CN117992801A - 一种通过卫星遥感技术的海域监测方法与系统 - Google Patents
一种通过卫星遥感技术的海域监测方法与系统 Download PDFInfo
- Publication number
- CN117992801A CN117992801A CN202410398348.4A CN202410398348A CN117992801A CN 117992801 A CN117992801 A CN 117992801A CN 202410398348 A CN202410398348 A CN 202410398348A CN 117992801 A CN117992801 A CN 117992801A
- Authority
- CN
- China
- Prior art keywords
- sea
- value
- historical
- sea surface
- real
- 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 93
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005516 engineering process Methods 0.000 title claims abstract description 42
- 229930002875 chlorophyll Natural products 0.000 claims abstract description 217
- 235000019804 chlorophyll Nutrition 0.000 claims abstract description 217
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims abstract description 217
- 238000004364 calculation method Methods 0.000 claims description 81
- 230000000694 effects Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 19
- 238000011835 investigation Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- 230000002354 daily effect Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 235000015097 nutrients Nutrition 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000003203 everyday effect Effects 0.000 claims description 9
- 238000013508 migration Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种通过卫星遥感技术的海域监测方法与系统,涉及海域监测领域。该基于卫星遥感技术的海域监测方法,通过获取包括海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据的海域历史数据以及包括海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值的海域实时数据,基于海域历史数据、海域实时数据分别计算海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海域状态阈值指标以及海域实时状态指标,本发明通过海域历史数据和实时数据的综合分析,能准确计算海域状态阈值和实时状态指标,实现对海域环境的精准监测,有助于提前预知可能发生的变化,为决策者提供及时而精准的信息。
Description
技术领域
本发明涉及海域监测领域,具体为一种通过卫星遥感技术的海域监测方法与系统。
背景技术
卫星遥感技术是一种通过在地球轨道上运行的卫星获取地球表面信息的先进技术,这项技术利用卫星搭载的传感器,如光学、红外、微波等,对地球表面进行观测和测量,从而获取大范围、高分辨率、多波段的空间信息,随着时代的发展,卫星遥感技术逐渐应用在越来越多的领域当中,尤其是在海域监测领域,为海洋科学、资源管理、环境保护和安全防范提供了有效手段。
现有技术中,传统海域监测方法通常只能监测少数环境参数,从而难以全面监测海域,并且传统海域监测方法难以精细地监测海域内的变化,包括小范围的异常情况。
发明内容
针对现有技术的不足,本发明提供了一种通过卫星遥感技术的海域监测方法与系统,解决了传统海域监测方法通常只能监测少数环境参数,从而难以全面监测海域,并且传统海域监测方法难以精细地监测海域内的变化,包括小范围的异常情况的问题。
为实现以上目的,本发明通过以下技术方案予以实现:基于卫星遥感技术的海域监测方法,包括以下步骤:获取海域历史数据以及海域实时数据,所述海域历史数据包括海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据,所述海域实时数据包括海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值;基于海域历史数据计算海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值以及海域状态阈值指标;基于海域实时数据计算海域实时状态指标,并判断海域实时状态指标是否符合海域状态阈值指标;若是,则继续进行监测;若否,则将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施,将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施具体为:读取实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值、海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值;分别判断实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值的差异;若实时叶绿素浓度值高于叶绿素浓度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;若实时叶绿素浓度值低于叶绿素浓度低阈值,则向系统发送调查指令,所述调查指令具体为使工作人员去对海域进行水质调查,以确定缺乏的养分类型,并对海域进行养分补给;若实时海表温度值高于海表温度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;若实时海表温度值低于海表温度低阈值,则向系统发送第一监测指令,所述第一监测指令具体为使工作人员去对海域内的生物的迁移情况进行调查,并同时调整捕捞策略;若实时海表高度值高于海表高度高阈值,则向系统发送第一预警指令,所述第一预警指令具体为使工作人员去对海域内的存在的船只发送风暴潮预警,并提醒船只采取避难措施;若实时海表高度值低于海表高度低阈值,则向系统发送第二监测指令,所述第二监测指令具体为使工作人员监测海域内的潮汐变化,确保导航的可行性,防范低潮对船只和航运的潜在影响;若实时海表风速值高于海表风速高阈值,则向系统发送第二预警指令,所述第二预警指令具体为使工作人员去对海域内的存在的船只发送风暴警报,并提醒船只回港避风;若实时海表风速值低于海表风速低阈值,则向系统发送提醒指令,所述提醒指令具体为使工作人员去提醒海域内的存在的船只小心低风速对导航和控制造成的影响。
进一步地,计算海域状态阈值指标以及海域实时状态指标的公式如下:;其中,/>为海域状态阈值指标,/>为由海域的历史叶绿素浓度数据计算得出的历史叶绿素浓度均值,/>为由海域的历史海表温度数据计算得出的历史海表温度均值,/>为由海域的历史海表高度数据计算得出的历史海表高度均值,/>为由海域的历史海表风速数据计算得出的历史海表风速均值,/>为/>的权重值、/>为/>的权重值、/>为/>的权重值、/>为/>的权重值,/>为海域实时状态指标,/>为实时叶绿素浓度值,/>为实时海表温度值,/>为实时海表高度值,/>为实时海表风速值,/>为/>的权重值,/>为/>的权重值,/>为/>的权重值,/>为/>的权重值。
进一步地,计算海域状态阈值指标以及海域实时状态指标的逻辑分别如下:读取海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据并分别计算得出历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值;将历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值进行求和计算,得到历史和值;读取历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值并分别与历史和值进行比值计算,并将比值结果作为权重值;基于历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值以及权重值进行加权计算,得到海域状态阈值指标;读取海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值并进行求和计算,得到实时和值;将海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与实时和值进行比值计算,并将比值结果作为权重值;基于海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值以及权重值进行加权计算,得到海域实时状态指标。
