CN110361331A - 基于rs/gis的城市地质环境动态监测与评价方法 - Google Patents

基于rs/gis的城市地质环境动态监测与评价方法 Download PDF

Info

Publication number
CN110361331A
CN110361331A CN201910498904.4A CN201910498904A CN110361331A CN 110361331 A CN110361331 A CN 110361331A CN 201910498904 A CN201910498904 A CN 201910498904A CN 110361331 A CN110361331 A CN 110361331A
Authority
CN
China
Prior art keywords
data
water
gis
evaluation
module
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
Application number
CN201910498904.4A
Other languages
English (en)
Other versions
CN110361331B (zh
Inventor
李树良
董昕
周猛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University Of Finance And Economics
Original Assignee
Industrial And Commercial University Of Chongqing School Of Wisdom
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial And Commercial University Of Chongqing School Of Wisdom filed Critical Industrial And Commercial University Of Chongqing School Of Wisdom
Priority to CN201910498904.4A priority Critical patent/CN110361331B/zh
Publication of CN110361331A publication Critical patent/CN110361331A/zh
Application granted granted Critical
Publication of CN110361331B publication Critical patent/CN110361331B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G01N21/53—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种基于RS/GIS的城市地质环境动态监测与评价方法，用于城市水文地质的监测与评价，包括数据采集模块、数据处理模块和综合评价模块，监测和评价步骤包括：数据采集模块采集待测水域水体数据和辅助数据，并将采集数据传送至数据处理模块；数据处理模块对采集的水体数据进行处理，利用层次分析法，计算待测水域各评价指标的权重系数，并将处理结果传送至综合评价模块；综合评价模块基于模糊数学方法对水源地安全等级进行整体评价，可以得到待测水域的总体安全等级。

