CN112577909A - 水质参数的监测方法、装置、设备和存储介质 - Google Patents
水质参数的监测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112577909A CN112577909A CN202011359600.9A CN202011359600A CN112577909A CN 112577909 A CN112577909 A CN 112577909A CN 202011359600 A CN202011359600 A CN 202011359600A CN 112577909 A CN112577909 A CN 112577909A
- Authority
- CN
- China
- Prior art keywords
- water quality
- water
- quality parameter
- water body
- target
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 450
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000003595 spectral effect Effects 0.000 claims abstract description 26
- 238000002310 reflectometry Methods 0.000 claims description 38
- 238000012806 monitoring device Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229910001385 heavy metal Inorganic materials 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- JMANVNJQNLATNU-UHFFFAOYSA-N oxalonitrile Chemical compound N#CC#N JMANVNJQNLATNU-UHFFFAOYSA-N 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
Images
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
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
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)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种水质参数的监测方法、装置、设备和存储介质，适用于环境监测技术领域，该方法包括：获取预设时段内目标水域的高光谱反射率图像，以及在预设时段内采集的目标水域的多个水体样本的第一水质参数；计算高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元；根据水质参数经验模型，计算所有水体像元各自的第二水质参数；将所有水体像元各自的第二水质参数设置为第一数值；根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息。采用本发明可以提高水质监测的准确度。
Description
技术领域
本发明属于环境监测技术领域，尤其涉及一种水质参数的监测方法、装置、设备和存储介质。
背景技术
水质监测，是监视和测定水体中污染物的种类、各类污染物的浓度及变化趋势，评价水质状况的过程。水质监测的监测范围十分广泛，包括未被污染和已受污染的天然水(江、河、湖、海和地下水)及各种各样的工业排水等。随着环境污染的日益严重，水质已严重影响到人民的生产和生活，水质监测愈发重要。
目前，通常在待测水域的一些特定位置设置采样点，然后对在这些采样点采集的水体样本进行化验，根据化验结果来推测待测水域的水质情况，达到水质监测的目的。然而，当待测水域的面积较大而采样点数量较少时，水质监测的准确度较低。
发明内容
有鉴于此，本发明实施例提供了一种水质参数的监测方法、装置、设备和存储介质，以解决现有技术中水质监测的准确度较低的问题。为实现上述目的，本发明采用的技术方案是：
本发明实施例的第一方面提供了一种水质参数的监测方法，该方法包括：
获取预设时段内目标水域的高光谱反射率图像，以及在预设时段内采集的目标水域的多个水体样本的第一水质参数；
计算高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元；
