一种基于物联网的水污染多源遥感监测方法与流程

1.本发明涉及水污染监测技术领域，具体是指一种基于物联网的水污染多源遥感监测方法。


背景技术：

2.目前全国各地对受污染水体水质监测大多数仍停留在人工监测阶段，目前采用的监测方法如原子吸收法、比色法等，大部分能够准确定性和定量表征水体污染程度，但是多依赖人工定期或不定期的采集水样。采样和检测过程往往耗费大量人力、物力和财力。不仅如此，由于很多城市河道分布广泛、面积偏小、数量较多、空间分布复杂，部分受污染水体的变动大，因而在治理、监管方面存在很大的难度。由于依赖人工采样的监测方法不能做到在线连续监测，不仅容易造成对实地污染事件的发现滞后，更难以反映企业及城市排放连续变化的情况影响对污染的及时处理，部分建立的水质自动装置监测系统存在监测参数可扩展性差、缺少在线质控手段、对异常数据智能化识别能力不足等瓶颈问题。
3.由于很多城市黑臭河道分布广泛、面积偏小、数量较多、空间分布复杂，部分黑臭水体的变动大，因而在治理、监管方面存在很大的难度。与地面监管相比，遥感监测信息的空间范围更大，有利于从区域层面把控黑臭水体；时间范围广，有助于迅速、详细地掌握黑臭水体的产生、发展与演化变迁过程，可节省大量资源(人力、物力和时间等)。


技术实现要素：

4.本发明要解决上述技术问题，提供一种基于物联网的水污染多源遥感监测方法。
5.为解决上述技术问题，本发明提供的技术方案为：
6.一种基于物联网的水污染多源遥感监测方法，包括数据库和卫星遥感，所述的数据库内存有多组的污染物的数据，水污染监测的方法如下：
7.s1：通过卫星遥感数据获取可见光图像；
8.s2：对可见光图像进行预处理；
9.s3：对预处理过的可见光图像进行中值滤波；
10.s4：利用slic算法分割对s3步骤中的可见光图像进行处理，得到超像素块，提取超像素块上的颜色特征和纹理特征；
11.s5：把s4步骤中的超像素块上的颜色特征和纹理特征与数据库内存有污染物数据进行分析对比；
12.s6：得出水体检测结果，分析推断出污染源头。
13.采用以上结构后，本发明具有如下优点：
14.1、通过卫星遥感数据获取可见光图像，对可见光图像分析处理和slic算法分割，然后和对比数据库内数据进行对比，得出水体检测结果，突破的空间和区域的限制，打破了传统的监测方式；
15.2、还可对水体检测结果进行反向推算，根据数据库得出污染源头，为解决污染源
头提供有效的帮助。
16.作为改进，所述的s2步骤中的预处理为确定可见光图像上的监测区域和对监测区域的可见光图像进行降噪处理。
17.作为改进，所述的污染物的数据包括病原体污染物、耗氧污染物、植物污染物、有毒物污染物、石油类污染物、无机物污染物和热污染。
18.作为改进，所述的污染物的数据是对经过slic算法分割，得出不同污染物的颜色特征和纹理特征。
19.作为改进，所述的s6的水体检测结果推断出污染源头，污染源头包括工厂企业、城镇污染和生态环境。
附图说明
20.图1是本发明的流程图。
21.图2是本发明的卫星遥感数据获取可见光图像。
22.图3是本发明经过slic算法分割的图像。
23.图4是本发明对比图像。
具体实施方式
24.下面结合附图对本发明做进一步的详细说明。
25.结合附图1-4，一种基于物联网的水污染多源遥感监测方法，其特征在于，包括数据库和卫星遥感，所述的数据库内存有多组的污染物的数据，水污染监测的方法如下：
26.s1：通过卫星遥感数据获取可见光图像；
27.s2：对可见光图像进行预处理；
28.s3：对预处理过的可见光图像进行中值滤波；
29.s4：利用slic算法分割对s3步骤中的可见光图像进行处理，得到超像素块，提取超像素块上的颜色特征和纹理特征；
30.s5：把s4步骤中的超像素块上的颜色特征和纹理特征和数据库内存有污染物数据进行分析对比；
31.s6：得出水体检测结果，分析推断出污染源头。
32.所述的s2步骤中的预处理为确定可见光图像上的监测区域和对监测区域的可见光图像进行降噪处理。
33.所述的污染物的数据包括病原体污染物、耗氧污染物、植物污染物、有毒物污染物、石油类污染物、无机物污染物和热污染。
34.所述的污染物的数据是对经过slic算法分割，得出不同污染物的颜色特征和纹理特征。
35.所述的s6的水体检测结果推断出污染源头，污染源头包括工厂企业、城镇污染和生态环境。
36.实施例一：
37.s1：通过卫星遥感数据获取某地区的可见光图像(如图2)；
38.s2：对可见光图像进行预处理；
39.s3：对预处理过的可见光图像进行中值滤波；
40.s4：利用slic算法分割对s3步骤中的可见光图像进行处理(如图3)，得到大量的的超像素块，区分大量的的超像素块信息，去除陆地超像素块，提取水中的超像素块上的颜色特征和纹理特征；
41.s5：把s4步骤中水中的超像素块上的颜色特征和纹理特征与数据库内存有污染物数据进行分析对比；
42.s6：得出水体检测结果(如图3)，图3左边水体检测结果图，右边是海藻污染的数据图，图3的两个图对比，和海藻污染的特征一致，分析推断出污染源头为海藻污染。
43.以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。


