CN110068655A - 一种天空地一体化大气监测系统 - Google Patents
一种天空地一体化大气监测系统 Download PDFInfo
- Publication number
- CN110068655A CN110068655A CN201910333390.7A CN201910333390A CN110068655A CN 110068655 A CN110068655 A CN 110068655A CN 201910333390 A CN201910333390 A CN 201910333390A CN 110068655 A CN110068655 A CN 110068655A
- Authority
- CN
- China
- Prior art keywords
- data
- ground
- aerial
- air
- satellite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 99
- 230000007613 environmental effect Effects 0.000 claims abstract description 71
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 4
- 239000003344 environmental pollutant Substances 0.000 claims description 26
- 231100000719 pollutant Toxicity 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 15
- 239000000443 aerosol Substances 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 11
- 239000000356 contaminant Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003012 network analysis Methods 0.000 description 3
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1795—Atmospheric mapping of gases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Dispersion Chemistry (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种天空地一体化大气监测系统，包括：数据采集模块、数据存储模块、数据处理模块和数据监控模块，所述数据采集模块采集卫星上、空中和地面的环境数据，所述数据处理模块包括数据预处理单元、多源数据融合单元和数据特征提取单元，所述数据预处理单元对采集的影像图进行预处理后，所述多源数据融合单元将卫星上、空中和地面的环境数据三者融合为统一的特定格式数据，所述数据特征提取单元提取出卫星上、空中和地面的环境数据中的环境参数的数据值和分布状况，所述数据监控模块根据数据值和分布状况和预设的阈值，对环境情况进行监控。本发明实现了大气质量的大范围、全方位、全天候、多维度、多要素的远程监控，提高了监测的准确度。
Description
技术领域
本发明涉及环境监测技术领域，尤其涉及一种天空地一体化大气监测系统。
背景技术
目前对大气质量监测的主要方式有：(1)在地面或建筑物高空设立固定的传感器，或将传感器搭载在热气球等飞行器上进行监测活动，存在监测点位少，监测范围小且分布不均衡；(2)采用固定点位监测的方法，不能监测不同高度持续变化的大气质量，尤其是高空的、大范围的大气环境质量难以监测，因此，现有手段方法不能全面反映立体空间的大气质量状况；(3)现有的监测系统中搭载的传感器单一，监测的大气质量的要素少，不能很好地将多传感器集成以进行多种要素的大气质量监测；同时不能实现远程同步监测与实时预警的功能，也不能进行远程实时数据查询与接收预警信息。
发明内容
为了解决现有的大气质量监测中采用传感器进行环境监测存在监测点位少、传感器单一、监测要素少，监测内容不全面及缺乏时效性等不足；以及不能实现远程同步监测与预警功能的缺陷，本发明旨在提供一种天空地一体化大气监测系统，可实现大气质量大范围、全方位、全天候、多维度、多要素的远程控制实时监控，大大提高大气质量监测的准确度与效益性。
具体方案如下：
一种天空地一体化大气监测系统，包括：数据采集模块、数据存储模块、数据处理模块和数据监控模块，所述数据采集模块将采集的数据发送至数据存储模块进行存储，数据处理模块对数据存储模块中存储的数据进行处理，数据监控模块对数据处理模块处理完的数据进行监控，所述数据采集模块包括卫星数据采集模块、空中数据采集模块和地面数据采集模块，分别用于采集卫星上、空中和地面的环境数据。
其中，卫星上的环境数据为卫星影像图，空中的环境数据包括空中影像图和空中数字数据，地面的环境数据为地面数字数据。
所述数据处理模块包括数据预处理单元、多源数据融合单元和数据特征提取单元。
所述数据预处理单元的功能为：
(1)对卫星数据采集模块采集的卫星影像图进行预处理，将卫星影像图转化为可还原提取环境参数的影像图。
(2)对空中数据采集模块采集的空中影像图进行预处理，消除空中影像图中的地理误差，使空中影像图中包含空间坐标数据。
所述多源数据融合单元根据数据预处理单元预处理完成的数据，将卫星上、空中和地面的环境数据三者融合为统一的特定格式数据。
所述数据特征提取单元根据多源数据融合单元融合后的特定格式数据，提取出卫星上、空中和地面的环境数据中的环境参数的数据值和分布状况。