根据水质参数经验模型，计算所有水体像元各自的第二水质参数；
将所有水体像元各自的第二水质参数设置为第一数值；其中，第一数值为所有水体像元各自的第二水质参数与预设比例的乘值，预设比例为目标水体样本的第一水体参数的数值与第一目标水体像元的第二水质参数的数值的比例，目标水体样本的采样点与第一目标水体像元对应的采样点相同；
根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息。
可选的，在根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息之前，水质参数的监测方法还包括：
将第二目标水体像元的第二水质参数的数值设置为第一预设数值，将第三目标水体像元的第二水质参数的数值设置为第二预设数值，第一预设数值大于第二预设数值；
其中，第二目标水体像元为第二水质参数的数值大于第一预设数值的水体像元，第三目标水体像元为第二水质参数的数值小于第二预设数值的水体像元。
可选的，获取预设时段内目标水域的高光谱反射率图像，包括：
通过控制搭载高光谱仪的无人机按照预设航线飞行，获取预设时段内目标水域的第一初始图像数据；
根据无人机的经纬度、高程、翻转角、俯仰角、偏航度，对第一初始图像数据进行校正，得到目标水域的高光谱反射率图像。
可选的，获取预设时段内目标水域的高光谱反射率图像，包括：
通过布置在目标水域的预设位置的搭载高光谱仪的塔基平台，获取预设时段内目标水域的第二初始图像数据；
根据塔基平台的卫星定位位置，对第二初始图像数据进行校正，得到目标水域的高光谱反射率图像。
本发明实施例的第二方面提供了一种水质参数的监测装置，该装置包括：
获取模块，用于获取预设时段内目标水域的高光谱反射率图像，以及在预设时段内采集的目标水域的多个水体样本的第一水质参数；
确定模块，用于计算高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元；
计算模块，用于根据水质参数经验模型，计算所有水体像元各自的第二水质参数；
第一设置模块，用于将所有水体像元各自的第二水质参数设置为第一数值；其中，第一数值为所有水体像元各自的第二水质参数与预设比例的乘值，预设比例为目标水体样本的第一水体参数的数值与第一目标水体像元的第二水质参数的数值的比例，目标水体样本的采样点与第一目标水体像元对应的采样点相同；
生成模块，用于根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息。
可选的，水质参数的监测装置还包括第二设置模块，用于：
将第二目标水体像元的第二水质参数的数值设置为第一预设数值，将第三目标水体像元的第二水质参数的数值设置为第二预设数值，第一预设数值大于第二预设数值；
其中，第二目标水体像元为第二水质参数的数值大于第一预设数值的水体像元，第三目标水体像元为第二水质参数的数值小于第二预设数值的水体像元。
可选的，获取模块，还用于：
通过控制搭载高光谱仪的无人机按照预设航线飞行，获取预设时段内目标水域的第一初始图像数据；
根据无人机的经纬度、高程、翻转角、俯仰角、偏航度，对第一初始图像数据进行校正，得到目标水域的高光谱反射率图像。
获取模块，还用于：
通过布置在目标水域的预设位置的搭载高光谱仪的塔基平台，获取预设时段内目标水域的第二初始图像数据；
根据塔基平台的卫星定位位置，对第二初始图像数据进行校正，得到目标水域的高光谱反射率图像。
本发明实施例的第三方面提供了一种监测设备，包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如第一方面所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
与现有技术相比，本发明实施例可以获取到目标水域的两类水质参数，一类是根据水质参数经验模型与目标水域的高光谱反射率图像得出，一类是通过采集的目标水域的多个水体样本得出。如此，可以结合这两类水质参数，获取到目标水域的水质参数监测数据。由于目标水域的多个水体样本的水质参数可以真实的反映出目标水域的水质情况，因此，可以利用多个水体样本的水质参数，对通过水质参数经验模型与目标水域的高光谱反射率图像得出的水质参数进行校正，如此，可以提高目标水域的水质参数监测数据的可靠度，进而可以提高监测的准确度。
此外，由于高光谱反射率图像可以应用于大范围水域，因此，当目标水域的面积较大时，监测的准确度也较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种水质参数的监测方法的步骤流程图；
图2为本发明实施例提供的一种水质参数的监测装置的示意图；
