CN114199305A - 近岸海域生态环境风险监测方法、装置、设备及存储介质 - Google Patents
近岸海域生态环境风险监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114199305A CN114199305A CN202111321583.4A CN202111321583A CN114199305A CN 114199305 A CN114199305 A CN 114199305A CN 202111321583 A CN202111321583 A CN 202111321583A CN 114199305 A CN114199305 A CN 114199305A
- Authority
- CN
- China
- Prior art keywords
- data
- ecological
- risk
- preset reference
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种近岸海域生态环境风险监测方法、装置、设备及存储介质,属于近岸海域监测技术领域。本发明的近岸海域生态环境风险监测方法包括:获取目标海域的初始生态数据;对初始生态数据进行数据预处理,得到标准生态数据;对标准生态数据进行分类处理,得到标签生态数据;比对标签生态数据与预设的参考生态数据,得到风险数据;根据风险数据,输出与风险数据对应的预警信息,本发明通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
Description
技术领域
本发明涉及近岸海域监测技术领域,尤其是涉及一种近岸海域生态环境风险监测方法、装置、设备及存储介质。
背景技术
目前,对于近岸海域生态环境的风险监测,常常是采用现场采样分析法,先通过人工采集样本,再对样本进行实验分析处理,但这一方式存在人工处理数据需要花费大量时间且监测精确度不稳定的问题,影响对近岸海域的监测效率。因此,如何提供一种近岸海域生态环境风险监测方法,提高近岸海域生态环境的监测效率,成为亟待解决的问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种近岸海域生态环境风险监测方法,能够提高近岸海域生态环境的监测效率。
本发明还提出一种具有上述近岸海域生态环境风险监测方法的近岸海域生态环境风险监测装置。
本发明还提出一种具有上述近岸海域生态环境风险监测方法的电子设备。
本发明还提出一种存储介质。
根据本发明第一方面实施例的近岸海域生态环境风险监测方法,所述方法包括:
获取目标海域的初始生态数据;
对所述初始生态数据进行数据预处理,得到标准生态数据;
对所述标准生态数据进行分类处理,得到标签生态数据;
比对所述标签生态数据与预设的参考生态数据,得到风险数据;
根据所述风险数据,输出与所述风险数据对应的预警信息。
根据本发明实施例的近岸海域生态环境风险监测方法,至少具有如下有益效果:这种近岸海域生态环境风险监测方法通过获取目标海域的初始生态数据;对初始生态数据进行数据预处理,得到标准生态数据;对标准生态数据进行分类处理,得到标签生态数据;比对标签生态数据与预设的参考生态数据,得到风险数据;根据风险数据,输出与风险数据对应的预警信息,这种方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
根据本发明的一些实施例,所述对所述标准生态数据进行分类处理,得到标签生态数据,包括:
获取预设的分类标签;
根据所述分类标签将所述标准生态数据划分为水质数据、温度数据、海面风速数据以及水位振动数据。
根据本发明的一些实施例,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,包括:
提取所述水质数据中的重金属含量;
比较所述重金属含量和预设的参考重金属含量;
若所述海水的重金属含量大于所述预设的参考重金属含量,则生成水污染风险数据。
根据本发明的一些实施例,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述水质数据中的含盐量;
比较所述含盐量和预设的参考含盐量;
若所述含盐量大于所述预设的参考含盐量,则生成淡水资源缺乏风险数据。
根据本发明的一些实施例,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述温度数据和所述水质数据中的微量元素含量、有机化合物含量和含盐量;
比较所述微量元素含量和预设的参考微量元素含量、所述有机化合物含量和预设的参考有机化合物含量、所述含盐量和预设的参考含盐量以及所述温度数据和预设的参考温度数据;
若所述微量元素含量大于预设的参考微量元素含量,且所述有机化合物含量大于预设的参考有机化合物含量,且所述含盐量在预设的参考含盐量范围内,且所述温度数据在所述预设的参考温度数据范围内,则生成赤潮预警风险数据。