所述数据监控模块根据数据特征提取单元提取的环境参数的数据值和分布状况和预设的阈值，对环境情况进行监控。
进一步的，卫星影像图的预处理过程为：
(1)进行大气辐射校正，消除噪声的影响，减少影像的误差；
(2)以研究区域为目标范围进行几何校正；
(3)进行镶嵌处理，并消除卫星影像图中的云层和阴影；
(4)将卫星影像图的亮度值转换成地表反射率或大气反射率。
进一步的，空中影像图的预处理过程为：
(1)对空中影像图进行畸变差去除后，进行内定向、相对定向和绝对定向处理；
(2)通过空三加密计算进行区域网平差，生成数字高程模型；
(3)利用数字高程模型得出空中影像图的数字正射影像图。
进一步的，所述特定格式数据为栅格数据、矢量数据和元数据三种数据中的一种。
进一步的，所述特定格式数据为矢量数据，所述多源数据融合单元的融合过程为：
(1)根据数据预处理单元预处理后的卫星影像图，建立基于空间坐标数据的卫星数据分布状况矢量图；
(2)根据空中数据采集模块采集的空中数字数据和数据预处理单元预处理后的空中影像图，建立基于空间坐标数据的空中数据分布状况矢量图；
(3)根据地面数据采集模块采集的地面数字数据，建立基于空间坐标数据的地面数据分布状况矢量图；
(4)将空中数据和地面数据的分布状况矢量图融合至卫星数据分布状况矢量图中，并对空中数据、地面数据和卫星数据分别进行标注显示。
进一步的，所述环境参数包括气溶胶污染物和气态污染物。
进一步的，所述空中数据采集模块设置于不同高度的无人机上。
进一步的，所述数据监控模块包含实时监测单元、预报预警单元及综合分析单元，所述实时监测单元用于对环境数据进行接收、处理和管理，所述预报预警单元用于根据预设的各环境参数的阈值对超出阈值的环境参数进行预警，所述综合分析单元用于对环境质量进行环境状况分析、污染评价和演变评估。
本发明采用如上技术方案，并具有有益效果：
1、体现了多维度、多层次、多要素的大气质量监测体系，可全方位、实时地进行大气质量的各类要素监测、动态预报预警以及实时综合分析；实现大气环境质量大范围的、多要素监测的全覆盖，并提升大监测网的立体化、自动化、智能化水平。
2、可实现监测数据信息实时共享，实时观测大气环境中各种气体及污染物的成分和溶度，对污染物超标区域进行实时地预报预警及有效地控制，为大气质量保障提供重要的技术支撑平台，切实增强大气质量的监测，以保证优质的大气环境质量。
3、解决了目前现有的传感器监测存在的监测内容不完整，缺乏时效性等不足，可为大气质量监测与评估提供重要的数据来源以及技术支撑，非常有利于促进大气质量实时监测与预警的发展，具有非常好的效益性。
附图说明
图1所示为本发明实施例的结构示意图。
图2(a)所示为卫星影像图。
图2(b)所示为无人机影像图。
图3所示为栅格数据和矢量数据的示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
参考图1所示，本发明实施例中提供了一种天空地一体化大气监测系统，包括：数据采集模块、数据存储模块、数据处理模块和数据监控模块，所述数据采集模块将采集的数据发送至数据存储模块进行存储，数据处理模块对数据存储模块中存储的数据进行处理，数据监控模块对数据处理模块处理完的数据进行监控。
1)数据采集模块
数据采集模块包括卫星数据采集模块、设置于空中的空中数据采集模块(该实施例中为设置在不同高度的无人机上)和设置于地面的地面数据采集模块，该实施例中为地面上的大气自动检测站点。
所述卫星数据采集模块用于采集卫星上的环境数据，即卫星影像图，通过卫星影像图来反演出环境参数的分布状况。
所述空中数据采集模块设置于不同的空间高度，对空中的气溶胶污染物和气态污染物的分布状况进行监测。空中数据采集模块采集的环境数据包括图片格式的空中影像图和数字格式的空中数字数据。
所述地面数据采集模块采集的地面的环境数据为数字格式的地面数字数据。
该实施例中，所述环境参数包括气溶胶污染物(PM10，PM2.5，灰霾等)和气态污染物(比如，CO、NO、SO2、NO2、O3等)，在其他的实施例中，也可以包括其他的环境参数，在此不做限制。
2)数据存储模块
所述数据存储模块用于对数据采集模块采集的数据进行存储。
该实施例中采用的数据存储模块为PostgreSQL数据库、MySQL数据库和MicrosoftAccess数据库三个数据库结合使用。由于本实施例中采集的主要为空间型的地理信息数据，PostgrSQL数据库具有强大的空间数据的可扩展性，因此，采用PostgrSQL数据库作为存储手段；而Microsoft Access数据库有强大的数据处理、统计分析能力，利用MicrosoftAccess的查询功能，可方便地对各类分析结果的数据进行汇总统计等；MySQL数据库模块是一个开放源码的小型关系数据库管理系统，便于数据的查询功能。在其他的实施例中，也可以采用其他的常用数据库。
3)数据处理模块
所述数据处理模块包括数据预处理单元、多源数据融合单元和数据特征提取单元，数据与处理单元对数据存储模块中存储的数据进行预处理后，多源数据融合单元根据预处理后的数据和数据存储模块中存储的数据，将卫星上、空中和地面的环境数据三者融合为统一的特定格式数据；数据特征提取单元根据多源数据融合单元融合后的特定格式数据，提取出卫星上、空中和地面的环境数据中的环境参数的数据值和分布状况。
3.1)数据预处理单元
所述数据预处理单元的功能为：
一、对卫星数据采集模块(如Landsat-8卫星上的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer，MODIS))采集的卫星影像图进行预处理，将卫星影像图转化为可还原提取环境参数的影像图。
