换为 GIS 兼容格式（如 Shapefile ），以支持进一步分析。
几何计算及覆盖面积分析
依据红潮区域的图形数据，生成覆盖多边形，并在 GIS 应用中进行面积计算及覆盖区域的空间分析。
软件实现
研究通过 C++ 实现了自动化的几何计算软件，支持解析 EXIF 数据及读取外部参数文件。
精度分析
在福建某地选取一个实地测试区域，使用地理参考的 DOM(数字正射影像图) 及 DSM（数字表面图）作为对照，评估两款无人机在直接地理定位中的精度： - XY 平面的偏移量：两种无人机平台的平均偏差在 20 米以内； - 区域面积估算：估算面积的误差分别小于 9.2%（Phantom 4 RTK）和 7.7%（M300 RTK）。研究表明： - 高一致高程的屋顶目标其计算精度明显优于地面目标； - 直接参考模型在红潮监测中的精度可满足实际需要。
红潮监测应用
在福建省两个典型红潮发生区域进行了实地监测： 1. 测试区域 1（平潭附近）：红潮分布明显，标注后计算得该区域红潮面积约 2.49 平方公里。 2. 测试区域 2（长江澳附近）：红潮密度低、颜色浅，总覆盖面积约 4.61 平方公里。分析表明： - 高分辨率无人机图像能有效捕捉红潮区域。 - 红潮区域的变化可能对渔业设施造成影响。
结论
本文提出了一种基于无人机的新型红潮摄影测量解决方案，避免了传统 SfM-MVS 流程对低纹理图像的适应性限制。研究证明了： 1. 使用无人机与共线方程模型进行的直接地理定位，具有 20 米以内的平面精度； 2. 该方法适于红潮动态监控，能够提供高效的数据采集与精确的覆盖区域。
科学与应用价值
这项研究的科学贡献在于拓展了无人机遥感技术在海洋生态灾害中的应用场景。其建议的工作流程和工具为海洋生态管理及红潮应急响应提供了新的数据支持手段。
创新亮点
1. 提出了避免 SfM-MVS 的直接定位方案；
2. 采用高分辨率无人机配合人工标注进行红潮区域的精准几何分析。
尽管该工作流程实现了功能性的红潮监测，研究也指出： 1. 当前的红潮区域检测依赖于手动标注，效率较低； 2. 自动化深度学习方法对颜色较浅的红潮识别能力仍有不足。
未来的研究方向应集中于开发更智能化的红潮自动检测算法，以提升工作流程的效率与扩展适用性，包括对类似地理定位需求的场景（如滑坡监测）的潜在应用扩展。
这项研究受到了中国国家自然科学基金和湖北省自然科学基金资助，分别为第 42371442 和 2023AFB568 项目。这为其科学性与技术可靠性提供了进一步支持。