进一步地,海域的叶绿素浓度阈值包括叶绿素浓度高阈值以及叶绿素浓度低阈值,计算海域的叶绿素浓度高阈值、叶绿素浓度低阈值的具体过程如下:读取海域的历史叶绿素浓度数据并进行预处理;将预处理之后的海域的历史叶绿素浓度数据按照相同的时间间隔进行划分,获得历史每天的每个时间点的历史叶绿素浓度值;将历史每天的各时间点的历史叶绿素浓度值按照降序排列,获得历史每天的历史叶绿素浓度最大值与历史叶绿素浓度最小值;读取历史每天的历史叶绿素浓度最大值与历史叶绿素浓度最小值并分别结合调和均值法以及几何均值法进行综合计算,分别获得海域的叶绿素浓度高阈值、叶绿素浓度低阈值。
进一步地,海域的海表温度阈值包括海表温度高阈值以及海表温度低阈值,计算海域的海表温度高阈值、海表温度低阈值的具体过程如下:按照相同的时间间隔对海域的历史海表温度数据进行划分,获得历史每天的每个时间点的历史海表温度值;将历史每天的各时间点的历史海表温度值按照升序排列,获得历史每天的历史海表温度最大值;为历史每天的历史海表温度最大值分别赋予权重值;基于历史每天的历史海表温度最大值、权重值进行加权计算,得到海域的海表温度高阈值;选取排列队伍的中间值作为历史每天的历史海表温度中位值;读取历史每天的历史海表温度中位值、小于历史海表温度中位值的历史海表温度值进行综合计算,得到海域的海表温度低阈值;其中,计算海域的海表温度高阈值、海表温度低阈值的公式分别如下:;其中,为海表温度高阈值,/>为历史海表温度数据中第/>天的历史海表温度最大值,为历史海表温度数据中第/>天的历史海表温度最大值的权重值,/>为海表温度低阈值,/>为历史海表温度数据中第/>天的历史海表温度中位值,/>历史海表温度数据中第/>天中第/>个小于历史海表温度中位值的历史海表温度值,/>,/>为历史海表温度数据中划分的总天数,/>,/>为大于历史海表温度中位值的历史海表温度值的总个数。
进一步地,海域的海表高度阈值包括海表高度高阈值以及海表高度低阈值,计算海域的海表高度高阈值、海表高度低阈值的具体过程如下:读取海域的历史海表高度数据,并从海域的历史海表高度数据中随机挑选若干天的历史海表高度数据;按照相同的时间间隔对挑选的若干天的历史海表高度数据进行划分,获得历史每天的每个时间点的历史海表高度值;将历史每天的各时间点的历史海表高度值按照降序排列,获得历史每天的历史海表高度最大值与历史海表高度最小值;读取历史每天的历史海表高度最大值与历史海表高度最小值并分别结合几何均值法以及移动指数均值法进行综合计算,分别获得海域的海表高度高阈值、海表高度低阈值。
进一步地,海域的海表风速阈值包括海表风速高阈值以及海表风速低阈值,计算海域的海表风速高阈值、海表风速低阈值的具体过程如下:读取海域的历史海表风速数据并进行预处理;基于预处理之后的海域的历史海表风速数据,按照相同的时间间隔进行划分,获得历史每天的每个时间点的历史海表风速值;将历史每天的各时间点的历史海表风速值按照升序排列,获得历史每天的历史海表风速最大值;选取排列队伍的出现次数最多的历史海表风速值,作为历史每天的历史海表风速众数值;读取历史每天的历史海表风速众数值、大于历史海表风速众数值的历史海表风速值进行综合计算,得到海域的海表风速高阈值;基于历史每天的历史海表风速最小值进行均值计算,获得海域的海表风速低阈值。
进一步地,将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施具体为:读取实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值、海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值;分别判断实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值的差异;若实时叶绿素浓度值高于叶绿素浓度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;若实时叶绿素浓度值低于叶绿素浓度低阈值,则向系统发送调查指令,所述调查指令具体为使工作人员去对海域进行水质调查,以确定缺乏的养分类型,并对海域进行养分补给;若实时海表温度值高于海表温度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;若实时海表温度值低于海表温度低阈值,则向系统发送第一监测指令,所述第一监测指令具体为使工作人员去对海域内的生物的迁移情况进行调查,并同时调整捕捞策略;若实时海表高度值高于海表高度高阈值,则向系统发送第一预警指令,所述第一预警指令具体为使工作人员去对海域内的存在的船只发送风暴潮预警,并提醒船只采取避难措施;若实时海表高度值低于海表高度低阈值,则向系统发送第二监测指令,所述第二监测指令具体为使工作人员监测海域内的潮汐变化,确保导航的可行性,防范低潮对船只和航运的潜在影响;若实时海表风速值高于海表风速高阈值,则向系统发送第二预警指令,所述第二预警指令具体为使工作人员去对海域内的存在的船只发送风暴警报,并提醒船只回港避风;若实时海表风速值低于海表风速低阈值,则向系统发送提醒指令,所述提醒指令具体为使工作人员去提醒海域内的存在的船只小心低风速对导航和控制造成的影响。
基于卫星遥感技术的海域监测系统,包括:数据获取子系统、数据处理与计算子系统、状态判断子系统、控制与指令生成子系统、预警与控制生成模块、通信与反馈子系统;所述数据获取子系统,用于负责获取海域历史数据和海域实时数据;所述数据处理与计算子系统,用于对获取的海域历史数据和海域实时数据进行处理和计算,生成相应的阈值指标;所述状态判断子系统,用于判断海域的实时状态指标是否符合设定的阈值指标;所述控制与指令生成子系统,用于根据阈值比较的结果生成相应的控制指令;所述预警与控制生成模块,根据实时状态与阈值比较结果生成相应的控制指令;根据实时状态与阈值比较结果生成相应的控制指令具体为:读取实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值、海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值,分别判断实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值的差异,若实时叶绿素浓度值高于叶绿素浓度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动,若实时叶绿素浓度值低于叶绿素浓度低阈值,则向系统发送调查指令,所述调查指令具体为使工作人员去对海域进行水质调查,以确定缺乏的养分类型,并对海域进行养分补给,若实时海表温度值高于海表温度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动,若实时海表温度值低于海表温度低阈值,则向系统发送第一监测指令,所述第一监测指令具体为使工作人员去对海域内的生物的迁移情况进行调查,并同时调整捕捞策略,若实时海表高度值高于海表高度高阈值,则向系统发送第一预警指令,所述第一预警指令具体为使工作人员去对海域内的存在的船只发送风暴潮预警,并提醒船只采取避难措施,若实时海表高度值低于海表高度低阈值,则向系统发送第二监测指令,所述第二监测指令具体为使工作人员监测海域内的潮汐变化,确保导航的可行性,防范低潮对船只和航运的潜在影响,若实时海表风速值高于海表风速高阈值,则向系统发送第二预警指令,所述第二预警指令具体为使工作人员去对海域内的存在的船只发送风暴警报,并提醒船只回港避风,若实时海表风速值低于海表风速低阈值,则向系统发送提醒指令,所述提醒指令具体为使工作人员去提醒海域内的存在的船只小心低风速对导航和控制造成的影响所述通信与反馈子系统,用于负责与相关机构、船只等进行通信,提供监测结果和预警信息。
进一步地,所述数据处理与计算子系统包括:数据预处理模块、叶绿素浓度阈值计算模块、海表温度阈值计算模块、海表高度阈值计算模块、海表风速阈值计算模块、海域状态指标计算模块;所述数据预处理模块,用于对获取的海域历史数据进行清洗和处理;所述叶绿素浓度阈值计算模块,用于根据海域的历史叶绿素浓度数据计算叶绿素浓度高阈值、叶绿素浓度低阈值、历史叶绿素浓度均值;所述海表温度阈值计算模块,用于根据海域的历史海表温度数据计算海表温度高阈值、海表温度低阈值、历史海表温度均值;所述海表高度阈值计算模块,用于根据海域的历史海表高度数据计算海表高度高阈值、海表高度低阈值、历史海表高度均值;所述海表风速阈值计算模块,用于根据海域的历史海表风速数据计算海表风速高阈值、海表风速低阈值、历史海表风速均值;所述海域状态指标计算模块,用于根据历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值计算海域状态阈值指标,根据实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值计算海域实时状态指标。
本发明具有以下有益效果:
(1)、该基于卫星遥感技术的海域监测方法,通过历史数据和实时数据的综合分析,系统能够准确计算海域状态阈值和实时状态指标,实现对海域环境的精准监测和预测,有助于提前预知可能发生的变化,为决策者提供及时而精准的信息。