根据本发明的一些实施例,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述海面风速数据;
比较所述海面风速数据和预设的参考风速数据;
若所述海面风速数据大于所述预设的参考风速数据,则生成风暴潮预警风险数据。
根据本发明的一些实施例,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述海面风速数据和所述水位振动数据;
比较所述海面风速数据和预设的参考风速数据、所述水位振动数据和预设的参考振动数据;
若所述海面风速数据大于所述预设的参考风速数据,且所述水位振动数据大于所述预设的参考振动数据,则生成海啸预警风险数据。
根据本发明第二方面实施例的近岸海域生态环境风险监测装置,近岸海域生态环境风险监测装置包括:
获取模块,用于获取目标海域的初始生态数据;
预处理模块,用于对所述初始生态数据进行数据预处理,得到标准生态数据;
分类模块,用于对所述标准生态数据进行分类处理,得到标签生态数据;
比对模块,用于比对所述标签生态数据与预设的参考生态数据,得到风险数据;
预警输出模块,用于根据所述风险数据,输出与所述风险数据对应的预警信息。
根据本发明实施例的近岸海域生态环境风险监测装置,至少具有如下有益效果:这种近岸海域生态环境风险监测装置通过获取模块获取目标海域的初始生态数据;预处理模块对初始生态数据进行数据预处理,得到标准生态数据;分类模块对标准生态数据进行分类处理,得到标签生态数据;比对模块比对标签生态数据与预设的参考生态数据,得到风险数据;预警输出模块根据风险数据,输出与风险数据对应的预警信息,这种方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
根据本发明第三方面实施例的近岸海域生态环境风险监测设备,包括存储器、处理器及存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本发明上述第一方面实施例的近岸海域生态环境风险监测方法。
根据本发明实施例的近岸海域生态环境风险监测设备,至少具有如下有益效果:这种近岸海域生态环境风险监测设备采用上述近岸海域生态环境风险监测方法,通过获取目标海域的初始生态数据;对初始生态数据进行数据预处理,得到标准生态数据;对标准生态数据进行分类处理,得到标签生态数据;比对标签生态数据与预设的参考生态数据,得到风险数据;根据风险数据,输出与风险数据对应的预警信息,这种方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
根据本发明第四方面实施例的存储介质,存储介质为计算机可读存储介质,计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行上述第一方面实施例的近岸海域生态环境风险监测方法。
根据本发明实施例的存储介质,至少具有如下有益效果:存储介质存储有计算机可执行指令,计算机可执行指令通过采用上述近岸海域生态环境风险监测方法,通过获取目标海域的初始生态数据;对初始生态数据进行数据预处理,得到标准生态数据;对标准生态数据进行分类处理,得到标签生态数据;比对标签生态数据与预设的参考生态数据,得到风险数据;根据风险数据,输出与风险数据对应的预警信息,这种方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实施例对本发明做进一步的说明,其中:
图1是本发明一个实施例的近岸海域生态环境风险监测方法的流程图;
图2是图1中步骤S300的流程图;
图3是图1中步骤S400的流程图;
图4是图1中步骤S400的另一流程图;
图5是图1中步骤S400的另一流程图;
图6是图1中步骤S400的另一流程图;
图7是图1中步骤S400的另一流程图;
图8是本发明另一实施例的近岸海域生态环境风险监测装置的结构示意图。
附图标记:910、获取模块;920、预处理模块;930、分类模块;940、比对模块;950、预警输出模块。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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。
第一方面,参照图1,本发明实施例的近岸海域生态环境风险监测方法包括:
S100,获取目标海域的初始生态数据;
S200,对初始生态数据进行数据预处理,得到标准生态数据;
S300,对标准生态数据进行分类处理,得到标签生态数据;
S400,比对标签生态数据与预设的参考生态数据,得到风险数据;
S500,根据风险数据,输出与风险数据对应的预警信息。
在对近岸海域生态环境进行风险监测时,先获取目标海域的位置信息,到达目标海域的检测区域后,可以通过放置监测设备来获取目标海域的初始生态数据,例如,可以通过浮标在线监测设备来自动获取目标海域的初始生态数据,相较于人工现场采样的方式,这种监测方式可以实时获取目标海域的初始生态数据,提高监测结果的准确性。进而,对获取到的初始生态数据进行数据预处理,得到标准生态数据。需要说明的是,可以是将目标海域的初始生态数据发送给中央处理器,通过中央处理器对误差较大的异常数据进行剔除,进而得到标准生态数据,通过这一步骤能够提高后续对目标海域生态环境的风险监测精确度。然后对标准生态数据进行分类处理,得到标签生态数据,其中,分类标签包括水质标签、温度标签、海面风速标签以及水位振动标签,从而将标准生态数据划分为水质数据、温度数据、海面风速数据以及水位振动数据。进而,比对标签生态数据与预设的参考生态数据,得到风险数据,并根据风险数据,输出与风险数据对应的预警信息,从而对目标海域的生态环境进行相应的治理。这种近岸海域生态环境风险监测方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
参照图2,在一些实施例中,步骤S300包括:
S310,获取预设的分类标签;
S320,根据分类标签将标准生态数据划分为水质数据、温度数据、海面风速数据以及水位振动数据。
在对目标海域进行生态环境的风险监测时,获取了目标海域的初始生态数据后,再获取预设的分类标签,然后根据分类标签将标准生态数据划分为水质数据、温度数据、海面风速数据以及水位振动数据。例如,为了监测目标海域是否具有水污染风险,需要获取目标海域水质数据中的重金属含量数据,从而判断目标海域是否具有水污染风险;而为了监测目标海域的淡水资源是否有缺乏时,需要获取目标海域水质数据中的含盐量数据。通过将初始生态数据进行分类,能够提高对目标海域的风险监测效率。
参照图3,在一些实施例中,步骤S400包括:
S410,提取水质数据中的重金属含量;
S420,比较重金属含量和预设的参考重金属含量;
S430,若海水的重金属含量大于预设的参考重金属含量,则生成水污染风险数据。
由于生活污水和工业废水的大量流入,近岸海域的生态环境受到严重的破坏,因此有必要对近岸海域的水质进行监测,并对水质已经受到严重污染的海域进行治理。而为了监测目标海域是否具有水污染风险,需要从水质数据中提取样本的重金属含量,并将样本中的重金属含量和预设的参考重金属含量进行比较,其中,重金属元素包括汞、铅、镉等,当监测到水质重金属浓度超标,即从水质数据中提取样本的重金属含量大于参考重金属含量时,表明目标海域的水质受到严重的污染,则对目标海域生成水污染的风险信息。在一些其他实施例中,还可以提取水质数据中的甲醛含量,从而进一步提高对目标海域具有水污染风险的监测准度。
参照图4,在一些实施例中,步骤S400还包括:
S510,提取水质数据中的含盐量;
S520,比较含盐量和预设的参考含盐量;
S530,若含盐量大于预设的参考含盐量,则生成淡水资源缺乏风险数据。
在对目标海域的淡水资源进行监测时,从水质数据中提取样本中的含盐量,将样本中的含盐量和预设的参考含盐量进行比较,当监测到含盐量浓度超标,即含盐量大于参考含盐量时,得出目标海域淡水资源缺乏的风险信息,具体地,淡水中的含盐成分包括有磷酸盐、亚硝酸盐、硝酸盐等。
参照图5,在一些实施例中,步骤S400还包括:
S610,提取温度数据和水质数据中的微量元素含量、有机化合物含量和含盐量;
S620,比较微量元素含量和预设的参考微量元素含量、有机化合物含量和预设的参考有机化合物含量、含盐量和预设的参考含盐量以及温度数据和预设的参考温度数据;
S630,若微量元素含量大于预设的参考微量元素含量,且有机化合物含量大于预设的参考有机化合物含量,且含盐量在预设的参考含盐量范围内,且温度数据在预设的参考温度数据范围内,则生成赤潮预警风险数据。
在对目标海域进行赤潮监测时,从标准生态数据中提取温度数据和水质数据中的微量元素含量、有机化合物含量和含盐量,浮游生物是赤潮的主要组成部分,由于城市生活污水和工业污水的大量排入,水体中含有的过量植物营养元素逐渐被氧化分解后成为水中微生物和藻类所需的营养物质,使得藻类迅速成长。因此通过监测温度数据和水质数据中的微量元素含量、有机化合物含量和含盐量来对目标海域进行赤潮预警监测,当水质中的铁、锰等元素含量大于预设的参考微量元素含量,含氮、磷等有机化合物含量大于预设的参考有机化合物含量,且水质中的含盐量在预设的参考含盐量范围内,且样本的温度数据在预设的温度范围内时,则目标海域的浮游生物有大量增殖的可能性,也即有赤潮发生的可能,因此发出赤潮预警风险信息。在一些具体实施例中,预设的参考含盐量范围为26-37‰,预设的温度数据范围为20-37℃。
参照图6,在一些实施例中,步骤S400还包括:
S710,提取海面风速数据;
S720,比较海面风速数据和预设的参考风速数据;
S730,若海面风速数据大于预设的参考风速数据,则生成风暴潮预警风险数据。
风暴潮是发生在近岸海域的一种海洋灾害,风暴潮的出现几乎都伴随着暴风的发生,在对目标海域的风暴潮进行监测时,从标准生态数据中提取海面风速数据,将海面风速数据和预设的参考风速数据进行比较,当监测到海面风速数据大于参考风速数据时,得出目标海域风暴潮预警的风险信息。
参照图7,在一些实施例中,步骤S400还包括:
S810,提取海面风速数据和水位振动数据;
S820,比较海面风速数据和预设的参考风速数据、水位振动数据和预设的参考振动数据;
S830,若海面风速数据大于预设的参考风速数据,且水位振动数据大于预设的参考振动数据,则生成海啸预警风险数据。
在对目标海域的海啸进行监测时,从标准生态数据中提取海面风速数据和水位振动数据,将海面风速数据和预设的参考风速数据进行比较,并将水位振动数据和预设的参考振动数据进行比较,当监测到海面风速数据大于参考风速数据,且水位振动数据大于参考振动数据时,得出目标海域风暴潮预警的风险信息。
第二方面,参照图8,本发明实施例的近岸海域生态环境风险监测装置包括:
获取模块910,用于获取目标海域的初始生态数据;
预处理模块920,用于对初始生态数据进行数据预处理,得到标准生态数据;
分类模块930,用于对标准生态数据进行分类处理,得到标签生态数据;
比对模块940,用于比对标签生态数据与预设的参考生态数据,得到风险数据;
预警输出模块950,用于根据风险数据,输出与风险数据对应的预警信息。
在对近岸海域生态环境进行风险监测时,获取模块910获取目标海域的初始生态数据,进而,预处理模块920对初始生态数据进行数据预处理,得到标准生态数据;然后分类模块930对标准生态数据进行分类处理,得到标签生态数据;进而,比对模块940比对标签生态数据与预设的参考生态数据,得到风险数据;这样,预警输出模块950可以根据风险数据,输出与风险数据对应的预警信息。这种近岸海域生态环境风险监测方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
第三方面,本发明实施例的近岸海域生态环境风险监测设备,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,存储器存储有指令,指令被至少一个处理器执行,以使至少一个处理器执行指令时实现如第一方面实施例的近岸海域生态环境风险监测方法。
这种近岸海域生态环境风险监测设备采用上述近岸海域生态环境风险监测方法,通过获取目标海域的初始生态数据;对初始生态数据进行数据预处理,得到标准生态数据;对标准生态数据进行分类处理,得到标签生态数据;比对标签生态数据与预设的参考生态数据,得到风险数据;根据风险数据,输出与风险数据对应的预警信息,这种近岸海域生态环境风险监测方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
第四方面,本发明还提出一种存储介质。存储介质为计算机可读存储介质,存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行如第一方面实施例的近岸海域生态环境风险监测方法。
存储介质存储有计算机可执行指令,计算机可执行指令通过采用上述近岸海域生态环境风险监测方法,通过获取目标海域的初始生态数据;对初始生态数据进行数据预处理,得到标准生态数据;对标准生态数据进行分类处理,得到标签生态数据;比对标签生态数据与预设的参考生态数据,得到风险数据;根据风险数据,输出与风险数据对应的预警信息,这种近岸海域生态环境风险监测方式通过将获取到的监测数据进行分类处理后再与预设监测数据进行比较,进而根据比对结果得出风险预警信息,从而能够得到精确的风险监测结果,同时还能减少工作人员处理数据的时间,提高了近岸海域生态环境的监测效率。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。此外,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
Claims (10)
1.近岸海域生态环境风险监测方法,其特征在于,包括:
获取目标海域的初始生态数据;
对所述初始生态数据进行数据预处理,得到标准生态数据;
对所述标准生态数据进行分类处理,得到标签生态数据;
比对所述标签生态数据与预设的参考生态数据,得到风险数据;
根据所述风险数据,输出与所述风险数据对应的预警信息。
2.根据权利要求1所述的近岸海域生态环境风险监测方法,其特征在于,所述对所述标准生态数据进行分类处理,得到标签生态数据,包括:
获取预设的分类标签;
根据所述分类标签将所述标准生态数据划分为水质数据、温度数据、海面风速数据以及水位振动数据。
3.根据权利要求2所述的近岸海域生态环境风险监测方法,其特征在于,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,包括:
提取所述水质数据中的重金属含量;
比较所述重金属含量和预设的参考重金属含量;
若所述海水的重金属含量大于所述预设的参考重金属含量,则生成水污染风险数据。
4.根据权利要求3所述的近岸海域生态环境风险监测方法,其特征在于,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述水质数据中的含盐量;
比较所述含盐量和预设的参考含盐量;
若所述含盐量大于所述预设的参考含盐量,则生成淡水资源缺乏风险数据。
5.根据权利要求4所述的近岸海域生态环境风险监测方法,其特征在于,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述温度数据和所述水质数据中的微量元素含量、有机化合物含量和含盐量;
比较所述微量元素含量和预设的参考微量元素含量、所述有机化合物含量和预设的参考有机化合物含量、所述含盐量和预设的参考含盐量以及所述温度数据和预设的参考温度数据;
若所述微量元素含量大于预设的参考微量元素含量,且所述有机化合物含量大于预设的参考有机化合物含量,且所述含盐量在预设的参考含盐量范围内,且所述温度数据在所述预设的参考温度数据范围内,则生成赤潮预警风险数据。
6.根据权利要求5所述的近岸海域生态环境风险监测方法,其特征在于,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述海面风速数据;
比较所述海面风速数据和预设的参考风速数据;
若所述海面风速数据大于所述预设的参考风速数据,则生成风暴潮预警风险数据。
7.根据权利要求6所述的近岸海域生态环境风险监测方法,其特征在于,所述比对所述标签生态数据与预设的参考生态数据,得到风险数据,还包括:
提取所述海面风速数据和所述水位振动数据;
比较所述海面风速数据和预设的参考风速数据、所述水位振动数据和预设的参考振动数据;
若所述海面风速数据大于所述预设的参考风速数据,且所述水位振动数据大于所述预设地参考振动数据,则生成海啸预警风险数据。
8.近岸海域生态环境风险监测装置,其特征在于,包括:
获取模块,用于获取目标海域的初始生态数据;
预处理模块,用于对所述初始生态数据进行数据预处理,得到标准生态数据;
分类模块,用于对所述标准生态数据进行分类处理,得到标签生态数据;
比对模块,用于比对所述标签生态数据与预设的参考生态数据,得到风险数据;
预警输出模块,用于根据所述风险数据,输出与所述风险数据对应的预警信息。
9.近岸海域生态环境风险监测设备,包括存储器、处理器及存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至7任一项所述的近岸海域生态环境风险监测方法。
10.一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,其特征在于,计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1至7中任一项所述的近岸海域生态环境风险监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321583.4A CN114199305A (zh) | 2021-11-09 | 2021-11-09 | 近岸海域生态环境风险监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111321583.4A CN114199305A (zh) | 2021-11-09 | 2021-11-09 | 近岸海域生态环境风险监测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114199305A true CN114199305A (zh) | 2022-03-18 |
Family
ID=80647069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111321583.4A Pending CN114199305A (zh) | 2021-11-09 | 2021-11-09 | 近岸海域生态环境风险监测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114199305A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713232A (zh) * | 2022-11-12 | 2023-02-24 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种刺参底播增殖风险联防预警*** |
-
2021
- 2021-11-09 CN CN202111321583.4A patent/CN114199305A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713232A (zh) * | 2022-11-12 | 2023-02-24 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种刺参底播增殖风险联防预警*** |
CN115713232B (zh) * | 2022-11-12 | 2024-04-23 | 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心) | 一种刺参底播增殖风险联防预警*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461167A (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
Primpas et al. | Scaling the trophic index (TRIX) in oligotrophic marine environments | |
Le et al. | Multivariate statistical assessment of a polluted river under nitrification inhibition in the tropics | |
Guo et al. | Spatial variations and ecological risk assessment of heavy metals in surface sediments on the upper reaches of Hun River, Northeast China | |
CN201780678U (zh) | 水质各因子在线监测*** | |
Angello et al. | Spatio-temporal evaluation and quantification of pollutant source contribution in little akaki river, Ethiopia: conjunctive application of factor analysis and multivariate receptor model | |
CN110987909A (zh) | 一种耕地土壤重金属的空间分布及来源解析方法及装置 | |
CN113706127B (zh) | 一种水域分析报告的生成方法及电子设备 | |
CN106600509A (zh) | 一种基于基础数据分析判断企业兑水排污行为的方法 | |
CN112591820B (zh) | 一种基于自动化控制的工业废水分选回用*** | |
CN114199305A (zh) | 近岸海域生态环境风险监测方法、装置、设备及存储介质 | |
CN103278616A (zh) | 一种土壤腐蚀性快速评价的多因子方法 | |
Poshtegal et al. | The heavy metals pollution index and water quality monitoring of the Zarrineh river, Iran | |
CN114611626A (zh) | 一种水环境信息处理方法、装置、设备和存储介质 | |
CN111380824A (zh) | 锅炉煤制气废水处理过程中消除泡沫的水循环处理方法 | |
Essamlali et al. | Advances in machine learning and IoT for water quality monitoring: A comprehensive review | |
CN117193224A (zh) | 一种基于物联网的污水处理智能监控*** | |
CN116596308B (zh) | 河流、湖泊沉积物重金属生态毒性风险的综合评价方法 | |
CN117059193A (zh) | 蓝藻风险确定方法、装置、设备和介质 | |
CN116703004A (zh) | 一种基于预训练模型的水系流域智慧巡护方法和装置 | |
Gupta et al. | Appraisal of river water quality based on field observations: a case study on Narmada river | |
Ling et al. | Water quality assessment of tributaries of Batang Baleh in Sarawak using cluster analysis | |
Kasim et al. | Environmetric techniques application in water quality assessment: a case study in Linggi River Basin | |
Chang et al. | Machine Learning Approach to IoT-Based Water Quality Monitoring | |
Rizvi et al. | A multivariate statistical approach for water quality assessment of river Hindon, India |
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 |