卫星遥感是高空间遥感、高光谱遥感，其受空间距离等因素的影响，所得到的卫星影像图为低分辨率、低清晰度的影像图，如图2(a)所示；同时卫星平台所接收的地面目标物体的电磁波需透过大气层，受到地面天气和高空云层的影响，大大影响了遥感影像数据的质量。因此需对卫星遥感数据进行预处理，来去除大气及高空云层的噪点影响。
该实施例中采用ENVI 5.3软件处理，包括以下步骤：
(1)对卫星影像图进行大气辐射校正，消除传感器以及传输过程中相关因素的影响等产生的噪声，减少影像图的误差；
(2)几何校正，以研究区域为目标范围进行几何校正，选取研究区域地形图上标志明显的特征点，对多时相影像图进行几何校正；
(3)对影像图进行镶嵌处理，并去除影响数据中的云层和阴影，最终可获取一幅研究区域完整的遥感影像图，
(4)将影像图的亮度值转换成地表反射率或大气反射率。
二、由于空中影像图中存在地理精度的误差，因此对空中数据采集模块采集的空中影像图进行预处理，消除空中影像图中的地理误差，使空中影像图中包含空间坐标数据。
无人机遥感技术在提高分辨率方面具有独特的优势，无人机在空中可以飞得足够低，在近地面进行航拍遥感，能够获取足够高分辨率、高清晰度的地面影像图(可达厘米级)，如图2(b)所示，并且无人机还具有实时获取影像资料的能力。但是空中无人机获取的空中影像图缺乏空间地理坐标属性，因此需要对空中影像图进行地理坐标校正，以使其具有准确的空间属性。
该实施例中采用Pix 4Dmapper软件进行处理，包括以下步骤：
(1)对空中影像图进行畸变差去除后，对空中影像图进行内定向、相对定向和绝对定向处理；
(2)通过空三加密计算进行区域网平差，生成数字高程模型(Digital ElevationModel，DEM)；
(3)利用空中影像图的数字高程模型得出空中影像图的数字正射影像图(DigitalOrthophoto Map，DOM)。
地面数据采集模块采集的地面的环境数据为数字格式的地面数字数据。其数值准确，并带有地理空间坐标属性，因此不需要进行的数据预处理。
综上所述，数据预处理单元主要是针对卫星遥感影像和空中无人机影像进行预处理。卫星影像预处理是对卫星影像数据进行大气辐射校正，去除云层和阴影等噪声，并提取大气环境参数；空中无人机影像预处理是对空中影像图进行地理坐标校正，使空中无人机影像具有地理坐标属性。经过数据预处理，卫星影像可直观展示大气污染物的分布状况，空中无人机影像可展示具有地理坐标数据的地物状况，使得卫星影像和无人机影像数据中的环境参数要素均具有准确的地理坐标数据。因此，数据的预处理主要是为数据的融合提供准确的影像图数据来源。
卫星遥感影像是高空间遥感，可快速、大面积获取大尺度的数据，但存在影像分辨率较低；无人机遥感技术具有影像实时传输、高危地区遥感、机动灵活及成本经济等优点，越来越成为采集空间数据的一项重要手段，是卫星遥感与航空遥感的强有力补充。空中无人机遥感技术可在不同高度任意地进行数据采集，可获取高分辨率、高清晰度的影像数据。因此，空中无人机遥感可随时随地采集地面大气环境状况的数据，用以辅助卫星遥感图解译困难的大气污染物严重的区域。从卫星遥感影像数据中可得影像分辨率比较低，影像比较模糊，具体的地物及大气环境参数信息不清楚，影响了反演大气环境参数的精度；而无人机遥感影像分辨率大大提高，可清晰地辨识地物信息，在大气污染物严重的区域可提供精细的地物信息，可为大气污染物区域状况提供清晰可靠的数据来源。
3.2)多源数据融合单元
经过预处理的卫星影像图是带有地理空间坐标的影像；由于无人机上安装有GPS定位装置，因此无人机搭载的空中数据采集模块(该实施例中为多参数大气气体监测仪NEsensor)获取的气溶胶污染物(PM10，PM2.5，灰霾等)和气态污染物(比如，CO、NO、SO2、NO2、O3等)的环境数据均带有三维地理空间定位坐标数据和各污染物参数的具体数据值。对于地面数据采集模块(大气自动检测站点)安装定位设备，监测获取的环境参数的数据也均带有地理空间坐标属性的。由于三个平台获取的数据的类型不一致，格式不同，分辨率也不一样，因此，需要通过多源数据融合单元来对卫星上、空中和地面的环境数据三者进行融合，融合为统一的特定格式数据。
本实施例的大气环境质量监测体系中，主要有栅格影像数据(如图3左图所示)和矢量影像数据(如图3右图所示)。栅格影像的数据结构较简单，与空间数据的叠置和组合比较容易，有利于与其他遥感影像的匹配应用于分析；在各类空间分析与地理现象模拟均比较容易。矢量数据具有结果严密，冗余度小，数据小优势；同时矢量数据结构的拓扑关系清晰，易于进行网络分析；图像的显示质量好，精度高，同时能够实现图形数据的恢复与综合应用。从图3中可发现，栅格数据可展示地物状况比较直观，但不存在拓扑关系，而矢量数据格式具有完整的空间结构联系性，拓扑关系比较好，表达更加直观清晰。
在多源数据融合单元中，融合后的预设格式数据可以为栅格数据、矢量数据和元数据三种数据格式中的一种，且三种数据格式各具有其优势。但在本实施例的大气质量监测体系中，需要对各类大气环境质量参数的分布范围及状况进行具体监测，因此本实施例中优选选用矢量数据格式作为预设格式数据。
选用矢量数据有以下有益效果：
a、在大气环境质量监测体系中，矢量数据对大气环境各参数的目标物体的数值的表达更加具体，展示效果好、各大气环境要素的空间地理位置的精度高。
b、矢量数据格式矢量数据的结构紧凑，冗余度低，并具有空间实体的拓扑信息，容易定义和操作单个空间实体，便于进行大气质量中污染物的网络分析，与元数据相比，矢量数据赋值的大气环境质量各要素的数值具有空间结构的连续性与相关性。
c、矢量数据不会随着图像的放大导致显示的模糊，不存在像栅格数据在展示放大后的显示模糊。
此外，栅格数据存在图形数据量大，在大像元减少数据量时，精度和信息量会受损失；难以建立空间网络连接关系，图形的数据质量较低等缺点。元数据不具有空间数据的拓扑结构，同时不能进行直观地展示大气环境各要素的数据的空间分布状况。因此，矢量数据在展示效果上保证清晰度与稳定性。因此，在本实施例的大气环境质量的要素监测体系中，将多源数据融合为矢量数据格式是最优化的。
