CN112684134A - 基于关联分析的水环境分析方法、系统、终端和存储介质 - Google Patents
基于关联分析的水环境分析方法、系统、终端和存储介质 Download PDFInfo
- Publication number
- CN112684134A CN112684134A CN202011510215.XA CN202011510215A CN112684134A CN 112684134 A CN112684134 A CN 112684134A CN 202011510215 A CN202011510215 A CN 202011510215A CN 112684134 A CN112684134 A CN 112684134A
- Authority
- CN
- China
- Prior art keywords
- detection
- point
- pollution
- current
- acquiring
- 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
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于关联分析的水环境分析方法、系统、终端和存储介质,其属于水环境整治的领域,其中方法包括:将待检测水域划分为若干检测区块;在每一检测区块中获取检测点;为巡逻船设计航线;控制巡逻船进行水质检测,以得到水质检测数据;根据水质检测数据获取当前污染值;判断当前检测点对应的水质检测数据是否异常;若判断为异常,则将当前检测点标记为可疑检测点;划分二次检测区块;获取复检点;得到复检数据;获取二次检测区块中的可疑检测点对应的污染值;获取二次检测区块内所述污染值数值最大对应的可疑检测点或复检点,并标记为异常点;根据异常点,确定污染源。本申请具有帮助环保部门及时发现偷排污水的效果。
Description
技术领域
本申请涉及水环境整治的领域,尤其是涉及一种基于关联分析的水环境分析方法、系统、终端和存储介质。
背景技术
水环境是指自然界中水的形成、分布和转化所处空间的环境。是指围绕人群空间及可直接或间接影响人类生活和发展的水体,其正常功能的各种自然因素和有关的社会因素的总体。在地球表面,水体面积约占地球表面积的71%。
水污染主要是由人类活动产生的污染物造成,它包括矿山污染源,工业污染源,农业污染源和生活污染源四大部分。水污染是由有害化学物质造成水的使用价值降低或丧失,污染环境的水。污水中的酸、碱、氧化剂,以及铜、镉、汞、砷等化合物,苯、二氯乙烷、乙二醇等有机毒物,会毒死水生生物,影响饮用水源、风景区景观。污水中的有机物被微生物分解时消耗水中的氧,影响水生生物的生命,水中溶解氧耗尽后,有机物进行厌氧分解,产生硫化氢、硫醇等难闻气体,使水质进一步恶化。日趋加剧的水污染,已对人类的生存安全构成重大威胁,成为人类健康、经济和社会可持续发展的重大障碍。据世界权威机构调查,在发展中国家,各类疾病有80%是因为饮用了不卫生的水而传播的,每年因饮用不卫生水至少造成全球2000万人死亡,因此,水污染被称作"世界头号杀手"。
当今,随着科技进步,制造业发展越来越成熟,随之而来的是源源不断的工业废水,虽然政府明文规定工业废水需要经过处理并达到规定的标准后,才能被排放至河流中,但是,仍有许多工厂为了节约生产成本,直接将未经处理的工业污水直接排放至河流中,甚至在有环保部门检测的情况下,为了逃避惩罚,到晚上才将未处理的工业污水偷排至河内,对水体环境造成巨大的污染。环保往往通过定期检测水环境质量、对工厂进行排污检查来进行监理。
上述中的相关技术存在以下缺陷:环保部门无法及时发现偷排污水的情况,需要花费大量的人力物力对工厂进行排污检查。
发明内容
为了帮助环保部门及时发现偷排污水,本申请提供一种基于关联分析的水环境分析方法、系统、终端和存储介质。
第一方面,本申请提供一种基于关联分析的水环境分析方法,采用如下的技术方案:
一种基于关联分析的水环境分析方法,所述方法基于一水环境分析系统,所述水环境分析系统包括至少一艘装载有水质量检测仪器的巡逻船,包括:
根据待检测水域,将待检测水域划分为若干检测区块;
在每一所述检测区块中获取检测点;
根据所述检测点,为所述巡逻船设计航线;
控制所述巡逻船按检测航线行驶;
当所述巡逻船达到检测点时,控制所述巡逻船在当前检测点停航并进行水质检测,以得到当前监测点对应的水质检测数据;
根据所述当前检测点对应的水质检测数据,获取当前污染值;
根据所述当前污染值,判断所述当前检测点对应的水质检测数据是否异常;
若判断所述当前检测点对应水质检测数据异常,则将当前检测点标记为可疑检测点;
根据预设的计算模型,以可疑检测点为原点划分二次检测区块;
在二次检测区块中获取复检点;
控制所述巡逻船行驶到每一复检点进行二次检测,并得到复检数据;
获取二次检测区块中的可疑检测点对应的水质检测数据以及对应的污染值;
获取二次检测区块内所述污染值数值最大对应的可疑检测点或复检点,并将获取的可疑检测点或复检点标记为异常点;
根据所述异常点,确定污染源。
通过采用上述技术方案,控制巡逻船对待检测水域进行水环境的检测,根据获取的水质检测数据对当前区域的水质进行分析,若水质检测数据异常,说明当前检测区域可能已经受到污染,根据预设的计算模型,可以快速确定大致的污染源,帮助环保部门迅速对不合理的污染源做出反应以及整治措施。
可选的,所述在每一所述检测区块中获取检测点具体包括:
读取所述待检测水域内在预设的时间段内的历史检测点;
获取所有所述历史检测点对应的历史污染值;
根据所述历史污染值,获取历史污染值大于预设安全值对应的历史检测点,并将获取的历史检测点标记为检测点;
按照预设的模型,获取以每个历史检测点为中心的免检区域;
在所述待检测水域内获取免检区域以外的区域,并将获取的区域标记为未检区域;
在未检区域内获取检测点,并且保证每个检测区块中至少有两个检测点。
通过采用上述技术方案,采用更科学的计算方式为巡逻船规划检测路线,保证待检测水域内的每一块区域都能被检测到,提高水环境分析的全面性,降低因检测不全面而遗漏污染源的可能性。
可选的,所述根据预设的计算模型,以可疑检测点为原点划分二次检测区块具体包括:
获取所述可疑检测点对应的当前检测区块的水文信息,所述水文信息包括天气情况、水流流向以及水流流速;
根据所述水文信息,获取污染物扩散方向及预估范围;
根据所述污染物扩散方向及预估范围,以可以检测点为原点划分二次检测区块。
通过采用上述技术方案,根据具体的水文信息来确定二次检测区块,可以使二次检测区块划分的更加合理,根据天气情况、水流流向以及水流流速三个方面,充分考虑污染物扩散的速度、方向等因素,从而在保证检测范围充分的情况下尽可能减少巡逻船的检测次数,从而进一步提高检测效率。
可选的,在所述根据所述异常点,确定污染源具体包括:
判断异常点是否位于二次检测区块的端点处;
若判断为否,将异常点标记为污染源;
若判断为是,则根据所述当前检测区块内所有复检点对应的污染值,确定扩展检测路线;
在所述扩展检测路线上获取扩展检测点;
控制所述巡逻船按照所述扩展检测路线行驶;
当所述巡逻船达到扩展检测点时,控制所述巡逻船停航并对当前扩展检测点进行水质检测,并得到扩展检测结果;
根据所述扩展检测结果,获取当前扩展检测点对应的扩展污染值;
