CN115565086A - 一种云端一体化的水库巡查遥感监测方法 - Google Patents
一种云端一体化的水库巡查遥感监测方法 Download PDFInfo
- Publication number
- CN115565086A CN115565086A CN202211085080.6A CN202211085080A CN115565086A CN 115565086 A CN115565086 A CN 115565086A CN 202211085080 A CN202211085080 A CN 202211085080A CN 115565086 A CN115565086 A CN 115565086A
- Authority
- CN
- China
- Prior art keywords
- data
- reservoir
- remote sensing
- cloud
- patrol
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本发明公开了一种云端一体化的水库巡查遥感监测方法,通过云端服务器对多源遥感影像进行空间网络组织和多方位平行调度,构建了水库巡查遥感监测体系,综合运用遥感和地理信息系统,通过云端大数据处理遥感信息,提高信息采集的实时性和预警效率;对于新过境影像数据,预处理后直接通过多源遥感影像空间网格体系进行存储管理,改变传统的影响切片发布模式,基于空间网格体系提供实时影像服务,实时发布,实时查看,提高影像使用的时效性。构建集实时影像服务、提醒预警和决策分析等为一体的监测服务平台,实现多端互联、协同共享的北斗应用模式,打造常态化、实时化、上下联动的服务平台。
Description
技术领域
本发明涉及水库遥感监测领域,尤其是涉及一种云端一体化的水库巡查遥感监测方法。
背景技术
传统水库巡查采用“人眼看、实地查”等手段,难以负担大范围、全覆盖的巡查任务。遥感方式为水库巡查工作提供了很好的技术支撑。
近年来,北斗卫星影像获取手段日益丰富,数据覆盖度与精确度逐渐提高,有效解决了水库巡查人员少、巡查区域广的问题。但目前遥感水库巡查仍然以定期下发监测数据方式为主,发现问题的及时性和效率都较低,不能达到实时监测的要求。
此外,将遥感影像数据切分为瓦片数据需要一定时间预处理,且会造成存储空间冗余,同时处理后的瓦片数据为图片数据,原始遥感数据中的诸多传感器信息丢失,只能进行图像浏览,不能作更深层次的遥感分析应用,不利于开展水库巡查遥感监测工作。
例如,一种在中国专利文献上公开的“一种基于GPRS通信和互联网的水库防洪监测系统”,其公开号为CN105259887A,包括发现问题的及时性和效率较低,不能达到实时监测的效果,传感器信息容易丢失,无法实现深层次的遥感分析应用,不利于水库巡查遥感监测工作。
发明内容
为了克服现有技术中水库巡查遥测系统发现问题的及时性和效率较低,不能达到实时监测的效果,传感器信息容易丢失,无法实现深层次的遥感分析应用,不利于水库巡查遥感监测工作等问题,本发明提供了一种云端一体化的水库巡查遥感监测方法,实现多源遥感影像的空间网络组织和调度,提高信息采集的实时性和预警效率。
为了实现上述技术目的,本发明采用以下技术方案:
一种云端一体化的水库巡查遥感监测方法,其特征是,包括以下步骤:
步骤S1:通过遥感巡查水库数据,将水库数据和遥感监测影像上传到云端服务器和水库巡查综合数据库,并通过云计算处理系统进行历史数据分析研判比对,对异常数据进行异常判断和标注,并将比对结果进行数据复制,其中一份数据上传到历史数据库中,对另一份数据进行数据整合,形成疑似问题清单,完成数据预处理。
步骤S2:将步骤S1中的遥感监测影像和疑似问题清单的数据发送到互联网云端,通过互联网云端进行数据分流,将巡检数据发送到安监部、水工部和技术部。
步骤S3:安监部、水工部和技术部接收巡检数据,并将疑似问题清单结合巡检异常数据,形成最终的问题清单,并将最终问题清单重新发送回安监部、水工部和技术部进行问题确认。