下面对三种预设数据格式的融合过程进行介绍：
①：融合为统一的矢量数据，矢量数据对目标物体的表达更加具体，质量好、精度高。
(1)由于卫星遥感影像栅格数据，在ArcGIS10.2软件中进行精确地特征提取并转化为卫星数据分布状况矢量图，同时卫星遥感影像数据的区域范围大，因此，以卫星影像图的矢量图为三者数据融合的基础。
(2)根据空中数据采集模块采集的空中数字数据和数据预处理单元预处理后的空中影像图中各环境参数的空间坐标的数据值，在ArcGIS10.2软件中绘制成基于空间坐标数据的空中数据分布状况矢量图；
(3)在ArcGIS10.2软件中，依据地面数据采集模块采集的地面数字数据，绘制成基于空间坐标数据的地面数据分布状况矢量图；
(4)将空中数据和地面数据的分布状况矢量图融合至卫星数据分布状况矢量图中，并对空中数据、地面数据和卫星数据分别进行标注显示。
在经过三者数据的融合得到的格式为*.SHP的统一的图形信息的矢量数据，实现矢量数据的统一存储与管理。矢量数据的结构紧凑，冗余度低，并具有空间实体的拓扑信息，容易定义和操作单个空间实体，便于进行大气质量中污染物的网络分析。
②：融合为统一的栅格数据，由于卫星影像图和空中影像图是栅格数据。因此，以基于预处理后卫星影像图为基础，来进行融合。
(1)将空中数据采集模块采集的空中数字数据和数据预处理单元预处理后的空中影像图中各环境参数的空间坐标的数据值转换成Excel数据表导出，在ArcGIS10.2软件中，依据各环境参数在该数据表中的不同地理空间坐标的数据值，绘制成基于空间坐标数据的空中分布状况矢量图，并转化成空中数据的栅格影像图。
(2)将地面数据采集模块采集的地面数字数据中各环境参数的地理空间坐标的数据值导出，在ArcGIS10.2软件中，依据各环境参数在地理空间坐标的不同时刻数据值，绘制成基于空间坐标数据的地面分布状况矢量图，并转化成地面数据的栅格影像图。
(3)将空中数据和地面数据的栅格影像图融合至经过数据预处理单元预处理后的卫星影像图中，并对空中数据、地面数据和卫星数据分别进行标注显示。
在经过三者数据的融合得到的格式为*.TIFF的统一的数字地图的栅格数据，实现栅格数据的统一存储与管理。可更直观地、明确地获取研究区域大气污染物的分布状况，栅格数据可与影像和数字高程模型数据进行联合空间分析，数据更容易共享实现。
③：融合为统一的元数据，元数据主要是包含*.TXT格式的文本信息以及*.SHP空间化信息。
在提取数据预处理单元预处理后的卫星影像图中的大气污染严重的区域的数据信息，以及提取基于空中数据采集模块和基于地面数据采集模块的环境数据的文本及空间坐标信息后，需要对三者的文本信息进行统一保存管理，达到融合为统一的元数据。
3.3)数据特征提取单元
数据特征提取单元主要包含卫星数据提取组件、空中数据提取组件，以及地面数据提取组件三个组件。通过三个组件从融合后的特定格式数据中分别提取出卫星上、空中和地面的环境数据中的环境参数的数据值和分布状况。
在卫星上的环境参数的提取过程中，通过环境参数反演模型对研究区域内的大气环境质量中的气溶胶污染物(PM10，PM2.5，灰霾等)的分布区域及状况进行宏观范围的影像数据的定性获取。
在空中的环境参数的提取过程中，主要基于无人机可在不同高度对大气质量进行全方位的监测优势，主要从气体监测仪(空中数据采集模块)采集的空中数字数据中提取大气环境质量中的气溶胶污染物(PM10，PM2.5，灰霾等)和气态污染物(CO、NO、SO2、NO2、O3等)的严重污染区域的范围以及各环境参数超过设定的阈值的重点监测区域。
在地面的环境参数的提取过程中，可利用大气自动检测站点(地面数据采集模块)全天候监测的特点，对大气环境质量中的气溶胶污染物(PM10，PM2.5，灰霾等)和气态污染物(CO、NO、SO2、NO2、O3等)各环境参数的指标进行全天候的数据实时采集监测工作，使大气环境监测更加完整，并在数据监控模块中设定相应的阈值，对于各环境参数的数据值超过预设阈值的环境参数进行提取，并设定警示警报功能。
通过以上三种数据特征的提取，可更完整地、更全面地获取研究区域内大气质量污染物的分布特征与分布状况。
4)数据监控模块
数据监控模块包含实时监测单元、预报预警单元及综合分析单元。
在实时监测单元中包含数据接收、数据处理及数据管理；在预报预警模块中包含信息展示、动态预报及智能报警；在综合分析模块中包含状况分析、污染评价及演变评估。通过将功能需求进行合理化的分配，以达到平台功能模块化的目的。
①在数据监控模块中，为大气质量污染物的实时监测的稳定性，本实施例中使用Window操作系统、PC设备、ArcGIS Engine Runtime软件作为计算机硬件以及软件运行的操作平台。另外还采用跨平台开发语言Java，及多种web技术和地图API等，支持MySQL、Oracle、Sqlserver多种数据库等，来满足大气质量污染物实时监测稳定性的需求。
在数据监控模块的实时可视化图形界面设计中，前端UI采用INSPINA实现，在此方面的设计按照简洁直观且功能完善的操作原则进行设计，提高远程监控平台的设计及运行的效率。
在数据监控模块的结构设计中，通过多方面综合分析，选择Microsoft Access数据库、ArcGIS engine二次开发工具、Visual Studio平台、ArcGIS 10.2，同时选择MySQL数据库、Three.js 3D渲染引擎、Windows Server 2012平台及Apache Tomcat 8运行环境来满足系统结构设计需求。
②在实时监测单元中，实现对监测数据的远程查看、转换导出和存储分析。由于数据监控模块的设置位置不受地域时空限制，尤其对地面数据采集模块采集的全天候监测大气环境的数据可实时在线查看，数据的精确度和效率都大大提高。