(2)、该基于卫星遥感技术的海域监测方法,通过基于卫星遥感技术获取的多维度海洋数据,结合阈值计算和实时状态监测,为管理者提供科学的数据支持,可用于优化渔业资源管理、提高航行安全性,并为制定合理的环境保护政策提供依据,从而在多个方面实现数据驱动的决策支持效果。
(3)、该基于卫星遥感技术的海域监测系统,通过数据处理与计算子系统的阈值计算模块,系统能够智能化地生成海域叶绿素浓度、海表温度、海表高度、海表风速等多维度阈值,从而有效支持决策者进行海域资源管理。
(4)、该基于卫星遥感技术的海域监测系统,通过通信与反馈子系统的预警与控制生成模块能够根据状态判断子系统的实时状态指标与阈值比较结果,及时生成预警信息和相应的控制指令,这使得系统能够在海域发生异常情况时,快速向相关机构、船只发送预警信息,支持实时应急响应,确保船只和渔业人员的安全。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明基于卫星遥感技术的海域监测方法流程图。
图2为本发明基于卫星遥感技术的海域监测方法中计算海域的叶绿素浓度高阈值、叶绿素浓度低阈值的具体步骤流程图。
图3为本发明基于卫星遥感技术的海域监测方法中计算海域的海表温度高阈值、海表温度低阈值的具体步骤流程图。
图4为本发明基于卫星遥感技术的海域监测方法中算海域的海表高度高阈值、海表高度低阈值的具体步骤流程图。
图5为本发明基于卫星遥感技术的海域监测方法中计算海域的海表风速高阈值、海表风速低阈值的具体步骤流程图。
图6为本发明基于卫星遥感技术的海域监测系统框图。
图7为本发明基于卫星遥感技术的海域监测系统中数据处理与计算子系统框图。
具体实施方式
本申请实施例通过一种通过卫星遥感技术的海域监测方法与系统,实现了解决传统海域监测方法通常只能监测少数环境参数,从而难以全面监测海域,并且传统海域监测方法难以精细地监测海域内的变化,包括小范围的异常情况的问题。
本申请实施例中的问题,总体思路如下:
首先获取海域的历史数据和实时数据,包括叶绿素浓度、海表温度、海表高度、海表风速等参数,通过卫星遥感、浮标、测站、水下观测设备、地面监测站等多种方式收集,然后基于历史数据,计算海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值,以及海域状态阈值指标,考虑历史数据的均值、中位值、众数等统计信息,然后基于实时数据,计算海域的实时状态指标,涵盖叶绿素浓度、海表温度、海表高度、海表风速等参数,然后判断实时状态指标是否符合海域状态阈值指标,若符合则继续监测,否则将实时数据与阈值进行比较,并根据比较结果采取相应措施。
请参阅图1,本发明实施例提供一种技术方案:基于卫星遥感技术的海域监测方法,包括以下步骤:通过MODIS卫星传感器提供的海洋监测数据,获取海域历史数据以及海域实时数据,所述海域历史数据包括海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据,所述海域实时数据包括海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值;基于海域历史数据计算海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值以及海域状态阈值指标;基于海域实时数据计算海域实时状态指标,并判断海域实时状态指标是否符合海域状态阈值指标;若是,则继续进行监测;若否,则将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施。
具体地,计算海域状态阈值指标以及海域实时状态指标的公式如下:;其中,/>为海域状态阈值指标,/>为由海域的历史叶绿素浓度数据计算得出的历史叶绿素浓度均值,/>为由海域的历史海表温度数据计算得出的历史海表温度均值,/>为由海域的历史海表高度数据计算得出的历史海表高度均值,/>为由海域的历史海表风速数据计算得出的历史海表风速均值,/>为/>的权重值、/>为/>的权重值、/>为/>的权重值、/>为/>的权重值,/>为海域实时状态指标,/>为实时叶绿素浓度值,/>为实时海表温度值,/>为实时海表高度值,/>为实时海表风速值,/>为/>的权重值,/>为/>的权重值,/>为/>的权重值,/>为/>的权重值。
计算海域状态阈值指标以及海域实时状态指标的逻辑分别如下:读取海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据并分别计算得出历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值;将历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值进行求和计算,得到历史和值;读取历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值并分别与历史和值进行比值计算,并将比值结果作为权重值;基于历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值以及权重值进行加权计算,得到海域状态阈值指标;读取海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值并进行求和计算,得到实时和值;将海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与实时和值进行比值计算,并将比值结果作为权重值;基于海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值以及权重值进行加权计算,得到海域实时状态指标。
本实施方案中,通过计算海域状态阈值指标和海域实时状态指标时引入了历史叶绿素浓度、历史海表温度、历史海表高度、历史海表风速等多个因素,并通过权重进行加权计算,这样的综合考虑使得监测系统更全面、更准确地反映了海域的状态,有助于提高监测的灵敏度和预测的准确性,通过计算历史和实时的均值、和值以及相应的权重,系统能够动态调整海域状态阈值指标,以适应海域环境的变化。
这种动态调整有助于确保阈值的实时性和灵活性,提高了系统的适应性,使其更好地适应不同季节、气象和生态条件下的海域状态变化,通过比较历史和实时的状态指标,系统能够在海域出现异常情况时提前发现问题。
例如,当实时叶绿素浓度值高于历史叶绿素浓度均值时,系统会生成限制指令,限制渔业活动,从而防范过高的叶绿素浓度对海洋生态的不良影响,这种预测性的监测与控制有助于防范可能出现的问题,减轻潜在的损害,系统根据实时状态指标与阈值比较结果生成相应的控制指令,有助于减少对决策者的依赖,实现自动化的监测和应急响应,这不仅提高了监测系统的效率,还减轻了决策者的工作负担,确保了更迅速和精确的响应。
具体地,如图2所示,海域的叶绿素浓度阈值包括叶绿素浓度高阈值以及叶绿素浓度低阈值,计算海域的叶绿素浓度高阈值、叶绿素浓度低阈值的具体过程如下:读取海域的历史叶绿素浓度数据并进行预处理;将预处理之后的海域的历史叶绿素浓度数据按照相同的时间间隔进行划分,获得历史每天的每个时间点的历史叶绿素浓度值;将历史每天的各时间点的历史叶绿素浓度值按照降序排列,获得历史每天的历史叶绿素浓度最大值与历史叶绿素浓度最小值;读取历史每天的历史叶绿素浓度最大值与历史叶绿素浓度最小值并分别结合调和均值法以及几何均值法进行综合计算,分别获得海域的叶绿素浓度高阈值、叶绿素浓度低阈值,其计算公式如下:;其中,/>为叶绿素浓度高阈值,/>为历史叶绿素浓度数据中第/>天的历史叶绿素浓度最大值,/>为叶绿素浓度低阈值,/>为历史叶绿素浓度数据中第/>天的历史叶绿素浓度最小值,,/>为历史叶绿素浓度数据中划分的总天数。
本实施方案中,通过对历史叶绿素浓度数据的详细处理,包括预处理、时间划分、排序等步骤,系统能够准确捕捉每天的叶绿素浓度最大值和最小值。
这种细致入微的处理有助于提供更加精准的叶绿素浓度高阈值和叶绿素浓度低阈值,从而更准确地反映海域叶绿素浓度的变化范围,通过按照相同时间间隔划分历史数据,系统能够考虑到不同时间点的叶绿素浓度情况,从而更好地反映海域的季节性或周期性变化,这有助于确保阈值的动态性,使其更好地适应不同时间段的海域叶绿素浓度波动,通过综合应用调和均值法和几何均值法,系统能够更全面地考虑历史数据中的最大值和最小值,避免了单一均值计算可能带来的偏差,这种综合计算提高了阈值计算的准确性和鲁棒性,有助于更好地捕捉叶绿素浓度的整体趋势,通过考虑总天数,系统可以更好地适应历史叶绿素浓度数据的不同时间跨度,这种灵活性使得计算方法更具实用性,可适用于不同时间范围内的海域监测,增加了系统的适应性。
具体地,如图3所示,海域的海表温度阈值包括海表温度高阈值以及海表温度低阈值,计算海域的海表温度高阈值、海表温度低阈值的具体过程如下:按照相同的时间间隔对海域的历史海表温度数据进行划分,获得历史每天的每个时间点的历史海表温度值;将历史每天的各时间点的历史海表温度值按照升序排列,获得历史每天的历史海表温度最大值;为历史每天的历史海表温度最大值分别赋予权重值;基于历史每天的历史海表温度最大值、权重值进行加权计算,得到海域的海表温度高阈值;选取排列队伍的中间值作为历史每天的历史海表温度中位值;读取历史每天的历史海表温度中位值、小于历史海表温度中位值的历史海表温度值进行综合计算,得到海域的海表温度低阈值;其中,计算海域的海表温度高阈值、海表温度低阈值的公式分别如下:;其中,/>为海表温度高阈值,/>为历史海表温度数据中第/>天的历史海表温度最大值,/>为历史海表温度数据中第/>天的历史海表温度最大值的权重值,/>为海表温度低阈值,/>为历史海表温度数据中第/>天的历史海表温度中位值,/>历史海表温度数据中第/>天中第/>个小于历史海表温度中位值的历史海表温度值,/>,/>为历史海表温度数据中划分的总天数,/>,/>为大于历史海表温度中位值的历史海表温度值的总个数。
