CN112734694A - 一种基于大数据的水质监测方法 - Google Patents
一种基于大数据的水质监测方法 Download PDFInfo
- Publication number
- CN112734694A CN112734694A CN202011512195.XA CN202011512195A CN112734694A CN 112734694 A CN112734694 A CN 112734694A CN 202011512195 A CN202011512195 A CN 202011512195A CN 112734694 A CN112734694 A CN 112734694A
- Authority
- CN
- China
- Prior art keywords
- water quality
- data
- area
- image
- water
- 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.)
- Withdrawn
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 264
- 238000012544 monitoring process Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 48
- 238000003911 water pollution Methods 0.000 claims abstract description 22
- 238000010191 image analysis Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 238000013500 data storage Methods 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000003062 neural network model Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 210000000746 body region Anatomy 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 241000894006 Bacteria Species 0.000 claims description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 3
- 229910052801 chlorine Inorganic materials 0.000 claims description 3
- 239000000460 chlorine Substances 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000008239 natural water Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G01N33/18—Water
-
- 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
- G01N33/18—Water
- G01N33/1826—Water organic contamination in water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06T5/80—
-
- G06T5/90—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/20—Controlling water pollution; Waste water treatment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biophysics (AREA)
- Food Science & Technology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于大数据的水质监测方法,涉及水质监测技术领域,解决了现有方案在进行大范围水质监测时工作效率低下且对水质监测数据利用率不高的技术问题;本发明设置了图像分析模块,该设置通过遥感技术进行缩小筛选范围,然后结合无人机技术进一步识别被污染的水质区域,有助于提高大范围水质监测的工作效率;本发明设置了数据采集分析模块,该设置通过采样点采集污染区域的水质监测数据,使得水质分析结果更加准确,且生成水体污染分布图,有助于直观地展示水质污染情况;本发明设置了水质预测模块,该设置通过根据历史数据对污染区域的水质变化进行预测,并生成水质变化趋势图,提前对水质变化进行预警,同时为水质改善提供依据。
