CN113588583A - 基于全光谱的水质指标监测系统及水质监测的方法 - Google Patents
基于全光谱的水质指标监测系统及水质监测的方法 Download PDFInfo
- Publication number
- CN113588583A CN113588583A CN202110854418.9A CN202110854418A CN113588583A CN 113588583 A CN113588583 A CN 113588583A CN 202110854418 A CN202110854418 A CN 202110854418A CN 113588583 A CN113588583 A CN 113588583A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- water quality
- monitoring
- index
- 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 293
- 238000012544 monitoring process Methods 0.000 title claims abstract description 203
- 238000001228 spectrum Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012806 monitoring device Methods 0.000 claims abstract description 66
- 230000003595 spectral effect Effects 0.000 claims abstract description 59
- 230000002093 peripheral effect Effects 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 54
- 238000004140 cleaning Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 238000013499 data model Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000002835 absorbance Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 11
- 230000006866 deterioration Effects 0.000 abstract description 7
- 238000009825 accumulation Methods 0.000 description 4
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003760 hair shine Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Emergency Management (AREA)
- Quality & Reliability (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于全光谱的水质指标监测系统及水质监测的方法，该基于全光谱的水质指标监测系统包括有水质监测平台系统、水质监测装置和遥感卫星光谱数据源；水质监测装置包括有水质指标监测模块、太阳光监测模块、外设模块、主控模块和能源模块，其中，太阳光监测模块用于为所述水质监测装置提供太阳光光谱范围、辐照强度、均匀性和稳定性的数据采集，包括有微计算模组和太阳光监测模组。水质监测装置水质全光谱数据模拟成太阳照射水面形成的光谱数据，利用单点高精度指标模型预测单点指标数据，结合卫星光谱数据，反演出多点指标数据，形成平面指标数据和各种指标展示图，整体的反映流域内水质整体指标和变化趋势，有利于水质恶化的初期预警。
Description
技术领域
本发明涉及遥感卫星水质光谱反演环境监测的技术领域，尤其涉及一种基于全光谱的水质指标监测系统及水质监测的方法。
背景技术
在水利、环保、市政、海洋和水产养殖行业的水质指标检测和监测常用的方案是断面检测和监测方法，也可以称之为单点检测和监测的方法，通常是在一些重要的闸口、泵站或汇入点上放置一些电极传感器监测或采样后进行化学实验来检测水质指标，这种方法的弊端是采集成本大、周期跨度大和运行维护繁重，且只反映检测或监测点及有限范围内的水质变化或恶化情况，不能整体的反映流域内水质整体指标和变化趋势，不利于水质恶化的初期预警，不便于水质恶化后快速追根溯源；在水环境遥感领域，用手持式光谱仪采集水面光谱，通过对标反演形成数据模型，结合卫星光谱数据进行大面积水域指标变化的预测，能整体反映流域内水质整体指标和变化趋势，但因操作过程全部依靠人工，模型受采集数据数量限制精度不高、且单次成本大、周期长，很难大规模应用。
发明内容
本发明要解决的技术问题是，提供一种基于全光谱的水质指标监测系统，可以实时监测水质，快速检测水质，且结果准确率高。
为了解决上述技术问题，本发明采用的技术方案是：该基于全光谱的水质指标监测系统包括有水质监测平台系统、水质监测装置和遥感卫星光谱数据源；其中，所述水质监测平台系统通过监测终端负载均衡模块与所述水质监测装置进行信号通信连接，所述水质监测平台系统通过卫星数据负载均衡模块与所述遥感卫星光谱数据源进行信号通信连接；所述水质监测装置包括有水质指标监测模块、太阳光监测模块、外设模块、主控模块和能源模块，其中，所述太阳光监测模块用于为所述水质监测装置提供太阳光光谱范围、辐照强度、均匀性和稳定性的数据采集，包括有微计算模组和太阳光监测模组；所述遥感卫星光谱数据源包括各种遥感卫星和地面接收站及管理平台。