本实施方案中,通过按照时间间隔对历史海表温度数据进行划分,系统能够准确捕捉每天的海表温度最大值,并为每个最大值分配相应的权重。
这种加权计算有助于更全面地考虑历史温度数据的变化趋势,提高了计算海表温度高阈值的准确性,选取历史每天的海表温度中位值作为海表温度低阈值,使得计算更具代表性,中位值对异常值不敏感,能够更好地反映历史海表温度的分布情况,增强了对海表温度低阈值的鲁棒性,通过综合计算海表温度低阈值,考虑了小于历史温度中位值的历史温度值,从而更全面地反映了历史海域温度的分布情况,这种综合计算有助于更好地理解历史温度的整体格局,提高了阈值计算的准确性,通过统计小于历史温度中位值的历史温度值的总个数,系统更好地适应了历史温度数据的特征。
这种灵活性使得计算方法更具通用性,适用于不同海域的监测需求,提高了系统的实用性。
具体地,如图4所示,海域的海表高度阈值包括海表高度高阈值以及海表高度低阈值,计算海域的海表高度高阈值、海表高度低阈值的具体过程如下:读取海域的历史海表高度数据,并从海域的历史海表高度数据中随机挑选若干天的历史海表高度数据;按照相同的时间间隔对挑选的若干天的历史海表高度数据进行划分,获得历史每天的每个时间点的历史海表高度值;将历史每天的各时间点的历史海表高度值按照降序排列,获得历史每天的历史海表高度最大值与历史海表高度最小值;读取历史每天的历史海表高度最大值与历史海表高度最小值并分别结合几何均值法以及移动指数均值法进行综合计算,分别获得海域的海表高度高阈值、海表高度低阈值,其计算公式如下:;其中,/>为海表高度高阈值,/>为历史海表高度数据中第/>天的历史海表高度最大值,/>为海表高度低阈值,/>为历史海表高度数据中第/>天的历史海表高度最小值,/>为历史海表高度数据中第/>天的历史海表高度最小值,/>、/>分别是/>、/>的比例系数,/>,/>为历史海表高度数据中随机挑选的总天数。
本实施方案中,通过随机挑选若干天的历史海表高度数据,系统能够更全面地考虑历史数据的变化情况,这有助于避免对于某个特定时期或事件的过度敏感,提高了计算的普适性和鲁棒性,将历史每天的各时间点的海表高度值按照降序排列,有助于准确捕捉历史海表高度的极端值,这种排序方式有助于更好地理解历史数据的分布情况,提高了计算结果的准确性,通过结合几何均值法和移动指数均值法进行综合计算,系统更全面地考虑了历史数据的整体趋势和波动性,这种综合计算方法使得海域的高阈值更贴近实际情况,提高了计算的准确性和稳定性,引入比例系数,系统能够更加灵活地调整随机挑选天数的影响程度,这有助于根据具体需求和数据特点来调整计算方法,增强了系统的适用性,通过这一计算过程,系统能够更全面地理解海表高度的历史分布情况和波动趋势。这有助于为监测系统提供更为精准的基础数据,为更有效地解决与海域环境变化相关的问题提供支持。
具体地,如图5所示,海域的海表风速阈值包括海表风速高阈值以及海表风速低阈值,计算海域的海表风速高阈值、海表风速低阈值的具体过程如下:读取海域的历史海表风速数据并进行预处理;基于预处理之后的海域的历史海表风速数据,按照相同的时间间隔进行划分,获得历史每天的每个时间点的历史海表风速值;将历史每天的各时间点的历史海表风速值按照升序排列,获得历史每天的历史海表风速最大值;选取排列队伍的出现次数最多的历史海表风速值,作为历史每天的历史海表风速众数值;读取历史每天的历史海表风速众数值、大于历史海表风速众数值的历史海表风速值进行综合计算,得到海域的海表风速高阈值;基于历史每天的历史海表风速最小值进行均值计算,获得海域的海表风速低阈值;其中,计算海域的海表风速低阈值、海表风速低阈值的公式分别如下:;其中,/>为海表风速低阈值,/>为历史海表风速数据中第/>天的历史海表风速最小值,/>为海表风速高阈值,/>为历史海表风速数据中第/>天的历史海表风速众数值,/>历史海表风速数据中第/>天中第个大于历史海表风速众数值的历史海表风速值,/>,/>为历史海表风速数据中划分的总天数,/>,/>为大于历史海表风速众数值的历史海表风速值的总个数。
本实施方案中,通过选取历史海表风速众数值,系统更好地反映了历史海域风速的主要分布趋势,这有助于减少对于个别异常值的敏感性,提高了计算结果的稳定性和可靠性,并且该步骤采用了综合计算方法,包括了历史海表风速众数值和历史海表风速众数值的综合考虑,这种方法能够更全面地捕捉历史风速的整体情况,使得计算结果更具代表性,提高了计算的准确性,通过基于历史每天的历史海表风速最小值进行均值计算,更好地考虑了风速的底线情况。
这有助于确保低阈值具有实际意义,对于监测系统更为实用和可靠,引入历史海表风速最小值的权重值,能够更灵活地调整对于不同历史风速情况的重要性,这样的设计能够提高算法的适用性,使其更好地适应不同海域和气象条件,通过考虑历史风速的众数值、最小值,系统更全面地理解了历史风速的分布情况,这对于提高监测系统的可靠性和准确性至关重要,有助于更有效地解决与海域环境变化相关的问题。
具体地,将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施具体为:读取实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值、海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值;分别判断实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值的差异;若实时叶绿素浓度值高于叶绿素浓度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;若实时叶绿素浓度值低于叶绿素浓度低阈值,则向系统发送调查指令,所述调查指令具体为使工作人员去对海域进行水质调查,以确定缺乏的养分类型,并对海域进行养分补给;若实时海表温度值高于海表温度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;若实时海表温度值低于海表温度低阈值,则向系统发送第一监测指令,所述第一监测指令具体为使工作人员去对海域内的生物的迁移情况进行调查,并同时调整捕捞策略;若实时海表高度值高于海表高度高阈值,则向系统发送第一预警指令,所述第一预警指令具体为使工作人员去对海域内的存在的船只发送风暴潮预警,并提醒船只采取避难措施;若实时海表高度值低于海表高度低阈值,则向系统发送第二监测指令,所述第二监测指令具体为使工作人员监测海域内的潮汐变化,确保导航的可行性,防范低潮对船只和航运的潜在影响;若实时海表风速值高于海表风速高阈值,则向系统发送第二预警指令,所述第二预警指令具体为使工作人员去对海域内的存在的船只发送风暴警报,并提醒船只回港避风;若实时海表风速值低于海表风速低阈值,则向系统发送提醒指令,所述提醒指令具体为使工作人员去提醒海域内的存在的船只小心低风速对导航和控制造成的影响。
本实施方案中,通过与实时数据进行比较,系统能够实时监测海域的叶绿素浓度、海表温度、海表高度和海表风速,及时识别环境变化,这有助于采取迅速、准确的措施,以适应不同情况下的海域环境,从而更好地保护生态系统,通过向系统发送限制指令,根据实时叶绿素浓度值的变化,能够灵活调整渔业活动,高叶绿素浓度触发限制指令,有助于保护海洋生态平衡,减少对渔业资源的压力,当实时叶绿素浓度值低于叶绿素浓度低阈值时,系统发送调查指令,使工作人员进行水质调查并进行养分补给,这有助于保持海域内生态系统的稳定性,促进海洋生物的生长和繁衍,当实时海表温度值低于海表温度低阈值时,系统发送第一监测指令,使工作人员对海域内生物迁移情况进行调查,并同时调整捕捞策略,这有助于维护渔业资源的可持续开发,在实时海表高度值高于海表高度高阈值时,系统发送第一预警指令,有助于向存在的船只发送风暴潮预警,确保船只安全,并提醒采取适当的避难措施,当实时海表高度值低于海表高度低阈值时,系统发送第二监测指令,使工作人员监测潮汐变化,确保导航的可行性,这有助于预防低潮对船只和航运的潜在影响,在实时海表风速值高于海表风速高阈值时,系统发送第二预警指令,向存在的船只发送风暴警报,提醒船只回港避风,确保船只在恶劣天气条件下的安全,当实时海表风速值低于海表风速低阈值时,系统发送提醒指令,提醒海域内的船只小心低风速对导航和控制的影响,这有助于船只在低风速条件下谨慎行驶,减少事故发生的概率。
请参阅图6,本发明实施例提供一种技术方案:基于卫星遥感技术的海域监测系统,包括:数据获取子系统、数据处理与计算子系统、状态判断子系统、控制与指令生成子系统、预警与控制生成模块、通信与反馈子系统;所述数据获取子系统,用于负责获取海域历史数据和海域实时数据;所述数据处理与计算子系统,用于对获取的海域历史数据和海域实时数据进行处理和计算,生成相应的阈值指标;所述状态判断子系统,用于判断海域的实时状态指标是否符合设定的阈值指标;所述控制与指令生成子系统,用于根据阈值比较的结果生成相应的控制指令;所述预警与控制生成模块,根据实时状态与阈值比较结果生成相应的控制指令;所述通信与反馈子系统,用于负责与相关机构、船只等进行通信,提供监测结果和预警信息。
