基于遥感影像和神经网络的水体富营养监测及修复方法技术

本发明专利技术公开了一种基于遥感影像和神经网络的水体富营养监测及修复方法，其包括获取城市中待监测湖泊的平均磷浓度，判断平均磷浓度是否大于磷富浓度警戒值，若是，进入下一步，否则，湖泊未发生富营养化；获取湖泊在预设深度时水中的图像信息，并将图像信息输入已训练的卷积神经网络，得到采食水藻的鱼类密度；判断鱼类密度是否小于最佳生长密度，若是，进入下一步，否则进入最后一步；根据平均磷浓度和鱼类密度，计算需要向湖泊投放采食水藻的鱼的鱼苗重量，之后向湖泊投放鱼苗，并在预设净化时长后对湖泊中鱼类进行捕捞；在湖泊上设置生态浮岛，并在生态浮岛上种植利用水体中养分的观赏性水生植物，并控制水生植物生长高度。并控制水生植物生长高度。并控制水生植物生长高度。

【技术实现步骤摘要】
基于遥感影像和神经网络的水体富营养监测及修复方法


[0001]本专利技术涉及生态修复领域，具体涉及一种基于遥感影像和神经网络的水体富营养监测及修复方法。

技术介绍

[0002]城市河流和湖泊是城市湿地的重要组成部分，不仅具有维持生物多样性、保存淡水资源、调蓄洪水、补充地下水、调节气候等生态功能，还能增加城市生态景观多样性、美化城市环境、为城市居民提供休闲场所。但现在随着各大城市的人口不断增加、各式各样厂家的增加以及牲畜养殖业和植物种植规模化发展，产生了大量的污染源，使得城市河流和湖泊水体易出现富营养化，给城市居民的健康以及生态安全受到威胁。
[0003]现有技术中并没有对被治理湖泊大小进行过多的关注，而在面积较大的城市富营养化湖泊生态修复过程中，采用传统的岸边种植树林，河坡种植灌木和草坪，这种植物成长需要一定周期，存在修复周期长，且只能对后续进入湖泊的水体起到净化，对现有湖泊水体几乎起不到净化效果，而城市对生态环境要求高，希望快速对湖泊水体进行修复，且还能达到景观效果，这使得现有传统的生态治理难以满足城市生态需求。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的基于遥感影像和神经网络的水体富营养监测及修复方法解决了传统岸边种植植物的方式难以对已富营养的水体进行净化的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0006]提供一种基于遥感影像和神经网络的水体富营养监测及修复方法，其包括步骤：
[0007]S1、获取城市中待监测湖泊的遥感影像，并将遥感影像划分为若干区块，设置每个区块的中心为浓度采集点；
[0008]S2、基于最小化路径算法规划经过每个浓度采集点的最短路径，并采用搭载有磷浓度检测仪的无人机基于最短路径采集每个浓度采样点的磷浓度；
[0009]S3、计算所有磷浓度的平均值作为湖泊的平均磷浓度，判断平均磷浓度是否大于磷富浓度警戒值，若是，进入步骤S4，否则，湖泊未发生富营养化；
[0010]S4、获取湖泊在预设深度时水中的图像信息，并将图像信息输入已训练的卷积神经网络，得到采食水藻的鱼类密度；
[0011]S5、判断鱼类密度是否小于最佳生长密度，若是，进入步骤S6，否则进入步骤S7；
[0012]S6、根据平均磷浓度和鱼类密度，计算需要向湖泊投放采食水藻的鱼的鱼苗重量，之后向湖泊投放鱼苗，并在预设净化时长后对湖泊中鱼类进行捕捞；
[0013]S7、在湖泊上设置生态浮岛，并在生态浮岛上种植利用水体中养分的观赏性水生植物，并控制水生植物生长高度。
[0014]本专利技术的有益效果为：本方案基于遥感影像对湖泊进行分块，可以实现磷浓度快