优选地，所述水质监测平台系统还包括有数据清洗模块、大数据计算模块、数据模型库、管理控制模块和应用展示模块；所述监测终端负载均衡模块一方面向上连接所述管理控制模块和所述数据清洗模块，接收所述管理控制模块的管理指令，为所述数据清洗模块提供水质监测终端的数据，另一方面向下连接所述水质监测装置，并转发管理指令给所述水质监测装置；所述卫星数据负载均衡模块一方面向上连接所述管理控制模块和所述数据清洗模块，接收所述管理控制模块的管理指令，为所述数据清洗模块提供遥感卫星光谱数据，另一方面向下连接所述遥感卫星光谱数据源，保证源卫星光谱数据源连接和数据连接的稳定性；所述数据清洗模块一方面向上连接所述大数据计算模块，为所述大数据计算模块提供数据清洗功能，包含但不限于数据去重、去缺和去噪等，另一方面向下连接所述监测终端负载均衡模块和所述卫星数据负载均衡模块，接受所述监测终端负载均衡模块和所述卫星数据负载均衡模块提供的各种数据；所述大数据计算模块一方面向上连接所述管理控制模块，接受指令进行大数据计算或建模，另一方面向下连接所述数据清洗模块和所述数据模型库，接收所述数据清洗模块清洗后的数据，利用清洗后的数据建立新的模型或对旧模型进行调优，或根据所述数据模型库中的模型利用清洗后的数据对指标结果进行计算；所述数据模型库向上连接所述大数据计算模块，存放各种指标模型；所述管理控制模块一方面向上连接所述应用展示模块，接受用户操作指令，另一方面向下连接所述监测终端负载均衡模块、卫星数据负载均衡模块和大数据计算模块，生成各种计算机可执行的操作指令；所述应用展示模块一方面向上连接到管理员或用户，接收管理员或用户的管理、操作和需求，另一方面向下连接到所述管理控制模块，根据管理员或用户的管理、操作和需求，生成各种指令并把执行的过程、结果、报表和图展示给管理员或用户。
优选地，所述水质指标监测模块包含微控模组、检测模组、模拟光源和监测模拟装置；其中，所述微控模组一方面向上连接所述主控模块，接收所述主控模块的指令并把采集数据传送到所述主控模块，另一方面向下连接所述检测模组和所述模拟光源，控制所述模拟光源和检测模组的数据采集；所述检测模组向上连接所述微控模组，接收指令并进行数据采集；所述模拟光源向上连接所述微控模组，接收指令并进行开、关和光能调节；所述监测模拟装置是以光源模拟太阳照射水面的装置，为检测提供模拟环境。
优选地，所述微计算模组一方面向上连接所述主控模块，接收所述主控模块的指令并把采集计算数据传送到所述主控模块，另一方面向下连接所述太阳光监测模组，控制所述太阳光监测模组数据采集并进行计算；所述太阳光监测模组向上连接所述微计算模组，接收指令并进行数据采集，采集计算包含太阳光的光谱范围、辐照强度、均匀性和稳定性。
优选地，所述外设模块包含定位通信模组、摄像头警报模组和扩展模组；其中，所述定位通信模组同时向上连接所述主控模块和所述水质监测平台系统，接收所述水质监测平台系统通过所述主控模块发送定位和通信的指令，并将所述主控模块采集和计算的数据发送到所述水质监测平台系统；所述摄像头报警模组向上连接所述主控模块，接收所述主控模块指令，进行报警和视频数据采集；所述扩展模组向上连接所述主控模块，为设备提供扩展功能，包含USB、HDMI和I/O。
优选地，所述主控模块包含主控模组a和主控模组b；两个主控模组一方面接收所述能源模块的电能供给，在自用的同时，把电能传送给所述水质指标监测模块、太阳光监测模块和外设模块；另一方面向下连接所述水质指标监测模块和所述太阳光监测模块，控制数据采集的过程和流程；最后一方面通过所述外设模块向上连接到所述水质监测平台系统，接收所述水质监测平台系统指令并把采集计算数据传送到所述水质监测平台系统。
优选地，所述能源模块包括能源控制模组、蓄电池模组、市电能源接入和清洁能源接入；其中，所述能源控制模组一方面向上接收所述主控模块的指令，另一方面向下连接所述市电能源接入、清洁能源接入和蓄电池模组选择电能类型和给蓄电池充电；所述蓄电池模组向上连接所述能源控制模组接收充放电指令，为设备提供备用电能；所述市电能源接入向上连接所述能源控制模组接收指令，为设备提市电电能；所述清洁能源接入向上连接所述能源控制模组接收指令，为设备提供清洁电能。
优选地，所述遥感卫星包含国内外各种能采集水面光谱数据的遥感卫星，向上连接所述地面接收站及管理平台，将采集到的水面光谱数据上报到所述地面接收站及管理平台；所述地面接收站及管理平台，向上连接所述水质监测平台系统，把所述遥感卫星采集的水面光谱数据转发给连接的所述水质监测平台系统。
制作监测模拟装置模拟太阳照射水面的检测环境，将水质监测装置采集的全光谱数据(200～900nm)进行计算，模拟成太阳照射水面形成的光谱数据，通过人工梯度建模、现场数据累积优化模型最终形成单点高精度指标模型；在采集测试时，将水质监测装置水质全光谱数据(200～900nm)模拟成太阳照射水面形成的光谱数据，利用单点高精度指标模型预测单点指标数据，结合卫星光谱数据，反演出多点指标数据，形成平面指标数据和各种指标展示图，可以整体的反映流域内水质整体指标和变化趋势，有利于水质恶化的初期预警，同时可在变化初期就能直观快捷的追根溯源，指标模型随着数据自动采集累积优化，整个过程人工介入程度低，成本低，可大规模应用于水利、环保、市政、海洋和水产养殖等行业的水质指标监测。
本发明要解决的技术问题是，提供一种采用基于全光谱的水质指标监测系统进行水质检测的方法，可以结合卫星光谱数据，形成平面指标数据和各种指标展示图，可以整体的反映流域内水质整体指标和变化趋势，有利于水质恶化的初期预警，整个过程人工介入程度低，成本低，可大规模应用于水利、环保、市政、海洋和水产养殖等行业的水质指标监测。
为了解决上述技术问题，本发明采用的技术方案是：该采用基于全光谱的水质指标监测系统进行水质检测的方法，具体包括以下步骤：
S1启动设备：启动水质指标监测装置；
S2现场数据采集:利用所述水质指标监测装置的水质指标监测模块现场采集背景光、球光和水面光光谱数据；
S3太阳光参数监测：利用所述水质指标监测装置的太阳光监测模块在应用现场采集太阳光照射参数，包括太阳光光谱范围、辐照强度、均匀性和稳定性的数据；
S4模拟成卫星光谱数据：将所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值进行相关系数计算，在所述实时天空光与所述校正天空光正强相关的波段范围内计算距离平均值；
利用所述步骤S2中的采集的背景光、球光和水面光光谱数据在每个波段加上所计算的距离平均值，生成模拟成卫星光谱数据；
S5单点高精度指标模型:从水质监测平台系统的指标模型库调取要预测的单点高精度指标模型；
S6预测单点指标数据：利用所述步骤S4生成的模拟成卫星光谱数据，结合所述步骤S5调取的单点高精度指标模型预测监测点的指标数据；
S7卫星光谱数据：调取遥感卫星的光谱数据；
S8多点指标数据：利用所述步骤S6预测的单点指标数据，结合所述步骤S7遥感卫星的光谱数据，反演生成多点指标数据；
S9平面指标数据：生成并保存水域平面的指标数据；
S10各种指标展示图：生成并保存水域平面的各种指标展示图。
优选地，在所述步骤S4中，相关系数计算公式如下：
其中：ρ代表皮尔逊相关系数，n代表分段内原始光谱的个数，xi实时天空光在i波段的原始光谱数值，
实时天空光在分段内的平均值，yi校正天空光在i波段的原始光谱数值，
校正天空光在分段内的平均值；
将实时天空光与校正天空光两个天空光200nm～900nm的波段分成若干个分段，50nm/段，对每个分段的ρ值由高到低进行排序，分成两种情况：第一种情况，ρ值<0.8，则认为该分段的实时天空光和校正天空光的原始光谱趋势弱相关，再次增加分段数量，比如调成40nm/段，计算皮尔逊相关系数；第二种情况，0.8≤ρ值≤1，则认为该分段的实时天空光和校正天空光的原始光谱趋势正强相关，取该分段的实时天空光和校正天空光在同一波段的原始光谱计算距离，计算公式如下：
其中，D代表距离平均值；n代表分段内原始光谱的个数；xi实时天空光在i波段的原始光谱数值；yi校正天空光在i波段的原始光谱数值；
比如在550～600nm波段，所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值ρ值判断为正强相关，计算D＝680，那就给S2中的采集的背景光、球光和水面光光谱每个波段数据加上680，生成模拟成卫星光谱数据；
优选地，所述步骤S5中的单点高精度指标模型建模流程具体为：
S51选择遥感卫星：选择大面积反演应用一个或多个遥感器卫星；
S52梳理可监测波段：梳理该遥感卫星能监测的波段；
S53选择监测水质指标：选择要检测或监测的水质指标，且分析该水质指标在已选择卫星的可观察波段内有较显性的反映；
S54人工采集梯度数据：利用所述水质指标监测装置的水质指标监测模块人工手动采集暗电流、标准板和天空光，校正光谱数据；利用所述水质指标监测装置的水质指标监测模块通过标准液浓度配比梯度采集背景光、球光和水面光光谱梯度数据，并随机将光谱梯度数据分成70％的建模数据和30％的验证数据；
S55 70％建模数据：保存并清洗70％的建模数据，清洗数据包含去重、去缺和去噪；
S56 30％验证数据：保存30％的验证数据；
S57初始模型一：用清洗后的70％数据进行建模，建模方法包含并不限于用吸光度、反射率及一阶导数和二节导数；
S58判断：用30％验证数据去验证初始模型一，
A、若精度不满足指标精度要求，返回所述步骤S54，重新进行人工梯度数据采集；
B、若精度满足指标要求，进行步骤S59，生成实验室高精度指标模型；
S59实验室高精度指标模型：生成并保存实验室高精度指标模型；
S510现场数据采集：利用所述水质指标监测装置的水质指标监测模块在应用现场采集背景光、球光和水面光光谱数据；
S511太阳光参数监测：利用所述水质指标监测装置的太阳光监测模块在应用现场采集太阳光照射参数，包括太阳光光谱范围、辐照强度、均匀性和稳定性的数据；
S512初始模型二：将所述水质指标监测装置的太阳光监测模块采集实时的天空光与所述步骤S54水质指标监测模块校正天空光进行比对计算生成相关性公式，计算方式包含乘积、加减或各种函数，利用所述相关性公式处理所述步骤S54采集的暗电流标准板、背景光、球光和水面光光谱梯度数据，生成初始模型二；
S513现场比对测试：通过现场的指标比对仪器采集水质指标的数据；同时通过利用所述水质指标监测装置的水质指标监测模块采集现场水质光谱数据，并通过初始模型二预测水质指标；
S514模型优化：利用所述步骤S513现场对比测试的结果对初始模型二进行算法优化；
S515现场指标模型：生成现场指标模型；
S516高精度对比仪器：利用高精度对比仪器测试现场的水质指标；
S517判断：所述步骤S515中的现场指标模型生成的指标数值与高精度对比仪器测试现场的水质指标数值进行判断，
A、若精度不满足指标精度要求，返回所述步骤S513，重新进行现场比对测试和模型优化；
B、若精度满足指标要求，进行步骤S518，生成单点高精度指标模型；
S518单点高精度指标模型：生成并保存单点高精度指标模型。
优选地，在所述步骤S53中，比如所述水质指标中的水质氨氮指标为氨氮与归一化反射率在634nm～643nm之间负相关，最大负相关系数r＝-0.2196，在846～855nm附近最大正相关系数r＝0.217；而Landsat 8的Band 4 Red(红波段，630–680nm)和Band 5 NIR(近红外波段845–885nm)，那么该方案就可以结合Landsat 8卫星光谱数据使用。
附图说明
下面结合附图进一步描述本发明的技术方案：
图1为本发明的基于全光谱的水质指标监测系统的系统结构图；
图2为本明的水质指标监测装置的结构图；
图3为本明的基于全光谱的水质指标监测系统的水质监测方法流程图；
图4为图3中单点高精度指标模型建模流程图；
图5为太阳光监测模块的结构示意图；
图6为图5的俯视结构示意图；
其中：1-水质监测平台系统；101-监测终端负载均衡模块；102-大数据计算模块；103-管理控制模块；104-数据清洗模块；105-数据模型库；106-应用展示模块；107-卫星数据负载均衡模块；2-管理员；3-用户；4-水质监测装置；401-外设模块，4011-扩展模组，4012-定位通信模组，4013-摄像头警报模组；402-水质指标监测模块，4021-微控模组，4022-检测模组，4023-模拟光源，4024-监测模拟装置；403-主控模块，4031-主控模组a，4032-主控模组b；404-太阳光监测模块，4041-微计算模组，4042-太阳光监测模组，4043-聚光准直透镜，4044-旋转分光光栅；405-能源模块，4051-能源控制模组，4052-蓄电池模组，4053-市电能源接入，4054-清洁能源接入；5-遥感卫星光谱数据源，501-遥感卫星，502-地面接收站及管理平台。
具体实施方式
为了加深对本发明的理解，下面将结合附图和实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。
实施例：如图1所示，该基于全光谱的水质指标监测系统，包括有水质监测平台系统1、水质监测装置4和遥感卫星光谱数据源5；其中，所述水质监测平台系统1通过监测终端负载均衡模块101与所述水质监测装置4进行信号通信连接，所述水质监测平台系统1通过卫星数据负载均衡模块107与所述遥感卫星光谱数据源5进行信号通信连接；所述水质监测装置4包括有水质指标监测模块402、太阳光监测模块404、外设模块401、主控模块403和能源模块405，其中，所述太阳光监测模块404用于为所述水质监测装置4提供太阳光光谱范围、辐照强度、均匀性和稳定性的数据采集，包括有微计算模组4041和太阳光监测模组4042，如图5、6所示，太阳光监测模块404还包括有聚光准直透镜4043和旋转分光光栅4044，其中，聚光准直透镜4043将入射的太阳光聚光后，垂直照射到分光光栅上，旋转分光光栅4044把直射太阳光分光，让其照射在太阳光监测模组4042上，旋转分光光栅4044可将太阳光每nm波段分成3个小颗粒波段，类似把一束白光按照每nm分成3个不同颜色的光；所述遥感卫星光谱数据源5包括各种遥感卫星501和地面接收站及管理平台502。
所述水质监测平台系统1还包括有数据清洗模块104、大数据计算模块102、数据模型库105、管理控制模块103和应用展示模块106；所述监测终端负载均衡模块101一方面向上连接所述管理控制模块103和所述数据清洗模块104，接收所述管理控制模块103的管理指令，为所述数据清洗模块104提供水质监测终端的数据，另一方面向下连接所述水质监测装置4，并转发管理指令给所述水质监测装置4；所述卫星数据负载均衡模块107一方面向上连接所述管理控制模块103和所述数据清洗模块104，接收所述管理控制模块103的管理指令，为所述数据清洗模块104提供遥感卫星光谱数据，另一方面向下连接所述遥感卫星光谱数据源5；所述数据清洗模块104一方面向上连接所述大数据计算模块102，为所述大数据计算模块102提供数据清洗功能，另一方面向下连接所述监测终端负载均衡模块101和所述卫星数据负载均衡模块107，接受所述监测终端负载均衡模块101和所述卫星数据负载均衡模块107提供的各种数据；所述大数据计算模块102一方面向上连接所述管理控制模块103，接受指令进行大数据计算或建模，另一方面向下连接所述数据清洗模块104和所述数据模型库105，接收所述数据清洗模块104清洗后的数据，利用清洗后的数据建立新的模型或对旧模型进行调优，或根据所述数据模型库105中的模型利用清洗后的数据对指标结果进行计算；所述数据模型库105向上连接所述大数据计算模块102，存放各种指标模型；所述管理控制模块103一方面向上连接所述应用展示模块106，接受用户操作指令，另一方面向下连接所述监测终端负载均衡模块101、卫星数据负载均衡模块107和大数据计算模块102，生成各种计算机可执行的操作指令；所述应用展示模块106一方面向上连接到管理员2或用户3，接收管理员2或用户3的管理、操作和需求，另一方面向下连接到所述管理控制模块103，根据管理员2或用户3的管理、操作和需求，生成各种指令并把执行的过程、结果、报表和图展示给管理员2或用户3。
所述水质指标监测模块402主要为水质监测装置4提水质光谱数据采集等功能，包含微控模组4021、检测模组4022、模拟光源4023和监测模拟装置4024；其中，所述微控模组4021一方面向上连接所述主控模块403，接收所述主控模块403的指令并把采集数据传送到所述主控模块403，另一方面向下连接所述检测模组4022和所述模拟光源4023，控制所述模拟光源4023和检测模组4022的数据采集；所述检测模组4022向上连接所述微控模组4021，接收指令并进行数据采集；所述模拟光源4023向上连接所述微控模组4021，接收指令并进行开、关和光能调节；所述监测模拟装置4024是以光源模拟太阳照射水面的装置，为检测提供模拟环境。
所述微计算模组4041一方面向上连接所述主控模块403，接收所述主控模块403的指令并把采集计算数据传送到所述主控模块403，另一方面向下连接所述太阳光监测模组4042，控制所述太阳光监测模组4042数据采集并进行计算；所述太阳光监测模组4042向上连接所述微计算模组4041，接收指令并进行数据采集，采集计算包含太阳光的光谱范围、辐照强度、均匀性和稳定性。
如图2所示，外设模块401主要为水质监测装置4提供外设服务，包含定位通信模组4012、摄像头警报模组4013和扩展模组4011，；其中，所述定位通信模组4012同时向上连接所述主控模块403和所述水质监测平台系统1，接收所述水质监测平台系统1通过所述主控模块403发送定位和通信的指令，并将所述主控模块403采集和计算的数据发送到所述水质监测平台系统1；所述摄像头报警模组4013向上连接所述主控模块403，接收所述主控模块403指令，进行报警和视频数据采集；所述扩展模组4011向上连接所述主控模块403，为设备提供扩展功能，包含USB、HDMI和I/O。
所述主控模块403主要为水质监测装置4提供技术和控制功能，包含主控模组a4031和主控模组b 4032，通过1+1主备模式，提高设备计算能力和稳定度；两个主控模组一方面接收所述能源模块405的电能供给，在自用的同时，把电能传送给所述水质指标监测模块402、太阳光监测模块404和外设模块401；另一方面向下连接所述水质指标监测模块402和所述太阳光监测模块404，控制数据采集的过程和流程；最后一方面通过所述外设模块401向上连接到所述水质监测平台系统1，接收所述水质监测平台系统1指令并把采集计算数据传送到所述水质监测平台系统1；太阳光监测模块404主要为水质监测装置提供太阳光光谱范围、辐照强度、均匀性和稳定性的数据采集。
能源模块405主要为水质监测装置4提供电能能源，包括能源控制模组4051、蓄电池模组4052、市电能源接入4053和清洁能源接入4054；其中，所述能源控制模组4051一方面向上接收所述主控模块403的指令，另一方面向下连接所述市电能源接入4053、清洁能源接入4054和蓄电池模组4052选择电能类型和给蓄电池充电；所述蓄电池模组4052向上连接所述能源控制模组4051接收充放电指令，为设备提供备用电能；所述市电能源接入4053向上连接所述能源控制模组4051接收指令，为设备提市电电能；所述清洁能源接入4054向上连接所述能源控制模组4051接收指令，为设备提供清洁电能。
遥感卫星501包含国内外各种能采集水面光谱数据的遥感卫星，向上连接所述地面接收站及管理平台502，将采集到的水面光谱数据上报到所述地面接收站及管理平台502；所述地面接收站及管理平台502，向上连接所述水质监测平台系统1，把所述遥感卫星501采集的水面光谱数据转发给连接的所述水质监测平台系统1。
本实施例的基于全光谱的水质指标监测系统中，其中，管理员为该系统的管理和维护人员，用户为该系统的用户。
采用基于全光谱的水质指标监测系统进行水质检测的方法，如图4所示，具体包括以下步骤：
S1启动设备：启动水质指标监测装置；
S2现场数据采集:利用所述水质指标监测装置的水质指标监测模块现场采集背景光、球光和水面光光谱数据；
S3太阳光参数监测：利用所述水质指标监测装置的太阳光监测模块在应用现场采集太阳光照射参数，包括太阳光光谱范围、辐照强度、均匀性和稳定性的数据；
S4模拟成卫星光谱数据：将所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值进行相关系数计算，在所述实时天空光与所述校正天空光正强相关的波段范围内计算距离平均值；
利用所述步骤S2中的采集的背景光、球光和水面光光谱数据在每个波段加上所计算的距离平均值，生成模拟成卫星光谱数据；
S5单点高精度指标模型:从水质监测平台系统的指标模型库调取要预测的单点高精度指标模型；
S6预测单点指标数据：利用所述步骤S4生成的模拟成卫星光谱数据，结合所述步骤S5调取的单点高精度指标模型预测监测点的指标数据；
S7卫星光谱数据：调取遥感卫星的光谱数据；
S8多点指标数据：利用所述步骤S6预测的单点指标数据，结合所述步骤S7遥感卫星的光谱数据，反演生成多点指标数据；
S9平面指标数据：生成并保存水域平面的指标数据；
S10各种指标展示图：生成并保存水域平面的各种指标展示图。
在所述步骤S4中，相关系数计算公式如下：
其中：ρ代表皮尔逊相关系数，n代表分段内原始光谱的个数，xi实时天空光在i波段的原始光谱数值，
实时天空光在分段内的平均值，yi校正天空光在i波段的原始光谱数值，
校正天空光在分段内的平均值；
将实时天空光与校正天空光两个天空光200nm～900nm的波段分成若干个分段，50nm/段，对每个分段的ρ值由高到低进行排序，分成两种情况：第一种情况，ρ值<0.8，则认为该分段的实时天空光和校正天空光的原始光谱趋势弱相关，再次增加分段数量，比如调成40nm/段，计算皮尔逊相关系数；第二种情况，0.8≤ρ值≤1，则认为该分段的实时天空光和校正天空光的原始光谱趋势正强相关，取该分段的实时天空光和校正天空光在同一波段的原始光谱计算距离，计算公式如下：
其中，D代表距离平均值；n代表分段内原始光谱的个数；xi实时天空光在i波段的原始光谱数值；yi校正天空光在i波段的原始光谱数值；
比如在550～600nm波段，所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值ρ值判断为正强相关，计算D＝680，那就给S2中的采集的背景光、球光和水面光光谱每个波段数据加上680，生成模拟成卫星光谱数据；
如图3所示，所述步骤S5中的单点高精度指标模型建模流程具体为：
S51选择遥感卫星：选择大面积反演应用一个或多个遥感器卫星；
比如选择：Landsat 8；
S52梳理可监测波段：梳理该遥感卫星能监测的波段；
Landsat 8的Band 1 Coastal(海岸波段，433–453nm)、Band 2 Blue(蓝波段，450–515nm)、Band 3 Green(绿波段，525–600nm)、Band 4 Red(红波段，630–680nm)、Band 5 NIR(近红外波段845–885nm)；
S53选择监测水质指标：选择要检测或监测的水质指标，且分析该水质指标在已选择卫星的可观察波段内有较显性的反映；
比如所述水质指标中的水质氨氮指标为氨氮与归一化反射率在634nm～643nm之间负相关，最大负相关系数r＝-0.2196，在846～855nm附近最大正相关系数r＝0.217；而Landsat 8的Band 4 Red(红波段，630–680nm)和Band 5 NIR(近红外波段845–885nm)，那么该方案就可以结合Landsat 8卫星光谱数据使用；
S54人工采集梯度数据：利用所述水质指标监测装置的水质指标监测模块人工手动采集暗电流、标准板和天空光，校正光谱数据；利用所述水质指标监测装置的水质指标监测模块通过标准液浓度配比梯度采集背景光、球光和水面光光谱梯度数据，并随机将光谱梯度数据分成70％的建模数据和30％的验证数据；
S55 70％建模数据：保存并清洗70％的建模数据，清洗数据包含去重、去缺和去噪；
S56 30％验证数据：保存30％的验证数据；
S57初始模型一：用清洗后的70％数据进行建模，建模方法包含并不限于用吸光度、反射率及一阶导数和二节导数；
S58判断：用30％验证数据去验证初始模型一，
A、若精度不满足指标精度要求，返回所述步骤S54，重新进行人工梯度数据采集；
B、若精度满足指标要求，进行步骤S59，生成实验室高精度指标模型；
S59实验室高精度指标模型：生成并保存实验室高精度指标模型；
S510现场数据采集：利用所述水质指标监测装置的水质指标监测模块在应用现场采集背景光、球光和水面光光谱数据；
S511太阳光参数监测：利用所述水质指标监测装置的太阳光监测模块在应用现场采集太阳光照射参数，包括太阳光光谱范围、辐照强度、均匀性和稳定性的数据；
S512初始模型二：将所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值进行相关系数计算，在所述实时天空光与所述校正天空光正强相关的波段范围内计算距离平均值；利用所述步骤S54采集的背景光、球光和水面光光谱每个波段数据加上所计算的距离平均值，建模生成初始模型二；
S513现场比对测试：通过现场的指标比对仪器采集水质指标的数据；同时通过利用所述水质指标监测装置的水质指标监测模块采集现场水质光谱数据，并通过初始模型二预测水质指标；
S514模型优化：利用所述步骤S513现场对比测试的结果对初始模型二进行算法优化；
S515现场指标模型：生成现场指标模型；
S516高精度对比仪器：利用高精度对比仪器测试现场的水质指标；
S517判断：所述步骤S515中的现场指标模型生成的指标数值与高精度对比仪器测试现场的水质指标数值进行判断，
A、若精度不满足指标精度要求，返回所述步骤S513，重新进行现场比对测试和模型优化；
B、若精度满足指标要求，进行步骤S518，生成单点高精度指标模型；
S518单点高精度指标模型：生成并保存单点高精度指标模型。
本实施例用采用现有技术模拟太阳照射水面的可计算出当前测试点的水质指标，比如模拟的反射率Rrs1＝0.1226时，水质溶解氧的浓度为5mg/L；通过太阳光监测模块前述本实施的方法计算测试时太阳光做这个测试的反射率Rrs2，比如Rrs2＝0.1337，那就是Rrs2＝0.1337时，水质溶解氧的浓度为5mg/L；因为设备是自动采集，可以连续的计算出水质变化梯度浓度值；下载卫星的光谱数据，通过平台算法自动反演，来计算整个大面积水域的水质指标，可生成多点的指标数据、二维或三维指标呈现图。
制作监测模拟装置模拟太阳照射水面的检测环境，将水质监测装置采集的全光谱数据(200～900nm)进行计算，模拟成太阳照射水面形成的光谱数据，通过人工梯度建模、现场数据累积优化模型最终形成单点高精度指标模型；在采集测试时，将水质监测装置水质全光谱数据(200～900nm)模拟成太阳照射水面形成的光谱数据，利用单点高精度指标模型预测单点指标数据，结合卫星光谱数据，反演出多点指标数据，形成平面指标数据和各种指标展示图，可以整体的反映流域内水质整体指标和变化趋势，有利于水质恶化的初期预警，同时可在变化初期就能直观快捷的追根溯源，指标模型随着数据自动采集累积优化，整个过程人工介入程度低，成本低，可大规模应用于水利、环保、市政、海洋和水产养殖等行业的水质指标监测。
本发明的优势在于：
(1)采集、计算和反演全自动，可实时输出结果；
(2)一次采集，可计算反演多个水质指标；
(3)边际成本低、只有设备本身和维护成本，一次投入，可以长期使用；
(4)过程全部自动化，无人为干扰。
对于本领域的普通技术人员而言，具体实施例只是对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
Claims (12)
1.一种基于全光谱的水质指标监测系统，其特征在于，包括有水质监测平台系统、水质监测装置和遥感卫星光谱数据源；其中，所述水质监测平台系统通过监测终端负载均衡模块与所述水质监测装置进行信号通信连接，所述水质监测平台系统通过卫星数据负载均衡模块与所述遥感卫星光谱数据源进行信号通信连接；所述水质监测装置包括有水质指标监测模块、太阳光监测模块、外设模块、主控模块和能源模块，其中，所述太阳光监测模块用于为所述水质监测装置提供太阳光光谱范围、辐照强度、均匀性和稳定性的数据采集，包括有微计算模组和太阳光监测模组；所述遥感卫星光谱数据源包括各种遥感卫星和地面接收站及管理平台。
2.根据权利要求1所述的基于全光谱的水质指标监测系统，其特征在于，所述水质监测平台系统还包括有数据清洗模块、大数据计算模块、数据模型库、管理控制模块和应用展示模块；所述监测终端负载均衡模块一方面向上连接所述管理控制模块和所述数据清洗模块，接收所述管理控制模块的管理指令，为所述数据清洗模块提供水质监测终端的数据，另一方面向下连接所述水质监测装置，并转发管理指令给所述水质监测装置；所述卫星数据负载均衡模块一方面向上连接所述管理控制模块和所述数据清洗模块，接收所述管理控制模块的管理指令，为所述数据清洗模块提供遥感卫星光谱数据，另一方面向下连接所述遥感卫星光谱数据源；所述数据清洗模块一方面向上连接所述大数据计算模块，为所述大数据计算模块提供数据清洗功能，另一方面向下连接所述监测终端负载均衡模块和所述卫星数据负载均衡模块，接受所述监测终端负载均衡模块和所述卫星数据负载均衡模块提供的各种数据；所述大数据计算模块一方面向上连接所述管理控制模块，接受指令进行大数据计算或建模，另一方面向下连接所述数据清洗模块和所述数据模型库，接收所述数据清洗模块清洗后的数据，利用清洗后的数据建立新的模型或对旧模型进行调优，或根据所述数据模型库中的模型利用清洗后的数据对指标结果进行计算；所述数据模型库向上连接所述大数据计算模块，存放各种指标模型；所述管理控制模块一方面向上连接所述应用展示模块，接受用户操作指令，另一方面向下连接所述监测终端负载均衡模块、卫星数据负载均衡模块和大数据计算模块，生成各种计算机可执行的操作指令；所述应用展示模块一方面向上连接到管理员或用户，接收管理员或用户的管理、操作和需求，另一方面向下连接到所述管理控制模块，根据管理员或用户的管理、操作和需求，生成各种指令并把执行的过程、结果、报表和图展示给管理员或用户。
3.根据权利要求1所述的基于全光谱的水质指标监测系统，其特征在于，所述水质指标监测模块包含微控模组、检测模组、模拟光源和监测模拟装置；其中，所述微控模组一方面向上连接所述主控模块，接收所述主控模块的指令并把采集数据传送到所述主控模块，另一方面向下连接所述检测模组和所述模拟光源，控制所述模拟光源和检测模组的数据采集；所述检测模组向上连接所述微控模组，接收指令并进行数据采集；所述模拟光源向上连接所述微控模组，接收指令并进行开、关和光能调节；所述监测模拟装置是以光源模拟太阳照射水面的装置，为检测提供模拟环境。
4.根据权利要求3所述的基于全光谱的水质指标监测系统，其特征在于，所述微计算模组一方面向上连接所述主控模块，接收所述主控模块的指令并把采集计算数据传送到所述主控模块，另一方面向下连接所述太阳光监测模组，控制所述太阳光监测模组数据采集并进行计算；所述太阳光监测模组向上连接所述微计算模组，接收指令并进行数据采集，采集计算包含太阳光的光谱范围、辐照强度、均匀性和稳定性。
5.根据权利要求4所述的基于全光谱的水质指标监测系统，其特征在于，所述外设模块包含定位通信模组、摄像头警报模组和扩展模组；其中，所述定位通信模组同时向上连接所述主控模块和所述水质监测平台系统，接收所述水质监测平台系统通过所述主控模块发送定位和通信的指令，并将所述主控模块采集和计算的数据发送到所述水质监测平台系统；所述摄像头报警模组向上连接所述主控模块，接收所述主控模块指令，进行报警和视频数据采集；所述扩展模组向上连接所述主控模块，为设备提供扩展功能，包含USB、HDMI和I/O。
6.根据权利要求5所述的基于全光谱的水质指标监测系统，其特征在于，所述主控模块包含主控模组a和主控模组b；两个主控模组一方面接收所述能源模块的电能供给，在自用的同时，把电能传送给所述水质指标监测模块、太阳光监测模块和外设模块；另一方面向下连接所述水质指标监测模块和所述太阳光监测模块，控制数据采集的过程和流程；最后一方面通过所述外设模块向上连接到所述水质监测平台系统，接收所述水质监测平台系统指令并把采集计算数据传送到所述水质监测平台系统。
7.根据权利要求6所述的基于全光谱的水质指标监测系统，其特征在于，所述能源模块包括能源控制模组、蓄电池模组、市电能源接入和清洁能源接入；其中，所述能源控制模组一方面向上接收所述主控模块的指令，另一方面向下连接所述市电能源接入、清洁能源接入和蓄电池模组选择电能类型和给蓄电池充电；所述蓄电池模组向上连接所述能源控制模组接收充放电指令，为设备提供备用电能；所述市电能源接入向上连接所述能源控制模组接收指令，为设备提市电电能；所述清洁能源接入向上连接所述能源控制模组接收指令，为设备提供清洁电能。
8.根据权利要求1所述的基于全光谱的水质指标监测系统，其特征在于，所述遥感卫星包含国内外各种能采集水面光谱数据的遥感卫星，向上连接所述地面接收站及管理平台，将采集到的水面光谱数据上报到所述地面接收站及管理平台；所述地面接收站及管理平台，向上连接所述水质监测平台系统，把所述遥感卫星采集的水面光谱数据转发给连接的所述水质监测平台系统。
9.一种采用权利要求1-8所述的基于全光谱的水质指标监测系统进行水质检测的方法，其特征在于，具体包括以下步骤：
S1启动设备：启动水质指标监测装置；
S2现场数据采集:利用所述水质指标监测装置的水质指标监测模块现场采集背景光、球光和水面光光谱数据；
S3太阳光参数监测：利用所述水质指标监测装置的太阳光监测模块在应用现场采集太阳光照射参数，包括太阳光光谱范围、辐照强度、均匀性和稳定性的数据；
S4模拟成卫星光谱数据：将所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值进行相关系数计算，在所述实时天空光与所述校正天空光正强相关的波段范围内计算距离平均值；
利用所述步骤S2中的采集的背景光、球光和水面光光谱数据在每个波段加上所计算的距离平均值，生成模拟成卫星光谱数据；
S5单点高精度指标模型:从水质监测平台系统的指标模型库调取要预测的单点高精度指标模型；
S6预测单点指标数据：利用所述步骤S4生成的模拟成卫星光谱数据，结合所述步骤S5调取的单点高精度指标模型预测监测点的指标数据；
S7卫星光谱数据：调取遥感卫星的光谱数据；
S8多点指标数据：利用所述步骤S6预测的单点指标数据，结合所述步骤S7遥感卫星的光谱数据，反演生成多点指标数据；
S9平面指标数据：生成并保存水域平面的指标数据；
S10各种指标展示图：生成并保存水域平面的各种指标展示图。
10.根据权利要求9所述的水质检测的方法，其特征在于，在所述步骤S4中，相关系数计算公式如下：
其中：ρ代表皮尔逊相关系数，n代表分段内原始光谱的个数，xi实时天空光在i波段的原始光谱数值，
实时天空光在分段内的平均值，yi校正天空光在i波段的原始光谱数值，
校正天空光在分段内的平均值；
将实时天空光与校正天空光两个天空光200nm～900nm的波段分成若干个分段，50nm/段，对每个分段的ρ值由高到低进行排序，分成两种情况：第一种情况，ρ值<0.8，则认为该分段的实时天空光和校正天空光的原始光谱趋势弱相关，再次增加分段数量，比如调成40nm/段，计算皮尔逊相关系数；第二种情况，0.8≤ρ值≤1，则认为该分段的实时天空光和校正天空光的原始光谱趋势正强相关，取该分段的实时天空光和校正天空光在同一波段的原始光谱计算距离，计算公式如下：
其中，D代表距离平均值；n代表分段内原始光谱的个数；xi实时天空光在i波段的原始光谱数值；yi校正天空光在i波段的原始光谱数值；
比如在550～600nm波段，所述水质指标监测装置的太阳光监测模块采集实时天空光与所述水质指标监测模块校正天空光的原始光谱值ρ值判断为正强相关，计算D＝680，那就给S2中的采集的背景光、球光和水面光光谱每个波段数据加上680，生成模拟成卫星光谱数据。
11.根据权利要求10所述的水质检测的方法，其特征在于，所述步骤S5中的单点高精度指标模型建模流程具体为：
S51选择遥感卫星：选择大面积反演应用一个或多个遥感器卫星；
S52梳理可监测波段：梳理该遥感卫星能监测的波段；
S53选择监测水质指标：选择要检测或监测的水质指标，且分析该水质指标在已选择卫星的可观察波段内有较显性的反映；
S54人工采集梯度数据：利用所述水质指标监测装置的水质指标监测模块人工手动采集暗电流、标准板和天空光，校正光谱数据；利用所述水质指标监测装置的水质指标监测模块通过标准液浓度配比梯度采集背景光、球光和水面光光谱梯度数据，并随机将光谱梯度数据分成70％的建模数据和30％的验证数据；
S55 70％建模数据：保存并清洗70％的建模数据，清洗数据包含去重、去缺和去噪；
S56 30％验证数据：保存30％的验证数据；
S57初始模型一：用清洗后的70％数据进行建模，建模方法包含用并不限于吸光度、反射率及一阶导数和二节导数；
S58判断：用30％验证数据去验证初始模型一，
A、若精度不满足指标精度要求，返回所述步骤S54，重新进行人工梯度数据采集；
B、若精度满足指标要求，进行步骤S59，生成实验室高精度指标模型；
S59实验室高精度指标模型：生成并保存实验室高精度指标模型；
S510现场数据采集：利用所述水质指标监测装置的水质指标监测模块在应用现场采集背景光、球光和水面光光谱数据；
S511太阳光参数监测：利用所述水质指标监测装置的太阳光监测模块在应用现场采集太阳光照射参数，包括太阳光光谱范围、辐照强度、均匀性和稳定性的数据；
S512初始模型二：将所述水质指标监测装置的太阳光监测模块采集实时的天空光与所述步骤S54水质指标监测模块校正天空光进行比对计算生成相关性公式，计算方式包含乘积、加减或各种函数，利用所述相关性公式处理所述步骤S54采集的暗电流标准板、背景光、球光和水面光光谱梯度数据，生成初始模型二；
S513现场比对测试：通过现场的指标比对仪器采集水质指标的数据；同时通过利用所述水质指标监测装置的水质指标监测模块采集现场水质光谱数据，并通过初始模型二预测水质指标；
S514模型优化：利用所述步骤S513现场对比测试的结果对初始模型二进行算法优化；
S515现场指标模型：生成现场指标模型；
S516高精度对比仪器：利用高精度对比仪器测试现场的水质指标；
S517判断：所述步骤S515中的现场指标模型生成的指标数值与高精度对比仪器测试现场的水质指标数值进行判断，
A、若精度不满足指标精度要求，返回所述步骤S513，重新进行现场比对测试和模型优化；
B、若精度满足指标要求，进行步骤S518，生成单点高精度指标模型；
S518单点高精度指标模型：生成并保存单点高精度指标模型。
12.根据权利要求11所述的水质检测的方法，其特征在于，在所述步骤S53中，比如所述水质指标中的水质氨氮指标为氨氮与归一化反射率在634nm～643nm之间负相关，最大负相关系数r＝-0.2196，在846～855nm附近最大正相关系数r＝0.217；而Landsat 8的Band 4Red(红波段，630–680nm)和Band 5 NIR(近红外波段845–885nm)，那么该方案就可以结合Landsat 8卫星光谱数据使用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854418.9A CN113588583A (zh) | 2021-07-28 | 2021-07-28 | 基于全光谱的水质指标监测系统及水质监测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854418.9A CN113588583A (zh) | 2021-07-28 | 2021-07-28 | 基于全光谱的水质指标监测系统及水质监测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113588583A true CN113588583A (zh) | 2021-11-02 |
Family
ID=78250836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110854418.9A Pending CN113588583A (zh) | 2021-07-28 | 2021-07-28 | 基于全光谱的水质指标监测系统及水质监测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113588583A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473707A (zh) * | 2013-09-17 | 2013-12-25 | 山东大学 | 建立城市河网水体光谱库的方法与应用 |
| CN108593569A (zh) * | 2018-07-02 | 2018-09-28 | 中国地质环境监测院 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
| CN109374566A (zh) * | 2018-12-17 | 2019-02-22 | 湖北航天化学技术研究所 | 一种混醇含量的测定方法及测定系统 |
| CN109612964A (zh) * | 2018-11-27 | 2019-04-12 | 中国农业大学 | 消除栽培基质颗粒表面散射及水分影响的光谱检测方法 |
| CN111487224A (zh) * | 2020-06-12 | 2020-08-04 | 南京红松信息技术有限公司 | 一种基于光能量积分球的水质检测监测系统装置及方法 |
| CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
| CN112051226A (zh) * | 2020-09-03 | 2020-12-08 | 山东省科学院海洋仪器仪表研究所 | 基于无人机载高光谱图像估算近海总悬浮物浓度的方法 |
| CN112131746A (zh) * | 2020-09-24 | 2020-12-25 | 中国科学院空天信息创新研究院 | 叶绿素a浓度反演方法及系统 |
-
2021
- 2021-07-28 CN CN202110854418.9A patent/CN113588583A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473707A (zh) * | 2013-09-17 | 2013-12-25 | 山东大学 | 建立城市河网水体光谱库的方法与应用 |
| CN108593569A (zh) * | 2018-07-02 | 2018-09-28 | 中国地质环境监测院 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
| CN109612964A (zh) * | 2018-11-27 | 2019-04-12 | 中国农业大学 | 消除栽培基质颗粒表面散射及水分影响的光谱检测方法 |
| CN109374566A (zh) * | 2018-12-17 | 2019-02-22 | 湖北航天化学技术研究所 | 一种混醇含量的测定方法及测定系统 |
| CN111487224A (zh) * | 2020-06-12 | 2020-08-04 | 南京红松信息技术有限公司 | 一种基于光能量积分球的水质检测监测系统装置及方法 |
| CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
| CN112051226A (zh) * | 2020-09-03 | 2020-12-08 | 山东省科学院海洋仪器仪表研究所 | 基于无人机载高光谱图像估算近海总悬浮物浓度的方法 |
| CN112131746A (zh) * | 2020-09-24 | 2020-12-25 | 中国科学院空天信息创新研究院 | 叶绿素a浓度反演方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张立福等: "星地协同水质光谱在线监测系统及应用研究", 《全球变化数据学报》, vol. 5, no. 1, pages 1 - 10 * |
| 杨振等: "无人机高光谱遥感的水质参数反演与模型构建", 《测绘科学》, vol. 45, no. 9, pages 60 - 64 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108111125B (zh) | 一种光伏阵列的iv特性曲线扫描与参数辨识系统及方法 | |
| Høiaas et al. | Inspection and condition monitoring of large-scale photovoltaic power plants: A review of imaging technologies | |
| CN102156180B (zh) | 一种区域能见度监视预测系统及方法 | |
| CN106160659B (zh) | 一种光伏电站区域定向故障诊断方法 | |
| CN106059496A (zh) | 一种光伏组件阵列性能监测和故障识别的方法及系统 | |
| CN105372203A (zh) | 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法 | |
| US20220166377A1 (en) | Method, apparatus, and system for detecting solar cell of photovoltaic plant | |
| CN108509696A (zh) | 基于三维激光扫描技术的古建筑健康监测方法及装置 | |
| CN111829614A (zh) | 一种基于4g水位视频识别的测报系统 | |
| CN115695738A (zh) | 一种生态保护修复中水体富营养化问题的监测系统 | |
| CN108008633A (zh) | 包含多种天气变化的辐照度与光伏组件坐标关联关系建立方法 | |
| CN114429591A (zh) | 一种基于机器学习的植被生物量自动监测方法及系统 | |
| CN111879915B (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 | |
| CN113588583A (zh) | 基于全光谱的水质指标监测系统及水质监测的方法 | |
| Zhao et al. | Data mining techniques for novel local reference solar irradiance spectra calculations: A case study in Beijing | |
| CN112946216A (zh) | 一种智能水质监测系统 | |
| CN104568845B (zh) | 水下全角度浊度测量设备与测量方法 | |
| CN112782096A (zh) | 一种基于反射光谱数据的土壤有机碳密度估算方法 | |
| KR102497676B1 (ko) | 인공지능 기반의 태양광 모니터링 시스템 | |
| Almonacid-Olleros et al. | Opera. dl: deep learning modelling for photovoltaic system monitoring | |
| CN113607710B (zh) | 一种在线监测水质的方法及其应用的装置和系统 | |
| CN115358695A (zh) | 基于高光谱遥感的农村面源黑臭水体监测技术 | |
| CN210658534U (zh) | 移动式二次供水水质监管装置 | |
| KR20210074167A (ko) | 태양광 발전량 예측 시스템 | |
| CN208224148U (zh) | 一种光伏组件灰尘检测装置 |
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 |