CN108827401A - 一种新型的水土保持监测装置及方法 - Google Patents

Abstract

本发明属于水土监测技术领域，公开了一种新型的水土保持监测装置及方法，包括：主杆、土壤水分传感器、测钎传感器、雨量传感器、风速传感器、视频监控模块、太阳能模块、风向传感器、温湿度传感器、天线模块和数据采集发送电路模块。本发明将水土保持监测工作与现代测试技术和通信技术相结合，将水土流失影响因子、水土流失量等指标监测仪器集成并在项目现场安装，进行定时监测，监测的结果现场显示并远程传输，避免传统监测耗时耗力且测量误差大的问题。

Description

一种新型的水土保持监测装置及方法

技术领域

本发明属于水土监测技术领域，尤其涉及一种新型的水土保持监测装置及方法。

背景技术

目前，业内常用的现有技术是这样的：

传统的水土保持监测工作是人工定期将所需监测的各个仪器带至监测点，各仪器独立工作，并将监测结果进行记录的方式。该方法要求测量人员定期到达现场进行监测，同时每次需携带大量仪器设备，而且，人工测量、记录存在较大误差和诸多不确定性因素，严重影响监测的准确性。综上，布设水土监测设备需具备以下几个条件：1、具备自我供能条件；2、成本较低；3、使用寿命长；4、监测精度高；5、功能全面。由于水土监测点常位于环境恶劣处，同时管理条件低，通讯环境差，目前国内外均未在水土监测上大规模布设无人值守自动监测设备。另一方面，产流是降雨后覆盖在地表的水层，此时若采用测距仪测量时，其测到的数值，则是水层上面的数据，而非表面的真实数据，因此当降雨后产流的产生会直接影响监测数据的真实可靠性。

综上所述，现有技术存在的问题是：

(1)传统的水土保持监测方法需要定期到达现场，并需携带大量设备，很不方便；

(2)人工测量、记录存在较大误差和诸多不确定性因素，严重影响监测的准确性；

(3)降雨后产流的产生会直接影响监测数据的真实可靠性。

现有技术的图像增强算法对噪声比较敏感，容易产生颜色失真的现象本发明有效避免颜色失真；对于信息采集、信息分析、信息发送的信息处理方面易出现数据偏差；同时，实现对数据传输的准确性较低。

解决上述技术问题的难度和意义：

当监测设备用于野外水土监测时，产流对数据的准确性的影响一直是需要克服的问题，其主要原因是(1)当地面出现降雨造成的产流后存在水位误差，监控设备无法进行自动判别，导致测得的数据不真实；(2)有降雨并不意味着一定会发生产流，降雨和产流并不存在必然关系，并且地质条件不同，产流发生的条件也不相同，因此无法通过简单判断降雨的有无来判断产流是否产生，进一步造成监测数据的不真实。目前为止还没有好的办法解决上述技术问题。

发明内容

针对现有技术存在的问题，本发明提供了一种新型的水土保持监测装置及方法。

本发明是这样实现的，一种新型的水土保持监测方法，所述新型的水土保持监测方法包括：

对表层和深层土壤进行墒情的定点监测和在线测量；

检测实时降水量的大小、实时风速的大小、对监测现场进行视频采集、实现光电转换，为整个电路提供电能、检测实时风向、检测监测现场的实时温度和湿度、信号的发送与接收；

将各传感器采集的数据信息发送到远程终端；

所述视频采集对监测现场进行图像、视频采集的正切函数在区间内是单调函数，图像中像素的灰度值是在区间[0，255]上，把正切函数自变量的取值范围限制在区间上，利用正切函数和反正切函数进行图像滤波，具体做法如下：

对于原图像利用进行归一补运算，得到原图像的归一补图像：

此处M＝256，是像素灰度的最大值255加1，保证归一补图像的像素值在区间(0，1]上；

进行滤波处理：

其中，a tan()是反正切函数；

利用得到增强后的归一补图像：

tan()是正切函数；

其中：

利用得到增强后的图像：

进一步，数据采集发送采用支持向量机对收集的信息加以分类和回归分析：

采集到的数据集(x₁，y₁)，...，(x₁，y₁)∈(X×R)由概率分布P(x，y)(x∈Rⁿ，y∈R)生成，用实值函数拟合，并且使得：

R[f]＝∫c(x，y，f)dP(x，y)；

最小，其中，C为损失函数；用ε不敏感函数：

|y_i-f(x_i，x)|_ε＝max{0，|y_i-f(x_i)|-ε}；

衡量函数预测值好f(x)与观测值y的误差，即当误差超过ε时，该函数对样本点的拟合是无偏差。

进一步，天线实现对数据高准确性的传输：由W代表空间数据样本，L代表基础论域，W_i代表空间数据样本的类型，将观测值定义为l_i，定义l_i(i＝1，…，n)，代表扩散所获取的原始信息，则利用式(1)计算出多维的输入数据函数变量：

