CN105868533A - 基于物联网和3s技术江河流域水环境集成感知与应用方法 - Google Patents

Abstract

本发明公开了一种基于物联网和3S技术江河流域水环境集成感知与应用方法，包括遥感监测、物联网监测及GIS分析三部分；遥感监测利用遥感技术提取与水体耦合的生态环境因素专题图，快速定位水环境变化靶区；物联网监测通过组建无线传感器网络，结合通用分组无线服务技术，超远程传输水环境传感器监测的数据，并存储至服务器的数据库中；GIS分析用于空间数据的管理与分析，生成江河流域水环境专题应用。本发明可快速、准确判断监测区域的水环境状况，更加及时、高效地对江河流域水环境进行实时感知，提高监测和综合治理江河流域水环境的水平。

Description

基于物联网和3S技术江河流域水环境集成感知与应用方 法

技术领域

本发明属于水环境监测领域，尤其涉及一种基于物联网和3S技术江河流域水环境集成感知与应用方法。

背景技术

传统的江河流域水环境监测主要是设置定点监测站、抽样调查、现场观察和测量等方法，这些监测手段和方法有利于准确反映局部的微观水体特征，如果从宏观上映射江河流域水环境状况，采取此类方法不仅耗费人力、物力、财力资源而且效率也十分低下。

发明内容

本发明的目的在于提供一种基于物联网和3S技术江河流域水环境集成感知与应用方法，旨在解决传统的江河流域水环境监测参数感知方法落后，无法实现整个流域水环境在线监测的问题。

本发明是这样实现的，一种基于物联网和3S技术江河流域水环境集成感知与应用方法包括遥感监测、物联网监测及GIS分析三部分；

所述遥感监测利用遥感技术提取与水体耦合的生态环境因素的专题信息图，快速定位水环境变化靶区。

所述物联网监测用于获取靶区区域的水环境信息，通过组建无线传感器网络，结合通用分组无线服务技术，超远程传输水环境传感器监测数据，并存储至服务器的数据库中；

所述GIS分析用于空间数据的管理与分析，生成江河流域水环境专题应用。

进一步，遥感专题信息的提取方法为：

搜集江河流域的遥感时间序列数据，包括高分辨率的无人机影像、卫星影像，同时收集气象数据、实际科考数据及历史资料等辅助数据，分类别对所搜集的数据进行预处理；

针对无人机影像，首先进行畸变差去除，然后对相片进行内定向、相对定向和绝对定向，通过空三加密进行区域网平差，生成数字高程模型DEM，最后利用DEM生产出数字正摄影像DOM；

卫星影像主要进行辐射定标和大气、几何校正，消除传输过程中相关因素的影响，将亮度值转换成地表反射率；

参考相关实际科考资料，建立适合江河流域遥感影像的分类体系，依据不同地物类型特点，选取合适的分类特征，构建分类规则，对时间序列影像进行分类，实现江河流域相关专题信息的提取。

进一步，水环境变化靶区的确定方法为：

结合时间序列影像分类数据结果，提取出江河流域水域分布范围及时间序列中水域发生变化的重点区域，且重点监测自然因子导致的范围。

进一步，选用比值植被指数(Rratio Vegetation Index，RVI)，通过波段运算提高受污染水体与纯净水体之间的区分能力，RVI计算如公式(1)所示，其中NIR表示影像近红外波段反射率，R表示影像红光波段反射率。

$RVI=\frac{NIR}{R}---\left(1\right)$

结合实际情况设定RVI阈值，当大于该阈值时认为此区域水环境受到污染；以上判别方法主要针对常规污染源，对于水环境热污染状况，采用多光谱影像的热红外传感器，获取水体热辐射场变化资料。

进一步，基于遥感监测确定出的水体变化较大或已污染的范围，筛选出典型区域作为物联网平台搭建点，构建物联网监测平台，监测生态脆弱地区的水环境指标因子。

进一步，所述物联网监测平台包括物联网感知层、物联网网络层及物联网应用层；

物联网感知层中通过部署多个水环境参数感知节点，形成无线传感器网络群；

物联网网络层利用ZigBee技术在无线传感器网络内部形成自组织网络，实现多参数的动态感知和数据融合，无线传感器感知节点则通过动态路由和多跳传输方式将数据传输到汇聚节点，汇聚节点采用GPRS技术实现数据的超远程传输；