步骤S4:完成问题确认后将最终的问题清单删除并消除安监部、水工部和技术部的数据痕迹。
通过云端服务器对多源遥感影像进行空间网络组织和多方位平行调度,构建了水库巡查遥感监测体系,综合运用遥感和地理信息系统,通过云端大数据处理遥感信息,提高信息采集的实时性和预警效率。
作为优选,所述步骤S1巡查过程包括以下步骤:
步骤S1-1:记录水库周围的基础地形,设置基础水平面和周围土质层或岩石层的水平高度值和反光率。
步骤S1-2:以一周为记录周期,比对每个周期内采集到的水库中的水平面高度、水面反光率、土质层或岩石层的水平高度值和土质层或岩石层的反光率,将采集和到的数据发送到云端的数据处理模块,与最初的基础水平面、水平高度值和反光率进行比对分析。
步骤S1-3:将比对结果进行数据整合,形成异常数据集,对产生异常数据的地形区域进行标记并整合,形成疑似问题清单。
作为优选,所述步骤S1-1对地形的监测过程包括以下步骤:
步骤S1-1-1:确定所有地形的形状位置坐标,通过摄像头的分色摄像头画出水库周围地形的轮廓曲线和反光效果,记录下曲线数据和反光率数据。
步骤S1-1-2:设置晴天最小反光阈值L1min、晴天最大反光阈值L1max、阴天最小反光阈值L2min、阴天最大反光阈值L2max、雨水天最小反光阈值L3min和雨水天最大反光阈值L3max。
步骤S1-1-3:以一天为周期对水库周围地形状态进行巡查,通过每天6时、12时和18时三个时间点的反光阈值,分别与相对应的天气状态反光阈值进行比对,判断水库周围地形环境是否发生变化。
步骤S1-1-4:以一周为统计周期,将每天的地形曲线和地形反光率记录到同一张图表中,进行地形变化预估,当地形反光率低于当前对应的天气状态最小反光阈值时,则说明当前水库周围环境湿度过大,容易产生滑坡等灾害危险,当地形反光率高于当前对应的天气状态最大反光阈值且水库水平面低于基础水平面高度时,则说明当前水库周围环境干旱程度过高。
通过对地形反光率的采集监测和阈值比对,并将监测和比对结果形成结果图表发送到云端,可以实时了解预警情况,并对可能存在的自然灾害威胁实现预估,同时进行数据预处理,提前将数据备份并发送至云端存储,减少了数据丢失。
作为优选,所述步骤S2包括以下步骤:
步骤S2-1:将完成数据预处理的影像数据直接通过多源遥感影像空间网格体系进行存储管理,进行实时影像服务。
步骤S2-2:通过互联网和云服务技术,实现安监部、水工部和技术部之间数据互联互通,通过三个部门之间的数据互通完成巡查系统定期对检测预警数据进行汇总分析,形成可视化的图表和简报,通过网络或短信推送给相关负责人。
步骤S2-3:通过可视化的图表和简报,对图表纳入到预警系统进行统一管理。
对于新过境影像数据,预处理后直接通过多源遥感影像空间网格体系进行存储管理,改变传统的影响切片发布模式,基于空间网格体系提供实时影像服务,实时发布,实时查看,提高影像使用的时效性。构建集实时影像服务、提醒预警和决策分析等为一体的监测服务平台,实现多端互联、协同共享的北斗应用模式,打造常态化、实时化、上下联动的服务平台。
作为优选,所述步骤S3中,巡查系统在拍照时自动记录影像产生的坐标、影像方位角度和影像的拍摄时间信息。
作为优选,所述步骤S3还包括巡查系统的拍摄位置数据规划方法:
步骤S3-1:获取水库周围地形,下游水口的地理位置坐标和地形轮廓曲线。
步骤S3-2:随机选择地形轮廓曲线的地形高点中的两点(x1,y1,z1)和(x2,y2,z2),再获取下游出水口处两侧的随机一点(x3,y3,z3),将三个位置两两连接形成三角型区域,在这个三角型区域的重心位置,设置巡查拍摄坐标基点,其坐标为P1((x1+x2+x3)/3,(y1+y2+y3)/3,(z1+z2+z3)/3);
步骤S3-3:每个基点的三角型区域的最后一个坐标点设置为下一个三角型区域的初始坐标点,即P1((x1+x2+x3)/3,(y1+y2+y3)/3,(z1+z2+z3)/3),P2((x3+x4+x5)/3,(y3+y4+y5)/3,(z3+z4+z5)/3)…,Pn((x2n-1+x2n+x2n+1)/3,(y2n-1+y2n +y2n+1)/3,(z2n -1+z2n +z2n+1)/3)。
