CN113780071A - 一种黑臭水体遥感识别系统及方法 - Google Patents
一种黑臭水体遥感识别系统及方法 Download PDFInfo
- Publication number
- CN113780071A CN113780071A CN202110873163.0A CN202110873163A CN113780071A CN 113780071 A CN113780071 A CN 113780071A CN 202110873163 A CN202110873163 A CN 202110873163A CN 113780071 A CN113780071 A CN 113780071A
- Authority
- CN
- China
- Prior art keywords
- water body
- black
- remote sensing
- odorous
- odorous 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 308
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010606 normalization Methods 0.000 claims abstract description 83
- 238000012806 monitoring device Methods 0.000 claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 34
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 23
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 23
- 239000001301 oxygen Substances 0.000 claims abstract description 23
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000002310 reflectometry Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 20
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000035943 smell Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 239000002894 chemical waste Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000033116 oxidation-reduction process Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01N21/55—Specular reflectivity
Abstract
本发明公开一种黑臭水体遥感识别系统及方法,包括主控装置和多个监测装置构成的通信网络,多个监测装置分别布设在待识别点,用于按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,计算所处水域的归一化指标并存储;主控装置,用于发送广播指令,对监测装置返回的归一化指标进行判断,当归一化指标在第一预设范围内时,确定对应的水域水体为目标水体,发送黑臭水体识别需求;遥感影像获取模块,用于从原始遥感影像中获取目标水体的遥感影像;黑臭水体确认模块,用于根据目标水体在各个波段的遥感反射率,计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
Description
技术领域
本发明涉及黑臭水体识别技术领域,具体涉及一种黑臭水体遥感识别系统及方法。
背景技术
“黑臭”是水体有机污染的一种极端现象,是由于水体缺氧、有机物腐败而造成的。目前,国内外对黑臭水体的研究多集中于黑臭形成机制、水质评价方法与指标构建、生态修复等方面,但对其识别方法的研究还十分欠缺。
我国黑臭水体识别主要通过实地调查进行判断,对黑臭水体的判断采用人体的主观感受结合水质指标测量的方法进行。主观感受指视觉上水体颜色异常(通常为墨绿色、灰黑色等),水面漂浮较多杂质,整体较浑浊,流速慢甚至不流动,通常有排污口排放污水;嗅觉上散发恶臭(物体腐烂的腥臭味、化工废料的刺激性臭味等),距离较远便可闻到,影响周边环境。水质指标则参照《城市黑臭水体整治工作指南》的规定,具体透明度、溶解氧、氧化还原电位、pH值、总磷等水质指标。野外调查结果准确,但是只能用于所采集样点的识别,无法推断整个区域的黑臭情况,此外该方法需要到实地采集水样,耗时费力。水质指标可以对水体质量定量分析,但是同样基于野外采样,不能快速识别整个区域黑臭水体的分布。目前,利用遥感技术识别黑臭水体的方法模型还很少,而且通过原始遥感影像识别黑臭水体计算量大,成本高,不利于推广应用。
经检索发现,公开号CN105488488B的中国专利于2018年12月21日公开了一种城市黑臭水体遥感识别方法,该方法包括获取水面待识别点的遥感数据;基于所获取的遥感数据计算水面待识别点的光谱三刺激值;基于光谱三刺激值计算水面待识别点的饱和度;若饱和度小于预设阈值,确定水面待识别点为黑臭水体。该专利基于遥感数据计算饱和度,基于饱和度对水体是否是黑臭水体进行识别,其缺陷是没有对目标水域的先前判断,对于没有形成黑臭水体的识别点的遥感数据和形成有黑臭水体的识别点的遥感数据一起处理,数据处理量大,识别效率低。
公开号CN111272662A的中国专利于2020年6月12日公开了一种基于遥感光谱的城市黑臭水体识别方法,以遥感反射率与波长关系图中绿波段与红波段处角α1和α2的大小为特征,通过公式计算得出α1和α2角度的大小,并根据设定的α1和α2的判别区间以此对黑臭水体进行识别。该专利申请同样是针对所有识别点的遥感数据的黑臭水体识别,没有对识别前的水体进行先一步区分,造成最终用于识别的数据量过大,识别效率低。
发明内容
为克服上述现有技术的不足,本发明提供一种黑臭水体遥感识别系统及方法,能够有效提高黑臭水体的识别效率。
根据本发明说明书的一方面一种黑臭水体遥感识别系统,包括主控装置和多个监测装置构成的通信网络,其中,
多个所述监测装置,分别布设在待识别点,用于按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,通过所述溶解氧、氨氮值、透明度及色度计算得到所处水域的归一化指标并存储;
所述主控装置,用于发送广播指令,所述广播指令包括当前要轮询的监测装置的编号,接收所述编号对应的监测装置返回的归一化指标并进行判断,当归一化指标在第一预设范围内时,确定与所述归一化指标对应的水域水体为目标水体,发送黑臭水体识别需求至遥感影像获取模块;
所述遥感影像获取模块,用于基于所述黑臭水体识别需求从原始遥感影像中获取目标水体的遥感影像,进行预处理后发送至黑臭水体确认模块;
黑臭水体确认模块,用于根据目标水体在各个波段的遥感反射率,计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
上述技术方案中,主控装置和多个监测装置构成本地的通讯网络,多个监测装置按照预定周期进行所处识别点的水体采集、获取归一化指标并本地存储;主控装置将多个监测装置分别进行编号并按照编号顺序进行广播轮询,当轮询到某个监测装置的编号时,该监测装置将其存储的最新的归一化指标发送给主控装置,主控装置对接收的归一化指标进行判断并在符合第一预设范围时,确定该归一化指标对应的识别点水体为目标水体,此时可发送黑臭水体识别需求,该识别需求包括识别点的位置信息;遥感影像获取模块根据识别需求获取目标水体所处水域的遥感影像并进行初步处理;黑臭水体识别模块基于初步处理后的目标水体遥感影像进行黑臭水体确认,当黑臭水体指标在第二预设范围内时,则确定所述目标水体为黑臭水体。该技术方案通过先目标水体识别、再黑臭水体确认的方式减少识别时的数据计算量,只对预判过需要进行黑臭水体识别的目标水体水域进行遥感影像获取和识别,对于未达到目标水体要求的识别点水域则不进行遥感影像识别,极大提高了黑臭水体的识别效率。
作为进一步的技术方案,所述监测装置内置边缘计算模型,用于对检测到的溶解氧、氨氮值、透明度及色度进行边缘计算,得到当前水域的归一化指标。通过边缘计算实现本地数据采集、计算和存储,避免数据采集、上传再处理方式依赖于网络传输,容易因网络传输故障导致现场数据丢失的问题,同时还可避免各识别点均布设远程通信模块所造成的通讯成本较高的问题。
作为进一步的技术方案,所述边缘计算模型采用神经网络模型实现,以待识别点的溶解氧、氨氮值、透明度及色度的历史数据为输入,以计算得到的归一化指标为输出,对模型进行训练;训练好的模型被布设在各待识别点。所述边缘计算模型可在云端进行训练,借助于云端的强大数据处理能力,训练完成后,布设在监测现场,直接对现场采集的数据进行本地计算,避免将现场采集数据上传到云端再进行处理,提高数据处理效率,减少水体监测对网络的依赖。
作为进一步的技术方案,所述监测装置具有数据采集探头,用于获取水质数据;检测模块,用于对获取的水质数据进行检测和分析,得到所处水域当前的溶解氧、氨氮值、透明度及色度;处理模块,用于将检测到的数据输入边缘计算模型,得到当前水体的归一化指标;存储模块,用于存储所处水域的水体归一化指标;通讯模块,用于接收主控模块的广播指令并在听到自身编号时,将所处水域水体的最新归一化指标发送至主控模块。
作为进一步的技术方案,所述主控装置包括:本地通讯模块,用于向布设在待识别点的监测装置发送广播指令;远程通讯模块,用于在识别到目标水体时发送黑臭水体识别需求给云平台。这样的设置可减少通讯硬件的成本投入,在一个监测水域,只需要一个远程通讯硬件,减少对4G/5G通信芯片的需求,降低成本。
作为进一步的技术方案,所述遥感影像获取模块对获取的遥感影像进行预处理,包括辐射定标处理、几何校正处理、大气校正处理、影像融合处理。
根据本发明说明书的另一方面,提供一种黑臭水体遥感识别方法,包括由主控装置和多个监测装置构成的通信网络,所述方法包括:
按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,通过所述溶解氧、氨氮值、透明度及色度计算得到所处水域的归一化指标并存储;
发送广播指令,接收被轮询水域发送的水体的归一化指标;
对返回的归一化指标进行判断,当归一化指标在第一预设范围内时,确定与所述归一化指标对应的水域水体为目标水体,发送黑臭水体识别需求;
基于所述黑臭水体识别需求从原始遥感影像中获取目标水体的遥感影像;
根据目标水体在各个波段的遥感反射率,计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
上述技术方案中,本地监测装置按照预定周期获取所处水域的归一化指标并进行本地存储,当接收到广播指令表明自身所在识别点被轮询时,发送本地存储的最新的归一化指标给主控装置;主控装置对接收到的归一化指标进行判断,如果满足第一预设范围则认为是目标水体,需要进行黑臭水体识别,如果不满足第一预设范围则忽略;云平台接收到黑臭水体识别需求后,获取对应识别点的目标水体的遥感影像,并基于该遥感影像计算目标水体的黑臭水体指标,如果符合第二预设范围则确认为黑臭水体。该技术方案只对满足第一预设范围的识别点所处的水域进行黑臭水体识别,无需对全部识别点水域进行黑臭水体识别,减少了遥感影像计算量,提高了黑臭水体的识别效率。
作为进一步的技术方案,所述方法进一步包括:获取遥感影像中目标水体在红绿蓝波段的光谱反射率,根据所述光谱反射率计算目标水体的黑臭水体指标。
与现有技术相比,本发明的有益效果在于:
(1)本发明提供一种系统,包括主控装置和多个监测装置构成本地的通讯网络,多个监测装置按照预定周期进行所处识别点的水体采集、获取归一化指标并本地存储;主控装置将多个监测装置分别进行编号并按照编号顺序进行广播轮询,当轮询到某个监测装置的编号时,该监测装置将其存储的最新的归一化指标发送给主控装置,主控装置对接收的归一化指标进行判断并在符合第一预设范围时,确定该归一化指标对应的识别点水体为目标水体,此时可发送黑臭水体识别需求,该识别需求包括识别点的位置信息;遥感影像获取模块根据识别需求获取目标水体所处水域的遥感影像并进行初步处理;黑臭水体识别模块基于初步处理后的目标水体遥感影像进行黑臭水体确认,当黑臭水体指标在第二预设范围内时,则确定所述目标水体为黑臭水体。
(2)本发明提供一种方法,本地监测装置按照预定周期获取所处水域的归一化指标并进行本地存储,当接收到广播指令表明自身所在识别点被轮询时,发送本地存储的最新的归一化指标给主控装置;主控装置对接收到的归一化指标进行判断,如果满足第一预设范围则认为是目标水体,需要进行黑臭水体识别,如果不满足第一预设范围则忽略;云平台接收到黑臭水体识别需求后,获取对应识别点的目标水体的遥感影像,并基于该遥感影像计算目标水体的黑臭水体指标,如果符合第二预设范围则确认为黑臭水体。该技术方案只对满足第一预设范围的识别点所处的水域进行黑臭水体识别,无需对全部识别点水域进行黑臭水体识别,减少了遥感影像计算量,提高了黑臭水体的识别效率。
(3)本发明通过先目标水体识别、再黑臭水体确认的方式减少识别时的数据计算量,只对预判过需要进行黑臭水体识别的目标水体水域进行遥感影像获取和识别,对于未达到目标水体要求的识别点水域则不进行遥感影像识别,极大提高了黑臭水体的识别效率。
附图说明
图1为根据本发明实施例的黑臭水体遥感识别系统的示意图。
图2为根据本发明实施例的黑臭水体遥感识别方法的示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述发实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
实施例1
如图1所示,本实施例提供一种黑臭水体遥感识别系统,包括主控装置和多个监测装置构成的本地星型通信网络,所述主控装置与云平台或后台服务器相连,多个监测装置与主控装置之间具有独立的通信链路,多个所述监测装置用于数据采集、本地计算和本地存储。
所述监测装置分别布设在待识别点,用于按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,通过所述溶解氧、氨氮值、透明度及色度计算得到所处水域的归一化指标并存储。所述预定周期可以自行设置,以天或周为单位进行数据采集。
所述监测装置内置边缘计算模型,用于对检测到的溶解氧、氨氮值、透明度及色度进行边缘计算,得到当前水域的归一化指标。通过边缘计算实现本地数据采集、计算和存储,避免数据采集、上传再处理方式依赖于网络传输,容易因网络传输故障导致现场数据丢失的问题,同时还可避免各识别点均布设远程通信模块所造成的通讯成本较高的问题。
所述边缘计算模型采用神经网络模型实现,以待识别点的溶解氧、氨氮值、透明度及色度的历史数据为输入,以计算得到的归一化指标为输出,对模型进行训练;训练好的模型被布设在各待识别点。所述边缘计算模型可在云端进行训练,借助于云端的强大数据处理能力,训练完成后,布设在监测现场,直接对现场采集的数据进行本地计算,避免将现场采集数据上传到云端再进行处理,提高数据处理效率,减少水体监测对网络的依赖。
所述监测装置具有数据采集探头,用于获取水质数据;检测模块,用于对获取的水质数据进行检测和分析,得到所处水域当前的溶解氧、氨氮值、透明度及色度;处理模块,用于将检测到的数据输入边缘计算模型,得到当前水体的归一化指标;存储模块,用于存储所处水域的水体归一化指标;通讯模块,用于接收主控模块的广播指令并在听到自身编号时,将所处水域水体的最新归一化指标发送至主控模块。
主控装置,用于发送广播指令,所述广播指令包括当前要轮询的监测装置的编号,接收所述编号对应的监测装置返回的归一化指标并进行判断,当归一化指标在第一预设范围内时,确定与所述归一化指标对应的水域水体为目标水体,发送黑臭水体识别需求至遥感影像获取模块。
所述主控装置包括:本地通讯模块,用于向布设在待识别点的监测装置发送广播指令;远程通讯模块,用于在识别到目标水体时发送黑臭水体识别需求给云平台。这样的设置可减少通讯硬件的成本投入,在一个监测水域,只需要一个远程通讯硬件,减少对4G/5G通信芯片的需求,降低成本。
所述云平台内置遥感影像获取模块和黑臭水体确认模块。
所述遥感影像获取模块,用于基于所述黑臭水体识别需求从原始遥感影像中获取目标水体的遥感影像,进行预处理后发送至黑臭水体确认模块。所述遥感影像获取模块对获取的遥感影像进行预处理,包括辐射定标处理、几何校正处理、大气校正处理、影像融合处理。
所述黑臭水体确认模块,用于根据目标水体在各个波段的遥感反射率,计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
本实施例中,主控装置和多个监测装置构成本地的通讯网络,多个监测装置按照预定周期进行所处识别点的水体采集、获取归一化指标并本地存储;主控装置将多个监测装置分别进行编号并按照编号顺序进行广播轮询,当轮询到某个监测装置的编号时,该监测装置将其存储的最新的归一化指标发送给主控装置,主控装置对接收的归一化指标进行判断并在符合第一预设范围时,确定该归一化指标对应的识别点水体为目标水体,此时可发送黑臭水体识别需求,该识别需求包括识别点的位置信息;遥感影像获取模块根据识别需求获取目标水体所处水域的遥感影像并进行初步处理;黑臭水体识别模块基于初步处理后的目标水体遥感影像进行黑臭水体确认,当黑臭水体指标在第二预设范围内时,则确定所述目标水体为黑臭水体。
本实施例通过先目标水体识别、再黑臭水体确认的方式减少识别时的数据计算量,只对预判过需要进行黑臭水体识别的目标水体水域进行遥感影像获取和识别,对于未达到目标水体要求的识别点水域则不进行遥感影像识别,极大提高了黑臭水体的识别效率。
实施例2
如图2所示,本实施例提供一种黑臭水体遥感识别方法,包括主控装置和多个监测装置构成的本地星型通信网络,所述主控装置与云平台或后台服务器相连,多个监测装置与主控装置之间具有独立的通信链路,多个所述监测装置用于数据采集、本地计算和本地存储。
所述方法包括:
按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,通过所述溶解氧、氨氮值、透明度及色度计算得到所处水域的归一化指标并存储;
发送广播指令,接收被轮询水域发送的水体的归一化指标;
对返回的归一化指标进行判断,当归一化指标在第一预设范围内时,确定与所述归一化指标对应的水域水体为目标水体,发送黑臭水体识别需求;
基于所述黑臭水体识别需求从原始遥感影像中获取目标水体的遥感影像,获取遥感影像中目标水体在红绿蓝波段的光谱反射率;
根据所述光谱反射率计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
本实施例中,本地监测装置按照预定周期获取所处水域的归一化指标并进行本地存储,当接收到广播指令表明自身所在识别点被轮询时,发送本地存储的最新的归一化指标给主控装置;主控装置对接收到的归一化指标进行判断,如果满足第一预设范围则认为是目标水体,需要进行黑臭水体识别,如果不满足第一预设范围则忽略;云平台接收到黑臭水体识别需求后,获取对应识别点的目标水体的遥感影像,并基于该遥感影像计算目标水体的黑臭水体指标,如果符合第二预设范围则确认为黑臭水体。本实施例只对满足第一预设范围的识别点所处的水域进行黑臭水体识别,无需对全部识别点水域进行黑臭水体识别,减少了遥感影像计算量,提高了黑臭水体的识别效率。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (8)
1.一种黑臭水体遥感识别系统,其特征在于,包括主控装置和多个监测装置构成的通信网络,其中,
多个所述监测装置,分别布设在待识别点,用于按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,通过所述溶解氧、氨氮值、透明度及色度计算得到所处水域的归一化指标并存储;
所述主控装置,用于发送广播指令,所述广播指令包括当前要轮询的监测装置的编号,接收所述编号对应的监测装置返回的归一化指标并进行判断,当归一化指标在第一预设范围内时,确定与所述归一化指标对应的水域水体为目标水体,发送黑臭水体识别需求至遥感影像获取模块;
所述遥感影像获取模块,用于基于所述黑臭水体识别需求从原始遥感影像中获取目标水体的遥感影像,进行预处理后发送至黑臭水体确认模块;
黑臭水体确认模块,用于根据目标水体在各个波段的遥感反射率,计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
2.根据权利要求1所述一种黑臭水体遥感识别系统,其特征在于,所述监测装置内置边缘计算模型,用于对检测到的溶解氧、氨氮值、透明度及色度进行边缘计算,得到当前水域的归一化指标。
3.根据权利要求2所述一种黑臭水体遥感识别系统,其特征在于,所述边缘计算模型采用神经网络模型实现,以待识别点的溶解氧、氨氮值、透明度及色度的历史数据为输入,以计算得到的归一化指标为输出,对模型进行训练;训练好的模型被布设在各待识别点。
4.根据权利要求3所述一种黑臭水体遥感识别系统,其特征在于,所述监测装置具有数据采集探头,用于获取水质数据;检测模块,用于对获取的水质数据进行检测和分析,得到所处水域当前的溶解氧、氨氮值、透明度及色度;处理模块,用于将检测到的数据输入边缘计算模型,得到当前水体的归一化指标;存储模块,用于存储所处水域的水体归一化指标;通讯模块,用于接收主控模块的广播指令并在听到自身编号时,将所处水域水体的最新归一化指标发送至主控模块。
5.根据权利要求1所述一种黑臭水体遥感识别系统,其特征在于,所述主控装置包括:本地通讯模块,用于向布设在待识别点的监测装置发送广播指令;远程通讯模块,用于在识别到目标水体时发送黑臭水体识别需求给云平台。
6.根据权利要求1所述一种黑臭水体遥感识别系统,其特征在于,所述遥感影像获取模块对获取的遥感影像进行预处理,包括辐射定标处理、几何校正处理、大气校正处理、影像融合处理。
7.一种黑臭水体遥感识别方法,其特征在于,包括由主控装置和多个监测装置构成的通信网络,所述方法包括:
按照预定周期获取所处水域的溶解氧、氨氮值、透明度及色度,通过所述溶解氧、氨氮值、透明度及色度计算得到所处水域的归一化指标并存储;
发送广播指令,接收被轮询水域发送的水体的归一化指标;
对返回的归一化指标进行判断,当归一化指标在第一预设范围内时,确定与所述归一化指标对应的水域水体为目标水体,发送黑臭水体识别需求;
基于所述黑臭水体识别需求从原始遥感影像中获取目标水体的遥感影像;
根据目标水体在各个波段的遥感反射率,计算目标水体的黑臭水体指标,当所述黑臭水体指标在第二预设范围内,则确定所述目标水体为黑臭水体。
8.根据权利要求7所述一种黑臭水体遥感识别方法,其特征在于,所述方法进一步包括:获取遥感影像中目标水体在红绿蓝波段的光谱反射率,根据所述光谱反射率计算目标水体的黑臭水体指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873163.0A CN113780071B (zh) | 2021-07-30 | 2021-07-30 | 一种黑臭水体遥感识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873163.0A CN113780071B (zh) | 2021-07-30 | 2021-07-30 | 一种黑臭水体遥感识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780071A true CN113780071A (zh) | 2021-12-10 |
CN113780071B CN113780071B (zh) | 2024-01-30 |
Family
ID=78836288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110873163.0A Active CN113780071B (zh) | 2021-07-30 | 2021-07-30 | 一种黑臭水体遥感识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780071B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116952873A (zh) * | 2023-07-26 | 2023-10-27 | 重庆市科学技术研究院 | 一种基于高光谱技术的水体黑臭程度测算方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300909A (zh) * | 2015-12-02 | 2016-02-03 | 重庆大学 | 基于直接光谱法的全天候长流域水质监测与预警系统 |
CN105488488A (zh) * | 2015-12-10 | 2016-04-13 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体遥感识别方法及装置 |
CN107167431A (zh) * | 2017-05-26 | 2017-09-15 | 中国科学院遥感与数字地球研究所 | 一种基于光谱指数模型的黑臭水体识别方法及系统 |
CN108585325A (zh) * | 2018-06-21 | 2018-09-28 | 吴亿成 | 基于臭氧-超声复合技术的生态水体智慧管控系统和方法 |
CN108645853A (zh) * | 2018-05-11 | 2018-10-12 | 南京吉泽信息科技有限公司 | 一种黑臭水体遥感识别的比值指数方法 |
CN110688909A (zh) * | 2019-09-05 | 2020-01-14 | 南京有春科技有限公司 | 城市黑臭水体的识别方法、装置、设备以及存储介质 |
CN111272662A (zh) * | 2019-11-18 | 2020-06-12 | 深圳市深水水务咨询有限公司 | 一种基于遥感光谱的城市黑臭水体识别方法 |
CN111380836A (zh) * | 2020-03-04 | 2020-07-07 | 平安国际智慧城市科技股份有限公司 | 基于遥感影像的黑臭水定位方法、装置及其相关设备 |
CN112577909A (zh) * | 2020-11-27 | 2021-03-30 | 河北先河环保科技股份有限公司 | 水质参数的监测方法、装置、设备和存储介质 |
CN112766075A (zh) * | 2020-12-31 | 2021-05-07 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
-
2021
- 2021-07-30 CN CN202110873163.0A patent/CN113780071B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300909A (zh) * | 2015-12-02 | 2016-02-03 | 重庆大学 | 基于直接光谱法的全天候长流域水质监测与预警系统 |
CN105488488A (zh) * | 2015-12-10 | 2016-04-13 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体遥感识别方法及装置 |
CN107167431A (zh) * | 2017-05-26 | 2017-09-15 | 中国科学院遥感与数字地球研究所 | 一种基于光谱指数模型的黑臭水体识别方法及系统 |
CN108645853A (zh) * | 2018-05-11 | 2018-10-12 | 南京吉泽信息科技有限公司 | 一种黑臭水体遥感识别的比值指数方法 |
CN108585325A (zh) * | 2018-06-21 | 2018-09-28 | 吴亿成 | 基于臭氧-超声复合技术的生态水体智慧管控系统和方法 |
CN110688909A (zh) * | 2019-09-05 | 2020-01-14 | 南京有春科技有限公司 | 城市黑臭水体的识别方法、装置、设备以及存储介质 |
CN111272662A (zh) * | 2019-11-18 | 2020-06-12 | 深圳市深水水务咨询有限公司 | 一种基于遥感光谱的城市黑臭水体识别方法 |
CN111380836A (zh) * | 2020-03-04 | 2020-07-07 | 平安国际智慧城市科技股份有限公司 | 基于遥感影像的黑臭水定位方法、装置及其相关设备 |
CN112577909A (zh) * | 2020-11-27 | 2021-03-30 | 河北先河环保科技股份有限公司 | 水质参数的监测方法、装置、设备和存储介质 |
CN112766075A (zh) * | 2020-12-31 | 2021-05-07 | 中国冶金地质总局矿产资源研究院 | 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116952873A (zh) * | 2023-07-26 | 2023-10-27 | 重庆市科学技术研究院 | 一种基于高光谱技术的水体黑臭程度测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113780071B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115187927B (zh) | 一种观景座椅远程监测管理方法及系统 | |
CN101695170A (zh) | 基于智能手机的无线通信网络测试数据采集及分析方法 | |
CN115372571A (zh) | 一种水环境智能监测系统 | |
CN112557307B (zh) | 天空地一体化湖库水质监测融合数据方法 | |
CN113780071A (zh) | 一种黑臭水体遥感识别系统及方法 | |
CN114180733A (zh) | 基于视频分析算法的污水曝气量检测及曝气控制系统 | |
CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
CN115239209B (zh) | 用于垃圾填埋场筛除含重金属腐殖土的方法、设备和系统 | |
CN115166180A (zh) | 一种垃圾渗滤液水质分析系统及方法 | |
CN110849821B (zh) | 基于贝叶斯定理的黑臭水体遥感识别方法 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 | |
CN115792165B (zh) | 一种环境水质智能监测方法及系统 | |
CN112525829A (zh) | 一种重金属含量检测设备 | |
CN115236006B (zh) | 一种电子河长光谱检测数据的处理方法及系统 | |
CN115358695A (zh) | 基于高光谱遥感的农村面源黑臭水体监测技术 | |
CN115372281A (zh) | 一种土壤物理结构和化学构成的监测系统及方法 | |
CN115656063A (zh) | 基于高光谱数据的目标污染物含量分析方法及装置 | |
CN114792402A (zh) | 一种基于图像识别的水污染判断方法及系统 | |
CN212228727U (zh) | 一种水质在线监测系统 | |
CN116597355B (zh) | 基于视觉系统的小微水体状态实时监控方法、系统及装置 | |
CN111855946B (zh) | 基于鱼类行为解析的水质分析方法 | |
CN114863294A (zh) | 一种适用于微咸水湖泊的水质参数监测方法和装置 | |
CN107707677A (zh) | 小区生活用水水质实时监测系统 | |
CN114283344A (zh) | 一种森林生态水文过程自动实时监测方法及系统 | |
CN115615938B (zh) | 基于反射光谱的水体水质分析方法、装置、电子设备 |
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 |