CN114547979A - 一种基于北斗卫星短报文服务的时空碳排放监测系统 - Google Patents

一种基于北斗卫星短报文服务的时空碳排放监测系统 Download PDF

Info

Publication number
CN114547979A
CN114547979A CN202210165534.4A CN202210165534A CN114547979A CN 114547979 A CN114547979 A CN 114547979A CN 202210165534 A CN202210165534 A CN 202210165534A CN 114547979 A CN114547979 A CN 114547979A
Authority
CN
China
Prior art keywords
carbon emission
space
data
time
short message
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
Application number
CN202210165534.4A
Other languages
English (en)
Inventor
张民
赵乐文
丁善良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Qian Mo Network Technology Co ltd
Original Assignee
Anhui Qian Mo Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Qian Mo Network Technology Co ltd filed Critical Anhui Qian Mo Network Technology Co ltd
Priority to CN202210165534.4A priority Critical patent/CN114547979A/zh
Publication of CN114547979A publication Critical patent/CN114547979A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于北斗卫星短报文服务的时空碳排放监测系统，包括LSTM深度学习算法，该LSTM深度学习算法包含1个数据输入层、n个LSTM层、1个全连接层和1个碳排放预测值输出层，对多要素智能环境探测模块和遥感卫星数据结合完成碳排放预测模型的建立，筛选影响碳排放的要素，建立多要素集成的碳排放精准模型，实现高精度与可靠性的实时碳排放预报与评估，解决现有技术手段存在的碳排放预测方法不足、数据信息化系统建设不足、探测手段不足和数据传输稳定性不足的问题。