③在预报预警单元中，可实时获取大气环境中气溶胶污染物(PM10，PM2.5，灰霾等)和气态污染物(CO、NO、SO2、NO2、O3等)各环境参数的动态信息。同时对各环境参数的数据值设定阈值，当实时监测的数据值超过该阈值时，预报预警单元自动提醒预报该大气污染物参数超标，并及时进行预报预警显示。
④在综合分析单元中，可对大气质量中的大气污染物的各参数进行综合分析，尤其是对污染物的状况进行重点分析，可通过绘制污染物区域图及扩散图，及时显示污染物的区域；并根据大气污染物的状况进行污染源分析，以及对污染物周围进行环境评价。通过长时间的监测获取时空数据，可得到研究区域内大气质量中污染物各参数的动态变化的响应机制，并可进一步探讨大气污染的恢复及演变的机理，并验证该实施例中的技术方法在大气质量监测有预警的可靠性。
⑤通过构建数据监控模块，对大气质量污染物各参数进行实时监测与预报预警。该数据监控模块包含对大气质量污染物进行实时监测，对监测参数超标的区域进行准确、及时响应预报预警，以及对大气质量进行污染状况的在线综合分析与成果获取。
本实施例中的天空地一体化大气监测系统是基于天上的卫星遥感影像进行大范围的大气质量的反演监测，基于空中的无人机搭载的多参数的大气质量监测仪进行大气环境监测，以及基于地面的固定端的大气自动监测站点三者相结合的系统，其实现了全方位的、多维度、精细化的大气质量综合监测。
所述卫星数据采集模块为基于卫星为平台搭载的可见光、热红外等探测仪器，通过摄影或扫描、信息感应、传输和处理对大气质量的气溶胶污染物(PM10，PM2.5，灰霾等)进行宏观监测，可确定大范围区域的大气质量空间分布状况。
所述空中数据采集模块为基于无人机搭载的融合多参数传感器对大气污染区域的各参数进行不同空间高度、不同区域的精细化的污染分布状况及扩散的监测。
所述地面数据采集模块为基于地面布置的固定端大气自动监测站点对气溶胶污染物(PM10，PM2.5，灰霾等)和气态污染物(CO、NO、SO2、NO2、O3等)各参数进行全天候、实时的固定监测。同时结合地面的移动端传感器进行近地面的污染物的流动监测，来确定近地面大气环境的污染物的时空分布。
所述数据处理模块和数据监控模块均设定在地面监控站内，在地面监控站中可远程控制及接收各数据采集模块采集的信息，并对采集的环境数据进行实时分析与预报预警功能。在地面监控站中根据接收到的各环境数据信息，对获取的三类数据进行有效地统一融合、处理及分析，才能为大气质量监测的综合分析提供重要的数据来源。总之，通过构建天空地一体化体系可对大气质量监测与预报预警提供重要的数据来源与技术支撑作用。构建天空地一体化大气监测系统可形成数字化大气质量监测的大数据系统，在局部区域出现大气质量污染问题时，大气环境保护工作者可及时对大气环境进行污染物的清除解决工作，并通过对大数据综合分析，发现大气环境环境的时空演进及变化规律。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。
Claims (8)
1.一种天空地一体化大气监测系统，包括：数据采集模块、数据存储模块、数据处理模块和数据监控模块，所述数据采集模块将采集的数据发送至数据存储模块进行存储，数据处理模块对数据存储模块中存储的数据进行处理，数据监控模块对数据处理模块处理完的数据进行监控，其特征在于，所述数据采集模块包括卫星数据采集模块、空中数据采集模块和地面数据采集模块，分别用于采集卫星上、空中和地面的环境数据；
其中，卫星上的环境数据为卫星影像图，空中的环境数据包括空中影像图和空中数字数据，地面的环境数据为地面数字数据；
所述数据处理模块包括数据预处理单元、多源数据融合单元和数据特征提取单元；
所述数据预处理单元的功能为：
(1)对卫星数据采集模块采集的卫星影像图进行预处理，将卫星影像图转化为可还原提取环境参数的影像图；
(2)对空中数据采集模块采集的空中影像图进行预处理，消除空中影像图中的地理误差，使空中影像图中包含空间坐标数据；
所述多源数据融合单元根据数据预处理单元预处理完成的数据，将卫星上、空中和地面的环境数据三者融合为统一的预设格式数据；
所述数据特征提取单元根据多源数据融合单元融合后的预设格式数据，提取出卫星上、空中和地面的环境数据中的环境参数的数据值和分布状况；
所述数据监控模块根据数据特征提取单元提取的环境参数的数据值和分布状况和预设的阈值，对环境情况进行监控。
2.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：卫星影像图的预处理过程为：
(1)进行大气辐射校正，消除噪声的影响，减少影像的误差；
(2)以研究区域为目标范围进行几何校正；
(3)进行镶嵌处理，并消除卫星影像图中的云层和阴影；
(4)将卫星影像图的亮度值转换成地表反射率或大气反射率。
3.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：空中影像图的预处理过程为：
(1)对空中影像图进行畸变差去除后，进行内定向、相对定向和绝对定向处理；
(2)通过空三加密计算进行区域网平差，生成数字高程模型；
(3)利用数字高程模型得出空中影像图的数字正射影像图。
4.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：所述预设格式数据为栅格数据、矢量数据和元数据三种数据中的一种。
5.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：所述预设格式数据为矢量数据，所述多源数据融合单元的融合过程为：
(1)根据数据预处理单元预处理后的卫星影像图，建立基于空间坐标数据的卫星数据分布状况矢量图；
