一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法技术方案

本发明专利技术涉及一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法，通过遥感监测、自动监测和人工巡测三种途径获取与湖泊蓝藻灾害相关的监测指标数据，将获取的数据通过互联网传输至数据中心；数据中心对接收的数据进行数据备份和数据预处理，包括时间插值、空间插值和异常判定处理；数据经预处理后传输至数据库存储；根据数据库中存储的数据源进行湖泊的三维数值模型计算，根据数值模型模拟数据，进行待监测湖泊蓝藻灾害风险评估，并在公共平台上展示湖泊蓝藻灾害预测预警信息。本发明专利技术的方法和系统实现了对蓝藻灾害的实时立体监测，并充分挖掘采集的数据信息，进行了数据处理和模型模拟，实现了蓝藻灾害信息实时接收、快速精确的处理和及时发布。

A stereo monitoring and data mining system and method for Lake cyanobacteria disaster

The invention relates to a three-dimensional monitoring and data for cyanobacteria disasters mining system and method, through remote monitoring, automatic monitoring and manual survey three ways to obtain the monitoring data associated with cyanobacteria disasters, the data transmission through the Internet to the data center; Data Center for data backup and data preprocessing the received data, including time interpolation, spatial interpolation and anomaly judgment processing; after processing data transmitted to the database storage; three-dimensional numerical calculation model for Lake based on the data stored in the database source, according to the numerical model simulation data for the risk of cyanobacteria disaster monitoring and evaluation, and in the public platform to display early warning information prediction of cyanobacteria disasters. The method and system of the invention realizes the real-time monitoring of the three-dimensional cyanobacteria disasters, and make full use of the collected data, simulated data processing and model, realize the fast and accurate real-time information receiving, cyanobacteria disaster treatment and timely release.