Description

一种基于北斗卫星短报文服务的时空碳排放监测系统
技术领域
本发明主要涉及环境监测领域，具体涉及一种基于北斗卫星短报文服务的时空碳排放监测系统。
背景技术
全球普遍认为碳排放过度是引起气候变化，加剧气候系统的不稳定性，《联合国气候变化框架公约》、《京都议定书》、《巴黎协定》等环境保护国际公约的签订体现全球对碳排放重视，寻求高质量的碳排放监督、管理和控制的方法，全球范围内产业、生活低碳化的大趋势已经形成。
由此形成的碳交易体系在全球范围内正迅猛发展，目前约有38个国家级司法管辖区和24个州、地区或城市正在运行碳交易市场，2021年7月16日，中国全国范围内的碳排放权交易市场正式开启上线交易，标志着中国碳排放交易体系的总体设计基本完成，鉴于中国生态环境部测算碳市场覆盖排放量超过40亿吨，中国将成为全球覆盖温室气体排放量规模最大的碳市场，且中国于2016年发射了首颗全球大气二氧化碳观测科学实验卫星，使得通过遥感手段获取大尺度碳排放量成为可能；2021年中国科学院大气物理研究所利用先进的碳通量计算方法，获取了中国碳卫星首个全球碳通量数据集，实现了遥感手段对温室气体的探测。
发明人在实现现有环境监测方法和监测数据处理过程中发现现有技术中存在如下问题没有得到良好的解决：
1、碳排放预测方法的局限性：目前业务系统仅仅以获取碳排放数据为目标，缺少结合环境信息的大数据分析及人工智能方法对碳排放数据的进行精准预报，需解决基于深度学习的碳排放量协同作物种类、不同生长期、土壤状态关系的细化预报模型；
2、碳排放数据信息化系统建设局限性：目前信息化系统仅能展示区域碳排放量及其影响条件，缺乏对整个监测区域时空的碳排放实时现实展示，需解决空天地一体化智能识别作物种类的碳排放信息，精细模拟现实的碳排放问题；
3、碳排放探测手段的局限性：传统碳排放数据一般由环保和气象部门所建立的地面固定监测站采集得到，数据来源单一、数据覆盖范围局限，需解决空天地多尺度碳排放立体化数据获取问题；
4、碳排放数据传输方式的局限性：目前，碳排放数据需要通过地面通讯网络进行数据传输，数据稳定性易受环境条件影响，对互联网通信依赖性强，需解决无网络可用条件下的数据传输问题。
发明内容
发明要解决的问题
本发明的提供了一种基于北斗卫星短报文服务的时空碳排放监测系统，用于解决上述背景技术中提到的现有技术手段存在的碳排放预测方法不足、数据信息化系统建设不足、探测手段不足和数据传输稳定性不足的技术问题。
技术方案
为达到上述目的，本发明提供的技术方案为：一种基于北斗卫星短报文服务的时空碳排放监测系统，包括LSTM深度学习算法，该LSTM深度学习算法包含1个数据输入层、n个LSTM层、1个全连接层和1个碳排放预测值输出层，该LSTM深度学习算法包含四层交互结构，分别是细胞状态、遗忘门、输入门和输出门，采用
Figure RE-DEST_PATH_IMAGE001
分别表示遗忘门，输入门，输出门的程度参数。
所述遗忘门由
Figure RE-DEST_PATH_IMAGE002
控制，决定上一时刻细胞状态
Figure RE-DEST_PATH_IMAGE003
中的多少信息可以传递到当前时刻
Figure RE-DEST_PATH_IMAGE004
中，采用sigmod函数，将数据压缩至0至1范围内。
所述输入门由
Figure RE-DEST_PATH_IMAGE005
控制当前输入新生成的信息
Figure RE-DEST_PATH_IMAGE006
中有多少信息，包含sigmod运算和tanh运算，通过sigmod运算，将值域（0,1）范围内的数据加入到细胞状态
Figure RE-DEST_PATH_IMAGE007
中，tanh层用来产生当前时刻新的信息
Figure RE-377850DEST_PATH_IMAGE006
。
所述细胞状态基于遗忘门和输入门的输出进行细胞状态更新，更新后的细胞状态有两部分构成：上一时刻旧的细胞状态信息
Figure RE-560569DEST_PATH_IMAGE003
和当前输入新生成的信息
Figure RE-809148DEST_PATH_IMAGE006
，旧信息有遗忘门由
Figure RE-407620DEST_PATH_IMAGE002
控制，其值为遗忘门的输出点乘旧细胞状
Figure RE-DEST_PATH_IMAGE008
，新信息由输入门
Figure RE-956413DEST_PATH_IMAGE005
控制，值为输入门的输出点乘新信息
Figure RE-DEST_PATH_IMAGE009
。
所述输出门利用更新的细胞状态，输出
Figure RE-DEST_PATH_IMAGE010
隐藏状态，通过sigmoid层将细胞状态缩放至(−1,1)区间，控制有多少细胞状态信息可以作为隐藏状态。
进一步的，包括原位环境参数监测装置和时空环境参数监测装置，获取小尺度区域碳排放原始数据、气象要素数据、土壤理化性质信息、光照数据及地表基本数据。
中央数据处理器，运行有时空碳排放管理云平台，接收原位环境参数监测装置和时空环境参数监测装置的监测数据，通过遥感卫星获取中尺度区域碳排放信息和基本信息，进行数据的处理、分析和预测。
终端设备，与中央数据处理器通信连接。
进一步的，所述原位环境参数监测装置和时空环境参数监测装置均搭载有多要素智能环境探测模块，且，该多要素智能环境探测模块与中央数据处理中心通信连接，所述原位环境参数监测装置包含设备箱、设备支架和电源模块，所述电源模块由固定电源和太阳能电池组成，该电源模块与多要素智能环境探测模块电连接，所述时空环境参数监测装置包括无人机，所述多要素智能环境探测模块搭载在无人机上。
进一步的，所述多要素智能环境探测模块搭载有北斗卫星导航定位组件、北斗卫星短报文通信组件、用于碳排放原始数据采集的碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件、光照测量组件、基于无线网络通信技术的无线网络通讯组件和太阳能电源模块。
