CN117035498A - 一种基于遥感水文数据模型的高空水质水量检测方法 - Google Patents
一种基于遥感水文数据模型的高空水质水量检测方法 Download PDFInfo
- Publication number
- CN117035498A CN117035498A CN202310855512.5A CN202310855512A CN117035498A CN 117035498 A CN117035498 A CN 117035498A CN 202310855512 A CN202310855512 A CN 202310855512A CN 117035498 A CN117035498 A CN 117035498A
- Authority
- CN
- China
- Prior art keywords
- water
- water body
- target
- grade
- water quality
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 561
- 238000013499 data model Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000036541 health Effects 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000002310 reflectometry Methods 0.000 claims description 73
- 229930002875 chlorophyll Natural products 0.000 claims description 19
- 235000019804 chlorophyll Nutrition 0.000 claims description 19
- 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 description 19
- 230000008569 process Effects 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 12
- QDOXWKRWXJOMAK-UHFFFAOYSA-N dichromium trioxide Chemical compound O=[Cr]O[Cr]=O QDOXWKRWXJOMAK-UHFFFAOYSA-N 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 210000000476 body water Anatomy 0.000 claims description 4
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims description 3
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 7
- 230000004044 response Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及高空水文检测技术领域，用于解决现有的对高空水质水量检测的方式中，难以做到对水体水质状态的准确评估，导致无法准确分析水体的健康状态，且还难以做到对水体变化趋势的分析，导致无法对灾害情况进行预警的问题，具体为一种基于遥感水文数据模型的高空水质水量检测方法。本发明，通过遥感技术实现对高空区域的水体的水质及水量状态的监测，并明确水体的水质及健康状态的评估，采用数据比对分析以及数据综合分析的方式，对水体的变化趋势进行明确的输出，为灾害预警和应急响应提供数据支持；通过对高空水质水量的检测分析，不仅为保护水资源、环境和生态***的健康提供了依据，也为预防和减轻水相关灾害的发生奠定了基础。
Description
技术领域
本发明涉及高空水文检测技术领域，具体为一种基于遥感水文数据模型的高空水质水量检测方法。
背景技术
高空水文指的是从高空区域对水体的水文信息的分析，且高空水文水质水量检测是指对高空区域(如湖泊、河流、水库等)的水质和水量进行监测和评估的过程，对水质水量的准确检测，可以有效实现对水资源管理以及环境保护。
但现有的对高空水质水量检测的方式中，难以做到对水体水质状态的准确评估，导致无法准确分析水体的健康状态，且还难以做到对水体变化趋势的分析，导致无法对灾害情况进行预警，增加生态环境危害性。
为了解决上述缺陷，现提供一种技术方案。
发明内容
本发明的目的在于提供一种基于遥感水文数据模型的高空水质水量检测方法。
本发明的目的可以通过以下技术方案实现：一种基于遥感水文数据模型的高空水质水量检测方法，包括以下步骤：
步骤一：通过各种遥感技术采集与高空水文相关的水质状态信息以及水量状态信息，并将各类信息发送至云数据库中存储；
步骤二：依据遥感技术监测的数据，并由此对未知水体的水体类型进行判定分析，由此输出未知水体的确定水体类型；
步骤三：对目标水体的水质状态信息进行监测，由此对目标水体的水质状态进行分析，得到目标水体的水质等级，且水质等级包括优级水质等级、中级水质等级、差级水质等级；
步骤四：依据得到的目标水体的水质等级，对目标水体的水质等级进行健康转化评估分析，由此输出文本字样预警，并通过显示终端对目标水体的水质状态进行显示说明；
步骤五：对目标水体的水量状态信息进行监测，由此对目标水体的水量状态进行分析，并生成洪涝预警信号、干旱预警信号、正常水体水量预警信号，并通过显示终端进行显示说明。
优选地，所述对未知水体的水体类型进行判定分析，其具体分析过程如下：
201：采用遥感技术接收地球表面反射或辐射的电磁波，并由此生成电磁波谱图，根据波长范围将电磁波谱图中的电磁波谱划分成不同波段；
202：实时监测未知水体的不同波段的反射特性信息中的反射率，以时间为横坐标，以对应时间点下的各波段的反射率为纵坐标，并由此建立波段反射坐标系，并绘制得到未知水体的各波段的反射率曲线；
203：从波段反射坐标系中选取特征形状波段，并提取未知水体的特征形状波段的反射率曲线的形状，并将其与存储在云数据库中的反射率曲线形状判定表进行对照，由此输出未知水体的水体类型，其中，特征形状波段的反射率曲线的每种形状均有一个水体类型与其对应；
204：从波段反射坐标系中选取特征峰值波段，并提取未知水体的特征峰值波段的反射率曲线的峰值位置，并将其与存储在云数据库中的反射率曲线峰值位置判定表进行对照，由此输出未知水体的水体类型，其中，反射率曲线的每种峰值位置均有一个水体类型与其对应；
205：将未知水体的不同波段的反射率进行作比，由此得到未知水体波段之间的反射率比值，并将其与存储在云数据库中的反射率比值判定表进行对照，由此输出未知水体的水体类型，其中，每个反射率比值均有一个水体类型与其对应；
206：将步骤203、204和205输出的结果进行统计分析，具体为：若步骤203、204和205输出的水体类型均为同一水体类型，或步骤203、204和205中的任意两个步骤输出的水体类型为同一水体类型，则将该水体类型作为未知水体的最终判断结果，由此得到未知水体的确定水体类型。
优选地，所述反射率的具体求解过程如下：
监测遥感数据记录日志，并从中调取每个波段的辐射能量和入辐射能量，并将两项数据进行作除计算，具体为：反射率＝将辐射能量÷入辐射能量，由此得到对应波段的反射率。
优选地，所目标水体的水质状态信息进行监测，其具体监测过程如下：
从目标水体的不同波段中提取为蓝光的可见光波段以及为红光的可见光波段，并由此监测目标水体的蓝光波段和红光波段的反射率，并将其分别记作fs1、fs2，并将两项数据进行组合计算处理，依据设定的数据模型： 由此得到目标水体的悬浮物含量参照值xfh，其中，cax用于表示水体浑浊度评估转换的参考值，且cax为一个常数；
将目标水体的悬浮物含量与存储在云数据库中的浑浊程度数据表进行对照匹配分析，由此得到目标水体的浑浊指数，并将其记作dty，且得到的每个目标水体的悬浮物含量均对应一个浑浊指数；
监测目标水体的红光波段和近红外波段的反射率，并将其分别记作ry1、ry2，并将两个波段的反射率进行作比分析，依据设定的公式：l g＝ry1÷ry2，由此得到目标水体的叶绿估算指数l g；
将目标水体的叶绿估算指数与存储在云数据库中的叶绿素数据表进行对照匹配分析，由此得到目标水体的叶绿素含量，并将其记作cp l，且得到的每个目标水体的叶绿估算指数均对应一个叶绿素含量；
监测目标水体的蓝光波段和红光波段的反射率，并将两项数据同时代入存储在云数据库中的颜色数据表进行对照匹配，由此得到目标水体的色度值，并将其记作co l。
优选地，所述对目标水体的水质状态进行分析，其具体分析过程如下：
实时监测目标水体的水质状态信息中的浑浊指数、叶绿素含量和色度值，并将三项数据进行综合分析，依据设定的数据模型：wqx＝ρ1×dty+ρ2×cp l+ρ3×co l，由此得到目标水体的水质系数wqx，其中，ρ1、ρ2和ρ3分别为浑浊指数、叶绿素含量和色度值的权重因子系数，ρ1、ρ2和ρ3均为大于0的自然数；
将目标水体的水质系数与存储在云数据库中的水质状态判定表进行对照匹配分析，由此得到目标水体的水质等级，且得到的每个目标水体的水质系数均对应一个水质等级，且水质等级包括优级水质等级、中级水质等级、差级水质等级。
优选地，所述对目标水体的水质等级进行健康转化评估分析，其具体分析过程如下：
依据接收到的优级水质等级，则将目标水体的健康状态判定为优质水状态，并由此触发“目标水体的水质状态较优，无需进行治理处理”文本字样预警，并通过显示终端进行显示说明；
依据接收到的中级水质等级，则将目标水体的健康状态判定为中等水状态，并由此触发“目标水体的水质状态存在中度污染，需要进行治理处理”文本字样预警，并通过显示终端进行显示说明；
依据接收到的差级水质等级，则将目标水体的健康状态判定为劣质水状态，并由此触发“目标水体的水质状态存在严重污染，亟需进行治理处理”文本字样预警，并通过显示终端进行显示说明。
优选地，所述对目标水体的水量状态信息进行监测，其具体监测过程如下：
通过热红外遥感影像实时监测目标水体的水体温度，并将其记作wdi，并将连续监测到的水体温度进行标准差分析，依据设定的公式：由此得到目标水体的温度波动值σ1，其中，i表示为连续的监测时间，μ1表示为连续时间下水体温度的均值数据；
通过热红外遥感影像实时监测目标水体的水体水位，并将其记作swi，并将连续监测到的水体温度进行标准差分析，依据设定的公式： 由此得到目标水体的水位波动值σ2，其中，μ2表示为连续时间下水体水位的均值数据；
通过热红外遥感影像实时监测单位时间段内的目标水体的水量，并分别记录目标水体初始监测的水量以及最终监测的水量，并将其分别记作s l初和s l终，依据设定的公式：μ3＝(s l终-s l初)÷m，由此得到目标水体的平均水量μ3，其中，m表示为单位时间段的时长。
优选地，所述水量状态进行分析，其具体分析过程如下：
将目标水体的温度波动值与存储在云数据库中的水体温度状态判定表进行对照匹配分析，由此得到目标水体的水温反馈等级，且得到的每个目标水体的温度波动值均对应一个水温反馈等级，且水温反馈等级包括一阶水温反馈等级、二阶水温反馈等级、三阶水温反馈等级；
将目标水体的水位波动值与存储在云数据库中的水体水位状态判定表进行对照匹配分析，由此得到目标水体的水位反馈等级，且得到的每个目标水体的水位波动值均对应一个水位反馈等级，且水位反馈等级包括一阶水位反馈等级、二阶水位反馈等级、三阶水位反馈等级；
将目标水体的平均水量与存储在云数据库中的水量状态判定表进行对照匹配分析，由此得到目标水体的水量反馈等级，且得到的每个目标水体的平均水量均对应一个水量反馈等级，且水量反馈等级包括一阶水量反馈等级、二阶水量反馈等级、三阶水量反馈等级；
同时调取目标水体的各项数据的反馈等级状态，若同时捕捉到一阶水温反馈等级、三阶水位反馈等级、三阶水量反馈等级时，则生成洪涝预警信号；
若同时捕捉到三阶水温反馈等级、一阶水位反馈等级、一阶水量反馈等级时，则生成干旱预警信号；
而其他情况下，则均生成正常水体水量预警信号。
本发明的有益效果：
本发明，通过遥感技术实现对高空区域的水体的水质及水量状态的监测，并由此明确了水体的水质状态及水体健康状态的预警评估，为实现环境保护提供了科学依据；
通过遥感技术监测水体的变化趋势，包括水位的变化、水体温度的变化以及水量的变化，并采用数据比对分析以及数据综合分析的方式，对水体的水量状态进行明确的输出，并提前发现洪涝、干旱等灾害情况，为灾害预警和应急响应提供数据支持；
通过对高空水质水量的检测分析，不仅为保护水资源、环境和生态***的健康提供了依据，也为预防和减轻水相关灾害的发生奠定了基础。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于遥感水文数据模型的高空水质水量检测方法，包括以下步骤：
步骤一：通过各种遥感技术采集与高空水文相关的水质状态信息以及水量状态信息，并将各类信息发送至云数据库中存储，其中，云数据库还用于存储反射率曲线形状判定表、反射率曲线峰值位置判定表、反射率比值判定表、浑浊程度数据表、叶绿素数据表、颜色数据表、水质状态判定表、水体温度状态判定表、水体水位状态判定表、水量状态判定表；
步骤二：依据遥感技术监测的数据，并由此对未知水体的水体类型进行判定分析，具体分析过程如下：
201：采用遥感技术接收地球表面反射或辐射的电磁波，并由此生成电磁波谱图，根据波长范围将电磁波谱图中的电磁波谱划分成不同波段；
202：实时监测未知水体的不同波段的反射特性信息中的反射率，以时间为横坐标，以对应时间点下的各波段的反射率为纵坐标，并由此建立波段反射坐标系，并绘制得到未知水体的各波段的反射率曲线；
其中，反射率的具体求解过程如下：监测遥感数据记录日志，并从中调取每个波段的辐射能量和入辐射能量，并将两项数据进行作除计算，具体为：反射率＝将辐射能量÷入辐射能量，由此得到对应波段的反射率；
203：从波段反射坐标系中选取特征形状波段，并提取未知水体的特征形状波段的反射率曲线的形状，并将其与存储在云数据库中的反射率曲线形状判定表进行对照，由此输出未知水体的水体类型，其中，特征形状波段的反射率曲线的每种形状均有一个水体类型与其对应，水体类型包括湖泊、河流、海洋；
需要指出的是，反射率曲线形状判定表中为若干个已知水体类型的反射率曲线形状组成，通过比较未知水体的反射率曲线形状与已知水体类型的反射率曲线形状，可以初步判断水体类型；
204：从波段反射坐标系中选取特征峰值波段，并提取未知水体的特征峰值波段的反射率曲线的峰值位置，并将其与存储在云数据库中的反射率曲线峰值位置判定表进行对照，由此输出未知水体的水体类型，其中，反射率曲线的每种峰值位置均有一个水体类型与其对应；
205：将未知水体的不同波段的反射率进行作比，由此得到未知水体波段之间的反射率比值，并将其与存储在云数据库中的反射率比值判定表进行对照，由此输出未知水体的水体类型，其中，每个反射率比值均有一个水体类型与其对应；
206：将步骤203、204和205输出的结果进行统计分析，具体为：若步骤203、204和205输出的水体类型均为同一水体类型，或步骤203、204和205中的任意两个步骤输出的水体类型为同一水体类型，则将该水体类型作为未知水体的最终判断结果，由此得到未知水体的确定水体类型。
步骤三：对目标水体的水质状态信息进行监测，具体监测过程如下：
从目标水体的不同波段中提取为蓝光的可见光波段以及为红光的可见光波段，并由此监测目标水体的蓝光波段和红光波段的反射率，并将其分别记作fs1、fs2，并将两项数据进行组合计算处理，依据设定的数据模型： 由此得到目标水体的悬浮物含量参照值xfh，其中，cax用于表示水体浑浊度评估转换的参考值，且cax为一个常数；
将目标水体的悬浮物含量与存储在云数据库中的浑浊程度数据表进行对照匹配分析，由此得到目标水体的浑浊指数，并将其记作dty，且得到的每个目标水体的悬浮物含量均对应一个浑浊指数；
监测目标水体的红光波段和近红外波段的反射率，并将其分别记作ry1、ry2，并将两个波段的反射率进行作比分析，依据设定的公式：l g＝ry1÷ry2，由此得到目标水体的叶绿估算指数l g；
将目标水体的叶绿估算指数与存储在云数据库中的叶绿素数据表进行对照匹配分析，由此得到目标水体的叶绿素含量，并将其记作cp l，且得到的每个目标水体的叶绿估算指数均对应一个叶绿素含量；
监测目标水体的蓝光波段和红光波段的反射率，并将两项数据同时代入存储在云数据库中的颜色数据表进行对照匹配，由此得到目标水体的色度值，并将其记作co l，需要指出的是，蓝光波段和红光波段的反射率共同确定目标水体的色度值，且色度值用于表示水体颜色深浅的数据信息；
由此对目标水体的水质状态进行分析，具体分析过程如下：
实时监测目标水体的水质状态信息中的浑浊指数、叶绿素含量和色度值，并将三项数据进行综合分析，依据设定的数据模型：wqx＝ρ1×dty+ρ2×cp l+ρ3×co l，由此得到目标水体的水质系数wqx，其中，ρ1、ρ2和ρ3分别为浑浊指数、叶绿素含量和色度值的权重因子系数，ρ1、ρ2和ρ3均为大于0的自然数，权重因子系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；
将目标水体的水质系数与存储在云数据库中的水质状态判定表进行对照匹配分析，由此得到目标水体的水质等级，且得到的每个目标水体的水质系数均对应一个水质等级，且水质等级包括优级水质等级、中级水质等级、差级水质等级。
步骤四：依据得到的目标水体的水质等级，对目标水体的水质等级进行健康转化评估分析，具体分析过程如下：
依据接收到的优级水质等级，则将目标水体的健康状态判定为优质水状态，并由此触发“目标水体的水质状态较优，无需进行治理处理”文本字样预警，并通过显示终端进行显示说明；
依据接收到的中级水质等级，则将目标水体的健康状态判定为中等水状态，并由此触发“目标水体的水质状态存在中度污染，需要进行治理处理”文本字样预警，并通过显示终端进行显示说明；
依据接收到的差级水质等级，则将目标水体的健康状态判定为劣质水状态，并由此触发“目标水体的水质状态存在严重污染，亟需进行治理处理”文本字样预警，并通过显示终端进行显示说明。
步骤五：对目标水体的水量状态信息进行监测，具体监测过程如下：
通过热红外遥感影像实时监测目标水体的水体温度，并将其记作wdi，并将连续监测到的水体温度进行标准差分析，依据设定的公式：由此得到目标水体的温度波动值σ1，其中，i表示为连续的监测时间，μ1表示为连续时间下水体温度的均值数据；
通过热红外遥感影像实时监测目标水体的水体水位，并将其记作swi，并将连续监测到的水体温度进行标准差分析，依据设定的公式： 由此得到目标水体的水位波动值σ2，其中，μ2表示为连续时间下水体水位的均值数据；
通过热红外遥感影像实时监测单位时间段内的目标水体的水量，并分别记录目标水体初始监测的水量以及最终监测的水量，并将其分别记作s l初和s l终，依据设定的公式：μ3＝(s l终-s l初)÷m，由此得到目标水体的平均水量μ3，其中，m表示为单位时间段的时长；
由此对目标水体的水量状态进行分析，具体分析过程如下：
将目标水体的温度波动值与存储在云数据库中的水体温度状态判定表进行对照匹配分析，由此得到目标水体的水温反馈等级，且得到的每个目标水体的温度波动值均对应一个水温反馈等级，且水温反馈等级包括一阶水温反馈等级、二阶水温反馈等级、三阶水温反馈等级；
将目标水体的水位波动值与存储在云数据库中的水体水位状态判定表进行对照匹配分析，由此得到目标水体的水位反馈等级，且得到的每个目标水体的水位波动值均对应一个水位反馈等级，且水位反馈等级包括一阶水位反馈等级、二阶水位反馈等级、三阶水位反馈等级；
将目标水体的平均水量与存储在云数据库中的水量状态判定表进行对照匹配分析，由此得到目标水体的水量反馈等级，且得到的每个目标水体的平均水量均对应一个水量反馈等级，且水量反馈等级包括一阶水量反馈等级、二阶水量反馈等级、三阶水量反馈等级；
同时调取目标水体的各项数据的反馈等级状态，若同时捕捉到一阶水温反馈等级、三阶水位反馈等级、三阶水量反馈等级时，则生成洪涝预警信号；
若同时捕捉到三阶水温反馈等级、一阶水位反馈等级、一阶水量反馈等级时，则生成干旱预警信号；
而其他情况下，则均生成正常水体水量预警信号；
并通过显示终端进行显示说明。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (8)
1.一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，包括以下步骤：
步骤一：通过各种遥感技术采集与高空水文相关的水质状态信息以及水量状态信息，并将各类信息发送至云数据库中存储；
步骤二：依据遥感技术监测的数据，并由此对未知水体的水体类型进行判定分析，由此输出未知水体的确定水体类型；
步骤三：对目标水体的水质状态信息进行监测，由此对目标水体的水质状态进行分析，得到目标水体的水质等级，且水质等级包括优级水质等级、中级水质等级、差级水质等级；
步骤四：依据得到的目标水体的水质等级，对目标水体的水质等级进行健康转化评估分析，由此输出文本字样预警，并通过显示终端对目标水体的水质状态进行显示说明；
步骤五：对目标水体的水量状态信息进行监测，由此对目标水体的水量状态进行分析，并生成洪涝预警信号、干旱预警信号、正常水体水量预警信号，并通过显示终端进行显示说明。
2.根据权利要求1所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所述对未知水体的水体类型进行判定分析，其具体分析过程如下：
201：采用遥感技术接收地球表面反射或辐射的电磁波，并由此生成电磁波谱图，根据波长范围将电磁波谱图中的电磁波谱划分成不同波段；
202：实时监测未知水体的不同波段的反射特性信息中的反射率，以时间为横坐标，以对应时间点下的各波段的反射率为纵坐标，并由此建立波段反射坐标系，并绘制得到未知水体的各波段的反射率曲线；
203：从波段反射坐标系中选取特征形状波段，并提取未知水体的特征形状波段的反射率曲线的形状，并将其与存储在云数据库中的反射率曲线形状判定表进行对照，由此输出未知水体的水体类型，其中，特征形状波段的反射率曲线的每种形状均有一个水体类型与其对应；
204：从波段反射坐标系中选取特征峰值波段，并提取未知水体的特征峰值波段的反射率曲线的峰值位置，并将其与存储在云数据库中的反射率曲线峰值位置判定表进行对照，由此输出未知水体的水体类型，其中，反射率曲线的每种峰值位置均有一个水体类型与其对应；
205：将未知水体的不同波段的反射率进行作比，由此得到未知水体波段之间的反射率比值，并将其与存储在云数据库中的反射率比值判定表进行对照，由此输出未知水体的水体类型，其中，每个反射率比值均有一个水体类型与其对应；
206：将步骤203、204和205输出的结果进行统计分析，具体为：若步骤203、204和205输出的水体类型均为同一水体类型，或步骤203、204和205中的任意两个步骤输出的水体类型为同一水体类型，则将该水体类型作为未知水体的最终判断结果，由此得到未知水体的确定水体类型。
3.根据权利要求2所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所述反射率的具体求解过程如下；
监测遥感数据记录日志，并从中调取每个波段的辐射能量和入辐射能量，并将两项数据进行作除计算，具体为：反射率＝将辐射能量÷入辐射能量，由此得到对应波段的反射率。
4.根据权利要求1所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所目标水体的水质状态信息进行监测，其具体监测过程如下：
从目标水体的不同波段中提取为蓝光的可见光波段以及为红光的可见光波段，并由此监测目标水体的蓝光波段和红光波段的反射率，并将其分别记作fs1、fs2，并将两项数据进行组合计算处理，依据设定的数据模型： 由此得到目标水体的悬浮物含量参照值xfh，其中，cax用于表示水体浑浊度评估转换的参考值，且cax为一个常数；
将目标水体的悬浮物含量与存储在云数据库中的浑浊程度数据表进行对照匹配分析，由此得到目标水体的浑浊指数，并将其记作dty，且得到的每个目标水体的悬浮物含量均对应一个浑浊指数；
监测目标水体的红光波段和近红外波段的反射率，并将其分别记作ry1、ry2，并将两个波段的反射率进行作比分析，依据设定的公式：lg＝ry1÷ry2，由此得到目标水体的叶绿估算指数lg；
将目标水体的叶绿估算指数与存储在云数据库中的叶绿素数据表进行对照匹配分析，由此得到目标水体的叶绿素含量，并将其记作cpl，且得到的每个目标水体的叶绿估算指数均对应一个叶绿素含量；
监测目标水体的蓝光波段和红光波段的反射率，并将两项数据同时代入存储在云数据库中的颜色数据表进行对照匹配，由此得到目标水体的色度值，并将其记作col。
5.根据权利要求1所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所述对目标水体的水质状态进行分析，其具体分析过程如下：
实时监测目标水体的水质状态信息中的浑浊指数、叶绿素含量和色度值，并将三项数据进行综合分析，依据设定的数据模型：wqx＝ρ1×dty+ρ2×cpl+ρ3×col，由此得到目标水体的水质系数wqx，其中，ρ1、ρ2和ρ3分别为浑浊指数、叶绿素含量和色度值的权重因子系数，ρ1、ρ2和ρ3均为大于0的自然数；
将目标水体的水质系数与存储在云数据库中的水质状态判定表进行对照匹配分析，由此得到目标水体的水质等级，且得到的每个目标水体的水质系数均对应一个水质等级，且水质等级包括优级水质等级、中级水质等级、差级水质等级。
6.根据权利要求1所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所述对目标水体的水质等级进行健康转化评估分析，其具体分析过程如下：
依据接收到的优级水质等级，则将目标水体的健康状态判定为优质水状态，并由此触发“目标水体的水质状态较优，无需进行治理处理”文本字样预警，并通过显示终端进行显示说明；
依据接收到的中级水质等级，则将目标水体的健康状态判定为中等水状态，并由此触发“目标水体的水质状态存在中度污染，需要进行治理处理”文本字样预警，并通过显示终端进行显示说明；
依据接收到的差级水质等级，则将目标水体的健康状态判定为劣质水状态，并由此触发“目标水体的水质状态存在严重污染，亟需进行治理处理”文本字样预警，并通过显示终端进行显示说明。
7.根据权利要求1所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所述对目标水体的水量状态信息进行监测，其具体监测过程如下：
通过热红外遥感影像实时监测目标水体的水体温度，并将其记作wdi，并将连续监测到的水体温度进行标准差分析，依据设定的公式：由此得到目标水体的温度波动值σ1，其中，i表示为连续的监测时间，μ1表示为连续时间下水体温度的均值数据；
通过热红外遥感影像实时监测目标水体的水体水位，并将其记作swi，并将连续监测到的水体温度进行标准差分析，依据设定的公式： 由此得到目标水体的水位波动值σ2，其中，μ2表示为连续时间下水体水位的均值数据；
通过热红外遥感影像实时监测单位时间段内的目标水体的水量，并分别记录目标水体初始监测的水量以及最终监测的水量，并将其分别记作sl初和sl终，依据设定的公式：μ3＝(sl终-s l初)÷m，由此得到目标水体的平均水量μ3，其中，m表示为单位时间段的时长。
8.根据权利要求1所述的一种基于遥感水文数据模型的高空水质水量检测方法，其特征在于，所述水量状态进行分析，其具体分析过程如下：
将目标水体的温度波动值与存储在云数据库中的水体温度状态判定表进行对照匹配分析，由此得到目标水体的水温反馈等级，且得到的每个目标水体的温度波动值均对应一个水温反馈等级，且水温反馈等级包括一阶水温反馈等级、二阶水温反馈等级、三阶水温反馈等级；
将目标水体的水位波动值与存储在云数据库中的水体水位状态判定表进行对照匹配分析，由此得到目标水体的水位反馈等级，且得到的每个目标水体的水位波动值均对应一个水位反馈等级，且水位反馈等级包括一阶水位反馈等级、二阶水位反馈等级、三阶水位反馈等级；
将目标水体的平均水量与存储在云数据库中的水量状态判定表进行对照匹配分析，由此得到目标水体的水量反馈等级，且得到的每个目标水体的平均水量均对应一个水量反馈等级，且水量反馈等级包括一阶水量反馈等级、二阶水量反馈等级、三阶水量反馈等级；
同时调取目标水体的各项数据的反馈等级状态，若同时捕捉到一阶水温反馈等级、三阶水位反馈等级、三阶水量反馈等级时，则生成洪涝预警信号；
若同时捕捉到三阶水温反馈等级、一阶水位反馈等级、一阶水量反馈等级时，则生成干旱预警信号；
而其他情况下，则均生成正常水体水量预警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310855512.5A CN117035498B (zh) | 2023-07-13 | 2023-07-13 | 一种基于遥感水文数据模型的高空水质水量检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310855512.5A CN117035498B (zh) | 2023-07-13 | 2023-07-13 | 一种基于遥感水文数据模型的高空水质水量检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117035498A true CN117035498A (zh) | 2023-11-10 |
| CN117035498B CN117035498B (zh) | 2024-04-16 |
Family
ID=88601317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310855512.5A Active CN117035498B (zh) | 2023-07-13 | 2023-07-13 | 一种基于遥感水文数据模型的高空水质水量检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117035498B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0938631A (ja) * | 1995-07-26 | 1997-02-10 | Hitachi Ltd | リモートセンシング応用広域水圏監視システム |
| CN102721644A (zh) * | 2012-06-21 | 2012-10-10 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感数据处理方法及装置 |
| CN103175513A (zh) * | 2013-03-01 | 2013-06-26 | 戴会超 | 水利工程影响下基于物联网的流域水文水质监控***及方法 |
| CN107564257A (zh) * | 2017-08-30 | 2018-01-09 | 商洛学院 | 一种地理水文数据采集展示*** |
| CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
| CN112557307A (zh) * | 2020-12-09 | 2021-03-26 | 武汉新烽光电股份有限公司 | 天空地一体化湖库水质监测融合数据方法 |
| CN112734694A (zh) * | 2020-12-19 | 2021-04-30 | 闫耀伟 | 一种基于大数据的水质监测方法 |
| CN116399402A (zh) * | 2023-04-18 | 2023-07-07 | 南京晓庄学院 | 一种用于生态环境监测的无线传感器的故障预警*** |
-
2023
- 2023-07-13 CN CN202310855512.5A patent/CN117035498B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0938631A (ja) * | 1995-07-26 | 1997-02-10 | Hitachi Ltd | リモートセンシング応用広域水圏監視システム |
| CN102721644A (zh) * | 2012-06-21 | 2012-10-10 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感数据处理方法及装置 |
| CN103175513A (zh) * | 2013-03-01 | 2013-06-26 | 戴会超 | 水利工程影响下基于物联网的流域水文水质监控***及方法 |
| CN107564257A (zh) * | 2017-08-30 | 2018-01-09 | 商洛学院 | 一种地理水文数据采集展示*** |
| CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
| CN112557307A (zh) * | 2020-12-09 | 2021-03-26 | 武汉新烽光电股份有限公司 | 天空地一体化湖库水质监测融合数据方法 |
| CN112734694A (zh) * | 2020-12-19 | 2021-04-30 | 闫耀伟 | 一种基于大数据的水质监测方法 |
| CN116399402A (zh) * | 2023-04-18 | 2023-07-07 | 南京晓庄学院 | 一种用于生态环境监测的无线传感器的故障预警*** |
Non-Patent Citations (4)
| Title |
|---|
| 史卓琳 等: "河流水情要素遥感研究进展", 《地理科学进展》, 30 April 2020 (2020-04-30) * |
| 梁文广;王冬梅;诸晓华;谢义林;: "2008～2013年太湖蓝藻遥感监测成果分析", 人民长江, no. 2, 28 November 2014 (2014-11-28) * |
| 王世新;焦云清;周艺;祝令亚;阎福礼;: "应用MODIS监测太湖水体叶绿素a浓度季节变化研究", 遥感信息, no. 01, 15 February 2008 (2008-02-15) * |
| 蔡丽娜;刘平波;智长贵;: "水质遥感监测方法的探讨", 测绘与空间地理信息, no. 04, 25 August 2008 (2008-08-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117035498B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Elbaz et al. | The reversal of the star formation-density relation in the distant universe | |
| Chew et al. | Tropical cirrus cloud contamination in sun photometer data | |
| Luke et al. | Detection of supercooled liquid in mixed‐phase clouds using radar Doppler spectra | |
| Zhao et al. | A new cloud and aerosol layer detection method based on micropulse lidar measurements | |
| Garcia et al. | Quantification of floating macroalgae blooms using the scaled algae index | |
| Ward et al. | Use of sea clutter models in radar design and development | |
| CN103023889A (zh) | 一种安全域风险量化方法 | |
| Yang et al. | Characterization analysis and identification of common marine oil spill types using hyperspectral remote sensing | |
| Jung et al. | Radar‐based cell tracking with fuzzy logic approach | |
| CN110221266B (zh) | 一种基于支持向量机的航海雷达目标快速检测方法 | |
| Naud et al. | Comparison between active sensor and radiosonde cloud boundaries over the ARM Southern Great Plains site | |
| CN107255806B (zh) | 一种拟合反演海平面水平大气消光系数的方法 | |
| CN102405422B (zh) | 在声雷达***中检测和补偿降水的方法 | |
| CN103995259A (zh) | 密集干扰环境下雷达目标自适应滤波融合检测方法 | |
| Myagkov et al. | Evaluation of the reflectivity calibration of W-band radars based on observations in rain | |
| Wang et al. | The identification of hail storms in the early stage using time series analysis | |
| Stringari et al. | The fraction of broken waves in natural surf zones | |
| Zhang et al. | A semi-analytical model for estimating total suspended matter in highly turbid waters | |
| Hudak et al. | Validation of the CloudSat precipitation occurrence algorithm using the Canadian C band radar network | |
| CN117035498B (zh) | 一种基于遥感水文数据模型的高空水质水量检测方法 | |
| Weisshaupt et al. | The role of radar wind profilers in ornithology | |
| Fukushima et al. | Semi-analytical prediction of Secchi depth using remote-sensing reflectance for lakes with a wide range of turbidity | |
| CN105445233A (zh) | 华南沿海赤潮灾害应急监测与预警方法 | |
| Gregow et al. | The use of satellite and surface observations for initializing clouds in the HARMONIE NWP model | |
| Stein et al. | The potential use of operational radar network data to evaluate the representation of convective storms in NWP models |
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 |