技术特征：
1.一种基于物联网的水污染多源遥感监测方法，其特征在于，包括数据库和卫星遥感，所述的数据库内存有多组的污染物的数据，水污染监测的方法如下：s1：通过卫星遥感数据获取可见光图像；s2：对可见光图像进行预处理；s3：对预处理过的可见光图像进行中值滤波；s4：利用slic算法分割对s3步骤中的可见光图像进行处理，得到超像素块，提取超像素块上的颜色特征和纹理特征；s5：把s4步骤中的超像素块上的颜色特征和纹理特征与数据库内存有污染物数据进行分析对比；s6：得出水体检测结果，分析推断出污染源头。2.根据权利要求1所述的一种基于物联网的水污染多源遥感监测方法，其特征在于：所述的s2步骤中的预处理为确定可见光图像上的监测区域和对监测区域的可见光图像进行降噪处理。3.根据权利要求1所述的一种基于物联网的水污染多源遥感监测方法，其特征在于：所述的污染物的数据包括病原体污染物、耗氧污染物、植物污染物、有毒物污染物、石油类污染物、无机物污染物和热污染。4.根据权利要求3所述的一种基于物联网的水污染多源遥感监测方法，其特征在于：所述的污染物的数据是对经过slic算法分割，得出不同污染物的颜色特征和纹理特征。5.根据权利要求1所述的一种基于物联网的水污染多源遥感监测方法，其特征在于：所述的s6的水体检测结果推断出污染源头，污染源头包括工厂企业、城镇污染和生态环境。

技术总结
一种基于物联网的水污染多源遥感监测方法，包括数据库和卫星遥感，水污染监测的方法如下：S1：通过卫星遥感数据获取可见光图像；S2：对可见光图像进行预处理；S3：对预处理过的可见光图像进行中值滤波；S4：利用SLIC算法分割对；S3：步骤中的可见光图像进行处理；S5：数据进行分析对比；S6：得出水体检测结果，采用以上结构后，本发明具有如下优点：1、通过卫星遥感数据获取可见光图像，对可见光图像分析处理和SLIC算法分割，然后和对比数据库内数据进行对比，得出水体检测结果，突破的空间和区域的限制，打破了传统的监测方式；2、还可对水体检测结果进行反向推算，根据数据库得出污染源头，为解决污染源头提供有效的帮助。为解决污染源头提供有效的帮助。为解决污染源头提供有效的帮助。


技术研发人员：秦静 祝青
受保护的技术使用者：西安中科西光航天科技有限公司
技术研发日：2021.09.30
技术公布日：2022/3/8