Description
技术领域
本发明属于水质监测领域,涉及大数据技术,具体是一种基于大数据的水质监测方法。
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;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。
公开号为CN111157586A的发明专利公开了一种水质监测方法、装置及系统,包括:与上位机建立通信连接;接收所述上位机的采集指令;根据所述采集指令采集至少一台水质传感器的水质数据;将所述水质数据存储在缓存装置内;将所述缓存内的所述水质数据发送至所述上位机。
上述方案可实时查看水质数据信息,且同时采集多台水质传感器的水质数据,并对水质数据进行存储备份;但是,上述方案只能通过水质传感器获取数据,而不能对获得的水质数据充分利用;因此,上述方案仍需进一步改进。
发明内容
为了解决上述方案存在的问题,本发明提供了一种基于大数据的水质监测方法。
本发明的目的可以通过以下技术方案实现:一种基于大数据的水质监测方法,所述水质监测方法包括以下步骤:
步骤一:通过图像处理技术对监测区域进行筛选获取污染区域;
步骤二:获取污染区域的水质监测数据,对水质监测数据进行分析获取水质分析结果;
步骤三:根据水质分析结果进行预警,根据水质分析结果生成水质污染评价图;
步骤四:通过水质分析结果预测水质变化趋势,并生成水质变化趋势图。
优选的,所述污染区域通过图像分析模块获取;所述图像分析模块是控制系统的组成部分之一,所述控制系统还包括处理器、水质预测模块、预警调度模块、数据存储模块和数据采集分析模块;
所述处理器分别与图像采集模块、图像分析模块、水质预测模块、预警调度模块、数据存储模块和数据采集分析模块通信连接;所述预警调度模块与数据存储模块通信连接;
所述图像分析模块通过遥感技术和无人机技术相结合获取监测区域图像,并根据监测区域图像获取污染区域以及污染区域的污染坐标,并数据采集信号和污染坐标通过处理器发送至数据采集分析模块;所述图像分析模块包括遥感图像采集单元和无人机图像采集单元;
所述数据采集分析模块用于获取污染区域的水质监测数据,通过水质监测数据获取水体污染等级,并生成水体污染分布图。
优选的,所述图像分析模块用于获取监测区域图像,并通过筛选处理获取污染区域,包括:
通过智能终端选取监测区域并将监测区域通过处理器发送至图像采集模块;所述智能终端包括智能手机、平板电脑、笔记本电脑和工作站;所述监测区域的输入类型包括矢量文件和坐标文件;所述智能终端与处理器通信连接;
所述图像采集模块接收到监测区域时,发送遥感图像获取信号至遥感图像采集单元;遥感图像采集单元通过第三方平台获取监测区域对应的遥感图像;所述第三方平台包括资源卫星应用中心;
对遥感图像进行图像预处理获取第一图像;所述图像预处理包括几何校正、图像融合、图像镶嵌与裁剪;
选择校正方法对第一图像进行大气校正获取第二图像;所述校正方法包括大气参数拟合法和6S模型校正法;
识别第二图像中的水体区域,并将水体区域标记为i,i=1,2,……,n;n为大于0的整数;
通过第二图像和反演方法反演水体区域的浑浊度、浮游植物浓度和有机溶解物浓度,并分别将浑浊度、浮游植物浓度和有机溶解物浓度标记为HDi、FZNi和YRNi;
当第一评估系数YPXi满足L4≤YPXi时,则判定编号i对应的水体区域受到污染并标记为污染区域;当第一评估系数YPXi满足L3≤YPXi<L4时,则判定编号i对应的水体区域受疑似污染并标记为疑似区域;当第一评估系数YPXi满足0≤YPXi<L3时,则判定编号i对应的水体区域没有被污染,并标记为空白区域;其中L3和L4为第一评估系数设定值,且L3和L4均为大于0的实数;
通过无人机技术获取疑似区域的航拍图像,对航拍图像进行灰度处理获取灰度图像;获取灰度图像中像素点的灰度平均值,并将灰度平均值标记为HPZ;当灰度平均值HPZ满足HPZ>L5时,则将对应的疑似区域标记为污染区域;当灰度平均值HPZ满足0<HPZ≤L5时,则判定对应的疑似区域没有被污染,并标记为空白区域;其中L5为灰度平均值设定值,且L5为大于0的实数;
获取空白区域的坐标并标记空白坐标,获取污染区域的坐标并标记为污染坐标,通过处理器发送数据采集信号和坐标数据至数据采集分析模块;同时将坐标数据和数据采集信号发送记录发送至数据存储模块进行存储;所述坐标数据包括空白坐标和污染坐标。
优选的,所述数据采集分析模块用于获取坐标数据对应水体区域的水质监测数据,根据水质监测数据获取水质分析结果,包括:
当数据采集分析模块接收到数据采集信号之后,启动坐标数据对应水体区域设置的采样点获取水质监测数据和天气数据;其中针对空白坐标对应的水体区域定时采集,针对污染坐标对应的水体区域实时采集;所述定时采集是根据设定周期获取水质监测数据,所述设定周期包括1小时、1天和1周;所述水质监测数据包括浑浊度、余氯值、细菌总数、大肠杆菌总数和色度;所述天气数据包括能见度、温度、湿度、气压和降水量;
