CN113624778A - 一种基于遥感影像反演的水质污染溯源系统和方法 - Google Patents
一种基于遥感影像反演的水质污染溯源系统和方法 Download PDFInfo
- Publication number
- CN113624778A CN113624778A CN202111096949.2A CN202111096949A CN113624778A CN 113624778 A CN113624778 A CN 113624778A CN 202111096949 A CN202111096949 A CN 202111096949A CN 113624778 A CN113624778 A CN 113624778A
- Authority
- CN
- China
- Prior art keywords
- data
- remote sensing
- sensing image
- inversion
- water quality
- 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
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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- 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
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于遥感影像反演的水质污染溯源系统和方法,其中,系统包括:遥感反演层、数据统合层和分析溯源层;所述遥感反演层与所述数据统合层连接,所述数据统合层与所述分析溯源层连接;所述遥感反演层,用于获取遥感影像数据,根据所述遥感影像数据反演地面数据,所述地面数据包括有常规水质指标和水质重金属指标;所述数据统合层,用于对所述遥感影像数据和地面数据进行哈希表映射,获取显像结果;所述分析溯源层,用于根据所述显像结果进行分项分析溯源和综合分析溯源。本发明能够保证溯源结果的可靠性和准确性,并能够整合所有水质的污染情况,实现全面溯源同时提升了适应性。
Description
技术领域
本发明涉及环境遥感技术领域,尤其涉及一种基于遥感影像反演的水质污染溯源系统和方法。
背景技术
近年来,水污染事故频发不断。而现有的水质污染溯源主要是通过全方位式溯源法,即在河流、湖泊沿岸设置常规监测设备,监测获取实测数据,同时人工进行污染源走访排查,并针对不同的排污企业和源头建立污染样本数据库,通过实地取样与数据库进行比对进行水质污染溯源。此外,现有技术中还存在通过应用卫星的遥感数据,反演得到常规元素含量和重金属含量,对水质污染情况进行溯源。
但是全方位式溯源法前期布置时间长,导致进度缓慢,且难以有效投入使用;而现有卫星溯源方法完全依赖经验公式,或依赖只进行了简单线性组合后的经验公式,导致可靠性低、误差较大且不能够整合分析所有水质的污染情况,适应性差。
发明内容
基于此,有必要针对上述技术问题,提供一种基于遥感影像反演的水质污染溯源系统和方法。
一种基于遥感影像反演的水质污染溯源系统,包括:遥感反演层、数据统合层和分析溯源层;所述遥感反演层与所述数据统合层连接,所述数据统合层与所述分析溯源层连接;所述遥感反演层,用于获取遥感影像数据,根据所述遥感影像数据反演地面数据,所述地面数据包括有常规水质指标和水质重金属指标;所述数据统合层,用于对所述遥感影像数据和地面数据进行哈希表映射,获取显像结果;所述分析溯源层,用于根据所述显像结果进行分项分析溯源和综合分析溯源。
在其中一个实施例中,所述遥感反演层包括有遥感影像获取模块、常规水质指标反演模块和水质重金属指标反演模块,所述常规水质指标反演模块和水质重金属指标反演模块并行。
在其中一个实施例中,所述常规水质指标反演模块包括有遥感影像获取单元、遥感影像降差单元、指标反演单元和第一显像单元;所述遥感影像获取单元用于通过有线或无线协议获取遥感影像数据;所述遥感影像降差单元用于通过遥感预处理和人机交互的方式,降低所述遥感影像数据的像差,第一遥感影像数据;所述指标反演单元用于根据第一遥感影像数据对常规水质指标进行反演;所述第一显像单元用于进行格式转换和显示反演结果;所述水质重金属指标反演模块包括有云图再验单元、公式生成单元、数据核算单元和第二显像单元;所述云图再验单元用于降低所述遥感影像数据的像差,获取第二遥感影像数据;所述公式生成单元用于生成和呈递反演公式;所述数据核算单元用于根据所述第二遥感影像数据和反演公式,对水质重金属指标进行反演,并验证反演结果的置信度;所述第二显像单元用于显示反演结果和置信度。
在其中一个实施例中,所述数据统合层包括遥感影像统合模块、地面数据统合模块和数据映射模块;所述遥感影像统合模块和地面数据统合模块并行,分别用于对所述遥感影像数据和地面数据进行统合;所述据映射模块用于根据哈希表对统合后的遥感影像数据和地面数据进行映射。
在其中一个实施例中,所述遥感影像统合模块和地面数据统合模块设置有相同结构的电路模型,分别为遥感电路模型和地面电路模型,所述遥感电路模型的输入行宽为常规水质监测指标的个数,所述地面电路模型的输入行宽为水质重金属指标的个数。
在其中一个实施例中,所述电路模型包括有A/D数模转换器、第一延时器、高速离散序列读写器、高速格式转换器、第二延时器、寄存器、D/A转换器和显像设备;所述A/D数模转换器接收时序脉冲,将连续信号采样为离散数列,所述连续信号为遥感影像数据或地面数据;所述第一延时器用于延迟所述离散数据进入所述高速离散序列读写器的时间;所述高速离散序列读写器用于对所述离散数据进行统合,获取统合数据;所述高速格式转换器用于将所述统合数据转换为二进制格式;所述第二延时器用于延迟将统合数据发送至所述寄存器的时间;所述寄存器用于寄存二进制格式的统合数据;所述D/A转换器用于将所述统合数据的数字量转换为模拟量;所述显像设备用于显示转换为模拟量后的统合数据。
在其中一个实施例中,所述数据映射模块包括有哈希表映射器和映射检查器,所述哈希表映射器与所述映射检查器连接;所述哈希表映射器用于将所述遥感影像和地面数据作为输入信号,根据哈希表对所述输入信号进行映射,获取显像结果作为输出信号;所述映射检查器用于是否存在一个输入信号对映了多个输出信号;在存在一个输入信号对映了多个输出信号时,将除第一个输出信号以外的所有输出信号反馈回哈希表进行重新映射。
