CN117437553A - 一种用于入河排污口监测的遥感影像数据处理方法及装置 - Google Patents
一种用于入河排污口监测的遥感影像数据处理方法及装置 Download PDFInfo
- Publication number
- CN117437553A CN117437553A CN202311767480.XA CN202311767480A CN117437553A CN 117437553 A CN117437553 A CN 117437553A CN 202311767480 A CN202311767480 A CN 202311767480A CN 117437553 A CN117437553 A CN 117437553A
- Authority
- CN
- China
- Prior art keywords
- river
- pollution
- pixel value
- water purification
- target
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 239000010865 sewage Substances 0.000 title claims abstract description 60
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 264
- 238000001228 spectrum Methods 0.000 claims abstract description 50
- 230000003595 spectral effect Effects 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000008213 purified water Substances 0.000 claims abstract description 15
- 238000000746 purification Methods 0.000 claims description 172
- 238000012545 processing Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 11
- 238000011002 quantification Methods 0.000 claims description 9
- 238000002474 experimental method Methods 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 5
- 231100000719 pollutant Toxicity 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 244000005700 microbiome Species 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000012286 potassium permanganate Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G06V20/182—Network patterns, e.g. roads or rivers
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及入河排污监测技术领域，公开了一种用于入河排污口监测的遥感影像数据处理方法及装置，该方法包括：获取目标河流的光谱图像；确定若干个河流污染段；根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个污染轨迹点的河流污染真实像素值，判断污染轨迹点是否具有入河排污口。本发明利用遥感影像数据中提取的光谱图像颜色像素值和河流净水量化像素值数据库中记录的河流不同位置的净水能力，通过剔除由于径流上端的污染源导致径流下端受到污染的影响，计算出河流中每个位置的河流污染真实像素值，以此判断河流第一个污染源之后是否还有其他污染源，提高监测准确率和监测效率的效果。
Description
技术领域
本发明涉及入河排污监测技术领域，尤其涉及到一种用于入河排污口监测的遥感影像数据处理方法及装置。
背景技术
河流是地球上最重要的水资源之一，也是人类生存和发展的基础。然而，随着人口增长和工业化进程的加快，河流面临着日益严重的污染问题，如有机物、重金属、营养盐、微生物等，这些污染物质不仅影响了河流的水质和生态功能，也威胁了人类的健康和安全。因此，及时、准确、有效地监测河流污染状况，是保护河流环境和实现可持续发展的重要任务。
目前，随着遥感技术的发展和应用，遥感技术已经成为一种新型的河流污染监测方法，相比于传统人工采样与分析的河流污染监测方法，具有耗时短、覆盖面积大、成本低、效率高等优势。
然而，在针对入河排污口监测时，会出现无法检测出目标河流全部排污口的情况；例如，通常利用遥感影像数据进行排污口检测时，采用基于遥感影像数据生成光谱图像，利用光谱图像中颜色变化最显著的位置来确定排污口，但在目标河流沿径流具有多个排污口时，位于径流下端的排污口的光谱图像的颜色值会受到上端的排污口的影响，同时，不同地区和环境的河流净水能力不同也会导致对下端的排污口判断受影响，若下端恰好存在具有小排量的排污口，将会直接导致无法监测到目标河流中的全部排污口，需要在查处关闭上端的排污口后再重新进行河流排污口的检测，提升了监测工作量，极大降低了工作效率。
因此，如何提供一种能够同时监测目标河流中的多个排污口，提高监测准确率和监测效率，是一个亟需解决的问题。
发明内容
本发明的主要目的在于提供一种用于入河排污口监测的遥感影像数据处理方法及装置，旨在解决目前入河排污口无法同时监测目标河流中的多个排污口，导致入河排污口监测准确率和监测效率不高的技术问题。
为实现上述目的，本发明提供一种用于入河排污口监测的遥感影像数据处理方法，所述方法包括以下步骤：
获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
基于所述光谱图像，确定目标河流的若干个河流污染段；
提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
可选的，获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像步骤，具体包括：
获取目标河流在监测区域中的径流轨迹信息，根据所述径流轨迹信息，驱动无人机沿目标河流执行遥感影像数据的采集动作；
基于采集的所述遥感影像数据，进行关于目标水质参数的反演，获得目标河流的光谱图像。
可选的，基于所述光谱图像，确定目标河流的若干个河流污染段步骤，具体包括：
基于所述光谱图像，确定目标河流沿径流方向的若干个径流轨迹点对应的光谱图像颜色像素值；
根据河流污染像素值阈值，从若干个径流轨迹点中提取出污染轨迹点；其中，所述污染轨迹点为光谱图像颜色像素值大于河流污染像素值阈值的径流轨迹点；
将每连续的若干个所述污染轨迹点对应的河流段，确定为目标河流的河流污染段。
可选的，调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值步骤之前，所述方法还包括：
获取若干组河流净水数据；其中，每组河流净水数据包括标准河流的若干个河流净水因子以及在所述若干个河流净水因子下标准河流单位距离的目标水质参数变化量；
根据若干组河流净水数据，确定每种河流净水因子的影响权重；
基于所述每种河流净水因子的影响权重，构建目标河流的河流净水量化像素值数据库。
可选的，获取若干组河流净水数据步骤，具体包括：
在具有若干个河流净水因子的标准河流执行若干次河流净水量化实验；其中，所述若干次河流净水量化实验包括在标准河流执行的目标水质参数对应污染物的投放动作、每隔单位距离的目标水质参数的检测动作以及标准河流的每个单位距离范围内的若干个河流净水因子的采集动作；
将每隔单位距离检测的目标水质参数和对应单位距离范围内采集的若干个河流净水因子，确定为一组河流净水数据；其中，所述目标水质参数变化量为相邻两次检测动作获取的目标水质参数之差。
可选的，根据若干组河流净水数据，确定每种河流净水因子的影响权重步骤，具体包括：
根据若干组河流净水数据中的若干个河流净水因子和目标水质参数变化量，建立若干个河流净水量化关系式；其中，所述河流净水量化关系式为每个河流净水因子与对应未知影响权重的加权和关于目标水质参数变化量的等价关系式；
利用若干个河流净水量化关系式进行未知影响权重的联合求解，获得每种河流净水因子的影响权重。
可选的，基于所述每种河流净水因子的影响权重，构建目标河流的河流净水量化像素值数据库步骤，具体包括：
获取目标河流的河流净水因子数据库；其中，所述河流净水因子数据库包括预先采集并存储的所述目标河流中每相邻两个径流轨迹点之间范围内的河流净水因子的参数；
基于所述每种河流净水因子的影响权重，调用所述河流净水因子数据库中每相邻两个径流轨迹点之间范围内的河流净水因子的参数，确定目标河流中每相邻两个径流轨迹点的目标水质参数变化量；
根据目标河流中每相邻两个径流轨迹点的目标水质参数变化量，确定每相邻两个径流轨迹点的河流净水量化像素值，构建目标河流的河流净水量化像素值数据库。
可选的，调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值步骤，具体包括：
根据从若干个径流轨迹点中提取出的污染轨迹点，调用河流净水量像素值数据库；
在所述河流净水量像素值数据库中匹配每相邻两个污染轨迹点之间的河流净水量化像素值。
可选的，根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值步骤，具体包括：
根据每个河流污染段中的第一个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，确定每个河流污染段中由第一个污染轨迹点作为入河排污口造成的第一个污染轨迹点之后的其余污染轨迹点的河流污染影响像素值；其中，第一个其余污染轨迹点的河流污染影响像素值为第一个污染轨迹点减去相邻两个污染轨迹点之间的河流净水量化像素值的像素值；第一个其余污染轨迹点之后的其余污染轨迹点的河流污染影响像素值为前一个污染轨迹点的河流污染影响像素值减去相邻两个污染轨迹点之间的河流净水量化像素值得到的像素值；
基于每个河流污染段中的第一个污染轨迹点之后的其余污染轨迹点的光谱图像颜色像素值和对应的河流污染影响像素值，确定每个河流污染段中第一个污染轨迹点之后的其余污染轨迹点的河流污染真实像素值；其中，每个河流污染段中第一个污染轨迹点之后的其余污染轨迹点的河流污染真实像素值为其对应的光谱图像颜色像素值减去河流污染影响像素值得到的像素值。
此外，为了实现上述目的，本发明还提供了一种用于入河排污口监测的遥感影像数据处理装置，包括：
获取模块，用于获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
确定模块，用于基于所述光谱图像，确定目标河流的若干个河流污染段；
提取模块，用于提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
调用模块，用于调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
获得模块，用于根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
判断模块，用于判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
此外，为了实现上述目的，本发明还提供了一种用于入河排污口监测的遥感影像数据处理设备，所述用于入河排污口监测的遥感影像数据处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用于入河排污口监测的遥感影像数据处理程序，所述用于入河排污口监测的遥感影像数据处理程序被所述处理器执行时实现如上所述的用于入河排污口监测的遥感影像数据处理方法的步骤。
此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有用于入河排污口监测的遥感影像数据处理程序，所述用于入河排污口监测的遥感影像数据处理程序被处理器执行时实现上述的用于入河排污口监测的遥感影像数据处理方法的步骤。
本发明的有益效果在于：提出了一种用于入河排污口监测的遥感影像数据处理方法及装置，通过预先构建能够表征河流净化能力的河流净水量化像素值数据库，利用遥感影像数据中提取的光谱图像颜色像素值和河流净水量化像素值数据库中记录的河流不同位置的净水能力，通过考虑河流的净水能力，剔除由于径流上端的污染源导致径流下端受到污染的影响，计算出河流中每个位置的河流污染真实像素值，以此判断河流第一个污染源之后是否还有其他污染源，由此，实现同时监测目标河流中的多个排污口，提高监测准确率和监测效率的效果。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明用于入河排污口监测的遥感影像数据处理方法实施例的流程示意图；
图3为本发明中利用标准河流执行净水因子权重值计算的示意图；
图4为本发明实施例中一种用于入河排污口监测的遥感影像数据处理装置的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
如图1所示，该装置可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的装置的结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及用于入河排污口监测的遥感影像数据处理程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的用于入河排污口监测的遥感影像数据处理程序，并执行以下操作：
获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
基于所述光谱图像，确定目标河流的若干个河流污染段；
提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
本发明应用于装置的具体实施例与下述应用用于入河排污口监测的遥感影像数据处理方法的各实施例基本相同，在此不作赘述。
本发明实施例提供了一种用于入河排污口监测的遥感影像数据处理方法，参照图2，图2为本发明用于入河排污口监测的遥感影像数据处理方法实施例的流程示意图。
本实施例中，所述用于入河排污口监测的遥感影像数据处理方法，包括以下步骤：
S100：获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
S200：基于所述光谱图像，确定目标河流的若干个河流污染段；
S300：提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
S400：调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
S500：根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
S600：判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
需要说明的是，目前，在采用遥感技术针对入河排污口进行监测时，会出现无法检测出目标河流全部排污口的情况；例如，通常利用遥感影像数据进行排污口检测时，采用基于遥感影像数据生成光谱图像，利用光谱图像中颜色变化最显著的位置来确定排污口，但在目标河流沿径流具有多个排污口时，位于径流下端的排污口的光谱图像的颜色值会受到上端的排污口的影响，同时，不同地区和环境的河流净水能力不同也会导致对下端的排污口判断受影响，若下端恰好存在具有小排量的排污口，将会直接导致无法监测到目标河流中的全部排污口，需要在查处关闭上端的排污口后再重新进行河流排污口的检测，提升了监测工作量，极大降低了工作效率。
由此，本实施率考虑径流上端的排污口对径流下端的排污口在河流污染监测数据中的影响（即，在径流下端检测到光谱图像颜色像素值超过河流污染像素值阈值，无法判断是由于径流上端的排污口所排出的污水被冲到径流下端导致的，还是由于径流下端具有新的排污口所排出的污水导致的），同时考虑河流在不同位置具有的净水能力对河流污染监测数据的影响（即，径流下端检测到的光谱图像颜色像素值小于径流上端检测到的光谱图像颜色像素值的差值，无法判断该差值是仅由河流自身净水能力导致，还是经过河流自身净水之后还经过了新的排污口所排出的污水综合导致），提出了一种能够通过衡量河流自身净水能力，将径流上端的排污口所排出的污水对径流下端的污染进行量化，通过利用检测的径流下端的光谱图像颜色像素值减去径流上端对其造成污染影响的颜色像素值，以此计算获得径流下端的真实像素值，利用该真实像素值进行入河排污口判断，具有较高的入河排污口监测效率与准确性，能够判断河流第一个污染源之后是否还有其他污染源，由此，实现同时监测目标河流中的多个排污口。
在优选的实施例中，获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像步骤，具体包括：获取目标河流在监测区域中的径流轨迹信息，根据所述径流轨迹信息，驱动无人机沿目标河流执行遥感影像数据的采集动作；基于采集的所述遥感影像数据，进行关于目标水质参数的反演，获得目标河流的光谱图像。
需要说明的是，本实施例采用的遥感影像数据可采用无人机沿目标河流执行飞行和遥感影像采集等动作获得，进而在获得的遥感影像数据中，通过进行目标水质参数的反演，获得目标河流的光谱图像。在实际应用中，目标水质参数包括总磷（Total phosphorus，TP）含量，总氮（Total Nitrogen，TN）含量，高锰酸钾指数（CODMn），化学需氧量（ChemicalOxygen Demand，COD），氨氮（NH3-N）含量或pH值中的一种或多种。需要说明的是，本实施例利用遥感影像数据进行水质参数的反演获得光谱图像，采用的是比较成熟的现有技术（例如，基于经验模型或基于实测值模型的反演方法、基于深度学习的反演方法等），本申请所要保护的核心并不在于此，此处不再赘述。
在优选的实施例中，基于所述光谱图像，确定目标河流的若干个河流污染段步骤，具体包括：基于所述光谱图像，确定目标河流沿径流方向的若干个径流轨迹点对应的光谱图像颜色像素值；根据河流污染像素值阈值，从若干个径流轨迹点中提取出污染轨迹点；其中，所述污染轨迹点为光谱图像颜色像素值大于河流污染像素值阈值的径流轨迹点；将每连续的若干个所述污染轨迹点对应的河流段，确定为目标河流的河流污染段。
本实施例中，在获得整个目标河流的光谱图像后，通过判断光谱图像颜色像素值与河流污染像素值阈值的大小关系，从目标河流中的径流轨迹点提取出污染轨迹点。例如在生成的光谱图像中，图像区域中越“红”的位置表明该位置目标水质参数的值更高、污染更重，图像区域中越“绿”的位置表明该位置目标水质参数的值更低、污染更轻，在该情况下判断目标河流中的径流轨迹点是否为污染轨迹点，可提取每个位置RGB颜色值中的R值，当该R值超过一定数值时，则认为该位置的径流轨迹点为污染轨迹点。由此，在得到连续的若干个污染轨迹点后，将连续的若干个所述污染轨迹点对应的河流段，确定为目标河流的河流污染段，此时表明，该河流污染段中至少起始位置（即第一个污染轨迹点位置）具有入河排污口，至于该河流污染段起始位置之后是否还有其他入河排污口，现有技术无法准确判断与监测，而本实施例通过考虑河流的净水能力，剔除由于径流上端的污染源导致径流下端受到污染的影响，计算出河流中每个位置的河流污染真实像素值，以此判断河流第一个污染源之后是否还有其他污染源。
在优选的实施例中，调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值步骤之前，所述方法还包括：获取若干组河流净水数据；其中，每组河流净水数据包括标准河流的若干个河流净水因子以及在所述若干个河流净水因子下标准河流单位距离的目标水质参数变化量；根据若干组河流净水数据，确定每种河流净水因子的影响权重；基于所述每种河流净水因子的影响权重，构建目标河流的河流净水量化像素值数据库。
（1）其中，获取若干组河流净水数据步骤，具体包括：在具有若干个河流净水因子的标准河流执行若干次河流净水量化实验；其中，所述若干次河流净水量化实验包括在标准河流执行的目标水质参数对应污染物的投放动作、每隔单位距离的目标水质参数的检测动作以及标准河流的每个单位距离范围内的若干个河流净水因子的采集动作；将每隔单位距离检测的目标水质参数和对应单位距离范围内采集的若干个河流净水因子，确定为一组河流净水数据；其中，所述目标水质参数变化量为相邻两次检测动作获取的目标水质参数之差。
（2）其中，根据若干组河流净水数据，确定每种河流净水因子的影响权重步骤，具体包括：根据若干组河流净水数据中的若干个河流净水因子和目标水质参数变化量，建立若干个河流净水量化关系式；其中，所述河流净水量化关系式为每个河流净水因子与对应未知影响权重的加权和关于目标水质参数变化量的等价关系式；利用若干个河流净水量化关系式进行未知影响权重的联合求解，获得每种河流净水因子的影响权重。
（3）其中，基于所述每种河流净水因子的影响权重，构建目标河流的河流净水量化像素值数据库步骤，具体包括：获取目标河流的河流净水因子数据库；其中，所述河流净水因子数据库包括预先采集并存储的所述目标河流中每相邻两个径流轨迹点之间范围内的河流净水因子的参数；基于所述每种河流净水因子的影响权重，调用所述河流净水因子数据库中每相邻两个径流轨迹点之间范围内的河流净水因子的参数，确定目标河流中每相邻两个径流轨迹点的目标水质参数变化量；根据目标河流中每相邻两个径流轨迹点的目标水质参数变化量，确定每相邻两个径流轨迹点的河流净水量化像素值，构建目标河流的河流净水量化像素值数据库。
本实施例中，在获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值之前，首先需要完成河流净水量化像素值数据库的构建。对于该构建过程，如图3所示，具体通过在标准河流执行污染物投放与每隔单位距离的目标水质检测和每个单位距离范围内若干个河流净水因子的采集来获得；具体而言，标准河流为没有排污口、目标水质参数正常且具有每一种河流净水因子的河流，通过进行污染物投放、目标水质检测以及河流净水因子的采集，获得目标水质参数受每种河流净水因子影响带来的净水能力权重。在实际应用中，河流净水因子包括河流流速、河流流量、河流含沙量、河流微生物数量等等。通过采集的若干组河流净水数据中的若干个河流净水因子和目标水质参数变化量，建立若干个河流净水量化关系式（该关系式通常定义为一个每种河流净水因子的参数与对应权重未知量的加权和等价于目标水质参数变化量的多元一次方程），再通过若干组数据对应的河流净水量化关系式进行联合求解，获得每种河流净水因子对应的权重值。例如，当仅考虑河流流速、河流流量、河流含沙量、河流微生物数量4个河流净水因子时，采集获得的河流净水因子包括：标准河流每隔单位距离的多组河流净水因子的参数，每组河流净水因子的参数中包括一个河流流速数据Vi、一个河流流量数据Qi、一个河流含沙量数据CSi以及一个河流微生物数量数据CFUi；获取标准河流中每组的目标水质参数变化量△i。在该场景下计算每种河流净水因子的影响权重时，首先，获取四组河流净水因子的参数，建立每组河流净水因子的参数与对应权重未知量的加权和等价于目标水质参数变化量的多元一次方程：Vi×W1+Qi×W2+CSi×W3+CFUi×W4=△i；（i=1,2,3,4）将四组河流净水因子的参数与每组对应的目标水质参数变化量带入该方程进行联合求解，即可计算出每种河流净水因子对应的权重值。
在此之后，通过获取目标河流中每相邻两个径流轨迹点之间范围内的河流净水因子的参数（在实际应用中，可以在两个径流轨迹点之间设置多个检测点，将多个监测点的平均值作为相邻两个径流轨迹点之间范围内的参数），利用求取的每种河流净水因子对应的权重值与实际采集到的河流净水因子参数，计算获得每相邻两个径流轨迹点之间范围内净水能力值，即河流净水量化像素值，由此，构建目标河流的河流净水量化像素值数据库。
在优选的实施例中，调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值步骤，具体包括：根据从若干个径流轨迹点中提取出的污染轨迹点，调用河流净水量像素值数据库；在所述河流净水量像素值数据库中匹配每相邻两个污染轨迹点之间的河流净水量化像素值。
在此基础上，根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值步骤，具体包括：根据每个河流污染段中的第一个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，确定每个河流污染段中由第一个污染轨迹点作为入河排污口造成的第一个污染轨迹点之后的其余污染轨迹点的河流污染影响像素值；其中，第一个其余污染轨迹点的河流污染影响像素值为第一个污染轨迹点减去相邻两个污染轨迹点之间的河流净水量化像素值的像素值；第一个其余污染轨迹点之后的其余污染轨迹点的河流污染影响像素值为前一个污染轨迹点的河流污染影响像素值减去相邻两个污染轨迹点之间的河流净水量化像素值得到的像素值；基于每个河流污染段中的第一个污染轨迹点之后的其余污染轨迹点的光谱图像颜色像素值和对应的河流污染影响像素值，确定每个河流污染段中第一个污染轨迹点之后的其余污染轨迹点的河流污染真实像素值；其中，每个河流污染段中第一个污染轨迹点之后的其余污染轨迹点的河流污染真实像素值为其对应的光谱图像颜色像素值减去河流污染影响像素值得到的像素值。
本实施例中，在获得目标河流的河流净水量化像素值数据库后，通过查询该河流净水量化像素值数据库，可以获得每相邻两个污染轨迹点之间的河流净水量化像素值，需要说明的是，该河流净水量化像素值表征的是上一污染轨迹点的污染水流经到下一污染轨迹点时被河流净化的量化值。由此，在具有每相邻两个污染轨迹点之间的河流净水量化像素值之后，只需要获取到第一个污染轨迹点的光谱图像颜色像素值，即可计算到该河流污染段中后续每个污染轨迹点由于受到第一个污染轨迹点所排放的污水以及过程中河流自身净化的影响之后的河流污染影响像素值；在此之后，通过利用无人机采集的每个污染轨迹点的光谱图像颜色像素值减去该河流污染影响像素值，即可获得每个污染轨迹点最真实的限速值，即河流污染真实像素值；若第二个污染轨迹点与第一个污染轨迹点之间没有新的排污口，此时表征的是河流污染真实像素值为0或接近于0的一个小数值；若第二个污染轨迹点与第一个污染轨迹点之间有新的排污口，此时表征的是河流污染真实像素值为大于0的一个大数值；本实施例通过设置河流污染像素值阈值来进行最终的判断，若河流污染真实像素值超过河流污染像素值阈值，则认为该河流污染段中具有除第一个污染轨迹点对应入河排污口之外的其他入河排污口，由此实现目标河流中的多个排污口的同时监测。
在本实施例中，提供了一种用于入河排污口监测的遥感影像数据处理方法，通过预先构建能够表征河流净化能力的河流净水量化像素值数据库，利用遥感影像数据中提取的光谱图像颜色像素值和河流净水量化像素值数据库中记录的河流不同位置的净水能力，通过考虑河流的净水能力，剔除由于径流上端的污染源导致径流下端受到污染的影响，计算出河流中每个位置的河流污染真实像素值，以此判断河流第一个污染源之后是否还有其他污染源，由此，实现同时监测目标河流中的多个排污口，提高监测准确率和监测效率的效果。
参照图4，图4为本发明用于入河排污口监测的遥感影像数据处理装置实施例的结构框图。
如图4所示，本发明实施例提出的用于入河排污口监测的遥感影像数据处理装置包括：
获取模块10，用于获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
确定模块20，用于基于所述光谱图像，确定目标河流的若干个河流污染段；
提取模块30，用于提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
调用模块40，用于调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
获得模块50，用于根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
判断模块60，用于判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
本发明用于入河排污口监测的遥感影像数据处理装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
此外，本发明还提出一种用于入河排污口监测的遥感影像数据处理设备，所述用于入河排污口监测的遥感影像数据处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用于入河排污口监测的遥感影像数据处理程序，所述用于入河排污口监测的遥感影像数据处理程序被所述处理器执行时实现如上所述的用于入河排污口监测的遥感影像数据处理方法的步骤。
本申请用于入河排污口监测的遥感影像数据处理设备的具体实施方式与上述用于入河排污口监测的遥感影像数据处理方法各实施例基本相同，在此不再赘述。
此外，本发明还提出一种可读存储介质，所述可读存储介质包括计算机可读存储介质，其上存储有用于入河排污口监测的遥感影像数据处理程序。所述可读存储介质可以是图1的终端中的存储器1005，也可以是如ROM(Read-Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘中的至少一种，所述可读存储介质包括若干指令用以使得一台具有处理器的用于入河排污口监测的遥感影像数据处理设备执行本发明各个实施例所述的用于入河排污口监测的遥感影像数据处理方法。
本申请可读存储介质中的具体实施方式与上述用于入河排污口监测的遥感影像数据处理方法各实施例基本相同，在此不再赘述。
可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”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。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种用于入河排污口监测的遥感影像数据处理方法，其特征在于，所述方法包括以下步骤：
获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
基于所述光谱图像，确定目标河流的若干个河流污染段；
提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
2.如权利要求1所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像步骤，具体包括：
获取目标河流在监测区域中的径流轨迹信息，根据所述径流轨迹信息，驱动无人机沿目标河流执行遥感影像数据的采集动作；
基于采集的所述遥感影像数据，进行关于目标水质参数的反演，获得目标河流的光谱图像。
3.如权利要求1所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，基于所述光谱图像，确定目标河流的若干个河流污染段步骤，具体包括：
基于所述光谱图像，确定目标河流沿径流方向的若干个径流轨迹点对应的光谱图像颜色像素值；
根据河流污染像素值阈值，从若干个径流轨迹点中提取出污染轨迹点；其中，所述污染轨迹点为光谱图像颜色像素值大于河流污染像素值阈值的径流轨迹点；
将每连续的若干个所述污染轨迹点对应的河流段，确定为目标河流的河流污染段。
4.如权利要求3所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值步骤之前，所述方法还包括：
获取若干组河流净水数据；其中，每组河流净水数据包括标准河流的若干个河流净水因子以及在所述若干个河流净水因子下标准河流单位距离的目标水质参数变化量；
根据若干组河流净水数据，确定每种河流净水因子的影响权重；
基于所述每种河流净水因子的影响权重，构建目标河流的河流净水量化像素值数据库。
5.如权利要求4所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，获取若干组河流净水数据步骤，具体包括：
在具有若干个河流净水因子的标准河流执行若干次河流净水量化实验；其中，所述若干次河流净水量化实验包括在标准河流执行的目标水质参数对应污染物的投放动作、每隔单位距离的目标水质参数的检测动作以及标准河流的每个单位距离范围内的若干个河流净水因子的采集动作；
将每隔单位距离检测的目标水质参数和对应单位距离范围内采集的若干个河流净水因子，确定为一组河流净水数据；其中，所述目标水质参数变化量为相邻两次检测动作获取的目标水质参数之差。
6.如权利要求5所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，根据若干组河流净水数据，确定每种河流净水因子的影响权重步骤，具体包括：
根据若干组河流净水数据中的若干个河流净水因子和目标水质参数变化量，建立若干个河流净水量化关系式；其中，所述河流净水量化关系式为每个河流净水因子与对应未知影响权重的加权和关于目标水质参数变化量的等价关系式；
利用若干个河流净水量化关系式进行未知影响权重的联合求解，获得每种河流净水因子的影响权重。
7.如权利要求6所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，基于所述每种河流净水因子的影响权重，构建目标河流的河流净水量化像素值数据库步骤，具体包括：
获取目标河流的河流净水因子数据库；其中，所述河流净水因子数据库包括预先采集并存储的所述目标河流中每相邻两个径流轨迹点之间范围内的河流净水因子的参数；
基于所述每种河流净水因子的影响权重，调用所述河流净水因子数据库中每相邻两个径流轨迹点之间范围内的河流净水因子的参数，确定目标河流中每相邻两个径流轨迹点的目标水质参数变化量；
根据目标河流中每相邻两个径流轨迹点的目标水质参数变化量，确定每相邻两个径流轨迹点的河流净水量化像素值，构建目标河流的河流净水量化像素值数据库。
8.如权利要求7所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值步骤，具体包括：
根据从若干个径流轨迹点中提取出的污染轨迹点，调用河流净水量像素值数据库；
在所述河流净水量像素值数据库中匹配每相邻两个污染轨迹点之间的河流净水量化像素值。
9.如权利要求8所述的用于入河排污口监测的遥感影像数据处理方法，其特征在于，根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值步骤，具体包括：
根据每个河流污染段中的第一个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，确定每个河流污染段中由第一个污染轨迹点作为入河排污口造成的第一个污染轨迹点之后的其余污染轨迹点的河流污染影响像素值；其中，第一个其余污染轨迹点的河流污染影响像素值为第一个污染轨迹点减去相邻两个污染轨迹点之间的河流净水量化像素值的像素值；第一个其余污染轨迹点之后的其余污染轨迹点的河流污染影响像素值为前一个污染轨迹点的河流污染影响像素值减去相邻两个污染轨迹点之间的河流净水量化像素值得到的像素值；
基于每个河流污染段中的第一个污染轨迹点之后的其余污染轨迹点的光谱图像颜色像素值和对应的河流污染影响像素值，确定每个河流污染段中第一个污染轨迹点之后的其余污染轨迹点的河流污染真实像素值；其中，每个河流污染段中第一个污染轨迹点之后的其余污染轨迹点的河流污染真实像素值为其对应的光谱图像颜色像素值减去河流污染影响像素值得到的像素值。
10.一种用于入河排污口监测的遥感影像数据处理装置，其特征在于，包括：
获取模块，用于获取目标河流的遥感影像数据，根据所述遥感影像数据，提取所述目标河流的光谱图像；
确定模块，用于基于所述光谱图像，确定目标河流的若干个河流污染段；
提取模块，用于提取每个河流污染段沿径流方向的光谱图像颜色像素值集合；其中，所述光谱图像颜色像素值集合包括若干个污染轨迹点的光谱图像颜色像素值；
调用模块，用于调用河流净水量化像素值数据库，获取每个河流污染段中每相邻两个污染轨迹点之间的河流净水量化像素值；
获得模块，用于根据每个污染轨迹点的光谱图像颜色像素值和每相邻两个污染轨迹点之间的河流净水量化像素值，获得每个河流污染段中每个污染轨迹点的河流污染真实像素值；
判断模块，用于判断所述河流污染真实像素值是否超过河流污染像素值阈值，若是，判定所述河流污染真实像素对应的污染轨迹点具有入河排污口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311767480.XA CN117437553B (zh) | 2023-12-21 | 2023-12-21 | 一种用于入河排污口监测的遥感影像数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311767480.XA CN117437553B (zh) | 2023-12-21 | 2023-12-21 | 一种用于入河排污口监测的遥感影像数据处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117437553A true CN117437553A (zh) | 2024-01-23 |
| CN117437553B CN117437553B (zh) | 2024-02-23 |
Family
ID=89550209
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311767480.XA Active CN117437553B (zh) | 2023-12-21 | 2023-12-21 | 一种用于入河排污口监测的遥感影像数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117437553B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014009720A1 (en) * | 2012-07-10 | 2014-01-16 | Trw Limited | Remote sensing device and monitoring apparatus |
| CN106950197A (zh) * | 2017-03-03 | 2017-07-14 | 环境保护部卫星环境应用中心 | 排污口污染水体的遥感提取方法、装置和系统 |
| CN108195775A (zh) * | 2017-12-25 | 2018-06-22 | 环境保护部卫星环境应用中心 | 基于遥感影像的湖库指示性水质监测站点确认方法和装置 |
| CN113177183A (zh) * | 2021-06-29 | 2021-07-27 | 广东海洋大学 | 一种基于海洋遥感图像的海水污染监测预警方法及系统 |
| CN113409336A (zh) * | 2021-06-23 | 2021-09-17 | 生态环境部卫星环境应用中心 | 提取河流干涸断流区域及频率的方法、装置、介质和设备 |
| CN113469127A (zh) * | 2021-07-23 | 2021-10-01 | 平安国际智慧城市科技股份有限公司 | 河流敏感性等级划分方法、装置、设备及存储介质 |
| CN114663783A (zh) * | 2022-05-23 | 2022-06-24 | 自然资源部第二海洋研究所 | 一种基于机器学习的入海河流水体污染遥感识别方法 |
| KR20220122381A (ko) * | 2021-02-26 | 2022-09-02 | 창원대학교 산학협력단 | 드론을 이용한 수질현황 모니터링 방법 및 시스템 |
| CN116026767A (zh) * | 2022-12-19 | 2023-04-28 | 墣锦环境工程（海南）有限公司 | 一种快速排查入河入海排污口位置的方法 |
| CN116539829A (zh) * | 2023-05-12 | 2023-08-04 | 上海航天动力科技工程有限公司 | 一种水质监测感知分析方法 |
| CN116642840A (zh) * | 2023-05-05 | 2023-08-25 | 珠江水利委员会珠江水利科学研究院 | 一种水体污染源无人机高光谱遥感排查方法 |
| CN117173580A (zh) * | 2023-11-03 | 2023-12-05 | 芯视界（北京）科技有限公司 | 水质参数的获取方法及装置、图像处理方法、介质 |
-
2023
- 2023-12-21 CN CN202311767480.XA patent/CN117437553B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014009720A1 (en) * | 2012-07-10 | 2014-01-16 | Trw Limited | Remote sensing device and monitoring apparatus |
| CN106950197A (zh) * | 2017-03-03 | 2017-07-14 | 环境保护部卫星环境应用中心 | 排污口污染水体的遥感提取方法、装置和系统 |
| CN108195775A (zh) * | 2017-12-25 | 2018-06-22 | 环境保护部卫星环境应用中心 | 基于遥感影像的湖库指示性水质监测站点确认方法和装置 |
| KR20220122381A (ko) * | 2021-02-26 | 2022-09-02 | 창원대학교 산학협력단 | 드론을 이용한 수질현황 모니터링 방법 및 시스템 |
| CN113409336A (zh) * | 2021-06-23 | 2021-09-17 | 生态环境部卫星环境应用中心 | 提取河流干涸断流区域及频率的方法、装置、介质和设备 |
| CN113177183A (zh) * | 2021-06-29 | 2021-07-27 | 广东海洋大学 | 一种基于海洋遥感图像的海水污染监测预警方法及系统 |
| CN113469127A (zh) * | 2021-07-23 | 2021-10-01 | 平安国际智慧城市科技股份有限公司 | 河流敏感性等级划分方法、装置、设备及存储介质 |
| CN114663783A (zh) * | 2022-05-23 | 2022-06-24 | 自然资源部第二海洋研究所 | 一种基于机器学习的入海河流水体污染遥感识别方法 |
| CN116026767A (zh) * | 2022-12-19 | 2023-04-28 | 墣锦环境工程（海南）有限公司 | 一种快速排查入河入海排污口位置的方法 |
| CN116642840A (zh) * | 2023-05-05 | 2023-08-25 | 珠江水利委员会珠江水利科学研究院 | 一种水体污染源无人机高光谱遥感排查方法 |
| CN116539829A (zh) * | 2023-05-12 | 2023-08-04 | 上海航天动力科技工程有限公司 | 一种水质监测感知分析方法 |
| CN117173580A (zh) * | 2023-11-03 | 2023-12-05 | 芯视界（北京）科技有限公司 | 水质参数的获取方法及装置、图像处理方法、介质 |
Non-Patent Citations (3)
| Title |
|---|
| ROBERT JACKISCH 等: "Drone-Borne Hyperspectral Monitoring of Acid Mine Drainage：An Example from the Sokolov Lignite District", 《REMOTE SENSING》, 2 March 2018 (2018-03-02), pages 1 - 23 * |
| 万余庆 等: "高光谱遥感技术在水环境监测中的应用研究", 《国土资源遥感》, no. 3, 15 September 2003 (2003-09-15), pages 10 - 14 * |
| 汪韬阳 等: "城市建筑群航天遥感动态监测", 《武汉大学学报· 信息科学版》, vol. 45, no. 5, 31 May 2020 (2020-05-31), pages 640 - 650 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117437553B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111861274A (zh) | 一种水环境风险预测预警方法 | |
| CN112883644B (zh) | 一种动态水环境管理方法 | |
| CN112001610A (zh) | 农业面源污染的处理方法及装置 | |
| CN106600509B (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
| CN110346518B (zh) | 一种交通排放污染可视化预警方法及其系统 | |
| NL2026696A (en) | Assessment method for gray water footprint of watersheds and formulation method for management strategies of water environment | |
| CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
| CN112711840B (zh) | 一种基于云边协同的流域突发水污染溯源方法 | |
| CN116340723B (zh) | 基于大数据的乡村水污染快速溯源方法及系统 | |
| CN107677614A (zh) | 一种水中重金属污染风险在线预警系统及方法 | |
| CN107945510A (zh) | 一种考虑交通需求和道路网络运行效率的路段检测方法 | |
| CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
| CN115327065A (zh) | 一种水利水电工程样本检测方法及系统 | |
| CN114169424A (zh) | 基于k近邻回归算法和用电数据的排污量预测方法 | |
| CN115859577A (zh) | 基于气象预报的水华预警方法、装置、介质及设备 | |
| CN116166669A (zh) | 水污染溯源方法、装置、设备及存储介质 | |
| CN115272826A (zh) | 一种基于卷积神经网络的图像识别方法、装置及系统 | |
| CN117437553B (zh) | 一种用于入河排污口监测的遥感影像数据处理方法及装置 | |
| CN116227362A (zh) | 一种基于图与深度学习的市政排水管网状态预测方法 | |
| CN114613128A (zh) | 一种基于数据分析的地铁防疫监控管理系统 | |
| CN207516235U (zh) | 一种水中重金属污染风险在线预警系统 | |
| RU2413220C1 (ru) | Способ экологического мониторинга опасных производственных объектов | |
| CN117171128A (zh) | 一种基于四水耦合模型的水生生物保护阈值识别方法 | |
| CN113065744A (zh) | 一种城市内河水环境承载力动态评估预警方法 | |
| CN108597224B (zh) | 一种基于时空轨迹数据的待改善交通设施识别方法及系统 |
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 |