根据划分标准和水质监测数据将坐标数据对应的水体区域划分水体污染等级;所述水体污染等级包括重度污染、中度污染、轻度污染和无污染;
通过ArcGIS和坐标数据制作水体污染分布图;所述水体污染分布图包括坐标数据对应的水体区域及其对应的水质监测数据和水体污染等级;其中重度污染区域的水体区域标记红色,中度污染的水体区域标记橙色,轻度污染的水体区域标记为黄色,无污染的水体区域标记为绿色;
通过处理器将水体污染分布图分别发送至预警调度模块和数据存储模块。
优选的,所述水质预测模块根据水质监测数据和天气数据预测坐标数据对应水体区域的水质变化趋势,包括:
获取数据存储模块中坐标数据对应水体区域的水质监测数据和天气数据;将水质监测数据和天气数据按照设定比例随机选取训练集、验证集和测试集;
构建神经网络模型;所述神经网络模型包括误差前向传播神经网络和RBF神经网络;
通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为预测模型;
获取做数据对应水体区域的预测天气数据并输入至预测模型获取预测的水质监测数据;
以时间横坐标,预测的水质监测数据为纵坐标生成变化曲线;所述变化曲线即为坐标数据对应水体区域的水质变化趋势;将多个水体区域的水质变化趋势合并到一个二维坐标系中生成水质变化趋势图;
通过处理器将水质变化趋势图分别发送至数据存储模块和预警调度模块。
优选的,所述预警调度模块用于根据水体污染分布图进行预警,包括:
预警调度模块接收到水体污染分布图之后提取其中的红色区域、橙色区域和黄色区域及其对应的地理坐标;
通过蜂鸣器进行预警,并派遣工作人员到达现场进行调研并生成调研报告;通过处理器将工作人员派遣记录和调研报告发送至数据存储模块进行存储。
与现有技术相比,本发明的有益效果是:
1、本发明设置了图像分析模块,该设置用于获取监测区域图像,并通过筛选处理获取污染区域;通过遥感技术和无人机技术相结合获取监测区域图像,并根据监测区域图像获取污染区域以及污染区域的污染坐标;图像分析模块通过遥感技术进行缩小筛选范围,然后结合无人机技术进一步识别被污染的水质区域,有助于提高大范围水质监测的工作效率;
2、本发明设置了数据采集分析模块,该设置用于获取坐标数据对应水体区域的水质监测数据,根据水质监测数据获取水质分析结果;数据采集分析模块通过采样点采集污染区域的水质监测数据,使得水质分析结果更加准确,且生成水体污染分布图,有助于直观地展示水质污染情况;
3、本发明设置了水质预测模块,该设置根据水质监测数据和天气数据预测坐标数据对应水体区域的水质变化趋势;水质预测模块通过根据历史数据对污染区域的水质变化进行预测,并生成水质变化趋势图,提前对水质变化进行预警,同时为水质改善提供依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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为本发明的步骤示意图;
图2为本发明控制系统的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-图2,一种基于大数据的水质监测方法,水质监测方法包括以下步骤:
步骤一:通过图像处理技术对监测区域进行筛选获取污染区域;
步骤二:获取污染区域的水质监测数据,对水质监测数据进行分析获取水质分析结果;
步骤三:根据水质分析结果进行预警,根据水质分析结果生成水质污染评价图;
步骤四:通过水质分析结果预测水质变化趋势,并生成水质变化趋势图。
进一步地,污染区域通过图像分析模块获取;图像分析模块是控制系统的组成部分之一,控制系统还包括处理器、水质预测模块、预警调度模块、数据存储模块和数据采集分析模块;
处理器分别与图像采集模块、图像分析模块、水质预测模块、预警调度模块、数据存储模块和数据采集分析模块通信连接;预警调度模块与数据存储模块通信连接;
图像分析模块通过遥感技术和无人机技术相结合获取监测区域图像,并根据监测区域图像获取污染区域以及污染区域的污染坐标,并数据采集信号和污染坐标通过处理器发送至数据采集分析模块;图像分析模块包括遥感图像采集单元和无人机图像采集单元;
数据采集分析模块用于获取污染区域的水质监测数据,通过水质监测数据获取水体污染等级,并生成水体污染分布图。
进一步地,图像分析模块用于获取监测区域图像,并通过筛选处理获取污染区域,包括:
通过智能终端选取监测区域并将监测区域通过处理器发送至图像采集模块;智能终端包括智能手机、平板电脑、笔记本电脑和工作站;监测区域的输入类型包括矢量文件和坐标文件;智能终端与处理器通信连接;