【技术实现步骤摘要】
一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法
本专利技术属于环境监测评价和数据挖掘
，特别是涉及面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法。
技术介绍
湖泊富营养化引起的一个普遍现象是：在适宜的水文气象条件下，许多浮游植物，尤其是那些具有浮力或运动能力的藻类，会发生异常增殖，并聚集形成表面水华，进而引发一系列严重的生态环境问题，包括：水体透明度下降，溶解氧减少，水生动植物死亡，水体散发异味，生物多样性下降，通过食物链损害人类健康等。这种由富营养化和蓝藻异常增殖引起的生态灾害在全球范围内的持续扩张已经对许多著名的湖泊生态系统的生态健康和可持续发展构成了巨大的威胁，包括：美国伊利湖，加拿大温尼伯湖，欧洲的波罗的海，非洲维多利亚湖及日本的琵琶湖等。不过，尽管湖泊蓝藻灾害非常的严重，但是直到目前还没有办法彻底解决此问题。在此前提下，做好蓝藻灾害监测和预防工作是减轻此生态灾害，减少社会经济损失的关键。目前，已经有不少有关蓝藻监测的技术方法研究报道。中国专利申请201410023795.8提出的“一种大型浅水湖泊蓝藻水华MODIS卫星高精度监测方法”是利用遥感技术来监测蓝藻水华。在没有云层覆盖影响下，这种方法最多只能提供每天一次数据。如果遇到云层覆盖，则不能提供有效数据。但是，研究已证明水华的形成和消失过程可以仅持续数个小时。而遥感技术的采样频率显然不能准确反映水华的快速的动态实时变化。相似地，中国专利申请201020219363.1提出的“用于蓝藻监测的浮标”实时监测虽然能够以高时间分辨率记录与蓝藻灾害相关的环境因子变化过程，但是该技术仅能提供设备所在点的水环境信息，这显然也不能有效记录呈现空间高度分异的蓝藻水华面状信息。杨宏伟等公开了一种“基于物联网技术的太湖蓝藻水华预警平台”，该平台基于多源数据，根据物联网的四层内涵设计，能够实现未来3天蓝藻水华预警区域的发生概率的预测，并通过Internet发布信息；但从其设计框架及文字说明来看，该技术存在主要问题为：(1)并未包括卫星接收天线，其获取的数据并非实时的卫星遥感数据，因此该平台不能实现自动实时获取卫星遥感数据的功能；(2)自动监测站仅详细描述了叶绿素传感器的设置，对其他仪器设备的监测指标、布置方式和参数设定并未提及，也没有介绍实时监控、供电和安全等功能；(3)该技术仅提及了蓝藻生物量模型，并不具有营养盐循环、沉积物侵蚀悬浮和溶解氧动态等与藻类生命过程密切相关的生态过程的模拟功能；(4)该技术还存在不能充分发掘监测产生的数据价值的缺点。遥感和自动监测均可以产生海量的有关蓝藻灾害的数据。但是现有技术并不能充分利用这部分数据为湖泊研究和管理服务，更不能为普通公众提供有价值的、可读性强的蓝藻灾害信息。因此，为了更加及时准确的获得蓝藻灾害信息，并充分提升这些信息的价值，既需要测控系统采集时空连续的与蓝藻相关数据，也需要具有高效的数据分析和处理技术和方法，包括数据统计分析、数据同化、模型预测、参数的实时校正、灾害评估和灾害信息发布等。只有建立蓝藻灾害立体监控和数据挖掘系统和方法，才能满足经济社会发展和生态环境保护对蓝藻灾害监测和预防工作的需求。
技术实现思路
本专利技术目的在于克服现有技术的不足，提供一种面向蓝藻灾害的立体监控及数据挖掘系统和方法。采用本专利技术提供的系统和方法，针对湖泊蓝藻水华时空变化大的问题，通过集成卫星遥感、自动监测和人工巡测技术收集实时蓝藻灾害数据，并利用数据库、数据同化和数值模型等方法开展数据挖掘，实现自动、实时和准确的采集、处理和提取蓝藻灾害信息，为快速、及时和准确的应对蓝藻灾害提供有价值的和辨识度高的监测和预防信息，以便能最终实现将灾害引起社会经济和生态环境损失降低到最小的根本目标。为实现上述技术目的，本专利技术采用如下技术方案：一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统，包括监测子系统和数据处理子系统；所述监测子系统用于采集待监测数据；包括利用遥感进行监测的遥感监测子系统、利用自动监测站进行监测的自动监测子系统和人工采集待监测数据的人工巡测子系统；所述遥感监测子系统包括卫星数据接收天线、计算机和供电系统，所述供电系统用于为耗电装置供电，卫星数据接收天线接收卫星数据，并向计算机传输，通过计算机进行遥感反演处理后，将处理后的数据通过互联网传输至数据处理子系统；所述自动监测子系统为多个自动监测站通过无线网络连接形成的监测网络，单个自动监测站由水面支撑系统、供电系统、安全警示系统和数据采集系统组成；所述水面支撑系统为自动监测站硬件装置的承重结构；所述供电系统用于为自动监测站的耗电装置供电；所述安全警示系统用于安全警示，防止自动监测站遭受意外破坏；所述数据采集系统用于采集包括从气象仪器、水文仪器、水质仪器和视频仪器中获取的待监测数据，并将采集的数据通过无线网络传输到数据处理子系统；水面支撑系统是整个系统的承重结构，可以是浮标体、栈桥或水上平台。支撑系统上部出露于水面，下部固定于湖底，起到支撑整个系统结构的功能。供电系统固定在水面支撑系统上，通过电缆为其他耗电设备提供电力。安全警示系统固定在水面支撑系统之上，包括航标灯、荧光带和警示标语等。所述人工巡测子系统为人工采集数据，并将数据通过互联网传输至数据处理子系统；所述数据处理子系统用于接收和处理监测子系统获取的数据；包括服务器、阵列机、计算机、计算工作站、硬件防火墙、路由器、网线和供电设备；服务器采用双机热备模式，两台服务器和用于数据存储的阵列机通过三叉电缆实现心跳连接，所有计算机、服务器和计算工作站均通过网线与硬件防火墙相连，硬件防火墙通过连接路由器与外网连通；本专利技术中，服务器采用双机热备的模式，将中心服务器安装成互为备份的两台服务器，并且在同一时间内只有一台服务器运行。当其中运行着的一台服务器出现故障无法启动时，另一台备份服务器会迅速的自动启动并运行。计算工作站主要用于三维数值模型的运算。硬件防火墙主要用于保护整个系统免受攻击，路由器则是为整个系统提供网络服务。上述这些设备将被放置在机柜中，机柜电源与不间断供电电源相连接。正常情况下，所有设备由外接电源供电。在外接电源意外间断时，由不间断供电电源提供整个系统的电力供应。数据处理子系统接收数据后，对接收的数据进行数据备份和数据处理，获取湖泊蓝藻灾害的预测指标和风险评估，并通过公共平台发布。本专利技术还提供了一种面向蓝藻灾害的立体监控和数据挖掘方法，具体包括如下步骤：(1)通过遥感监测、自动监测和人工巡测三种途径获取与待监测湖泊蓝藻灾害相关的监测指标数据，包括气象指标、水文指标、水质指标和视频影像，获取的数据通过互联网传输至数据中心；其中，所述遥感监测指通过卫星遥感实时监测；遥感监测数据采集由卫星接收天线接收卫星信号，并传送到遥感处理计算机中，由卫星数据反演软件生成各项遥感指标，此后，这些数据通过局域网内计算机共享功能实现向服务器数据中心发送；所述自动监测指由多个自动监测站通过无线网络连接形成监测网络，对待监测指标进行监测；自动监测则通过配置的各类传感器收集气象、水文和水质指标及视频，并由通信模块通过商用通信网络向服务器数据中心发送，并由安装在服务器端的商业软件完成数据接收；所述人工巡测指通过人工方式进行指标检测；人工巡测是指在规定的时间内通过本文档来自技高网...