进一步的，所述北斗卫星导航定位组件、碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件和光照测量组件通过北斗卫星短报文通信组件和无线网络通讯组件与中央数据处理器通信连接。
进一步的，所述时空碳排放管理云平台的统计和预测结果数据通过无线网络通信技术发送至终端设备，该时空碳排放管理云平台用于接收和处理来自多要素智能环境探测模块的监测数据。
进一步的，所述LSTM深度学习算法基于时空碳排放管理云平台运行。
进一步的，所述原位环境参数监测装置和时空环境参数监测装置均通过多要素智能环境探测模块与中央数据处理器通信连接。
有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
本发明提供了一种基于北斗卫星短报文服务的时空碳排放监测系统，通过时空碳排放管理云平台上的LSTM深度学习算法对原位环境参数监测装置和时空环境参数监测装置获取小尺度区域碳排放原始数据、气象要素数据、土壤理化性质信息、光照数据、地表基本数据和遥感卫星提供的遥感数据，完成碳排放预测模型的建立，实现模拟不同时空场景碳排放量，能够获得较高可信度和准确性的碳排放趋势预测结果，并提供动态、可视化的统计测评结果。
本发明提供了一种基于北斗卫星短报文服务的时空碳排放监测系统，基于北斗卫星短报文技术和公网无线通讯技术，实现原位环境参数监测装置和时空环境参数监测装置的检测数据实时上传至中央数据处理器中，完成碳排放数据的实时监测，配合终端设备向用户实时播报碳排放信息。
本发明提供了一种基于北斗卫星短报文服务的时空碳排放监测系统，通过多要素智能环境探测模块上搭载的北斗卫星导航定位组件、碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件和光照测量组件实现碳排放量的原始数据、气象环境数据、土壤理化性质数据、光照数据、监测物的时空信息、标识信息和地表地类信息的采集整合。
本发明提供了一种基于北斗卫星短报文服务的时空碳排放监测系统，通过将北斗导航定位技术、北斗短报文通信技术、遥感技术、无人机技术、传感器技术、虚拟现实仿真技术、大数据分析、人工智能技术和无线网络通信技术集成一体化，实现碳排放数据的实时稳定传输和后台数据筛选评估。
附图说明
图1为本发明基于北斗卫星短报文服务的时空碳排放监测系统的流程图；
图2为本发明的多要素智能环境探测模块的示意图；
图3为本发明基于北斗卫星短报文服务的时空碳排放监测系统的技术路线图；
图4为本发明的LSTM深度学习的碳排放预测模型流程图；
图5为本发明的LSTM循环神经网络的四层交互结构的流程图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述，附图中给出了本发明的若干实施例，但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例，相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件；当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件；本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同；本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明；本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例
参照图1-5，一种基于北斗卫星短报文服务的时空碳排放监测系统，包括LSTM深度学习算法，该LSTM深度学习算法包含1个数据输入层、n个LSTM层、1个全连接层和1个碳排放预测值输出层，该LSTM深度学习算法包含四层交互结构，分别是细胞状态、遗忘门、输入门和输出门，采用
Figure RE-716558DEST_PATH_IMAGE001
分别表示遗忘门，输入门，输出门的程度参数。
所述遗忘门由
Figure RE-452433DEST_PATH_IMAGE002
控制，决定上一时刻细胞状态
Figure RE-114316DEST_PATH_IMAGE003
中的多少信息可以传递到当前时刻
Figure RE-986457DEST_PATH_IMAGE007
中，采用sigmod函数，将数据压缩至0至1范围内。
所述输入门由
Figure RE-448662DEST_PATH_IMAGE005
控制当前输入新生成的信息
Figure RE-468571DEST_PATH_IMAGE006
中有多少信息，包含sigmod运算和tanh运算，通过sigmod运算，将值域（0,1）范围内的数据加入到细胞状态
Figure RE-408845DEST_PATH_IMAGE007
中，tanh层用来产生当前时刻新的信息
Figure RE-401071DEST_PATH_IMAGE006
。
所述细胞状态基于遗忘门和输入门的输出进行细胞状态更新，更新后的细胞状态有两部分构成：上一时刻旧的细胞状态信息
Figure RE-96495DEST_PATH_IMAGE003
和当前输入新生成的信息
Figure RE-806962DEST_PATH_IMAGE006
，旧信息有遗忘门由
Figure RE-550927DEST_PATH_IMAGE002
控制，其值为遗忘门的输出点乘旧细胞状
Figure RE-397660DEST_PATH_IMAGE008
，新信息由输入门
Figure RE-998406DEST_PATH_IMAGE005
控制，值为输入门的输出点乘新信息
Figure RE-196169DEST_PATH_IMAGE009
。
所述输出门利用更新的细胞状态，输出
Figure RE-478246DEST_PATH_IMAGE010
隐藏状态，通过sigmoid层将细胞状态缩放至(−1,1)区间，控制有多少细胞状态信息可以作为隐藏状态。
结合附图5，各部分的算法公式说明，对输入参数进行常规RNN操作使用
Figure RE-445065DEST_PATH_IMAGE006
代表，细胞状态
Figure RE-685553DEST_PATH_IMAGE007
是经历遗忘门和输入门的产物，即当前的神经细胞，隐状态
Figure RE-901771DEST_PATH_IMAGE010
是经过输出门得到，输出给下一单元的信息。
Figure RE-DEST_PATH_IMAGE011
基于LSTM深度学习算法进行模型构建，可对数据进行深度挖掘与分析，获得高精度碳排放预测趋势，高效对碳排放结果进行评估。
本实施例中，包括原位环境参数监测装置和时空环境参数监测装置，获取小尺度区域碳排放原始数据、气象要素数据、土壤理化性质信息、光照数据及地表基本数据。
中央数据处理器，运行有时空碳排放管理云平台，接收原位环境参数监测装置和时空环境参数监测装置的监测数据，通过遥感卫星获取中尺度区域碳排放信息和基本信息，进行数据的处理、分析和预测。
终端设备，与中央数据处理器通信连接。
参照图1-5，原位环境参数监测装置和时空环境参数监测装置均通过其搭载的多要素智能环境探测模块获得环境监测数据，并将监测数据上传至中央数据处理器，中央数据处理器通过其运行的时空碳排放管理云平台的LSTM深度学习算法完成监测数据的预测模型建立和数据筛选评估，配合终端设备完成时空碳排放管理云平台的数据筛选和评估结果展示。
本实施例中，所述原位环境参数监测装置和时空环境参数监测装置均搭载有多要素智能环境探测模块，且，该多要素智能环境探测模块与中央数据处理中心通信连接，所述原位环境参数监测装置包含设备箱、设备支架和电源模块，所述电源模块由固定电源和太阳能电池组成，该电源模块与多要素智能环境探测模块电连接，所述时空环境参数监测装置包括无人机，所述多要素智能环境探测模块搭载在无人机上。
参照图3，多要素智能环境探测模块受设备箱保护，搭载在设备支架上，可通过电源模块提供运行所需要的电力支持，确保多要素智能环境探测模块能够在各种环境下良好工作。
本实施例中，所述多要素智能环境探测模块搭载有北斗卫星导航定位组件、北斗卫星短报文通信组件、用于碳排放原始数据采集的碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件、光照测量组件、基于无线网络通信技术的无线网络通讯组件和太阳能电源模块。
参照图1-3，多要素智能环境探测模块中集成的各组件功能如下：
北斗卫星导航定位组件，用于通过单点定位技术、网络差分定位技术或精密单点定位技术获取当前设备的位置信息，将设备位置和状态参数发送至中央数据处理中心，进而用于设备管理和路线规划。
北斗卫星短报文通信组件，用于缺失无线网络条件下，通过北斗系统短报文服务将数据发送至北斗卫星，进而通过卫星中转发送至中央数据处理中心。
碳排放监测传感组件，用于采集物体碳排放的原始数据，确定碳排放量的原始数据。
所述气象要素组件，必须包含用于监测点所处大气环境中温度信息的温度模块，用于监测点所处大气环境中湿度信息的湿度模块，用于监测点所处大气环境中气压信息的气压模块。可包含监测风速、可见度等其他气象要素的模块。
土壤理化性质监测组件，用于获取土壤状态信息。如土壤的温度、含水量、有机质含量、pH值、氧化还原电位、土壤质地等。其中，土壤的温度、含水量、有机质含量必须监测，其他可选择性的监测。
光照测量组件，用于测量监测点所在空间位置的光照强度信息，判定光照质量。
无线网络通讯组件，用于将监测点所处通过碳排放监测传感组件采集数据与信息发送至中央数据处理器。
太阳能电源模块，可通过太阳能充电，能为多要素智能环境探测模块提供电力。
本实施例中，所述北斗卫星导航定位组件、碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件和光照测量组件通过北斗卫星短报文通信组件和无线网络通讯组件与中央数据处理器通信连接。
参照图1和图3，基于北斗卫星的短报文服务，通过北斗卫星短报文通信组件将数据和信息传输至北斗卫星，北斗卫星通过北斗短报文服务将数据和信息转发至中央数据处理器，基于公网通信基础设备使用无线网络通讯组件将数据和信息发送至中央数据处理器。
本实施例中，所述时空碳排放管理云平台的统计和预测结果数据通过无线网络通信技术发送至终端设备，该时空碳排放管理云平台用于接收和处理来自多要素智能环境探测模块的监测数据。
参照以1-3，通过遥感卫星获取中尺度区域碳排放信息和基本信息，运行在中央数据处理器上的时空碳排放管理云平台通过LSTM深度学习算法对监测数据进行处理、分析与预测，将处理结果发送至终端设备。
本实施例中，所述LSTM深度学习算法基于时空碳排放管理云平台运行。
参照图3-5，时空碳排放管理云平台基于LSTM深度学习算法实现监测数据的预测模型建立，对实时碳排放和地表地类进行处理、分析与预测，将实时碳排放与实时碳排放预测值进行对比与分析，若差值超过所设阈值，判断碳排放异常，构建时空动态、可视化的碳排放协同地表地类的立体模型。
本实施例中，所述原位环境参数监测装置和时空环境参数监测装置均通过多要素智能环境探测模块与中央数据处理器通信连接。
参照图1和图3，基于原位环境参数监测装置、时空环境参数监测装置和中央数据处理器实现碳排放检测数据采集和统计仿真框架搭建，相关数据结果在终端设备上展示，该系统够脱离传统数据传输模式，采用北斗短报文数据传输新技术，实现无通信网络条件下的连续、实时监测和播发碳排放信息，可以模拟不同时空场景碳排放量，能够获得较高可信度和准确性的碳排放趋势预测结果，并提供动态、可视化的统计测评结果。
在本实施例中：
该系统用于监测农业、工业、水域、森林、草地等中小尺度区域碳排放，获取中小尺度区域碳排放数据和地表信息，北斗短报文服务协同互联网通信进行数据传输，对实时碳排放和地表地类进行处理、分析与预测，将实时碳排放与实时碳排放预测值进行对比与分析，若差值超过所设阈值，判断碳排放异常，构建时空动态、可视化的碳排放协同地表地类的立体模型。
相关成果在终端设备上展示。该系统够脱离传统数据传输模式，采用北斗短报文数据传输新技术，实现无通信网络条件下的连续、实时监测和播发碳排放信息，可以模拟不同时空场景碳排放量，能够获得较高可信度和准确性的碳排放趋势预测结果，并提供动态、可视化的统计测评结果。