步骤S3-4:将拍摄坐标实时上传到云端存储空间,进行拍摄轨迹数据记录。
以地形轮廓曲线最高点和出水口处的随机点形成的平面三角型区域为基础,以该三角型的中心作为巡查拍摄坐标基点,减少多次拍摄产生的角度误差,提高地形拍摄的准确性和实时性。
作为优选,巡查过程中,云端数据处理系统对一段时间内采集到的地形反光率分布、水平面变化值进行加权数值评估,当数值评分达到一定危险阈值,则通过多源遥感影像空间网格体系对该危险区域进行坐标划分,将每天三次的记录频率改为实时影像记录,并实时上传异常影像数据。
能及时发现水库周围地形的异常变化,改变数据上报频率能实时掌握异常变化动向,及时发现监测图斑,将图斑纳入到云端系统进行统一数据管理,提高审核认定的实时性和准确度。
因此本发明具有以下有益效果:
通过云端服务器对多源遥感影像进行空间网络组织和多方位平行调度,构建了水库巡查遥感监测体系,综合运用遥感和地理信息系统,通过云端大数据处理遥感信息,提高信息采集的实时性和预警效率。
对于新过境影像数据,预处理后直接通过多源遥感影像空间网格体系进行存储管理,改变传统的影响切片发布模式,基于空间网格体系提供实时影像服务,实时发布,实时查看,提高影像使用的时效性。构建集实时影像服务、提醒预警和决策分析等为一体的监测服务平台,实现多端互联、协同共享的北斗应用模式,打造常态化、实时化、上下联动的服务平台。
能及时发现水库周围地形的异常变化,改变数据上报频率能实时掌握异常变化动向,及时发现监测图斑,将图斑纳入到云端系统进行统一数据管理,提高审核认定的实时性和准确度。
附图说明
图1是本发明的系统结构示意图。
图2是本发明的方法流程示意图。
图3是本发明的巡查拍摄位置设置示意图。
图4是本发明的巡查拍摄定位方法流程图。
具体实施方式
下面将结合附图和具体实施方式,对本发明作进一步具体的描述。
如图1所示,本发明基于多源遥感影像的空间网络组织和调度方法,设计一种云端一体化的水库巡查遥感监测方法,构建水库巡查遥感监测技术体系,通过整合水工资源系统管理业务数据,综合运用遥感、地理信息系统、大数据等信息化支撑技术,建立问题发现、核查上报和整改销号技术流程体系,具体过程如图2所示:
步骤S1:通过遥感巡查水库数据,将水库数据和遥感监测影像上传到云端服务器和水库巡查综合数据库,并通过云计算处理系统进行历史数据分析研判比对,对异常数据进行异常判断和标注,并将比对结果进行数据复制,其中一份数据上传到历史数据库中,对另一份数据进行数据整合,形成疑似问题清单,完成数据预处理。
步骤S2:将步骤S1中的遥感监测影像和疑似问题清单的数据发送到互联网云端,通过互联网云端进行数据分流,将巡检数据发送到安监部、水工部和技术部。
步骤S3:安监部、水工部和技术部接收巡检数据,并将疑似问题清单结合巡检异常数据,形成最终的问题清单,并将最终问题清单重新发送回安监部、水工部和技术部进行问题确认。
步骤S4:完成问题确认后将最终的问题清单删除并消除安监部、水工部和技术部的数据痕迹。
通过云端服务器对多源遥感影像进行空间网络组织和多方位平行调度,构建了水库巡查遥感监测体系,综合运用遥感和地理信息系统,通过云端大数据处理遥感信息,提高信息采集的实时性和预警效率。
通过实时的遥感监测,可以做到对湖泊周围区域全境实现一日一覆盖的巡查状况,有利于问题的及时解决,按照事前、事中监管原则,及时发现违章建筑侵占水库区域、滑坡体出现位移、水库周围土壤湿度急剧变化等问题,通过水工系统监管体系做到提前预预警、及时发现问题和快速反应消除威胁。
如图3所示为本发明的监测过程流程图,具体如下所示:
步骤S1-1:记录水库周围的基础地形,设置基础水平面和周围土质层或岩石层的水平高度值和反光率。
步骤S1-1-1:确定所有地形的形状位置坐标,通过摄像头的分色摄像头画出水库周围地形的轮廓曲线和反光效果,记录下曲线数据和反光率数据。
