1、适用范围或应用领域

卫星遥感影像处理、土地覆盖/利用分类、地表温度、植被监测、水质参数、火点监测、扬尘源监测、黑臭水体监测

2、技术简介、

能够实现环保领域常用卫星数据的批量快速自动化预处理。

常用国产卫星数据源包括高分卫星系列、资源卫星系列、环境卫星系列、风云卫星系列、海洋卫星系列；

常用国外卫星数据源包括Landsat卫星系列、Sentinel卫星系列、MODIS卫星系列、GOCI卫星系列、Himawari卫星系列；

预处理模块包括卫星数据的辐射定标、大气校正、几何校正、图像融合、图像拼接 实现基于卫星数据的自动化实时环境监测。

计算模块包括：土地覆盖/利用分类、地表温度计算、植被指数计算、水质参数计算、火点监测、固废堆料监测

3、工艺路线及参数或技术原理

（一）卫星数据预处理 辐射定标 建立传感器接收地物反射时产生的量化值与亮度值之间的关系，其相互转化公式如下：

 L=Gain×DN+offset 

式中：L表示像元的辐射亮度值，Gain和offset表示增益和偏移。

 大气校正 

遥感影像的大气校正可利用FLAASH大气校正模型完成，也可利用暗像元法或大气辐射传输模型方法如6S模型完成。相对于陆地，水体的反射率很低，卫星遥感器上接收到的辐射能量中至少有80%以上是来自大气的干扰信息，因此在水体遥感监测与评价中，大气校正效果对其监测精度具有较大的影响，一般要求大气校正精度高于70%。

几何校正 

原始遥感影像有几何畸变，需要利用地面控制点对遥感图像进行几何精校正，主要包括方法确定、控制点输入、像素重采样和精度评价。

（1）确定校正方法：根据遥感影像几何畸变的性质和数据源的不同确定几何校正的方法，一般选择多项式校正方法； 

（2）控制点输入：一般要求均匀分布在整幅遥感影像上，尽量选择明显、清晰的定位识别标志，如道路交叉点等特征点； 

（3）重采样：对原始输入影像进行重采样，得到消除几何畸变后的影像，一般选用双线性内插法； 

（4）精度评价：将几何精纠正的影像与控制影像套合，检验精度，要求几何校正精度在1个像元以内。

 影像融合 

遥感影像融合是将在空间、时间、波谱上冗余或互补的多源遥感数据按照一定的规则（或算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成具有新的空间、波谱、时间特征的合成影像数据。影像通过融合既可以提高多光谱影像空间分辨率，又保留其多光谱特性。因此，它不仅仅是数据间的简单复合，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的影像环境，从而增强解译的可靠性，减少模糊性（即多义性、不确定性和误差），提高分类精度，扩大应用范围和效果。影像融合通常选用Gram-Schmidt方法进行处理，该方法能保持融合前后影像光谱信息的一致性，是一种高保真的遥感影像融合方法。融合后的影像既具备多光谱特征，又有较高的空间分辨率。 

（二）生态环境遥感监测算法模块

基于机器学习与深度学习的遥感影像和无人机影像自动化解译算法 

该模块可应用于遥感解译、生态红线保护区人为干扰监测、污染来源监测、固废识别、排污口识别、港口船只监测等 

技术简介：

遥感影像解译的方法发展到现在有很多种，从最原始的纯人工目视解译，到基于像素的自动解译，再到面向对象的解译，直至目前较为流行的基于深度学习的遥感影像解译。解译方法越来越多，精度越来越高。但并不是方法越先进，解译精度越高，还要结合所用影像进行尝试选择合适的解译方法。研究首先分析了常用的遥感影像解译方法，并选取实验区进行解译，对解译结果进行评价，并和当前较为流行的基于深度学习的遥感影像解译结果进行对比，选取最有效的解译方法。

 图 分类方法的发展

分类精度较高的几种算法分别为人工神经网络（ANN）算法、支持向量机（SVM）算法、随机森林（RF）算法，机器学习算法在遥感分类领域主要适用于中等分辨率的遥感影像，且具有较高的分类精度，成果展示如下：