Description

基于RS/GIS的城市地质环境动态监测与评价方法
技术领域
本发明涉及一种地质环境动态监测技术领域，尤其涉及一种基于RS/GIS的城市地质环境动态监测与评价方法。
背景技术
城市地质环境包括城市水文地质、工程地质、环境地质等，对城市地质环境安全进行实时的动态监测和评价，有助于城市的合理规划及发展，城市水文地质环境的监测还包括对城市陆地表面的水(如河流、湖泊、水库等)和城市地下水水质环境进行监测，从而促进城市水资源的开发利用和安全监管，城市水问地质监测的传统方法需要在水域布置大量的监测点才能得到准确的水质分布信息，这种方法受人力、物力和气候、水文条件的限制，难于进行连续或快速地跟踪监测，RS(遥感)和GIS(地理信息系统)的出现及综合应用，为内陆水域水质的监测和评价提供了新的方法。
自然界中水体的反射波谱曲线与清水的反射波谱曲线之间有很大的差异，自然界中的水体由于水中的藻类及泥沙的影响，反射率比清水高，反射波谱曲线的形态也与其有很大的不同，RS正是利用此原理对水质进行监测和分析；GIS是将空间信息和属性信息相结合处理的一种极为有效的工具，可以把分析结果以图形和报表的形式输出，使监测结果更直观；RS和GIS的结合可实现对城市水质遥感数据、图形数据和属性数据的综合监测与评价，使监测结果更准确有效；然而，现有用于环境监测的遥感器多使用光探测器，传统的基于IV族和II1-V族半导体(例如硅和砷化镓)的光探测器的波谱范围和探测带宽受到其能带和载流子渡越时间的限制，难以实现超快宽带吸收，进一步限制了水质遥感数据的全面有效获取。
为了克服上述现有技术存在的缺陷，本发明提供一种石墨烯光探测器，可实现水域水环境的有效监测和管理；石墨烯具有独特二维平面结构和狄拉克锥形电子能带结构、以及紫外到近红外的宽谱光吸收特性，用石墨烯制作的光探测器具有探测波谱范围宽、超快响应速度和高截止频率的工作特性，将石墨烯薄层应用于光探测器的构建，并通过金属纳米结构增强光吸收度，在保证足够的的光吸收强度下，可实现宽光谱探测。
发明内容
本发明提供一种基于RS/GIS的城市地质环境动态监测与评价方法，其中RS的遥感器使用一种自制的光探测器，实现城市水文地质环境的动态监测和评价，监测和评价结果具有灵敏度和精确度高及全面可靠性。
为实现上述目的，本发明采用下述技术方案：
一种基于RS/GIS的城市地质环境动态监测与评价方法，包括数据采集模块、数据处理模块和综合评价模块，其特征在于，包括以下步骤：
S1.数据采集模块采集待测水域水体数据和辅助数据，并将采集数据传送至数据处理模块；
S2.数据处理模块对采集的水体数据和辅助数据进行处理，利用层次分析法，计算待测水域各评价指标的权重系数，并将处理结果传送至综合评价模块；
S3.综合评价模块基于模糊数学方法对待测水域各评价指标进行安全评价；
其中水体数据包括水源地监测数据和水质遥感数据，辅助数据包括驱动力、状态和响应三大因素数据；
其中，对待测水域各评价指标进行安全评价包括：
S3.1基于地面水源地监测数据和水质遥感数据，对待测水域水质安全指标进行评价；
S3.2基于水质遥感数据及其辅助数据，对待测水域水环境安全指标进行评价；
其中，步骤S3.2中对水源地流域水环境安全指标进行评价之前包括步骤：对遥感数据进行辐射定标、几何纠正、以及大气纠正预处理，得到遥感图像的地表反射率数据。
进一步，所述层次分析法，根据所选取的水质指标，建立水质指标递阶层次结构，并进行各层次指标间的两两比较，建立判断矩阵，然后使用特征根法计算各指标的权重。
进一步，结合各指标关系，建立层次分析树，第一层指标元素标记为A1、A2···AX，第二层指标元素标记为B1、B2···BX，采用1-9级标度规则，根据层次分析法对层次分析树中的第一层指标元素进行统计，构建判断矩阵A，同时对层次分析树中的第一层指标元素进行统计，构建判断矩阵A1、A2···AX。
进一步，根据判断矩阵A计算该矩阵A的最大特征根λAmax、特征向量δA和权重值wA,再根据判断矩阵A1、A2···AX分别计算最大特征根λA1max、λA2max···λAxmax以及权重值wA1、wA2···wAX，最大特征根λAmax根据公式(1)计算：
(1)
λBmax采用式(1)相同方法计算。
权重值根据公式(2)和(3)计算：
(2)
(3)
其中，i和j为矩阵中的因素，i代表行(i＝1,2,…,n)，j代表列(j＝1,2,…,n)，aij为因素i与因素j的重要性之比，n为因素个数，Wi和Wj为判断矩阵各行各列因素的标准化。