物联网应用层由监测终端系统接收通过网络传输的水环境参数数据，并存储至SQL数据库服务器中。

进一步，GIS数据管理方法为：

基于遥感监测提取的专题图，按照数据类型的不同，分别通过ArcSDE接口存储至SQL数据库中，形成底图；

按照搭建的水环境传感器节点，在空间数据库中建立起相对应的数据表，每一个水环境传感器节点有对应GPS地理坐标信息，利用GIS空间数据库将节点坐标与节点属性对应起来，记录、管理节点所监测的水环境参数及水文和水环境历史数据。

进一步，江河流域水环境专题应用包括水环境实时监测、水环境参数模型的建立、水质评价与预警、突发污染应急、暴雨洪涝灾害预警及风险评估；

所述水环境实时监测，通过多个感知节点测得的该区域水环境数据，构建数学模型，利用GIS对采样点进行插值，预测全区域所有位置水环境状况，形成测量值栅格表面；根据地理学第一定律，假定映射的变量受到采样位置影响随距离的增大而减小，采用反距离权重法对采样区不同水环境参数进行插值，以河道边缘线作为障碍，生成区域某监测因子的空间分布图，同时加载水环境节点传输的图像；

所述水环境参数模型的建立，利用物联网传感器节点数据，建立起长时间序列水环境参数专题数据集，结合多元线性回归模型，设计针对水环境参数反演半经验的遥感专业模型，以监测点数据预测整个江河流域水环境参数。多元线性回归方程如公式(2)所示，式中y代表所要反演的某一水质因子，α₀,α₁,α₂,...,α_n为未知参数，B₁,B₂,...,B_n为最佳指示水质因子的遥感影像波段。利用观测到的实际水质数据，建立多个方程，采用最小二乘法来估计未知参数，最终求得针对区域的遥感水质反演回归方程；

y＝α₀+α₁B₁+α₂B₂+...+α_nB_n

(2)

所述水质评价与预警，采用水质综合污染指数来确定所监测区域水质污染等级，水质综合污染指数计算如公式(3)所示；式中C_i表示第i类污染物浓度平均值，S_i表示第i类污染物标准值，P_i表示第i类污染指数，n表示污染物的种类数，P表示综合污染指数；

$\begin{array}{c}{P}_i=\frac{C_i}{S_i}\\ P=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{P}_i\end{array}---\left(3\right)$

所述突发污染应急，针对所监测的区域某感知节点一项或几项污染因子值的突然增大，则以该节点为中心首先进行距离缓冲区分析，搜索处于缓冲区内的其他感知节点，如果其他感知节点未发生异常，则针对该节点进行布控，在GIS中根据模拟污染物的扩散，采用网络分析预测河流水网中污染源头潜在位置及可能受污染区域；如果缓冲区范围内存在异常感知点，扩大缓冲距离范围直至没有异常点存在，以该距离作为界限，利用网络连通性判断可能已经发生污染的区域，结合现有历史数据，初步判断污染原因，生成图件资料；

所述暴雨洪涝灾害预警及风险评估，基于实测气象数据模拟江河流域降水状况，根据降雨量数据进行空间内插值离散化，结合DEM选取高程较低、坡度变化较小，但与相邻像元间的高程差较大区域作为洪水高风险范围，并按照地形高程和坡度划分洪水危险度。对地形因素和降雨量分布进行空间叠加分析，合并属性数据，将结果作为暴雨洪涝灾害预警底图。对于洪涝发生可能性较高区域，选择该范围内人口数量及植被、土地利用分布图，按照相应经济效益来评估风险等级。

本发明综合运用物联网、遥感、全球定位系统、地理信息系统、网络通讯及信息处理分析技术，不仅解决监测数据智能化处理等问题，而且实现数据从直接采集到信息产出，快速、准确判断监测区域的水环境状况，这一方法的运用，将更加及时、高效地对江河流域水环境进行实时感知，提高监测和综合治理江河流域水环境的水平。

附图说明

图1是本发明实施例提供的基于物联网和3S技术江河流域水环境集成感知与应用的技术路线图；

图2是本发明实施例提供的遥感专题信息的提取及水环境变化靶区的确定的总体框图；

图3是本发明实施例提供的基于物联网的江河流域水环境集成感知与应用的总体结构图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

请参阅图1至图3：

一种基于物联网和3S技术江河流域水环境集成感知与应用方法，包括遥感监测、物联网监测及GIS分析三部分；

所述遥感监测利用遥感技术提取与水体耦合的生态环境因素的专题信息图，快速定位水环境变化靶区，为江河流域水环境监测奠定数据基础。

所述物联网监测用于获取靶区区域的水环境信息，通过组建无线传感器网络，结合通用分组无线服务技术(General Packet RadioService，GPRS)，超远程传输水环境传感器监测数据，并存储至服务器的数据库中；

所述GIS分析用于空间数据的管理与分析，生成江河流域水环境专题应用。

进一步，遥感专题信息的提取方法为：

搜集江河流域的遥感时间序列数据，包括高分辨率的无人机影像、卫星影像，同时收集气象数据、实际科考数据及历史资料辅助数据，分类别对所搜集的数据进行预处理；

一般无人机影像缺少近红外波段，光谱信息相对于卫星影像较弱，但其空间分辨率较高，可弥补卫星影像提取精细地物方面的不足。针对无人机影像，首先进行畸变差去除，然后对相片进行内定向、相对定向和绝对定向，通过空三加密进行区域网平差，生成数字高程模型(Digital Elevation Model，DEM)，最后利用DEM生产出数字正摄影像(Digital Orthophoto Map，DOM)；

卫星影像主要进行辐射定标和大气、几何校正，消除传输过程中相关因素的影响，将亮度值转换成地表反射率，以便后续分类。

无人机影像具有更丰富的空间信息和更明显的地物几何特征，采用面向对象遥感影像处理技术，结合对象的光谱和空间信息，兼顾形状、大小、相邻关系等，建立适合流域无人机影像的分类体系，依据不同地物类型特点，选取合适的分类特征，构建分类规则，对DOM进行分类获取江河流域相关专题信息。卫星影像成像范围较广，可实现大尺度区域信息的提取，参考相关实际科考资料，建立分类体系中每种地物类型的解译标志，采用监督分类方法对时间序列影像进行分类，提取地物信息。

综合、互补、细化两种影像的分类结果，提取出道路、植被、土地、水体专题图，同时对气象数据、实际科考数据及相关历史数据，则依据不同类型进行归类，统一格式标准，将生成的各类信息专题图输入至空间数据库中。

进一步，水环境变化靶区的确定方法为：

主要围绕水体专题兼顾其他生态环境要素信息，综合分析江河流域水环境状况。结合时间序列影像分类数据结果，提取出江河流域水域分布范围及时间序列中水域发生变化的重点区域，参照植被、土地、气象专题信息，分析产生变化的原因。如：将因规划、建设等因素产生的水体变化归为人类因子驱动，而将降水、洪水、泥石流等自然因素产生的结果归入自然因子驱动，重点监测由自然演变而导致的水体产生较大变化的区域，作为物联网平台搭建的试验点。

不同的水体由于所含悬浮物、污染物成分和浓度及水深等因素的不同，反映在遥感图像上的光谱特征也有相应的差别。通常污染区域处于富营养化状态，悬浮泥沙的含量较小，光谱反射率较低，遥感影像上的色调偏暗。对于高分辨率无人机影像，可在图像上用肉眼直观看到受污染区域，根据影像的地理坐标，利用GPS即可快速导航至受污染区域。卫星影像在近红外波段上纯净水体与污染水体光谱特性有着较大差异。

进一步，选用比值植被指数(Ratio Vegetation Index，RVI)，通过波段运算提高受污染水体与纯净水体之间的区分能力，RVI计算如公式(1)所示，其中NIR表示影像近红外波段反射率，R表示影像红光波段反射率。

$RVI=\frac{NIR}{R}---\left(1\right)$

结合实际情况设定RVI阈值，当大于该阈值时认为此区域水环境受到污染；以上判别方法主要针对常规污染源，对于水环境热污染状况，采用多光谱影像的热红外传感器，获取水体热辐射场变化资料，准确、有效探测出区域水温、热污染排放源头及水环境热污染的分布状态。

进一步，基于遥感监测确定出的水体变化较大或已污染的范围，筛选出典型区域作为物联网平台搭建点，构建物联网监测平台，以监测生态脆弱地区的水环境指标因子；基于物联网的江河流域水环境集成感知与应用的总体结构如图3所示。

进一步，所述物联网监测平台包括物联网感知层、物联网网络层及物联网应用层；

物联网感知层中通过部署多个水环境参数感知节点，形成无线传感器网络群，每个水环境感知节点可实现多种水环境参数的感知，如PH值、悬浮物、总硬度、氰化物、铬、铅、化学需氧量(COD)、挥发酚、溶解氧、硝酸盐、氨氮等。设备采用太阳能作为供电来源，同时搭载图像传感器，时刻监测水面环境。

物联网网络层利用ZigBee技术在无线传感器网络内部形成自组织网络，实现多参数的动态感知和数据融合，无线传感器感知节点则通过动态路由和多跳传输方式将数据传输到汇聚节点，汇聚节点采用GPRS技术实现数据的超远程传输，由于GPRS网络可与Internet网络无缝联接，从而实现了水环境感知参数的云共享；

物联网应用层由监测终端系统接收通过网络传输的水环境参数数据，并存储至SQL数据库服务器中，供用户查询、检索数据及后续的系统展示和GIS分析。远程用户可以在服务器上建立相应的水环境评价模型，给出合理的管理决策。

进一步，GIS不仅可有效集成多种数据，其独特的地理空间分析、快速空间搜索定位及强大的图形可视化能力，可实现地理过程的动态模拟演化和决策支持。

GIS数据管理方法为：

基于遥感监测提取的专题图(道路、DEM、土地利用、植被覆盖、水体及气象等数据)，按照数据类型的不同，分别通过ArcSDE接口存储至SQL数据库中，形成底图来展现整个区域水环境面貌。同时对遥感产出的各类数据进行严格的检查，避免出现无效或错误数据，道路、河流信息需经过拓扑，保证其空间连通性，方便后续GIS空间网络分析。

按照搭建的水环境传感器节点，在空间数据库中建立起相对应的数据表，每一个水环境传感器节点有对应GPS地理坐标信息，利用GIS空间数据库将节点坐标与节点属性(水环境参数)对应起来，记录、管理节点所监测的水环境参数及水文和水环境历史数据，以提供空间关系查询和可视化数据，快速定位潜在污染源头及污染范围，为水环境评价与预警及应对突发污染提供决策支持。

进一步，江河流域水环境专题应用包括水环境实时监测、水环境参数模型的建立、水质评价与预警、突发污染应急、暴雨洪涝灾害预警及风险评估；

所述水环境实时监测，通过多个感知节点测得的该区域水环境数据，构建数学模型，利用GIS对采样点进行插值，预测全区域所有位置水环境状况，形成测量值栅格表面；根据地理学第一定律，假定映射的变量受到采样位置影响随距离的增大而减小，采用反距离权重法对采样区不同水环境参数进行插值，以河道边缘线作为障碍，生成区域某监测因子的空间分布图，同时加载水环境节点传输的图像，以更直观了解水环境实时状况。

所述水环境参数模型的建立，利用遥感技术反演水环境，通常存在缺少与影像同步的实测数据问题，而物联网传感器节点全天候监测的各项参数可为遥感反演提供同步实测数据。利用物联网传感器节点数据，建立起长时间序列水环境参数专题数据集，结合多元线性回归模型，设计针对水环境参数反演半经验的遥感专业模型，以监测点数据预测整个江河流域水环境参数。多元线性回归方程如公式(2)所示，式中y代表所要反演的某一水质因子，α₀,α₁,α₂,...,α_n为未知参数，B₁,B₂,...,B_n为最佳指示水质因子的遥感影像波段。利用观测到的实际水质数据，建立多个方程，采用最小二乘法来估计未知参数，最终求得针对区域的遥感反演回归方程；

y＝α₀+α₁B₁+α₂B₂+...+α_nB_n

(2)

所述水质评价与预警，采用水质综合污染指数来确定所监测区域水质污染等级，水质综合污染指数计算如公式(3)所示；式中C_i表示第i类污染物浓度平均值，S_i表示第i类污染物标准值，P_i表示第i类污染指数，n表示污染物的种类数，P表示综合污染指数；

$\begin{array}{c}{P}_i=\frac{C_i}{S_i}\\ P=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{P}_i\end{array}---\left(3\right)$

通过公式(3)计算江河流域监测节点的污染指数，利用插值功能形成全区域的水质污染指数分布图，根据计算结果划分污染等级，水质级别表如表1所示，为水资源开发利用、保护监测提供依据。

表1 水质级别表

按照目标水域水环境情况，将水质预警级别划分为四个级别，水质预警级别表如表2所示。利用现有监测数据，依据表2对水质进行简单预警评价，以某种因子超标倍数为判断依据，形成该节点的预警结果图，同时叠加相关的地理信息数据，利用GIS强大的空间数据处理及展示功能，实现江河流域全范围的预警信息可视化，清楚直观反映水质的优劣及空间变化规律。

表2 水质预警级别表

所述突发污染应急，针对所监测区域的某感知节点一项或几项污染因子值的突然增大，则以该节点为中心，首先进行距离缓冲区分析，搜索处于缓冲区内的其他感知节点，如果其他感知节点未发生异常，则针对该节点进行布控，在GIS中根据水流速度等模拟污染物的扩散，采用网络分析预测河流水网中污染源头潜在位置及可能受污染区域；如果缓冲区范围内存在异常感知点，扩大缓冲距离范围直至没有异常点存在，以该距离作为界限，利用网络连通性判断可能已经发生污染的区域，结合现有的历史数据，初步判断污染原因，生成图件资料。并进行实际调查，严密监测该区域水环境污染，并采取相应措施防止污染进一步扩大。

所述暴雨洪涝灾害预警及风险评估，基于实测气象数据模拟江河流域降水状况，根据降雨量数据进行空间内插值离散化，结合DEM选取高程较低、坡度变化较小，但与相邻像元间的高程差较大区域作为洪水高风险范围，并按照地形高程和坡度划分洪水危险度。对地形因素和降雨量分布进行空间叠加分析，合并属性数据，计算出每个格网点的洪涝发生可能性，将结果作为暴雨洪涝灾害预警底图。对于洪涝发生可能性较高区域，选择该范围内人口数量及植被、土地利用分布图，按照相应经济效益来评估风险等级。如果某地区高程较小，地势较为平坦，人口分布密集，经济发达，则该地区发生洪涝灾害造成的损失远远大于荒无人烟区域，定义为该区域风险等级程度较高。

本发明综合运用物联网、遥感、全球定位系统、地理信息系统、网络通讯及信息处理分析技术，不仅解决监测数据智能化处理等问题，而且实现数据从直接采集到信息产出，快速、准确判断监测区域的水环境状况，这一方法的运用，将更加及时、高效地对江河流域水环境进行实时感知，提高监测和综合治理江河流域水环境的水平。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (8)

1.一种基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，所述的基于物联网和3S技术江河流域水环境集成感知与应用方法包括遥感监测、物联网监测及GIS分析三部分；

遥感监测利用遥感技术提取与水体耦合的生态环境因素专题图，快速定位水环境变化靶区；

物联网监测用于获取靶区区域的水环境信息，通过组建无线传感器网络，结合通用分组无线服务技术，超远程传输水环境传感器监测的数据，并存储至服务器的数据库中；

GIS分析用于空间数据的管理与分析，生成江河流域水环境专题应用。

2.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，遥感专题信息的提取方法为：

搜集江河流域的遥感时间序列数据，包括高分辨率的无人机影像、卫星影像，同时收集气象数据、实际科考数据及历史资料等辅助数据，分类别对所搜集的数据进行预处理；

针对无人机影像，首先进行畸变差去除，然后对相片进行内定向、相对定向和绝对定向，通过空三加密进行区域网平差，生成数字高程模型DEM，最后利用DEM生产出数字正摄影像DOM；

卫星影像主要进行辐射定标和大气、几何校正，消除传输过程中相关因素的影响，将亮度值转换成地表反射率；

参考相关实际科考资料，建立适合江河流域遥感影像的分类体系，依据不同地物类型特点，选取合适的分类特征，构建分类规则，对时间序列影像进行分类，实现江河流域相关专题信息的提取。

3.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，水环境变化靶区的确定方法为：

结合时间序列影像分类数据结果，提取出江河流域水域分布范围及时间序列中水域发生变化的重点区域，且重点监测自然因子导致的范围。

4.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，选用比值植被指数RVI，通过波段运算提高受污染水体与纯净水体之间的区分能力，RVI计算如公式(1)所示，其中NIR表示影像近红外波段反射率，R表示影像红光波段反射率；

$RVI=\frac{NIR}{R}---\left(1\right)$

结合实际情况设定RVI阈值，当大于该阈值时认为此区域水环境受到污染；以上判别方法主要针对常规污染源，对于水环境热污染状况，采用多光谱影像的热红外传感器，获取水体热辐射场变化资料。

5.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，基于遥感监测确定出的水体变化较大或已污染的范围，筛选出典型区域作为物联网平台搭建点，构建物联网监测平台，以监测生态脆弱地区的水环境指标因子。

6.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，所述物联网监测平台包括物联网感知层、物联网网络层及物联网应用层；

物联网感知层中通过部署多个水环境参数感知节点，形成无线传感器网络群；

物联网网络层利用ZigBee技术在无线传感器网络内部形成自组织网络，实现多参数的动态感知和数据融合，无线传感器感知节点则通过动态路由和多跳传输方式将数据传输到汇聚节点，汇聚节点采用GPRS技术实现数据的超远程传输；

物联网应用层由监测终端系统接收通过网络传输水环境参数数据，并存储至SQL数据库服务器中。

7.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，GIS数据管理方法为：

基于遥感监测提取的专题图，按照数据类型的不同，分别通过ArcSDE接口存储至SQL数据库中，形成底图；

按照搭建的水环境传感器节点，在空间数据库中建立起相对应的数据表，每一个水环境传感器节点有对应GPS地理坐标信息，利用GIS空间数据库将节点坐标与节点属性对应起来，记录、管理节点所监测的水环境参数及水文和水环境历史数据。

8.如权利要求1所述的基于物联网和3S技术江河流域水环境集成感知与应用方法，其特征在于，江河流域水环境专题应用包括水环境实时监测、水环境参数模型的建立、水质评价与预警、突发污染应急、暴雨洪涝灾害预警及风险评估；

所述水环境实时监测，通过多个感知节点测得的该区域水环境数据，构建数学模型，利用GIS对采样点进行插值，预测全区域所有位置水环境状况，形成测量值栅格表面；根据地理学第一定律，假定映射的变量受到采样位置影响随距离的增大而减小，采用反距离权重法对采样区不同水环境参数进行插值，以河道边缘线作为障碍，生成区域某监测因子的空间分布图，同时加载水环境节点传输的图像；

所述水环境参数模型的建立，利用物联网传感器节点数据，建立起长时间序列水环境参数专题数据集，结合多元线性回归模型，设计针对水环境参数反演半经验的遥感专业模型，以监测点数据预测整个江河流域水环境参数，多元线性回归方程如公式(2)所示，式中y代表所要反演的某一水质因子，α₀,α₁,α₂,…,α_n为未知参数，B₁,B₂,…,B_n为最佳指示水质因子的遥感影像波段，利用观测到的实际水质数据，建立多个方程，采用最小二乘法来估计未知参数，最终求得针对区域的遥感水质反演回归方程；

y＝α₀+α₁B₁+α₂B₂+...+α_nB_n

(2)

所述水质评价与预警，采用水质综合污染指数来确定所监测区域水质污染等级，水质综合污染指数计算如公式(3)所示；式中C_i表示第i类污染物浓度平均值，S_i表示第i类污染物标准值，P_i表示第i类污染指数，n表示污染物的种类数，P表示综合污染指数；

$\begin{array}{c}{P}_i=\frac{C_i}{S_i}\\ P=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{P}_i\end{array}---\left(3\right)$

所述突发污染应急，针对所监测的区域某感知节点一项或几项污染因子值的突然增大，则以该节点为中心首先进行距离缓冲区分析，搜索处于缓冲区内的其他感知节点，如果其他感知节点未发生异常，则针对该节点进行布控，在GIS中根据模拟污染物的扩散，采用网络分析预测河流水网中污染源头潜在位置及可能受污染区域；如果缓冲区范围内存在异常感知点，扩大缓冲距离范围直至没有异常点存在，以该距离作为界限，利用网络连通性判断可能已经发生污染的区域，结合现有历史数据，初步判断污染原因，生成图件资料；

所述暴雨洪涝灾害预警及风险评估，基于实测气象数据模拟江河流域降水状况，根据降雨量数据进行空间内插值离散化，结合DEM选取高程较低、坡度变化较小，但与相邻像元间的高程差较大区域作为洪水高风险范围，并按照地形高程和坡度划分洪水危险度，对地形因素和降雨量分布进行空间叠加分析，合并属性数据，将结果作为暴雨洪涝灾害预警底图，对于洪涝发生可能性较高区域，选择该范围内人口数量及植被、土地利用分布图，按照相应经济效益来评估风险等级。