CN115168490A - 一种基于区块链的农业面源污染溯源和预警系统 - Google Patents
一种基于区块链的农业面源污染溯源和预警系统 Download PDFInfo
- Publication number
- CN115168490A CN115168490A CN202210766297.7A CN202210766297A CN115168490A CN 115168490 A CN115168490 A CN 115168490A CN 202210766297 A CN202210766297 A CN 202210766297A CN 115168490 A CN115168490 A CN 115168490A
- Authority
- CN
- China
- Prior art keywords
- point source
- layer
- source pollution
- information
- data
- 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
Images
Classifications
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了一种基于区块链的农业面源污染溯源和预警系统,包括面源污染信息管理模块和面源污染溯源预警应用模块,所述面源污染信息管理模块包括数据采集传输层、数据层和共识层;所述面源污染溯源预警应用模块包括网络层、智能合约层和应用层。本发明利用去中心分布式账本形式将多个部门单位(节点)的数据存储在区块链平台上,实现资源的共享,且经哈希算法加密防止数据的篡改,保障数据安全,可广泛应用于互联网技术领域。
Description
技术领域
本发明涉及互联网技术领域,尤其是一种基于区块链的农业面源污染溯源和预警系统。
背景技术
面源污染也称为非点源污染,其污染源分布广泛且多样,污染物以微量、分散的、广域的形式进入地下和水体中,往往难以识别和确定污染发生位置和边界。农业面源污染是指农村生活和农业生产活动中,各类污染物,如农田中的土粒、氮素、磷素、农药重金属、农村禽畜粪便与生活垃圾等有机或无机物质,从非特定的地域,在降水和径流冲刷作用下,通过农田地表径流、农田排水和地下渗漏,使大量污染物进入受纳水体(河流、湖泊、水库、海湾)所引起的污染。由于农业面源污染涉及范围广、隐蔽性强、随机性大、潜伏周期长,导致溯源和预警难度很大。
现有面源污染溯源技术主要可分为2大类,一是通过同位素示踪或是三维荧光光谱来确定污染物的来源,该方法耗时耗力效率低,且过多的人为参与环节可能使得溯源结果受到过多人为因素干扰导致准确率低;另一类是通过水动力模型和优化算法逆向推算污染位置,该方法受模型不确定性影响大,仅通过下游水体检测来推求溯源信息,不能确认各个环节的污染情况,可靠性较低。面源污染预警依赖大量的数据,现有面源污染信息管理系统多采用中心数据库,中心化管理下数据透明度低,受人为干扰因素大,且数据的可信度和分享度低。面源污染预警需要大量的数据,当前中心化管理模型导致各职能部门之间数据联动低,面源污染涉及面广,依托单一智能部门的中心数据库进行预报预警,导致预报精度低且效率低下。
发明内容
有鉴于此,本发明实施例提供一种高效且准确性高的,基于区块链的农业面源污染溯源和预警系统。
本发明实施例提供了一种基于区块链的农业面源污染溯源和预警系统,包括面源污染信息管理模块和面源污染溯源预警应用模块;
其中,所述面源污染信息管理模块包括数据采集传输层、数据层和共识层;所述面源污染溯源预警应用模块包括网络层、智能合约层和应用层;
所述数据采集传输层,用于采集与农业面源污染迁移相关的多源信息,并将所述多源信息传输至数据层;
所述数据层,用于将接收到的多源信息转化成区块链可读的区块;
所述网络层为通过各个区块节点组成得到的分布式网络;所述共识层用于对各个区块节点上传的信息进行验证,并通过所述网络层和所述共识层将通过验证的信息上传至联盟链中存储;其中,每个区块节点为对应的部门单位对象;
所述智能合约层,用于集成多个智能合约,每个智能合约用于从联盟链中获取不同的输入数据后分析得到污染程度分析结果;
所述应用层,用于根据所述污染程度分析结果,生成溯源和预警信息。
可选地,所述数据采集传输层采用物联网通信方式或5G通信方式将多源信息传输至数据层;其中,所述多源信息包括但不限于:气象信息、水质信息、径流信息以及土壤含水率信息。
可选地,所述数据层根据哈希算法或时间戳信息,将接收到的多源信息转化成区块链可读的区块。
可选地,所述网络层的各个节点持有授权信息以及密钥信息,所述分布式网络采用P2P网络模式;所述网络层中各个节点之间的消息传播采用广播式传播;
所述共识层嵌套在区块链的链码中,采用图形工作量证明机制对各节点上传的信息进行验证。
可选地,所述智能合约层中集成的智能合约包括以下至少之一:
根据水污染相关标准构建得到的第一智能合约,用于通过自动对比水质监测数据和规范规程值,得到面源污染程度的判断结果;
根据人工智能算法构建得到的第二智能合约,用于利用机器学习对气象水文数据进行分析,得到面源污染程度的判断结果;
根据分布式水文水质模型构建得到的第三智能合约,用于利用气象水文数据模拟预测面源污染程度;
根据时间戳和传感器位置构建得到的第四智能合约,用于根据时间戳和传感器位置对面源污进行溯源,确定面源污染发生位置和原因。
可选地,每个所述区块节点包括区块头和区块体;其中,区块头包括前一个区块节点的节点信息,所述节点信息包括但不限于哈希值、时间戳、哈希树根以及版本号;区块体中存储面源污染数据和对应的传感器编号;
每个区块节点通过区块头中存储的前一区块节点的哈希值与所述前一区块节点相连,形成区块链条。
本发明的实施例的农业面源污染溯源和预警系统包括面源污染信息管理模块和面源污染溯源预警应用模块,所述面源污染信息管理模块包括数据采集传输层、数据层和共识层;所述面源污染溯源预警应用模块包括网络层、智能合约层和应用层。本发明利用去中心分布式账本形式将多个部门单位(节点)的数据存储在区块链平台上,实现资源的共享,且经哈希算法加密防止数据的篡改,保障数据安全。
此外,在一些实施例中,将各类水污染标准规范、人工智能算法和分布式水文水动力模型写入智能合约,实现面源污染自动溯源和预报预警,并且预警数据通过平台由多个部门共同决策污染事件的危险性,避免单一部门决策的风险。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的系统的整体模块框图;
图2为本发明实施例提供的面源污染信息管理模块的结构示意图;
图3为本发明实施例提供的面源污染溯源预警应用模块的结构示意图;
图4为本发明实施例提供的农业面源污染溯源和预警系统的网络构架示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对现有技术存在的问题,本发明实施例提供了一种基于区块链的农业面源污染溯源和预警系统,包括面源污染信息管理模块和面源污染溯源预警应用模块;
其中,所述面源污染信息管理模块包括数据采集传输层、数据层和共识层;所述面源污染溯源预警应用模块包括网络层、智能合约层和应用层;
所述数据采集传输层,用于采集与农业面源污染迁移相关的多源信息,并将所述多源信息传输至数据层;
所述数据层,用于将接收到的多源信息转化成区块链可读的区块;
所述网络层为通过各个区块节点组成得到的分布式网络;所述共识层用于对各个区块节点上传的信息进行验证,并通过所述网络层和所述共识层将通过验证的信息上传至联盟链中存储;其中,每个区块节点为对应的部门单位对象;
所述智能合约层,用于集成多个智能合约,每个智能合约用于从联盟链中获取不同的输入数据后分析得到污染程度分析结果;
所述应用层,用于根据所述污染程度分析结果,生成溯源和预警信息。
可选地,所述数据采集传输层采用物联网通信方式或5G通信方式将多源信息传输至数据层;其中,所述多源信息包括但不限于:气象信息、水质信息、径流信息以及土壤含水率信息。
可选地,所述数据层根据哈希算法或时间戳信息,将接收到的多源信息转化成区块链可读的区块。
可选地,所述网络层的各个节点持有授权信息以及密钥信息,所述分布式网络采用P2P网络模式;所述网络层中各个节点之间的消息传播采用广播式传播;
所述共识层嵌套在区块链的链码中,采用图形工作量证明机制对各节点上传的信息进行验证。
可选地,所述智能合约层中集成的智能合约包括以下至少之一:
根据水污染相关标准构建得到的第一智能合约,用于通过自动对比水质监测数据和规范规程值,得到面源污染程度的判断结果;
根据人工智能算法构建得到的第二智能合约,用于利用机器学习对气象水文数据进行分析,得到面源污染程度的判断结果;
根据分布式水文水质模型构建得到的第三智能合约,用于利用气象水文数据模拟预测面源污染程度;
根据时间戳和传感器位置构建得到的第四智能合约,用于根据时间戳和传感器位置对面源污进行溯源,确定面源污染发生位置和原因。
可选地,每个所述区块节点包括区块头和区块体;其中,区块头包括前一个区块节点的节点信息,所述节点信息包括但不限于哈希值、时间戳、哈希树根以及版本号;区块体中存储面源污染数据和对应的传感器编号;
每个区块节点通过区块头中存储的前一区块节点的哈希值与所述前一区块节点相连,形成区块链条。
下面结合说明书附图,对本发明的具体实现原理进行详细描述:
首先,对区块链进行相应介绍:区块链的去中心化、不可纂改和时间戳等特性,使其在数据管理和溯源中具有广泛的应用前景。当前基于区块链的水污染监测信息管理和溯源已有一定的应用,但在面源污染领域,尚缺少相关技术,同时将区块链与面源污染预报预警相结合的技术尚未涉及。
针对农业面源污染随机性强,过程复杂,难以识别和确定其发生位置,面源污染溯源和预警较为困难,效率较低。本发明提供了一种基于区块链的农业面源污染溯源和预警方法。旨在利用区块链的时间戳和留痕技术,实现面源污染迁移全过程追踪、溯源和预警。
为达到上述目的,本发明采取的技术方案如下:
一种基于区块链的农业面源污染溯源和预警系统,分为面源污染信息管理模块和面源污染溯源预警应用模块,由数据采集传输层、数据层、网络层、共识层、智能合约层和应用层组成。面源污染信息管理模块由数据采集传输层、数据层和共识层组成,其中数据采集传输层包含物联网传感器和传输模块等,以物联网、5G或其他数据传输对与农业面源污染迁移相关的气象、水质、径流、土壤含水率等多源信息进行采集和传输,用于提供各种实时农业面源污染相关信息;数据层通过哈希算法、时间戳等区块链技术,将采集到的数据转化成区块链可读的区块;网络层是由P2P网络和持有授权、密钥的节点组成的分布式网络,其中各节点消息的传输和响应采用广播式传播;共识层嵌套在区块链的链码中,采用图形工作量证明机制对各节点上传的信息进行验证。面源污染信息管理模块将采集到的数据转化成区块链可读的区块并通过网络层和共识层上传至联盟链中存储;联盟链中的节点包括但不限于农业农村、气象、水利等政府智能、科研单位和相关企业。面源污染溯源预警应用模块由智能合约层和应用层组成,其中智能合约层包含4种智能合约,第一种是水污染相关的各类标准、规范和规程写入智能合约,通过自动对比水质监测数据和规范规程值,判断面源污染程度;第二种是将人工智能算法写入智能合约,利用机器学习通过气象水文等相关数据预测面源污染程度;第三种是将分布式水文水质模型写入智能合约,利用气象水文等相关数据模拟预测面源污染程度;第四种是基于时间戳和传感器位置对面源污进行溯源,确定面源污染发生位置和原因。应用层由智能部门和科研单位专家组成,对触发智能合约的数据结果综合研判面源污染程度和影响,确定是否需要发布预警并采取措施。
结合附图,本发明公开了一种基于区块链的农业面源污染溯源和预警系统,参照图1所示,该系统包括面源污染信息管理模块和面源污染溯源预警应用模块。面源污染信息管理模块用于对水质、气象、水文等面源污染相关数据进行自动和人工采集(包括但不限于田地地表径流面源污染监测、田地地下淋溶面源污染监测、沟渠河道监测、土壤含水率、降水、气温、灌溉监测等),并通过区块链平台实现面源污染数据的分布式存储与管理。面源污染溯源预警应用模块用于通过智能合约对面源污染信息管理模块中的数据进行分析,识别面源污染程度,开展面源污染预报预警,对面源污染数据进行溯源确定发生的位置和边界。本发明公开的系统利用去中心分布式账本形式对面源污染相关数据进行存储与管理,数据记录过程公开透明安全,通过智能合约,实现面源污染自动溯源和预报预警,提高了面源污染溯源和预警效率,并且预警数据通过平台由多个部门共同决策污染事件的危险性,避免单一部门决策的风险。
图2示例了面源污染信息管理模块的功能和结构,该模块由数据采集传输层、数据层、网络层和共识层组成。数据采集传输层承担数据采集与物联网远程控制等功能,包含物联网传感器和传输模块等,以5G或其他数据传输对与农业面源污染迁移相关的多源信息(包括但不限于水质、气象、水文等)进行采集和传输,用于提供各种实时农业面源污染相关信息,这些不同类型和来源的信息将与传感器编号或数据发送者的身份进行绑定融合并转化为区块链可读的格式发送到区块链网络层,经过共识层的验证后存储于数据层中。数据层由存储面源污染数据的区块组成,区块包含区块头和区块体两部分。其中,区块体中存储面源污染数据和对应的传感器编号,区块头包括前一区块的哈希值,时间戳,哈希树根,版本号等信息。通过区块头中的前一区块哈希值与前一区块相连形成链条。网络层和共识层用于实现基于点对点网络的信息交互,区块上链和账本维护。网络层包括农业农村、气象、水利等政府智能、科研单位和相关企业等多个节点,节点之间采用广播式传播信息。本发明中共识算法采用基于图论的工作量证明机制(Cuckoo Cycle算法)。在一个具体的实施例中,农业农村、气象和水利等智能部门及科研单位、企业将采用到的施肥量、气象、水文、水质等数据,以及采集设备的信息、溯源码记录通过各自节点权限上传至区块链平台,生成区块,执行共识算法,通过验证后记录上链,来自某一节点的信息记录上链后,其他节点都会接收到这一信息,实现信息的透明共享。
图3示例了面源污染溯源预警应用模块的功能和结构,该模块由智能合约层和应用层组成。智能合约层包含4种智能合约结构,第一种由水污染相关的国家标准、行业标准、地方标准和规范规程等组成,用于通过上链的水质污染浓度数据自动评估面源污染程度;第二种由人工智能算法构成,利用上链的监测数据通过深度学习对潜在的面源污染事件进行预报预警,本实施例中采用了循环神经网络算法,具体应用中可以进行替换;第三种由分布式水文水质物理模型构成,与第二种智能合约的功能一致,也是对潜在的面源污染事件进行预报预警,主要目的是提供一种不同于机器学习原理的预报预警方法,为应用层的专家决策提供参考,提高预报预警的精度,本实施例中采用了开源的HYdrologicalPredictions for the Environment(HYPE)模型,具体应用中可以进行替换;第四种智能合约是通过溯源信息(时间戳和传感器编号等)对面源污染事件发生时间和位置进行自动溯源查询。应用层包括农业农村、应急管理、环保、水利等职能部门及相关科研机构,通过各部门的专家对客服端发起的同一污染事件进行研判和响应,制定应对方案,该过程遵循共同商讨、少数服从多数的原则。
图4示例了一种基于区块链的农业面源污染溯源和预警系统的网络构架,采集到的面源污染信息通过物联网传输到相应的节点,各节点通过哈希算法、时间戳和非对称加密等手段将面源污染信息存储于区块中,并通过图形工作量证明验证后记录上链至区块链平台,形成分布式面源污染数据账本,然后再通过4种智能合约对上链后的面源污染信息进行分析,预报预警面源污染突发事件、评价面源污染程度和识别溯源面源污染发生位置,并将结果发送给各部门的专家进行评估和决策,制定应对措施。
综上所述,本发明提供了一种基于区块链的农业面源污染溯源和预警系统,利用去中心分布式账本的形式存储与管理面源污染各类数据,将人工智能算法和分布式水文水动力模型融入智能合约,通过智能合约实现面源污染自动识别溯源和预警,并结合各节点人工决策确定是否发布预警信息。
本发明利用去中心分布式账本形式将多个部门单位(节点)的数据存储在区块链平台上,实现资源的共享,且经哈希算法加密防止数据的篡改,保障数据安全。此外,将各类水污染标准规范、人工智能算法和分布式水文水动力模型写入智能合约,实现面源污染自动溯源和预报预警,并且预警数据通过平台由多个部门共同决策污染事件的危险性,避免单一部门决策的风险。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于区块链的农业面源污染溯源和预警系统,其特征在于,包括面源污染信息管理模块和面源污染溯源预警应用模块;
其中,所述面源污染信息管理模块包括数据采集传输层、数据层和共识层;所述面源污染溯源预警应用模块包括网络层、智能合约层和应用层;
所述数据采集传输层,用于采集与农业面源污染迁移相关的多源信息,并将所述多源信息传输至数据层;
所述数据层,用于将接收到的多源信息转化成区块链可读的区块;
所述网络层为通过各个区块节点组成得到的分布式网络;所述共识层用于对各个区块节点上传的信息进行验证,并通过所述网络层和所述共识层将通过验证的信息上传至联盟链中存储;其中,每个区块节点为对应的部门单位对象;
所述智能合约层,用于集成多个智能合约,每个智能合约用于从联盟链中获取不同的输入数据后分析得到污染程度分析结果;
所述应用层,用于根据所述污染程度分析结果,生成溯源和预警信息。
2.根据权利要求1所述的一种基于区块链的农业面源污染溯源和预警系统,其特征在于,所述数据采集传输层采用物联网通信方式或5G通信方式将多源信息传输至数据层;其中,所述多源信息包括但不限于:气象信息、水质信息、径流信息以及土壤含水率信息。
3.根据权利要求1所述的一种基于区块链的农业面源污染溯源和预警系统,其特征在于,所述数据层根据哈希算法或时间戳信息,将接收到的多源信息转化成区块链可读的区块。
4.根据权利要求1所述的一种基于区块链的农业面源污染溯源和预警系统,其特征在于,所述网络层的各个节点持有授权信息以及密钥信息,所述分布式网络采用P2P网络模式;
所述网络层中各个节点之间的消息传播采用广播式传播;
所述共识层嵌套在区块链的链码中,采用图形工作量证明机制对各节点上传的信息进行验证。
5.根据权利要求1所述的一种基于区块链的农业面源污染溯源和预警系统,其特征在于,所述智能合约层中集成的智能合约包括以下至少之一:
根据水污染相关标准构建得到的第一智能合约,用于通过自动对比水质监测数据和规范规程值,得到面源污染程度的判断结果;
根据人工智能算法构建得到的第二智能合约,用于利用机器学习对气象水文数据进行分析,得到面源污染程度的判断结果;
根据分布式水文水质模型构建得到的第三智能合约,用于利用气象水文数据模拟预测面源污染程度;
根据时间戳和传感器位置构建得到的第四智能合约,用于根据时间戳和传感器位置对面源污进行溯源,确定面源污染发生位置和原因。
6.根据权利要求1所述的一种基于区块链的农业面源污染溯源和预警系统,其特征在于,每个所述区块节点包括区块头和区块体;其中,区块头包括前一个区块节点的节点信息,所述节点信息包括但不限于哈希值、时间戳、哈希树根以及版本号;区块体中存储面源污染数据和对应的传感器编号;
每个区块节点通过区块头中存储的前一区块节点的哈希值与所述前一区块节点相连,形成区块链条。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210766297.7A CN115168490A (zh) | 2022-07-01 | 2022-07-01 | 一种基于区块链的农业面源污染溯源和预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210766297.7A CN115168490A (zh) | 2022-07-01 | 2022-07-01 | 一种基于区块链的农业面源污染溯源和预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115168490A true CN115168490A (zh) | 2022-10-11 |
Family
ID=83489973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210766297.7A Pending CN115168490A (zh) | 2022-07-01 | 2022-07-01 | 一种基于区块链的农业面源污染溯源和预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115168490A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115842844A (zh) * | 2023-02-27 | 2023-03-24 | 中关村科学城城市大脑股份有限公司 | 一种基于多区块链协同技术的突发事件处理方法及系统 |
CN116340427A (zh) * | 2023-04-25 | 2023-06-27 | 北京工业大学 | 一种用于环保数据的预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110996290A (zh) * | 2019-12-18 | 2020-04-10 | 上海无线通信研究中心 | 一种基于区块链的内河水质污染监控方法 |
CN111563649A (zh) * | 2020-03-30 | 2020-08-21 | 陈天一 | 一种基于联盟链的水质监测管理系统及方法 |
CN113177730A (zh) * | 2021-05-20 | 2021-07-27 | 中山大学 | 一种水资源溯源管理系统 |
CN114037580A (zh) * | 2021-09-30 | 2022-02-11 | 长视科技股份有限公司 | 一种基于联盟链的水环境污染溯源方法与系统 |
CN114548749A (zh) * | 2022-02-19 | 2022-05-27 | 河海大学 | 一种土壤重金属污染预警系统 |
-
2022
- 2022-07-01 CN CN202210766297.7A patent/CN115168490A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110996290A (zh) * | 2019-12-18 | 2020-04-10 | 上海无线通信研究中心 | 一种基于区块链的内河水质污染监控方法 |
CN111563649A (zh) * | 2020-03-30 | 2020-08-21 | 陈天一 | 一种基于联盟链的水质监测管理系统及方法 |
CN113177730A (zh) * | 2021-05-20 | 2021-07-27 | 中山大学 | 一种水资源溯源管理系统 |
CN114037580A (zh) * | 2021-09-30 | 2022-02-11 | 长视科技股份有限公司 | 一种基于联盟链的水环境污染溯源方法与系统 |
CN114548749A (zh) * | 2022-02-19 | 2022-05-27 | 河海大学 | 一种土壤重金属污染预警系统 |
Non-Patent Citations (1)
Title |
---|
艾冬玉;: "区块链技术:长三角水污染防治协作的新工具" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115842844A (zh) * | 2023-02-27 | 2023-03-24 | 中关村科学城城市大脑股份有限公司 | 一种基于多区块链协同技术的突发事件处理方法及系统 |
CN116340427A (zh) * | 2023-04-25 | 2023-06-27 | 北京工业大学 | 一种用于环保数据的预警方法及系统 |
CN116340427B (zh) * | 2023-04-25 | 2023-10-13 | 北京工业大学 | 一种用于环保数据预警系统的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115168490A (zh) | 一种基于区块链的农业面源污染溯源和预警系统 | |
Kalantari et al. | Meeting sustainable development challenges in growing cities: Coupled social-ecological systems modeling of land use and water changes | |
CN112085241B (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
Adamala | An overview of big data applications in water resources engineering | |
Russo et al. | Hybrid model for urban air pollution forecasting: A stochastic spatio-temporal approach | |
Hagen et al. | Development and evaluation of flood forecasting models for forecast-based financing using a novel model suitability matrix | |
Nagendra et al. | Modelling urban air quality using artificial neural network | |
Canham et al. | Nitrogen deposition and lake nitrogen concentrations: a regional analysis of terrestrial controls and aquatic linkages | |
Gottlieb et al. | Evidence of human influence on Northern Hemisphere snow loss | |
CN117236199A (zh) | 城市水网区域河湖水质提升与水安全保障方法及系统 | |
Agga et al. | Short-term load forecasting: based on hybrid CNN-LSTM neural network | |
Scott et al. | Riparian response guilds shift in response to flow alteration in montane streams of the southern Rocky Mountains | |
Liu | Online monitoring method of non-point source pollution of water resources in river scenic spots | |
Jang et al. | Spatiotemporal algal bloom prediction of geum river, Korea using the deep learning models in company with the EFDC model | |
Zhi et al. | Deep learning for water quality | |
Khan et al. | Rainfall-runoff modelling using data driven and statistical methods | |
Jagtap et al. | Monitoring of Groundwater level and Development of Control Mechanism based on Machine Learning Algorithm | |
Hukkeri et al. | Drought forecasting: Application of ensemble and advanced machine learning approaches | |
Vinayagam et al. | Multi Model Air Pollution Estimation for Environmental Planning Using Data Mining | |
Nour et al. | Neural networks modelling of streamflow, phosphorus, and suspended solids: application to the Canadian Boreal forest | |
Harsh et al. | Scope of Big Data analytics in Bikaner urban water management | |
Yorkor et al. | Prediction and modeling of seasonal concentrations of air pollutants in semiurban region employing artificial neural network ensembles | |
Pons | The future of Green Infrastructure: From climate data to informed hydrological performance | |
Ahmed | Modelling spatiotemporal urban land cover growth dynamics using RS and GIS techniques | |
Latif et al. | Developing an innovative machine learning model for rainfall prediction in a Semi-Arid region |
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 |