具体地,如图7所示,所述数据处理与计算子系统包括:数据预处理模块、叶绿素浓度阈值计算模块、海表温度阈值计算模块、海表高度阈值计算模块、海表风速阈值计算模块、海域状态指标计算模块;所述数据预处理模块,用于对获取的海域历史数据进行清洗和处理;所述叶绿素浓度阈值计算模块,用于根据海域的历史叶绿素浓度数据计算叶绿素浓度高阈值、叶绿素浓度低阈值、历史叶绿素浓度均值;所述海表温度阈值计算模块,用于根据海域的历史海表温度数据计算海表温度高阈值、海表温度低阈值、历史海表温度均值;所述海表高度阈值计算模块,用于根据海域的历史海表高度数据计算海表高度高阈值、海表高度低阈值、历史海表高度均值;所述海表风速阈值计算模块,用于根据海域的历史海表风速数据计算海表风速高阈值、海表风速低阈值、历史海表风速均值;所述海域状态指标计算模块,用于根据历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值计算海域状态阈值指标,根据实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值计算海域实时状态指标。
本实施方案中,数据预处理模块对历史数据进行清洗和处理,确保数据的准确性和一致性,这有助于提高后续计算模块的准确性,确保生成的阈值和状态指标反映真实海域状况,通过计算叶绿素浓度高阈值、叶绿素浓度低阈值和历史叶绿素浓度均值,系统能够对海域的叶绿素浓度变化进行量化和分析。
这对于监测水体的生态健康状况、预测藻类爆发等具有重要意义,通过计算海表温度高阈值、海表温度低阈值和历史海表温度均值,系统能够识别海域中的温度异常情况,这对于生物迁徙、气候变化等因素的监测和分析至关重要,通过计算海表高度高阈值、海表高度低阈值和历史海表高度均值,系统能够预警潮汐变化、风暴潮等事件。
这对于船只安全和海域管理提供了及时的信息,通过计算海表风速高阈值、海表风速低阈值和历史海表风速均值,系统可以识别风暴和风速异常,提供航行和捕捞的安全参考,通过综合考虑历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值,系统能够计算海域状态阈值指标。
这提供了全面的海域健康状况评估,帮助制定合适的管理策略,通过考虑实时数据,如实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值,系统能够生成实时状态指标,使决策更为及时和灵活。
综上,本申请至少具有以下效果:
该基于卫星遥感技术的海域监测方法,通过历史数据和实时数据的综合分析,系统能够准确计算海域状态阈值和实时状态指标,实现对海域环境的精准监测和预测,有助于提前预知可能发生的变化,为决策者提供及时而精准的信息。
该基于卫星遥感技术的海域监测方法,通过基于卫星遥感技术获取的多维度海洋数据,结合阈值计算和实时状态监测,为管理者提供科学的数据支持,可用于优化渔业资源管理、提高航行安全性,并为制定合理的环境保护政策提供依据,从而在多个方面实现数据驱动的决策支持效果。
该基于卫星遥感技术的海域监测系统,通过数据处理与计算子系统的阈值计算模块,系统能够智能化地生成海域叶绿素浓度、海表温度、海表高度、海表风速等多维度阈值,从而有效支持决策者进行海域资源管理。
该基于卫星遥感技术的海域监测系统,通过通信与反馈子系统的预警与控制生成模块能够根据状态判断子系统的实时状态指标与阈值比较结果,及时生成预警信息和相应的控制指令,这使得系统能够在海域发生异常情况时,快速向相关机构、船只发送预警信息,支持实时应急响应,确保船只和渔业人员的安全。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。
所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。
这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于卫星遥感技术的海域监测方法,其特征在于,包括以下步骤:
获取海域历史数据以及海域实时数据,所述海域历史数据包括海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据,所述海域实时数据包括海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值;
基于海域历史数据计算海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值以及海域状态阈值指标;
基于海域实时数据计算海域实时状态指标,并判断海域实时状态指标是否符合海域状态阈值指标;
若是,则继续进行监测;
若否,则将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施;
将实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值进行比较,并根据比较结果采取措施具体为:
读取实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值、海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值;
分别判断实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值的差异;
若实时叶绿素浓度值高于叶绿素浓度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;
若实时叶绿素浓度值低于叶绿素浓度低阈值,则向系统发送调查指令,所述调查指令具体为使工作人员去对海域进行水质调查,以确定缺乏的养分类型,并对海域进行养分补给;
若实时海表温度值高于海表温度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动;
若实时海表温度值低于海表温度低阈值,则向系统发送第一监测指令,所述第一监测指令具体为使工作人员去对海域内的生物的迁移情况进行调查,并同时调整捕捞策略;
若实时海表高度值高于海表高度高阈值,则向系统发送第一预警指令,所述第一预警指令具体为使工作人员去对海域内的存在的船只发送风暴潮预警,并提醒船只采取避难措施;
若实时海表高度值低于海表高度低阈值,则向系统发送第二监测指令,所述第二监测指令具体为使工作人员监测海域内的潮汐变化,确保导航的可行性,防范低潮对船只和航运的潜在影响;
若实时海表风速值高于海表风速高阈值,则向系统发送第二预警指令,所述第二预警指令具体为使工作人员去对海域内的存在的船只发送风暴警报,并提醒船只回港避风;
若实时海表风速值低于海表风速低阈值,则向系统发送提醒指令,所述提醒指令具体为使工作人员去提醒海域内的存在的船只小心低风速对导航和控制造成的影响。
2.根据权利要求1所述的基于卫星遥感技术的海域监测方法,其特征在于,计算海域状态阈值指标以及海域实时状态指标的公式如下:;其中,/>为海域状态阈值指标,/>为由海域的历史叶绿素浓度数据计算得出的历史叶绿素浓度均值,/>为由海域的历史海表温度数据计算得出的历史海表温度均值,/>为由海域的历史海表高度数据计算得出的历史海表高度均值,/>为由海域的历史海表风速数据计算得出的历史海表风速均值,/>为/>的权重值、/>为/>的权重值、/>为/>的权重值、/>为/>的权重值,/>为海域实时状态指标,/>为实时叶绿素浓度值,/>为实时海表温度值,/>为实时海表高度值,/>为实时海表风速值,/>为/>的权重值,/>为/>的权重值,/>为/>的权重值,/>为/>的权重值。
3.根据权利要求2所述的基于卫星遥感技术的海域监测方法,其特征在于,计算海域状态阈值指标以及海域实时状态指标的逻辑分别如下:
读取海域的历史叶绿素浓度数据、历史海表温度数据、历史海表高度数据、历史海表风速数据并分别计算得出历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值;
将历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值进行求和计算,得到历史和值;
读取历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值并分别与历史和值进行比值计算,并将比值结果作为权重值;
基于历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值以及权重值进行加权计算,得到海域状态阈值指标;
读取海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值并进行求和计算,得到实时和值;
将海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值分别与实时和值进行比值计算,并将比值结果作为权重值;
基于海域的实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值以及权重值进行加权计算,得到海域实时状态指标。
4.根据权利要求1所述的基于卫星遥感技术的海域监测方法,其特征在于,海域的叶绿素浓度阈值包括叶绿素浓度高阈值以及叶绿素浓度低阈值,计算海域的叶绿素浓度高阈值、叶绿素浓度低阈值的具体过程如下:
读取海域的历史叶绿素浓度数据并进行预处理;
将预处理之后的海域的历史叶绿素浓度数据按照相同的时间间隔进行划分,获得历史每天的每个时间点的历史叶绿素浓度值;
将历史每天的各时间点的历史叶绿素浓度值按照降序排列,获得历史每天的历史叶绿素浓度最大值与历史叶绿素浓度最小值;
读取历史每天的历史叶绿素浓度最大值与历史叶绿素浓度最小值并分别结合调和均值法以及几何均值法进行综合计算,分别获得海域的叶绿素浓度高阈值、叶绿素浓度低阈值,其计算公式如下:;
