河口海岸入海陆源污染监测无人机空港部署技术规范

ICS65.020

CCSB15

团体标准

T/GDDL25—2024

河口海岸入海陆源污染监测无人机空港部

署技术规范

Technicalspecificationsfordeploymentofunmannedaerialvehiclesin

airportsformonitoringland-basedpollutioninestuariesandcoasts

enteringthesea

2024-xx-xx发布2024-xx-xx实施

广东省地理学会  发布

T/GDDL25-2024

河口海岸入海陆源污染无人机遥感空港部署技术规范

1范围

本文件规定了河口海岸入海陆源污染动态监测无人机空港部署的总体要求、数据收集、监

测需求指数评估、无人机遥感网部署。

本文件适用于面向河口海岸入海陆源污染动态监测的无人机遥感网部署。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

HJ1300海水、海洋沉积物和海洋生物质量评价技术规范

T/GDC122近岸河口水环境遥感监测技术规范

T/GDC124河口海岸水产养殖污染遥感调查技术规范

3术语和定义

下列术语和定义适用于本文件。

3.1

陆域监测需求指数Land-sidemonitoringdemandindex（LMDI）

评价区域监测需求的重要程度。

3.2

海域监测需求指数Sea-sidemonitoringdemandindex（SMDI）

评价区域监测需求的重要程度。

3.3

潜在陆域污染源Potentialland-basedsourcesofpollution

从陆地向海域排放污染物，造成或者可能造成海洋环境污染损害的场所、设施等。

3.4

无人机unmannedaerialvehicle（UAV）

由遥控设备或自备程序控制装置操纵,机上无人驾驶的航空器。

3.5

无人机遥感数据UAVremotesensingdata

无人机载荷获取的各种遥感数据集，包括原始数据和数据产品。

3.6

无人机空港UAVDroneports

无人机遥感监测网的结点，具备有空域条件、办公场地、无人机机库、通信设施、无人机

验证场等条件的场所，依托于无人机空港可以获取区域内无人机遥感数据。

3.7

双目标约束的最大覆盖模型Maximumcoveragelocationproblemwithbi-objective

1

T/GDDL24-2024

constraints

用于解决服务设施点的选址问题，基于两个不同的目标约束，建立最少的服务设施点以覆

盖最大需求指数。

3.8

精度Accuracy（Acc）

预测正确的样本数量占全部样本的百分比。

3.9

平均精度Meanaccuracy（mAcc）

各类别精度的平均值。

4总体要求

4.1无人机空港部署目的

面向河口近岸海域入海陆源污染的监测和管理需求，采用卫星、无人机遥感影像、遥感产

品数据、和多源地理信息大数据，建立选址模型，获得河口近岸区域的无人机遥感空港部署方

案，并符合HJ1300、T/GDC122和T/GDC124等文件的相关规定。

4.2无人机空港部署技术原理

在收集卫星遥感影像、无人机遥感影像、遥感产品数据以及多源地理信息数据的基础上，

构建河口近岸海域的无人机空港候选设施点集合，提取陆域范围内的潜在陆域污染源目标，评

价海域范围内的污染风险，并分别评估陆域与海域的监测需求指数。

通过构建双目标约束的最大覆盖模型，从候选设施点中选择合适的位置作为无人机空港设

施点，进行面向河口近岸区域入海陆源污染动态监测的无人机遥感网部署。

4.3技术路线图

面向河口近岸海域入海陆源污染动态监测的无人机遥感网部署技术流程图如图1所示。

图1技术路线图

5数据收集

5.1候选设施点数据

收集河口近岸区域内公共设施空间位置信息，包括公共停车场、医院、博物馆等。

注：在本文件中，候选设施点数据用于无人机空港候选设施点的选取。

2

T/GDDL25-2024

5.2无人机限飞区、禁飞区数据

收集无人机限飞区及禁飞区数据，用于剔除不适合部署无人机空港和不适合进行无人机遥

感作业的区域。

注：本文件中，无人机限飞区和禁飞区数据用于筛选河口近岸区域的有效作业区域。

5.3卫星遥感影像数据

收集河口近岸区域的遥感影像数据，通过对遥感影像数据解译，可以得到潜在陆域污染源