在其中一个实施例中,所述分析溯源层包括有分项溯源分析模块和综合溯源分析模块;所述分项分析模块包括有坐标转换单元、物质分布标记单元和相关性分析单元;所述坐标转换单元用于根据欧式距离将经纬度信息转换为二维空间坐标系;所述物质浓度标记单元用于根据所述地面数据,在二维空间坐标系中标记对应水质指标的物质浓度分布;所述相关性分析单元用于根据地面数据,获取各水质指标间的相关关系;所述综合溯源分析模块用于根据所述相关关系和物质浓度分布,获取各个水质指标的溯源结果。
一种基于遥感影像反演的水质污染溯源方法,包括以下步骤:采用遥感反演层获取遥感影像数据,根据所述遥感影像数据反演获取地面数据,所述地面数据包括有常规水质指标和水质重金属指标;根据数据统合层对所述遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果;根据分析溯源层对所述显像结果进行分项分析溯源和综合分析溯源,获取各个水质指标的溯源结果。
在其中一个实施例中,所述根据数据统合层对所述遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果,还包括:将所述统合后的遥感影像和地面数据作为输入信号f(x),输入电路模型中;在电路模型检测到异常时序脉冲或驱动电平不稳时向第一延时器发送中断信号,并向冲激响应h(x)发送一段测试序列ftest(x),根据所述测试序列经过冲激响应后的返回结果ytest(x)判断异常种类;其中,若返回结果ytest(x)中,x间隔不一,则为时序异常,清除当前时序脉冲信号,向所述第一延时器请求新的脉冲信号,并自动同步到当前处理的时序;若返回结果ytest(x)与预存结果ytruth(x)不符,则为数据异常,丢弃整组异常数据,请求从输入信号f(x)中重新获取数据;若接收到的返回结果ytest(x)不完整或未接受到ytest(x)信号,则为硬件异常,追溯ftest(x)丢失发生的位置并标记,在发送标记后中止系统,显示带有标记信息的异常。
相比于现有技术,本发明的优点及有益效果在于:
1、本发明能够在保证可靠性和准确度的同时,直接通过遥感影像数据反演获取地面数据,提升了工作效率,并通过数据统合层对遥感数据进行映射处理,获取对应的显像结果,确保数据可靠性,还能够进行分项分析溯源和综合分析溯源,整合分析所有水质的污染情况,实现全面溯源。
2、本发明能够通过电路模型对遥感影像数据和地面数据进行多次同步验证,确保了映射显像结果的准确性。
3、本发明能够广泛应用于环保检测、城市规划、应急监测、农业监管与产业布局规划等方面。
附图说明
图1为一个实施例中一种基于遥感影像反演的水质污染溯源系统的结构示意图;
图2为图1中常规水质指标反演模块的结构示意图;
图3为图1中水质重金属指标反演模块的结构示意图;
图4为一个实施例中电路模型的结构示意图;
图5为图1中数据映射模块的结构示意图;
图6为图1中分项溯源分析模块的结构示意图;
图7为一个实施例中一种基于遥感影像反演的水质污染溯源方法的流程示意图;
图8为图7中步骤S102的流程示意图。
附图中,遥感反演层10、遥感影像获取模块11、常规水质指标反演模块12、遥感影像获取单元121、遥感影像降差单元122、指标反演单元123、第一显像单元124、水质重金属指标反演模块13、云图再验单元131、公式生成单元132、数据核算单元133、第二显像单元134、数据统合层20、遥感影像统合模块21、地面数据统合模块22、数据映射模块23、哈希表映射器231、映射检查器232、A/D数模转换器241、第一延时器242、高速离散序列读写器243、高速格式转换器244、第二延时器245、寄存器246、D/A转换器247、显像设备248、分析溯源层30、分项溯源分析模块31、坐标转换单元311、物质分布标记单元312和相关性分析单元313、综合溯源分析模块32。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在一个实施例中,如图1所示,提供了一种基于遥感影像反演的水质污染溯源系统,包括:遥感反演层10、数据统合层20和分析溯源层30;遥感反演层10与数据统合层20连接,数据统合层20与分析溯源层30连接;遥感反演层10,用于获取遥感影像数据,根据遥感影像数据反演地面数据,地面数据包括有常规水质指标和水质重金属指标;数据统合层20,用于对遥感影像数据和地面数据进行哈希表映射,获取显像结果;分析溯源层30,用于根据显像结果进行分项分析溯源和综合分析溯源。
在本实施例中,通过遥感反演层10获取遥感影像数据,并反演获取地面数据,包括常规水质指标和水质重金属指标;通过数据统合层20对遥感影像数据和地面数据进行哈希表映射,获取显像结果,并根据分析溯源层30对显像结果进行分项分析溯源和综合分析溯源,能够在保证可靠性和准确度的同时,直接通过遥感影像数据反演获取地面数据,提升了工作效率,并通过数据统合层20对遥感数据进行映射处理,获取对应的显像结果,确保数据可靠性,还能够进行分项分析溯源和综合分析溯源,整合分析所有水质的污染情况,实现全面溯源。
其中,遥感反演层10包括有遥感影像获取模块11、常规水质指标反演模块12和水质重金属指标反演模块13,常规水质指标反演模块12和水质重金属指标反演模块13并行。
具体地,遥感影像获取模块11可以根据现有高分系列卫星、资源系列卫星、哨兵系列卫星或探测波段位于可见光波段及红外波段的在营卫星获取,也可以从互联网上下载公开的遥感影像数据。常规水质指标反演模块12和水质重金属指标反演模块13为并行。
其中,常规水质指标为溶解氧、电导率、浑浊度、高锰酸盐、氨氮、总磷和总氮;水质重金属指标包括有铜离子、锌离子、六价铬离子和氰化物。常规水质指标和水质重金属指标均为水质指标。
如图2和图3所示,常规水质指标反演模块12包括遥感影像获取单元121、遥感影像降差单元122、指标反演单元123和第一显像单元124;遥感影像获取单元121用于通过有线或无线协议获取遥感影像数据;遥感影像降差单元122用于通过遥感预处理和人机交互的方式,降低遥感影像数据的像差,获取第一遥感影像数据;指标反演单元123用于根据第一遥感影像数据对常规水质指标进行反演;第一显像单元124用于进行格式转换和显示反演结果;水质重金属指标反演模块13包括有云图再验单元131、公式生成单元132、数据核算单元133和第二显像单元134;云图再验单元131用于降低遥感影像数据的像差,获取第二遥感影像数据;公式生成单元132用于生成和呈递反演公式;数据核算单元133用于根据第二遥感影像数据和反演公式,对水质重金属指标进行反演,并验证反演结果的置信度;第二显像单元134用于显示反演结果和置信度。
