CN104865353A - 基于无人机的工业园区大气污染数据采集方法 - Google Patents

Abstract

一种基于无人机的工业园区大气污染数据采集方法，包括：待测区域及污染源分布网格化；设污染源对邻近区域的影响与距离成反比，并考虑污染源重要性及季节风向影响，计算所有污染源对每个网格单元的相对污染指数，进而对待测区域划分为多个污染集聚区；针对每个污染分区分别制定无人机巡航方案，无人机搭载便携式检测设备，以S型轨迹从飞行区域下风向边界自动驾驶巡航至上边界，将所收集到的污染物数据与无人机自带的GPS定位数据进行时间关联，基于GPS经纬度坐标将污染物监测数据匹配到待测区域的网格矢量地图上，取每个单元格内所有污染物样本数据的平均值作为该单元格的最终值。本发明使得数据采集更优化、更科学，便于环境管理与决策。

Description

基于无人机的工业园区大气污染数据采集方法

技术领域

本发明涉及的是一种大气环境科学领域的技术，具体是一种基于无人机的工业园区大气污染数据采集方法。

背景技术

工业化促进了社会经济的快速增长，同时也带来了日益严峻的大气污染问题。以城市工业园区为例，恶臭气体污染等环境问题越来越多地被周边居民投诉，成为园区发展的瓶颈问题。当前，稀疏的地面监测站已无法对园区大气污染进行全方位监测，复杂分散的污染源对周边区域的影响很难测算，从而无法科学合理地评价园区大气污染状况，导致决策者无法有效制定园区环境管理政策。

经过对现有技术的检索发现，中国专利文献号CN104155994A公开(公告)日2014.11.19公开了一种基于无人机的城市工程环境监测方法，其包括如下具体方法：1)根据工程现场环境对无人机的航线进行规划；2)设置无人机按照步骤1)中设定的航线进行巡航，同时通过无人机、以及搭载在无人机上的噪声检测仪与灰尘检测仪对工程现场的噪声与工程现场空气内的灰尘浓度进行实时监测；3)对于步骤2)中，无人机进行实时监测过程中，当工程现场的噪声与工程现场空气内的灰尘浓度超过峰值时，通过搭载在无人机上的遥感设备记录工程现场的图像数据；采用上述基于无人机的城市工程环境监测方法，其可有效检测城市内工程现场中的噪音与灰尘浓度，并通过遥感设备获取噪音与灰尘浓度超出峰值的工程现象的图像数据，便于对其进行监管。但该技术没有考虑到无人机飞行覆盖范围及时间的约束，无法兼顾不同污染源排放贡献及季节性主导风向影响，数据采集过程不够科学合理，燃油利用率较低且采集数据不够全面。

发明内容

本发明要解决的技术问题是提出一种基于无人机的工业园区大气污染数据采集方法，其可对园区大气污染指标进行时空连续监测，为科学评估园区大气污染状况提供依据。

本发明涉及到一种基于无人机的工业园区大气污染数据采集方法，是通过以下技术方案实现的，包括以下步骤：

1)待测区域规则网格矢量化，具体步骤包括：

1.1)获取包含投影坐标系(单位为米)的待测区域的矢量地图；

1.2)基于地理信息系统平台(如ArcMap)，采用渔网工具(Fishnet)，生成覆盖整个待测区域的网格矢量地图，网格单元设为500*500米的规则多边形要素。

2)对待测区域的工业污染源历史数据进行空间矢量化处理，生成污染源分布的矢量图层，并与步骤1)中生成的网格矢量地图叠加，具体步骤包括：

2.1)收集待测区域的工业污染源(如烟囱、锅炉等)的地理坐标以及污染源年均排放量等数据信息，根据工业污染源的地理坐标，绘制污染源的空间分布点要素图层，每个点要素增加字段污染源年均排放量。

2.2)将步骤2.1)中生成的污染源点要素图层，与步骤1)中生成的待测区域网格矢量地图进行图层叠加，得到区域网格化后污染源分布地图。

3)计算网格单元的相对污染指数：当污染源对邻近区域的影响与距离成反比，并考虑污染源重要性及季节性主导风向影响，计算待测区域内所有污染源对每个500m*500m网格单元的综合相对污染指数，从而绘制待测区域相对污染指数矢量图，具体步骤包括：