其中,为叶绿素浓度高阈值,/>为历史叶绿素浓度数据中第/>天的历史叶绿素浓度最大值,/>为叶绿素浓度低阈值,/>为历史叶绿素浓度数据中第/>天的历史叶绿素浓度最小值,/>,/>为历史叶绿素浓度数据中划分的总天数。
5.根据权利要求4所述的基于卫星遥感技术的海域监测方法,其特征在于,海域的海表温度阈值包括海表温度高阈值以及海表温度低阈值,计算海域的海表温度高阈值、海表温度低阈值的具体过程如下:
按照相同的时间间隔对海域的历史海表温度数据进行划分,获得历史每天的每个时间点的历史海表温度值;
将历史每天的各时间点的历史海表温度值按照升序排列,获得历史每天的历史海表温度最大值;
为历史每天的历史海表温度最大值分别赋予权重值;
基于历史每天的历史海表温度最大值、权重值进行加权计算,得到海域的海表温度高阈值;
选取排列队伍的中间值作为历史每天的历史海表温度中位值;
读取历史每天的历史海表温度中位值、小于历史海表温度中位值的历史海表温度值进行综合计算,得到海域的海表温度低阈值;
其中,计算海域的海表温度高阈值、海表温度低阈值的公式分别如下:;
其中,为海表温度高阈值,/>为历史海表温度数据中第/>天的历史海表温度最大值,/>为历史海表温度数据中第/>天的历史海表温度最大值的权重值,/>为海表温度低阈值,/>为历史海表温度数据中第/>天的历史海表温度中位值,/>历史海表温度数据中第/>天中第/>个小于历史海表温度中位值的历史海表温度值,/>,为历史海表温度数据中划分的总天数,/>,/>为大于历史海表温度中位值的历史海表温度值的总个数。
6.根据权利要求5所述的基于卫星遥感技术的海域监测方法,其特征在于,海域的海表高度阈值包括海表高度高阈值以及海表高度低阈值,计算海域的海表高度高阈值、海表高度低阈值的具体过程如下:
读取海域的历史海表高度数据,并从海域的历史海表高度数据中随机挑选若干天的历史海表高度数据;
按照相同的时间间隔对挑选的若干天的历史海表高度数据进行划分,获得历史每天的每个时间点的历史海表高度值;
将历史每天的各时间点的历史海表高度值按照降序排列,获得历史每天的历史海表高度最大值与历史海表高度最小值;
读取历史每天的历史海表高度最大值与历史海表高度最小值并分别结合几何均值法以及移动指数均值法进行综合计算,分别获得海域的海表高度高阈值、海表高度低阈值,其计算公式如下:;
其中,为海表高度高阈值,/>为历史海表高度数据中第/>天的历史海表高度最大值,/>为海表高度低阈值,/>为历史海表高度数据中第/>天的历史海表高度最小值,/>为历史海表高度数据中第/>天的历史海表高度最小值,/>、/>分别是、/>的比例系数,/>,/>为历史海表高度数据中随机挑选的总天数。
7.根据权利要求6所述的基于卫星遥感技术的海域监测方法,其特征在于,海域的海表风速阈值包括海表风速高阈值以及海表风速低阈值,计算海域的海表风速高阈值、海表风速低阈值的具体过程如下:
读取海域的历史海表风速数据并进行预处理;
基于预处理之后的海域的历史海表风速数据,按照相同的时间间隔进行划分,获得历史每天的每个时间点的历史海表风速值;
将历史每天的各时间点的历史海表风速值按照升序排列,获得历史每天的历史海表风速最大值;
选取排列队伍的出现次数最多的历史海表风速值,作为历史每天的历史海表风速众数值;
读取历史每天的历史海表风速众数值、大于历史海表风速众数值的历史海表风速值进行综合计算,得到海域的海表风速高阈值;
基于历史每天的历史海表风速最小值进行均值计算,获得海域的海表风速低阈值;
其中,计算海域的海表风速低阈值、海表风速低阈值的公式分别如下:;其中,/>为海表风速低阈值,/>为历史海表风速数据中第/>天的历史海表风速最小值,/>为海表风速高阈值,/>为历史海表风速数据中第/>天的历史海表风速众数值,/>历史海表风速数据中第/>天中第个大于历史海表风速众数值的历史海表风速值,/>,/>为历史海表风速数据中划分的总天数,/>,/>为大于历史海表风速众数值的历史海表风速值的总个数。
8.基于卫星遥感技术的海域监测系统,应用权利要求1-7任意一项所述的基于卫星遥感技术的海域监测方法,其特征在于,包括:数据获取子系统、数据处理与计算子系统、状态判断子系统、控制与指令生成子系统、预警与控制生成模块、通信与反馈子系统;
所述数据获取子系统,用于负责获取海域历史数据和海域实时数据;
所述数据处理与计算子系统,用于对获取的海域历史数据和海域实时数据进行处理和计算,生成相应的阈值指标;
所述状态判断子系统,用于判断海域的实时状态指标是否符合设定的阈值指标;
所述控制与指令生成子系统,用于根据阈值比较的结果生成相应的控制指令;
所述预警与控制生成模块,根据实时状态与阈值比较结果生成相应的控制指令,根据实时状态与阈值比较结果生成相应的控制指令具体为:读取实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值、海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值,分别判断实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值与海域的叶绿素浓度阈值、海表温度阈值、海表高度阈值、海表风速阈值的差异,若实时叶绿素浓度值高于叶绿素浓度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动,若实时叶绿素浓度值低于叶绿素浓度低阈值,则向系统发送调查指令,所述调查指令具体为使工作人员去对海域进行水质调查,以确定缺乏的养分类型,并对海域进行养分补给,若实时海表温度值高于海表温度高阈值,则向系统发送限制指令,所述限制指令具体为使工作人员去对海域内的渔业活动进行限制,以减少渔业活动,若实时海表温度值低于海表温度低阈值,则向系统发送第一监测指令,所述第一监测指令具体为使工作人员去对海域内的生物的迁移情况进行调查,并同时调整捕捞策略,若实时海表高度值高于海表高度高阈值,则向系统发送第一预警指令,所述第一预警指令具体为使工作人员去对海域内的存在的船只发送风暴潮预警,并提醒船只采取避难措施,若实时海表高度值低于海表高度低阈值,则向系统发送第二监测指令,所述第二监测指令具体为使工作人员监测海域内的潮汐变化,确保导航的可行性,防范低潮对船只和航运的潜在影响,若实时海表风速值高于海表风速高阈值,则向系统发送第二预警指令,所述第二预警指令具体为使工作人员去对海域内的存在的船只发送风暴警报,并提醒船只回港避风,若实时海表风速值低于海表风速低阈值,则向系统发送提醒指令,所述提醒指令具体为使工作人员去提醒海域内的存在的船只小心低风速对导航和控制造成的影响;
所述通信与反馈子系统,用于负责与相关机构、船只进行通信,提供监测结果和预警信息。
9.根据权利要求8所述的基于卫星遥感技术的海域监测系统,其特征在于,所述数据处理与计算子系统包括:数据预处理模块、叶绿素浓度阈值计算模块、海表温度阈值计算模块、海表高度阈值计算模块、海表风速阈值计算模块、海域状态指标计算模块;
所述数据预处理模块,用于对获取的海域历史数据进行清洗和处理;
所述叶绿素浓度阈值计算模块,用于根据海域的历史叶绿素浓度数据计算叶绿素浓度高阈值、叶绿素浓度低阈值、历史叶绿素浓度均值;
所述海表温度阈值计算模块,用于根据海域的历史海表温度数据计算海表温度高阈值、海表温度低阈值、历史海表温度均值;
所述海表高度阈值计算模块,用于根据海域的历史海表高度数据计算海表高度高阈值、海表高度低阈值、历史海表高度均值;
所述海表风速阈值计算模块,用于根据海域的历史海表风速数据计算海表风速高阈值、海表风速低阈值、历史海表风速均值;
所述海域状态指标计算模块,用于根据历史叶绿素浓度均值、历史海表温度均值、历史海表高度均值、历史海表风速均值计算海域状态阈值指标,根据实时叶绿素浓度值、实时海表温度值、实时海表高度值、实时海表风速值计算海域实时状态指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410398348.4A CN117992801B (zh) | 2024-04-03 | 2024-04-03 | 一种通过卫星遥感技术的海域监测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410398348.4A CN117992801B (zh) | 2024-04-03 | 2024-04-03 | 一种通过卫星遥感技术的海域监测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117992801A true CN117992801A (zh) | 2024-05-07 |
CN117992801B CN117992801B (zh) | 2024-06-14 |
Family
ID=90893732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410398348.4A Active CN117992801B (zh) | 2024-04-03 | 2024-04-03 | 一种通过卫星遥感技术的海域监测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117992801B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02190746A (ja) * | 1989-01-20 | 1990-07-26 | Kanagawa Pref Gov | 仔魚水槽のデトリタス測定方法及び装置 |