由μ(x)代表水土稀疏样本，(X，Y)代表插补网格坐标，F_fgpp代表插补场，则利用得到空间数据信息扩散函数：

式中，Ω^pl代表样本点，op'_dfg代表数据点的择近原则；

由n'_sdyy代表空间数据样本数量，O'_dfpp代表二维信息扩散稀疏数据插补最大取值范围，I″(_dtpp)代表正态信息特征向量，Z'_drfyy代表待求点的估计值，S_k代表数据序列的基准查找序号，则对空间数据信息扩散进行二维插值：

由φ'_sdff代表待估属性值，p'_j代表距离的幂，g'_derpp和g'_derpe代表本维排序数据底端和顶端，R'_spp代表不同分支的数据序列，则利用促使样本数据信息在数据库中沿着各个方向均匀扩散：

由r'_sfhh代表矢量数据到栅格数据的转换阶段，ψ'_sdff代表四面体内样本，p_nm'代表各阵元相对参考阵元的时延，则利用完成对无线网络数据准确传输：

式中，e'_dff代表分段三次样条函数，c'_vbnn代表总曲率最小的惟一函数。

进一步，视频采集采用视频状态空间ARMA模型，视频帧y_t为：

一阶状态空间方程为：

y_t＝Cx_t+ε_t

x_t∈R^d是t时刻的状态向量，d是状态空间的维度，a_i、A∈R^d×d是状态转移矩阵，c_i、C∈R^N×d是一滤波器组，d＜＜N，ε_t、η_t及e_t是噪声，p和q是ARMA模型的阶数。

本发明的另一目的在于提供一种实现所述新型的水土保持监测方法的新型的水土保持监测装置，所述新型的水土保持监测装置包括：主杆；

主杆下端栓接有土壤水分传感器，用于对表层和深层土壤进行墒情的定点监测和在线测量；

主杆上安装有：

测钎传感器；

雨量传感器，用于检测实时降水量的大小；

风速传感器，用于检测实时风速的大小；

视频监控模块，用于对监测现场进行视频采集；

太阳能模块，用于实现光电转换，为整个电路提供电能；

风向传感器，用于检测实时风向；

温湿度传感器，用于检测监测现场的实时温度和湿度；

天线模块，用于方便信号的发送与接收；

数据采集发送电路模块，用于将各传感器采集的数据信息发送到远程终端。

进一步，测钎传感器、土壤水分传感器、雨量传感器、风速传感器、视频监控模块、太阳能模块、风向传感器、温湿度传感器的输出端均连接数据采集发送电路模块，数据采集发送电路模块连接天线模块。

综上所述，本发明的优点及积极效果为：本发明创造将水土保持监测工作与现代测试技术和通信技术相结合，将水土流失影响因子、水土流失量等指标监测仪器集成并在项目现场安装，进行定时监测，监测的结果现场显示并远程传输，避免传统监测耗时耗力且测量误差大的问题。

本发明有效避免颜色失真，该算法简单、易于实现，对噪声具有一定的抑制作用，可以增强和保留图像的细节信息。高效的完成采集信息、分析信息、发送信息，利用支持向量机实现对收集的信息加以分类和回归分析，数据更准确，减少偏差；同时，实现对数据高准确性的传输。

附图说明

图1是本发明实施例提供的新型的水土保持监测装置结构示意图；

图中：1、主杆；2、土壤水分传感器；3、测钎传感器；4、雨量传感器；5、风速传感器；6、视频监控模块；7、太阳能模块；8、风向传感器；9、温湿度传感器；10、数据采集发送电路模块；11、天线模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供的新型的水土保持监测装置包括：主杆1、土壤水分传感器2、测钎传感器3、雨量传感器4、风速传感器5、视频监控模块6、太阳能模块7、风向传感器8、温湿度传感器9、数据采集发送电路模块10、天线模块11。

主杆1下端栓接有土壤水分传感器2，用于对表层和深层土壤进行墒情的定点监测和在线测量；

主杆1上安装有：

测钎传感器3；

雨量传感器4，用于检测实时降水量的大小；

风速传感器5，用于检测实时风速的大小；

视频监控模块6，用于对监测现场进行视频采集；

太阳能模块7，用于实现光电转换，为整个电路提供电能；

风向传感器8，用于检测实时风向；

温湿度传感器9，用于检测监测现场的实时温度和湿度；

天线模块11，用于方便信号的发送与接收；

数据采集发送电路模块10，用于将各传感器采集的数据信息发送到远程终端。

进一步，测钎传感器3、土壤水分传感器2、雨量传感器4、风速传感器5、视频监控模块6、太阳能模块7、风向传感器8、温湿度传感器9的输出端均连接数据采集发送电路模块10，数据采集发送电路模块10连接天线模块11。

