[发明专利]一种智能水资源长期探测系统

说明书

本发明涉及一种智能水资源长期探测系统本发明涉及一种智能水资源长期探测系统，为了避免了传统的随水探测装置容易丢失和检测误差大的缺陷，不使用流动型检测方式，而是采用了固定位置的红外光谱探测站。采用卫星遥感图像和地面红外光谱采集相结合的方式，基于模型将卫星遥感图像和地面建立的红外光谱采集站有机结合，进行空天一体3D模型的建立。建立该模型可以使得水资源的探测更加准确，且直观性更好。

技术领域

本发明涉及水资源探测领域，尤其涉及一种智能水资源长期探测系统。

背景技术

水质监测，是监视和测定水体中污染物的种类、各类污染物的浓度及变化趋势，评价水质状况的过程。监测范围十分广泛，包括未被污染和已受污染的天然水(江、河、湖、海和地下水)及各种各样的工业排水等。主要监测项目可分为两大类：一类是反映水质状况的综合指标，如温度、色度、浊度、pH值、电导率、悬浮物、溶解氧、化学需氧量和生化需氧量等；另一类是一些有毒物质，如酚、氰、砷、铅、铬、镉、汞和有机农药等。为客观的评价江河和海洋水质的状况，除上述监测项目外，有时需进行流速和流量的测定。

申请号：201811273285.0公开了一种基于高分辨率遥感影像的水质定量方法，其水质定量方法，包括以下步骤：S1，通过卫星遥感获取影像数据，获取水层数据；S2，对S1中获取的影像数据进行图像分割；S3，对S2中图像分割后的基础数据进行统计；S4，对S3中的基础数据进行遥感校正和图像交换。去除大气、太阳等造成的影响，使校正后的影响数据能准确反映部分水体的情况，通过定量反映水体的总体情况。然而现有的基于遥感的水质监测方式要么直接基于遥感数据进行观察，要么将其与水的某一个指标进行关联；关联的精确度不高，且效果不好。

尤其目前的水质监测中难以解决水质监测的时间和空间的问题，即难以实现长期的检测，也难以实现全空间的监测。

发明内容

针对上述内容，为解决上述问题，提供一种智能水资源长期探测系统，包括实验室水下探测模块、红外监测站模块、卫星遥感模块、数据融合模块和3D填图模块；

实验室水下探测模块包括水下探测器，水下探测器用于收集水域内不同深度位置的水样，并带回实验室进行分析，分析水样的离子浓度数据、泥沙含量数据、深度数据、COD浓度数据、pH值数据、水温数据、氨氮浓度数据、磷酸盐浓度数据；

红外监测站模块的数量为多个，设置于水域岸边，用于收集确定位置的水域的红外高光谱，红外高光谱的波长范围为0.5-25微米；

卫星遥感模块用于收集不同的卫星遥感数据，卫星遥感数据包括LANDSAT数据、SPOT数据、RADARSAT数据和SATER数据；

数据融合模块收集实验室水下探测模块、红外监测站模块、卫星遥感模块的数据，并根据同一时间且同一地点获取的实验室水下探测模块的数据与红外监测站模块的数据建立陆地监测模型，陆地监测模型以红外高光谱数据为输入，输出水样的离子浓度数据、泥沙含量数据、深度数据、COD浓度数据、pH值数据、水温数据、氨氮浓度数据、磷酸盐浓度数据中的至少一种；

数据融合模块根据同一时间且同一地点的红外高光谱数据和卫星遥感数据建立遥感监测模型，建立遥感监测模型时先将红外高光谱数据输入陆地监测模型，获得水样的离子浓度数据、泥沙含量数据、深度数据、COD浓度数据、pH值数据、水温数据、氨氮浓度数据、磷酸盐浓度数据中的至少一种；然后将输出结果结合卫星遥感数据建立遥感监测模型；

遥感监测模型以卫星遥感数据为输入，输出水样的离子浓度数据、泥沙含量数据、深度数据、COD浓度数据、pH值数据、水温数据、氨氮浓度数据、磷酸盐浓度数据中的至少一种；

3D填图模块内存储有3D地图数据，3D填图模块将地图上每一个点的遥感监测模块型的输出结果中的不同成分的浓度以不同颜色填图至3D地图数据，实现3D填图。

陆地监测模型的建立方法如下：