【技术保护点】
一种面向湖泊蓝藻灾害的立体监控及数据挖掘方法，其特征在于，包括如下步骤：(1)通过遥感监测、自动监测和人工巡测三种途径获取与待监测湖泊蓝藻灾害相关的监测指标数据，包括气象指标、水文指标、水质指标和视频影像，获取的数据通过互联网传输至数据中心；其中，所述遥感监测指通过卫星遥感实时监测；所述自动监测指由多个自动监测站通过无线网络连接形成监测网络，对待监测指标进行实时监测；所述人工巡测指通过人工方式进行指标检测；(2)数据中心对接收的数据进行数据备份和数据预处理，所述数据预处理包括如下步骤：根据设定的数据采集时间间隔对数据进行检查，如果数据有中断，则通过时间插值方法对数据进行插值处理；对遥感监测获取的卫星数据，通过空间插值填补云层覆盖区域的数据缺失；对数据进行异常判定和处理，对于判定的异常数据，采用异常数据的前一个数据代替该异常数据；数据经预处理后，连同数据中心接收的原始数据一同传输至数据库存储；(3)根据数据库中存储的数据源构建待监测湖泊的三维数值模型，具体为：构建待监测湖泊的水动力模型；在待监测湖泊的水动力模型上叠加物质迁移转化模型，两种模型的方程耦合计算；其中，所述物质迁移转化模型计算的标量包括光照、悬移质、藻类生长、营养盐循环和溶解氧；采用有限差分求解模型，获取数值模型模拟数据；(4)根据数值模型模拟数据，进行待监测湖泊蓝藻灾害风险评估；(5)在公共平台上展示湖泊蓝藻灾害预测预警信息。...

【技术特征摘要】
2017.06.19 CN 20171046494901.一种面向湖泊蓝藻灾害的立体监控及数据挖掘方法，其特征在于，包括如下步骤：(1)通过遥感监测、自动监测和人工巡测三种途径获取与待监测湖泊蓝藻灾害相关的监测指标数据，包括气象指标、水文指标、水质指标和视频影像，获取的数据通过互联网传输至数据中心；其中，所述遥感监测指通过卫星遥感实时监测；所述自动监测指由多个自动监测站通过无线网络连接形成监测网络，对待监测指标进行实时监测；所述人工巡测指通过人工方式进行指标检测；(2)数据中心对接收的数据进行数据备份和数据预处理，所述数据预处理包括如下步骤：根据设定的数据采集时间间隔对数据进行检查，如果数据有中断，则通过时间插值方法对数据进行插值处理；对遥感监测获取的卫星数据，通过空间插值填补云层覆盖区域的数据缺失；对数据进行异常判定和处理，对于判定的异常数据，采用异常数据的前一个数据代替该异常数据；数据经预处理后，连同数据中心接收的原始数据一同传输至数据库存储；(3)根据数据库中存储的数据源构建待监测湖泊的三维数值模型，具体为：构建待监测湖泊的水动力模型；在待监测湖泊的水动力模型上叠加物质迁移转化模型，两种模型的方程耦合计算；其中，所述物质迁移转化模型计算的标量包括光照、悬移质、藻类生长、营养盐循环和溶解氧；采用有限差分求解模型，获取数值模型模拟数据；(4)根据数值模型模拟数据，进行待监测湖泊蓝藻灾害风险评估；(5)在公共平台上展示湖泊蓝藻灾害预测预警信息。2.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，对数据库中存储的数据进行分类存储，具体如下：对于单点时间连续的数据，以单个数据表存储单个监测站的所有数据；对于二维数据直接存放在数据表中；对于三维数值模型生成的数据，以时间为节点，存放在数据表中；对于图像或视频数据，将图像或视频存储在阵列机中，在数据库中建立数据表记录图像或视频的路径，字段包括编号、时间和图像/视频路径，以索引的方式访问图像或视频。3.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，数据库面向多源异构数据集构建，选用SQLServer、Access或Oracle；优选Oracle。4.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，所述时间插值方法采用线性插值、样条函数插值或分段插值；空间插值方法采用邻近点法、克里格法或反距离加权法；异常值判定和处理的依据为趋势检验、专家经验或数值比对。5.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，所述时间插值方法采用线性插值，算法具体如下：对于数据集中a1和a2两个数据，依据时间顺序，中间缺少b1，b2，……，bn数据，那么：其中i＝[1，n]。6.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，所述空间插值方法采用反距离加权法，算法具体如下：假设空间点坐标(x0，y0)处指标值缺测C(x0，y0)，设定一个搜索半径，使得在此半径范围内至少包含3个数据点；然后使用这些已知数据点数据求取未知点的指标值：式中，C(x1，y1)，C(x2，y2)，…，C(xn，yn)分别表示括号内坐标点处实测指标值；d1，d2，…，dn分别表示括号内坐标点到空间点坐标(x0，y0)对应的直线距离，n≥3。7.根据权利要求1所述的方法，其特征在于，所述步骤(2)中，采用5倍方差法进行异常值判定，具体方法如下：将第m个实测数据am及其前后5个数据求平均值和方差：以为判断区间，满足的数据则为常规数据，否则以第m-1个数据代替am。8.根据权利要求1所述的方法，其特征在于，所述步骤(3)中，水动力模型的控制方程如下所示：式中：u，v，w分别为x，y，σ三个方向上流速；H和t为水深和时间；g和ξ为重力加速度和水位；f为科里奥利力，P为压力，Bx，By和BT分别为x向动量，y向动量和温度方程的由坐标转换而引入的小项；T为温度；Sh为外部进入系统的热量；Cp为水体的热容量；Kh，Kv为热量在水平及垂直方向上的扩散系数；ρ为水体密度，ρ0为水体参考密度；Ah为水平涡粘性系数；Av为垂向涡粘系数，采用下式定义：2式中：v0、m0、m1值分别为5.0×10-6m2/s，0.1和-1；l为普朗特长度；Ri为Richardson数，反映流体稳定性状况，其表达式为：在水气界面σ＝1的风能输入和水土界面σ＝0的摩阻力分别表达为：式中：ρa和ρs分别表示空气密度和表层水体密度；CWD是风拖拽系数；WS是水表以上10m高度处风速；CSD为湖底摩擦系数；采用分裂算子技术求解水动力方程(5)、(6)和(7)，生成内外两种模态；然后利用有限差分离散内外两种模态，其中水平和时间差分格式为显式，垂直差分格式为隐式，并采用低通滤波器对水面位移在时间方向上进行平滑处理；最后采用追赶法求解超大型稀疏矩阵。9.根据权利要求8所述的方法，其特征在于，在水动力模型上叠加的物质迁移转化模型的控制方程如下所示：γPAR(I,J,K)＝γ0,PAR+γ1,PARCHLA(I,J,K)+γ2,PARSED(I,J,K)(15)

【专利技术属性】
技术研发人员：秦伯强，吴挺峰，朱广伟，张运林，李未，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：江苏,32