图3为本发明实施例提供的一种监测设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
水质监测参数可分为两大类：一类是反映水质状况的综合指标，如温度、色度、浊度、pH值、电导率、悬浮物、溶解氧、化学需氧量和生化需氧量等；另一类是一些有毒物质，如酚、氰、砷、铅、铬、镉、汞和有机农药等。
如背景技术所描述的，通常在待测水域的一些特定位置设置采样点，然后对在这些采样点采集的水体样本进行化验，根据化验结果来推测待测水域的水质情况，达到水质监测的目的。然而，当待测水域的面积较大而采样点数量较少时，水质监测的准确度较低。
为了解决现有技术问题，本发明实施例提供了一种水质参数的监测方法、装置、设备和存储介质。下面首先对本发明实施例所提供的水质参数的监测方法进行介绍。
水质参数的监测方法的执行主体，可以是任意的监测设备，该监测设备可以对采集的目标水域的高光谱反射率图像进行处理，以得到目标水域的水质参数，对目标水域进行水质监测。该监测设备可以是例如移动电子设备或者非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digitalassistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network AttachedStorage，NAS)、个人计算机(personal computer，PC)、等，本发明实施例不作具体限定。
如图1所示，本发明实施例提供的水质参数的监测方法包括以下步骤：
S110、获取预设时段内目标水域的高光谱反射率图像，以及在预设时段内采集的目标水域的多个水体样本的第一水质参数。
在一些实施例中，目标水域可以是待监测的任意区域，预设时段可以是任意时段，例如一天中的10：00-14：00。此外，可以在预设时段内采集目标水域的多个水体样本，采集方式可以采用均匀分布采集的方式，以提高水体样本的代表性。对于采集的多个水体样本，可以送化验室进行化验，以得到多个水体样本各自的第一水质参数。如此，监测设备可以获取到预设时段内目标水域的高光谱反射率图像，以及在预设时段内采集的目标水域的多个水体样本的第一水质参数。
在一些实施例中，可以采用如下的高光谱仪获取目标水域的高光谱反射率图像：光谱范围为400～1000nm，光谱通道数为170，光谱采样率为3.5nm/pixel。
可选的，可以通过搭载高光谱仪的无人机获取目标水域的高光谱反射率图像，相应的处理可以如下：通过控制搭载高光谱仪的无人机按照预设航线飞行，获取预设时段内目标水域的第一初始图像数据；根据无人机的经纬度、高程、翻转角、俯仰角、偏航度等参数，对第一初始图像数据进行校正，得到目标水域的高光谱反射率图像。
在一些实施例中，无人机可以是任意可搭载高光谱仪的无人机。监测设备可以控制无人机在预设时段内按照预设航线飞行，并在飞行的过程中以推扫式获取目标水域的高光谱影像数据。之后，可以利用业内通用算法，对该高光谱影像数据进行镜头校正，生成准确的镜头校正数据。之后，可以对镜头校正数据进行辐射校正，根据像元灰度DN值数据转换为辐射亮度数据的通用公式，输出高光谱辐射亮度数据。接着，计算出高光谱辐射亮度数据对应的高光谱反射率数据，该高光谱反射率数据可以称为第一初始图像数据。然后，可以对第一初始图像数据进行几何校正，即根据无人机的姿态参数，例如经纬度、高程、翻转角、俯仰角、偏航度等，对第一初始图像数据进行通用几何校正算法处理，输出与拍摄地物实际地理位置配准的数据，从而得到校正后的高光谱反射率图像。
可选的，可以通过搭载高光谱仪的塔基平台获取目标水域的高光谱反射率图像，相应的处理可以如下：通过布置在目标水域的预设位置的搭载高光谱仪的塔基平台，获取预设时段内目标水域的第二初始图像数据；根据塔基平台的卫星定位位置，对第二初始图像数据进行校正，得到目标水域的高光谱反射率图像。
在一些实施例中，预设位置可以是目标水域观测视野较好的位置。如此，搭载高光谱仪的塔基平台可以较好地获取到目标水域比较全面的高光谱影像数据。之后，可以利用业内通用算法，对该高光谱影像数据进行镜头校正，生成准确的镜头校正数据。之后，可以对镜头校正数据进行辐射校正，根据像元灰度DN值数据转换为辐射亮度数据的通用公式，输出高光谱辐射亮度数据。接着，计算出高光谱辐射亮度数据对应的高光谱反射率数据，该高光谱反射率数据可以称为第二初始图像数据。然后，可以根据塔基平台的卫星定位位置，对第二初始图像数据进行通用几何校正算法处理，输出与拍摄地物实际地理位置配准的数据，从而得到校正后的高光谱反射率图像。
S120、计算高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元。
在一些实施例中，监测设备可以通过水体指数值，提取出高光谱反射率图像中与水体相关的数据，以减少无关数据的干扰，提高监测准确度。