判断当前扩展检测点的扩展污染值是否大于所述扩展检测航线上前一扩展检测点对应的扩展污染值;
若判断为是,则在扩展检测路线上继续获取扩展检测点;
若判断为否,则将所述扩展检测航线上前一扩展检测点标记为污染源。
通过采用上述技术方案,若异常点与二次检测区块的边界之间的最短距离小于预设的临界值,说明二次检测区块划分的不够科学,污染源可能在二次检测区块之外,为巡逻船规划合理的扩展检测路线,并控制巡逻船按照检测路线逐个对扩展检测路线上的扩展检测点进行检测,并且通过与上一扩展检测点进行实时比对,获取较为可靠的污染源的坐标值的同时,简化检测步骤。
可选的,所述巡逻船上装载有水下摄像头和数码摄像仪,所述根据所述异常点,确定污染源之后还包括:
获取所述污染源的污染源检测数据;
控制所述水下摄像头对所述污染源进行图像采集,以得到水下影像数据;
控制所述数码摄像仪进行图像采集,以得到陆地影像数据;
获取所述污染源的具体坐标值;
将每一污染源的对应的具体坐标值、污染源检测数据、水下影像数据和陆地影像数据进行整合,生成污染源明细表;
将所述污染源明细表发送至管理员终端。
通过采用上述技术方案,为管理人员提供全面的检测分析结果,方便管理人员获取关于污染源的详细信息并定制相应的措施,水下影像数据可以帮助管理员及时排查是否有工厂私自开通的违法排水口,陆地影像数据可以帮助管理人员快速定位污染源所在的具体位置。
可选的,在所述控制所述水下摄像头对所述污染源进行图像采集,以得到水下影像数据之后,还包括:
根据所述水下影像数据,判断所述污染源附近是否有污水排放口;
若判断为否,则按照预设的分析模型,以污染源为中心划分重点观察区块;
读取重点观察区块内的所有检测点,将获取的检测点标记为过往检测点;
获取所有所述过往检测点对应的过往检测信息,所述过往检测信息具体包括每个过往检测点对应的过往检测时间、检测总次数以及过往污染值;
根据所述过往检测信息,获取所述重点观察区块对应的污染规律;
根据所述重点观察区块对应的污染规律,获取预测污染时间;
将所述污染源的具体坐标值以及预测污染时间反馈至管理员终端。
通过采用上述技术方案,若根据水下影像数据判断到当前污染源不是由于工厂私设的污水排放口造成的,有可能是工厂为了逃避法律责任与环保部门的监管,用罐车装高浓度废液非法倾倒造成的,故通过过往检测信息,获取重点观察区块对应的污染规律,并根据污染规律预测下一次污染时间,帮助管理人员及时抓捕非法排污份子,无需时刻蹲守在污染源处,可以节省大量人力。
可选的,所述待检测水域按照地理位置被划分为若干子流域,每个所述子流域对应设有安全值,所述根据所述当前污染值,判断所述当前检测点对应的水质检测数据是否异常具体包括:
确定当前检测点对应的当前子流域;
读取当前子流域对应的安全值;
根据所述当前污染值和当前子流域对应的安全值,判断当前检测点对应的水质监测数据是否异常。
通过采用上述技术方案,由于每片水域在不同的河段,水质会发生较大的变化,通常在水源上流水域,水质比较优良,随着沿岸居民的污染,水质逐渐变差,根据待检测水域每一子流域的地理位置,设置不同的安全值,因地制宜,提高分析结果的可靠性与科学性。
第二方面,本申请提供一种基于关联分析的水环境分析系统,采用如下的技术方案:
第一划分模块,用于根据待检测水域,将待检测水域划分为若干检测区块;
第一获取模块,用于在每一所述检测区块中获取检测点;
设计模块,用于根据所述检测点,为所述巡逻船设计航线;
第一控制模块,用于控制所述巡逻船按检测航线行驶;
第二控制模块,用于当所述巡逻船达到检测点时,控制所述巡逻船在当前检测点停航并进行水质检测,以得到当前监测点对应的水质检测数据;
第二获取模块,用于根据所述当前检测点对应的水质检测数据,获取当前污染值;
判断模块,用于根据所述当前污染值,判断所述当前检测点对应的水质检测数据是否异常;
标记模块,用于若判断所述当前检测点对应水质检测数据异常,则将当前检测点标记为可疑检测点;
第二划分模块,用于根据预设的计算模型,以可疑检测点为原点划分二次检测区块;
第三获取模块,用于在二次检测区块中获取复检点;
复检模块,用于控制所述巡逻船行驶到每一复检点进行二次检测,并得到复检数据;
第四获取模块,用于获取二次检测区块中的可疑检测点对应的水质检测数据以及对应的污染值;
选取模块,用于获取二次检测区块内所述污染值数值最大对应的可疑检测点或复检点,并将获取的可疑检测点或复检点标记为异常点;
确定模块,用于根据所述异常点,确定污染源。
通过采用上述技术方案,后台管理中心通过控制巡逻船对待检测水域进行水质检测,可以代替人力快速获取水质检测数据,快速了解整个待检测水域的污染情况,对污染源及时作出应对措施。
第三方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如上述任一种方法的计算机程序。
通过采用上述技术方案,巡逻船在终端与后台管理中心建立连接,后台管理中心根据巡逻船在终端发出的请求执行各种操作和处理,并将处理结果反馈给巡逻船,从而实现巡逻船对待检测道面进行水环境关联分析。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行如上述任一种方法的计算机程序。
通过采用上述技术方案,当所述计算机可读存储介质被装入任一计算机后,所述任一计算机就能执行本申请提供的一种基于关联分析的水环境分析方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过在检测区块中获取检测点,并根据检测点的污染值进行污染源追踪,帮助环保部门迅速锁定污染源;
2.通过将待检测水域的不同地理位置,将待检测水域划分为若干子流域,每个子流域对应的安全值各不相同,提高了水质检测的可靠性;
3.通过控制水下摄像头和数码摄像仪对污染源进行图像采集,帮助管理人员迅速获取污染源的详细信息。
附图说明
图1是本申请实施例的基于关联分析的水环境分析方法的流程示意图。
图2是本申请实施例的在每一检测区块中获取检测点的流程示意图。
图3是本申请实施例的在每一检测区块中获取检测点的举例示意图。
图4是本申请实施例的在二次检测区块中获取复检点的举例示意图。
图5是本申请实施例的根据异常点确定污染源的流程示意图。
图6是本申请实施例的为管理员发送污染源明细表的流程示意图。
图7是本申请实施例的基于关联分析的水环境分析系统的结构框图。
附图标记说明:1、第一划分模块;2、第一获取模块;3、设计模块;4、第一控制模块;5、第二控制模块;6、第二获取模块;7、判断模块;8、标记模块;9、第二划分模块;10、第三获取模块;11、复检模块;12、第四获取模块;13、选取模块;14、确定模块。
具体实施方式
以下结合附图1-7对本申请作进一步详细说明。
本申请实施例公开一种基于关联分析的水环境分析方法。参照图1,基于关联分析的水环境分析方法包括:
S100:根据待检测水域,将待检测水域划分为若干检测区块。
其中,将待检测水域按照面积划分为若干检测区块,检测区块按照待检测水域的水流流向划分,将待检测水域划分为若干检测区块可以方便工作人员了解整个水域不同区段的情况。
S200:在每一检测区块中获取检测点。
参照图2,S200具体包括:
S201:读取待检测水域内在预设的时间段内的历史检测点。