进一步，需要采用一致性检验来确认层次单排序结果的准确性，定义一致性指标为:CI＝(λmax－n)/(n－1)，CI越小一致性程度越高，CI为0时有完全的一致性。
进一步，基于模糊数据，根据基本指标等级标准划分情况，拟采用半梯形模糊分布构造水安全评价因子与评价指标的模糊关系矩阵R(ui,vi)，其中rij＝R(ui,vi)(0≤j≤1)表示第i个指标对于第j个等级的隶属度，rij由各评价指标的实际值对照各自分级标准，利用隶属函数R推求得出。
进一步，根据统计结果，得到各指标的评价矩阵，结合所求得的各指标权重，即可进行各指标的评价根据已确定的权重分配集W和模糊矩阵R，用加权平均法进行模糊子集的合成，求出综合评价值E即可进行综合评价。
Ej＝∑(Wi Rij)
(4)
式中:Ej表示准则层对第j等级的隶属度；Wi表示第i个评价指标的权重；Rij表示第i个评价指标对第j等级的隶属度。
综合评价分值H根据式(5)计算：
H＝∑EjSj
(5)
其中Sj表示评价等级集Vj所对应的量化评语集，然后对照评价标准等级，最终确定区域水安全度的评价等级。
进一步，所述S3.1包括对水质类别、水体富营养程度以及水质风险的评价。
进一步，所述遥感监测数据包括叶绿素a和浊度，通过光探测器获取，水源地监测数据包括水体重金属浓度、电导率和有机农药，通过水质传感器获取。
进一步，所述数据采集模块还包含GIS模块，GIS模块对辅助数据进行采集并储存。
进一步，所述辅助数据中驱动力包括城市化水平、人均GDP、第三产业比和渔业产业比，状态包括地表水资源、水域面积比、地表水功能、和均匀度指数，响应包括环保投入GDP比重、垃圾无害化、污水集中处理化、水域保护率。
进一步，所述光探测器包括由下到上依次设置的硅基底薄片、金属电极层、介质层、石墨烯层及纳米多孔金层，在所述石墨烯层两端分别生长第一金属电极与第二金属电极。
进一步，石墨烯层和纳米多孔金层采用转移方法形成，转移的具体步骤如下：
(1)配置石墨烯的N，N-二甲基甲酰胺溶液，采用旋涂的方法在金银合金薄片上制备石墨烯薄膜；
(2)将上述附有石墨烯薄膜的金银合金薄片放入强酸溶液中刻蚀去除金银合金基底中的银，得到附有石墨烯薄层的纳米多孔金薄片；
(3)在惰性气体保护下，将多上述附有石墨烯薄层的纳米多孔金薄片在高温下热处理2h，修复石墨烯膜结构和纳米多孔金结构；
(4)将纳米多孔金支撑的石墨烯薄膜用去离子水清洗干燥后转移到介质层的表面。
进一步，所述强酸刻蚀溶液为浓硝酸溶液，刻蚀时间为6～7h，高温热处理温度为800～1000℃，石墨烯层厚度为30～50nm，并通过控制石墨烯溶液浓度和滴加量控制其厚度。
进一步，所述金属电极层材料为金，厚度在200nm以内；所述介质层为透明Al2O3介质层，所述介质层厚度在100nm以内；纳米多孔金层厚度为100nm，孔径为8～10nm。
进一步，在石墨烯层覆盖一层纳米多孔金，可提高石墨烯光吸收率，提高机理为：在石墨烯层上覆盖一层纳米多孔金后，纳米孔径的存在可使电场增强，使得石墨烯与电场之间耦合增强，进而增加石墨烯的光吸收率。
使用上述方法制备的光探测器，在0.3～1μm波普范围内均有较强响应，在遥感监测过程中，通过水体反射的光子对石墨烯的直接加热作用，导致石墨烯载流子迁移率发生变化，从而引起石墨烯电导率的变化，直接测量这种变化即可实现对水体反射光的探测，根据浮游植物中的叶绿素a与可见和近红外光之间具有特殊的陡坡效应，即叶绿素a含量高的地方反射率的峰值也大的现象来监测富营养化的分布范围然后，从彩色红外图像上的颜色变化来监测富营养化的污染程度，500～600nm波段适合用来监测水体的悬浮物，700～900nm波段的反射率对悬浮物质的浓度变化最敏感，石墨烯层对该波段进行响应，根据波峰出现的位置，就能够清楚地了解水体浑浊度的变化。
有益效果
本发明采用自制的多光谱探测器对城市水质进行遥感探测，并结合GIS实现对城市水质遥感数据、图形数据和属性数据的全面有效监测和评价；本发明使用的光谱探测器在保证足够光响应度条件下，还具有探测波谱范围宽、超快响应速度和高截止频率的特性，采用此光探测器应用于本发明的水质遥感监测，监测灵敏度和精确度都显著提高；此外，本发明在综合RS和GIS基础上，还设置了水质传感器，使采集的水质信息更全面，提高了监测结果的准确性。
附图说明
图1为基于RS/GIS的城市地质环境动态监测与评价方法流程图；
图2为本发明使用的光探测器结构示意图；
图3为实施例1～3光探测器不同波段吸收率随石墨烯层厚度的变化曲线；
图4为实施例4～6光探测器不同波段吸收率随石墨烯层厚度的变化曲线；
图5为实施例7～9光探测器不同波段吸收率随石墨烯层厚度的变化曲线；