步骤S1-1-2:设置晴天最小反光阈值L1min、晴天最大反光阈值L1max、阴天最小反光阈值L2min、阴天最大反光阈值L2max、雨水天最小反光阈值L3min和雨水天最大反光阈值L3max。
步骤S1-1-3:以一天为周期对水库周围地形状态进行巡查,通过每天6时、12时和18时三个时间点的反光阈值,分别与相对应的天气状态反光阈值进行比对,判断水库周围地形环境是否发生变化。
步骤S1-1-4:以一周为统计周期,将每天的地形曲线和地形反光率记录到同一张图表中,进行地形变化预估,当地形反光率低于当前对应的天气状态最小反光阈值时,则说明当前水库周围环境湿度过大,容易产生滑坡等灾害危险,当地形反光率高于当前对应的天气状态最大反光阈值且水库水平面低于基础水平面高度时,则说明当前水库周围环境干旱程度过高。
步骤S1-2:以一周为记录周期,比对每个周期内采集到的水库中的水平面高度、水面反光率、土质层或岩石层的水平高度值和土质层或岩石层的反光率,将采集和到的数据发送到云端的数据处理模块,与最初的基础水平面、水平高度值和反光率进行比对分析。
步骤S1-3:将比对结果进行数据整合,形成异常数据集,对产生异常数据的地形区域进行标记并整合,形成疑似问题清单。
通过云端服务器对多源遥感影像进行空间网络组织和多方位平行调度,构建了水库巡查遥感监测体系,综合运用遥感和地理信息系统,通过云端大数据处理遥感信息,提高信息采集的实时性和预警效率;通过对地形反光率的采集监测和阈值比对,并将监测和比对结果形成结果图表发送到云端,可以实时了解预警情况,并对可能存在的自然灾害威胁实现预估,同时进行数据预处理,提前将数据备份并发送至云端存储,减少了数据丢失。
如图3是图4所示,巡查系统的拍摄位置数据规划方法如下所示:
步骤S3-1:获取水库周围地形,下游水口的地理位置坐标和地形轮廓曲线。
步骤S3-2:随机选择地形轮廓曲线的地形高点中的两点(x1,y1,z1)和(x2,y2,z2),再获取下游出水口处两侧的随机一点(x3,y3,z3),将三个位置两两连接形成三角型区域,在这个三角型区域的重心位置,设置巡查拍摄坐标基点,其坐标为P1((x1+x2+x3)/3,(y1+y2+y3)/3,(z1+z2+z3)/3);
步骤S3-3:每个基点的三角型区域的最后一个坐标点设置为下一个三角型区域的初始坐标点,即P1((x1+x2+x3)/3,(y1+y2+y3)/3,(z1+z2+z3)/3),P2((x3+x4+x5)/3,(y3+y4+y5)/3,(z3+z4+z5)/3)…,Pn((x2n-1+x2n+x2n+1)/3,(y2n-1+y2n +y2n+1)/3,(z2n -1+z2n +z2n+1)/3)。
步骤S3-4:将拍摄坐标实时上传到云端存储空间,进行拍摄轨迹数据记录。
以地形轮廓曲线最高点和出水口处的随机点形成的平面三角型区域为基础,以该三角型的中心作为巡查拍摄坐标基点,减少多次拍摄产生的角度误差,提高地形拍摄的准确性和实时性。
巡查过程中,云端数据处理系统对一段时间内采集到的地形反光率分布、水平面变化值进行加权数值评估,当数值评分达到一定危险阈值,则通过多源遥感影像空间网格体系对该危险区域进行坐标划分,将每天三次的记录频率改为实时影像记录,并实时上传异常影像数据。
通过云端一体化水库巡查遥感监测方法使用,统筹获取水库湖区周围的影像资料,根据技术部的日常工作需求,对问题突出的水库区域对卫星过境时,提高加密监测频次,实时重点监控水库区域周围的地形变化和库区水位变化,在使用单节点通讯的条件下,快速发布预警服务仅需要1.5小时,相较于传统的切片发布预警信息效率提升了10倍。
巡查过程中,云端数据处理系统对一段时间内采集到的地形反光率分布、水平面变化值进行加权数值评估,当数值评分达到一定危险阈值,则通过多源遥感影像空间网格体系对该危险区域进行坐标划分,将每天三次的记录频率改为实时影像记录,并实时上传异常影像数据。