AU2001295521A1 (en) * | 2000-08-30 | 2002-03-13 | Syngenta Mogen B.V. | Control of crop pests and animal parasites through direct neuronal uptake |
RU2443001C1 (ru) * | 2010-08-05 | 2012-02-20 | Сергей Петрович Алексеев | Способ сбора информации об экологическом состоянии региона и автоматизированная система аварийного и экологического мониторинга окружающей среды региона |
CN105973207A (zh) * | 2016-05-05 | 2016-09-28 | 云南省环境科学研究院 | 大型浅水湖泊水华集聚水域的补水控藻方法 |
TW201800753A (zh) * | 2016-03-30 | 2018-01-01 | 奎立茲梅診斷有限兩合公司 | 傷口微生物感染之檢測 |
CN108038351A (zh) * | 2017-12-06 | 2018-05-15 | 武汉大学 | 一种基于遥感影像和水生态模型的叶绿素计算方法 |
CN111311081A (zh) * | 2020-01-22 | 2020-06-19 | 国家海洋局南海预报中心(国家海洋局广州海洋预报台) | 基于多源异构数据的海洋生态异常危险识别方法及装置 |
CN111311874A (zh) * | 2020-04-20 | 2020-06-19 | 宁波海洋研究院 | 一种基于浮标监测并联合机器学习进行科学预警方法 |
CN112001641A (zh) * | 2020-08-27 | 2020-11-27 | 中国海洋大学 | 一种扇贝养殖区适宜性遥感评估系统 |
CN112528559A (zh) * | 2020-12-04 | 2021-03-19 | 广东省科学院广州地理研究所 | 一种结合预分类与机器学习的叶绿素a浓度反演方法 |
CA3075113A1 (en) * | 2020-03-11 | 2021-09-11 | Easy Ocean Technology Ltd | Small intelligent optical observation apparatus for water body and method of evaluating quality of global water body with the same |
CN113408742A (zh) * | 2021-06-24 | 2021-09-17 | 桂林理工大学 | 一种基于机器学习的高精度海表温度反演方法 |
CN113408644A (zh) * | 2021-07-02 | 2021-09-17 | 南京信息工程大学 | 卫星数据重构方法、探测上层海洋对台风响应的方法 |
CN113570265A (zh) * | 2021-08-02 | 2021-10-29 | 北部湾大学 | 一种近海富营养化评价系统 |
CN114638441A (zh) * | 2022-05-18 | 2022-06-17 | 环球数科集团有限公司 | 一种基于卫星遥感影像的洋流监测及预警系统 |
WO2022194045A1 (zh) * | 2021-03-15 | 2022-09-22 | 哈尔滨工程大学 | 一种面向海上平台保障的三维温盐场分析预报方法 |
US20220324737A1 (en) * | 2021-04-03 | 2022-10-13 | Power and Water Utility Company for Jubail and Yanbu (MARAFIQ) | Methods for monitoring marine waterbody sustainability at discharge sites |
CN116008267A (zh) * | 2022-12-09 | 2023-04-25 | 自然资源部第二海洋研究所 | 海洋叶绿素a浓度三维分布反演方法、终端及介质 |
CN116625327A (zh) * | 2023-07-24 | 2023-08-22 | 海南智慧海事科技有限公司 | 一种大数据驱动的海洋环境监测与预警方法 |
CN116797019A (zh) * | 2023-05-23 | 2023-09-22 | 自然资源部第二海洋研究所 | 一种海洋灾害风险防控预警系统 |
WO2024042508A1 (en) * | 2022-08-24 | 2024-02-29 | Edgy Bees Ltd. | Geosynchronization of an aerial image using localizing multiple features |
CN117744411A (zh) * | 2024-02-19 | 2024-03-22 | 交通运输部水运科学研究所 | 一种基于海洋气象趋势的船舶失速预测方法及系统 |
CN117763331A (zh) * | 2023-11-30 | 2024-03-26 | 同济大学 | 一种以藻华为示踪物的湖库表层流场数据遥感提取方法 |
-
2024
- 2024-04-03 CN CN202410398348.4A patent/CN117992801B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02190746A (ja) * | 1989-01-20 | 1990-07-26 | Kanagawa Pref Gov | 仔魚水槽のデトリタス測定方法及び装置 |
AU2001295521A1 (en) * | 2000-08-30 | 2002-03-13 | Syngenta Mogen B.V. | Control of crop pests and animal parasites through direct neuronal uptake |
RU2443001C1 (ru) * | 2010-08-05 | 2012-02-20 | Сергей Петрович Алексеев | Способ сбора информации об экологическом состоянии региона и автоматизированная система аварийного и экологического мониторинга окружающей среды региона |
TW201800753A (zh) * | 2016-03-30 | 2018-01-01 | 奎立茲梅診斷有限兩合公司 | 傷口微生物感染之檢測 |
CN105973207A (zh) * | 2016-05-05 | 2016-09-28 | 云南省环境科学研究院 | 大型浅水湖泊水华集聚水域的补水控藻方法 |
CN108038351A (zh) * | 2017-12-06 | 2018-05-15 | 武汉大学 | 一种基于遥感影像和水生态模型的叶绿素计算方法 |
CN111311081A (zh) * | 2020-01-22 | 2020-06-19 | 国家海洋局南海预报中心(国家海洋局广州海洋预报台) | 基于多源异构数据的海洋生态异常危险识别方法及装置 |
CA3075113A1 (en) * | 2020-03-11 | 2021-09-11 | Easy Ocean Technology Ltd | Small intelligent optical observation apparatus for water body and method of evaluating quality of global water body with the same |
CN111311874A (zh) * | 2020-04-20 | 2020-06-19 | 宁波海洋研究院 | 一种基于浮标监测并联合机器学习进行科学预警方法 |
CN112001641A (zh) * | 2020-08-27 | 2020-11-27 | 中国海洋大学 | 一种扇贝养殖区适宜性遥感评估系统 |
CN112528559A (zh) * | 2020-12-04 | 2021-03-19 | 广东省科学院广州地理研究所 | 一种结合预分类与机器学习的叶绿素a浓度反演方法 |
WO2022194045A1 (zh) * | 2021-03-15 | 2022-09-22 | 哈尔滨工程大学 | 一种面向海上平台保障的三维温盐场分析预报方法 |
US20220324737A1 (en) * | 2021-04-03 | 2022-10-13 | Power and Water Utility Company for Jubail and Yanbu (MARAFIQ) | Methods for monitoring marine waterbody sustainability at discharge sites |
CN113408742A (zh) * | 2021-06-24 | 2021-09-17 | 桂林理工大学 | 一种基于机器学习的高精度海表温度反演方法 |
CN113408644A (zh) * | 2021-07-02 | 2021-09-17 | 南京信息工程大学 | 卫星数据重构方法、探测上层海洋对台风响应的方法 |