 图 常用分类算法分类案例 （图（a）为原影像，图（b）为ANN分类结果，图（c）为SVM分类结果，图（d）为RF分类结果）（b）基于深度学习的遥感影像分类

 针对高分辨率的卫星遥感影像和无人机影像，我们重点研究了基于深度学习的自动解译算法。通过卷积神经网络(Convolutional Neural Networks， CNN)提取遥感图像的部分特征并对其进行分类，通过训练网络模型把图像上的各种对象（农田、房屋、河流等等）进行识别并圈出相应区域，已取得单类地物目标检测和多类地物分类两种研究成果，结果展示如下：

     图 居民地识别结果

 图 土地利用类型多分类结果

 地表温度反演算法

由热红外波段的辐射亮度经普朗克公式计算得到亮度温度： 

T_λ=K_2⁄ln(1+K_1⁄L_λ )  

式中T_λ为亮度温度（单位为K），常量K1=607.76W·m-2·sr-1·μm-1，K2=1260.56K。 亮度温度值受到大气和地表对热辐射传导的影响，不能够准确反映地表的真实温度，需要进一步计算。利用普适性单通道算法[87]获取地表温度信息：

 式中TS为陆面温度（单位: K），ε为地表比辐射率，Tλ为传感器的亮度温度（单位：K），Lλ为传感器接收到的辐亮度（单位：W·m-2·sr-1·μm），λ为传感器有效波长（单位：μm），C1和C2为常数（C1=1.19104*108W·µm4·m-2·sr-1，C2=14387.685µm·K），Ψ1， Ψ2， Ψ3为大气函数，与大气的水汽含量W有关，单位：g·cm-2。 地表温度空间分布图计算结果展示如下： 

 图 2011年7月26日北京市地表温度分布图

植被监测算法 

基于遥感技术的植物反演主要包括植被信息识别、变化动态监测、生态综合分析等3个部分。

1）植被信息识别 

通过植被指数、叶面积指数、植被覆盖度、优势种、生物量等多种监测指数计算植被分布，提供监督分类、非监督分类、面向对象、决策树法等方法，实现植被提取与分类，计算草、藻湖区比例，获取流域土地利用覆被信息。

2）变化动态监测 

利用多个时相的植被监测分析结果，对植被的动态变化进行监测和分析，监测流域土地利用覆被变化。 

3）生态综合分析

 针对多源卫星指数进行归一化处理，实现植被面积、草藻湖区比例格局、覆被变化与气候因素、环境因素的多元分析，确定气候、人文要素等多因素对生态质量变化影响的评价，制作生态质量监测与评估产品。

水质参数反演算法 

利用卫星影像能够进行水温、透明度、总磷、总氮、悬浮物、水深等水质参数的反演。

 水温反演 

遥感器通过探测热红外辐射强度而得到的水体温度是水体的亮度温度辐射温度，本应考虑水的比辐射率，方可得到水体的真实温度（物理温度）。但在实际观测中由于水的比辐射率接近于1（近似黑体），在波长6-14μm段尤为如此。因此往往用所测的亮度温度表示水体温度。 

遥感估算水温时，由于水体热容量大、热惯量大、昼夜温差小，且水体内部以热对流方式传输热量，故水体表面温度较为均一，空间变化小，但是大气效应尤其是大气中水汽含量对水温探测精度影响较大，因此必须进行大气纠正。水面遥感测温及水面大气纠正均比陆地表面的简单和成熟。目前世界水体表面温度的反演主要是利用红外遥感技术来进行，算法主要是红外劈窗算法（即把大气窗口10.5-12.5μm分成两个通道10.5-11.5μm和11.5-12.5μm来完成陆地和海水表面的温度反演）。 

因此，将利用卫星数据红外波段，先从卫星接收的信息，以地表热辐射传导方程为基础，利用10~13μm 大气窗口内两个相邻热红外通道大气吸收作用不同，进行大气和地表比辐射率的修正，最后采用劈窗算法通过反演得到水面温度信息。 

透明度反演 

纯水是无色透明的。当水体中含泥沙、微生物、悬浮物、有机质等物质时就会产生浑浊现象，水的透明度便会降低。水的透明度降低不但影响感官性状，还会影响水生生物的生活。因此水的透明度也是反映水质状况的一项指标。透明度的测定一般采用塞克盘方法。 