以上所述实施例仅表达了本发明的某种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：包括LSTM深度学习算法，该LSTM深度学习算法包含1个数据输入层、n个LSTM层、1个全连接层和1个碳排放预测值输出层，该LSTM深度学习算法包含四层交互结构，分别是细胞状态、遗忘门、输入门和输出门，采用
Figure RE-266908DEST_PATH_IMAGE001
分别表示遗忘门，输入门，输出门的程度参数；
所述遗忘门由
Figure RE-2740DEST_PATH_IMAGE002
控制，决定上一时刻细胞状态
Figure RE-997240DEST_PATH_IMAGE003
中的多少信息可以传递到当前时刻
Figure RE-482579DEST_PATH_IMAGE004
中，采用sigmod函数，将数据压缩至0至1范围内；
所述输入门由
Figure RE-246136DEST_PATH_IMAGE005
控制当前输入新生成的信息
Figure RE-548941DEST_PATH_IMAGE006
中有多少信息，包含sigmod运算和tanh运算，通过sigmod运算，将值域（0,1）范围内的数据加入到细胞状态
Figure RE-640525DEST_PATH_IMAGE007
中，tanh层用来产生当前时刻新的信息
Figure RE-54189DEST_PATH_IMAGE006
；
所述细胞状态基于遗忘门和输入门的输出进行细胞状态更新，更新后的细胞状态有两部分构成：上一时刻旧的细胞状态信息
Figure RE-813198DEST_PATH_IMAGE003
和当前输入新生成的信息
Figure RE-21325DEST_PATH_IMAGE006
，旧信息有遗忘门由
Figure RE-990418DEST_PATH_IMAGE002
控制，其值为遗忘门的输出点乘旧细胞状
Figure RE-551981DEST_PATH_IMAGE008
，新信息由输入门
Figure RE-555709DEST_PATH_IMAGE005
控制，值为输入门的输出点乘新信息
Figure RE-934738DEST_PATH_IMAGE009
；
所述输出门利用更新的细胞状态，输出
Figure RE-266493DEST_PATH_IMAGE010
隐藏状态，通过sigmoid层将细胞状态缩放至(−1,1)区间，控制有多少细胞状态信息可以作为隐藏状态。
2.根据权利要求1所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：包括原位环境参数监测装置和时空环境参数监测装置，获取小尺度区域碳排放原始数据、气象要素数据、土壤理化性质信息、光照数据及地表基本数据；
中央数据处理器，运行有时空碳排放管理云平台，接收原位环境参数监测装置和时空环境参数监测装置的监测数据，通过遥感卫星获取中尺度区域碳排放信息和基本信息，进行数据的处理、分析和预测；
终端设备，与中央数据处理器通信连接。
3.根据权利要求2所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：所述原位环境参数监测装置和时空环境参数监测装置均搭载有多要素智能环境探测模块，且，该多要素智能环境探测模块与中央数据处理中心通信连接，所述原位环境参数监测装置包含设备箱、设备支架和电源模块，所述电源模块由固定电源和太阳能电池组成，该电源模块与多要素智能环境探测模块电连接，所述时空环境参数监测装置包括无人机，所述多要素智能环境探测模块搭载在无人机上。
4.根据权利要求3所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：所述多要素智能环境探测模块搭载有北斗卫星导航定位组件、北斗卫星短报文通信组件、用于碳排放原始数据采集的碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件、光照测量组件、基于无线网络通信技术的无线网络通讯组件和太阳能电源模块。
5.根据权利要求4所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：所述北斗卫星导航定位组件、碳排放监测传感组件、气象要素监测组件、土壤理化性质监测组件和光照测量组件通过北斗卫星短报文通信组件和无线网络通讯组件与中央数据处理器通信连接。
6.根据权利要求2所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：所述时空碳排放管理云平台的统计和预测结果数据通过无线网络通信技术发送至终端设备，该时空碳排放管理云平台用于接收和处理来自多要素智能环境探测模块的监测数据。
7.根据权利要求1所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：所述LSTM深度学习算法基于时空碳排放管理云平台运行。
8.根据权利要求2所述的一种基于北斗卫星短报文服务的时空碳排放监测系统，其特征在于：所述原位环境参数监测装置和时空环境参数监测装置均通过多要素智能环境探测模块与中央数据处理器通信连接。
CN202210165534.4A 2022-02-23 2022-02-23 一种基于北斗卫星短报文服务的时空碳排放监测系统 Pending CN114547979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210165534.4A CN114547979A (zh) 2022-02-23 2022-02-23 一种基于北斗卫星短报文服务的时空碳排放监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210165534.4A CN114547979A (zh) 2022-02-23 2022-02-23 一种基于北斗卫星短报文服务的时空碳排放监测系统

Publications (1)

Publication Number Publication Date
CN114547979A true CN114547979A (zh) 2022-05-27

Family

ID=81677184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210165534.4A Pending CN114547979A (zh) 2022-02-23 2022-02-23 一种基于北斗卫星短报文服务的时空碳排放监测系统

Country Status (1)

Country Link
CN (1) CN114547979A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115442405A (zh) * 2022-09-02 2022-12-06 华南农业大学 一种智慧农业生产管理服务系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115442405A (zh) * 2022-09-02 2022-12-06 华南农业大学 一种智慧农业生产管理服务系统

Similar Documents

Publication Publication Date Title
CN105181898B (zh) 基于大密度部署传感器的大气污染监控及管理方法及系统
CN105243435B (zh) 一种基于深度学习元胞自动机模型的土壤含水量预测方法
CN109872509A (zh) 基于数字孪生驱动的山体地质灾害监测与预警系统及方法
CN111854847A (zh) 基于景感生态学的生态环境物联网监测方法及系统
CN113885398B (zh) 一种基于可微推理的水循环智能感知与监控系统
CN111210483B (zh) 基于生成对抗网络和数值模式产品的仿真卫星云图生成方法
CN106357720A (zh) 一种基于物联网的数据显示系统及方法
CN102307399A (zh) 基于Phidgets传感控制的海洋环境质量监测系统
CN116720156A (zh) 基于图神经网络多模态气象数据融合的气象要素预报方法
Rashid et al. CompDrone: towards integrated computational model and social drone based wildfire monitoring
Anh Khoa et al. Wireless sensor networks and machine learning meet climate change prediction
Palniladevi et al. Iot based smart agriculture monitoring system using renewable energy sources
CN114547979A (zh) 一种基于北斗卫星短报文服务的时空碳排放监测系统
CN116257792A (zh) 一种智慧城市碳中和数据分析系统
CN114511061A (zh) 基于深度神经网络的岸滨地区海雾能见度预报方法
CN116467368B (zh) 一种基于大数据分析的安全监测方法和系统
CN212645782U (zh) 基于景感生态学的生态环境物联网监测系统
Chen et al. Remote sensing of diverse urban environments: From the single city to multiple cities
Yin Practice of air environment quality monitoring data visualization technology based on adaptive wireless sensor networks
Murthy et al. Real Time Weather Monitoring System using IoT
CN115392137B (zh) 一种基于岩溶塌陷水土耦合作用的三维模拟系统
Padilla et al. Air quality prediction using recurrent air quality predictor with ensemble learning
Khaefi et al. Nowcasting air quality by fusing insights from meteorological data, satellite imagery and social media images using deep learning
CN116364204A (zh) 一种基于深度高斯扩散模型的空气质量预测方法
CN113344759B (zh) 一种移动源污染排放的分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination