CN116500240B - 一种土壤环境质量监测方法、系统及可读存储介质 - Google Patents
一种土壤环境质量监测方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN116500240B CN116500240B CN202310735445.3A CN202310735445A CN116500240B CN 116500240 B CN116500240 B CN 116500240B CN 202310735445 A CN202310735445 A CN 202310735445A CN 116500240 B CN116500240 B CN 116500240B
- Authority
- CN
- China
- Prior art keywords
- soil quality
- certain
- parameter
- quality parameter
- soil
- 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.)
- Active
Links
- 239000002689 soil Substances 0.000 title claims abstract description 473
- 238000012544 monitoring process Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 3
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- 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
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Astronomy & Astrophysics (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种土壤环境质量监测方法、系统及可读存储介质,属于土壤检测技术领域,方法包括:通过判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列;并且判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列。实现了尽可能的筛选出临时污染源存在前或去除后采集的土壤质量参数,能够提高土壤环境质量测定结果的准确度。
Description
技术领域
本发明属于土壤检测技术领域,尤其涉及一种土壤环境质量监测方法、系统及可读存储介质。
背景技术
土壤环境监测是指通过对影响土壤环境质量因素的代表值的测定,确定环境质量(或污染程度)及其变化趋势。我们通常所说的土壤监测是指土壤环境检测,其一般包括布点采样、样品制备、分析方法、结果表征、资料统计和质量评价等技术内容。
现有技术中为了确定目标区域的土壤环境质量等级,会根据相关标准要求,到实地进行样品采集、数据检测分析,得到土壤中地球化学元素含量数据,基于具体某一片土壤的地球化学元素含量,从而确定该土壤的环境质量等级。
但在土壤探测中,可能由于监测点位处存在临时的污染源,从而造成监测点位处的土壤环境质量发生了短暂的变化,而在变化的过程中对监测点位进行土壤采集,会造成监测结果不准确,从而失去评估意义。
发明内容
本发明提供一种土壤环境质量监测方法、系统及可读存储介质,用于解决由于临时污染源造成土壤环境质量发生变化,而在变化过程中对监测点位进行土壤采集,会造成监测结果不准确的技术问题。
第一方面,本发明提供一种土壤环境质量监测方法,包括:
获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图;
在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
进一步地,所述将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注包括:
获取历史遥感图像,将所述历史遥感图像分为训练图像集和优化图像集,其中,所述训练图像集中的历史遥感图像上标注有各种区域类型,所述优化图像集中的历史遥感图像为原始土壤环境图像;
建立初始识别模型,将所述训练图像集中的历史遥感图像输入至所述初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;
将所述优化图像集中的原始土壤环境图像输入至所述训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型;
将目标区域的遥感图像输入区域识别模型,根据区域识别模型对所述遥感图像中的灰度特征以及纹理特征进行识别;
判断所述遥感图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;
若成功,则对所述遥感图像进行区域划分,得到区域布局图。
进一步地,在判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列之后,所述方法还包括:
若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数。
进一步地,在判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值之后,所述方法还包括:
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量不大于预设数量阈值,则判断某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量是否大于预设数量阈值,其中,另一参数阈值范围为根据区域布局图中另一区域所属的类型进行设定;
若某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数,并将所述至少一个监测点位划分至另一区域中;
若某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量不大于预设数量阈值,则将所述至少一个监测点位标记为异常点位。
进一步地,在判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列之后,所述方法还包括:
若各个土壤质量参数序列中不存在满足预设条件的至少一个土壤质量参数子序列,则直接将与各个土壤质量参数序列相对应的监测点位标记为异常点位。
进一步地,在判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值之后,所述方法还包括:
若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均不大于预设数量阈值,则判断各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量是否大于预设数量阈值,其中,另一参数阈值范围为根据区域布局图中另一区域所属的类型进行设定;
若各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列;
将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数并将所述至少一个监测点位划分至另一区域中;
若各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量均不大于预设数量阈值,则将所述至少一个监测点位标记为异常点位。
第二方面,本发明提供一种土壤环境质量监测系统,其特征在于,包括:
识别模块,配置为获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图;
获取模块,配置为在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
第一判断模块,配置为判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
第一确定模块,配置为若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
第二判断模块,配置为判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
第一选取模块,配置为若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
第二确定模块,配置为若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
第三判断模块,配置为判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
第二选取模块,配置为若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将至少一个某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
预警模块,配置为根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
第三方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例的土壤环境质量监测方法的步骤。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述程序指令被处理器执行时,使所述处理器执行本发明任一实施例的土壤环境质量监测方法的步骤。
本申请的土壤环境质量监测方法、系统及可读存储介质,通过判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列;并且判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,能尽可能的筛选出临时污染源存在前或去除后采集的土壤质量参数,能够提高土壤环境质量测定结果的准确度,从而解决了由于临时污染源造成土壤环境质量发生变化,而在变化过程中对监测点位进行土壤采集,会造成监测结果不准确的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明一实施例提供的一种土壤环境质量监测方法的流程图;
图2为本发明一实施例提供的一种土壤环境质量监测系统的结构框图;
图3是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本申请的一种土壤环境质量监测方法的流程图。
如图1所示,土壤环境质量监测方法具体包括步骤S101至步骤S110。
步骤S101,获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图。
在本步骤中,首先构建区域识别模型,具体为:获取历史遥感图像,将历史遥感图像分为训练图像集和优化图像集,其中,训练图像集中的历史遥感图像上标注有各种区域类型,优化图像集中的历史遥感图像为原始土壤环境图像;建立初始识别模型,将训练图像集中的历史遥感图像输入至初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;将优化图像集中的原始土壤环境图像输入至训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型。
为了获取目标区域的布局情况,通过采集该区域的遥感图像进行识别,实现通过历史遥感图像构建好区域识别模型,该区域识别模型用于对实时输入的遥感图像进行识别,对遥感图像中的各个区域类型进行划分并标注。
进一步地,将目标区域的遥感图像输入区域识别模型,根据区域识别模型对遥感图像中的灰度特征以及纹理特征进行识别;判断遥感图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;若成功,则对遥感图像进行区域划分,得到区域布局图。
在实际应用中,为了更好地去区分不同类型的土壤区域,本实施例将所有区域分类为三个类别:轻度污染土壤区域、一般污染土壤区域和重度污染土壤区域。
步骤S102,在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列。
在本步骤中,在连续一段时间内获取区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列。
在一个示例中,基于7天的采集周期连续一个月获取区域布局图中的轻度污染土壤区域的监测点位A的土壤质量参数,得到与监测点位A相对应的四个土壤质量参数,该四个土壤质量参数基于时间顺序组成一个土壤质量参数序列。需要说明的是,土壤质量参数指的是土壤重金属含量。
步骤S103,判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列。
在本步骤中,通过判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其目的是为了在土壤质量参数序列中截取在一段时间内土壤质量参数相对稳定的一段子序列,这样会造成截取的子序列可能是临时污染源存在时采集的土壤质量参数,也有可能是临时污染源存在前或去除后采集的土壤质量参数,针对这两种情况,本申请提出步骤S104-步骤S106的解决方案,从而尽可能的筛选出临时污染源存在前或去除后采集的土壤质量参数,能够提高土壤环境质量测定结果的准确度。
在另一个具体实施例中,若各个土壤质量参数序列中不存在满足预设条件的至少一个土壤质量参数子序列,则直接将与各个土壤质量参数序列相对应的监测点位标记为异常点位。
需要说明的是,当监测点位标记为异常点位后,需要对该监测点位的采集周期进行调整,并且应当排查监测点位是否存在临时污染源。例如,缩短采集周期,具体调整过程不涉及本申请所要保护的技术方案,在此不过多赘述。
步骤S104,若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量。
步骤S105,判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值。
在本步骤中,若某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量不大于预设数量阈值,则判断某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量是否大于预设数量阈值,其中,另一参数阈值范围为根据区域布局图中另一区域所属的类型进行设定;若某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数,并将至少一个监测点位划分至另一区域中;若某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量不大于预设数量阈值,则将至少一个监测点位标记为异常点位。
步骤S106,若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数。
步骤S107,若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定。
在本步骤中,若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,此时说明可能土壤质量参数序列中存在的土壤质量参数在突然增加后,一直处于稳定增加的状态。例如在A时刻存在了临时污染源,此时,在A时刻后的采集结果中土壤质量参数会一直处于较高的状态。
也可能是土壤质量参数序列中存在的土壤质量参数在一段时间内本身就处于比较稳定的状态,例如,在存在临时污染源的A时刻之前采集的土壤质量参数,又或者在B时刻去除掉临时污染源一段时间后采集的土壤质量参数。
因此基于上述情况,为了尽可能去除掉临时污染源造成的影响,需要执行步骤S108-步骤S109的操作。
步骤S108,判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值。
在本步骤中,判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值,是为了尽可能确定满足预设条件的土壤质量参数子序列中符合实际土壤情况的土壤质量参数子序列。实际土壤情况即为尽可能还原土壤并未临时污染源污染的情况。
需要说明的是,某一参数阈值范围是根据某一区域所属的类型进行设定。例如,某一区域为轻度污染土壤区域,轻度污染土壤区域应当有满足轻度污染设定的参数阈值范围。
在一个具体实施中,若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均不大于预设数量阈值,则判断各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量是否大于预设数量阈值,其中,另一参数阈值范围为根据区域布局图中另一区域所属的类型进行设定;若各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列;将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数并将至少一个监测点位划分至另一区域中;若各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量均不大于预设数量阈值,则将至少一个监测点位标记为异常点位。
步骤S109,若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数。
在本步骤中,若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数。
例如,在存在临时污染源的A时刻之前采集的土壤质量参数组成的第一土壤质量参数子序列,又或者在B时刻去除掉临时污染源后采集的土壤质量参数组成的第二土壤质量参数子序列,由于去除在B时刻去除掉临时污染源后土壤质量参数的值是逐渐下降的,因此土壤质量参数在某一参数阈值范围内数量最多的应当是第一土壤质量参数子序列。
步骤S110,根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
在本步骤中,若目标土壤质量参数超过预设的质量报警阈值,则对至少一个监测点位进行质量预警。预警方式包括单不限定于向用户发送预警信息。
综上,本申请的方法,通过判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列;并且判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,能尽可能的筛选出临时污染源存在前或去除后采集的土壤质量参数,能够提高土壤环境质量测定结果的准确度,从而解决了由于临时污染源造成土壤环境质量发生变化,而在变化过程中对监测点位进行土壤采集,会造成监测结果不准确的问题。
请参阅图2,其示出了本申请的一种土壤环境质量监测系统的结构框图。
如图2所示,土壤环境质量监测系统10,包括:
识别模块11,配置为获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图;
获取模块12,配置为在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
第一判断模块13,配置为判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
第一确定模块14,配置为若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
第二判断模块15,配置为判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
第一选取模块16,配置为若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
第二确定模块17,配置为若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
第三判断模块18,配置为判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
第二选取模块19,配置为若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将至少一个某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
预警模块20,配置为根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
应当理解,图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块,在此不再赘述。
在另一些实施例中,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序指令被处理器执行时,使所述处理器执行上述任意方法实施例中的土壤环境质量监测方法;
作为一种实施方式,本发明的计算机可读存储介质存储有计算机可执行指令,计算机可执行指令设置为:
获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图;
在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
计算机可读存储介质可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据土壤环境质量监测系统的使用所创建的数据等。此外,计算机可读存储介质可以包括高速随机存取存储器,还可以包括存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,计算机可读存储介质可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至土壤环境质量监测系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图3是本发明实施例提供的电子设备的结构示意图,如图3所示,该设备包括:一个处理器21以及存储器22。电子设备还可以包括:输入装置23和输出装置24。处理器21、存储器22、输入装置23和输出装置24可以通过总线或者其他方式连接,图3中以通过总线连接为例。存储器22为上述的计算机可读存储介质。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例土壤环境质量监测方法。输入装置23可接收输入的数字或字符信息,以及产生与土壤环境质量监测系统的用户设置以及功能控制有关的键信号输入。输出装置24可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
作为一种实施方式,上述电子设备应用于土壤环境质量监测系统中,用于客户端,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图;
在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
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。
以上所述实施例仅表达了本发明的几种实施方式,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 (7)
1.一种土壤环境质量监测方法,其特征在于,包括:
获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图,其中,所述将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注包括:
获取历史遥感图像,将所述历史遥感图像分为训练图像集和优化图像集,其中,所述训练图像集中的历史遥感图像上标注有各种区域类型,所述优化图像集中的历史遥感图像为原始土壤环境图像;
建立初始识别模型,将所述训练图像集中的历史遥感图像输入至所述初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;
将所述优化图像集中的原始土壤环境图像输入至所述训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型;
将目标区域的遥感图像输入区域识别模型,根据区域识别模型对所述遥感图像中的灰度特征以及纹理特征进行识别;
判断所述遥感图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;
若成功,则对所述遥感图像进行区域划分,得到区域布局图;
在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
2.根据权利要求1所述的一种土壤环境质量监测方法,其特征在于,在判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值之后,所述方法还包括:
若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量不大于预设数量阈值,则判断某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量是否大于预设数量阈值,其中,另一参数阈值范围为根据区域布局图中另一区域所属的类型进行设定;
若某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数,并将所述至少一个监测点位划分至另一区域中;
若某一土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量不大于预设数量阈值,则将所述至少一个监测点位标记为异常点位。
3.根据权利要求1所述的一种土壤环境质量监测方法,其特征在于,在判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列之后,所述方法还包括:
若各个土壤质量参数序列中不存在满足预设条件的至少一个土壤质量参数子序列,则直接将与各个土壤质量参数序列相对应的监测点位标记为异常点位。
4.根据权利要求1所述的一种土壤环境质量监测方法,其特征在于,在判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值之后,所述方法还包括:
若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均不大于预设数量阈值,则判断各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量是否大于预设数量阈值,其中,另一参数阈值范围为根据区域布局图中另一区域所属的类型进行设定;
若各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列;
将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数并将所述至少一个监测点位划分至另一区域中;
若各个土壤质量参数子序列中的土壤质量参数在另一参数阈值范围内的数量均不大于预设数量阈值,则将所述至少一个监测点位标记为异常点位。
5.一种土壤环境质量监测系统,其特征在于,包括:
识别模块,配置为获取目标区域的遥感图像,将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注,得到区域布局图,其中,所述将所述遥感图像输入区域识别模型,对所述遥感图像中的各个区域类型进行划分并标注包括:
获取历史遥感图像,将所述历史遥感图像分为训练图像集和优化图像集,其中,所述训练图像集中的历史遥感图像上标注有各种区域类型,所述优化图像集中的历史遥感图像为原始土壤环境图像;
建立初始识别模型,将所述训练图像集中的历史遥感图像输入至所述初始识别模型进行训练,直至训练次数达到预设次数后,得到训练识别模型;
将所述优化图像集中的原始土壤环境图像输入至所述训练识别模型进行识别优化,直至识别准确率达到预设准确率后,得到区域识别模型;
将目标区域的遥感图像输入区域识别模型,根据区域识别模型对所述遥感图像中的灰度特征以及纹理特征进行识别;
判断所述遥感图像中的灰度特征以及纹理特征是否分别与某一区域类型的预设灰度特征以及预设纹理特征匹配成功;
若成功,则对所述遥感图像进行区域划分,得到区域布局图;
获取模块,配置为在第一时间段内获取所述区域布局图中某一区域的至少一个监测点位的土壤质量参数,得到与监测点位相对应的至少一个土壤质量参数序列;
第一判断模块,配置为判断各个土壤质量参数序列中是否存在满足预设条件的至少一个土壤质量参数子序列,其中,所述预设条件为相邻两个土壤质量参数的变化量不大于预设变化量阈值,土壤质量参数子序列为土壤质量参数序列中连续的一预设长度序列;
第一确定模块,配置为若各个土壤质量参数序列中只存在满足预设条件的某一土壤质量参数子序列,则确定某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量;
第二判断模块,配置为判断所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
第一选取模块,配置为若所述某一土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量大于预设数量阈值,则将某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
第二确定模块,配置为若各个土壤质量参数序列中存在满足预设条件的至少两个土壤质量参数子序列,则确定各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量,其中,某一参数阈值范围根据所述某一区域所属的类型进行设定;
第三判断模块,配置为判断各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量是否大于预设数量阈值;
第二选取模块,配置为若各个土壤质量参数子序列中的土壤质量参数在某一参数阈值范围内的数量均大于预设数量阈值,则选取土壤质量参数在某一参数阈值范围内数量最多的某一土壤质量参数子序列,并将至少一个某一土壤质量参数子序列的平均值作为相对应的至少一个监测点位的目标土壤质量参数;
预警模块,配置为根据所述目标土壤质量参数对所述至少一个监测点位进行质量预警。
6.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至4任一项所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310735445.3A CN116500240B (zh) | 2023-06-21 | 2023-06-21 | 一种土壤环境质量监测方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310735445.3A CN116500240B (zh) | 2023-06-21 | 2023-06-21 | 一种土壤环境质量监测方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116500240A CN116500240A (zh) | 2023-07-28 |
CN116500240B true CN116500240B (zh) | 2023-12-29 |