CN113570265A (zh) * | 2021-08-02 | 2021-10-29 | 北部湾大学 | 一种近海富营养化评价系统 |
CN114638441A (zh) * | 2022-05-18 | 2022-06-17 | 环球数科集团有限公司 | 一种基于卫星遥感影像的洋流监测及预警系统 |
WO2024042508A1 (en) * | 2022-08-24 | 2024-02-29 | Edgy Bees Ltd. | Geosynchronization of an aerial image using localizing multiple features |
CN116008267A (zh) * | 2022-12-09 | 2023-04-25 | 自然资源部第二海洋研究所 | 海洋叶绿素a浓度三维分布反演方法、终端及介质 |
CN116797019A (zh) * | 2023-05-23 | 2023-09-22 | 自然资源部第二海洋研究所 | 一种海洋灾害风险防控预警系统 |
CN116625327A (zh) * | 2023-07-24 | 2023-08-22 | 海南智慧海事科技有限公司 | 一种大数据驱动的海洋环境监测与预警方法 |
CN117763331A (zh) * | 2023-11-30 | 2024-03-26 | 同济大学 | 一种以藻华为示踪物的湖库表层流场数据遥感提取方法 |
CN117744411A (zh) * | 2024-02-19 | 2024-03-22 | 交通运输部水运科学研究所 | 一种基于海洋气象趋势的船舶失速预测方法及系统 |
Non-Patent Citations (8)
Title |
---|
E.P.GREEN , 沈乃宏: "遥感技术在热带沿海资源评价和管理方面应用述评", 海洋信息, no. 11, 15 November 1996 (1996-11-15) * |
HATZICHRISTOFAS F.等: "eutrophication assesment in aegean sea based on satellite data", 7TH INTERNATIONAL CONFERENCE ON ENVIRONMENTAL SCIENCE AND TECHNOLOGY, 31 December 2001 (2001-12-31) * |
吴礼裕;沈丽娟;张翔;: "生物毒性在线监测方法在常州地表水水质预警监测的应用研究", 环境保护与循环经济, no. 12, 15 December 2017 (2017-12-15) * |
孔繁翔;马荣华;高俊峰;吴晓东;: "太湖蓝藻水华的预防、预测和预警的理论与实践", 湖泊科学, no. 03, 6 May 2009 (2009-05-06) * |
孙宏亮;何宏昌;付波霖;王诗文;马瑞雪;吴明富;: "香港近海海域叶绿素a定量反演及时空变化分析", 中国环境科学, no. 05, 20 May 2020 (2020-05-20) * |
杨颖;徐韧;: "岸/岛基站海洋生态环境在线监测系统建设选址调查方案探讨", 海洋技术学报, no. 03, 15 June 2018 (2018-06-15) * |
林晶: "福建近岸海域叶绿素浓度时空分布特征", 低碳世界, no. 12, 25 December 2019 (2019-12-25) * |
范志杰: "海洋环境监测设计理论的探讨", 海洋环境科学, no. 03, 30 September 1995 (1995-09-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN117992801B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10302066B2 (en) | Reducing curtailment of wind power generation | |
Fang et al. | Employing extreme value theory to establish nutrient criteria in bay waters: a case study of Xiangshan Bay | |
US10598157B2 (en) | Reducing curtailment of wind power generation | |
CN111474529B (zh) | 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达 | |
CN111336996A (zh) | 一种海洋环境与船舶运动监测预报系统及监测预报方法 | |
Kettle | Unexpected vertical wind speed profiles in the boundary layer over the southern North Sea | |
Peng et al. | Development and evaluation of a real-time forecasting framework for daily water quality forecasts for Lake Chaohu to Lead time of six days | |
CN117992801B (zh) | 一种通过卫星遥感技术的海域监测方法与系统 | |
Wang et al. | A review of recent advances (2018–2021) on tropical cyclone intensity change from operational perspectives, part 2: Forecasts by operational centers | |
CN115206040A (zh) | 核电取水口的生物入侵预警方法、装置及终端 | |
Wu et al. | The effect of weather factors on the severity of fishing boat accidents in Atlantic Canada | |
CN106779184A (zh) | 一种基于大数据建模的海上船舶流量预测方法 | |
Pokhrel | A LightGBM based forecasting of dominant wave periods in oceanic waters | |
CN113902327A (zh) | 一种海上风电场基础结构腐蚀健康状态的评估方法及系统 | |
Yu et al. | An operational application of NWP models in a wind power forecasting demonstration experiment | |
Ma et al. | Ecological vulnerability assessment of coral islands and reefs in the South China Sea based on remote sensing and reanalysis data | |
Zhao et al. | An Integrated Fishery Meteorological Information Service Terminal Based on End-Side Deep Learning Technology | |
Carreno-Madinabeitia et al. | Future electricity production at Mutriku Wave Energy Plant estimated from CMIP6 wave climate projections (2015–2100) | |
Ahmad et al. | Machine learning approach to predict significant wave height | |
Ma et al. | Modelling the ZR Relationship of Precipitation Nowcasting Based on Deep Learning | |
Mendez et al. | Is the extreme wave climate in the NE Pacific increasing? | |
Krinitskiy et al. | Estimating Significant Wave Height from X-Band Navigation Radar Using Convolutional Neural Networks | |
Plouvier et al. | Virtual hull monitoring systems for assessment of structural integrity of ships | |
Liu | Chlorophyll-a Analysis Based on Hilbert Huang Transformation and Convolutional Neural Network | |
Zhang et al. | Marine Environment Dynamic Monitoring System under Remote Sensing Ecological Index |
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 |