本发明实施例提供的新型的水土保持监测方法包括：

对表层和深层土壤进行墒情的定点监测和在线测量；

检测实时降水量的大小、实时风速的大小、对监测现场进行视频采集、实现光电转换，为整个电路提供电能、检测实时风向、检测监测现场的实时温度和湿度、信号的发送与接收；

将各传感器采集的数据信息发送到远程终端；

所述视频采集对监测现场进行图像、视频采集的正切函数在区间内是单调函数，图像中像素的灰度值是在区间[0，255]上，把正切函数自变量的取值范围限制在区间上，利用正切函数和反正切函数进行图像滤波，具体做法如下：

对于原图像利用进行归一补运算，得到原图像的归一补图像：

此处M＝256，是像素灰度的最大值255加1，保证归一补图像的像素值在区间(0，1]上；

进行滤波处理：

其中，a tan()是反正切函数；

利用得到增强后的归一补图像：

tan()是正切函数；

其中：

利用得到增强后的图像：

进一步，数据采集发送采用支持向量机对收集的信息加以分类和回归分析：

采集到的数据集(x₁，y₁)，…，(x_l，y_l)∈(X×R)由概率分布P(x，y)(x∈Rⁿ，y∈R)生成，用实值函数拟合，并且使得：

R[f]＝∫c(x，y，f)dP(x，y)；

最小，其中，C为损失函数；用ε不敏感函数：

|y_i-f(x_i，x)|_ε＝max{0，|y_i-f(x_i)|-ε}；

衡量函数预测值好f(x)与观测值y的误差，即当误差超过ε时，该函数对样本点的拟合是无偏差。

进一步，天线实现对数据高准确性的传输：由W代表空间数据样本，L代表基础论域，W_i代表空间数据样本的类型，将观测值定义为l_i，定义l_i(i＝1，…，n)，代表扩散所获取的原始信息，则利用式(1)计算出多维的输入数据函数变量：

由μ(x)代表水土稀疏样本，(X，Y)代表插补网格坐标，F_fgpp代表插补场，则利用得到空间数据信息扩散函数：

式中，代表样本点，op'_dfg代表数据点的择近原则；

由n'_sdyy代表空间数据样本数量，O'_dfpp代表二维信息扩散稀疏数据插补最大取值范围，I″(_dtpp)代表正态信息特征向量，Z'_drfyy代表待求点的估计值，S_k代表数据序列的基准查找序号，则对空间数据信息扩散进行二维插值：

由φ'_sdff代表待估属性值，p'_j代表距离的幂，g'_derpp和g'_derpe代表本维排序数据底端和顶端，R'_spp代表不同分支的数据序列，则利用促使样本数据信息在数据库中沿着各个方向均匀扩散：

由r'_sfhh代表矢量数据到栅格数据的转换阶段，ψ'_sdff代表四面体内样本，p_nm'代表各阵元相对参考阵元的时延，则利用完成对无线网络数据准确传输：

式中，e'd_ff代表分段三次样条函数，c'_vbnn代表总曲率最小的惟一函数。

进一步，视频采集采用视频状态空间ARMA模型，视频帧y_t为：

一阶状态空间方程为：

y_t＝Cx_t+ε_t

x_t+1＝Ax_t+η_t；

x_t∈R^d是t时刻的状态向量，d是状态空间的维度，a_i、A∈R^d×d是状态转移矩阵，c_i、C∈R^N×d是一滤波器组，d＜＜N，ε_t、η_t及e_t是噪声，p和q是ARMA模型的阶数。

本发明实施例提供的新型的水土保持监测方法包括：

对表层和深层土壤进行墒情的定点监测和在线测量；

检测实时降水量的大小、实时风速的大小、对监测现场进行视频采集、实现光电转换，为整个电路提供电能、检测实时风向、检测监测现场的实时温度和湿度、信号的发送与接收；

所述视频采集采用视频状态空间ARMA模型，视频帧yt为：

一阶状态空间方程为：

y_t＝Cx_t+ε_t

x_t+1＝Ax_t+η_t；

x_t∈R^d是t时刻的状态向量，d是状态空间的维度，a_i、A∈R^d×d是状态转移矩阵，c_i、C∈R^N×d是一滤波器组，d＜＜N，ε_t、η_t及e_t是噪声，p和q是ARMA模型的阶数。

将各传感器采集的数据信息发送到远程终端。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种新型的水土保持监测方法，其特征在于，所述新型的水土保持监测方法包括：

对表层和深层土壤进行墒情的定点监测和在线测量；

检测实时降水量的大小、实时风速的大小、对监测现场进行视频采集、实现光电转换，为整个电路提供电能、检测实时风向、检测监测现场的实时温度和湿度、信号的发送与接收；

将各传感器采集的数据信息发送到远程终端；

所述视频采集对监测现场进行图像、视频采集的正切函数在区间内是单调函数，图像中像素的灰度值是在区间[0，255]上，把正切函数自变量的取值范围限制在区间上，利用正切函数和反正切函数进行图像滤波，具体做法如下：

对于原图像利用进行归一补运算，得到原图像的归一补图像：

此处M＝256，是像素灰度的最大值255加1，保证归一补图像的像素值在区间(0，1]上；

进行滤波处理：

其中，a tan()是反正切函数；

利用得到增强后的归一补图像：

tan()是正切函数；

其中：

利用得到增强后的图像：

2.如权利要求1所述的新型的水土保持监测方法，其特征在于，数据采集发送采用支持向量机对收集的信息加以分类和回归分析：

采集到的数据集(x₁，y₁)，…，(x_l，y_l)∈(X×R)由概率分布P(x，y)(x∈Rⁿ，y∈R)生成，用实值函数拟合，并且使得：

R[f]＝∫c(x，y，f)dP(x，y)；

最小，其中，C为损失函数；用ε不敏感函数：

|y_i-f(x_i，x)|ε＝max{0，|y_i-f(x_i)|-ε}；

衡量函数预测值好f(x)与观测值y的误差，即当误差超过ε时，该函数对样本点的拟合是无偏差。

3.如权利要求1所述的新型的水土保持监测方法，其特征在于，天线实现对数据高准确性的传输：由W代表空间数据样本，L代表基础论域，W_i代表空间数据样本的类型，将观测值定义为l_i，定义l_i(i＝1，…，n)，代表扩散所获取的原始信息，则利用式(1)计算出多维的输入数据函数变量：

由μ(x)代表水土稀疏样本，(X，Y)代表插补网格坐标，F_fgpp代表插补场，则利用得到空间数据信息扩散函数：

式中，Ω^pl代表样本点，op'_dfg代表数据点的择近原则；

由n'_sdyy代表空间数据样本数量，O'_dfpp代表二维信息扩散稀疏数据插补最大取值范围，I″_(dtpp)代表正态信息特征向量，Z'_drfyy代表待求点的估计值，S_k代表数据序列的基准查找序号，则对空间数据信息扩散进行二维插值：

由φ'_sdff代表待估属性值，p'_j代表距离的幂，g'_derpp和g'_derpe代表本维排序数据底端和顶端，R'_spp代表不同分支的数据序列，则利用促使样本数据信息在数据库中沿着各个方向均匀扩散：

由r'_sfhh代表矢量数据到栅格数据的转换阶段，ψ'_sdff代表四面体内样本，p_nm'代表各阵元相对参考阵元的时延，则利用完成对无线网络数据准确传输：

式中，e'_dff代表分段三次样条函数，c'_vbnn代表总曲率最小的惟一函数。

4.如权利要求1所述的新型的水土保持监测方法，其特征在于，视频采集采用视频状态空间ARMA模型，视频帧y_t为：

一阶状态空间方程为：

y_t＝Cx_t+ε_t

x_t+1＝Ax_t+η_t；

x_t∈R^d是t时刻的状态向量，d是状态空间的维度，a_i、A∈R^d×d是状态转移矩阵，c_i、C∈R^{N ×d}是一滤波器组，d＜＜N，ε_t、η_t及e_t是噪声，p和q是ARMA模型的阶数。

5.一种实现权利要求1所述新型的水土保持监测方法的新型的水土保持监测装置，其特征在于，所述新型的水土保持监测装置包括：主杆；

主杆下端栓接有土壤水分传感器，用于对表层和深层土壤进行墒情的定点监测和在线测量；

主杆上安装有：

测钎传感器；

雨量传感器，用于检测实时降水量的大小；

风速传感器，用于检测实时风速的大小；

视频监控模块，用于对监测现场进行视频采集；

太阳能模块，用于实现光电转换，为整个电路提供电能；

风向传感器，用于检测实时风向；

温湿度传感器，用于检测监测现场的实时温度和湿度；

天线模块，用于方便信号的发送与接收；

数据采集发送电路模块，用于将各传感器采集的数据信息发送到远程终端。

6.如权利要求5所述的新型的水土保持监测装置，其特征在于，测钎传感器、土壤水分传感器、雨量传感器、风速传感器、视频监控模块、太阳能模块、风向传感器、温湿度传感器的输出端均连接数据采集发送电路模块，数据采集发送电路模块连接天线模块。