具体的，可以通过计算绿波段(550nm)与近红外波段(如859nm)的经典水体指数NDWI，并将水体指数值大于预设阈值的像元提取为水体像元，例如，预设阈值可以是0.01。
S130、根据水质参数经验模型，计算所有水体像元各自的第二水质参数。
在一些实施例中，水质参数经验模型可以包括多种，例如浑浊度、透明度、悬浮颗粒物浓度、水深、重金属铅含量、重金属铜含量、重金属锌含量、叶绿素a、蓝藻分类、总磷、氨氮、总氮等经验模型。例如，浑浊度的经验模型可以是：Turb＝-47.742*(b540nm-float(b625nm))/(b540nm+float(b625nm))+15.548，其中，Turb表示浑浊度，b540nm代表540nm处的高光谱图像反射率，float为浮点型的数值转换函数。
监测设备在确定出高光谱反射率图像中的水体像元后，可以根据水质参数经验模型，计算所有水体像元各自的第二水质参数。
S140、将所有水体像元各自的第二水质参数设置为第一数值。
其中，第一数值为所有水体像元各自的第二水质参数与预设比例的乘值，预设比例为目标水体样本的第一水体参数的数值与第二目标水体像元的第二水质参数的数值的比例，目标水体样本的采样点与第一目标水体像元对应的采样点相同。
需要说明的是，由于目标水体样本的采样点与第一目标水体像元对应的采样点相同，因此，第一目标水体像元的第二水质参数的数值与目标水体样本的第一水体参数的数值的比例，可以认为是水质参数经验模型的偏离比例，即放大比例或者缩小比例。如此，可以通过该偏离比例，对通过水质参数经验模型计算出的所有水体像元各自的第二水质参数进行校正，以提高监测准确度。
可选的，为了进一步提升监测准确度，在将第一目标水体像元的第二水质参数的数值设置为第一数值之后，还可以进行如下处理：将第二目标水体像元的第二水质参数的数值设置为第一预设数值，将第三目标水体像元的第二水质参数的数值设置为第二预设数值，第一预设数值大于第二预设数值。
其中，第二目标水体像元为第二水质参数的数值大于第一预设数值的水体像元，第三目标水体像元为第二水质参数的数值小于第二预设数值的水体像元。需要说明的是，第一预设数值和第二预设数值，可以是目标水域的水体样本中水质参数的正常范围的上限值和下限值。如此，可以通过第一预设数值和第二预设数值，识别出第二水质参数中超过正常范围的异常值，并且可以将这些异常值处理为正常值，即将小于下限值的数值设置为下限值，将大于上限值的数值设置为上限值。
在一些实施例中，考虑到水质参数经验模型计算出的第二水质参数可能超过目标水域中该水质参数的正常范围，这将降低监测准确度。可以利用上述第一预设数值和第二预设数值，对计算出的所有水体像元各自的第二水质参数进行异常值校正。
通过上述实施例的处理，可以对第二水质参数中的异常值进行处理，以提高监测准确度。
S150、根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息。
在一些实施例中，监测设备在设置完第二水质参数的数值后，可以根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息。例如，可以根据水质参数的类别，生成不同类别的水质参数监测信息。
在一些实施例中，考虑到水温在一定程度上可以反映水污染程度的情况，例如排污口水污染浓度严重，其水温也比较高。如此，可以结合热红外数据，来完善目标水域的水质参数监测信息。例如，可以通过热红外探测仪，获取目标水域的热红外数据。
在本发明实施例中，可以获取到目标水域的两类水质参数，一类是根据水质参数经验模型与目标水域的高光谱反射率图像得出，一类是通过采集的目标水域的多个水体样本得出。如此，可以结合这两类水质参数，获取到目标水域的水质参数监测数据。由于目标水域的多个水体样本的水质参数可以真实的反映出目标水域的水质情况，因此，可以利用多个水体样本的水质参数，对通过水质参数经验模型与目标水域的高光谱反射率图像得出的水质参数进行校正，如此，可以提高目标水域的水质参数监测数据的可靠度，进而可以提高监测的准确度。此外，由于高光谱反射率图像可以应用于大范围水域，因此，当目标水域的面积较大时，监测的准确度也较高。
基于上述实施例提供的水质参数的监测方法，相应地，本发明还提供了应用于该水质参数的监测方法的水质参数的监测装置的具体实现方式。请参见以下实施例。
如图2所示，提供了一种水质参数的监测装置，该装置包括：
获取模块210，用于获取预设时段内目标水域的高光谱反射率图像，以及在预设时段内采集的目标水域的多个水体样本的第一水质参数；
确定模块220，用于计算高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元；