图6为实施例5和对比例光探测器不同波段吸收率曲线。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例；基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
实施例1
一种基于RS/GIS的城市地质环境动态监测与评价方法，如图1所示，包括数据采集模块、数据处理模块和综合评价模块，数据采集模块包括光探测器、水质传感器及GIS模块；光探测器通过将获取的待测水域的反射光吸收峰与清水反射光吸收峰对比，可获取待测水域叶绿素a和浊度，依此可判断水体富营养化程度；水质传感器获取水体重金属浓度、电导率、有机农药等，GIS模块采集并存储有辅助数据，辅助数据包括驱动力、状态和响应三大因素数据；GIS模块还具有对存储数据进行矢量表达并可视化的功能，能够显示水质地图信息。
所述辅助数据中驱动力包括城市化水平、人均GDP、第三产业比和渔业产业比，状态包括地表水资源、水域面积比、地表水功能、和均匀度指数，响应包括环保投入GDP比重、垃圾无害化、污水集中处理化、水域保护率。
所述水质传感器设置于待测水域中，通常选取多个监测点进行监测，在各个监测点还设有GPS导航系统，用来确定各个监测点位置，并将监测数据传送至数据处理模块。
采用一种自制的光探测器作为本发明的水质遥感监测，如图2所示，由下至上依次包括硅基底薄片(1)、金电极层(2)、透明Al2O3介质层(3)、石墨烯层(4)及纳米多孔金层(5)，在所述石墨烯层两端分别生长第一金属电极(6)与第二金属电极(7)。
其中，石墨烯层和纳米多孔金层采用转移方法一步形成，转移的具体步骤如下：
(1)配置石墨烯的N，N-二甲基甲酰胺溶液，采用旋涂的方法在厚度为100nm金银合金薄片上制备厚度为30nm石墨烯薄膜；
(2)将上述附有石墨烯薄膜的金银合金薄片放入浓硝酸中刻蚀6～7h除去金银合金基底中的金属银，得到附有石墨烯薄层的纳米多孔金薄片，平均孔径为8nm；
(3)在惰性气体保护下，将上述附有石墨烯薄层的纳米多孔金薄片在800℃下热处理2h，修复石墨烯膜结构和纳米多孔金结构；
(4)将纳米多孔金支撑的石墨烯薄膜用去离子水清洗干燥后转移到介质层的表面。
本发明通过以下技术方案实现城市地质环境动态监测与评价：
S1.数据采集模块采集待测水域水体数据和辅助数据，并将采集数据传送至数据处理模块；
S2.数据处理模块对采集的水体数据进行处理，利用层次分析法，计算水源地各评价指标的权重系数，并将处理结果传送至综合评价模块；
S3.综合评价模块基于模糊数学方法对待测水域各评价指标进行安全评价；
其中水体数据包括水源地监测数据和水质遥感数据，辅助数据包括驱动力、状态和响应三大因素数据。
其中，对待测水域各评价指标进行安全评价包括：
S3.1基于地面水源地监测数据和水质遥感数据，对待测水域水质安全指标进行评价；
S3.2基于水质遥感数据及其辅助数据，对待测水域水环境安全指标进行评价；
其中，步骤S3.2中对水源地流域水环境安全指标进行评价之前包括步骤：对遥感数据进行辐射定标、几何纠正、以及大气纠正预处理，得到遥感图像的地表反射率数据。
对待测水域水环境安全指标进行评价包括：
对土地利用情况进行评价：结合预处理后的遥感数据以及地面调查数据，基于不同地物具有不同光谱的特点，针对遥感图像进行不同地类的识别与提取，根据不同地类的不同特点，对水源地流域的土地利用情况进行安全评价；
对植被覆盖情况进行评价：根据预处理得到的地表反射率数据，计算植被覆盖度，并结合不同覆盖度植被对水生态安全的影响，对植被覆盖度进行安全评价。
所述S3.1包括对水质类别、水体富营养程度以及水质风险的评价，主要的监测内容包括：监测期内不同类别水质出现的频次，水体富营养化的程度，影响水质安全的风险等级；监测目的是了解水源地水质的基本情况及将来安全等级，为水源地保护及相应安全监管提供依据。
进一步，结合各指标关系，建立层次分析树，第一层指标元素标记为A1、A2···AX，第二层指标元素标记为B1、B2···BX，采用1-9级标度规则，根据层次分析法对层次分析树中的第一层指标元素进行统计，构建判断矩阵A，同时对层次分析树中的第一层指标元素进行统计，构建判断矩阵A1、A2···AX。
进一步，根据判断矩阵A计算该矩阵A的最大特征根λAmax、特征向量δA和权重值wA,再根据判断矩阵A1、A2···AX分别计算最大特征根λA1max、λA2max···λAxmax以及权重值wA1、wA2···wAX，最大特征根λAmax根据公式(1)计算：
(1)
权重值根据公式(2)和(3)计算：
(2)
(3)