Family
ID=87323337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310735445.3A Active CN116500240B (zh) | 2023-06-21 | 2023-06-21 | 一种土壤环境质量监测方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116500240B (zh) |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010218492A (ja) * | 2009-03-19 | 2010-09-30 | Toyota Central R&D Labs Inc | 障害診断システム、障害診断装置および障害診断方法 |
CN102590473A (zh) * | 2012-01-29 | 2012-07-18 | 中国农业大学 | 农业区域地块土壤重金属适宜性测试方法及系统 |
JP2012233669A (ja) * | 2011-05-09 | 2012-11-29 | Nippon Steel Engineering Co Ltd | 土壌熱源ヒートポンプシステムにおける地盤熱特性解析方法及び装置、土壌熱源ヒートポンプシステムの運転調整方法及び装置、並びにプログラム |
CN105631203A (zh) * | 2015-12-27 | 2016-06-01 | 北华航天工业学院 | 识别土壤中重金属污染源的方法 |
CN106124729A (zh) * | 2016-04-13 | 2016-11-16 | 北京瑞美德环境修复有限公司 | 一种评价土壤中重金属含量数据异常程度的方法 |
CN108548896A (zh) * | 2018-04-10 | 2018-09-18 | 安阳师范学院 | 一种地理环境防护警示系统 |
CN108761035A (zh) * | 2018-05-18 | 2018-11-06 | 深圳市晟达机械设计有限公司 | 土壤环境污染可靠监测系统 |
CN109389516A (zh) * | 2018-11-26 | 2019-02-26 | 佛山单常科技有限公司 | 一种实时智能的土壤污染监测系统 |
US10341207B1 (en) * | 2018-04-30 | 2019-07-02 | Hewlett Packard Enterprise Development Lp | Data monitoring for network switch resource |
CN110490255A (zh) * | 2019-08-20 | 2019-11-22 | 杨剑虹 | 南方土壤样点数据清洗系统及方法 |
WO2020010701A1 (zh) * | 2018-07-11 | 2020-01-16 | 平安科技(深圳)有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
CN110991625A (zh) * | 2020-03-02 | 2020-04-10 | 南京邮电大学 | 基于循环神经网络的地表异常现象遥感监测方法、装置 |
CN112001221A (zh) * | 2020-06-30 | 2020-11-27 | 同恩(上海)工程技术有限公司 | 一种结构平稳静态监测数据的跳值异常识别及处理方法、系统以及存储介质 |
CN112785450A (zh) * | 2020-12-30 | 2021-05-11 | 北京农业信息技术研究中心 | 一种土壤环境质量分区方法及系统 |
CN113092684A (zh) * | 2021-04-07 | 2021-07-09 | 青岛理工大学 | 一种基于时空矩阵分解的空气质量推断方法 |
WO2021179572A1 (zh) * | 2020-03-12 | 2021-09-16 | 平安科技(深圳)有限公司 | 运维系统异常指标检测模型优化方法、装置及存储介质 |
CN113409167A (zh) * | 2021-08-19 | 2021-09-17 | 中国环境监测总站 | 一种水质异常分析方法及装置 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN114169400A (zh) * | 2021-11-12 | 2022-03-11 | 深圳市绿恩环保技术有限公司 | 饮用水源地土壤环境参数预警方法、系统、装置及存储介质 |
CN114565065A (zh) * | 2022-04-29 | 2022-05-31 | 长江水利委员会水文局 | 一种水文序列数据异常值检测方法 |
CN114595210A (zh) * | 2020-11-20 | 2022-06-07 | 中国移动通信集团广东有限公司 | 一种多维数据的异常检测方法、装置及电子设备 |
CN114663764A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 |
CN114720657A (zh) * | 2020-12-22 | 2022-07-08 | 中国石油化工股份有限公司 | 土壤污染综合预警方法及系统 |
CN114862641A (zh) * | 2022-07-08 | 2022-08-05 | 南通领跑信息技术有限公司 | 一种基于区块链的生态环境监测管理系统及方法 |
CN114998746A (zh) * | 2022-07-19 | 2022-09-02 | 江西省生态环境科学研究与规划院 | 一种耕地土壤环境质量分区方法及系统 |
CN115022911A (zh) * | 2022-06-14 | 2022-09-06 | 浙江工商大学 | 一种基于相关性辅助的高维时间序列数据清洗方法 |
CN115170822A (zh) * | 2022-06-20 | 2022-10-11 | 三峡大学 | 一种农田土壤重金属定性源解析的联用方法 |
CN115290831A (zh) * | 2022-09-30 | 2022-11-04 | 南通乾升信息科技有限公司 | 一种空气质量检测方法 |
KR102478499B1 (ko) * | 2022-04-07 | 2022-12-20 | 세이지리서치 주식회사 | 공정 제어 방법 및 공정 제어 장치 |
CN115982557A (zh) * | 2023-02-24 | 2023-04-18 | 深圳市特安电子有限公司 | 一种气体浓度检测用数据处理系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11115428B2 (en) * | 2019-11-21 | 2021-09-07 | Verizon Patent And Licensing Inc. | Systems and methods for determining network data quality and identifying anomalous network behavior |
US20230047781A1 (en) * | 2021-08-13 | 2023-02-16 | Oracle International Corporation | Computing environment scaling |
-
2023
- 2023-06-21 CN CN202310735445.3A patent/CN116500240B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010218492A (ja) * | 2009-03-19 | 2010-09-30 | Toyota Central R&D Labs Inc | 障害診断システム、障害診断装置および障害診断方法 |
JP2012233669A (ja) * | 2011-05-09 | 2012-11-29 | Nippon Steel Engineering Co Ltd | 土壌熱源ヒートポンプシステムにおける地盤熱特性解析方法及び装置、土壌熱源ヒートポンプシステムの運転調整方法及び装置、並びにプログラム |
CN102590473A (zh) * | 2012-01-29 | 2012-07-18 | 中国农业大学 | 农业区域地块土壤重金属适宜性测试方法及系统 |
CN105631203A (zh) * | 2015-12-27 | 2016-06-01 | 北华航天工业学院 | 识别土壤中重金属污染源的方法 |
CN106124729A (zh) * | 2016-04-13 | 2016-11-16 | 北京瑞美德环境修复有限公司 | 一种评价土壤中重金属含量数据异常程度的方法 |
CN108548896A (zh) * | 2018-04-10 | 2018-09-18 | 安阳师范学院 | 一种地理环境防护警示系统 |
US10341207B1 (en) * | 2018-04-30 | 2019-07-02 | Hewlett Packard Enterprise Development Lp | Data monitoring for network switch resource |
CN108761035A (zh) * | 2018-05-18 | 2018-11-06 | 深圳市晟达机械设计有限公司 | 土壤环境污染可靠监测系统 |
WO2020010701A1 (zh) * | 2018-07-11 | 2020-01-16 | 平安科技(深圳)有限公司 | 污染物异常监测方法、系统、计算机设备和存储介质 |
CN109389516A (zh) * | 2018-11-26 | 2019-02-26 | 佛山单常科技有限公司 | 一种实时智能的土壤污染监测系统 |
CN110490255A (zh) * | 2019-08-20 | 2019-11-22 | 杨剑虹 | 南方土壤样点数据清洗系统及方法 |
CN110991625A (zh) * | 2020-03-02 | 2020-04-10 | 南京邮电大学 | 基于循环神经网络的地表异常现象遥感监测方法、装置 |
WO2021179572A1 (zh) * | 2020-03-12 | 2021-09-16 | 平安科技(深圳)有限公司 | 运维系统异常指标检测模型优化方法、装置及存储介质 |
WO2021212756A1 (zh) * | 2020-04-23 | 2021-10-28 | 平安科技(深圳)有限公司 | 指标异常分析方法、装置、电子设备及存储介质 |
CN112001221A (zh) * | 2020-06-30 | 2020-11-27 | 同恩(上海)工程技术有限公司 | 一种结构平稳静态监测数据的跳值异常识别及处理方法、系统以及存储介质 |
CN114595210A (zh) * | 2020-11-20 | 2022-06-07 | 中国移动通信集团广东有限公司 | 一种多维数据的异常检测方法、装置及电子设备 |
CN114720657A (zh) * | 2020-12-22 | 2022-07-08 | 中国石油化工股份有限公司 | 土壤污染综合预警方法及系统 |
CN112785450A (zh) * | 2020-12-30 | 2021-05-11 | 北京农业信息技术研究中心 | 一种土壤环境质量分区方法及系统 |
CN113092684A (zh) * | 2021-04-07 | 2021-07-09 | 青岛理工大学 | 一种基于时空矩阵分解的空气质量推断方法 |
CN113409167A (zh) * | 2021-08-19 | 2021-09-17 | 中国环境监测总站 | 一种水质异常分析方法及装置 |
CN114169400A (zh) * | 2021-11-12 | 2022-03-11 | 深圳市绿恩环保技术有限公司 | 饮用水源地土壤环境参数预警方法、系统、装置及存储介质 |
CN114663764A (zh) * | 2022-04-01 | 2022-06-24 | 中国科学院地理科学与资源研究所 | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 |
KR102478499B1 (ko) * | 2022-04-07 | 2022-12-20 | 세이지리서치 주식회사 | 공정 제어 방법 및 공정 제어 장치 |
CN114565065A (zh) * | 2022-04-29 | 2022-05-31 | 长江水利委员会水文局 | 一种水文序列数据异常值检测方法 |