设置各项检测数值的额定阈值或常驻阈值,当偏离额定阈值20%以内,每提高0.5%,内置的数据异常计分增加1;当偏离当前设定阈值20%-35%时,每提高0.25%,内置的数据异常计分增加1;当偏离当前设定阈值超过35%,直接通过通讯模块向风险评估模块发送数据异常信号,进行风险评估。当数据异常计分在30以内,则风险评估为“不严重”,记为D级故障;当数据异常计分在30-50,则风险评估为“较严重”,记为C级故障;当数据异常计分在50-75,则风险评估为“严重”记为B级故障;当数据异常计分超过75或当前数据偏离设定阈值超过35%,则风险评估为“非常严重”,记为A级故障;在对数据异常计分的同时,同时记录当前发生采集数据异常的位置,并对发生异常的位置进行重要程度划分。
通过对数据异常程度和产生位置的综合判断,将数据异常情况分为8个等级,进行报警处理的同时将上述故障等级和故障记录进行历史数据记录,将当前的天气条件加入设置随机变量,使得云端网络和预警系统对水库周围的环境预警有更好的提前预估能力,能及时发现水库周围地形的异常变化,改变数据上报频率能实时掌握异常变化动向,及时发现监测图斑,将图斑纳入到云端系统进行统一数据管理,提高审核认定的实时性和准确度。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果,但以上仅为本发明的较佳实施例,需要言明的是,上述实施例及其优选方式所涉及的技术特征,本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下,合理地组合搭配成多种等效方案;因此,本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (7)
1.一种云端一体化的水库巡查遥感监测方法,其特征是,包括以下步骤:
步骤S1:通过遥感巡查水库数据,将水库数据和遥感监测影像上传到云端服务器和水库巡查综合数据库,并通过云计算处理系统进行历史数据分析研判比对,对异常数据进行异常判断和标注,并将比对结果进行数据复制,其中一份数据上传到历史数据库中,对另一份数据进行数据整合,形成疑似问题清单,完成数据预处理;
步骤S2:将步骤S1中的遥感监测影像和疑似问题清单的数据发送到互联网云端,通过互联网云端进行数据分流,将巡检数据发送到安监部、水工部和技术部;
步骤S3:安监部、水工部和技术部接收巡检数据,并将疑似问题清单结合巡检异常数据,形成最终的问题清单,并将最终问题清单重新发送回安监部、水工部和技术部进行问题确认;
步骤S4:完成问题确认后将最终的问题清单删除并消除安监部、水工部和技术部的数据痕迹。
2.根据权利要求1所述的一种云端一体化的水库巡查遥感监测方法,其特征是,所述步骤S1巡查过程包括以下步骤:
步骤S1-1:记录水库周围的基础地形,设置基础水平面和周围土质层或岩石层的水平高度值和反光率;
步骤S1-2:以一周为记录周期,比对每个周期内采集到的水库中的水平面高度、水面反光率、土质层或岩石层的水平高度值和土质层或岩石层的反光率,将采集和到的数据发送到云端的数据处理模块,与最初的基础水平面、水平高度值和反光率进行比对分析;
步骤S1-3:将比对结果进行数据整合,形成异常数据集,对产生异常数据的地形区域进行标记并整合,形成疑似问题清单。
3.根据权利要求2所述的一种云端一体化的水库巡查遥感监测方法,其特征是,所述步骤S1-1对地形的监测过程包括以下步骤:
步骤S1-1-1:确定所有地形的形状位置坐标,通过摄像头的分色摄像头画出水库周围地形的轮廓曲线和反光效果,记录下曲线数据和反光率数据;
步骤S1-1-2:设置晴天最小反光阈值L1min、晴天最大反光阈值L1max、阴天最小反光阈值L2min、阴天最大反光阈值L2max、雨水天最小反光阈值L3min和雨水天最大反光阈值L3max;
步骤S1-1-3:以一天为周期对水库周围地形状态进行巡查,通过每天6时、12时和18时三个时间点的反光阈值,分别与相对应的天气状态反光阈值进行比对,判断水库周围地形环境是否发生变化;
步骤S1-1-4:以一周为统计周期,将每天的地形曲线和地形反光率记录到同一张图表中,进行地形变化预估,当地形反光率低于当前对应的天气状态最小反光阈值时,则说明当前水库周围环境湿度过大,容易产生滑坡等灾害危险,当地形反光率高于当前对应的天气状态最大反光阈值且水库水平面低于基础水平面高度时,则说明当前水库周围环境干旱程度过高。