目标。

注：在本文件中，卫星遥感数据用于评估陆域监测需求指数。

5.4无人机遥感影像数据

收集河口近岸区域的无人机影像数据，通过对遥感影像数据解译，可以得到潜在陆域污染

源目标。

注：在本文件中，无人机遥感数据用于评估陆域监测需求指数。

5.5水质数据

收集河口近岸海域的水质数据，反映河口近岸海域的水污染程度，主要来源于目标区域范

围内各行政单位的水质环境公报文件。

注：本文件中，水质数据用于评估河口近岸海域监测需求。

5.6水产养殖数据

收集河口近岸海域的水产养殖数据，反映河口近岸海域的水污染程度，主要来源于公开发

布的遥感产品数据。

注：本文件中，水产养殖数据用于评估河口近岸海域监测需求。

5.7无人机性能数据

不同种类的无人机性能存在不同差异，具有不同的续航时间、飞行距离、容量约束、能量

消耗、连通和干扰等自身特性。获取目标无人机的性能数据，用于确认无人机空港的巡航半径。

6监测需求指数评估

6.1潜在陆域污染源样本集构建

6.1.1在河口近岸区域内，选择卫星遥感影像或无人机遥感影像为基础数据，构建河口海岸污

染源样本数据集，主要识别5种兴趣目标类型，包括：企业工厂，水产养殖区，农田，海/水面

和其他类型。数据集构建流程包括影像预处理、影像标注和标注影像质量检查。

6.1.2影像预处理

影像预处理主要指原始影像的切割。由于原始影像尺寸过大，将目标区原始影像划分成若

干斑块，方便人工标注和模型训练。

6.1.3影像标注和标注影像质量检查

使用标注软件（例如labelme开源软件）对影像斑块进行人工标注，标注上述五种兴趣类

型。完成目标区所有影像斑块标注后，对所有影像进行人工质量检查。

6.2潜在陆域污染源目标提取

6.2.1将污染源样本集划分成训练集、验证集和测试集，可采用随机森林、卷积神经网络等方

法，构建陆域污染源目标提取模型，并计算平均精度（mAcc）和平均交并比（mIoU）对模型精

度进行判定。

6.2.2mIoU通过计算预测结果和真实标签的交集与并集之间的比值来衡量模型性能，其计算

3

T/GDDL24-2024

见式（1）。

………………(1)

式中：

TP——真正例；mIoU=TP/(TP+FP+FN)

FP——假正例；

FN——假反例。

注：mIoU能够综合考虑模型的像素级别预测准确度，对模型在处理不同类别、不同大小的目标时进行公

平的评价。

6.3陆域监测需求指数

基于潜在陆域污染源目标提取结果，将河口近岸陆域（剔除限飞区及禁飞区区域）网格化

至1公里╳1公里网格，统计每个网格内企业工厂，水产养殖区，农田的面积占比，陆域监测

需求指数LMDI见式（2）。

………………(2)

式中：

𝐿𝑀=𝐴𝑟�×��

Areai——企业工程、水产养殖区、农田各类目标在网格中的面积占比；

Wi——各目标对应权重。

6.4海域监测需求指数

基于各年度水质公报数据，将河口近岸水域（剔除限飞区及禁飞区区域）网格化至1公里

╳1公里网格，统计每个网格内四类及劣四类水体的面积占比，海域监测需求指数SMDI即：

………………(3)

式中：

𝐿𝑀=𝐴𝑟�×��

Areai——四类和劣四类水体在网格中的面积占比；

wi——各类别的对应权重。

7无人机遥感网部署

7.1无人机空港候选设施点选取

基于收集的候选设施点数据集，剔除限飞区及禁飞区区域，选取以公共设施位置为主的位

置集合作为无人机空港候选设施点。

7.2陆域监测目标约束

无人机遥感网空港选址对于陆域目标的监测目标需求为，无人机空港到陆域监测高需求区

域的飞行时间尽量短，保证无人机遥感网对陆域污染源的快速监测和响应。

7.3海域监测目标约束

无人机遥感网空港选址对于海域目标的监测目标需求为，无人机空港对海域监测需求的覆

盖尽可能大，保证无人机遥感网对高污染海域的最大覆盖。

7.4双目标约束的最大覆盖模型

无人机空港选址算法为基于双目标约束的最大覆盖模型算法。假设无人机最大覆盖半径为

R，dpq为需求点p至候选点q的距离，当dpq≤R时，该候选点q能够覆盖需求点p。候选点q被

选中时，候选变量xq=1，否则xq=0；需求点p被选中时，需求变量yp=1，否则yp=0。最大覆盖

模型根据需求点的位置、覆盖度和预设的最大基站数量N，通过选择N个候选点最优位置，以

满足服务总价值最大的目标，即：

………………(4)

式中：

���

——服务覆盖度，这里为标准化ma的x陆�域=、海�域�监,测�需=求之�和。

4

��