其中,可以获取固定时间段内待检测水域的历史检测点,在实例中,可以获取一个月内该待检测水域的历史检测点。
S202:获取所有历史检测点对应的历史污染值。
其中,历史污染值为每个历史检测点对应的根据检测到的水质检测数据而自动生成的对应的污染值,根据历史污染值可以获取每个历史检测点对应区域的污染程度及状况。
S203:根据历史污染值,获取检测点。
其中,检测点具体为历史污染值大于预设的安全值对应的历史检测点,可获取历史检测点的坐标信息,根据历史检测点的坐标信息确定历史检测点所在的子流域以及该子流域对应的安全值,若历史检测点的历史污染值高于对应的安全值,说明该历史检测点对应的水域被污染过,需要再次检测,故将历史污染值大于预设的安全值对应的历史检测点标记为检测点。
具体的,待检测水域按照地理位置被划分为若干子流域,每个子流域设有对应的安全值,每个子流域的安全值各不相同。一般河流上游水质较好,因为大多河流上游流经山区,植被好,人口少,受到的污染较少,下游流经平原地区,人口密集,工业集中,故受到的污染也较大,因此,一般来说,位于河流上游的子流域对应的安全值较高,位于河流下游的子流域对应的安全值较低。根据河流的不用流域设置不同的安全值,可以提高检测对比的科学性。
S204:按照预设的模型,获取以每个历史检测点为中心的免检区域。
其中,在实例中,以历史检测点为圆心,划分一个半径为1米的免检区域,每个历史检测点均对应一个半径为一米的免检区域,各个免检区域可以有重叠。
具体的,由于历史污染值超过预设的安全值的历史检测点已被标记为检测点,为该类历史检测点划分免检区域,可以避免检测点与检测点距离过近而导致检测数据不全面。
S205:根据免检区域,获取未检区域。
其中,未检区域具体为待检测水域中除免检区域以外的所有区域。
S206:在未检区域内获取检测点。
其中,在实例中,具体方法为计算各个未检区域的实际面积,获取实际面积大于1平方米的未检区域,将获取的未检区域的中心点标记为检测点。
S207:判断是否每个检测区块中有至少两个检测点。
若判断为是,则跳转至S300;
若判断为否,则跳转至S208。
其中,保证每个检测区块中至少有两个检测点可以保证检测数据的完整性,检测点包括未检区域中的检测点和历史污染值大于安全值的检测点。
S208:获取检测区块中未满两个检测点的检测区块,并将获取的检测区块标记为待处理区块。
S209:在待处理区块中获取两个面积最大的未检区域,并在获取的未检区域中获取检测点。
其中,若检测区块中的检测点未满两个,则说明该检测区块内没有面积大于1平方米的未检区域,则在该检测区块中获取两个面积最大的未检区域,可以保证每个检测区块内至少有两个检测点。
举例来说,结合图3,检测区块X中分别有a、b、c、d、e五个历史检测点,检测区块X对应的安全值为80,其中b点对应的历史污染值为82,超过了安全值,其余四个历史检测点对应的历史污染值均低于80,则将b点标记为检测点;以a、b、c、d、e五个历史检测点为圆心,划分出5个对应的免检区域,检测区块X中除免检区域以外的区域均为未检区域,未检区域具体为F、G、H、I四个,计算这四个未检区域的实际面积,F对应的面积为0.83平方米,G对应的面积为0.92平方米,H对应的面积为0.81平方米,I对应的面积为0.25平方米,则这四个未检区域的实际面积均小于1平方米,暂不获取检测点;判断到检测区块X中仅有a点一个检测点,小于两个,则获取面积最大的两个未检区域G与F,以G、F两个区域的中心点g、f为检测点,检测区块X对应的检测点具体为a、g、f。
S300:根据检测点,为巡逻船设计检测航线。
其中,巡逻船的检测航线应沿检测点设计,避免巡逻船在待检测水域中多次往返,从而提高检测效率。
S400:控制巡逻船按检测航线行驶。
S500:当巡逻船到达检测点时,控制巡逻船在检测点停航并进行水质检测,以得到当前检测点对应的水质检测数据。
其中,巡逻船上搭载有水质检测仪,水质检测仪可以获取检测点水质的水质检测数据,水质检测数据具体包括:PH值、色度、浊度、电导率多个项目。
S600:根据水质检测数据,获取当前污染值。
其中,y为检测点对应的污染值,a为当前检测点的PH值与标准水质的PH值之间的偏差值的绝对值,b为当前检测点的色度与标准水质的色度之间的偏差值的绝对值,c为当前检测点的浊度与标准水质的浊度之间的偏差值的绝对值,d为当前检测点的电导率与标准水质的电导率之间的偏差值的绝对值,各项自变量对应的不同系数根据该项检测数据对水质的影响的大小,电导率对水质的影响最大,且电导率的数值偏小,故自变量d对应的系数最大。
举例来说,已知标准水质的PH值为7.50,浊度为1NTU,色度为1度,导电率为0.5S/m,获取到的当前检测点的PH值为6.82,浊度为2.5NTU,色度为2度,导电率为0.8S/m,则当前检测点对应的当前污染值具体为:
S700:根据当前污染值,判断当前检测点对应的水质检测数据是否异常。
若判断为是,则跳转至S800;
若判断为否,则跳转至S1300。
其中,S700具体包括:
S701:确定当前检测点对应的当前子流域。
S702:读取当前子流域对应的安全值。
其中,此处的安全值与S203中的安全值相一致。
S703:根据当前污染值与当前子流域对应的安全值,判断当前检测点对应的水质检测数据是否异常。
其中,若当前污染值大于安全值,则判断为异常;若当前污染值小于安全值,则判断为正常。
具体的,结合S600的例子来说,当前污染值为80.4,当前检测区块对应的安全值为75,则判断当前检测点对应的水质检测数据异常。
S800:将当前检测点标记为可疑检测点,并根据可疑检测点划分二次检测区块。
其中,S800具体包括:
S801:获取当前检测区块的水文信息。
其中,水文信息具体包括天气情况、水流流向以及水流流速,因水流流向是影响污染物质传播方向的主要因素,而天气情况与水流流速均会影响污染物质的传播速度,故综合考虑水文信息可以提高检测的科学性与效率。
S802:根据水文信息,获取污染物的扩散方向及预估范围。
其中,污染物扩散方向与水流流向一致,污染物扩散预估范围可根据公式:,其中,S为污染物扩散预估范围的距离,单位为m,n为天气修正系数,当天气情况为降水时,则n=1.2,当天气情况为不降水时,n=1;v为水流流速,y为当前检测点对应的当前污染值,为当前检测区块对应的安全值。
结合S703的例子来说,测得当前天气情况为降雨,水流流速为2.5m/s,则可计算得到污染物扩散预估范围为:
S803:根据污染物扩散方向及预估范围,以检测点为原点划分二次检测区块。
其中,在实例中,采用四边形规划方法来获取二次检测区块,具体方法为,以水流流向的方向为前,以检测点为原点向检测点前后延伸,向后延伸2倍扩散预估范围的距离,向前延伸1倍扩散预估范围的距离;以检测点为原点向检测点左右延伸1倍扩算预估范围的距离,以此获取四个端点,并将四个端点连接形成一个四边形,该四边形即为二次检测区块;若扩散预估范围的长度大于当前检测点到河岸的距离,则取当前检测点向左或右的最远距离为延伸长度。
S900:在二次检测区块中获取复检点。