图像采集模块接收到监测区域时,发送遥感图像获取信号至遥感图像采集单元;遥感图像采集单元通过第三方平台获取监测区域对应的遥感图像;第三方平台包括资源卫星应用中心;
对遥感图像进行图像预处理获取第一图像;图像预处理包括几何校正、图像融合、图像镶嵌与裁剪;
选择校正方法对第一图像进行大气校正获取第二图像;校正方法包括大气参数拟合法和6S模型校正法;
识别第二图像中的水体区域,并将水体区域标记为i,i=1,2,……,n;n为大于0的整数;
通过第二图像和反演方法反演水体区域的浑浊度、浮游植物浓度和有机溶解物浓度,并分别将浑浊度、浮游植物浓度和有机溶解物浓度标记为HDi、FZNi和YRNi;
当第一评估系数YPXi满足L4≤YPXi时,则判定编号i对应的水体区域受到污染并标记为污染区域;当第一评估系数YPXi满足L3≤YPXi<L4时,则判定编号i对应的水体区域受疑似污染并标记为疑似区域;当第一评估系数YPXi满足0≤YPXi<L3时,则判定编号i对应的水体区域没有被污染,并标记为空白区域;其中L3和L4为第一评估系数设定值,且L3和L4均为大于0的实数;
通过无人机技术获取疑似区域的航拍图像,对航拍图像进行灰度处理获取灰度图像;获取灰度图像中像素点的灰度平均值,并将灰度平均值标记为HPZ;当灰度平均值HPZ满足HPZ>L5时,则将对应的疑似区域标记为污染区域;当灰度平均值HPZ满足0<HPZ≤L5时,则判定对应的疑似区域没有被污染,并标记为空白区域;其中L5为灰度平均值设定值,且L5为大于0的实数;
获取空白区域的坐标并标记空白坐标,获取污染区域的坐标并标记为污染坐标,通过处理器发送数据采集信号和坐标数据至数据采集分析模块;同时将坐标数据和数据采集信号发送记录发送至数据存储模块进行存储;坐标数据包括空白坐标和污染坐标。
进一步地,数据采集分析模块用于获取坐标数据对应水体区域的水质监测数据,根据水质监测数据获取水质分析结果,包括:
当数据采集分析模块接收到数据采集信号之后,启动坐标数据对应水体区域设置的采样点获取水质监测数据和天气数据;其中针对空白坐标对应的水体区域定时采集,针对污染坐标对应的水体区域实时采集;定时采集是根据设定周期获取水质监测数据,设定周期包括1小时、1天和1周;水质监测数据包括浑浊度、余氯值、细菌总数、大肠杆菌总数和色度;天气数据包括能见度、温度、湿度、气压和降水量;
根据划分标准和水质监测数据将坐标数据对应的水体区域划分水体污染等级;水体污染等级包括重度污染、中度污染、轻度污染和无污染;
通过ArcGIS和坐标数据制作水体污染分布图;水体污染分布图包括坐标数据对应的水体区域及其对应的水质监测数据和水体污染等级;其中重度污染区域的水体区域标记红色,中度污染的水体区域标记橙色,轻度污染的水体区域标记为黄色,无污染的水体区域标记为绿色;
通过处理器将水体污染分布图分别发送至预警调度模块和数据存储模块。
进一步地,水质预测模块根据水质监测数据和天气数据预测坐标数据对应水体区域的水质变化趋势,包括:
获取数据存储模块中坐标数据对应水体区域的水质监测数据和天气数据;将水质监测数据和天气数据按照设定比例随机选取训练集、验证集和测试集;
构建神经网络模型;神经网络模型包括误差前向传播神经网络和RBF神经网络;
通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为预测模型;
获取做数据对应水体区域的预测天气数据并输入至预测模型获取预测的水质监测数据;
以时间横坐标,预测的水质监测数据为纵坐标生成变化曲线;变化曲线即为坐标数据对应水体区域的水质变化趋势;将多个水体区域的水质变化趋势合并到一个二维坐标系中生成水质变化趋势图;
通过处理器将水质变化趋势图分别发送至数据存储模块和预警调度模块。
进一步地,预警调度模块用于根据水体污染分布图进行预警,包括:
预警调度模块接收到水体污染分布图之后提取其中的红色区域、橙色区域和黄色区域及其对应的地理坐标;
通过蜂鸣器进行预警,并派遣工作人员到达现场进行调研并生成调研报告;通过处理器将工作人员派遣记录和调研报告发送至数据存储模块进行存储。
进一步地,校正方法根据第一图像来进行选择,包括:
获取第一图像的像素点总数,并将像素点总数标记为DXZ;
当像素点总数DXZ满足L1≤DXZ时,则判定第一图像为大范围图像,获取第一图像中的云雾覆盖率,并将云雾覆盖率标记为YEL;当像素点总数DXZ满足0<DXZ<L1时,则判定第一图像为小范围图像,使用6S模型校正法对第一图像进行大气校正;其中L1为像素点总数设定值,且L1≥10000;
当云雾覆盖率YFL满足0≤YFL≤L2时,则使用大气参数拟合法对第一图像进行大气校正;云雾覆盖率YFL满足L2≤YFL时,则使用6S模型校正法对第一图像进行大气校正;其中L2为云雾覆盖率设定值,且0<L2≤0.2。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理:
通过智能终端选取监测区域并将监测区域通过处理器发送至图像采集模块;所述图像采集模块接收到监测区域时,发送遥感图像获取信号至遥感图像采集单元;遥感图像采集单元通过第三方平台获取监测区域对应的遥感图像;对遥感图像进行图像预处理获取第一图像;选择校正方法对第一图像进行大气校正获取第二图像;识别第二图像中的水体区域,并将水体区域标记为i;通过第二图像和反演方法反演水体区域的浑浊度、浮游植物浓度和有机溶解物浓度;获取第一评估系数YPXi;当第一评估系数YPXi满足L4≤YPXi时,则判定编号i对应的水体区域受到污染并标记为污染区域;当第一评估系数YPXi满足L3≤YPXi<L4时,则判定编号i对应的水体区域受疑似污染并标记为疑似区域;当第一评估系数YPXi满足0≤YPXi<L3时,则判定编号i对应的水体区域没有被污染,并标记为空白区域;通过无人机技术获取疑似区域的航拍图像,对航拍图像进行灰度处理获取灰度图像;获取灰度图像中像素点的灰度平均值HPZ;当灰度平均值HPZ满足HPZ>L5时,则将对应的疑似区域标记为污染区域;当灰度平均值HPZ满足0<HPZ≤L5时,则判定对应的疑似区域没有被污染,并标记为空白区域;获取空白区域的坐标并标记空白坐标,获取污染区域的坐标并标记为污染坐标,通过处理器发送数据采集信号和坐标数据至数据采集分析模块;同时将坐标数据和数据采集信号发送记录发送至数据存储模块进行存储;
当数据采集分析模块接收到数据采集信号之后,启动坐标数据对应水体区域设置的采样点获取水质监测数据和天气数据;根据划分标准和水质监测数据将坐标数据对应的水体区域划分水体污染等级;通过ArcGIS和坐标数据制作水体污染分布图;通过处理器将水体污染分布图分别发送至预警调度模块和数据存储模块;
获取数据存储模块中坐标数据对应水体区域的水质监测数据和天气数据;将水质监测数据和天气数据按照设定比例随机选取训练集、验证集和测试集;构建神经网络模型;通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为预测模型;获取做数据对应水体区域的预测天气数据并输入至预测模型获取预测的水质监测数据;以时间横坐标,预测的水质监测数据为纵坐标生成变化曲线;所述变化曲线即为坐标数据对应水体区域的水质变化趋势;将多个水体区域的水质变化趋势合并到一个二维坐标系中生成水质变化趋势图;通过处理器将水质变化趋势图分别发送至数据存储模块和预警调度模块。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于大数据的水质监测方法,其特征在于,所述水质监测方法包括以下步骤:
步骤一:通过图像处理技术对监测区域进行筛选获取污染区域;
步骤二:获取污染区域的水质监测数据,对水质监测数据进行分析获取水质分析结果;
步骤三:根据水质分析结果进行预警,根据水质分析结果生成水质污染评价图;
步骤四:通过水质分析结果预测水质变化趋势,并生成水质变化趋势图。
2.根据权利要求1所述的一种基于大数据的水质监测方法,其特征在于,所述污染区域通过图像分析模块获取;所述图像分析模块是控制系统的组成部分之一,所述控制系统还包括处理器、水质预测模块、预警调度模块、数据存储模块和数据采集分析模块;
所述处理器分别与图像采集模块、图像分析模块、水质预测模块、预警调度模块、数据存储模块和数据采集分析模块通信连接;所述预警调度模块与数据存储模块通信连接;
所述图像分析模块通过遥感技术和无人机技术相结合获取监测区域图像,并根据监测区域图像获取污染区域以及污染区域的污染坐标,并数据采集信号和污染坐标通过处理器发送至数据采集分析模块;所述图像分析模块包括遥感图像采集单元和无人机图像采集单元;
所述数据采集分析模块用于获取污染区域的水质监测数据,通过水质监测数据获取水体污染等级,并生成水体污染分布图。
3.根据权利要求2所述的一种基于大数据的水质监测方法,其特征在于,所述图像分析模块用于获取监测区域图像,并通过筛选处理获取污染区域,包括:
通过智能终端选取监测区域并将监测区域通过处理器发送至图像采集模块;所述智能终端包括智能手机、平板电脑、笔记本电脑和工作站;所述监测区域的输入类型包括矢量文件和坐标文件;所述智能终端与处理器通信连接;
所述图像采集模块接收到监测区域时,发送遥感图像获取信号至遥感图像采集单元;遥感图像采集单元通过第三方平台获取监测区域对应的遥感图像;
对遥感图像进行图像预处理获取第一图像;所述图像预处理包括几何校正、图像融合、图像镶嵌与裁剪;
选择校正方法对第一图像进行大气校正获取第二图像;所述校正方法包括大气参数拟合法和6S模型校正法;
识别第二图像中的水体区域,并将水体区域标记为i,i=1,2,……,n;n为大于0的整数;
通过第二图像和反演方法反演水体区域的浑浊度、浮游植物浓度和有机溶解物浓度,并分别将浑浊度、浮游植物浓度和有机溶解物浓度标记为HDi、FZNi和YRNi;