(2)根据空中数据采集模块采集的空中数字数据和数据预处理单元预处理后的空中影像图，建立基于空间坐标数据的空中数据分布状况矢量图；
(3)根据地面数据采集模块采集的地面数字数据，建立基于空间坐标数据的地面数据分布状况矢量图；
(4)将空中数据和地面数据的分布状况矢量图融合至卫星数据分布状况矢量图中，并对空中数据、地面数据和卫星数据分别进行标注显示。
6.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：所述环境参数包括气溶胶污染物和气态污染物。
7.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：所述空中数据采集模块设置于不同高度的无人机上。
8.根据权利要求1所述的天空地一体化大气监测系统，其特征在于：所述数据监控模块包含实时监测单元、预报预警单元及综合分析单元，所述实时监测单元用于对环境数据进行接收、处理和管理，所述预报预警单元用于根据预设的各环境参数的阈值对超出阈值的环境参数进行预警，所述综合分析单元用于对环境质量进行环境状况分析、污染评价和演变评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910333390.7A CN110068655B (zh) | 2019-04-24 | 2019-04-24 | 一种天空地一体化大气监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910333390.7A CN110068655B (zh) | 2019-04-24 | 2019-04-24 | 一种天空地一体化大气监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110068655A true CN110068655A (zh) | 2019-07-30 |
| CN110068655B CN110068655B (zh) | 2022-04-22 |
Family
ID=67368747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910333390.7A Active CN110068655B (zh) | 2019-04-24 | 2019-04-24 | 一种天空地一体化大气监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110068655B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110502598A (zh) * | 2019-08-22 | 2019-11-26 | 华东师范大学 | 智能自主定位与时空地理数据融合方法 |
| CN110617800A (zh) * | 2019-08-21 | 2019-12-27 | 深圳大学 | 基于民航客机的应急遥感监测方法、系统及存储介质 |
| CN110865040A (zh) * | 2019-11-29 | 2020-03-06 | 深圳航天智慧城市系统技术研究院有限公司 | 天空地一体化高光谱水质监测分析方法 |
| CN113034363A (zh) * | 2021-03-11 | 2021-06-25 | 云南电网有限责任公司电力科学研究院 | 基于GEE深度时空经验Kringing区域尺度的氮氧化物速降方法 |
| CN113776585A (zh) * | 2021-08-27 | 2021-12-10 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 |
| CN114547229A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
| CN114757583A (zh) * | 2022-05-19 | 2022-07-15 | 安徽科创中光科技股份有限公司 | 基于生态环境大数据的智能监管系统及监管方法 |
| CN115754160A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于空天地一体化数据融合的碳排检测系统 |
| CN115857595A (zh) * | 2023-03-02 | 2023-03-28 | 安徽星辰智跃科技有限责任公司 | 基于用户心境的功能环境调节方法、系统和装置 |
| CN116026778A (zh) * | 2023-01-09 | 2023-04-28 | 中国科学院空天信息创新研究院 | 一种基于天空地的园区碳排放综合监控系统和方法 |
| CN116776104A (zh) * | 2023-08-21 | 2023-09-19 | 华南理工大学 | 基于机器学习实现大气成分的变化规律分析方法及系统 |
| CN116026990B (zh) * | 2023-01-09 | 2023-10-03 | 中国科学院空天信息创新研究院 | 一种基于边缘云计算的天空地碳监测系统与方法 |
| CN118646848A (zh) * | 2024-08-12 | 2024-09-13 | 北京航空航天大学杭州创新研究院 | 一种变色立木天空地一体化监测系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126813A (zh) * | 2007-09-29 | 2008-02-20 | 北京交通大学 | 一种高分辨率卫星遥感影像中构筑物轮廓提取方法 |
| CN105277233A (zh) * | 2015-09-14 | 2016-01-27 | 东南大学 | 天空地一体化土地数据获取系统和方法 |