速且准确的采集，采集的图像信息和神经网络结合，能够通过大数据准确对鱼类进行分类，并获取到相对准确的采食藻类的鱼类密度，保证后面计算的投放鱼苗重量，能够在预设时间内达到预期净化效果。
[0015]监测过程中，对湖泊水体的富营养化进行监测，在水体富营养化情况下，通过考虑采食水藻的鱼类与水藻的共生方式进行水体自身的净化，这种方式能够充分利用水体的中水藻进行富营养水体净化时，且净化成本低，生长的鱼类捕捞后还可以产生经济价值。
[0016]在鱼类与水藻不能对水体进行净化时，采用生态浮岛上种植的植物进行水体净化，该种净化方式不仅能够实现水体净化，还能够形成类似湿地公园景观，美化环境，提高城市市容。
[0017]进一步地，步骤S6进一步包括：
[0018]S61、将最佳生长密度减预设值作为密度上限值，将鱼类密度作为初始密度，并在初始密度和密度上限值之间选取若干密度参考值；
[0019]S62、根据平均磷浓度和密度参考值，计算在期望净化时长内的水藻增长量及每个密度参考值下采食水藻鱼类的采食量；
[0020]S63、判断所有采食量中是否存在大于等于水藻增长量的值，若是，进入步骤S64，否则，进入步骤S7；
[0021]S64、选取采食量中大于等于水藻增长量的最小值，计算采食水藻的鱼类从初始密度值增长至最小值对应的密度参考值需投放的鱼苗重量；
[0022]S65、根据鱼苗重量向湖泊投放鱼苗，并在期望净化时长达到后对湖泊中鱼类进行捕捞，直至达到湖泊的最佳容纳量。
[0023]进一步地，步骤S4进一步包括：
[0024]S41、获取城市待监测湖泊的遥感影像，并根据仿生鱼水下摄像机的采集范围将遥感影像划分为若干采集区；
[0025]S42、采用采集区中心正下方预设深度的点作为采样点，并基于最小化路径算法计算仿生鱼水下摄像机经过所有采样点的最短路径；
[0026]S43、仿生鱼水下摄像机根据最短路径运动至每个采样点，采集每个采样点360角度的图像信息；
[0027]S44、将每个采样点采集的所有图像信息分别输入卷积神经网络，识别得到每个采样点中采食水藻的鱼的实测条数；
[0028]S45、计算所有采样点的实测条数的平均数量，采用平均数量除以360
°
角度采集的图像信息覆盖的水域体积，得到单位体积内的鱼类密度。
[0029]上述技术方案的有益效果为：本方案通过遥感影像可以获取到当前湖泊轮廓，在基于此进行采样点的选取，可以保证采样点的全面覆盖，以保证后续采集的鱼类密度能够相对准确地反映鱼类的当前密度。
[0030]进一步地，采食水藻鱼类的采食量Q
采食
和水藻增长量M
增
的计算公式分别为：
[0031][0032][0033]其中，i为时间变量，n为期望净化时长；ρ
鱼
为单位体积内的鱼类密度；S
湖
为湖泊面积；h
采
为采食水藻的鱼类的生活水深；m
均
为单条采食水藻的鱼类均重；γ
增
为单位重量的鱼在藻类充足时每天的增长率；q
采
为单位重量的鱼类采食的藻类重量；K
修
为藻类生长修正系数；ρ
磷初
为平均磷浓度；ρ
磷末
为水体中磷的理论最佳浓度；V
湖
为湖泊的体积；p
耗
为每增长单位质量藻类消耗的磷。
[0034]上述技术方案的有益效果为：本方案在对采食量进行计算时综合考虑了鱼类的生活水体深度及鱼类在食物充足环境下的增长率，从而保证了在期望净化时长内得到的采食重量的准确性；
[0035]在水藻增长量计算过程，通过设置修正参数后，可以消除外部环境对水藻生长的影响，避免计算得到的理论质量偏离真实质量较多，从而保证了后续基于采食量Q
采食
和水藻增长量M
增
对水体自净化评估的准确性。
[0036]进一步地，藻类生长修正系数的获取方法包括：