当第一评估系数YPXi满足L4≤YPXi时,则判定编号i对应的水体区域受到污染并标记为污染区域;当第一评估系数YPXi满足L3≤YPXi<L4时,则判定编号i对应的水体区域受疑似污染并标记为疑似区域;当第一评估系数YPXi满足0≤YPXi<L3时,则判定编号i对应的水体区域没有被污染,并标记为空白区域;其中L3和L4为第一评估系数设定值,且L3和L4均为大于0的实数;
通过无人机技术获取疑似区域的航拍图像,对航拍图像进行灰度处理获取灰度图像;获取灰度图像中像素点的灰度平均值,并将灰度平均值标记为HPZ;当灰度平均值HPZ满足HPZ>L5时,则将对应的疑似区域标记为污染区域;当灰度平均值HPZ满足0<HPZ≤L5时,则判定对应的疑似区域没有被污染,并标记为空白区域;其中L5为灰度平均值设定值,且L5为大于0的实数;
获取空白区域的坐标并标记空白坐标,获取污染区域的坐标并标记为污染坐标,通过处理器发送数据采集信号和坐标数据至数据采集分析模块;同时将坐标数据和数据采集信号发送记录发送至数据存储模块进行存储;所述坐标数据包括空白坐标和污染坐标。
4.根据权利要求2所述的一种基于大数据的水质监测方法,其特征在于,所述数据采集分析模块用于获取坐标数据对应水体区域的水质监测数据,根据水质监测数据获取水质分析结果,包括:
当数据采集分析模块接收到数据采集信号之后,启动坐标数据对应水体区域设置的采样点获取水质监测数据和天气数据;其中针对空白坐标对应的水体区域定时采集,针对污染坐标对应的水体区域实时采集;所述定时采集是根据设定周期获取水质监测数据,所述设定周期包括1小时、1天和1周;所述水质监测数据包括浑浊度、余氯值、细菌总数、大肠杆菌总数和色度;所述天气数据包括能见度、温度、湿度、气压和降水量;
根据划分标准和水质监测数据将坐标数据对应的水体区域划分水体污染等级;所述水体污染等级包括重度污染、中度污染、轻度污染和无污染;
通过ArcGIS和坐标数据制作水体污染分布图;所述水体污染分布图包括坐标数据对应的水体区域及其对应的水质监测数据和水体污染等级;其中重度污染区域的水体区域标记红色,中度污染的水体区域标记橙色,轻度污染的水体区域标记为黄色,无污染的水体区域标记为绿色;
通过处理器将水体污染分布图分别发送至预警调度模块和数据存储模块。
5.根据权利要求2所述的一种基于大数据的水质监测方法,其特征在于,所述水质预测模块根据水质监测数据和天气数据预测坐标数据对应水体区域的水质变化趋势,包括:
获取数据存储模块中坐标数据对应水体区域的水质监测数据和天气数据;将水质监测数据和天气数据按照设定比例随机选取训练集、验证集和测试集;
构建神经网络模型;所述神经网络模型包括误差前向传播神经网络和RBF神经网络;
通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为预测模型;
获取做数据对应水体区域的预测天气数据并输入至预测模型获取预测的水质监测数据;
以时间横坐标,预测的水质监测数据为纵坐标生成变化曲线;所述变化曲线即为坐标数据对应水体区域的水质变化趋势;将多个水体区域的水质变化趋势合并到一个二维坐标系中生成水质变化趋势图;
通过处理器将水质变化趋势图分别发送至数据存储模块和预警调度模块。
6.根据权利要求2所述的一种基于大数据的水质监测方法,其特征在于,所述预警调度模块用于根据水体污染分布图进行预警,包括:
预警调度模块接收到水体污染分布图之后提取其中的红色区域、橙色区域和黄色区域及其对应的地理坐标;
通过蜂鸣器进行预警,并派遣工作人员到达现场进行调研并生成调研报告;通过处理器将工作人员派遣记录和调研报告发送至数据存储模块进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011512195.XA CN112734694A (zh) | 2020-12-19 | 2020-12-19 | 一种基于大数据的水质监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011512195.XA CN112734694A (zh) | 2020-12-19 | 2020-12-19 | 一种基于大数据的水质监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112734694A true CN112734694A (zh) | 2021-04-30 |
Family
ID=75603489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011512195.XA Withdrawn CN112734694A (zh) | 2020-12-19 | 2020-12-19 | 一种基于大数据的水质监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734694A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390803A (zh) * | 2021-05-12 | 2021-09-14 | 深圳市北斗云信息技术有限公司 | 一种基于普适型高光谱相机的水质监测方法、装置及终端 |