| CN105868533A (zh) * | 2016-03-23 | 2016-08-17 | 四川理工学院 | 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 |
| CN106680170A (zh) * | 2017-02-28 | 2017-05-17 | 山东敏诚实验设备有限公司 | 区域大气污染空地一体实时监测预警系统及方法 |
| CN106950334A (zh) * | 2017-03-06 | 2017-07-14 | 同济大学 | 一种空间分布式城市空气环境质量的移动监测系统 |
| CN108288059A (zh) * | 2017-12-29 | 2018-07-17 | 中国电子科技集团公司第二十七研究所 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
| CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
| CN108805368A (zh) * | 2018-09-06 | 2018-11-13 | 天津珞雍空间信息研究院有限公司 | 一种基于空天地一体化的大气环境智能化管理系统 |
| CN109341766A (zh) * | 2018-10-16 | 2019-02-15 | 北京厚力德仪器设备有限公司 | 一种大气综合垂直测量系统 |
| CN109655583A (zh) * | 2018-12-14 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种基于卫星遥感的大气环境地面监测站点布控组网方法 |
-
2019
- 2019-04-24 CN CN201910333390.7A patent/CN110068655B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126813A (zh) * | 2007-09-29 | 2008-02-20 | 北京交通大学 | 一种高分辨率卫星遥感影像中构筑物轮廓提取方法 |
| CN105277233A (zh) * | 2015-09-14 | 2016-01-27 | 东南大学 | 天空地一体化土地数据获取系统和方法 |
| CN105868533A (zh) * | 2016-03-23 | 2016-08-17 | 四川理工学院 | 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 |
| CN106680170A (zh) * | 2017-02-28 | 2017-05-17 | 山东敏诚实验设备有限公司 | 区域大气污染空地一体实时监测预警系统及方法 |
| CN106950334A (zh) * | 2017-03-06 | 2017-07-14 | 同济大学 | 一种空间分布式城市空气环境质量的移动监测系统 |
| CN108288059A (zh) * | 2017-12-29 | 2018-07-17 | 中国电子科技集团公司第二十七研究所 | 一种基于高分辨率遥感技术的建筑垃圾监测方法 |
| CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
| CN108805368A (zh) * | 2018-09-06 | 2018-11-13 | 天津珞雍空间信息研究院有限公司 | 一种基于空天地一体化的大气环境智能化管理系统 |
| CN109341766A (zh) * | 2018-10-16 | 2019-02-15 | 北京厚力德仪器设备有限公司 | 一种大气综合垂直测量系统 |
| CN109655583A (zh) * | 2018-12-14 | 2019-04-19 | 天津珞雍空间信息研究院有限公司 | 一种基于卫星遥感的大气环境地面监测站点布控组网方法 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110617800A (zh) * | 2019-08-21 | 2019-12-27 | 深圳大学 | 基于民航客机的应急遥感监测方法、系统及存储介质 |
| CN110502598A (zh) * | 2019-08-22 | 2019-11-26 | 华东师范大学 | 智能自主定位与时空地理数据融合方法 |
| CN110865040A (zh) * | 2019-11-29 | 2020-03-06 | 深圳航天智慧城市系统技术研究院有限公司 | 天空地一体化高光谱水质监测分析方法 |
| CN113034363B (zh) * | 2021-03-11 | 2024-04-09 | 云南电网有限责任公司电力科学研究院 | 基于GEE深度时空经验Kringing区域尺度的氮氧化物速降方法 |
| CN113034363A (zh) * | 2021-03-11 | 2021-06-25 | 云南电网有限责任公司电力科学研究院 | 基于GEE深度时空经验Kringing区域尺度的氮氧化物速降方法 |
| CN113776585A (zh) * | 2021-08-27 | 2021-12-10 | 国家卫星气象中心(国家空间天气监测预警中心) | 基于像元矩阵的地理要素多尺度四维立体观测方法及系统 |
| CN114547229A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
| CN114547229B (zh) * | 2022-04-27 | 2022-08-02 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