CN115022911A (zh) * | 2022-06-14 | 2022-09-06 | 浙江工商大学 | 一种基于相关性辅助的高维时间序列数据清洗方法 |
CN115170822A (zh) * | 2022-06-20 | 2022-10-11 | 三峡大学 | 一种农田土壤重金属定性源解析的联用方法 |
CN114862641A (zh) * | 2022-07-08 | 2022-08-05 | 南通领跑信息技术有限公司 | 一种基于区块链的生态环境监测管理系统及方法 |
CN114998746A (zh) * | 2022-07-19 | 2022-09-02 | 江西省生态环境科学研究与规划院 | 一种耕地土壤环境质量分区方法及系统 |
CN115290831A (zh) * | 2022-09-30 | 2022-11-04 | 南通乾升信息科技有限公司 | 一种空气质量检测方法 |
CN115982557A (zh) * | 2023-02-24 | 2023-04-18 | 深圳市特安电子有限公司 | 一种气体浓度检测用数据处理系统 |
Non-Patent Citations (12)
Title |
---|
土壤中铜生态阈值的影响因素及其预测模型;王小庆;李菊梅;韦东普;陈世宝;马义兵;黄占斌;;中国环境科学(第02期);全文 * |
土壤环境质量支持向量机预测模型初探――以湖南长沙、株洲、湘潭地区为例;吴堑虹;王关金;戴塔根;侯木舟;;地学前缘(第05期);全文 * |
土壤环境质量评价的径向基函数神经网络的模型设计与应用;胡焱弟;赵玉杰;白志鹏;高怀友;师荣光;;农业环境科学学报(第S1期);全文 * |
基于GIS的农业土壤环境监测系统设计与应用;贾艳秋;史明昌;王维瑞;曹刚;白维生;;农业网络信息(第02期);全文 * |
基于分形方法确定合肥大兴地区土壤中Cd元素的异常下限;汪伟;张颖慧;袁峰;李湘凌;周涛发;;环境科学与管理(第05期);全文 * |
基于度量阈值裁决的WSN恶意节点筛选算法;王欣;胡平;景波;;计算机工程与设计(第05期);全文 * |
基于时间序列搜索的海底电磁采集站数据质量快速预评估方法研究;时绍壮;黎明;刘兰军;;仪器仪表学报(第08期);全文 * |
基于深层土壤数据的多维分形成矿异常识别研究――以铜陵矿集区Cu元素为例;袁峰;李晓晖;白晓宇;李修钰;张晨烨;周涛发;;地学前缘(第04期);全文 * |
基于稳健统计学确定高潜在污染土壤Cu、Pb基线值;王志刚;赵永存;孙维侠;黄标;邵学新;Jeremy L.Darilek;;土壤学报(第02期);全文 * |
智能变电站异常数据识别及恢复方法;吕东;张弛;康小宁;焦在滨;;陕西电力(第07期);全文 * |
综合评价中异常值的识别及无量纲化处理方法;李伟伟;易平涛;李玲玉;;运筹与管理(第04期);全文 * |
网络异常点检测中性能指标阈值的动态确定方法;于艳华;宋美娜;张文婷;宋俊德;;北京邮电大学学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116500240A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110260793B (zh) | 基于参数辨识的预警系统及方法 | |
Kaddah et al. | Optimized minimal path selection (OMPS) method for automatic and unsupervised crack segmentation within two-dimensional pavement images | |
CN113449703B (zh) | 环境在线监测数据的质控方法、装置、存储介质及设备 | |
CN115081963B (zh) | 一种地下水质风险分析方法及系统 | |
CN110827577B (zh) | 基于参数辨识的预警系统 | |
CN115482465A (zh) | 基于机器视觉的农作物病虫害预测方法、系统及存储介质 | |
CN114998746A (zh) | 一种耕地土壤环境质量分区方法及系统 | |
CN117421692B (zh) | 垃圾投放站的垃圾违规投放识别方法、装置、设备 | |
CN116500240B (zh) | 一种土壤环境质量监测方法、系统及可读存储介质 | |
CN113723467A (zh) | 用于缺陷检测的样本收集方法、装置和设备 | |
US11668857B2 (en) | Device, method and computer program product for validating data provided by a rain sensor | |
CN109376619B (zh) | 一种细胞检测方法 | |
CN116699093A (zh) | 一种地下水质检测方法、系统及可读存储介质 | |
CN109389972B (zh) | 语义云功能的质量测试方法、装置、存储介质和设备 | |
CN115311522A (zh) | 用于自动驾驶的目标检测方法及装置、电子设备及介质 | |
CN115409839A (zh) | 基于像素分析模型的道路声屏障隐患识别方法及装置 | |
CN115512098A (zh) | 一种桥梁电子化巡检系统及巡检方法 | |
CN114966631A (zh) | 车载激光雷达的故障诊断及处理方法、装置、介质及车辆 | |
CN114283344A (zh) | 一种森林生态水文过程自动实时监测方法及系统 | |
CN114545529B (zh) | 一种基于高频格点化雨量探测方法、系统、介质及设备 | |
CN114663412B (zh) | 基于陆表水域生态红线的长连续遥感图像处理方法及装置 | |
CN116176579B (zh) | 自动驾驶跟车车距测量计算装置及方法 | |
CN116188438A (zh) | 烟支打孔质量检测装置、方法、设备及介质 | |
CN116109581A (zh) | 混凝土道路监测方法、装置、电子设备及存储介质 | |
CN117788394A (zh) | 电力设备的状态检测方法、装置、设备及存储介质 |
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 |