CN113625645A (zh) * | 2021-08-19 | 2021-11-09 | 福州大学 | 一种堆石混凝土坝智能监测方法及管理系统 |
CN114062628A (zh) * | 2021-11-10 | 2022-02-18 | 江苏南大五维电子科技有限公司 | 一种地表水多维度监测系统 |
CN114137170A (zh) * | 2021-11-18 | 2022-03-04 | 江苏云聚汇科技有限公司 | 一种水质在线监测控制系统 |
CN114324337A (zh) * | 2022-01-06 | 2022-04-12 | 吉林省水利水电勘测设计研究院 | 一种利用遥感影像进行水质分析系统和方法 |
CN114486764A (zh) * | 2022-01-26 | 2022-05-13 | 安徽新宇环保科技股份有限公司 | 基于全光谱水质分析仪的农业面源污染监测系统 |
CN114965918A (zh) * | 2022-04-20 | 2022-08-30 | 重庆两江生态渔业发展有限公司 | 一种基于卫星遥感图像的水质分析方法 |
CN116071689A (zh) * | 2023-03-07 | 2023-05-05 | 四川三思德科技有限公司 | 一种基于lora技术的水源地水质在线监测方法及系统 |
CN116125027A (zh) * | 2023-04-11 | 2023-05-16 | 江苏海峡环保科技发展有限公司 | 一种基于物联网的污水在线监测系统及方法 |
CN116260847A (zh) * | 2023-05-12 | 2023-06-13 | 湖南华博信息技术有限公司 | 基于水环境遥感监测的云服务系统 |
CN116609500A (zh) * | 2023-06-02 | 2023-08-18 | 无锡点创科技有限公司 | 一种基于物联网的水质数据监测方法 |
CN117035498A (zh) * | 2023-07-13 | 2023-11-10 | 黑龙江大学 | 一种基于遥感水文数据模型的高空水质水量检测方法 |
CN117513485A (zh) * | 2024-01-02 | 2024-02-06 | 上海中韩杜科泵业制造有限公司 | 基于水质污染级别的供水系统 |
-
2020
- 2020-12-19 CN CN202011512195.XA patent/CN112734694A/zh not_active Withdrawn
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390803B (zh) * | 2021-05-12 | 2022-09-20 | 深圳市北斗云信息技术有限公司 | 一种基于普适型高光谱相机的水质监测方法、装置及终端 |
CN113390803A (zh) * | 2021-05-12 | 2021-09-14 | 深圳市北斗云信息技术有限公司 | 一种基于普适型高光谱相机的水质监测方法、装置及终端 |
CN113625645A (zh) * | 2021-08-19 | 2021-11-09 | 福州大学 | 一种堆石混凝土坝智能监测方法及管理系统 |
CN114062628A (zh) * | 2021-11-10 | 2022-02-18 | 江苏南大五维电子科技有限公司 | 一种地表水多维度监测系统 |
CN114137170A (zh) * | 2021-11-18 | 2022-03-04 | 江苏云聚汇科技有限公司 | 一种水质在线监测控制系统 |
CN114137170B (zh) * | 2021-11-18 | 2023-02-28 | 江苏云聚汇科技有限公司 | 一种水质在线监测控制系统 |
CN114324337A (zh) * | 2022-01-06 | 2022-04-12 | 吉林省水利水电勘测设计研究院 | 一种利用遥感影像进行水质分析系统和方法 |
CN114486764A (zh) * | 2022-01-26 | 2022-05-13 | 安徽新宇环保科技股份有限公司 | 基于全光谱水质分析仪的农业面源污染监测系统 |
CN114965918A (zh) * | 2022-04-20 | 2022-08-30 | 重庆两江生态渔业发展有限公司 | 一种基于卫星遥感图像的水质分析方法 |
CN116071689B (zh) * | 2023-03-07 | 2023-06-06 | 四川三思德科技有限公司 | 一种基于lora技术的水源地水质在线监测方法及系统 |
