【技术实现步骤摘要】
本专利技术涉及环境监控，特别是涉及一种基于无人机的生态修复工程监管方法、装置及介质。
技术介绍
1、山水及生态修复项目覆盖广泛，不同地区的项目形态复杂多变，监管周期长且要求高精度、高时间分辨率的数据支持；山水及生态修复项目显著改善了区域环境质量，使得空气中的尘埃、有害气体得到有效控制，水质得到净化，噪音污染减少，居民的生活环境得到极大改善。多光谱遥感技术在生态方面有着广泛的应用，通过卫星获取的多光谱影像数据可用于对大气、水体和土壤等环境污染源进行监测；通过分析影像数据中的污染物浓度和分布情况，可以评估环境污染的程度和范围，为环境保护和治理提供依据。
2、但多光谱遥感技术受限于分辨率、云层遮挡、光照、气温、土壤和大气等因素影响，容易导致数据波动，而且即使后期进行地面测量校正，也因为无法恢复相同的测量条件，易导致测量数据失效；并且在植被状态、气温、光照、土壤湿度和大气等条件下进行生态修复工程监管，花费的时间较长，容易造成校正失败或数据可信度低的情况。
技术实现思路
1、本专利技术提供一种基于无人机的生态修复工程监管方法、装置及介质，以解决难以快速对生态修复工程进行准确监管的问题。
2、控制无人机和卫星同时采集项目监管区域的图像数据，得到无人机数据和卫星遥感数据；其中，所述无人机的起降点是通过识别所述项目监管区域的生态变化趋势和潜在问题区域而确定；
3、基于所述无人机数据修正所述卫星遥感数据，得到多光谱反射率数据；
4、根据所述多光谱反射率
5、本专利技术中，无人机的高分辨率影像数据能够清晰地反映地表细节，有助于发现潜在的问题区域；而卫星遥感数据则可以通过时间序列分析，揭示地表特征的变化趋势；通过结合两者数据，可以相互验证和修正，提高数据的准确性和可靠性。无人机具有快速部署和实时监测的能力，能够在短时间内对重点区域进行多次监测，提高监测效率；而卫星遥感数据虽然获取周期较长，但一旦获取，就可以覆盖大范围区域，减少重复劳动；两者的结合使得监测工作更加高效。并且，通过识别生态变化趋势和潜在问题区域，可以精确地确定无人机需要重点关注的区域，从而在这些区域设置起降点，这种精准定位减少了无目的、大范围的飞行，因此可以最大化地利用无人机的数据采集能力，确保关键区域得到快速的监测和评估。
6、相比于现有技术，本专利技术通过控制无人机和卫星同时采集项目监管区域的遥感数据，并基于这些数据进行科学处理和分析，既保证了数据的全面性，又提高了数据采集和分析的效率，因此能够解决难以快速对生态修复工程进行准确监管的问题。
7、作为优选方案，所述无人机的起降点是通过识别所述项目监管区域的生态变化趋势和潜在问题区域而确定，具体为：
8、将所述项目监管区域划分为二维网格；
9、通过对所述二维网格进行曲线压缩和聚类处理，计算得到所述二维网格中子类网格的变异系数；
10、将所述二维网格中所述变异系数超出预设阈值的子类网格定义为异常区域，得到异常区域集；
11、通过对所述异常区域集中的异常区域作空间叠加处理，得到所述无人机的起降点。
12、本优选方案通过计算子类网格的变异系数，能够精准地定位到异常区域，为后续的无人机起降点选择提供准确依据。曲线压缩和聚类处理算法能够快速地处理大量数据，迅速识别出变异系数超出预设阈值的异常区域。
13、作为优选方案，通过对所述二维网格进行曲线压缩和聚类处理，计算得到所述二维网格中子类网格的变异系数，具体为：
14、从所述二维网格中获取子类网格的归一化植被指数，得到初始时间序列数据；
15、对所述初始时间序列数据进行曲线压缩，得到第一时间序列数据；
16、基于所述第一时间序列数据中的第一组时间序列数据点集，将首点和尾点连接成一条直线，得到目标直线；
17、计算所述第一组时间序列数据点集中所有点到所述目标直线的距离，得到距离集；
18、基于所述距离集中的最大值，剔除所述时间序列数据的目标数据，得到抽稀后的第二时间序列数据；
19、根据所述第二时间序列数据计算得到所述二维网格中子类网格的所述变异系数。
20、本优选方案通过对初始时间序列数据进行曲线压缩，可以得到更为紧凑的第一时间序列数据，减少数据量，提高后续数据处理的效率。基于距离集和目标直线的抽稀处理能够剔除冗余的数据点，保留关键信息，从而在保证数据精度的同时减少计算量。
21、作为优选方案，基于所述距离集中的最大值，剔除所述时间序列数据的目标数据，得到抽稀后的第二时间序列数据，具体为：
22、获取所述距离集中的最大值，得到最大距离值；
23、若所述最大距离值小于预设阈值，则剔除时间序列曲线中首尾点以外的其他点；其中，所述时间序列曲线由所述时间序列数据构成；