其中,复检点具体为二次检测区块的四个端点,以及以左右端点为起点,在二次检测区块的长边上以2米为单位依次获取若干复检点。举例来说,结合图4,已知检测点a对应的扩散预估范围为3.2m,水流流向为由南向北方向,以检测点a为原点,向南延伸6.4m得到点,向北延伸3.2m得到点,向东方向延伸3.2m得到点,向西延伸3.2m得到点,连接、、、四个端点,形成一个四边形的二次检测区块,以为起点,在直线上以2米为单位依次获取复检点、、,以为起点,在直线上以2米为单位依次获取复检点、、,则当前检测点a对应的复检点共有、、、、、、、、、10个。
S1000:控制巡逻船对复检点进行水质检测,并获取所有复检点对应的复检数据以及污染值。
S1100:根据污染值确定异常点。
其中,异常点具体为以当前检测点为原点建立的二次检测区块中所有复检点中污染值最大的复检点或当前检测点。
S1200:根据异常点确定污染源。
参照图5,S1200具体包括:
S1201:判断异常点是否为位于二次检测区块的端点处。
若判断为否,则跳转至S1202;
若判断为是,则跳转至S1203。
S1202:将异常点标记为污染源。
S1203:根据复检点的污染值,确定扩展检测路线。
其中,确定扩展检测路线的具体方法为以污染值最大的点为原点,以水流流向为y轴正方向,建立直角坐标系,确定与原点距离最近的两个复检点,获取两个复检点的污染值之差,在建立的坐标系上做一条经过原点的斜线,该斜线的斜率的绝对值为上述获取的污染值之差,斜线向污染值较小的一侧倾斜,获取的斜线即为扩展检测路线。
S1204:在扩展检测路线上获取扩展检测点。
其中,第一个扩展检测点的获取方法具体为以上述坐标系的原点为起点,沿扩展检测路线的方向延伸2m,即为扩展检测点;除第一个扩展检测点外,其他的扩展检测点的获取方法为以巡逻船所在位置为起点,沿扩展检测路线的方向延伸2米,获取下一个扩展检测点。
S1205:控制巡逻船沿扩展检测航线的方向行驶至下一扩展检测点,并获取当前扩展检测点的扩展检测结果以及扩展污染值。
S1206:判断当前扩展检测点对应的扩展污染值是否大于前一扩展检测点对应的扩展污染值。
若判断为是,则跳转至S1204;
若判断为否,则跳转至S1207。
其中,若当前扩展检测点的污染值大于前一扩展检测点对应的扩展污染值,说明当前扩展检测点相较于前一扩展检测点距离污染源距离更近,但并不一定是距离污染源最近的点,需要继续检测;若当前扩展检测点的污染值小于前一扩展检测点对应的扩展污染值,说明前一扩展检测点为扩展检测航线上可以获取到的扩展检测点中距离污染源最近的点。
S1207:将前一扩展检测点标记为污染源。
举例来说,结合图4与S1203,沿射线获取扩展检测点,并控制巡逻船行驶到扩展检测点进行水质检测并获得对应的污染值为90,已知对应的污染值为88,则继续沿扩展检测路线获取扩展检测点,控制巡逻船对扩展检测点进行水质检测并获得对应的污染值为86,由于扩展检测点对应的污染值小于扩展检测点对应的污染值,则将扩展检测点标记为污染源。
S1208:控制巡逻船返回至当前检测点。
S1300:判断巡逻船是否完成所有检测点的检测。
若判断为是,则结束;
若判断为否,则跳转至S400。
参照图6,在本实施例中,巡逻船上装载有水下摄像头和数码摄像仪,其中水下摄像头为鱼眼相机,可以360转动拍摄水下的情况,数码摄像仪装载在巡逻船的甲板上,可以采集沿河的图像数据,可控制水下摄像仪与数码摄像仪根据获取到的污染源,自动采集图像,在获取到污染源后,相应的处理可以如下:
S11:获取污染源的污染源检测数据。
S12:控制水下摄像头对污染源进行图像采集,以得到水下影像数据。
S13:根据水下影像数据,判断污染源附近是否有污水排放口。
若判断为是,则跳转至S20;
若判断为否,则跳转至S14。
其中,可以根据水下影像数据中是否有持续的异常水流波动,来判断污染源附近是否有污水排放口。
S14:获取以污染源为中心的重点观察区块。
其中,获取方法具体为以污染源为中心划分一个直径为2米的圆,以该圆为重点观察区。若污染源附近没有污水排放口,说明该处的污染源可能是由于人为倾倒污水造成的。
S15:读取重点观察区块内的所有检测点,将获取的检测点标记为过往检测点。
S16:获取重点观察区块的所有检测点对应的过往检测信息。
其中,过往检测信息具体包括每个过往检测点对应的过往检测时间、检测总次数以及过往污染值。
S17:根据过往检测信息,获取重点观察区块对应的污染规律。
其中,污染规律可以两次污染之间间隔的预估时间差,污染规律可以根据过往检测时间及对应的过往污染值计算得到,可以获取重点观察区块中过往污染值最大的对应的检测时间,再获取以该检测时间对应的下一次检测的检测时间与对应的过往污染值,按照两次检测之间的时间差与污染指数之差,来预估污染规律。举例来说,重点观察区块内的最大的过往污染值为92,对应的下一次的过往污染值为78,两次检测时间间隔具体为13天,根据科学调查,污染物在水中的扩散速率为0.8分/天,则可以获取到污染规律为17.5天/次。
S18:根据污染规律,获取预测污染时间。
其中,预测污染时间可以根据污染规律与污染源对应的污染值,并以 最大的过往污染值为基准,获取预测污染时间,具体计算公式为:,其中T为预测污染的时间,i为污染规律,单位为:天/次,为最大过往污染值,为污染源对应的污染值。
S19:将污染源的具体坐标值以及预测污染时间反馈至管理员终端。
S20:控制数码摄像仪进行图像采集,以得到陆地影像数据。
其中,水下影像数据可以帮助工作人员快速获取水下的污染情况,陆地影像数据可以帮助工作人员快速定位污染源的具体位置。
S21:获取污染源的具体坐标值。
其中,具体坐标值为污染源对应的经纬度,工作人员可以根据导航系统迅速定位污染源。
S22:将每一污染源的对应的具体坐标值、污染源检测数据、水下影像数据和陆地影像数据进行整合,生成污染源明细表,并发送至管理员终端。
实施原理:向巡逻船下达行驶指令,使巡逻船按照检测航线行驶,并对各个检测点进行水质检测,根据水质检测数据判断检测点附近是否有污染源,同时,对污染源进行溯源,从而帮助管理人员快速发现污染源并及时作出对应的措施。
本申请实施例还公开一种基于关联分析的水环境分析系统。参照图7,一种基于关联分析的水环境分析系统包括:第一划分模块1、第一获取模块2、设计模块3、第一控制模块4、第二控制模块5、第二获取模块6、判断模块7、标记模块8、第二划分模块9、第三获取模块10、复检模块11、第四获取模块12、选取模块13、确定模块14。
第一划分模块1,用于根据待检测水域,将待检测水域划分为若干检测区块。
第一获取模块2,用于在每一检测区块中获取检测点。
设计模块3,用于根据检测点,为巡逻船设计航线。
第一控制模块4,用于控制巡逻船按检测航线行驶。
第二控制模块5,用于当巡逻船达到检测点时,控制巡逻船在当前检测点停航并进行水质检测,以得到当前监测点对应的水质检测数据。
第二获取模块6,用于根据当前检测点对应的水质检测数据,获取当前污染值。
判断模块7,用于根据当前污染值,判断当前检测点对应的水质检测数据是否异常。
标记模块8,用于若判断当前检测点对应水质检测数据异常,则将当前检测点标记为可疑检测点。
第二划分模块9,用于根据预设的计算模型,以可疑检测点为原点划分二次检测区块。
第三获取模块10,用于在二次检测区块中获取复检点。
复检模块11,用于控制巡逻船行驶到每一复检点进行二次检测,并得到复检数据。
第四获取模块12,用于获取二次检测区块中的可疑检测点对应的水质检测数据以及对应的污染值。
选取模块13,用于获取二次检测区块内污染值数值最大对应的可疑检测点或复检点,并将获取的可疑检测点或复检点标记为异常点;
