CN113375723A - 基于固定翼无人机的大气污染立体化监控及数据处理方法 - Google Patents
基于固定翼无人机的大气污染立体化监控及数据处理方法 Download PDFInfo
- Publication number
- CN113375723A CN113375723A CN202110715064.XA CN202110715064A CN113375723A CN 113375723 A CN113375723 A CN 113375723A CN 202110715064 A CN202110715064 A CN 202110715064A CN 113375723 A CN113375723 A CN 113375723A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- unmanned aerial
- aerial vehicle
- wing unmanned
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 93
- 231100000719 pollutant Toxicity 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 62
- 239000000356 contaminant Substances 0.000 claims description 8
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Networks & Wireless Communication (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种基于固定翼无人机的大气污染立体化监控及数据处理方法,利用固定翼无人机搭载气态污染物检测模块、风速风向采集模块、温湿度模块、GPS定位模块、无线数据传输模块,在该待监测区域内按照高度递增的方式飞行并对航线上的气态污染物进行检测,克服了不能实现同时对不同高度的大气污染物检测的不足。本发明将温度、风速、湿度影响大气污染物浓度测量的因素代入大气污染物浓度修正公式,利用径向基神经网络训练方法得到修正系数,提高了监测精度,提出的该大气污染物浓度修正公式可用于多种大气污染物浓度的检测。本发明用于观测和研究污染源排放三维空间动态变化规律,实现污染源对周边环境空气质量影响的评估与预测与污染源异常排放的监控。
Description
技术领域
本发明涉及无人飞行器与大气污染监测领域,具体是一种基于固定翼无人机的大气污染立体化监控及数据处理方法。
背景技术
目前社会对于大气环境管理中的大气污染检测的要求越来越严格,随之投入其中的人力物力也越来越多。小型固定翼无人机以其智能化、自动化、信息化、灵活度高等优点,可以很好的应用到大气污染检测领域上去,以减少人力物力带来的压力。
在大气环境管理或相关科研工作中,常常需要对污染源周边环境质量状况进行监测,以确定污染源对周边环境空气质量的影响程度,并对污染源异常排放情况进行监控。以无人机搭载气态污染物监测模块的测试***,可实现三维空间长距离动态化监测。立体化监测是对污染源周边三维空间内的污染物进行监测,与传统监测方法相比,立体化监测方法在保证数据质量的同时,可用于观测和研究污染源排放三维空间动态变化规律。第二,针对地面高精度污染物测量站点无法测量任意位置处污染物情况并且便携式气态污染物检测装置测量精度低的问题,本发明提出了基于固定翼无人机的大气污染立体化监控及数据处理方法。气态污染物浓度的测量误差是多因素的导致的,所以要准确的测量出大气污染物浓度需要针对多个因素来进行修正。
在公告号为CN 107192645 A的发明创造中提出了一种多旋翼无人机大气污染探测***及方法,该发明提出的***包括多旋翼无人机飞行平台、PM2.5及大气参数传感器组、数据无线传输装置、地面监控站、数据处理软件。该发明使用多旋翼无人机***对监测区域进行垂直飞行,同步采集影像数据、PM2.5数据和温度、湿度、气压,地面站通过远程无线传输方式接收数据,通过对探测数据的订正和拟合处理,获得不同高度的PM2.5浓度分布曲线、大气能见度垂直分布曲线。但是该发明只能获得每个高度上单个点位置处的污染物数据,并不能在每个高度上测量多个位置处的污染物数据,误差大。在公告号为CN112305163 A的发明创造中提出了基于固定翼无人机的大气污染监测***及数据处理方法,该发明通过飞行平台携带大气污染物检测模块以及风参数测量模块对大气污染检测区域进行污染物浓度测量及风参数测量,将大气污染物数据与风参数数据相结合,使得到的污染源方位更精确、更有说服力。但该发明仅仅是对某一特定高度层大气污染物的检测,不能实现同时对不同高度的大气污染物检测。
发明内容
为克服现有技术中存在的不能实现同时对不同高度的大气污染物检测的不足,本发明提出了一种基于固定翼无人机的大气污染立体化监控及数据处理方法
本发明包括固定翼无人机气态污染物检测模块、风速风向采集模块、温湿度模块、GPS定位模块、无线数据传输模块和数据处理模块;其中:固定翼无人机包括飞行控制模块;温湿度模块为温度传感器与湿度传感器的集成模块;所述气态污染物检测模块安装在固定翼无人机机头位置处;风速风向采集模块通过支撑杆安放在该固定翼无人机上方;温湿度模块及GPS定位模块安装在固定翼无人机机身的上表面;无线数据传输模块安装在该固定翼无人机机舱内;气态污染物检测模块的信号输出端、风速风向采集模块的信号输出端、温湿度模块的信号输出端及GPS定位模块的信号输出端分别通过数据线与无线传输模块的信号输入端相连;数据处理模块与无线数据传输模块通过无线信号相连;飞行控制模块与远程控制端通过无线信号相连。
本发明的具体过程是:
步骤1:待监测区域的选取、监测网格尺寸的确定及固定翼无人机航线的确定。
具体过程是:
Ⅰ根据主管部门提供的污染范围,确定待监测区域以及待监测区域的长度A、宽度B和高度H。
Ⅱ确定待监测区域内的监测网格尺寸。
所述监测网格是将待监测区域划分为多个大小一致的最小监测区域单元,每一个网格即为一个监测点,固定翼无人机的飞行航线需要穿过每一个监测网格。确定所述监测网格的长度为a,宽度为b,高度为h;根据待监测区域的高度H及监测网格的高度h,得到待监测区域在高度方向上的层数J。
Ⅲ设定固定翼无人机的航线:
远程控制端根据确定的所述待检测区域、监测网格大小及分布,生成该固定翼无人机的航线。
确定的固定翼无人机航线包括不同的飞行高度层;该固定翼无人机在每个高度层的航线分别为一个飞行段。在各飞行段的飞行中,航线轨迹为S型轨迹,以覆盖该高度层所有的监测网格。
所确定的待监测区域的长度A=1500m,宽度B=700m,高度H=100m。所确定的监测网格的长度a=10m,宽度b=10m,高度h=20m;待监测区域在高度方向上的层数J=5。
步骤2:机载设备的校准。具体过程是:
飞行前,按常规方法对包括气态污染物检测模块、风速风向采集模块、温湿度模块、GPS定位模块和无线数据传输模块进行校准。
步骤3:数据的采集。具体过程是:
Ⅰ所述固定翼无人机按照设定的航线进行飞行,并通过GPS定位模块得到该固定翼无人机的经度数据、纬度数据及和高度数据。
Ⅱ开启机载的气态污染物检测模块、风速风向采集模块和温湿度模块。所述固定翼无人机按照航线飞行,依次飞经确定的各监测网格,采集各个网格内的大气污染物浓度数据、风速数据、风向数据、温度数据和湿度数据。
所述GPS定位模块采集数据的时间间隔为1s。采集所述各监测网格中数据的时间间隔均为1s。
步骤4:数据的传输:
所述的数据的传输过程是:
Ⅰ将所述气态污染物检测模块生成的大气污染物浓度数据通过无线数据传输模块发送至数据处理模块;
Ⅱ将所述风速风向采集模块生成的风速数据和风向数据通过无线数据传输模块发送至数据处理模块;
Ⅲ将所述温湿度模块生成的温度数据和湿度数据通过无线数据传输模块发送至数据处理模块;
Ⅳ将所述GPS定位模块生成的经度数据、纬度数据及和高度数据通过无线数据传输模块发送至数据处理模块。
步骤5,大气污染物浓度数据的修正:
通过数据处理模块对采集到的不同监测网格的大气污染物浓度数据进行修正。
具体过程是:
通过公式(1)修正大气污染物浓度数据:
公式(1)中:为修正后的Wn浓度,;Wn中的W为污染物,n为污染物种类,n=1,2,3,……;为修正之前的Wn浓度;T为当前监测网格的温度;RH为当前监测网格的湿度;v为当前监测网格的风速;k1为待确定的温度修正系数;k2为待确定的湿度修正系数;k3为待确定的风速修正系数。
所述待确定的温度修正系数k1、待确定的湿度修正系数k2和待确定的风速修正系数k3均由数据处理模块采用径向基神经网络训练方法,通过公式(2)确定;
XB=XQ+k1T2+k2RH+k3v2 (2)
公式(2)中:XB为主管部门提供的标准污染物浓度数据;XQ为修正前污染物浓度数据。
所述主管部门指环境科学研究院。
步骤6,数据的整理:
数据处理模块将将采集到的各高度层的风向数据、风速数据、温度数据、湿度数据、经度数据、纬度数据、高度数据,以及修正过的大气污染物浓度数据依次按高度层集合为一组,共得到J组数据组mi,其中:i=1,2,3,……,J。
步骤7,数据的处理:
所述数据的处理是通过数据处理模块对各组的数据依次进行处理,分别得到大气污染物浓度以及风速、风向可视化视图的过程。具体过程是:
I所述数据处理模块根据第mi组的经度数据、纬度数据、高度数据及修正过后的大气污染物浓度数据,采用插值法依次绘制出第mi组的大气污染物浓度等值线图。该数据处理模块根据第mi组的风速数据、风向数据、经度数据、纬度数据及高度数据,依次绘制出第mi组的风流线图。其中:i=1,2,3,……,J。
II所述数据处理模块依次绘制出第mi组的大气污染物浓度等值线图与风流线结合图。其中:i=1,2,3,……,J。
III所述数据处理模块依次绘制出第m1~mJ组的大气污染物浓度等值线图与风流线的结合图,从而得到整个待监测区域内的大气污染物浓度等值线图与风流线结合图。
与现有技术相比较,本发明取得的有益效果是:该发明利用固定翼无人机搭载气态污染物检测模块、风速风向采集模块、温湿度模块、GPS定位模块、无线数据传输模块,在该待监测区域内按照高度递增的方式飞行并对航线上的气态污染物进行检测。与传统方法相比,需要布设的点位数以及相关工作量大大减少。并且本发明通过将多种大气污染物浓度测量影响因素,包括温度、风速、湿度提高大气污染物浓度修正公式,再利用径向基神经网络训练方法得到修正系数,提高了监测精度。所得到的大气污染物浓度修正公式能够用于多种大气污染物浓度的检测。本发明将得到的整个待监测区域内的大气污染物浓度等值线图与风流线结合图用于观测和研究污染源排放三维空间动态变化规律,进而实现污染源对周边环境空气质量影响的评估与预测与污染源异常排放的监控。
附图说明
图1是本发明的***原理图;
图2是本发明的航线示意图;
图3是本发明通过径向基神经网络训练方法得到的NO2修正后浓度与标准浓度对比示意图;
图4是本发明通过径向基神经网络训练方法得到的NO2修正后浓度误差百分比示意图。
图5是本发明的流程图。
图中:1.固定翼无人机;2.气态污染物检测模块;3.风速风向采集模块;4.温湿度模块;5.GPS定位模块;6.无线数据传输模块;7.数据处理模块;8.飞行控制模块;9.远程控制端;10.NO2修正后浓度曲线;11.NO2标准浓度曲线;12.NO2修正后浓度误差百分比曲线;13.航线。
具体实施方式
本实施例是基于固定翼无人机的大气污染立体化监控***。该大气污染立体化监控***包括固定翼无人机1、气态污染物检测模块2、风速风向采集模块3、温湿度模块4、GPS定位模块5、无线数据传输模块6、数据处理模块7、远程控制端9;其中:固定翼无人机1包括飞行控制模块8;温湿度模块4为温度传感器与湿度传感器的集成模块;所述气态污染物检测模块2安装在固定翼无人机1机头位置处;风速风向采集模块3通过支撑杆安放在该固定翼无人机1上方;温湿度模块4及GPS定位模块5安装在固定翼无人机1机身的上表面;无线数据传输模块6安装在该固定翼无人机1机舱内;气态污染物检测模块2的信号输出端、风速风向采集模块3的信号输出端、温湿度模块4的信号输出端及GPS定位模块5的信号输出端分别通过数据线与无线传输模块6的信号输入端相连;数据处理模块7与无线数据传输模块6通过无线信号相连;飞行控制模块8与远程控制端9通过无线信号相连。
通过所述气态污染物检测模块2对空气样本进行检测并得到大气污染物浓度数据,并通过无线数据传输模块6将大气污染物浓度数据发送至数据处理模块7。
通过所述风速风向采集模块3对风速及风向进行测量并得到风参数数据,并通过无线数据传输模6块将风参数数据发送至数据处理模块7。其中风参数数据包括风速数据、风向数据。本实施例中,所述风速风向采集模块3为超声波风速风向仪。
通过所述温湿度模块4对温度及湿度进行测量并得到温度数据及湿度数据,并通过无线数据传输模块6将温度数据及湿度数据发送至数据处理模块7。
通过所述GPS定位模5块对固定翼无人机1飞行时的经度、纬度和高度进行测量并得到经度数据、纬度数据和高度数据,并通过无线数据传输模块6将经度数据、纬度数据和高度数据发送至数据处理模块7。
本实施例提出的基于固定翼无人机的大气污染立体化监控及数据处理方法的具体过程是:
步骤1:待监测区域的选取、监测网格尺寸的确定及固定翼无人机航线的确定。
具体过程是:
Ⅰ根据主管部门提供的污染范围,确定待监测区域以及待监测区域的长度A、宽度B和高度H。本实施例中,待监测区域的长度A=1500m,宽度B=700m,高度H=100m。
Ⅱ确定待监测区域内的监测网格尺寸。
所述监测网格是将待监测区域划分为多个大小一致的最小监测区域单元,每一个网格即为一个监测点,固定翼无人机1的飞行航线需要穿过每一个监测网格。确定所述监测网格的长度为a,宽度为b,高度为h;根据待监测区域的高度H及监测网格的高度h,得到待监测区域在高度方向上的层数J。
本实施例中,监测网格的长度a=10m,宽度b=10m,高度h=20m;待监测区域在高度方向上的层数J=5。
Ⅲ设定固定翼无人机的航线:
远程控制端9根据确定的所述待检测区域、监测网格大小及分布,生成该固定翼无人机1的航线13。
确定的固定翼无人机的航线13包括不同的飞行高度层;该固定翼无人机1在每个高度层的航线分别为一个飞行段。在每一飞行段中,固定翼无人机保持飞行高度不变,在其飞往下一高度层时,该固定翼无人机的飞行高度增加h。在各高度层的飞行中,航线轨迹为S型轨迹,以覆盖该高度层所有的监测网格。如图2所示。
步骤2:机载设备的校准。具体过程是:
飞行前,按常规方法对包括气态污染物检测模块2、风速风向采集模块3、温湿度模块4、GPS定位模块5和无线数据传输模块6进行校准。
步骤3:数据的采集。具体过程是:
Ⅰ所述固定翼无人机1按照设定的航线进行飞行,并通过GPS定位模块5得到该固定翼无人机的经度数据、纬度数据及和高度数据。所述GPS定位模块5采集数据的时间间隔为1s。
Ⅱ开启机载的气态污染物检测模块2、风速风向采集模块3和温湿度模块4。所述固定翼无人机1按照航线飞行,依次飞经确定的各监测网格,采集各个网格内的大气污染物浓度数据、风速数据、风向数据、温度数据和湿度数据。
本实施例中,所述各监测网格中数据的采集间隔均为1s。
步骤4:数据的传输。具体过程是:
Ⅰ将所述气态污染物检测模块2生成的大气污染物浓度数据通过无线数据传输模块6发送至数据处理模块7;
Ⅲ将所述风速风向采集模块3生成的风速数据和风向数据通过无线数据传输模块6发送至数据处理模块7;
Ⅲ将所述温湿度模块4生成的温度数据和湿度数据通过无线数据传输模块6发送至数据处理模块7;
Ⅳ将所述GPS定位模块5生成的经度数据、纬度数据及和高度数据通过无线数据传输模块6发送至数据处理模块7。
步骤5,大气污染物浓度数据的修正:
考虑不同监测网格中温度、湿度和风速对该监测网格的大气污染物浓度数据的影响,对采集到的不同监测网格的大气污染物浓度数据进行修正。
所述大气污染物浓度数据修正是通过数据处理模块7实施。具体过程是:
通过公式(1)修正大气污染物浓度数据:
公式(1)中:为修正后的Wn浓度,;Wn中的W为污染物,n为污染物种类,n=1,2,3,……;为修正之前的Wn浓度;T为当前监测网格的温度;RH为当前监测网格的湿度;v为当前监测网格的风速;k1为待确定的温度修正系数;k2为待确定的湿度修正系数;k3为待确定的风速修正系数。
所述待确定的温度修正系数k1、待确定的湿度修正系数k2和待确定的风速修正系数k3均由数据处理模块7采用现有技术中的径向基神经网络训练方法,通过公式(2)确定;
XB=XQ+k1T2+k2RH+k3v2 (2)
公式(2)中:XB为主管部门提供的标准污染物浓度数据;XQ为修正前污染物浓度数据。
所述主管部门指环境科学研究院。
将确定的k1、k2代入公式(1),实现对大气污染物浓度数据的修正。
图3为通过径向基神经网络训练方法得到的NO2修正后浓度曲线与NO2标准浓度曲线对比示意图,图4为通过径向基神经网络训练方法得到的NO2修正后浓度误差百分比曲线示意图。
步骤6,数据的整理:
数据处理模块7将按高度层将采集到的各高度层的风向数据、风速数据、温度数据、湿度数据、经度数据、纬度数据、高度数据,以及修正过的大气污染物浓度数据依次集合为一组,共得到J组数据组mi,其中:i=1,2,3,……,J。本实施例中,J=5。
步骤7,数据的处理:
所述数据的处理是通过数据处理模块7对各组的数据依次进行处理,分别得到大气污染物浓度以及风速、风向可视化视图的过程。具体过程是:
I所述数据处理模块7根据第mi组的经度数据、纬度数据、高度数据及修正过后的大气污染物浓度数据,采用常规插值方法依次绘制出第mi组的大气污染物浓度等值线图。该数据处理模块7根据第mi组的风速数据、风向数据、经度数据、纬度数据及高度数据,采用常规方法依次绘制出第mi组的风流线图。其中:i=1,2,3,……,J。
II所述数据处理模块7采用常规方法依次绘制出第mi组的大气污染物浓度等值线图与风流线结合图。其中:i=1,2,3,……,J。
Ⅲ所述数据处理模块7采用常规方法依次绘制出第m1~mJ组的大气污染物浓度等值线图与风流线的结合图,从而得到整个待监测区域内的大气污染物浓度等值线图与风流线结合图。本实施例中,J=5。
Claims (5)
1.一种基于固定翼无人机的大气污染立体化监控及数据处理方法,包括固定翼无人机、气态污染物检测模块、风速风向采集模块、温湿度模块、GPS定位模块、无线数据传输模块和数据处理模块;其中:固定翼无人机包括飞行控制模块;温湿度模块为温度传感器与湿度传感器的集成模块;所述气态污染物检测模块安装在固定翼无人机机头位置处;风速风向采集模块通过支撑杆安放在该固定翼无人机上方;温湿度模块及GPS定位模块安装在固定翼无人机机身的上表面;无线数据传输模块安装在该固定翼无人机机舱内;气态污染物检测模块的信号输出端、风速风向采集模块的信号输出端、温湿度模块的信号输出端及GPS定位模块的信号输出端分别通过数据线与无线传输模块的信号输入端相连;数据处理模块与无线数据传输模块通过无线信号相连;飞行控制模块与远程控制端通过无线信号相连;
其特征在于,具体过程是:
步骤1,确定待监测区域、监测网格尺寸和固定翼无人机的航线:
具体过程是:
Ⅰ根据主管部门提供的污染范围,确定待监测区域以及待监测区域的长度A、宽度B和高度H;
Ⅱ确定待监测区域内的监测网格尺寸;
所述监测网格是将待监测区域划分为多个大小一致的最小监测区域单元,每一个网格即为一个监测点,固定翼无人机的飞行航线需要穿过每一个监测网格;确定所述监测网格的长度为a,宽度为b,高度为h;根据待监测区域的高度H及监测网格的高度h,得到待监测区域在高度方向上的层数J;
Ⅲ设定固定翼无人机的航线:
远程控制端根据确定的所述待检测区域、监测网格大小及分布,生成该固定翼无人机的航线;
确定的固定翼无人机航线包括不同的飞行高度层;该固定翼无人机在每个高度层的航线分别为一个飞行段;在各飞行段的飞行中,航线轨迹为S型轨迹,以覆盖该高度层所有的监测网格;
步骤2,机载设备的校准;
步骤3,数据的采集:
具体过程是:
Ⅰ所述固定翼无人机按照设定的航线进行飞行,并通过GPS定位模块得到该固定翼无人机的经度数据、纬度数据及和高度数据;
Ⅱ开启机载的气态污染物检测模块、风速风向采集模块和温湿度模块;所述固定翼无人机按照航线飞行,依次飞经确定的各监测网格,采集各个网格内的大气污染物浓度数据、风速数据、风向数据、温度数据和湿度数据;
步骤4,数据的传输;
步骤5,大气污染物浓度数据的修正:
通过数据处理模块对采集到的不同监测网格的大气污染物浓度数据进行修正;
具体过程是:
通过公式(1)修正大气污染物浓度数据:
公式(1)中:为修正后的Wn浓度;Wn中的W为污染物,n为污染物种类,n=1,2,3,……;为修正之前的Wn浓度;T为当前监测网格的温度;RH为当前监测网格的湿度;v为当前监测网格的风速;k1为待确定的温度修正系数;k2为待确定的湿度修正系数;k3为待确定的风速修正系数;
步骤6,数据的整理:
数据处理模块将将采集到的各高度层的风向数据、风速数据、温度数据、湿度数据、经度数据、纬度数据、高度数据,以及修正过的大气污染物浓度数据依次按高度层集合为一组,共得到J组数据组mi,其中:i=1,2,3,……,J;
步骤7,数据的处理:
所述数据的处理是通过数据处理模块对各组的数据依次进行处理,分别得到大气污染物浓度以及风速、风向可视化视图的过程;具体过程是:
Ⅰ所述数据处理模块根据第mi组的经度数据、纬度数据、高度数据及修正过后的大气污染物浓度数据,采用插值法依次绘制出第mi组的大气污染物浓度等值线图;该数据处理模块根据第mi组的风速数据、风向数据、经度数据、纬度数据及高度数据,依次绘制出第mi组的风流线图;其中:i=1,2,3,……,J;
Ⅱ所述数据处理模块依次绘制出第mi组的大气污染物浓度等值线图与风流线结合图;其中:i=1,2,3,……,J;
Ⅲ所述数据处理模块依次绘制出第m1~mJ组的大气污染物浓度等值线图与风流线的结合图,从而得到整个待监测区域内的大气污染物浓度等值线图与风流线结合图。
2.如权利要求1所述基于固定翼无人机的大气污染立体化监控及数据处理方法,其特征在于,所确定的待监测区域的长度A=1500m,宽度B=700m,高度H=100m;所确定的监测网格的长度a=10m,宽度b=10m,高度h=20m;待监测区域在高度方向上的层数J=5。
3.如权利要求1所述基于固定翼无人机的大气污染立体化监控及数据处理方法,其特征在于,步骤3中GPS定位模块采集数据的时间间隔为1s;采集所述各监测网格中数据的时间间隔均为1s。
4.如权利要求1所述基于固定翼无人机的大气污染立体化监控及数据处理方法,其特征在于,步骤4中数据的传输过程是:
Ⅰ将所述气态污染物检测模块生成的大气污染物浓度数据通过无线数据传输模块发送至数据处理模块;
Ⅱ将所述风速风向采集模块生成的风速数据和风向数据通过无线数据传输模块发送至数据处理模块;
Ⅲ将所述温湿度模块生成的温度数据和湿度数据通过无线数据传输模块发送至数据处理模块;
Ⅳ将所述GPS定位模块生成的经度数据、纬度数据及和高度数据通过无线数据传输模块发送至数据处理模块。
5.如权利要求1所述基于固定翼无人机的大气污染立体化监控及数据处理方法,其特征在于,步骤5中大气污染物浓度数据的修正:
所述待确定的温度修正系数k1、待确定的湿度修正系数k2和待确定的风速修正系数k3均由数据处理模块采用径向基神经网络训练方法,通过公式(2)确定;
XB=XQ+k1T2+k2RH+k3v2 (2)
公式(2)中:XB为主管部门提供的标准污染物浓度数据;XQ为修正前污染物浓度数据;
所述主管部门指中国环境科学研究院。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110715064.XA CN113375723A (zh) | 2021-06-26 | 2021-06-26 | 基于固定翼无人机的大气污染立体化监控及数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110715064.XA CN113375723A (zh) | 2021-06-26 | 2021-06-26 | 基于固定翼无人机的大气污染立体化监控及数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113375723A true CN113375723A (zh) | 2021-09-10 |
Family
ID=77579286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110715064.XA Pending CN113375723A (zh) | 2021-06-26 | 2021-06-26 | 基于固定翼无人机的大气污染立体化监控及数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113375723A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114046822A (zh) * | 2021-11-11 | 2022-02-15 | 王振兴 | 一种基于传感器阵列模块的大气污染监测方法及*** |
CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制***和方法 |
US20230280173A1 (en) * | 2022-03-07 | 2023-09-07 | Saudi Arabian Oil Company | Method, apparatus, and system for identifying one or more sources of air pollutants based on emission data from vehicles and air quality data from ambient air measurement apparatuses |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
CN107192645A (zh) * | 2016-03-14 | 2017-09-22 | 曹芃 | 一种多旋翼无人机大气污染探测***及方法 |
CN107941666A (zh) * | 2017-10-30 | 2018-04-20 | 重庆广睿达科技有限公司 | 一种消除颗粒物的温湿度影响的动态校准方法及监测仪 |
CN109213839A (zh) * | 2018-09-12 | 2019-01-15 | 北京英视睿达科技有限公司 | 基于网格化特征深度学习的热点网格污染物数据获取方法 |
CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和*** |
CN110455989A (zh) * | 2019-07-17 | 2019-11-15 | 深圳市豪恩安全科技有限公司 | 气体浓度数据处理方法、装置及终端设备 |
CN112033870A (zh) * | 2020-07-20 | 2020-12-04 | 宁波市气象台 | 一种区域边界层pm2.5立体分布及总量推算的方法 |
CN112213443A (zh) * | 2020-05-25 | 2021-01-12 | 南京大学环境规划设计研究院集团股份公司 | 一种旋翼无人机大气污染物浓度监测值偏差修正方法 |
CN112305163A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 基于固定翼无人机的大气污染监测***及数据处理方法 |
-
2021
- 2021-06-26 CN CN202110715064.XA patent/CN113375723A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865353A (zh) * | 2015-06-01 | 2015-08-26 | 上海交通大学 | 基于无人机的工业园区大气污染数据采集方法 |
CN107192645A (zh) * | 2016-03-14 | 2017-09-22 | 曹芃 | 一种多旋翼无人机大气污染探测***及方法 |
CN107941666A (zh) * | 2017-10-30 | 2018-04-20 | 重庆广睿达科技有限公司 | 一种消除颗粒物的温湿度影响的动态校准方法及监测仪 |
CN109213839A (zh) * | 2018-09-12 | 2019-01-15 | 北京英视睿达科技有限公司 | 基于网格化特征深度学习的热点网格污染物数据获取方法 |
CN109977185A (zh) * | 2019-03-19 | 2019-07-05 | 深圳博沃智慧科技有限公司 | 基于网格的大气污染监管方法和*** |
CN110455989A (zh) * | 2019-07-17 | 2019-11-15 | 深圳市豪恩安全科技有限公司 | 气体浓度数据处理方法、装置及终端设备 |
CN112213443A (zh) * | 2020-05-25 | 2021-01-12 | 南京大学环境规划设计研究院集团股份公司 | 一种旋翼无人机大气污染物浓度监测值偏差修正方法 |
CN112033870A (zh) * | 2020-07-20 | 2020-12-04 | 宁波市气象台 | 一种区域边界层pm2.5立体分布及总量推算的方法 |
CN112305163A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 基于固定翼无人机的大气污染监测***及数据处理方法 |
Non-Patent Citations (2)
Title |
---|
丁承君 等: "基于无人机的立体大气环境监测***设计", 《传感器与微***》 * |
王维维: "大气污染天地空一体化监测技术", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114046822A (zh) * | 2021-11-11 | 2022-02-15 | 王振兴 | 一种基于传感器阵列模块的大气污染监测方法及*** |
CN114046822B (zh) * | 2021-11-11 | 2023-12-19 | 王振兴 | 一种基于传感器阵列模块的大气污染监测方法及*** |
US20230280173A1 (en) * | 2022-03-07 | 2023-09-07 | Saudi Arabian Oil Company | Method, apparatus, and system for identifying one or more sources of air pollutants based on emission data from vehicles and air quality data from ambient air measurement apparatuses |
US11859991B2 (en) * | 2022-03-07 | 2024-01-02 | Saudi Arabian Oil Company | Method, apparatus, and system for identifying one or more sources of air pollutants based on emission data from vehicles and air quality data from ambient air measurement apparatuses |
CN114878750A (zh) * | 2022-05-13 | 2022-08-09 | 苏州清泉环保科技有限公司 | 一种集大气污染监测及溯源为一体的智能化控制***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113375723A (zh) | 基于固定翼无人机的大气污染立体化监控及数据处理方法 | |
CN113189615B (zh) | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 | |
US20070145191A1 (en) | Method and system for increasing safety in chemical application from an aircraft | |
CN105547366A (zh) | 微小型无人机农作物信息获取与施肥灌溉指导装置 | |
CN112305163B (zh) | 基于固定翼无人机的大气污染监测***及数据处理方法 | |
CN108827722B (zh) | 一种用于估算工业区pm高架直排源强的无人机***及方法 | |
CN110308023A (zh) | 基于无人机机载的气溶胶粒子垂直观测***及采样方法 | |
CN103207088B (zh) | 一种车载式汽车实验数据采集*** | |
CN115629164B (zh) | 一种无人机碳通量监测数据采集设备及处理方法 | |
CN205139117U (zh) | 基于车载系留气球的大气污染垂直监测*** | |
CN113848226B (zh) | 一种智能化空间移动污染物自主溯源***及溯源方法 | |
CN115185292B (zh) | 基于地空一体化的空气污染智能监测方法及平台 | |
CN110673643A (zh) | 一种无人机智能环保监测***及方法 | |
CN116227990A (zh) | 无人机生态环境碳收支评估方法、***及监测数据采集设备 | |
Lu et al. | Investigating the role of meteorological factors in the vertical variation in PM2. 5 by unmanned aerial vehicle measurement | |
CN117217739B (zh) | 一种智能电力巡检*** | |
CN112327387A (zh) | 基于多旋翼无人机的大气污染物随风监测***及监测方法 | |
CN116679011A (zh) | 一种监测碳排放源的无人机设备及监测方法 | |
CN112484696A (zh) | 一种高精度相对高度测量方法及装置 | |
CN110389393B (zh) | 一种综合观测逆温层扰动的方法 | |
CN114924045A (zh) | 一种无人机co2探测***及装置 | |
WO2017174238A1 (de) | Verfahren und vorrichtung zur bestimmung eines fehlers eines an bord eines fluggeräts angeordneten barometrischen druckmesssystems | |
CN109187877A (zh) | 一种机动车尾气监测方法、装置、介质及设备 | |
DE102017102923B4 (de) | Verfahren und Vorrichtung zur Bestimmung eines Fehlers eines an Bord eines Fluggeräts angeordneten barometrischen Druckmesssystems | |
CN111855898B (zh) | 一种空间分布式空气质量走航传感器平行性检定方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210910 |
|
WD01 | Invention patent application deemed withdrawn after publication |