悬浮物反演 

悬浮物质是湖泊中重要的水质参数，水体中悬浮物含量的多少直接影响水体透明度、浑浊度、水色等光学性质，影响水在饮用、娱乐和工业方悬浮物也是农药、可溶解N和P、重金属和其他污染物的载体。因此水体中的悬浮物可以作为水体污染的指标。监测湖泊中悬浮物的浓度及其分布状况，对于湖泊水质污染的防治具有重大的意义。 

火点监测算法 

秸杆焚烧火点的监测原理是基于维恩位移定律，黑体电磁辐射能流密度的峰值波长与自身温度之间成反比。因此基于此原理，常温地物热辐射能量的峰值位于长波红外波段，随着温度升高，热辐射的峰值向波长较短的波段移动，一个显著特征就是中红外波段的辐射能量高于常温地物。通过遥感观测的辐射能量可以计算物体的亮度温度，一般秸杆焚烧的温度为500~1 000 K，按照其辐射能量应该主要集中于2.8～5.7 um中红外附近，远高于常温物体(300K)在这一光谱区域的辐射。因此，通过火点像元与背景像元之间的差异性，以及火点不会发生于水体中间等关键性因素就可以探测火点区域。 

扬尘源监测算法

根据《扬尘源颗粒物排放清单编制技术指南(试行)》，将扬尘源分为四大类：土壤扬尘源、道路扬尘源、施工扬尘源、堆场扬尘源。

表 扬尘源分类分级体系 

 在城市扬尘监测中，主要以施工过程中产生的扬尘和季节性裸土产生的扬尘为主，根据以往监测经验建立高分辨率遥感影像扬尘源目视解译标志，具体如下：     

解译标志对监测区域内扬尘源进行目视解译，绘制监测区域内建筑工地和裸露地块扬尘污染源空间位置、分布面积，结合地面排查照片和地面施工段摄像头监控数据获取防护情况，实现“天地一体化”的扬尘源监测。  

黑臭水体监测 

光学阈值法 

黑臭水体与正常水体光谱间的差异主要表现在可见光和近红外波段。在蓝绿波段，黑臭水体反射率上升缓慢且明显低于其他水体；在绿光到红光波段，黑臭水体反射率变化比正常水体平缓；在红波段和近红外波段，黑臭水体反射率又略高于正常水体。基于上述光学特征，研究者多以放大黑臭水体和正常水体的光学特征差异为目的，通过对反射率强和反射率弱的波段组合进行差值运算，或分别以反射率弱和反射率强的波段组合为分子和分母进行归一化比值运算，寻找最佳的波段组合模式，建立黑臭水体判别模型。根据判别指数的波段组合运算形式，可将其分为单波段、波段差值和波段比值3种形式。另外，有学者分析证实了440nm处CDOM吸收系数值和斜率值均可作为区分黑臭和正常水体的固有光学指标并建立了判别模型。常见的黑臭水体判别指数模型： 

表 黑臭水体判别指数模型

水质指标反演法

目前，针对光学特性相对复杂的内陆水体，可反演的水质遥感参数主要分为2种：一是直接影响水体光学特性的水质参数，如叶绿素a、悬浮物和有色可溶性有机物；二是对水体光学特性表现出较高敏感性的物理指标，如透明度、浊度、水深等。叶绿素a是水生植物的主导色素，水生植物疯长淤积或死亡腐朽均会导致水体黑臭。悬浮物的含量直接影响透明度、浑浊度和色度等水体表观光学性质，而水体发黑与有机污染物分解后的悬浮颗粒直接相关。透明度和浊度是评价水体清澈程度的物理因子，也可作为黑臭水体分级的评价指标之一。 

这种方法需要先进行现场采样测算相关物理参数，与遥感影像的光谱反射率及其他遥感反演参数进行分析、研究、建模，以获取可靠的遥感空间化水质指标。 

水色饱和度阈值法 

水体颜色与水质参数有着密切的关系，不同空间区域、不同季节的内陆水体，由于水体组分的差异往往显示出不同的颜色。颜色是光刺激人眼产生的色感觉，不是纯物理量，涉及到许多方面，如观察者的视觉生理、视觉心理以及照明条件、观察条等诸多问题。 