确定模块14,根据异常点,确定污染源。
本申请实施例还公开一种智能终端,包括存储器和处理器,存储器上存储有能够被处理器加载并执行上述的基于关联分析的水环境分析方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质,其存储有能够被处理器加载并执行如上述的基于关联分析的水环境分析方法的计算机程序,该计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案,而非对申请的保护范围进行限制。显然,所描述的实施例仅仅是本申请部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请所要保护的范围。
Claims (10)
1.一种基于关联分析的水环境分析方法,其特征在于,所述方法基于一水环境分析系统,所述水环境分析系统包括至少一艘装载有水质量检测仪器的巡逻船,包括:
根据待检测水域,将待检测水域划分为若干检测区块;
在每一所述检测区块中获取检测点;
根据所述检测点,为所述巡逻船设计航线;
控制所述巡逻船按检测航线行驶;
当所述巡逻船达到检测点时,控制所述巡逻船在当前检测点停航并进行水质检测,以得到当前监测点对应的水质检测数据;
根据所述当前检测点对应的水质检测数据,获取当前污染值;
根据所述当前污染值,判断所述当前检测点对应的水质检测数据是否异常;
若判断所述当前检测点对应水质检测数据异常,则将当前检测点标记为可疑检测点;
根据预设的计算模型,以可疑检测点为原点划分二次检测区块;
在二次检测区块中获取复检点;
控制所述巡逻船行驶到每一复检点进行二次检测,并得到复检数据;
获取二次检测区块中的可疑检测点对应的水质检测数据以及对应的污染值;
获取二次检测区块内所述污染值数值最大对应的可疑检测点或复检点,并将获取的可疑检测点或复检点标记为异常点;
根据所述异常点,确定污染源。
2.根据权利要求1所述的基于关联分析的水环境分析方法,其特征在于,所述在每一所述检测区块中获取检测点具体包括:
读取所述待检测水域内在预设的时间段内的历史检测点;
获取所有所述历史检测点对应的历史污染值;
根据所述历史污染值,获取历史污染值大于预设安全值对应的历史检测点,并将获取的历史检测点标记为检测点;
按照预设的模型,获取以每个历史检测点为中心的免检区域;
在所述待检测水域内获取免检区域以外的区域,并将获取的区域标记为未检区域;
在未检区域内获取检测点,并且保证每个检测区块中至少有两个检测点。
3.根据权利要求1所述的基于关联分析的水环境分析方法,其特征在于,所述根据预设的计算模型,以可疑检测点为原点划分二次检测区块具体包括:
获取所述可疑检测点对应的当前检测区块的水文信息,所述水文信息包括天气情况、水流流向以及水流流速;
根据所述水文信息,获取污染物扩散方向及预估范围;
根据所述污染物扩散方向及预估范围,以可以检测点为原点划分二次检测区块。
4.根据权利要求3所述的基于关联分析的水环境分析方法,其特征在于,在所述根据所述异常点,确定污染源具体包括:
判断异常点是否位于二次检测区块的端点处;
若判断为否,将异常点标记为污染源;
若判断为是,则根据所述当前检测区块内所有复检点对应的污染值,确定扩展检测路线;
在所述扩展检测路线上获取扩展检测点;
控制所述巡逻船按照所述扩展检测路线行驶;
当所述巡逻船达到扩展检测点时,控制所述巡逻船停航并对当前扩展检测点进行水质检测,并得到扩展检测结果;
根据所述扩展检测结果,获取当前扩展检测点对应的扩展污染值;
判断当前扩展检测点的扩展污染值是否大于所述扩展检测航线上前一扩展检测点对应的扩展污染值;
若判断为是,则在扩展检测路线上继续获取扩展检测点;
若判断为否,则将所述扩展检测航线上前一扩展检测点标记为污染源。
5.根据权利要求1所述的基于关联分析的水环境分析方法,其特征在于,所述巡逻船上装载有水下摄像头和数码摄像仪,所述根据所述异常点,确定污染源之后还包括:
获取所述污染源的污染源检测数据;
控制所述水下摄像头对所述污染源进行图像采集,以得到水下影像数据;
控制所述数码摄像仪进行图像采集,以得到陆地影像数据;
获取所述污染源的具体坐标值;
将每一污染源的对应的具体坐标值、污染源检测数据、水下影像数据和陆地影像数据进行整合,生成污染源明细表;
将所述污染源明细表发送至管理员终端。
6.根据权利要求5所述的基于关联分析的水环境分析方法,其特征在于,在所述控制所述水下摄像头对所述污染源进行图像采集,以得到水下影像数据之后,还包括:
根据所述水下影像数据,判断所述污染源附近是否有污水排放口;
若判断为否,则按照预设的分析模型,以污染源为中心划分重点观察区块;
读取重点观察区块内的所有检测点,将获取的检测点标记为过往检测点;
获取所有所述过往检测点对应的过往检测信息,所述过往检测信息具体包括每个过往检测点对应的过往检测时间、检测总次数以及过往污染值;
根据所述过往检测信息,获取所述重点观察区块对应的污染规律;
根据所述重点观察区块对应的污染规律,获取预测污染时间;
将所述污染源的具体坐标值以及预测污染时间反馈至管理员终端。
7.根据权利要求1所述的基于关联分析的水环境分析方法,其特征在于,所述待检测水域按照地理位置被划分为若干子流域,每个所述子流域对应设有安全值,所述根据所述当前污染值,判断所述当前检测点对应的水质检测数据是否异常具体包括:
确定当前检测点对应的当前子流域;
读取当前子流域对应的安全值;
根据所述当前污染值和当前子流域对应的安全值,判断当前检测点对应的水质监测数据是否异常。
8.一种基于关联分析的水环境分析系统,其特征在于,包括,
第一划分模块(1),用于根据待检测水域,将待检测水域划分为若干检测区块;
第一获取模块(2),用于在每一所述检测区块中获取检测点;
设计模块(3),用于根据所述检测点,为所述巡逻船设计航线;
第一控制模块(4),用于控制所述巡逻船按检测航线行驶;
第二控制模块(5),用于当所述巡逻船达到检测点时,控制所述巡逻船在当前检测点停航并进行水质检测,以得到当前监测点对应的水质检测数据;
第二获取模块(6),用于根据所述当前检测点对应的水质检测数据,获取当前污染值;
判断模块(7),用于根据所述当前污染值,判断所述当前检测点对应的水质检测数据是否异常;
标记模块(8),用于若判断所述当前检测点对应水质检测数据异常,则将当前检测点标记为可疑检测点;
第二划分模块(9),用于根据预设的计算模型,以可疑检测点为原点划分二次检测区块;
第三获取模块(10),用于在二次检测区块中获取复检点;
复检模块(11),用于控制所述巡逻船行驶到每一复检点进行二次检测,并得到复检数据;
第四获取模块(12),用于获取二次检测区块中的可疑检测点对应的水质检测数据以及对应的污染值;
选取模块(13),用于获取二次检测区块内所述污染值数值最大对应的可疑检测点或复检点,并将获取的可疑检测点或复检点标记为异常点;
确定模块(14),根据所述异常点,确定污染源。