计算模块230，用于根据水质参数经验模型，计算所有水体像元各自的第二水质参数；
第一设置模块240，用于将所有水体像元各自的第二水质参数设置为第一数值；其中，第一数值为所有水体像元各自的第二水质参数与预设比例的乘值，预设比例为目标水体样本的第一水体参数的数值与第一目标水体像元的第二水质参数的数值的比例，目标水体样本的采样点与第一目标水体像元对应的采样点相同；
生成模块250，用于根据当前的所有水体像元各自的第二水质参数，生成目标水域的水质参数监测信息。
可选的，水质参数的监测装置还包括第二设置模块，用于：
将第二目标水体像元的第二水质参数的数值设置为第一预设数值，将第三目标水体像元的第二水质参数的数值设置为第二预设数值，第一预设数值大于第二预设数值；
其中，第二目标水体像元为第二水质参数的数值大于第一预设数值的水体像元，第三目标水体像元为第二水质参数的数值小于第二预设数值的水体像元。
可选的，获取模块，还用于：
通过控制搭载高光谱仪的无人机按照预设航线飞行，获取预设时段内目标水域的第一初始图像数据；
根据无人机的经纬度、高程、翻转角、俯仰角、偏航度，对第一初始图像数据进行校正，得到目标水域的高光谱反射率图像。
获取模块，还用于：
通过布置在目标水域的预设位置的搭载高光谱仪的塔基平台，获取预设时段内目标水域的第二初始图像数据；
根据塔基平台的卫星定位位置，对第二初始图像数据进行校正，得到目标水域的高光谱反射率图像。
在本发明实施例中，可以获取到目标水域的两类水质参数，一类是根据水质参数经验模型与目标水域的高光谱反射率图像得出，一类是通过采集的目标水域的多个水体样本得出。如此，可以结合这两类水质参数，获取到目标水域的水质参数监测数据。由于目标水域的多个水体样本的水质参数可以真实的反映出目标水域的水质情况，因此，可以利用多个水体样本的水质参数，对通过水质参数经验模型与目标水域的高光谱反射率图像得出的水质参数进行校正，如此，可以提高目标水域的水质参数监测数据的可靠度，进而可以提高监测的准确度。此外，由于高光谱反射率图像可以应用于大范围水域，因此，当目标水域的面积较大时，监测的准确度也较高。
图3为实现本发明各个实施例的一种监测设备的硬件结构示意图。
监测设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在综合网关容灾设备的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种水质参数的监测方法实施例。
在一个示例中，监测设备还可包括通信接口303和总线310。其中，如图3所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者，将监测设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
本发明实施例还提供一种计算机可读存储介质，该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述水质参数的监测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种水质参数的监测方法，其特征在于，包括：
获取预设时段内目标水域的高光谱反射率图像，以及在所述预设时段内采集的所述目标水域的多个水体样本的第一水质参数；
计算所述高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元；
根据水质参数经验模型，计算所有所述水体像元各自的第二水质参数；
将所有所述水体像元各自的第二水质参数设置为第一数值；其中，所述第一数值为所有所述水体像元各自的第二水质参数与预设比例的乘值，所述预设比例为目标水体样本的第一水体参数的数值与第一目标水体像元的第二水质参数的数值的比例，所述目标水体样本的采样点与所述第一目标水体像元对应的采样点相同；
根据当前的所有所述水体像元各自的第二水质参数，生成所述目标水域的水质参数监测信息。
2.如权利要求1所述的水质参数的监测方法，其特征在于，在所述根据当前的所有所述水体像元各自的第二水质参数，生成所述目标水域的水质参数监测信息之前，所述方法还包括：
将第二目标水体像元的第二水质参数的数值设置为第一预设数值，将第三目标水体像元的第二水质参数的数值设置为第二预设数值，所述第一预设数值大于所述第二预设数值；
其中，所述第二目标水体像元为所述第二水质参数的数值大于所述第一预设数值的所述水体像元，所述第三目标水体像元为所述第二水质参数的数值小于所述第二预设数值的所述水体像元。
3.如权利要求1或2所述的水质参数的监测方法，其特征在于，所述获取预设时段内目标水域的高光谱反射率图像，包括：
通过控制搭载高光谱仪的无人机按照预设航线飞行，获取所述预设时段内所述目标水域的第一初始图像数据；