CN116071689A (zh) * | 2023-03-07 | 2023-05-05 | 四川三思德科技有限公司 | 一种基于lora技术的水源地水质在线监测方法及系统 |
CN116125027A (zh) * | 2023-04-11 | 2023-05-16 | 江苏海峡环保科技发展有限公司 | 一种基于物联网的污水在线监测系统及方法 |
CN116260847A (zh) * | 2023-05-12 | 2023-06-13 | 湖南华博信息技术有限公司 | 基于水环境遥感监测的云服务系统 |
CN116260847B (zh) * | 2023-05-12 | 2023-07-11 | 湖南华博信息技术有限公司 | 基于水环境遥感监测的云服务系统 |
CN116609500A (zh) * | 2023-06-02 | 2023-08-18 | 无锡点创科技有限公司 | 一种基于物联网的水质数据监测方法 |
CN116609500B (zh) * | 2023-06-02 | 2023-12-22 | 无锡点创科技有限公司 | 一种基于物联网的水质数据监测方法 |
CN117035498A (zh) * | 2023-07-13 | 2023-11-10 | 黑龙江大学 | 一种基于遥感水文数据模型的高空水质水量检测方法 |
CN117035498B (zh) * | 2023-07-13 | 2024-04-16 | 黑龙江大学 | 一种基于遥感水文数据模型的高空水质水量检测方法 |
CN117513485A (zh) * | 2024-01-02 | 2024-02-06 | 上海中韩杜科泵业制造有限公司 | 基于水质污染级别的供水系统 |
CN117513485B (zh) * | 2024-01-02 | 2024-03-12 | 上海中韩杜科泵业制造有限公司 | 基于水质污染级别的供水系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
CN111897318B (zh) | 基于无人船的水体污染智能调查方法及装置 | |
CN110826514A (zh) | 一种基于深度学习的施工现场违章智能识别方法 | |
CN105866364A (zh) | 一种地下水污染检测评估系统 | |
CN109784752A (zh) | 一种三峡库区水体富营养化风险评估预警系统及其分析方法 | |
CN105738587A (zh) | 一种水质监测系统 | |
CN112418737A (zh) | 一种区域水环境管理平台 | |
CN111784082B (zh) | 一种基于大数据的gis山洪预防预警系统 | |
CN116362570B (zh) | 一种基于大数据平台的多维度污染分析方法及系统 | |
CN107909192B (zh) | 土壤重金属含量的估测方法及装置 | |
CN116539829A (zh) | 一种水质监测感知分析方法 | |
CN116233370A (zh) | 基于水质监测的智能化视频监控方法 | |
CN103969415A (zh) | 一种移动式水污染数据采集系统及方法 | |
CN114511784A (zh) | 环境监测预警方法、装置、设备及存储介质 | |
CN115308101A (zh) | 水质监测管理方法及系统 | |
CN114417981A (zh) | 一种智能河长巡测系统 | |
CN111239131A (zh) | 一种ai智能水环保实时监测平台 | |
CN113485218A (zh) | 一种基于5g的智慧物联监管平台 | |
CN115206040A (zh) | 核电取水口的生物入侵预警方法、装置及终端 | |
CN113125383A (zh) | 基于遥感的农耕用地次生盐渍化监测和预警方法和系统 | |
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 | |
CN115147011B (zh) | 一种地表水与林地损害鉴定评估方法及装置、设备和介质 | |
KR20140108747A (ko) | 동물행동 및 주변환경정보의 모니터링을 통한 실시간 환경 교란 감지 시스템 및 환경 교란 분석 방법 | |
CN114005041A (zh) | 一种基于uavrs和bim的道路病害识别管控方法和设备 | |
CN117314705B (zh) | 一种基于遥感影像的环境综合评估预测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210430 |
|
WW01 | Invention patent application withdrawn after publication |