3.1)赋予步骤1)所述的待测区域网格地图矩阵坐标，即由北至南为矩阵的行(令i代表行号)、由西至东为矩阵的列(令j代表列号)，令X_ij为所有污染源对第i行、j列网格单元产生的相对污染指数，其中i＝1,2,…,m；j＝1,2,…,n；m,n分别为待测区域网格的最大行、列数。

3.2)根据步骤2)所述的污染源网格地图，依次确认每个污染源所对应的网格矩阵坐标(p,q)，即每个污染源的矩阵坐标，其中p、q分别表示矩阵的行、列数，那么p行、q列网格单元内的污染源相对重要性指数Y_pq＝E_pq/E_all，其中：E_pq表示对应于p行、q列网格单元的污染源的年均排放量，E_all表示对待测区域内所有污染源的年均排放总量。

3.3)计算i行、j列网格单元内的相对风向指数RWD_ij：首先构建以污染源(p,q)为原点、0‐359°的顺时针风向坐标系(0°表示正北向)；其次污染源和i行、j列的网格单元连线，计算连线相对于正北向的顺时针角度(0‐359°)，之后求算其与待测区域季节性主导风向(0‐359°)的夹角θ(0°<θ<180°)(相对于坐标原点，季节性主导风向为来风方向)，那么相对于季节性主导风向和污染源(p,q)，i行、j列的网格单元的风向指数

3.4)计算所有污染源对i行、j列网格单元的产生的相对污染指数 其中：p、q为步骤3.2)所确认的每个污染源所对应的网格矩阵的行、列数。

3.5)针对i行、j列网格单元，增加新字段并命名为相对污染指数，字段赋值为X_ij，采用地理信息系统平台(如ArcMap)自动生成待测区域的相对污染指数网格矢量图。

4)根据步骤3)所述的待测区域相对污染指数网格矢量图，采用ArcMap进行分级可视化显示(分级标准可自行设定)，通过人工判读的方式将待测区域重新划分为多个污染集聚区。

5)针对每个污染集聚区分别布设无人机基站，以实现优化的数据采集，具体步骤包括：

5.1)针对每个污染集聚区，视其相对于季节性主导风向的下风向边界区为无人机基站位置，无人机搭载便携式污染物检测设备及气象设备，以S型巡航路线从基站位置巡航至区域上边界，平行航线间距设为500米，机身与风向在垂直方向上呈30～45°夹角，巡航全程采取自动导航模式，实现对污染聚类区的大气污染物进行连续监测。

5.2)无人机巡航结束后，基于时间关联规则，将污染监测数据与无人机自带的GPS定位数据进行匹配，生成带有经纬度坐标的污染监测数据，然后匹配到待测区域的网格矢量地图上，取每个500*500米单元格内所有污染物样本数据的平均值作为该单元格的最终值。

技术效果

采用上述基于无人机的工业园区大气污染数据采集方法，可对工业园区大气污染指标进行时空连续监测，监测结果可直观评价待测区域的大气污染时空分布状况，为环境管理决策提供科学依据。

附图说明

图1是本发明流程图。

图2是实施例中待测区域及污染源分布网格矢量化示意图。

图3是实施例中待测区域污染聚类分区示意图。

图4是实施例中针对一个污染聚类区的无人机巡航方案示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图1所示，本实施例包括：1)待测区域规则网格矢量化，2)工业污染源空间矢量化，3)计算网格单元的相对污染指数，4)待测区域污染聚类分区，5)制定针对每个污染聚类区的无人机巡航方案。

本实施例具体包括以下步骤：

1)待测区域规则网格矢量化。如图2a所示，对待测区域进行均匀网格划，网格单元设为500m*500m的规则多边形要素，具体步骤包括：首先获取包含投影坐标系(单位为Meter)的待测区域的矢量地图，然后采用ArcMap平台中的渔网工具(Fishnet)，生成覆盖整个待测区域的500m*500m网格矢量地图。

2)工业污染源空间矢量化。对待测区域工业污染源进行统计调查，对它们进行空间矢量化，生成污染源分布的矢量地图，并与步骤1)中生成的待测区域网格地图叠加，具体步骤包括：

2.1)收集待测区域的工业污染源(如烟囱、锅炉等)的地理坐标以及污染源年均排放量等数据信息，根据工业污染源的地理坐标，绘制污染源的空间分布点要素图层，并将污染源年均排放量作为新字段赋予每个点要素。

2.2)将步骤2.1)中生成的污染源点要素图层，与步骤1)中生成的待测区域网格矢量地图进行图层叠加，得到区域网格化后污染源分布地图(即图2b所示)。

3)计算网格单元的相对污染指数。当污染源对邻近区域的影响与距离成反比，并考虑污染源重要性及季节性主导风向影响，计算待测区域内所有污染源对每个500m*500m网格单元的综合相对污染指数，从而绘制待测区域相对污染指数矢量图，具体步骤包括：

3.1)赋予步骤1)所述的待测区域网格地图矩阵坐标，即由北至南为矩阵的行(令i代表行号)、由西至东为矩阵的列(令j代表列号)，令X_ij为所有污染源对第i行、j列网格单元产生的相对污染指数，其中i＝1,2,…,m；j＝1,2,…,n；m,n分别为待测区域网格的最大行、列数。

3.2)根据步骤2)所述的污染源网格地图，依次确认每个污染源所对应的网格矩阵坐标(p,q)，即每个污染源的矩阵坐标，其中p、q分别表示矩阵的行、列数，那么p行、q列网格单元内的污染源相对重要性指数Y_pq可由以下公式计算获得：

Y_pq＝E_pq/E_all，其中E_pq表示对应于p行、q列网格单元的污染源的年均排放量，E_all表示对待测区域内所有污染源的年均排放总量。

3.3)计算i行、j列网格单元内的相对风向指数RWD_ij。首先，构建以污染源(p,q)为原点、0‐359°的顺时针风向坐标系(0°表示正北向)；其次，污染源和i行、j列的网格单元连线，计算连线相对于正北向的顺时针角度(0‐359°)，之后求算其与待测区域季节性主导风向(0‐359°)的夹角θ(0°<θ<180°)(相对于坐标原点，季节性主导风向为来风方向)，那么相对于季节性主导风向和污染源(p,q)，i行、j列的网格单元的风向指数RWD_ij可由以下公式计算：

3.4)计算所有污染源对i行、j列网格单元的产生的相对污染指数X_ij，

$X_{\mathrm{ij}}={\mathrm{\&Sigma;}}_p{\mathrm{\&Sigma;}}_q(Y_{\mathrm{pq}}*\mathrm{RW}{D}_{\mathrm{ij},\mathrm{pq}}/\sqrt{{(p-i)}^2+{(q-j)}^2})),$ p、q均为离散值，取决于步骤3.2)所确认的每个污染源所对应的网格矩阵坐标值。

3.5)针对i行、j列网格单元，增加新字段并命名为相对污染指数，字段赋值为X_ij，基于ArcMap自动生成待测区域的相对污染指数网格矢量图(即图3a所示)。

4)待测区域污染聚类分区。根据步骤3)所述的待测区域相对污染指数网格矢量图，采用ArcMap进行分级可视化显示(分为5级)，通过人工判读的方式将待测区域重新划分为多个污染集聚区(即图3b所示)。

5)针对每个污染聚类区的无人机巡航方案。针对每个污染集聚区分别布设无人机基站，考虑无人机飞行覆盖半径及时间约束，制定无人机飞行方案，以实现优化的数据采集。主要步骤包括：

5.1)如图4所示，针对每个污染集聚区，视其相对于季节性主导风向的下风向边界区为无人机基站位置，无人机搭载便携式污染物检测设备及气象设备，以S型巡航路线从基站位置巡航至区域上边界，平行航线间距设为500m，机身与风向在垂直方向上呈30～45度夹角，巡航全程采取自动导航模式，实现对污染聚类区的大气污染物进行连续监测。

5.2)无人机巡航结束后，基于时间关联规则，将污染监测数据与无人机自带的GPS定位数据进行匹配，生成带有经纬度坐标的污染监测数据，然后匹配到待测区域的网格矢量地图上，取每个500m*500m单元格内所有污染物样本数据的平均值作为该单元格的最终值。

Claims (6)

1.一种基于无人机的工业园区大气污染数据采集方法，其特征在于，包括如下具体步骤：

1)待测区域规则网格矢量化；

2)对待测区域的工业污染源历史数据进行空间矢量化处理，生成污染源分布的矢量图层，并与步骤1)中生成的网格矢量地图叠加；

3)计算网格单元的相对污染指数：当污染源对邻近区域的影响与距离成反比，并考虑污染源重要性及季节性主导风向影响，计算待测区域内所有污染源对每个500m*500m网格单元的综合相对污染指数，从而绘制待测区域相对污染指数矢量图；

4)根据步骤3)所述的待测区域相对污染指数网格矢量图，进行分级可视化显示，通过人工判读的方式将待测区域重新划分为多个污染集聚区；

5)针对每个污染集聚区分别布设无人机基站，以实现优化的数据采集。

2.根据权利要求1所述的方法，其特征是，所述的步骤1)，具体包括：

1.1)获取包含投影坐标系的待测区域的矢量地图；

1.2)基于地理信息系统平台，生成覆盖整个待测区域的网格矢量地图。

3.根据权利要求2所述的方法，其特征是，所述的网格矢量地图的网格单元设为500*500米的规则多边形要素。

4.根据权利要求1所述的方法，其特征是，所述的步骤2)，具体包括：

2.1)收集待测区域的工业污染源的地理坐标以及污染源年均排放量信息，根据工业污染源的地理坐标，绘制污染源的空间分布点要素图层，每个点要素增加字段污染源年均排放量；

2.2)将步骤2.1)中生成的污染源点要素图层，与步骤1)中生成的待测区域网格矢量地图进行图层叠加，得到区域网格化后污染源分布地图。

5.根据权利要求1所述的方法，其特征是，所述的步骤3)，具体包括：

3.1)赋予步骤1)所述的待测区域网格地图矩阵坐标，即由北至南为矩阵的行、由西至东为矩阵的列，令X_ij为所有污染源对第i行、j列网格单元产生的相对污染指数，其中i＝1,2,...,m；j＝1,2,...,n；m,n分别为待测区域网格的最大行、列数；

3.2)根据步骤2)所述的污染源网格地图，依次确认每个污染源所对应的网格矩阵坐标(p,q)，即每个污染源的矩阵坐标，其中：p、q分别表示矩阵的行、列数，那么p行、q列网格单元内的污染源相对重要性指数Y_pq＝E_pq/_all，其中：E_pq表示对应于p行、q列网格单元的污染源的年均排放量，E_all表示对待测区域内所有污染源的年均排放总量；

3.3)计算i行、j列网格单元内的相对风向指数RWD_ij：首先构建以污染源(p,q)为原点、0‐359°的顺时针风向坐标系；其次污染源和i行、j列的网格单元连线，计算连线相对于正北向的顺时针角度0‐359°，之后求算其与待测区域季节性主导风向0‐359°的夹角θ，0°<θ<180°相对于坐标原点，季节性主导风向为来风方向，那么相对于季节性主导风向和污染源(p,q)，i行、j列的网格单元的风向指数

3.4)计算所有污染源对i行、j列网格单元的产生的相对污染指数 其中：p、q为步骤3.2)所确认的每个污染源所对应的网格矩阵的行、列数；

3.5)针对i行、j列网格单元，增加新字段并命名为相对污染指数，字段赋值为X_ij，采用地理信息系统平台自动生成待测区域的相对污染指数网格矢量图。

6.根据权利要求1所述的方法，其特征是，所述的步骤5)，具体包括：

5.1)针对每个污染集聚区，视其相对于季节性主导风向的下风向边界区为无人机基站位置，无人机搭载便携式污染物检测设备及气象设备，以S型巡航路线从基站位置巡航至区域上边界，平行航线间距设为500米，机身与风向在垂直方向上呈30～45°夹角，巡航全程采取自动导航模式，实现对污染聚类区的大气污染物进行连续监测；

5.2)无人机巡航结束后，基于时间关联规则，将污染监测数据与无人机自带的GPS定位数据进行匹配，生成带有经纬度坐标的污染监测数据，然后匹配到待测区域的网格矢量地图上，取每个500*500米单元格内所有污染物样本数据的平均值作为该单元格的最终值。