其中，i和j为矩阵中的因素，i代表行(i＝1,2,…,n)，j代表列(j＝1,2,…,n)，aij为因素i与因素j的重要性之比，n为因素个数，Wi和Wj为判断矩阵各行各列因素的标准化。
需要采用一致性检验来确认层次单排序结果的准确性，定义一致性指标为:CI＝(λmax－n)/(n－1)，CI越小一致性程度越高，CI为0时有完全的一致性。
基于模糊数据，根据基本指标等级标准划分情况，拟采用半梯形模糊分布构造水安全评价因子与评价指标的模糊关系矩阵R(ui,vi)，其中rij＝R(ui,vi)(0≤j≤1)表示第i个指标对于第j个等级的隶属度，rij由各评价指标的实际值对照各自分级标准，利用隶属函数R推求得出。
根据统计结果，得到各指标的评价矩阵，结合所求得的各指标权重，即可进行各指标的评价根据已确定的权重分配集W和模糊矩阵R，用加权平均法进行模糊子集的合成，求出综合评价值E即可进行综合评价。
Ej＝∑(Wi Rij)
(4)
式中:Ej表示准则层对第j等级的隶属度；Wi表示第i个评价指标的权重；Rij表示第i个评价指标对第j等级的隶属度。
综合评价分值H根据式(5)计算：
H＝∑EjSj
(5)
其中Sj表示评价等级集Vj所对应的量化评语集。然后对照评价标准等级，最终确定区域水安全度的评价等级。表1为水体安全等级评价标准。
表1水体安全等级评价标准
H 安全等级 安全状态
0.0～0.2 Ⅰ 恶劣
0.2～0.4 Ⅱ 较差
0.4～0.6 Ⅲ 一般
0.6～0.8 Ⅳ 良好
0.8～1 Ⅴ 理想
实施例2-9
实施例2-9提供一种基于RS/GIS的城市地质环境动态监测与评价方法，与实施例1相比，不同之处在于，改变所述光探测器中石墨烯厚度及热处理温度，研究热处理温度和石墨烯层厚度对探测器光吸收率的影响，具体条件参数如下表2所示。
表2各实施例具体条件参数
实施例 热处理温度/℃ 石墨烯层厚度/nm 纳米多孔金层
实施例1 800 30 有
实施例2 800 40 有
实施例3 800 50 有
实施例4 900 30 有
实施例5 900 40 有
实施例6 900 50 有
实施例7 1000 30 有
实施例8 1000 40 有
实施例9 1000 50 有
对比例 900 40 未刻蚀
实施例2和3的监测与评价方法及光探测器制备方法与实施例1相同，仅改变光探测器中石墨烯层厚度，分别为40nm和50nm。
测试上述光探测器在0.3～1μm光谱范围内光吸收率，结果如图3所示，显示了光探测器在波长为375nm、550nm和850nm处的光吸收率；从图3中可以看出光探测器对三个波段光吸收率均随着厚度增加而增加，最高达39％左右，相比石墨烯本身光吸收率提高十几倍。
实施例4-6的监测与评价方法及光探测器制备方法同实施例1相同，高温热处理温度为900℃，厚度分别为30nm、40nm、50nm，对波长为375nm、550nm和850nm光吸收率测试结果如图4所示；从图4中可以看出，光探测器对三个波段光吸收率同样随着厚度增加而增加，最高达44％，说明900℃热处理温度，对石墨烯和多孔结构修复效果更好。
实施例5-9的监测与评价方法及光探测器制备方法同实施例1相同，高温热处理温度为1000℃，厚度分别为30nm、40nm、50nm，对波长为375nm、550nm和850nm光吸收率测试结果如图5所示；光探测器对三个波段光吸收率均同样随着厚度增加而增加，但相同厚度下，光吸收率略低于900℃下吸收率，说明温度过高反而不利于石墨烯和多孔结构的修复。
对比例的监测与评价方法及光探测器制备方法同实施例1相同，高温热处理温度为900℃，厚度分别为40nm，但未进行刻蚀除银，无纳米多孔结构；图6为对比例和实施例5光吸收率测试结果，发现光吸收率相比石墨烯本身的2.3％只略有提高，远低于刻蚀后具有纳米多孔结构的探测器。
通过对比，说明随着石墨烯膜的厚度的增加，探测器光吸收度增强，响应度有所提高，且热处理温度为900℃时效果最佳；由于当厚度超过40nm时，随着厚度的增加，石墨烯膜内会逐渐形成气孔结构，不利于光生载流子的有效分离，导致响应度降低，因此综合考虑，本发明选取热处理温度为900℃、石墨烯厚度为40nm的探测器。
将上述制备的光探测器用于本发明提供的基于RS/GIS的城市地质环境动态监测与评价方法，采集到的叶绿素a和浊度光谱信息准确可靠，再辅以水质传感器监测电导率、溶解氧、重金属浓度等数据，数据处理模块在接收到监测数据后，结合GIS储存的数据，进行综合处理，综合评价模块根据所述GIS模块所提供的水质地图信息各指标权重指数，对待监测水域的水质状况进行安全等级评价。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于RS/GIS的城市地质环境动态监测与评价方法，包括数据采集模块、数据处理模块和综合评价模块，其特征在于，包括以下步骤：