4.根据权利要求1所述的一种云端一体化的水库巡查遥感监测方法,其特征是,所述步骤S2包括以下步骤:
步骤S2-1:将完成数据预处理的影像数据直接通过多源遥感影像空间网格体系进行存储管理,进行实时影像服务;
步骤S2-2:通过互联网和云服务技术,实现安监部、水工部和技术部之间数据互联互通,通过三个部门之间的数据互通完成巡查系统定期对检测预警数据进行汇总分析,形成可视化的图表和简报,通过网络或短信推送给相关负责人;
步骤S2-3:通过可视化的图表和简报,对图表纳入到预警系统进行统一管理。
5.根据权利要求1所述的一种云端一体化的水库巡查遥感监测方法,其特征是,所述步骤S3中,巡查系统在拍照时自动记录影像产生的坐标、影像方位角度和影像的拍摄时间信息。
6.根据权利要求1或3或5所述的一种云端一体化的水库巡查遥感监测方法,其特征是,所述步骤S3还包括巡查系统的拍摄位置数据规划方法:
步骤S3-1:获取水库周围地形,、下游水口的地理位置坐标和地形轮廓曲线;步骤S3-2:随机选择地形轮廓曲线的地形高点中的两点(x1,y1,z1)和(x2,y2,z2),再获取下游出水口处两侧的随机一点(x3,y3,z3),将三个位置两两连接形成三角型区域,在这个三角型区域的重心位置,设置巡查拍摄坐标基点,其坐标为P1((x1+x2+x3)/3,(y1+y2+y3)/3,(z1+z2+z3)/3);
步骤S3-3:每个基点的三角型区域的最后一个坐标点设置为下一个三角型区域的初始坐标点,即P1((x1+x2+x3)/3,(y1+y2+y3)/3,(z1+z2+z3)/3),P2((x3+x4+x5)/3,(y3+y4+y5)/3,(z3+z4+z5)/3)…,Pn((x2n-1+x2n+x2n+1)/3,(y2n-1+y2n +y2n+1)/3,(z2n -1+z2n+z2n+1)/3);
步骤S3-4:将拍摄坐标实时上传到云端存储空间,进行拍摄轨迹数据记录。
7.根据权利要求2所述的一种云端一体化的水库巡查遥感监测方法,其特征是,所述巡查过程中,云端数据处理系统对一段时间内采集到的地形反光率分布、水平面变化值进行加权数值评估,当数值评分达到一定危险阈值,则通过多源遥感影像空间网格体系对该危险区域进行坐标划分,将每天三次的记录频率改为实时影像记录,并实时上传异常影像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085080.6A CN115565086A (zh) | 2022-09-06 | 2022-09-06 | 一种云端一体化的水库巡查遥感监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085080.6A CN115565086A (zh) | 2022-09-06 | 2022-09-06 | 一种云端一体化的水库巡查遥感监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115565086A true CN115565086A (zh) | 2023-01-03 |
Family
ID=84739978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211085080.6A Pending CN115565086A (zh) | 2022-09-06 | 2022-09-06 | 一种云端一体化的水库巡查遥感监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115565086A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291551A (zh) * | 2023-11-24 | 2023-12-26 | 南通欧贝达电子科技有限公司 | 一种基于数字可视化的环境监测预警系统 |
-
2022