根据所述无人机的经纬度、高程、翻转角、俯仰角、偏航度，对所述第一初始图像数据进行校正，得到所述目标水域的高光谱反射率图像。
4.如权利要求1或2所述的水质参数的监测方法，其特征在于，所述获取预设时段内目标水域的高光谱反射率图像，包括：
通过布置在所述目标水域的预设位置的搭载高光谱仪的塔基平台，获取所述预设时段内所述目标水域的第二初始图像数据；
根据所述塔基平台的卫星定位位置，对所述第二初始图像数据进行校正，得到所述目标水域的高光谱反射率图像。
5.一种水质参数的监测装置，其特征在于，包括：
获取模块，用于获取预设时段内目标水域的高光谱反射率图像，以及在所述预设时段内采集的所述目标水域的多个水体样本的第一水质参数；
确定模块，用于计算所述高光谱反射率图像中所有像元的水体指数值，并将水体指数值大于预设阈值的像元确定为水体像元；
计算模块，用于根据水质参数经验模型，计算所有所述水体像元各自的第二水质参数；
第一设置模块，用于将所有所述水体像元各自的第二水质参数设置为第一数值；其中，所述第一数值为所有所述水体像元各自的第二水质参数与预设比例的乘值，所述预设比例为目标水体样本的第一水体参数的数值与第一目标水体像元的第二水质参数的数值的比例，所述目标水体样本的采样点与所述第一目标水体像元对应的采样点相同；
生成模块，用于根据当前的所有所述水体像元各自的第二水质参数，生成所述目标水域的水质参数监测信息。
6.如权利要求5所述的水质参数的监测装置，其特征在于，所述装置还包括第二设置模块，用于：
将第二目标水体像元的第二水质参数的数值设置为第一预设数值，将第三目标水体像元的第二水质参数的数值设置为第二预设数值，所述第一预设数值大于所述第二预设数值；
其中，所述第二目标水体像元为所述第二水质参数的数值大于所述第一预设数值的所述水体像元，所述第三目标水体像元为所述第二水质参数的数值小于所述第二预设数值的所述水体像元。
7.如权利要求5或6所述的水质参数的监测装置，其特征在于，所述获取模块，还用于：
通过控制搭载高光谱仪的无人机按照预设航线飞行，获取所述预设时段内所述目标水域的第一初始图像数据；
根据所述无人机的经纬度、高程、翻转角、俯仰角、偏航度，对所述第一初始图像数据进行校正，得到所述目标水域的高光谱反射率图像。
8.如权利要求5或6所述的水质参数的监测装置，其特征在于，所述获取模块，还用于：
通过布置在所述目标水域的预设位置的搭载高光谱仪的塔基平台，获取所述预设时段内所述目标水域的第二初始图像数据；
根据所述塔基平台的卫星定位位置，对所述第二初始图像数据进行校正，得到所述目标水域的高光谱反射率图像。
9.一种监测设备，其特征在于，包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-4任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011359600.9A CN112577909A (zh) | 2020-11-27 | 2020-11-27 | 水质参数的监测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011359600.9A CN112577909A (zh) | 2020-11-27 | 2020-11-27 | 水质参数的监测方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112577909A true CN112577909A (zh) | 2021-03-30 |
Family
ID=75123906
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011359600.9A Pending CN112577909A (zh) | 2020-11-27 | 2020-11-27 | 水质参数的监测方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112577909A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780071A (zh) * | 2021-07-30 | 2021-12-10 | 中南安全环境技术研究院股份有限公司 | 一种黑臭水体遥感识别系统及方法 |
| CN116698762A (zh) * | 2023-06-01 | 2023-09-05 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、系统及介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104034684A (zh) * | 2014-06-05 | 2014-09-10 | 北京金达清创环境科技有限公司 | 一种基于紫外-可见吸收光谱的水质多指标检测方法 |
| CN106525762A (zh) * | 2016-11-07 | 2017-03-22 | 航天恒星科技有限公司 | 一种基于自适应模型的水质监测方法和水质监测装置 |
| CN107271405A (zh) * | 2017-06-30 | 2017-10-20 | 中国水利水电科学研究院 | 一种多模型协同的水质参数浓度反演方法和装置 |
| CN109001136A (zh) * | 2018-09-20 | 2018-12-14 | 杭州绿洁水务科技股份有限公司 | 一种基于紫外—可见光吸收光谱的cod在线监测方法 |
| CN109507119A (zh) * | 2018-09-28 | 2019-03-22 | 浙江农林大学 | 一种基于无人机光谱的水质要素浓度检测方法 |
| CN109657392A (zh) * | 2018-12-28 | 2019-04-19 | 北京航空航天大学 | 一种基于深度学习的高光谱遥感水深反演方法 |
| CN109709057A (zh) * | 2018-12-29 | 2019-05-03 | 四川碧朗科技有限公司 | 水质指标预测模型构建方法及水质指标监测方法 |
| CN109738367A (zh) * | 2018-12-29 | 2019-05-10 | 首都师范大学 | 通过无人机上高光谱传感器反演河口湿地水环境要素方法 |
| CN110672805A (zh) * | 2019-10-08 | 2020-01-10 | 核工业北京地质研究院 | 一种基于航空高光谱数据的水库水质参数定量反演方法 |
| CN110887792A (zh) * | 2019-12-17 | 2020-03-17 | 深圳慧格科技服务咨询有限公司 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
| CN111007021A (zh) * | 2019-12-31 | 2020-04-14 | 北京理工大学重庆创新中心 | 基于一维卷积神经网络的高光谱水质参数反演系统及方法 |
-
2020
- 2020-11-27 CN CN202011359600.9A patent/CN112577909A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104034684A (zh) * | 2014-06-05 | 2014-09-10 | 北京金达清创环境科技有限公司 | 一种基于紫外-可见吸收光谱的水质多指标检测方法 |
| CN106525762A (zh) * | 2016-11-07 | 2017-03-22 | 航天恒星科技有限公司 | 一种基于自适应模型的水质监测方法和水质监测装置 |
| CN107271405A (zh) * | 2017-06-30 | 2017-10-20 | 中国水利水电科学研究院 | 一种多模型协同的水质参数浓度反演方法和装置 |
| CN109001136A (zh) * | 2018-09-20 | 2018-12-14 | 杭州绿洁水务科技股份有限公司 | 一种基于紫外—可见光吸收光谱的cod在线监测方法 |
| CN109507119A (zh) * | 2018-09-28 | 2019-03-22 | 浙江农林大学 | 一种基于无人机光谱的水质要素浓度检测方法 |
| CN109657392A (zh) * | 2018-12-28 | 2019-04-19 | 北京航空航天大学 | 一种基于深度学习的高光谱遥感水深反演方法 |
| CN109709057A (zh) * | 2018-12-29 | 2019-05-03 | 四川碧朗科技有限公司 | 水质指标预测模型构建方法及水质指标监测方法 |
| CN109738367A (zh) * | 2018-12-29 | 2019-05-10 | 首都师范大学 | 通过无人机上高光谱传感器反演河口湿地水环境要素方法 |
| CN110672805A (zh) * | 2019-10-08 | 2020-01-10 | 核工业北京地质研究院 | 一种基于航空高光谱数据的水库水质参数定量反演方法 |
| CN110887792A (zh) * | 2019-12-17 | 2020-03-17 | 深圳慧格科技服务咨询有限公司 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
| CN111007021A (zh) * | 2019-12-31 | 2020-04-14 | 北京理工大学重庆创新中心 | 基于一维卷积神经网络的高光谱水质参数反演系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 喻欢等: "遥感技术在湖泊水质监测中的应用", 《环境科学与管理》 * |
| 胡震天等: "基于低空多光谱遥感的城市水质监测方法研究", 《地理空间信息》 * |
| 董胜等: "《海岸工程模型试验》", 31 December 2016, 青岛：中国海洋大学出版社 * |
| 黄宇等: "基于无人机高光谱成像技术的河湖水质参数反演", 《人民长江》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113780071A (zh) * | 2021-07-30 | 2021-12-10 | 中南安全环境技术研究院股份有限公司 | 一种黑臭水体遥感识别系统及方法 |
| CN113780071B (zh) * | 2021-07-30 | 2024-01-30 | 中南安全环境技术研究院股份有限公司 | 一种黑臭水体遥感识别系统及方法 |
| CN116698762A (zh) * | 2023-06-01 | 2023-09-05 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、系统及介质 |
| CN116698762B (zh) * | 2023-06-01 | 2024-02-13 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418426B (zh) | 排污口污染物排放溯源方法、装置、计算设备及存储介质 | |
| CN112577909A (zh) | 水质参数的监测方法、装置、设备和存储介质 | |
| CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
| CN111597756A (zh) | 一种基于无人机多光谱数据的水质参数反演方法 | |
| CN111369057A (zh) | 一种基于深度学习的空气质量预测优化方法及系统 | |
| CN112381369A (zh) | 基于在线光谱识别的水体污染溯源和风险预测评估方法 | |
| CN115690632A (zh) | 一种内陆河流水体的水环境监测方法 | |
| CN114858221B (zh) | 一种基于水域营养状态预测的水华智能预警系统及方法 | |
| CN109996280B (zh) | 基站经纬度核查方法、装置、设备及介质 | |
| CN111443178A (zh) | 基于分子通信机理的水污染源快速追踪溯源方法与系统 | |
| CN113420497B (zh) | 浑浊湖泊总磷浓度遥感估算方法 | |
| CN115524294A (zh) | 一种离水式实时智能遥感水质监测方法 | |
| CN113108918B (zh) | 一种极轨气象卫星热红外遥感数据反演气温方法 | |
| CN116297068A (zh) | 基于地表反射率优化的气溶胶光学厚度反演方法及系统 | |
| CN114819704A (zh) | 一种移动源污染物排放溯源方法及系统 | |
| CN109507382A (zh) | 生态环境监测预警系统及监测预警方法 | |
| CN117391139A (zh) | 基于改进UNet神经网络的天气现象预报订正方法 | |
| CN109948580B (zh) | 稀土矿的地表温度空间降尺度方法、装置、设备及介质 | |
| CN114414446B (zh) | 基于卫星遥感的近地面颗粒物浓度估算方法、装置和设备 | |
| CN107609280B (zh) | 一种时间区间的确定方法以及终端 | |
| CN111272950B (zh) | 一种智能污染物追踪系统 | |
| CN115436593A (zh) | 一种湖泊水质监测系统 | |
| CN113532588B (zh) | 水位获取方法、装置、设备及存储介质 | |
| CN106645327A (zh) | 一种基于球载的大气边界层no2垂直探测系统 | |
| CN117228853B (zh) | 一种河道生态修复方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210330 |
|
| RJ01 | Rejection of invention patent application after publication |