S1.数据采集模块采集待测水域水体数据和辅助数据，并将采集数据传送至数据处理模块；
S2.数据处理模块对采集的水体数据和辅助数据进行处理，利用层次分析法，计算水源地各评价指标的权重系数，并将处理结果传送至综合评价模块；
S3.综合评价模块基于模糊数学方法对待测各评价指标进行安全评价。
2.根据权利要求1所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，步骤S3中，对待测水域各评价指标进行安全评价包括：
S3.1 基于地面水源地监测数据和水质遥感数据，对待测水域水质安全指标进行评价；
S3.2 基于水质遥感数据及其辅助数据，对待测水域水环境安全指标进行评价。
3.根据权利要求1所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，所述数据采集模块还包含GIS模块，GIS模块对辅助数据进行采集并储存。
4.根据权利要求1所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，步骤S2中，所述水体数据包括水源地监测数据和水质遥感数据，辅助数据包括驱动力、状态和响应三大因素数据；所述遥感监测数据包括叶绿素a和浊度，通过光探测器获取，水源地监测数据水体重金属浓度、电导率、有机农药，通过水质传感器获取。
5.根据权利要求2所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，所述S3.1待测水域水质安全指标包括对水质类别、水体富营养程度以及水质风险的评价。
6.根据权利要求2所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，步骤S3.2中对水环境安全指标进行评价之前还包括：对遥感数据进行辐射定标、几何纠正、以及大气纠正预处理，得到遥感图像的地表反射率数据。
7.根据权利要求1所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，步骤S3中，基于模糊数学方法，通过模糊综合指数确定待测水域安全等级，所述安全等级分为五级，分别为恶劣、较差、一般、良好和理想。
8.根据权利要求4所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，所述光探测器包括由下到上依次设置的硅基底薄片、金属电极层、介质层、石墨烯层及纳米多孔金层，在所述石墨烯层两端分别生长第一金属电极与第二金属电极。
9.根据权利要求8所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，石墨烯层和纳米多孔金层采用转移方法形成，转移的具体步骤如下：
(1)配置石墨烯的N，N-二甲基甲酰胺溶液，采用旋涂的方法在金银合金薄片上制备石墨烯薄膜；
(2)将上述附有石墨烯薄膜的金银合金薄片放入强酸溶液中刻蚀去除金银合金基底中的银，得到附有石墨烯薄层的纳米多孔金薄片；
(3)在惰性气体保护下，将多上述附有石墨烯薄层的纳米多孔金薄片在高温下热处理2h，修复石墨烯膜结构和纳米多孔金结构；
(4)将纳米多孔金支撑的石墨烯薄膜用去离子水清洗干燥后转移到介质层的表面。
10.根据权利要求9所述的基于RS/GIS的城市地质环境动态监测与评价方法，其特征在于，所述强酸刻蚀溶液为浓硝酸溶液，高温热处理温度为800～1000℃，石墨烯层厚度为30～50nm，并通过控制石墨烯溶液浓度和滴加量控制其厚度。
CN201910498904.4A 2019-06-11 2019-06-11 基于rs/gis的城市地质环境动态监测与评价方法 Active CN110361331B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498904.4A CN110361331B (zh) 2019-06-11 2019-06-11 基于rs/gis的城市地质环境动态监测与评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498904.4A CN110361331B (zh) 2019-06-11 2019-06-11 基于rs/gis的城市地质环境动态监测与评价方法