- 2022-09-06 CN CN202211085080.6A patent/CN115565086A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291551A (zh) * | 2023-11-24 | 2023-12-26 | 南通欧贝达电子科技有限公司 | 一种基于数字可视化的环境监测预警系统 |
CN117291551B (zh) * | 2023-11-24 | 2024-03-08 | 南通欧贝达电子科技有限公司 | 一种基于数字可视化的环境监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111864898B (zh) | 一种基于输电在线监测数据的三维信息系统及其控制方法 | |
CN103779808A (zh) | 基于LiDAR的输电线路智能巡检系统 | |
CN115348247A (zh) | 基于天空地一体化技术的森林火灾检测预警及决策系统 | |
US11842538B2 (en) | System and method of intelligent vegetation management | |
KR101937940B1 (ko) | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 | |
CN106412526A (zh) | 警用倾斜摄影实景三维平台系统及其接口系统 | |
RU2504014C1 (ru) | Способ управления системой мониторинга и система для его реализации | |
CN109784667B (zh) | 一种基于夜光遥感数据的房屋空置监测方法 | |
CN111625999A (zh) | 一种基于深度学习技术的森林火灾预警模型及系统 | |
CN111709661B (zh) | 业务数据的风险处理方法、装置、设备及存储介质 | |
CN116580532A (zh) | 一种基于雷达遥感技术的地质灾害预警系统 | |
CN115565086A (zh) | 一种云端一体化的水库巡查遥感监测方法 | |
CN108664926B (zh) | 森林火灾卫星监测云层反射虚假热点的识别方法 | |
CN115388949A (zh) | 一种智能水库监测管理系统 | |
Laefer et al. | Evacuation route selection based on tree-based hazards using light detection and ranging and GIS | |
CN201828915U (zh) | 空间信息监测系统 | |
CN115841014A (zh) | 森林火灾现场处置危险性评估方法 | |
CN112750280A (zh) | 一种复合式地质灾害专业监测预警方法和装置 | |
CN117253341A (zh) | 基于北斗与高分遥感技术的路域灾害监测预警方法与系统 | |
KR100390600B1 (ko) | 산불 감시 및 위치추적 장치와 그 운용방법 | |
CN114664041A (zh) | 一种基于深度学习的多传感器融合预警预测方法 | |
CN112287054A (zh) | 一种化工园区应急救援决策管理系统 | |
CN112577672A (zh) | 基于网格法的甲烷遥感空间分布监测报警系统 | |
CN113295589A (zh) | 一种扬尘监测方法、装置和系统 | |
Lopes Amaral Loures et al. | Condition assessment of unpaved roads using low-cost computer vision–based solutions |
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 |