为了对颜色进行准确的数字化表示，国际照明委员会(Commission Internationale de L’Eclairage，CIE)于1931年创建了一套标准颜色系统CIE-XYZ颜色系统。CIE-XYZ系统中选择了三个理想的原色[X]、[Y]、[Z]代替了CIE-RGB系统中的三个原色[R]、[G]、[B]，使得色度系统中光谱的三刺激值XYZ全为正值，并且X、Z两原色只代表色度，没有亮度，光亮度只与三刺激值Y成比例。

CIE-XYZ系统中的三刺激值对定义颜色十分有用，却不易目视其结果。为此，CIE于1931年规定了二维色度图，如图2所示，用来在二维图上描绘出颜色，但其中的颜色与亮度无关。

 图 CIE-xy色度图 

用CIE-xy色度图表示可见光范围内的所有颜色，每种颜色都对应一个色度坐标(x，y)，均落在马蹄形的光谱轨迹包围的范围内。图中S称作等能白光点，其色度坐标为(0.3333，0.3333)，表示三种原色等量混合；C点是一个颜色色度坐标点，坐标为(x，y)，SC的延长线交光谱轨迹于D点，D点光谱色的波长就是该颜色的主波长。颜色主波长hy是颜色量化的重要指标，它将可见光颜色从380到700nm以1纳米间隔来表示，能够以具体的波长形式表示一种颜色的色调。定义饱和度为距离比值SC/SD，饱和度算法流程图如下图所示。 

 图 饱和度算法流程图

目视研判综合分析法  

（1）黑臭水体在影像上的颜色特征

 黑臭水体主要是由于富营养化，及大量的工业，农业，养殖，废水和生活垃圾排放中带有的大量有机物造成，它们分解时产生臭味，严重影响农村地区居民的日常生活，不利于生态文明建设向好发展。黑臭水体在可见光图像上呈现浅色调，为不规则斑块状。黑臭水体的污染程度主要有悬浮物、叶绿素、透明度决定，在影像上能够明显的反映出来。 

（2）黑臭水体空间位置特征 

农村河道较窄、河道内常常覆盖有浮萍等水生植物、河道两侧多树木遮挡，单纯依靠水色信息常常很难判定是否为黑臭水体。 即使黑臭水体水色特征在卫星影像上有时不够明显，目视判读仍然被广泛地应用于黑臭水体识别中，特别是在使用高分辨率的遥感图像时。这是因为目视判读不仅通过分析影像和地物的光谱特征空间，而且对形状、纹理以及其他环境要素空间进行综合分析，从而得出比算法反演更高精度的判读结论。地物周围不同的环境特征是地物的间接识别特征，从遥感影像与地物特征映射关系的分析可以知道，通过影像和地物的关系特征可以将遥感影像还原成地物的各种特征，这样遥感影像上地物的识别就变成了对地物和影像多种空间位置特征的分析、判断。在黑臭水体识别的应用中以下特征值得注意： 

第一，河道淤塞断头、水循环不畅是引发黑臭水体的主要河道动力学因素，因此，黑臭现象多发于水系较窄或河道不够齐整等水流流动性弱的河段，在遥感影像上表现出细小狭长状的空间特征，在河道两旁还会围绕使河道变窄的棚户区、库房、商品房和小型企业等类似建筑，另外，拦流坝等水力措施也会导致河流流动性减弱。第二，生活或工业污水是黑臭水体的重要外在污染源，在黑臭河道上游会有污染性的企业排放废水进入河道，沿途如果流经村庄，还会发生居民生活污水直排以及家禽牲畜代谢污染现象，河岸堆放的大量生活垃圾和建筑垃圾也会散入河道。 

根据地物的空间位置特征进行地物识别和判读前，常常先对卫星影像进行图像融合处理，得到1米空间分辨率的多光谱影像。融合后的影像既具备多光谱特征，又有较高的空间分辨率，能够大大提高目视判读的效率和精度。 