Publications (2)

Publication Number Publication Date
CN110361331A true CN110361331A (zh) 2019-10-22
CN110361331B CN110361331B (zh) 2021-12-21

Family

ID=68216923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498904.4A Active CN110361331B (zh) 2019-06-11 2019-06-11 基于rs/gis的城市地质环境动态监测与评价方法

Country Status (1)

Country Link
CN (1) CN110361331B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110749712A (zh) * 2019-10-28 2020-02-04 成都工业学院 一种gis的饮用水源环境监测信息数据分析处理系统
CN116913401A (zh) * 2023-07-21 2023-10-20 大庆亿莱检验检测技术服务有限公司 一种基于生物法的含油污泥处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102565294A (zh) * 2011-02-01 2012-07-11 环境保护部卫星环境应用中心 水源地监测评价方法
CN103117316A (zh) * 2013-01-30 2013-05-22 中国科学院苏州纳米技术与纳米仿生研究所 基于超材料结构的石墨烯晶体管、光探测器及其应用
US20130189592A1 (en) * 2010-09-09 2013-07-25 Farshid ROUMI Part solid, part fluid and flow electrochemical cells including metal-air and li-air battery systems
CN103887352A (zh) * 2014-03-12 2014-06-25 上海师范大学 一种复合结构的金属石墨烯及其制备方法
CN105047728A (zh) * 2015-06-11 2015-11-11 上海电力学院 增强二维半导体晶体材料光吸收效率的探测器及制作方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130189592A1 (en) * 2010-09-09 2013-07-25 Farshid ROUMI Part solid, part fluid and flow electrochemical cells including metal-air and li-air battery systems
CN102565294A (zh) * 2011-02-01 2012-07-11 环境保护部卫星环境应用中心 水源地监测评价方法
CN103117316A (zh) * 2013-01-30 2013-05-22 中国科学院苏州纳米技术与纳米仿生研究所 基于超材料结构的石墨烯晶体管、光探测器及其应用
CN103887352A (zh) * 2014-03-12 2014-06-25 上海师范大学 一种复合结构的金属石墨烯及其制备方法
CN105047728A (zh) * 2015-06-11 2015-11-11 上海电力学院 增强二维半导体晶体材料光吸收效率的探测器及制作方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOJING ZHAO等: "Enhanced broadband wide-angle light-graphene interactions in visible wavelengths assisted by nanoporous gold structure", 《APPLIED PHYSICS LETTERS》 *
周勇等: "基于RS和GIS的东湖水环境模糊综合评价", 《华中农业大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110749712A (zh) * 2019-10-28 2020-02-04 成都工业学院 一种gis的饮用水源环境监测信息数据分析处理系统
CN116913401A (zh) * 2023-07-21 2023-10-20 大庆亿莱检验检测技术服务有限公司 一种基于生物法的含油污泥处理方法
CN116913401B (zh) * 2023-07-21 2024-01-02 大庆亿莱检验检测技术服务有限公司 一种基于生物法的含油污泥处理方法