24、若所述最大距离值大于或等于所述预设阈值，则保留所述最大距离值对应的第一数据点，并以所述第一数据点为界将所述第一组时间序列数据点集分割成两个子点集；
25、对所述两个子点集作递归处理，并通过遍历所述时间序列数据中的若干组时间序列数据点集，得到抽稀后的所述第二时间序列数据。
26、本优选方案通过剔除时间序列曲线中对曲线形状贡献较小的点，可以显著减少数据量，提高后续处理和分析的效率。通过递归处理分割后的子点集，可以确保重构后的时间序列曲线能够较好地保持原始曲线的形状和特征。
27、作为优选方案，根据所述第二时间序列数据计算得到所述二维网格中子类网格的所述变异系数，具体为：
28、控制所述第二时间序列数据中的子类网格与预设半径内的子类网格进行聚类，得到聚类结果；
29、基于所述聚类结果中预设时间点的值，对所述聚类结果中若干类别的数据进行空间聚类，得到综合子类网格集；
30、通过计算所述综合子类网格集的数据分布离散程度，得到所述二维网格中所述综合子类网格集的所述变异系数。
31、本优选方案通过时间序列数据的聚类，将相似的时间序列子类网格聚集成类别，有助于识别出具有相似动态变化特征的区域；基于聚类结果中特定时间点的值再进行空间聚类，可以进一步整合空间上的相似区域，形成综合子类网格集；通过两次聚类，可以逐步缩小聚类的范围，提高聚类的精度。通过计算综合子类网格集的数据分布离散程度，以得到变异系数，该指标能够直观地反映综合子类网格集中各子类网格之间的差异程度，为后续的分析和决策提供有力支持。
32、作为优选方案，通过对所述异常区域集中的异常区域作空间叠加处理，得到所述无人机的起降点，具体为：
33、根据所述变异系数的数值大小，将所述异常区域集划分为若干异常区域类别；
34、从所述若干异常区域类别中随机抽取若干异常区域，得到数据样本；
35、将所述数据样本中的子类网格简化为均本文档来自技高网...
【技术保护点】
1.一种基于无人机的生态修复工程监管方法，其特征在于，包括：
2.如权利要求1所述的一种基于无人机的生态修复工程监管方法，其特征在于，所述无人机的起降点是通过识别所述项目监管区域的生态变化趋势和潜在问题区域而确定，具体为：
3.如权利要求2所述的一种基于无人机的生态修复工程监管方法，其特征在于，通过对所述二维网格进行曲线压缩和聚类处理，计算得到所述二维网格中子类网格的变异系数，具体为：
4.如权利要求3所述的一种基于无人机的生态修复工程监管方法，其特征在于，基于所述距离集中的最大值，剔除所述时间序列数据的目标数据，得到抽稀后的第二时间序列数据，具体为：
5.如权利要求3所述的一种基于无人机的生态修复工程监管方法，其特征在于，根据所述第二时间序列数据计算得到所述二维网格中子类网格的所述变异系数，具体为：
6.如权利要求2所述的一种基于无人机的生态修复工程监管方法，其特征在于，通过对所述异常区域集中的异常区域作空间叠加处理，得到所述无人机的起降点，具体为：
7.如权利要求1所述的一种基于无人机的生态修复工程监管方
8.如权利要求1所述的一种基于无人机的生态修复工程监管方法，其特征在于，所述项目监管区域，具体为：
9.一种基于无人机的生态修复工程监管装置，其特征在于，包括数据模块、修正模块和评估模块；
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上述权利要求1至8任意一项所述的一种基于无人机的生态修复工程监管方法。
...【技术特征摘要】
1.一种基于无人机的生态修复工程监管方法，其特征在于，包括：
2.如权利要求1所述的一种基于无人机的生态修复工程监管方法，其特征在于，所述无人机的起降点是通过识别所述项目监管区域的生态变化趋势和潜在问题区域而确定，具体为：
3.如权利要求2所述的一种基于无人机的生态修复工程监管方法，其特征在于，通过对所述二维网格进行曲线压缩和聚类处理，计算得到所述二维网格中子类网格的变异系数，具体为：
4.如权利要求3所述的一种基于无人机的生态修复工程监管方法，其特征在于，基于所述距离集中的最大值，剔除所述时间序列数据的目标数据，得到抽稀后的第二时间序列数据，具体为：
5.如权利要求3所述的一种基于无人机的生态修复工程监管方法，其特征在于，根据所述第二时间序列数据计算得到所述二维网格中子类网格的所述变异系数，...
【专利技术属性】
技术研发人员：刘娜，何鑫，张恒，贾晗，邓璨露，褚璇，罗颢，韦孟秋，罗伟玲，任学强，周常红，
申请(专利权)人：广东国地规划科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。