9.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011510215.XA CN112684134B (zh) | 2020-12-18 | 2020-12-18 | 基于关联分析的水环境分析方法、系统、终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011510215.XA CN112684134B (zh) | 2020-12-18 | 2020-12-18 | 基于关联分析的水环境分析方法、系统、终端和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112684134A true CN112684134A (zh) | 2021-04-20 |
CN112684134B CN112684134B (zh) | 2022-02-11 |
Family
ID=75450205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011510215.XA Active CN112684134B (zh) | 2020-12-18 | 2020-12-18 | 基于关联分析的水环境分析方法、系统、终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112684134B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592668A (zh) * | 2021-06-25 | 2021-11-02 | 杭州智果科技有限公司 | 一种水质区域划分管理系统 |
CN113607175A (zh) * | 2021-07-24 | 2021-11-05 | 诚邦测绘信息科技(浙江)有限公司 | 测绘用无人船路线规划方法、系统、存储介质及智能终端 |
CN113674121A (zh) * | 2021-05-14 | 2021-11-19 | 上海同渠工程咨询有限公司 | 用于碳中和的建设规划方法、系统、智能终端及存储介质 |
CN113901092A (zh) * | 2021-12-07 | 2022-01-07 | 中国气象局气象探测中心 | 一种用于赛场运行监测的文件管理方法及系统 |
CN114199314A (zh) * | 2021-12-25 | 2022-03-18 | 江西武大扬帆科技有限公司 | 基于5g和北斗技术的水文监测反馈系统 |
CN115159787A (zh) * | 2022-07-26 | 2022-10-11 | 苏州金螳螂园林绿化景观有限公司 | 一种水禽湖湖水监测处理方法 |
CN115407040A (zh) * | 2022-11-02 | 2022-11-29 | 张家港市东大工业技术研究院 | 一种水环境污染监测方法及系统 |
CN115974276A (zh) * | 2022-12-22 | 2023-04-18 | 红菌生物(广东)有限公司 | 一种厌氧氨氧化污水处理系统的智能调试系统 |
CN116699072A (zh) * | 2023-06-08 | 2023-09-05 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN117630319A (zh) * | 2024-01-26 | 2024-03-01 | 深圳市天地互通科技有限公司 | 一种基于大数据的水质监测预警方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3691983A (en) * | 1970-09-22 | 1972-09-19 | Edward L Greenwood | Identification system for water pollution detection |
US8091572B2 (en) * | 2008-11-11 | 2012-01-10 | Industrial Technology Research Institute | Method for tracking pollution source in process water |
CN102507891A (zh) * | 2011-11-29 | 2012-06-20 | 中国科学院南京地理与湖泊研究所 | 无机营养盐污染源解析方法 |
CN105302777A (zh) * | 2015-09-25 | 2016-02-03 | 福建四创软件有限公司 | 基于网格动态播放的水环境信息展示方法及系统 |
KR20160059038A (ko) * | 2014-11-17 | 2016-05-26 | (주)퓨어텍 | 네트워크를 이용한 실시간 수질측정 및 수질정화 시스템 |
CN105956664A (zh) * | 2016-04-27 | 2016-09-21 | 浙江大学 | 一种河流点源突发污染事故溯源方法 |
CN106405040A (zh) * | 2016-11-17 | 2017-02-15 | 苏州航天系统工程有限公司 | 一种基于无人设备的水质巡检、污染物溯源系统及其方法 |
CN206991539U (zh) * | 2017-08-04 | 2018-02-09 | 郑保宁 | 一种无人船复杂水域智能监控系统 |
CN107782869A (zh) * | 2017-07-14 | 2018-03-09 | 水联网技术服务中心(北京)有限公司 | 一种水质在线监测系统 |
CN108008099A (zh) * | 2017-11-01 | 2018-05-08 | 佛山科学技术学院 | 一种污染源定位方法 |
CN109709293A (zh) * | 2018-11-27 | 2019-05-03 | 聚光科技(杭州)股份有限公司 | 偷排污水的识别方法 |
CN111122570A (zh) * | 2019-12-13 | 2020-05-08 | 南京理工大学 | 基于无人机的钢铁厂污水排放监测方法及系统 |
CN111638310A (zh) * | 2020-06-05 | 2020-09-08 | 中国计量大学 | 基于LoRa的河流水质监测系统 |
CN111855945A (zh) * | 2020-07-28 | 2020-10-30 | 王艳捷 | 一种智慧型流域水质污染溯源的船载监测技术及方法 |
CN111861421A (zh) * | 2020-08-01 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种流域突发水污染快速溯源方法 |
-
2020
- 2020-12-18 CN CN202011510215.XA patent/CN112684134B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3691983A (en) * | 1970-09-22 | 1972-09-19 | Edward L Greenwood | Identification system for water pollution detection |
US8091572B2 (en) * | 2008-11-11 | 2012-01-10 | Industrial Technology Research Institute | Method for tracking pollution source in process water |
CN102507891A (zh) * | 2011-11-29 | 2012-06-20 | 中国科学院南京地理与湖泊研究所 | 无机营养盐污染源解析方法 |
KR20160059038A (ko) * | 2014-11-17 | 2016-05-26 | (주)퓨어텍 | 네트워크를 이용한 실시간 수질측정 및 수질정화 시스템 |
CN105302777A (zh) * | 2015-09-25 | 2016-02-03 | 福建四创软件有限公司 | 基于网格动态播放的水环境信息展示方法及系统 |
CN105956664A (zh) * | 2016-04-27 | 2016-09-21 | 浙江大学 | 一种河流点源突发污染事故溯源方法 |
CN106405040A (zh) * | 2016-11-17 | 2017-02-15 | 苏州航天系统工程有限公司 | 一种基于无人设备的水质巡检、污染物溯源系统及其方法 |
CN107782869A (zh) * | 2017-07-14 | 2018-03-09 | 水联网技术服务中心(北京)有限公司 | 一种水质在线监测系统 |
CN206991539U (zh) * | 2017-08-04 | 2018-02-09 | 郑保宁 | 一种无人船复杂水域智能监控系统 |
CN108008099A (zh) * | 2017-11-01 | 2018-05-08 | 佛山科学技术学院 | 一种污染源定位方法 |
CN109709293A (zh) * | 2018-11-27 | 2019-05-03 | 聚光科技(杭州)股份有限公司 | 偷排污水的识别方法 |
CN111122570A (zh) * | 2019-12-13 | 2020-05-08 | 南京理工大学 | 基于无人机的钢铁厂污水排放监测方法及系统 |
CN111638310A (zh) * | 2020-06-05 | 2020-09-08 | 中国计量大学 | 基于LoRa的河流水质监测系统 |
CN111855945A (zh) * | 2020-07-28 | 2020-10-30 | 王艳捷 | 一种智慧型流域水质污染溯源的船载监测技术及方法 |
CN111861421A (zh) * | 2020-08-01 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种流域突发水污染快速溯源方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674121A (zh) * | 2021-05-14 | 2021-11-19 | 上海同渠工程咨询有限公司 | 用于碳中和的建设规划方法、系统、智能终端及存储介质 |
CN113674121B (zh) * | 2021-05-14 | 2024-03-08 | 上海同渠工程咨询有限公司 | 用于碳中和的建设规划方法、系统、智能终端及存储介质 |
CN113592668A (zh) * | 2021-06-25 | 2021-11-02 | 杭州智果科技有限公司 | 一种水质区域划分管理系统 |
CN113592668B (zh) * | 2021-06-25 | 2023-11-03 | 杭州智果科技有限公司 | 一种水质区域划分管理系统 |
CN113607175A (zh) * | 2021-07-24 | 2021-11-05 | 诚邦测绘信息科技(浙江)有限公司 | 测绘用无人船路线规划方法、系统、存储介质及智能终端 |
CN113607175B (zh) * | 2021-07-24 | 2024-03-26 | 诚邦测绘信息科技(浙江)有限公司 | 测绘用无人船路线规划方法、系统、存储介质及智能终端 |
CN113901092A (zh) * | 2021-12-07 | 2022-01-07 | 中国气象局气象探测中心 | 一种用于赛场运行监测的文件管理方法及系统 |
CN113901092B (zh) * | 2021-12-07 | 2022-03-18 | 中国气象局气象探测中心 | 一种用于赛场运行监测的文件管理方法及系统 |
CN114199314B (zh) * | 2021-12-25 | 2023-05-16 | 中铁水利信息科技有限公司 | 基于5g和北斗技术的水文监测反馈系统 |
CN114199314A (zh) * | 2021-12-25 | 2022-03-18 | 江西武大扬帆科技有限公司 | 基于5g和北斗技术的水文监测反馈系统 |
CN115159787B (zh) * | 2022-07-26 | 2024-04-16 | 苏州金螳螂园林绿化景观有限公司 | 一种水禽湖湖水监测处理方法 |
CN115159787A (zh) * | 2022-07-26 | 2022-10-11 | 苏州金螳螂园林绿化景观有限公司 | 一种水禽湖湖水监测处理方法 |
CN115407040A (zh) * | 2022-11-02 | 2022-11-29 | 张家港市东大工业技术研究院 | 一种水环境污染监测方法及系统 |
CN115974276A (zh) * | 2022-12-22 | 2023-04-18 | 红菌生物(广东)有限公司 | 一种厌氧氨氧化污水处理系统的智能调试系统 |
CN116699072B (zh) * | 2023-06-08 | 2024-01-26 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN116699072A (zh) * | 2023-06-08 | 2023-09-05 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN117630319A (zh) * | 2024-01-26 | 2024-03-01 | 深圳市天地互通科技有限公司 | 一种基于大数据的水质监测预警方法及系统 |
CN117630319B (zh) * | 2024-01-26 | 2024-04-05 | 深圳市天地互通科技有限公司 | 一种基于大数据的水质监测预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112684134B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112684134B (zh) | 基于关联分析的水环境分析方法、系统、终端和存储介质 | |
Li et al. | Using self-organizing map for coastal water quality classification: Towards a better understanding of patterns and processes | |
Amir-Heidari et al. | A state-of-the-art model for spatial and stochastic oil spill risk assessment: A case study of oil spill from a shipwreck | |