二氧化氮柱浓度监测 

NOx是NO和NO2等含氮氧化物的总称是对区域大气复合污染有重要贡献的一种污染物，是形成酸雨、酸雾的主要污染物，是O3、过氧酰基硝酸等光化学污染物的重要前体物，也是大气气溶胶的重要前体物，对人体健康和生态环境均具有很大的危害。NOx的主要来源是高温的燃烧过程，包括化石燃料燃烧、生物质燃烧、闪电和土壤排放等过程。燃烧过程产生的NOx主要是NO，但是在大气中NO和NO2在O3和自由基的作用下可以相互转化，并在日光照射下很快达到稳态平衡。NOx在空气中的生命周期为小时量级，导致其浓度分布很不均匀，高浓度区域主要集中在排放源附近的对流层中。较短的生命周期使得地面的NOx排放与观测到的NO2柱浓度之间有良好的相关关系，因此能够使用NO2柱浓度观测数据来表征NOx的排放。过去20年来，随着卫星对地观测技术的迅速发展，利用卫星遥感观测定量对流层NO2柱浓度的方法越来越得到广泛的应用。 

 甲醛柱浓度监测 

甲醛是具有强烈气味的刺激性气体，略重于空气，是一种挥发性有机化合物，也是室内环境的主要污染物之一。甲醛(HCHO)主要分布于与人类生产生活密切联系的对流层中，是对流层大气中主要的挥发性有机物(VOCs)之一，在城市大气光化学反应中发挥着重要作用，是大气光化学烟雾的重要组成成分。甲醛对人体健康具有很大的危害，目前甲醛已被世界卫生组织(WHO)认定为第一类致癌物——对人致癌物质。利用卫星遥感影像能够大面积准实时的实现室外甲醛柱浓度的在线监测。     

4、主要技术指标

《城市遥感信息应用技术规范》CJJ/T 151-2010； 《1:500 1:1 000 1:2 000地形图航空摄影规范》GB/T 6962-2005；《无人机航摄安全作业基本要求》CH/Z 3001-2010； 《无人机航摄系统技术要求》CH/Z 3002-2010； 《民用无人机驾驶员管理规定》AC-61-FS-2018-20R2； 《轻小型无人机运行规定》（试行）AC-91-FS-2015-31； 《民用无人驾驶航空器系统空中交通管理办法》MD-TM-2016-004； 《城市黑臭水体整治工作指南》（2015年）； 《水污染防治行动计划》（国发〔2015〕17号）； 《环境空气颗粒物（PM10和PM2.5）连续自动监测系统技术要求及检测方法》（HJ 653-2013） 《2018 年重点地区环境空气挥发性有机物监测方案》    

5、技术特点

该系统可以实现卫星遥感影像和无人机数据的实时处理，可以快速准确获取生态遥感计算参数，主要特点如下：计算速度快；准确定性定量分析；监测因子种类多等。 

6、技术优势

已自主研发了卫星遥感综合解译系统，系统包含基于随机森林、支持向量机等机器学习算法的中分辨率卫星遥感解译模块和基于U-Net和改进深度卷积神经网络的高分辨率卫星遥感解译模块。结合公司在环保领域深耕多年积累的海量环境监测现场核查数据和高精度人工解译历史数据，建立了环境遥感识别标签数据库，基本实现从数据预处理到影像解译全流程自动化、批量化、规范化处理，弥补了传统技术时效性低、耗费大量人力等问题，以“高精、高效、高频”三大优势打造强大的数据解译能力。

7、设备组成

环境空气网格化监测系统主体框架，从结构上分为五层。具体内容如下： 

（1）数据感知层：

构建敏感区域、重点区域全面自动监测系统，以简便、响应快速的微型站，提供环境空气污染物及气象数据。 

（2）设施保障层：

基于先进的大数据、人工智能和模型分析技术，建立智能数据质控体系，通过人工智能算法对监测数据进行质控，定期对设备进行运营维护，确保整体数据质量。 

（3）数据服务层：

数据服务层是为了实现各业务工作及服务的需要，提供网格化监测点位数据（空气站、网格化、气象等），全方位支持环境空气质量监控监管工作。 

（4）数据应用层：

通过对海量数据进行大数据分析，提供分析报告，明确污染物时空分布及变化规律、污染物特征、来源及成因，为环保部门提供大气污染防治决策支撑。 

（5）用户体验层：

包括Web端应用、移动端应用的方式，向各类用户提供便利的系统功能。 系统组成主要包括监测单元、数据传输及存储单元、数据处理分析单元以及其他辅助单元。 监测单元：由数据入口、测量装置和辅助模块等组成，将环境变量输送到测量装置并进行测量。 数据传输及存储单元：能够实时无线传输监测单元产生的数据、设备工作状态信息等，并安全存储。 数据处理分析单元：整个系统运行的中心，一般由计算机、数据处理模块及系统管理模块组成，用于监测单元产生数据的换算、判别及网格化监测系统的管理等。 其他辅助单元：包括安装仪器设备所需要的安装固定装置等。 本项目拟设置2个子系统：包含遥感、无人机监测单元、数据传输及存储单元和安装固定装置，该设备可以采集环境污染等数据；监测数据处理与应用子系统，包含数据处理分析单元，主要为生态环境监测数据整合、展示统计及应用。    