具体地,常规水质指标反演模块12根据遥感影像获取单元121的有线或无线协议获取遥感影像数据,遥感影像降差单元12用于通过遥感预处理,例如图像定标、图像增强、图像纠正、正射校正、图像镶嵌、数据融合、图像变换、信息提取和内容分类等方式,以及人机交互的方式降低遥感影像数据的像差,获取第一遥感影像数据,便于后续计算;指标反演单元123根据第一遥感影像数据反演获取常规水质指标含量,通过第一显像单元124进行格式转换并显示。
具体地,水质重金属指标反演模块13获取遥感影像数据,根据云图再验单元131,采用人机交互的方法降低遥感影像的像差,获取第二遥感影像数据,通过公式生成单元132生成反演所需的公式,数据核算单元133根据生成的最优公式反演水质重金属指标含量,并检验其置信度,最后通过第二显像单元134显示水质重金属指标和对应的置信度。
具体地,对遥感影像数据进行遥感预处理和遥感影像降差的过程,主要发生在遥感影像降差单元122和云图再验单元131;根据处理后的遥感影像数据反演出地面数据,即常规水质指标和水质重金属指标,主要通过指标反演单元123和数据核算单元133完成。
其中,数据统合层20包括遥感影像统合模块21、地面数据统合模块22和数据映射模块23;遥感影像统合模块21和地面数据统合模块22并行,分别用于对遥感影像数据和地面数据进行统合;数据映射模块23用于根据哈希表对统合后的遥感影像数据和地面数据进行映射。
具体地,遥感影像统合模块21和地面数据统合模块22并行,分别对遥感影像数据和地面数据进行统合,并通过数据映射模块23采用哈希表对统合后的遥感影像数据和地面数据进行映射,获取的显像结果发送至分析溯源层30。
其中,遥感影像统合模块21和地面数据统合模块22设置有相同结构的电路模型,分别为遥感电路模型和地面电路模型,遥感电路模型的输入行宽为常规水质监测指标的个数,地面电路模型的输入行宽为水质重金属指标的个数。
具体地,遥感电路模型和地面电路模型的输入行宽不同,遥感电路模型的输入行宽为常规水质监测指标的个数,为7;地面电路模型的输入行宽为水质重金属指标的个数,为4。
如图4所示,电路模型包括有A/D数模转换器241、第一延时器242、高速离散序列读写器243、高速格式转换器244、第二延时器245、寄存器246、D/A转换器247和显像设备248;A/D数模转换器241接收时序脉冲,将连续信号采样为离散数列,连续信号为遥感影像数据或地面数据;第一延时器242用于延迟离散数据进入高速离散序列读写器243的时间;高速离散序列读写器243用于对离散数据进行统合,获取统合数据;高速格式转换器244用于将统合数据转换为二进制格式;第二延时器245用于延迟将统合数据发送至寄存器246的时间;寄存器246用于寄存二进制格式的统合数据;D/A转换器247用于将统合数据的数字量转换为模拟量;显像设备248用于显示转换为模拟量后的统合数据。
具体地,电路模型接受一个时序脉冲T(x),在该时序脉冲的作用下,A/D数据转换模块将连续输入信号f(t),按T采样为离散数据f(x),在第一延时器242的作用下,电路模型能够有足够的时间处理f(x-τ)的数据,而不用担心数据丢失和时序冲突的情况;离散输入信号传入高速离散序列读写器243,在第一延时器242的作用下,高速离散序列读写器243能够在τ–a的时间内,将离散输入信号传递给高速格式转换器244,在第二延时器245的作用下,高速格式转换器246在τ–b的时间内将离散输入信号转换为寄存器247能够存储的二进制格式,为了满足实时性和避免冲突,有:
τ-a+τ-b=τ; (1)
τ=a+b; (2)
其中,a为高速离散序列读写器243的弛豫时间,b为高速格式转换器244的弛豫时间。
根据上式(2),选择弛豫时间和小于τ的两种元器件,搭建遥感影像统合模块21和地面数据统合模块22。
在第二延时器245接受一个高电平信号后,将时间n内的信号序列呈递给寄存器247,之后自动触发信号调整为低电平触发模型,一般地,需满足n≤τ,且最佳工作点为n≈τ;然后通过D/A转换器247将数字信号转换为模拟信号,并通过显像设备248进行显示。
如图5所示,数据映射模块23包括有哈希表映射器231和映射检查器232,哈希表映射器231与映射检查器232连接;哈希表映射器231用于将遥感影像和地面数据作为输入信号,根据哈希表对输入信号进行映射,获取显像结果作为输出信号;映射检查器232用于是否存在一个输入信号对映了多个输出信号;在存在一个输入信号对映了多个输出信号时,将除第一个输出信号以外的所有输出信号反馈回哈希表进行重新映射。
具体地,由于哈希表映射的方法可能出现重映射,因此设置映射检查器232。在通过哈希表映射器231对输入信号映射完成后,通过映射检查器232检查是否存在一个输入信号对映了多个输出信号,若存在,则将第一输出信号以外的所有输出信号反馈回哈希表映射器231,进行重新映射。由于采用的是反馈形式,可能会出现向一个输入查询映射关系得到深度较大的情况,提供的映射函数悦合理,这种情况出现的概率越小。
如图6所示,分析溯源层30包括有分项溯源分析模块31和综合溯源分析模块32;分项分析模块31包括有坐标转换单元311、物质分布标记单元312和相关性分析单元313;坐标转换单元311用于根据欧式距离将经纬度信息转换为二维空间坐标系;物质浓度标记单元312用于根据地面数据,在二维空间坐标系中标记对应水质指标的物质浓度分布;相关性分析单元313用于根据地面数据,获取各水质指标间的相关关系;综合溯源分析模块32用于根据相关关系和物质浓度分布,获取各个水质指标的溯源结果。
具体地,分项溯源分析模块31受理论分析法和影像结合法的支持,综合溯源分析模块32受综合分析法的支持。
例如,在选取共2973组遥感影像数据后,通过上述特征对遥感影像数据进行地面数据反演,根据坐标转换单元311采用欧式距离将经纬度信息转换为二维空间坐标系,在遥感地图上获得各水质指标的物质浓度分布,并通过物质浓度标记单元312进行对应的标记,采用相关性分析单元313对地面数据进行皮尔逊相关性分析,获得各个水质指标间的相关关系,如表1所示,为11项水质指标(包括7中常规水质指标和4中水质重金属指标)的皮尔逊相关性表。
表1 水质指标的皮尔逊相关性表
在本实施例中,分项溯源分析模块31的溯源分析具体包括:
其中,关于溶解氧:水中溶解氧水温、空气含氧量、水生植物光合作用有关,一般地,在20℃、大气压强100Kpa条件下,纯水中溶解氧大约为9mg/L,当水中溶解氧小于5mg/L时,水质质量变差。在表1中,与溶解氧相关性显著的指标共九种(按强弱排序):氰化物、氨氮、总氮、总磷、铜离子、锌离子、高锰酸盐、浑浊度、六价铬离子。可知,除电解率外,其他水质指标均对溶解氧有较大影响,其中影响最大的为氰化物。
因此,造成水质溶解氧下降的溯源方向为:(1)水温变化大;(2)空气含氧量低;(3)水生植物光合作用差;(4)与氰化物排放相关的因素。
其中,关于电解率:水中导电性越好,电解率越大,它与温度和掺杂浓度有很大的关系,一般地,纯水的导电率≤2μS/cm,电解率变高,水质质量变差。在表1中,与电解率相关性显著的指标共十种(按强弱排序):浑浊度、六价铬离子、铜离子、锌离子、总磷、高锰酸盐、氰化物、总氮、氨氮。可知,其他水质指标对溶解氧有较大影响,其中影响最大的为浑浊度。
因此,造成水质电解率上升的溯源方向为:(1)水温变化大;(2)掺杂浓度高;(3)与水体浑浊程度相关的因素。
其中,关于浑浊度:水中浑浊度表示水中含有悬浮物和胶体物质而呈浑浊状态,造成通过水的光线被散射或光线透过时受到阻碍的程度。水的浑浊度主要由掺杂引起,包括泥沙、粘土、水生生物、细菌、病毒、高分子有机物等。一般地,以SiO2计,蒸馏水中浑浊度不高于1mg/L,浑浊度变高,水质质量变差。在表1中,与浑浊度相关性显著的指标共九种(按强弱排序):六价铬离子、铜离子、锌离子、总氮、氰化物、电解率、氨氮、高锰酸盐、总磷。可知,其他水质指标对溶解氧有较大影响,其中影响最大的为六价铬离子。
因此,造成水质浑浊度上升的溯源方向:(1)掺杂浓度高;(2)与六价铬离子排放相关的因素。
其中,关于高锰酸盐:水中高锰酸盐指数不能作为理论需氧量或总有机物含量的指标,标准水质中,高锰酸盐含量应总小于溶解氧量。高锰酸盐变高,水质质量变差。在表1中,与高锰酸盐相关性显著的指标共九种(按强弱排序):铜离子、锌离子、六价铬离子、电解率、浑浊度、总磷、总氮、氰化物、溶解氧。可知,除氨氮外,其他水质指标均对溶解氧有较大影响,其中影响最大的为铜离子。
因此,造成水质高锰酸盐上升的溯源方向:(1)掺杂浓度高;(2)与铜离子排放相关的因素。
其中,关于氨氮:水中氨氮是水体中以游离氨和铵离子形式存在的氮,是水体的营养素,可导致水富营养化现象产生,与水中藻类、浮游生物等含量有关,水中氨氮变高,水质质量变差。在表1中,与氨氮相关性显著的指标共八种(按强弱排序):总氮、浑浊度、溶解氧、氰化物、锌离子、铜离子、电解率、六价铬离子。可知,除高锰酸盐和总磷外,其他水质指标均对溶解氧有较大影响,其中影响最大的为总氮。
因此,造成水质氨氮上升的溯源方向为:(1)水中藻类、浮游生物等含量升高;(2)与总氨相关的因素。
其中,关于总磷:水中总磷是水样经消解后将各种形态的磷转变为正磷酸盐后的测定结果,其主要来源为生活污水、化肥、有机磷农药和近代洗涤剂排放,水中藻类生物依赖总磷生长,过量磷会导致水体富营养化。一般地,水质中总磷含量不高于0.05mg/L,总磷变高,水质质量变差。在表1中,与总磷相关性显著的指标共九种(按强弱排序):铜离子、六价铬离子、锌离子、电解率、浑浊度、高锰酸盐、溶解氧、氰化物、总氮。可知,除氨氮外,其他水质指标均对溶解氧有较大影响,其中影响最大的为铜离子。
因此,造成水质总磷上升的溯源方向为:(1)生活污水排放;(2)农业化肥排放;(3)农业农药排放;(4)与铜离子排放相关的因素。
其中,关于总氮:水中总磷是水中各种形态无机和有机氮的总和,常被用于表示水体受营养物质污染的程度。一般地,水质中总氮含量不高于0.05mg/L,总氮变高,水质质量变差。在表1中,与总氮相关性显著的指标共十种(按强弱排序):氨氮、锌离子、铜离子、六价铬离子、浑浊度、溶解氧、高锰酸盐、电解率、总磷、氰化物。可知,其他水质指标对溶解氧有较大影响,其中影响最大的为氨氮。
因此,造成水质总氮上升的溯源方向:(1)水体营养物质变多;(2)与氨氮排放相关的因素。
其中,关于水中重金属离子:与各种离子相关性显著的指标(按强弱排序)如下:
铜离子:锌离子、六价铬离子、浑浊度、总氮、高锰酸盐、总磷、电解率、氰化物、溶解氧、氨氮。
锌离子:铜离子、六价铬离子、浑浊度、总氮、高锰酸盐、电解率、总磷、氰化物、溶解氧、氨氮。
六价铬离子:锌离子、铜离子、浑浊度、氰化物、总氮、高锰酸盐、电解率、总磷、溶解氧、氨氮。
氰化物:六价铬离子、浑浊度、溶解氧、铜离子、电解率、氨氮、锌离子、总磷、高锰酸盐、总氮。
因此,造成水质重金属元素上升的溯源方向:(1)化工污水排放;(2)土壤污染严重;(3)与浑浊度相关的因素;(4)与溶解氧相关的因素。
在本实施例中,综合溯源分析模块32根据上述分项溯源分析模块31获取的溯源结果,获取的溯源方向如下:
溶解氧低:水温变化大、空气含氧量低、水生植物光合作用差、与氰化物排放相关的因素。
电解率高:水温变化大、掺杂浓度高、与水体浑浊程度相关的因素。
浑浊度高:掺杂浓度高、与水六价铬离子排放相关的因素。
高锰酸盐高:掺杂浓度高、与铜离子排放相关的因素。
氨氮高:水中藻类、浮游生物等含量升高、与总氮相关的因素。
总磷高:生活污水排放、农业化肥排放、农业农药排放、与铜离子排放相关的因素。
总氮高:水体营养物质变多、与氨氮排放相关的因素。
水中重金属离子高:化工污水排放、土壤污染严重、与浑浊度相关的因素、与溶解氧相关的因素。
采用综合分析法替换上述“与*相关的因素”,过程如下:
对氰化物受污染原因溯源,追溯到水中重金属排放异常;对水体浑浊程度加深原因溯源,追溯到掺杂浓度变高、水中重金属排放异常;对铜离子浓度增大原因进行溯源,追溯到水中重金属排放异常;对总氨浓度增大原因进行溯源,追溯到水体富营养化、水中藻类生物滋生、水中浮游生物含量升高。
在一个实施例中,如图7所示,提供了一种基于遥感影像反演的水质污染溯源方法,包括以下步骤:
步骤S701,采用遥感反演层获取遥感影像数据,根据遥感影像数据反演获取地面数据,地面数据包括有常规水质指标和水质重金属指标。
步骤S702,根据数据统合层对遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果。
步骤S703,根据分析溯源层对显像结果进行分项分析溯源和综合分析溯源,获取各个水质指标的溯源结果。
在本实施例中,采用遥感影像反演层获取遥感影像数据,并根据遥感影像数据反演获取地面数据的常规水质指标和水质重金属指标,根据数据统合层对遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果,最后采用分析溯源层对显像结果进行分项分析溯源和综合分析溯源,获取各个水质指标的溯源结果,能够在保证可靠性和准确度的同时,直接通过遥感影像数据反演获取地面数据,提升了工作效率,并对遥感数据进行映射处理,获取对应的显像结果,确保数据可靠性,还能够进行分项分析溯源和综合分析溯源,整合分析所有水质的污染情况,实现全面溯源。
如图8所示,步骤S102还包括:将统合后的遥感影像和地面数据作为输入信号f(x),输入电路模型中;在电路模型检测到异常时序脉冲或驱动电平不稳时向第一延时器发送中断信号,并向冲激响应h(x)发送一段测试序列ftest(x),根据测试序列经过冲激响应后的返回结果ytest(x)判断异常种类;其中,若返回结果ytest(x)中,x间隔不一,则为时序异常,清除当前时序脉冲信号,向第一延时器请求新的脉冲信号,并自动同步到当前处理的时序;若返回结果ytest(x)与预存结果ytruth(x)不符,则为数据异常,丢弃整组异常数据,请求从输入信号f(x)中重新获取数据;若接收到的返回结果ytest(x)不完整或未接受到ytest(x)信号,则为硬件异常,追溯ftest(x)丢失发生的位置并标记,在发送标记后中止系统,显示带有标记信息的异常。
具体地,通过上述时序同步算法,增强电路模型的稳定性;且能够保障两种异常的完全恢复:时序异常和数据异常,保障一种异常的精确定位:硬件异常,在遇到未预料的异常时,将提示并停止统合。
在一个实施例中,以2021年7月27日的某市某区的遥感断面数据(之后称为实验数据)为例,分析7种常规水质指标和4种水质重金属指标的污染源。
具体实施步骤如下:
步骤S701,获取到哨兵二号的遥感波段数据如下:
表2 下载的断面数据(部分)
Band1 | Band2 | Band3 | Band4 | Band5 | Band6 | Band7 | Band8 | Band8a | Band9 | Band11 | Band12 |
1167 | 1300 | 1684 | 1874 | 1747 | 777 | 806 | 604 | 469 | 214 | 240 | 190 |
1222 | 1374 | 1742 | 1936 | 1786 | 795 | 800 | 590 | 450 | 227 | 227 | 181 |
1159 | 1346 | 1706 | 1920 | 1744 | 751 | 759 | 555 | 412 | 130 | 219 | 173 |
1308 | 1440 | 1754 | 1926 | 1815 | 884 | 909 | 720 | 538 | 428 | 255 | 182 |
1373 | 1480 | 1830 | 1984 | 1867 | 940 | 1002 | 731 | 638 | 570 | 301 | 207 |
1388 | 1566 | 1868 | 2038 | 1899 | 1022 | 1114 | 872 | 738 | 631 | 358 | 263 |
1128 | 1366 | 1758 | 1982 | 1870 | 889 | 923 | 681 | 557 | 263 | 315 | 255 |
1085 | 1294 | 1678 | 1886 | 1812 | 1001 | 1071 | 866 | 747 | 321 | 455 | 371 |
1027 | 1186 | 1296 | 1186 | 1281 | 1167 | 1252 | 1212 | 1070 | 2460 | 954 | 733 |
在步骤S701中,获取到的反演数据如下表3所示:
表3 反演得到的11种水质指标(单位mg/L)(部分)
O<sup>2</sup> | ELE | NTU | Mn | N | TP | TN | Cu | Zn | Cr6 | CN |
5.41 | 960.78 | 388.18 | 5.72 | 0.32 | 0.03 | 6.02 | 0.00 | 0.06 | 0.00 | 0.01 |
6.01 | 1211.83 | 370.48 | 5.98 | 0.33 | 0.02 | 6.06 | 0.00 | 0.06 | 0.00 | 0.01 |
6.53 | 1078.04 | 403.04 | 6.11 | 0.41 | 0.02 | 8.56 | 0.00 | 0.06 | 0.00 | 0.01 |
3.19 | 1458.18 | 225.07 | 5.49 | 0.01 | 0.05 | 6.07 | 0.00 | 0.07 | 0.00 | 0.01 |
2.27 | 800.02 | 141.33 | 3.69 | 0.02 | 0.02 | 5.88 | 0.00 | 0.08 | 0.00 | 0.01 |
0.71 | 4598.28 | 99.59 | 3.23 | 0.10 | 0.02 | 4.89 | 0.00 | 0.08 | 0.00 | 0.01 |
0.03 | 201.78 | 376.12 | 5.04 | 0.32 | 0.01 | 6.76 | 0.00 | 0.07 | 0.00 | 0.01 |
4.39 | 263.43 | 321.96 | 4.31 | 0.03 | 0.09 | 4.67 | 0.00 | 0.09 | 0.00 | 0.01 |
12.53 | 381.69 | 84.42 | 3.71 | 0.11 | 0.12 | 3.58 | 0.00 | 0.11 | 0.00 | 0.00 |
注:反演出的11种水质指标数据的小数点位数并非只有2位,此处旨在方便展示。
步骤S702,对遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果,在遥感地图上显示对应水质指标的物质浓度分布。
步骤S703,通过上述两个步骤的分析,发现某市某区清溪河水域的重金属和常规水质指标(主要是TP、NTU)异常,结论为:
(1)水质中浑浊度增加,可能是泥沙流入、水位增加、其他河流汇入造成。
(2)水质中总磷增加,可能是水中藻类生物和浮游生物增长。
(3)需勘察流域附近是否有异常排水、堤岸降低等情况。
进一步地,通过工程人员实地考察发现,清溪河部分水域正处于退潮期,岸上泥沙被卷覆到水面上,引起水面浑浊度增加和水体富营养化,同时,在勘察点附近坐落有发电站,可能会有异常排水现象,其余水域正常,如治理得当,该现象应在几周到一月左右会逐渐消失。
本领域普通技术人员可以理解实现上述实施例所述方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于遥感影像反演的水质污染溯源系统,其特征在于,包括:
遥感反演层、数据统合层和分析溯源层;所述遥感反演层与所述数据统合层连接,所述数据统合层与所述分析溯源层连接;
所述遥感反演层,用于获取遥感影像数据,根据所述遥感影像数据反演地面数据,所述地面数据包括有常规水质指标和水质重金属指标;
所述数据统合层,用于对所述遥感影像数据和地面数据进行哈希表映射,获取显像结果;
所述分析溯源层,用于根据所述显像结果进行分项分析溯源和综合分析溯源。
2.根据权利要求1所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述遥感反演层包括有遥感影像获取模块、常规水质指标反演模块和水质重金属指标反演模块,所述常规水质指标反演模块和水质重金属指标反演模块并行。
3.根据权利要求2所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述常规水质指标反演模块包括有遥感影像获取单元、遥感影像降差单元、指标反演单元和第一显像单元;所述遥感影像获取单元用于通过有线或无线协议获取遥感影像数据;所述遥感影像降差单元用于通过遥感预处理和人机交互的方式,降低所述遥感影像数据的像差,第一遥感影像数据;所述指标反演单元用于根据第一遥感影像数据对常规水质指标进行反演;所述第一显像单元用于进行格式转换和显示反演结果;
所述水质重金属指标反演模块包括有云图再验单元、公式生成单元、数据核算单元和第二显像单元;所述云图再验单元用于降低所述遥感影像数据的像差,获取第二遥感影像数据;所述公式生成单元用于生成和呈递反演公式;所述数据核算单元用于根据所述第二遥感影像数据和反演公式,对水质重金属指标进行反演,并验证反演结果的置信度;所述第二显像单元用于显示反演结果和置信度。
4.根据权利要求1所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述数据统合层包括遥感影像统合模块、地面数据统合模块和数据映射模块;所述遥感影像统合模块和地面数据统合模块并行,分别用于对所述遥感影像数据和地面数据进行统合;所述据映射模块用于根据哈希表对统合后的遥感影像数据和地面数据进行映射。
5.根据权利要求4所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述遥感影像统合模块和地面数据统合模块设置有相同结构的电路模型,分别为遥感电路模型和地面电路模型,所述遥感电路模型的输入行宽为常规水质监测指标的个数,所述地面电路模型的输入行宽为水质重金属指标的个数。
6.根据权利要求5所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述电路模型包括有A/D数模转换器、第一延时器、高速离散序列读写器、高速格式转换器、第二延时器、寄存器、D/A转换器和显像设备;
所述A/D数模转换器接收时序脉冲,将连续信号采样为离散数列,所述连续信号为遥感影像数据或地面数据;
所述第一延时器用于延迟所述离散数据进入所述高速离散序列读写器的时间;
所述高速离散序列读写器用于对所述离散数据进行统合,获取统合数据;
所述高速格式转换器用于将所述统合数据转换为二进制格式;
所述第二延时器用于延迟将统合数据发送至所述寄存器的时间;
所述寄存器用于寄存二进制格式的统合数据;
所述D/A转换器用于将所述统合数据的数字量转换为模拟量;
所述显像设备用于显示转换为模拟量后的统合数据。
7.根据权利要求4所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述数据映射模块包括有哈希表映射器和映射检查器,所述哈希表映射器与所述映射检查器连接;
所述哈希表映射器用于将所述遥感影像和地面数据作为输入信号,根据哈希表对所述输入信号进行映射,获取显像结果作为输出信号;
所述映射检查器用于是否存在一个输入信号对映了多个输出信号;在存在一个输入信号对映了多个输出信号时,将除第一个输出信号以外的所有输出信号反馈回哈希表进行重新映射。
8.根据权利要求1所述的一种基于遥感影像反演的水质污染溯源系统,其特征在于,所述分析溯源层包括有分项溯源分析模块和综合溯源分析模块;
所述分项分析模块包括有坐标转换单元、物质分布标记单元和相关性分析单元;所述坐标转换单元用于根据欧式距离将经纬度信息转换为二维空间坐标系;所述物质浓度标记单元用于根据所述地面数据,在二维空间坐标系中标记对应水质指标的物质浓度分布;所述相关性分析单元用于根据地面数据,获取各水质指标间的相关关系;
所述综合溯源分析模块用于根据所述相关关系和物质浓度分布,获取各个水质指标的溯源结果。
9.一种基于遥感影像反演的水质污染溯源方法,其特征在于,包括以下步骤:
采用遥感反演层获取遥感影像数据,根据所述遥感影像数据反演获取地面数据,所述地面数据包括有常规水质指标和水质重金属指标;
根据数据统合层对所述遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果;
根据分析溯源层对所述显像结果进行分项分析溯源和综合分析溯源,获取各个水质指标的溯源结果。
10.根据权利要求9所述的一种基于遥感影像反演的水质污染溯源方法,其特征在于,所述根据数据统合层对所述遥感影像数据和地面数据进行统合,并通过哈希表对统合后的遥感影像和地面数据进行映射,获取显像结果,还包括:
将所述统合后的遥感影像和地面数据作为输入信号f(x),输入电路模型中;
在电路模型检测到异常时序脉冲或驱动电平不稳时向第一延时器发送中断信号,并向冲激响应h(x)发送一段测试序列ftest(x),根据所述测试序列经过冲激响应后的返回结果ytest(x)判断异常种类;
其中,若返回结果ytest(x)中,x间隔不一,则为时序异常,清除当前时序脉冲信号,向所述第一延时器请求新的脉冲信号,并自动同步到当前处理的时序;
若返回结果ytest(x)与预存结果ytruth(x)不符,则为数据异常,丢弃整组异常数据,请求从输入信号f(x)中重新获取数据;
若接收到的返回结果ytest(x)不完整或未接受到ytest(x)信号,则为硬件异常,追溯ftest(x)丢失发生的位置并标记,在发送标记后中止系统,显示带有标记信息的异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111096949.2A CN113624778B (zh) | 2021-09-18 | 2021-09-18 | 一种基于遥感影像反演的水质污染溯源系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111096949.2A CN113624778B (zh) | 2021-09-18 | 2021-09-18 | 一种基于遥感影像反演的水质污染溯源系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113624778A true CN113624778A (zh) | 2021-11-09 |
CN113624778B CN113624778B (zh) | 2022-07-12 |
Family
ID=78390480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111096949.2A Active CN113624778B (zh) | 2021-09-18 | 2021-09-18 | 一种基于遥感影像反演的水质污染溯源系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113624778B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693810A (zh) * | 2022-03-25 | 2022-07-01 | 常州市新翼空间信息科技有限公司 | 一种基于水质参数反演图的污染溯源系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106855502A (zh) * | 2015-12-09 | 2017-06-16 | 深圳先进技术研究院 | 一种陆源入海排污口的遥感监测方法与系统 |
CN109376424A (zh) * | 2018-10-19 | 2019-02-22 | 中山大学 | 一种水中重金属可遥感反演的下限浓度计算方法 |
CN110765941A (zh) * | 2019-10-23 | 2020-02-07 | 张学玲 | 一种基于高分遥感影像的海水污染区域识别方法和设备 |
CN110865040A (zh) * | 2019-11-29 | 2020-03-06 | 深圳航天智慧城市系统技术研究院有限公司 | 天空地一体化高光谱水质监测分析方法 |
JP2020073862A (ja) * | 2017-03-08 | 2020-05-14 | 富士フイルム株式会社 | 水質検査システム及び水質検査方法 |
CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
CN112365274A (zh) * | 2020-12-01 | 2021-02-12 | 苏州深蓝空间遥感技术有限公司 | 一种基于多源数据的高精度水污染溯源方法 |
CN112464746A (zh) * | 2020-11-10 | 2021-03-09 | 清华苏州环境创新研究院 | 一种卫星影像和机器学习的水质监测方法及系统 |
CN112798540A (zh) * | 2020-12-14 | 2021-05-14 | 浙江易智信息技术有限公司 | 一种基于高分遥感的水体污染源预警系统 |
-
2021
- 2021-09-18 CN CN202111096949.2A patent/CN113624778B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106855502A (zh) * | 2015-12-09 | 2017-06-16 | 深圳先进技术研究院 | 一种陆源入海排污口的遥感监测方法与系统 |
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 |
JP2020073862A (ja) * | 2017-03-08 | 2020-05-14 | 富士フイルム株式会社 | 水質検査システム及び水質検査方法 |
CN109376424A (zh) * | 2018-10-19 | 2019-02-22 | 中山大学 | 一种水中重金属可遥感反演的下限浓度计算方法 |
CN110765941A (zh) * | 2019-10-23 | 2020-02-07 | 张学玲 | 一种基于高分遥感影像的海水污染区域识别方法和设备 |
CN110865040A (zh) * | 2019-11-29 | 2020-03-06 | 深圳航天智慧城市系统技术研究院有限公司 | 天空地一体化高光谱水质监测分析方法 |
CN111898691A (zh) * | 2020-08-05 | 2020-11-06 | 生态环境部华南环境科学研究所 | 一种河流突发水污染预警溯源方法、系统、终端及介质 |
CN112464746A (zh) * | 2020-11-10 | 2021-03-09 | 清华苏州环境创新研究院 | 一种卫星影像和机器学习的水质监测方法及系统 |
CN112365274A (zh) * | 2020-12-01 | 2021-02-12 | 苏州深蓝空间遥感技术有限公司 | 一种基于多源数据的高精度水污染溯源方法 |
CN112798540A (zh) * | 2020-12-14 | 2021-05-14 | 浙江易智信息技术有限公司 | 一种基于高分遥感的水体污染源预警系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693810A (zh) * | 2022-03-25 | 2022-07-01 | 常州市新翼空间信息科技有限公司 | 一种基于水质参数反演图的污染溯源系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113624778B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Application of nitrogen and oxygen isotopes for source and fate identification of nitrate pollution in surface water: a review | |
Snelder et al. | Anthropogenic increases of catchment nitrogen and phosphorus loads in New Zealand | |
Liu et al. | Tracing the potential pollution sources of the coastal water in Hong Kong with statistical models combining APCS-MLR | |
Ma et al. | Spatiotemporal analysis of water quality using multivariate statistical techniques and the water quality identification index for the Qinhuai River Basin, East China | |
Liu et al. | Empirical estimation of total nitrogen and total phosphorus concentration of urban water bodies in China using high resolution IKONOS multispectral imagery | |
CN112734694A (zh) | 一种基于大数据的水质监测方法 | |
CN104268679B (zh) | 海洋环境监测数据流程化处理方法及装置 | |
Frei et al. | Limited progress in nutrient pollution in the US caused by spatially persistent nutrient sources | |
Wagh et al. | Indicative lake water quality assessment using remote sensing images-effect of COVID-19 lockdown | |
Zhu et al. | A hybrid decomposition and Machine learning model for forecasting Chlorophyll-a and total nitrogen concentration in coastal waters | |
Li et al. | Source apportionment of heavy metal pollution in agricultural soils around the Poyang Lake region using UNMIX model | |
Li et al. | Spatial assessment of water quality with urbanization in 2007–2015, Shanghai, China | |
CN113624778B (zh) | 一种基于遥感影像反演的水质污染溯源系统和方法 | |
Kratzer et al. | Synergy of satellite, in situ and modelled data for addressing the scarcity of water quality information for eutrophication assessment and monitoring of Swedish Coastal Waters | |
Naz et al. | Integrated assessment and geostatistical evaluation of groundwater quality through water quality indices | |
Zhu et al. | Satellite remote sensing of water quality variation in a semi-enclosed bay (Yueqing Bay) under strong anthropogenic impact | |
Zhou et al. | Regionalized nitrogen fate in freshwater systems on a global scale | |
CN117408430A (zh) | 一种基于大数据的农业种植用土壤改良评估系统 | |
Hong et al. | Spatial and Temporal Distribution Characteristics of Nutrient Elements and Heavy Metals in Surface Water of Tibet, China and Their Pollution Assessment | |
Weller et al. | Inexpensive spot sampling provides unexpectedly effective indicators of watershed nitrogen status | |
Guo et al. | Remote sensing retrieval of total nitrogen in the pearl river delta based on landsat8 | |
Pastres et al. | Monitoring and modeling for investigating driver/pressure–state/impact relationships in coastal ecosystems: Examples from the Lagoon of Venice | |
Wei et al. | Spatiotemporal variations of water eutrophication and non-point source pollution prevention and control in the main stream of the yellow river in Henan Province from 2012 to 2021 | |
Zhou et al. | Pollution Source Apportionment of River Tributary Based on PMF Receptor Model and Water Quality Remote Sensing in Xinjian River, China | |
Borda et al. | The interplay of environment and biota in assessing the freshwater quality in karst |
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 |