| CN114757583A (zh) * | 2022-05-19 | 2022-07-15 | 安徽科创中光科技股份有限公司 | 基于生态环境大数据的智能监管系统及监管方法 |
| CN115754160A (zh) * | 2022-11-25 | 2023-03-07 | 中国科学院空天信息创新研究院 | 一种基于空天地一体化数据融合的碳排检测系统 |
| CN116026778A (zh) * | 2023-01-09 | 2023-04-28 | 中国科学院空天信息创新研究院 | 一种基于天空地的园区碳排放综合监控系统和方法 |
| CN116026990B (zh) * | 2023-01-09 | 2023-10-03 | 中国科学院空天信息创新研究院 | 一种基于边缘云计算的天空地碳监测系统与方法 |
| CN116026778B (zh) * | 2023-01-09 | 2024-04-02 | 中国科学院空天信息创新研究院 | 一种基于天空地的园区碳排放综合监控系统和方法 |
| CN115857595A (zh) * | 2023-03-02 | 2023-03-28 | 安徽星辰智跃科技有限责任公司 | 基于用户心境的功能环境调节方法、系统和装置 |
| CN116776104A (zh) * | 2023-08-21 | 2023-09-19 | 华南理工大学 | 基于机器学习实现大气成分的变化规律分析方法及系统 |
| CN116776104B (zh) * | 2023-08-21 | 2023-11-10 | 华南理工大学 | 基于机器学习实现大气成分的变化规律分析方法及系统 |
| CN118646848A (zh) * | 2024-08-12 | 2024-09-13 | 北京航空航天大学杭州创新研究院 | 一种变色立木天空地一体化监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110068655B (zh) | 2022-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110068655A (zh) | 一种天空地一体化大气监测系统 | |
| CN113065000B (zh) | 一种基于地理实体的多源异构数据融合方法 | |
| CN103942941B (zh) | 基于gis的移动监测融合平台 | |
| CN203786891U (zh) | 基于gis的移动监测融合平台 | |
| CN101281142B (zh) | 一种测量大气能见度的方法 | |
| CN116504032B (zh) | 一种基于实景三维的滑坡危险性监测预警方法及系统 | |
| CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
| WO2024021225A1 (zh) | 一种高解析度真彩可见光模型生成、反演方法及其系统 | |
| CN110189405B (zh) | 一种顾及建筑物密度的实景三维建模方法 | |
| CN104978743B (zh) | 一种多核并行sar图像变化信息实时提取方法 | |
| CN109375290B (zh) | 一种基于机器学习的跨海大桥雾监测系统及其应用方法 | |
| CN109670789A (zh) | 一种用于生产建设项目水土保持的遥感监测系统 | |
| CN113343777B (zh) | 一种面向自然灾害应急响应的卫星快速规划方法及系统 | |
| CN116994156B (zh) | 一种滑坡隐患综合遥感识别方法、系统、设备及介质 | |
| Aplin | 2 Comparison of simulated IKONOS and SPOT HRV imagery for | |
| CN117611978A (zh) | 一种土地资源测绘数据库的构建方法及系统 | |
| CN117036972A (zh) | 一种基于卫星数据自动判别全球大型点源排放烟羽方法 | |
| CN212645782U (zh) | 基于景感生态学的生态环境物联网监测系统 | |
| CN112686988B (zh) | 三维建模方法、装置、电子设备及存储介质 | |
| Ni et al. | Smart Sensor Network Optimization and Line Defect Identification Based on UAV Transmission Inspection under 5G Technology | |
| CN114646299A (zh) | 一种基于大型无人机增强态势感知的多源遥感数据获取与处理方法 | |
| Kekula et al. | AN EMPIRICAL STUDY OF RELATIONSHIPS BETWEEN URBAN LIGHTING INDICATORS AND NIGHT-TIME LIGHT RADIANCE. | |
| Doloksaribu et al. | Webgis Model of Agricultural Land Management Using a Remote Sensing Technique in Merauke Regency of Papua | |
| CN117911890A (zh) | 一种自然资源星地一体化监测方法 | |
| CN112800895B (zh) | 基于深度学习算法识别建筑物的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |