CN114113232A - 一种水环境监测管理系统 - Google Patents
一种水环境监测管理系统 Download PDFInfo
- Publication number
- CN114113232A CN114113232A CN202010905141.3A CN202010905141A CN114113232A CN 114113232 A CN114113232 A CN 114113232A CN 202010905141 A CN202010905141 A CN 202010905141A CN 114113232 A CN114113232 A CN 114113232A
- Authority
- CN
- China
- Prior art keywords
- water quality
- passive sampler
- data
- monitoring
- sample
- 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 195
- 238000012544 monitoring process Methods 0.000 title claims abstract description 118
- 238000005070 sampling Methods 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 239000000126 substance Substances 0.000 claims description 55
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 54
- 239000001301 oxygen Substances 0.000 claims description 54
- 229910052760 oxygen Inorganic materials 0.000 claims description 54
- 229910001385 heavy metal Inorganic materials 0.000 claims description 34
- 239000003344 environmental pollutant Substances 0.000 claims description 25
- 231100000719 pollutant Toxicity 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 239000005416 organic matter Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 5
- 150000002894 organic compounds Chemical class 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 description 58
- 150000002500 ions Chemical class 0.000 description 17
- 230000007613 environmental effect Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000002957 persistent organic pollutant Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 239000006101 laboratory sample Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229920001684 low density polyethylene Polymers 0.000 description 1
- 239000004702 low-density polyethylene Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/06—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a liquid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
-
- 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
- G01N33/1806—Water biological or chemical oxygen demand (BOD or COD)
-
- 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
Abstract
本申请实施例提供了一种水环境监测管理系统,包括:感知层,所述感知层包括用于设置在同一监测站点水质传感器和被动采样器;其中,所述被动采样器用于被动采集水样品,在所述被动采样器的一个采样周期内所述水质传感器多次对监测站点的水质指标进行数据采集;传输层,所述传输层包括物联网终端,所述物联网终端用于将水质传感器的采集的水质指标数据传输至所述应用层;应用层,用于根据所述水质传感器采集的水质指标数据,对所述被动采样器的样品进行筛选。本申请实施例解决了现有技术中水质传感器和被动采样技术对水质的监测各自进行,各自有不足的技术问题。
Description
技术领域
本申请涉及环境监测技术领域,具体地,涉及一种水环境监测管理系统。
背景技术
随着传感器和通信技术的飞速发展,利用水质传感器结合物联网技术实现水质的实时在线监测近年来已在环境监测领域广泛应用。现有水质传感器多用于水体中化学需氧量(Chemical Oxygen Demand,简称COD)、溶解氧、氨氮等常规指标的监测,而无法对水环境中的重金属、持久性有机物等痕量污染物进行实时监测。因此,仅基于水质传感器搭建的在线监测系统尚无法实现水体污染物的全面监测。
被动采样技术可以测定水体中污染物的时间平均浓度,因此较主动采样更能反映环境水体的真实污染水平。加之被动采样器无需供电和日常维护等特点,近年来已被广泛用于水环境中各种污染物的监测,包括极性/非极性有机物、重金属等。尽管如此,被动采样器的采样周期较长,一般持续数天至几个月不等。在进行长期监测过程中,需要定时更换并监测被动采样样品,达到对环境质量的持续监控和环境突发污染事件的捕捉。
对于环境水体,由于周边环境和固定污染源均已成常态化,所以其中污染物的浓度一般都在比较稳定的浓度范围内进行波动。考虑到被动采样样品的分析费时且监测费用通常较高,所以在利用被动采样器对环境进行长期监控时,进行每个样品的分析监测会造成人力、物力和财力的浪费。但如果对样品进行无原则的精简,则可能会导致突发污染事件的漏测。另外,由于被动采样样品的种类和数量较多,各个采样器的采样周期长短不一,目前对他们的管理通常是在线下记录,个人管理,没有统一的管理平台,造成被动采样样品信息不能互通共享,容易出现管理漏洞,影响样品的正常更换和监测。
因此,现有技术中水质传感器和被动采样技术对水质的监测各自进行,各自有不足,是本领域技术人员急需要解决的技术问题。
在背景技术中公开的上述信息仅用于加强对本申请的背景的理解,因此其可能包含没有形成为本领域普通技术人员所知晓的现有技术的信息。
发明内容
本申请实施例提供了一种水环境监测管理系统,以解决现有技术中水质传感器和被动采样技术对水质的监测各自进行,各自有不足的技术问题。
本申请实施例提供了一种水环境监测管理系统,包括:
感知层,所述感知层包括用于设置在同一监测站点水质传感器和被动采样器;其中,所述被动采样器用于被动采集水样品,在所述被动采样器的一个采样周期内所述水质传感器多次对监测站点的水质指标进行数据采集;
传输层,所述传输层包括物联网终端,所述物联网终端用于将水质传感器的采集的水质指标数据传输至所述应用层;
应用层,用于根据所述水质传感器采集的水质指标数据,对所述被动采样器的样品进行筛选。
本申请实施例由于采用以上技术方案,具有以下技术效果:
感知层包括用于设置在同一监测站点水质传感器和被动采样器,被动采样器用于被动采集水样品,在所述被动采样器的一个采样周期内所述水质传感器多次对监测站点的水质指标进行数据采集。传输层的物联网终端,将水质传感器的采集的水质指标数据传输至应用层。应用层根据所述水质传感器采集的水质指标数据,对所述被动采样器的样品进行筛选,筛选出超标样品。即采用了水质传感器和被动采样器相结合的方式,实现了对样品的筛选。水质传感器一方面起到了对水体的水质指标的监测,另一方面又起到了对样品进行筛选的作用。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例的一种水环境监测管理系统的架构示意图;
图2为图1所示的水环境监测管理系统的应用层的示意图;
图3为图1所示的水环境监测管理系统的被动采样器管理模块与关联模块的工作流程图。
附图标记说明:
11水质传感器,12被动采样器,
21物联网终端,22数据输入终端,
3云平台,31设备管理单元,
311被动采样器管理模块,312传感器管理模块,313关联模块,
32监测预警单元,33监测站点管理单元,34实时数据查询单元,
35历史数据查询单元,36用户中心。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本申请实施例的一种水环境监测管理系统的架构示意图。
如图1所示,本申请实施例的水环境监测管理系统,包括:
感知层,所述感知层包括用于设置在同一监测站点水质传感器11和被动采样器12;其中,所述被动采样器12用于被动采集水样品,在所述被动采样器12的一个采样周期内所述水质传感器11多次对监测站点的水质指标进行数据采集;
传输层,所述传输层包括物联网终端21,所述物联网终端21用于将水质传感器11的采集的水质指标数据传输至所述应用层;
应用层,用于根据所述水质传感器11采集的水质指标数据,对所述被动采样器12的样品进行筛选,筛选出超标样品。
本申请实施例的水环境监测管理系统,感知层包括用于设置在同一监测站点水质传感器和被动采样器,被动采样器用于被动采集水样品,在所述被动采样器的一个采样周期内所述水质传感器多次对监测站点的水质指标进行数据采集。传输层的物联网终端,将水质传感器的采集的水质指标数据传输至应用层。应用层根据所述水质传感器采集的水质指标数据,对所述被动采样器的样品进行筛选,筛选出超标样品。即采用了水质传感器和被动采样器相结合的方式,实现了对样品的筛选。水质传感器一方面起到了对水体的水质指标的监测,另一方面又起到了对样品进行筛选的作用。
实施中,所述应用层,具体用于:
在所述水质传感器采集的水质指标数据大于水质指标的预警阈值时,将所述被动采样器采集得到的水样品,作为超标样品。
实施中,所述应用层,具体还用于:
在被动采样器的采样周期内,所述水质传感器采集的水质指标数据始终小于等于水质指标的预警阈值,将所述被动采样器采集得到的水样品,作为周期样品。
这样,就将被动采样器采集得到的水样品分为两类,一类是周期样品,另一类是超标样品。将样品分为两类的意义在于,对周期样品不需要进行分析,仅仅需要对超标样品进行分析,因此实现了对样品的按需分析,降低了分析的数量,节省了分析成本。
实施中,如图1所示,水环境监测管理系统还包括:
分析单元,所述分析单元用于对超标样品进行分析,得到超标样品的痕量污染物的监测数据;
所述传输层还包括数据输入终端22,所述数据输入终端22用于接收对超标样品进行分析得到的痕量污染物的监测数据,并传输至所述应用层。
分析单元对超标样品进行分析,得到超标样品的痕量污染物的监测数据,实现对水环境污染物的全面监测。传输层的数据输入终端,接收对超标样品进行分析得到的痕量污染物的监测数据,并传输至所述应用层。以便对痕量污染物的监测数据进行后续的查询等等。
实施例二
本申请实施例的水环境监测管理系统,在实施例一的基础上,还具有如下特点。
实施中,所述水质传感器是电导率传感器,所述电导率传感器采集的水质指标数据是电导率数据;
所述被动采样器是DGT被动采样器;
其中,所述DGT被动采样器是薄膜扩散梯度被动采样器,所述DGT被动采样器是用于测定重金属浓度的被动采样器。
实施中,超标样品的痕量污染物的监测数据是电导率数据大于电导率的预警阈值时,监测站点重金属离子的浓度值CDGT2满足以下表达式:
其中,CAVEZ为DGT被动采样器从开始取样时电导率数据小于等于电导率的预警阈值到电导率数据大于电导率预警阈值直至DGT被动采样器被取出结束取样期间,重金属离子的平均浓度值;
CDGT1是监测站点的重金属离子基准浓度值;
t1为电导率数据小于等于电导率的预警阈值时,DGT被动采样器对水体的萃取时长;
t2为电导率数据大于电导率的预警阈值后,DGT被动采样器对水体继续采样的时长。
通过电导率传感器与DGT被动采样器的关联数据,计算电导率数据大于电导率的预警阈值时,监测站点重金属的浓度值CDGT2的表达式的推导过程如下:
1)电导率传感器的电导率和DGT被动采样器的重金属离子浓度的关联关系
通过前期DGT被动采样器的采样测定,在电导率数据小于等于导电率的预警阈值的时间区间内,测定监测站点重金属离子浓度的平均值,作为重金属离子浓度基准CDGT1。当电导率数据大于导电率的预警阈值后,取出DGT被动采样器,并记录在电导率数据大于电导率的预警阈值状态下DGT被动采样器继续采样的时长,用于后期重金属浓度突变计算。DGT被动采样器对重金属的富集公式如下所示:
其中,M1为电导率数据小于等于电导率的预警阈值的时间周期内DGT被动采样器对重金属离子的萃取量,CDGT1是监测站点的重金属离子基准浓度值,D为重金属离子在扩散层中的扩散系数;△g为材料扩散层厚度;t1为电导率数据小于等于电导率的预警阈值后,DGT被动采样器对水体继续采样的时长。
其中,M2为电导率数据大于电导率的预警阈值的时间周期内DGT对重金属离子的萃取量,CDGT2是电导率超出预警阈值期间监测站点重金属离子的浓度值,t2为电导率数据大于电导率的预警阈值后DGT被动采样继续采样的时长。
Mtot=M1+M2 (3)
其中,Mtot为DGT被动采样器从放入水体至电导率数据大于电导率的预警阈值后从水体中取出对重金属离子的总富集量,此数值通过实验室样品分析获得。
ttot=t1+t2 (4)
其中,ttot为DGT被动采样器从放入水体至电导率数据大于电导率的预警阈值后从水体中取出的整个采样周期的时长。因此,可通过公式(3)和(4)计算得到重金属的时间平均浓度CAVE值。
将公式(1)、(2)、(3)和(4)代入公式(5)得到:
其中,CAVEZ为DGT被动采样器从开始取样时电导率数据小于等于电导率的预警阈值到电导率数据大于电导率预警阈值直至DGT被动采样器被取出结束取样期间,重金属离子的平均浓度值。由于CAVEZ、t1、t2和CDGT1已知,可以求解CDGT2,即为超标样品的痕量污染物的监测数据是电导率数据大于电导率的预警阈值时,监测站点重金属离子的浓度值。
实施例三
本申请实施例的水环境监测管理系统,在实施例一和实施例二的基础上,还具有如下特点。
实施中,所述水质传感器是COD传感器,所述COD传感器是化学需氧量传感器,所述COD传感器采集的水质指标数据是化学需氧量数据;
所述被动采样器是POCIS被动采样器;
其中,所述POCIS被动采样器是极性有机化合物整合采样器,所述POCIS被动采样器是用于测定极性有机物的浓度的被动采样器。
化学需氧量的英文为Chemical Oxygen Demand,简称COD。极性有机化合物整合采样技术的英文为Polar organic chemical integrative samplers,简称POCIS。
实施中,超标样品的痕量污染物的监测数据是化学需氧量数据大于化学需氧量的预警阈值时,监测站点极性有机物的浓度值CW2满足以下关系式:
其中,CAVEJ为POCIS被动采样器从开始取样时化学需氧量数据小于等于化学需氧量预警阈值到化学需氧量数据到大于化学需氧量预警阈值直至POCIS被动采样器取出结束取样区间,极性有机物的时间平均浓度值;
RS为POCIS被动采样器的采样速率;
CW1为监测站点的极性有机物的基准浓度值;
t3为化学需氧量数据小于等于化学需氧量预警阈值时,POCIS被动采样器对水体的萃取时长;
t4为化学需氧量数据大于化学需氧量预警阈值后,POCIS被动采样器对水体继续采样的时长。
通过化学需氧量传感器与POCIS被动采样器的关联数据,计算化学需氧量数据大于化学需氧量的预警阈值时,监测站点极性有机物的浓度值CW2的表达式的推导过程如下:
1)化学需氧量传感器的化学需氧量和POCIS被动采样器的极性有机物浓度的关联关系
通过前期POCIS被动采样器的采样测定,在化学需氧量数据小于等于化学需氧量的预警阈值的时间周期内,测定监测站点极性有机物浓度的平均值,作为极性有机物浓度基准CW1。当化学需氧量数据大于化学需氧量的预警阈值后,取出POCIS被动采样器,并记录在化学需氧量数据大于化学需氧量的预警阈值状态下POCIS被动采样器继续采样的时长,用于后期极性有机物浓度突变计算。POCIS被动采样器对极性有机物的富集公式如下所示:
M3=CW1×RS×t3 (1)
其中,M3为化学需氧量数据小于等于化学需氧量的预警阈值的时间周期内POCIS被动采样器对极性有机物的萃取量,CW1是监测站点的极性有机物的基准浓度值,RS为POCIS被动采样器的采样速率;t3为化学需氧量数据小于等于化学需氧量预警阈值时,POCIS被动采样器对水体的萃取时长。
M4=CW2×RS×t4 (2)
其中,M4为化学需氧量数据大于化学需氧量的预警阈值的时间周期内POCIS被动采样器对极性有机物的萃取量,CW2是化学需氧量数据大于化学需氧量的预警阈值期间监测站点极性有机物的浓度值,t4为化学需氧量数据大于化学需氧量的预警阈值后POCIS被动采样器继续采样的时长。
Mtot=M3+M4 (3)
其中,Mtot为POCIS被动采样器从放入水体至化学需氧量数据大于化学需氧量的预警阈值后从水体中取出对极性有机物的总富集量,此数值通过实验室样品分析获得。
ttot=t3+t4 (4)
其中,ttot为POCIS被动采样器从放入水体至化学需氧量数据大于化学需氧量的预警阈值后从水体中取出的整个采样周期的时长。因此,可通过公式(3)和(4)计算得到极性有机物的时间平均浓度CAVEJ值。
将公式(1)、(2)、(3)和(4)代入公式(5)得到:
其中,CAVEJ为POCIS被动采样器从开始取样时化学需氧量数据小于等于化学需氧量的预警阈值到化学需氧量数据大于化学需氧量的预警阈值直至POCIS被动采样器被取出结束取样期间,极性有机物的平均浓度值。由于CAVEJ、t3、t4和CW1已知,可以求解CW2,即超标样品的痕量污染物的监测数据是化学需氧量数据大于化学需氧量的预警阈值时,监测站点极性有机物的浓度值。
实施例四
本申请实施例的水环境监测管理系统,在实施例二和实施例三的基础上还具有如下特点:
图2为图1所示的水环境监测管理系统的应用层的示意图。实施中,如图2所示,所述应用层包括设备管理单元31和数据库,所述设备管理单元31包括:
被动采样器管理模块311,用于通过分配唯一序列号给被动采样器,将样品的采集地点,采集时间,采样时长,采集周期,预下线时间,取回时间,上线和下线状态查询,状态变更信息录入到数据库,实现对每个样品由开始投放使用至样品收回存储及样品分析进行整个生命周期的管理;
传感器管理模块312,用于通过分配唯一序列号给水质传感器,将水质传感器的采集地点,采集时间,水质指标数据录入到数据库,实现对每个水质传感器的整个工作过程的管理。
被动采样器管理模块实现了采样样品的线上管理,实现了管理平台的一体化。与现有技术中的手动机组,个人管理相比,管理更为方便,信息也更加容易共享,被动采样器也能及时得到更换。传感器管理模块,对水质传感器的整个过程进行管理,便于查询和管理。被动采样器管理模块将被动采样器纳入线上管理,实现状态查询、信息共享、消息群发、数据展示等功能,统一被动采样器命名规则,提高被动采样器的管理效率,方便样品信息查询和维护。
实施中,如图2所示,所述设备管理单元31还包括:
关联模块313,用于将水质传感器与相关联的被动采样器绑定,包括将电导率传感器和DGT被动采样器进行绑定,和/或将COD传感器和所述POCIS被动采样器进行绑定。
关联模块,将水质传感器和相关联的被动采样器进行绑定。电导率传感器和DGT被动采样器进行绑定,实现了根据电导率数据和重金属浓度之间的关系,对DGT被动采样器的采集样品的筛选及重金属污染的追溯分析。COD传感器和POCIS被动采样器进行绑定,实现了根据COD数据和极性有机物浓度之间的关系,对POCIS被动采样器的采集样品的筛选及极性有机污染物的追溯分析。
每个监测站点建立各类被动采样样品的管理日志,以便在后续监测样品筛选时做到有的放矢,保证在不出现突发污染事件漏测的情况下最大程度的减少样品量和测试成本。
实施中,如图2所示,所述应用层还包括:
监测预警单元32,用于在所述水质传感器采集的水质指标数据大于水质指标的预警阈值时,将所述被动采样器采集得到的水样品,作为超标样品;还用于在被动采样器的采样周期内,所述水质传感器采集的水质指标数据始终小于等于水质指标的预警阈值,将所述被动采样器采集得到的水样品,作为周期样品;
监测站点管理单元33,用于对通过分配唯一序列号给监测站点,将监测站点的地点,水质传感器,被动采样器录入到数据库,实现对整个监测站点的设备进行管理。
实施中,如图2所示,所述应用层还包括:
实时数据查询单元34,用于查询所述水质传感器采集的水质指标数据的实时数据;
历史数据查询单元35,用于查询所述水质传感器采集的水质指标数据的历史数据,和超标样品痕量污染物的历史监测数据;
用户中心36,用于对用户的信息进行管理。
如图1所示,应用层是指云平台3,数据查询、站点管理、被动传感器管理、设备管理、关联模块、监测预警等功能模块均部署在云平台上,实现传感器、被动采样器的日常管理及其监测数据的存储、分析和展示。
本申请实施例的水环境监测管理系统,实现水质常规指标(电导率)在线监测和痕量污染物(重金属的浓度值)在线富集集成和关联关系的管理。该系统通过物联网实时反映水质常规指标的参数变化,设置集成式被动采样器暴露时间,进行原位富集采样,标记水质异常样品(即超标样品),实现水质异常状况下痕量污染物的浓度分析(即对超标样品进行分析计算,得到痕量污染物的监测数据),且无需将大量水样带回实验室分析,节省人力物力,并解决因水质瞬时变化无法进行追溯分析的问题。
图3为图1所示的水环境监测管理系统的被动采样器管理模块与关联模块的工作流程图。被动采样器被纳入线上管理的操作流程如图3所示,具体步骤如下:
步骤S110:首先当现场部署被动采样器时,操作人员通过客户端在系统上请求添加被动采样器;
步骤S120:操作人员确定被动采样器种类及其采样地点;
步骤S210:系统会根据预先设定好的命名规则自动分配序列号给被动采样器,用于对其整个生命周期的管理。序列号分配规则为采样器种类(如LDPE、DGT和POCIS等)+10位自然数。
在被动采样器获得序列号后,操作人员对该被动采样器的采样信息进行补充,包括记录采样时间、设定采样周期和关联水质传感器等。其中电导率的预警阈值的设置是依据国家相关法规标准。而水质传感器与被动采样器关联关系的建立,是根据监测指标与被动采样器测定的污染物浓度的相关性大小确定。电导率与重金属离子浓度具有正相关关系,当水体中重金属离子浓度升高时,它的电导率也会随之增大,所以可将电导率传感器与测DGT被动采样器进行关联,用于后期重金属样品的筛选监测。此外,pH与重金属可能存在负相关关系,即随着pH降低,重金属浓度可能会有所升高,因此将pH与DGT采样器进行关联。最后,化学需氧量与极性有机物可能存在一定的正相关关系,所以可将COD传感器与测定极性有机污染物的POCIS被动采样器进行关联,作为极性有机污染物样品的筛选监测。
对于电导率,国家生态环保部尚无标准限值,因此在系统前期投入使用时,选择一个经验值作为预警阈值。待电导率监测数据积累到30天以后,将电导率的所有实际监测值的平均值乘以一个关联系数后作为预警阈值。
3)在被动采样器的采集周期内,如果与其关联的水质传感器的监测数值没有超出预警阈值,则被动采样器在完成预先设定的采样周期后,系统会将该采样器的下线原因标注为“周期样品”,并发送样品下线提醒给用户。
4)在被动采样器采集过程中,如果与其关联的传感器的监测数值超出预警阈值,如电导率数据超出电导率预警阈值,则系统发送监测重金属的DGT样品下线提醒给用户,并将该DGT样品的下线原因标注为“超标样品”,其样品序列号放入超标样品库,作为后续重点监测分析的样品。
5)在系统界面,用户可通过被动采样样品的唯一序列号检索查询采样器的实时状态,包括“在线”和“下线”。其中,“下线”的样品可进一步查询它的下线原因,即“周期样品”或“超标样品”。
6)用户根据监测需求以及常规水质指标监测数据的时空分布情况,通过查询监测站点各被动采样样品的管理日志,合理选择被动采样器的“周期样品”和“超标样品”进行后续的实验室分析,在实现对水环境污染物的全面监测的同时,实现样品的按需监测。
在本申请及其实施例的描述中,需要理解的是,术语“顶”、“底”、“高度”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请及其实施例中,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接,还可以是通信;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请及其实施例中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度小于第二特征。
上文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开,上文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本申请。此外,本申请可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。此外,本申请提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种水环境监测管理系统,其特征在于,包括:
感知层,所述感知层包括用于设置在同一监测站点水质传感器和被动采样器;其中,所述被动采样器用于被动采集水样品,在所述被动采样器的一个采样周期内所述水质传感器多次对监测站点的水质指标进行数据采集;
传输层,所述传输层包括物联网终端,所述物联网终端用于将水质传感器的采集的水质指标数据传输至所述应用层;
应用层,用于根据所述水质传感器采集的水质指标数据,对所述被动采样器的样品进行筛选。
2.根据权利要求1所述的水环境监测管理系统,其特征在于,所述应用层,具体用于:
在所述水质传感器采集的水质指标数据大于水质指标的预警阈值时,将所述被动采样器采集得到的水样品,作为超标样品。
3.根据权利要求2所述的水环境监测管理系统,其特征在于,所述应用层,具体还用于:
在被动采样器的采样周期内,所述水质传感器采集的水质指标数据始终小于等于水质指标的预警阈值,将所述被动采样器采集得到的水样品,作为周期样品。
4.根据权利要求3所述的水环境监测管理系统,其特征在于,还包括:
分析单元,所述分析单元用于对超标样品进行分析,得到超标样品的痕量污染物的监测数据;
所述传输层还包括数据输入终端,所述数据输入终端用于接收对超标样品进行分析得到的痕量污染物的监测数据,并传输至所述应用层。
5.根据权利要求4所述的水环境监测管理系统,其特征在于,所述水质传感器是电导率传感器,所述电导率传感器采集的水质指标数据是电导率数据;
所述被动采样器是DGT被动采样器;其中,所述DGT被动采样器是薄膜扩散梯度被动采样器,所述DGT被动采样器是用于测定重金属浓度的被动采样器。
6.根据权利要求5所述的水环境监测管理系统,其特征在于,所述水质传感器是COD传感器,所述COD传感器是化学需氧量传感器,所述COD传感器采集的水质指标数据是化学需氧量数据;
所述被动采样器是POCIS被动采样器;其中,所述POCIS被动采样器是极性有机化合物整合采样器,所述POCIS被动采样器是用于测定极性有机物浓度的被动采样器。
8.根据权利要求7所述的水环境监测管理系统,其特征在于,超标样品的痕量污染物的监测数据是化学需氧量数据大于化学需氧量的预警阈值时,监测站点极性有机物的浓度值CW2满足以下关系式:
其中,CAVEJ为POCIS被动采样器从开始取样时化学需氧量数据小于等于化学需氧量预警阈值到化学需氧量数据到大于化学需氧量预警阈值直至POCIS被动采样器取出结束取样区间,极性有机物的时间平均浓度值;
RS为POCIS被动采样器的采样速率;
CW1为监测站点的极性有机物的基准浓度值;
t3为化学需氧量数据小于等于化学需氧量预警阈值时,POCIS被动采样器对水体的萃取时长;
t4为化学需氧量数据大于化学需氧量预警阈值后,POCIS被动采样器对水体继续采样的时长。
9.根据权利要求8所述的水环境监测管理系统,其特征在于,所述应用层包括设备管理单元和数据库,所述设备管理单元包括:
被动采样器管理模块,用于通过分配唯一序列号给被动采样器,将样品的采集地点,采集时间,采样时长,采集周期,预下线时间,取回时间,上线和下线状态查询,状态变更信息录入到数据库,实现对每个样品由开始投放使用至样品收回存储及样品分析进行整个生命周期的管理;
传感器管理模块,用于通过分配唯一序列号给水质传感器,将水质传感器的采集地点,采集时间,水质指标数据录入到数据库,实现对每个水质传感器的整个工作过程的管理。
10.根据权利要求9所述的水环境监测管理系统,其特征在于,所述设备管理单元还包括:
关联模块,用于将水质传感器与相关联的被动采样器绑定,包括将电导率传感器和DGT被动采样器进行绑定,和/或将化学需氧量传感器和所述POCIS被动采样器进行绑定。
11.根据权利要求10所述的水环境监测管理系统,其特征在于,所述应用层还包括:
监测预警单元,用于在所述水质传感器采集的水质指标数据大于水质指标的预警阈值时,将所述被动采样器采集得到的水样品,作为超标样品;还用于在被动采样器的采样周期内,所述水质传感器采集的水质指标数据始终小于等于水质指标的预警阈值,将所述被动采样器采集得到的水样品,作为周期样品;
监测站点管理单元,用于对通过分配唯一序列号给监测站点,将监测站点的地点,水质传感器,被动采样器录入到数据库,实现对每个整个监测站点的设备进行管理。
12.根据权利要求11所述的水环境监测管理系统,其特征在于,所述应用层还包括:
实时数据查询单元,用于查询所述水质传感器采集的水质指标数据的实时数据;
历史数据查询单元,用于查询所述水质传感器采集的水质指标数据的历史数据,和超标样品痕量污染物的监测数据的历史数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010905141.3A CN114113232A (zh) | 2020-09-01 | 2020-09-01 | 一种水环境监测管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010905141.3A CN114113232A (zh) | 2020-09-01 | 2020-09-01 | 一种水环境监测管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114113232A true CN114113232A (zh) | 2022-03-01 |
Family
ID=80360392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010905141.3A Pending CN114113232A (zh) | 2020-09-01 | 2020-09-01 | 一种水环境监测管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114113232A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996023A (zh) * | 2006-12-22 | 2007-07-11 | 清华大学 | 移动式快速水质自动监测系统 |
CN201229258Y (zh) * | 2008-07-25 | 2009-04-29 | 国家海洋技术中心 | 海洋沉积物-水界面污染物通量自动采样和监测装置 |
CN201749040U (zh) * | 2010-04-23 | 2011-02-16 | 深圳市世纪明亮科技有限公司 | 水质采样系统 |
CN103293028A (zh) * | 2012-03-05 | 2013-09-11 | 福州智元仪器设备有限公司 | 在线超标留样装置 |
CN104931669A (zh) * | 2015-06-02 | 2015-09-23 | 苏州高新区、虎丘区环境监测站 | 一种地表水水质自动监测集成系统 |
CN207516235U (zh) * | 2017-10-16 | 2018-06-19 | 广东省测试分析研究所(中国广州分析测试中心) | 一种水中重金属污染风险在线预警系统 |
CN108665119A (zh) * | 2018-08-03 | 2018-10-16 | 清华大学 | 一种供水管网异常工况预警方法 |
-
2020
- 2020-09-01 CN CN202010905141.3A patent/CN114113232A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1996023A (zh) * | 2006-12-22 | 2007-07-11 | 清华大学 | 移动式快速水质自动监测系统 |
CN201229258Y (zh) * | 2008-07-25 | 2009-04-29 | 国家海洋技术中心 | 海洋沉积物-水界面污染物通量自动采样和监测装置 |
CN201749040U (zh) * | 2010-04-23 | 2011-02-16 | 深圳市世纪明亮科技有限公司 | 水质采样系统 |
CN103293028A (zh) * | 2012-03-05 | 2013-09-11 | 福州智元仪器设备有限公司 | 在线超标留样装置 |
CN104931669A (zh) * | 2015-06-02 | 2015-09-23 | 苏州高新区、虎丘区环境监测站 | 一种地表水水质自动监测集成系统 |
CN207516235U (zh) * | 2017-10-16 | 2018-06-19 | 广东省测试分析研究所(中国广州分析测试中心) | 一种水中重金属污染风险在线预警系统 |
CN108665119A (zh) * | 2018-08-03 | 2018-10-16 | 清华大学 | 一种供水管网异常工况预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104931669B (zh) | 一种地表水水质自动监测集成系统 | |
CN201765476U (zh) | 一种节能减排实时监测与应急管理系统 | |
CN101620698A (zh) | 试验检测、管理和监控一体化系统及方法 | |
CN106841525A (zh) | 一种工业区大气特征污染在线监控系统构建的方法 | |
CN101236430A (zh) | 无线内网建筑能耗及环境实时监测与分析方法 | |
CN110764834B (zh) | 一种自动化安全监测平台、管理方法及存储介质 | |
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 | |
CN111209595B (zh) | 一种涉污企业用电信息匹配及数据处理方法 | |
CN115790611B (zh) | 一种用于智慧城市水利信息的无人机采集导航方法及系统 | |
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 | |
CN112802560A (zh) | 一种基于云计算的信息处理方法和系统 | |
CN109886564A (zh) | 生活垃圾分类智能管理系统 | |
CN109657926A (zh) | 运维闭环管理方法 | |
CN202748642U (zh) | 火力发电厂燃料采样制样化验一体化系统 | |
CN114113232A (zh) | 一种水环境监测管理系统 | |
Xiu et al. | Design of sewage treatment monitoring system based on internet of things | |
KR100879391B1 (ko) | 양방향 통신이 가능한 수질오염 총량 분석시스템 | |
CN107807988A (zh) | 低温在线管理系统 | |
CN112903946A (zh) | 一种新型零星工业废水收集水质检测预警方法 | |
CN108489543B (zh) | 一种企业排污指标监控设备及使用方法 | |
CN103631232A (zh) | 数据监测控制方法和装置 | |
CN113091864A (zh) | 一种用于餐厨垃圾处理的分类称重物联网监管系统及方法 | |
Mohnen | Exposure of forests to air pollutants, clouds, precipitation, and climatic variables | |
CN1591008A (zh) | 污染源在线监测网络系统 | |
US11475380B2 (en) | Vehicle test facility operation rate analysis system and method |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220301 |