[0037]配置若干实验箱，并向每个实验箱中投放预设重量的水藻；
[0038]培养水藻预设天数，期间保持实验箱中的水体环境处于水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于遥感影像和神经网络的水体富营养监测及修复方法，其特征在于，包括步骤：S1、获取城市中待监测湖泊的遥感影像，并将遥感影像划分为若干区块，设置每个区块的中心为浓度采集点；S2、基于最小化路径算法规划经过每个浓度采集点的最短路径，并采用搭载有磷浓度检测仪的无人机基于最短路径采集每个浓度采样点的磷浓度；S3、计算所有磷浓度的平均值作为湖泊的平均磷浓度，判断平均磷浓度是否大于磷富浓度警戒值，若是，进入步骤S4，否则，湖泊未发生富营养化；S4、获取湖泊在预设深度时水中的图像信息，并将图像信息输入已训练的卷积神经网络，得到采食水藻的鱼类密度；S5、判断鱼类密度是否小于最佳生长密度，若是，进入步骤S6，否则进入步骤S7；S6、根据平均磷浓度和鱼类密度，计算需要向湖泊投放采食水藻的鱼的鱼苗重量，之后向湖泊投放鱼苗，并在预设净化时长后对湖泊中鱼类进行捕捞；S7、在湖泊上设置生态浮岛，并在生态浮岛上种植利用水体中养分的观赏性水生植物，并控制水生植物生长高度。2.根据权利要求1所述的基于遥感影像和神经网络的水体富营养监测及修复方法，其特征在于，步骤S6进一步包括：S61、将最佳生长密度减预设值作为密度上限值，将鱼类密度作为初始密度，并在初始密度和密度上限值之间选取若干密度参考值；S62、根据平均磷浓度和密度参考值，计算在期望净化时长内的水藻增长量及每个密度参考值下采食水藻鱼类的采食量；S63、判断所有采食量中是否存在大于等于水藻增长量的值，若是，进入步骤S64，否则，进入步骤S7；S64、选取采食量中大于等于水藻增长量的最小值，计算采食水藻的鱼类从初始密度值增长至最小值对应的密度参考值需投放的鱼苗重量；S65、根据鱼苗重量向湖泊投放鱼苗，并在期望净化时长达到后对湖泊中鱼类进行捕捞，直至达到湖泊的最佳容纳量。3.根据权利要求1所述的基于遥感影像和神经网络的水体富营养监测及修复方法，其特征在于，步骤S4进一步包括：S41、获取城市待监测湖泊的遥感影像，并根据仿生鱼水下摄像机的采集范围将遥感影像划分为若干采集区；S42、采用采集区中心正下方预设深度的点作为采样点，并基于最小化路径算法计算仿生鱼水下摄像机经过所有采样点的最短路径；S43、仿生鱼水下摄像机根据最短路径运动至每个采样点，采集每个采样点360
°
角度的图像信息；S44、将每个采样点采集的所有图像信息分别输入卷积神经网络，识别得到每个采样点中采食水藻的鱼的实测条数；S45、计算所有采样点的实测条数的平均数量，采用平均数量除以360角度采集的图像信息覆盖的水域体积，得到单位体积内的鱼类密度。4.根据权利要求2所述的基于遥感影像和神经网络的水体富营养监测及修复方法，其
特征在于，采食水藻鱼类的采食量Q
采食
和水藻增长量M
增
的计算公式分别为：的计算公式分别为：其中，i为时间变量，n为期望净化时长；ρ
鱼
为单位体积内的鱼类密度；S
湖
为湖泊面积；h
采
为采食水藻的鱼类的生活水深；m
均
为单条采食水藻的鱼类均重；γ
增
为单位重量的鱼在藻类充足时每天的增长率；q
采
为单位重量的鱼类采食的藻类重量；K
修
为藻类生长修正系数；ρ
磷初
为平均磷浓度；ρ
磷末
为水体中磷的理论最佳浓度；(
湖

【专利技术属性】
技术研发人员：罗伟，毛竹，艾蕾，邓超，李颖，佘红英，
申请(专利权)人：四川省生态环境科学研究院，
类型：发明
国别省市：