8、技术要求

1、无人机飞行平台 

①载重要求 有效搭载任务载荷（含稳定装置）重量不小于 2kg。

②续航时间 续航时间不少于20分钟。 

③抗风能力 应具备4级风力条件下安全飞行的能力。 

④飞行速度 作业巡航速度一般不超过12m/s。

⑤导航定位 GPS和北斗兼容，输出频率应不小于10Hz。

 2、飞行控制系统 

①功能要求 

（1）飞行控制系统具有航线规划、自主飞行控制和飞行管理功能； 

（2）具备手动、自动两种飞行管理模式； 

（3）可稳定控制飞行姿态、高度、速度，航迹控制精度。

 ②性能要求 

（1）偏航距小于±1.5m； 

（2）航高差小于±0.5m； 

（3）直线航迹弯曲度小于±5°； 

（4）能按预设航线稳定飞行，中途可手动控制； 

（5）无人机失控时，能自动或手动安全返回； 

（6）旋翼无人机可手动或自动控制旋停。 

3、载荷系统

①波段要求 

使用具有4个波段或以上的光谱传感器，主要波段的中心波长分别在蓝（475nm）、绿（560nm）、红（668nm）、近红外（840nm）附近。 

②性能要求 

（1）像元数不小于1280×960； 

（2）辐射数字化位数不小于10bit；

（3）影像获取速率不小于1幅/s；

（4）可同步记录影像曝光点的地理位置（经度、纬度和高程）。

 4、地面控制系统

①功能要求 

（1）具有视频实时传输能力； 

（2）具有手动控制、全自动控制无人机飞行和起降能力；

（3）具备飞行任务规划能力； 

（4）具备飞行起飞前设备状态自动检测能力； 

（5）实时接收显示无人机飞行状态信息的能力； 

（6）具备自动返航功能； 

（7）自带数据链路，LTE或者WIFI。

②性能要求 

（1）无人机飞行控制数据链路的有效通信距离不小于5km； 

（2）视频传输距离不小于5km，传输速率不低于2Mbps。

 5、光谱辐射定标参考板 

①性能要求 较好的漫射体，理想的朗伯面，光学性能稳定。

②反射率要求 不低于65%。

③尺寸要求 不低于5×5英寸。

④波段范围 波段范围不小于250nm-2500nm。 

⑤光谱间隔 250nm-1000nm光谱间隔不低于10nm，1000nm-2500nm光谱间隔不低于20nm。

 6、辅助监测设备

①水质参数现场分析设备 若进行水质采样验证，则需准备以下设备。

（1）便携式多参数水质分析仪（包含pH、溶解氧、浊度等参数探头）； 

（2）氧化还原电位仪； 

（3）塞氏盘； 

（4）采水器； 

（5）采样瓶； 

（6）固定剂。

②它辅助作业设备 

（1）备用无人机电池组； 

（2）车载充电器； 

（3）便携式GPS； 

（4）无线路由器。 

③影像数据处理软件 

（1）Pix4Dmapper V4.2或以上，用于无人机影像拼接、辐射校正； 

（2）ArcGIS V10.2或以上，用于监测成果制图； 

（3）ENVI V5.3或以上，用于图像特征提取、波段合成、图像分类、水体边界提取、黑臭水体指数计算等。

 7、无人机驾驶员资质 

操纵飞行的无人机驾驶员需经中国民航局授权的培训机构培训，持有视距内驾驶员资格以上级别（中国航空器拥有者及驾驶员协会AOPA、大疆UTC、中国航空运动协会ASFC）。

9、工程案例

图 水深反演结果

图 总悬浮颗粒物浓度反演结果

图 黑臭水体遥感提取结果

图 春季监测点位水质等级反演结果

图 大型藻类漂移路径监测

图 无人机卫星遥感监测服务内容