Also Published As

Publication number Publication date
CN110361331B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
Zhang et al. A Landsat 8 OLI-based, semianalytical model for estimating the total suspended matter concentration in the slightly turbid Xin’anjiang Reservoir (China)
Boloorani et al. Dust source susceptibility mapping in Tigris and Euphrates basin using remotely sensed imagery
Guo et al. Soil moisture content estimation in winter wheat planting area for multi-source sensing data using CNNR
Hou et al. A study on water quality parameters estimation for urban rivers based on ground hyperspectral remote sensing technology
CN110361331A (zh) 基于rs/gis的城市地质环境动态监测与评价方法
Gholami et al. Use of machine learning and geographical information system to predict nitrate concentration in an unconfined aquifer in Iran
Vantrepotte et al. Seasonal and inter-annual (2002-2010) variability of the suspended particulate matter as retrieved from satellite ocean color sensor over the French Guiana coastal waters
Phuong et al. Remote sensing for monitoring surface water quality in the Vietnamese Mekong delta: the application for estimating chemical oxygen demand in river reaches in Binh Dai, Ben Tre
Tian et al. A new methodology of soil salinization degree classification by probability neural network model based on centroid of fractional lorenz chaos self-synchronization error dynamics
Balti et al. Big data based architecture for drought forecasting using LSTM, ARIMA, and Prophet: Case study of the Jiangsu Province, China
Sardar et al. Convolution neural network-based agriculture drought prediction using satellite images
Liu et al. Research on generic optical remote sensing products: A review of scientific exploration, technology research, and engineering application
Ouni et al. Development of water turbidity index (WTI) and seasonal characteristics of total suspended matter (TSM) spatial distribution in Ichkeul Lake, a shallow brackish wetland, Northern-East Tunisia
Huo et al. Development and testing of a remote sensing-based model for estimating groundwater levels in aeolian desert areas of China
Claustre et al. Sources of variability in the column photosynthetic cross section for Antarctic coastal waters
Soleimani et al. Satellite aerosol optical depth prediction using data mining of climate parameters
Yin et al. Decline of suspended particulate matter concentrations in Lake Taihu from 1984 to 2020: observations from Landsat TM and OLI
Dilipkumar et al. Fuzzy-based global water quality assessment and water quality cells identification using satellite data
Tang et al. Hyperspectral prediction of mangrove leaf stoichiometries in different restoration areas based on machine learning models
Yu et al. Classification of Desertification on the North Bank of Qinghai Lake.
Xia et al. A spatial frequency/spectral indicator-driven model for estimating cultivated land quality using the gradient boosting decision tree and genetic algorithm-back propagation neural network
Zhu et al. Wetland mapping in the Balqash Lake Basin using multi-source remote sensing data and topographic features synergic retrieval
Al Kuwari et al. Optimal satellite sensor selection utilized to monitor the impact of urban sprawl on the thermal environment in doha city, Qatar
CN109269994A (zh) 一种化学需氧量的识别方法、装置、存储介质及设备
Li et al. Learning and inferring the diurnal variability of cyanobacterial blooms from high-frequency time-series satellite-based observations

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 401320 no.906 Shangwen Avenue, Longzhouwan, Banan District, Chongqing

Patentee after: Chongqing University of Finance and Economics

Address before: 401320 no.906 Shangwen Avenue, Longzhouwan, Banan District, Chongqing

Patentee before: RONGZHI COLLEGE OF CHONGQING TECHNOLOGY AND BUSINESS University