Chessman | New sensitivity grades for Australian river macroinvertebrates | |
Birch et al. | Sediment metal enrichment and ecological risk assessment of ten ports and estuaries in the World Harbours Project | |
Talukdar et al. | Damming effects on trophic and habitat state of riparian wetlands and their spatial relationship | |
Randklev et al. | A semi-arid river in distress: Contributing factors and recovery solutions for three imperiled freshwater mussels (Family Unionidae) endemic to the Rio Grande basin in North America | |
Tran et al. | Intensified salinity intrusion in coastal aquifers due to groundwater overextraction: a case study in the Mekong Delta, Vietnam | |
Fitzpatrick et al. | Spatial variability of subaqueous and terrestrial acid sulfate soils and their properties, for the Lower Lakes South Australia | |
Chen et al. | Evaluation and prediction of water quality in the dammed estuaries and rivers of Taihu Lake | |
Amiri et al. | Selecting wells for an optimal design of groundwater monitoring network based on monitoring priority map: A Kish Island case study | |
Raj Chandar et al. | Mapping and analysis of marine pollution in Tuticorin coastal area using remote sensing and GIS | |
Chen et al. | Risk assessment of trace metal (loid) pollution in surface water of industrial areas along the Huangpu River and Yangtze River Estuary in Shanghai, China | |
Severiche et al. | Multivariate analysis of water quality in rosario Islands National Park (Colombia) | |
Forsythe et al. | Using geovisualization to assess lead sediment contamination in Lake St. Clair | |
Krishnan | A geographical information system for oil spills sensitivity mapping in the Shetland Islands (United Kingdom) | |
Medeiros et al. | Assessment of the quality of water for consumption by river-bank communities in areas exposed to urban and industrial pollutants in the municipalities of Abaetetuba and Barcarena in the state of Pará, Brazil | |
Bernabeu et al. | Improving the preparedness against an oil spill: Evaluation of the influence of environmental parameters on the operability of unmanned vehicles | |
Bystriantseva et al. | Spatio-Temporal Representation of the Ecological State of the Surface Waters of the Lower Section of the Dnieper River using GIS Technologies. | |
Murwira et al. | Zimbabwe-strategy for managing water quality and protecting water sources | |
Singh et al. | An Integrated assessment on LULC changes and Groundwater Quality in Ambattur Zone of Metropolitan Chennai, India | |
Castrignano et al. | Assessment of groundwater salinisation risk using multivariate geostatistics | |
Medina et al. | Spatio-temporal characterization of Manila Bay using optical water type and water quality mapping using Sentinel-3 OLCI images | |
Robinson | Effects of natural and anthropogenic forcing on Marsh channel evolution | |
Adounkpe et al. | Assessment of the temporal and spatial variation of the mercury content of lake Nokoué in Southern Benin Republic (West Africa) |
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 |