Nothing Special   »   [go: up one dir, main page]

CN117434235A - 基于水质监测的水华预警方法、装置、设备及介质 - Google Patents

基于水质监测的水华预警方法、装置、设备及介质 Download PDF

Info

Publication number
CN117434235A
CN117434235A CN202311422863.3A CN202311422863A CN117434235A CN 117434235 A CN117434235 A CN 117434235A CN 202311422863 A CN202311422863 A CN 202311422863A CN 117434235 A CN117434235 A CN 117434235A
Authority
CN
China
Prior art keywords
monitoring
water
water quality
monitoring area
bloom
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.)
Pending
Application number
CN202311422863.3A
Other languages
English (en)
Inventor
高彦瑾
陈亚松
李翀
赵云鹏
常曼琪
景方圆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges Corp
Original Assignee
China Three Gorges Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Three Gorges Corp filed Critical China Three Gorges Corp
Priority to CN202311422863.3A priority Critical patent/CN117434235A/zh
Publication of CN117434235A publication Critical patent/CN117434235A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G01N33/1826—Organic contamination in water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Immunology (AREA)
  • General Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Marketing (AREA)
  • Medicinal Chemistry (AREA)
  • Computational Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pathology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明涉及河湖生态修复技术领域，公开了基于水质监测的水华预警方法、装置、设备及介质，方法通过移动式监测设备采集到的目标水体内各监测区域的水质变化数据，基于各监测区域的水体水质指标变化计算对应监测区域的水华复苏指数变化信息，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息，实现了对目标水域内各监测区域的水质状态的监测和预警，解决了相关技术中通过在湖泊水体中设置固定的水质监测装置无法预测目标水域水华复苏时期及发生的特定区域的问题，提高了水体水华预测的即时性和准确性，便于为预防水华发生提供尽早治理时机。

Description

基于水质监测的水华预警方法、装置、设备及介质
技术领域
本发明涉及河湖生态修复技术领域，具体涉及基于水质监测的水华预警方法、装置、设备及介质。
背景技术
由于经济的发展、城市生活污水、工业污水的影响，湖泊水体的富营养化程度越来越高，而水量和流速却越来越低，导致藻类大量生长繁殖，甚至形成水华，这会改变水体的溶解氧、pH值、毒素含量，散发臭味，危害了水体的使用功能和景观效果，以及水生动植物的生存环境。为了保证水体水质的健康，预防藻类的大量繁殖，需要对水体中藻类的生长情况进行预测。
目前，通过在湖泊水体中设置固定的水质监测装置，监测水体的富营养化程度、水质、叶绿素等水质指标的变化，基于水质指标的变化分析藻类的生长繁殖状况和水华的发生程度及变化趋势，从而实现对蓝藻水华的预警。然而，设置固定的水质监测装置监测的水体范围有限，监测得到的水质数据无法预测水华发生的特定区域，大面积布置监测装置耗费人力财力的同时，还影响水面景观效果。
发明内容
有鉴于此，本发明提供了一种基于水质监测的蓝藻水华预警方法、装置、设备及介质，以解决无法预测目标水域水华发生的特定区域的问题。
第一方面，本发明提供了一种基于水质监测的水华预警方法，该方法包括：获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点；基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势；基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。
本发明提供的基于水质监测的水华预警方法，通过移动式监测设备采集到的目标水体内各监测区域的水质变化数据，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息，实现了对目标水域内各监测区域的水质状态的监测和预警，解决了相关技术中通过在湖泊水体中设置固定的水质监测装置无法预测目标水域水华复苏时期及发生的特定区域的问题，提高了水体水华预测的即时性和准确性，便于为预防水华发生提供尽早治理时机。
在一种可选的实施方式中，该方法还包括：基于各监测区域的水质变化数据计算对应监测区域在目标时段内的蓝藻生物量；按照预设比例将蓝藻生物量最大的多个监测区域作为目标监测区域；生成目标监测区域的第二预警信息。
本可选实施方式提供的方法，通过各监测区域的水质变化数据计算对应监测区域的在目标时段内的蓝藻生物量，按照预设比例将蓝藻生物量最大的多个监测区域作为目标检测区域，并生成目标检测区域的第二预警信息，实现了对目标水域内各个监测区域的准确水华预警。
在一种可选的实施方式中，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息的步骤，包括：基于各监测区域的水华复苏指数变化信息确定对应监测区域的水华复苏指数的增长率变化信息；基于各监测区域的水华复苏指数的增长率变化信息确定对应监测区域的水华复苏指数增长率变化曲线，水华复苏指数增长率变化曲线用于表征对应监测区域中水华复苏指数的增长率随时间的变化情况；基于各监测区域的水华复苏指数增长率变化曲线以及第二预警条件确定对应监测区域中的待预警时段；基于各监测区域的待预警时段生成对应监测区域的第一预警信息。
本可选实施方式提供的方法，基于各监测区域内水华复苏指数变化信息去确定对应监测区域的水华增长率变化信息，基于水华增长率变化信息可以准确确定对应监测区域的待预警时段，保证了各监测区域水华预警的准确性。
在一种可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内布设有多个监测点，获取目标水体中不同监测区域的水质变化数据的步骤，包括：获取多个采样周期内，移动式监测设备按照预设采集频率在各监测区域中的各监测点采集到的水质数据序列，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据；分别计算各水质数据序列中多个水质数据的平均值，得到不同采样周期内各监测点分别对应的水质数据；根据各监测点在不同采样周期内对应的水质数据，确定对应监测点的水质变化数据；根据各监测区域中不同监测点的水质变化数据，确定对应监测区域的水质变化数据。
本可选实施方式提供的方法，基于各监测区域内不同监测点采集到的水质数据序列确定对应监测区域的水质变化数据，保证了各监测区域水质变化数据的准确性和全面性。
在一种可选的实施方式中，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，包括：获取各监测区域的初始监测值；基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息。
本可选实施方式提供的方法，保证了水华复苏指数变化信息计算结果的准确性。
在一种可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内在垂直于水面的方向布设有多个监测点，各监测区域的水质变化数据包括对应监测区域中各监测点的水质变化数据，基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息的步骤，包括：基于各监测区域的水质变化数据确定对应监测区域中水体最深处监测点的水质变化数据；基于各监测区域中水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数。
本可选实施方式提供的方法，使得各监测区域的水华复苏指数的计算结果更符合实际情况。
在一种可选的实施方式中，该方法还包括：基于各监测区域在目标时段内的蓝藻生物量生成目标水体的热力分布图，热力分布图通过不同的像素值表征不同监测区域中的蓝藻生物量；将热力分布图发送到显示终端显示。
本可选实施方式提供的方法，利用热力分布图表征不同的像素值表征不同监测区域中的蓝藻生物量，便于相关人员直观地观察目标水域内各监测区域的蓝藻生物量的情况。
在一种可选的实施方式中，该方法还包括：基于各监测区域的水质变化数据计算对应监测区域的蓝藻生物量变化数据；基于各监测区域的蓝藻生物量变化数据以及预设阈值生成对应监测区域的第三预警信息。
第二方面，本发明提供了一种基于水质监测的水华预警装置，该装置包括：获取模块，用于获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点；第一计算模块，用于基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势；第一确定模块，用于基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。
在一种可选的实施方式中，该装置还包括：第二计算模块，用于基于各监测区域的水质变化数据计算对应监测区域在目标时段内的蓝藻生物量；第二确定模块，用于按照预设比例将蓝藻生物量最大的多个监测区域作为目标监测区域；第三确定模块，用于生成目标监测区域的第二预警信息。
在一种可选的实施方式中，第一确定模块包括：第一确定子模块，用于基于各监测区域的水华复苏指数变化信息确定对应监测区域的水华复苏指数的增长率变化信息；第二确定子模块，用于基于各监测区域的水华复苏指数的增长率变化信息确定对应监测区域的水华复苏指数增长率变化曲线，水华复苏指数增长率变化曲线用于表征对应监测区域中水华复苏指数的增长率随时间的变化情况；第三确定子模块，用于基于各监测区域的水华复苏指数增长率变化曲线以及第二预警条件确定对应监测区域中的待预警时段；第四确定子模块，用于基于各监测区域的待预警时段生成对应监测区域的第一预警信息。
在一种可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内布设有多个监测点，获取模块包括：第一获取子模块，用于获取多个采样周期内，移动式监测设备按照预设采集频率在各监测区域中的各监测点采集到的水质数据序列，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据；第一计算子模块，用于分别计算各水质数据序列中多个水质数据的平均值，得到不同采样周期内各监测点分别对应的水质数据；第五确定子模块，用于根据各监测点在不同采样周期内对应的水质数据，确定对应监测点的水质变化数据；第六确定子模块，用于根据各监测区域中不同监测点的水质变化数据，确定对应监测区域的水质变化数据。
在一种可选的实施方式中，第一计算模块包括：第二获取子模块，用于获取各监测区域的初始监测值；第七确定子模块，用于基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息。
在一种可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内在垂直于水面的方向布设有多个监测点，各监测区域的水质变化数据包括对应监测区域中各监测点的水质变化数据，第七确定子模块还包括：确定单元，基于各监测区域的水质变化数据确定对应监测区域中水体最深处监测点的水质变化数据；计算单元，基于各监测区域中水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数。
第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的基于水质监测的水华预警方法。
第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于水质监测的水华预警方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的基于水质监测的水华预警方法的流程示意图；
图2是根据本发明实施例的另一基于水质监测的水华预警方法的流程示意图；
图3是目标水体中各监测点的布设方式示意图；
图4是根据本发明实施例的又一基于水质监测的水华预警方法的流程示意图；
图5是监测区域水华复苏指数增长率曲线示意图；
图6是监测区域内蓝藻未来生物量变化曲线示意图；
图7是目标水体区域内蓝藻未来生物量散点图；
图8是本发明实施例中对目标水体进行水华预警的流程图；
图9是根据本发明实施例的基于水质监测的水华预警装置的结构框图；
图10是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
相关技术中，通过在湖泊水体中设置固定的水质监测装置，监测水体的富营养化程度、水质、叶绿素等水质指标的变化，基于水质指标的变化分析藻类的生长繁殖状况和水华的发生程度及变化趋势，从而实现对蓝藻水华的预警。然而，设置固定的水质监测装置监测的水体范围有限，监测得到的水质数据无法预测水华发生的特定区域，大面积布置监测装置由耗费人力财力的同时，还影响水面景观效果。
有鉴于此，本发明实施例提供了一种基于水质监测的水华预警方法，可应用于一服务器，实现对水体的水华预警。本发明的方法通过移动式监测设备采集到的目标水体内各监测区域的水质变化数据，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息，实现了对目标水域内各监测区域的水质状态的监测和预警，解决了现有技术中无法预测目标水域水华发生的特定区域的问题，提高了水体水华预测的即时性和准确性，便于为预防水华发生提供尽早治理时机。
根据本发明实施例，提供了一种基于水质监测的水华预警方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种基于水质监测的水华预警方法，可用于上述的服务器，图1是根据本发明实施例的基于水质监测的水华预警方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点。
示例性地，目标水体可以是任一需要进行水华预警的水体，本申请实施例中，目标水体可以是城市内的湖泊。按照预设的划分规则将目标水体划分为多个监测区域，每个监测区域内设置有至少一个监测点，所有的监测点依次连接形成目标路线，移动式监测设备按照目标路线采集不同监测区域内监测点的水质数据，得到不同监测区域的水质变化信息。本申请实施例中，移动式监测设备可以是无人智能监测船。
步骤S102，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势。
示例性地，水华复苏指数变化信息用于表征水华复苏指数随时间的变化信息，本申请实施例中，可以通过当前时刻的水质数据和前一时刻的水质数据的差值与前一时刻的水质数据的比值确定当前时刻的水华复苏指数，同理，基于各监测区域的水质变化数据可以计算得到对应监测区域的水华复苏指数变化信息。
步骤S103，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。
示例性地，第一预警条件可以是基于经验设定的，本申请实施例对第一预警条件的具体内容不做限定，本领域技术人员可以根据需求确定。基于各监测区域的水华复苏指数变化信息以及第一预警条件可以确定对应监测区域中可能发生水华的时段，进而生成对应的第一预警信息，具体地，第一预警条件可以是水华复苏指数连续五天都处于增长状态。
本实施例提供的基于水质监测的水华预警方法，通过移动式监测设备采集到的目标水体内各监测区域的水质变化数据，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息，实现了对目标水域内各监测区域的水质状态的监测和预警，解决了相关技术中通过在湖泊水体中设置固定的水质监测装置无法预测目标水域水华复苏时期及发生的特定区域的问题，提高了水体水华预测的即时性和准确性，便于为预防水华发生提供尽早治理时机。
在本实施例中提供了一种基于水质监测的水华预警方法，可用于上述的服务器，图2是根据本发明实施例的基于水质监测的水华预警方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点。详细请参见图1所示实施例的步骤S101，在此不再赘述。
具体地，目标水体中布设有多个监测区域，每个监测区域内布设有多个监测点，上述步骤S201包括：
步骤S2011，获取多个采样周期内，移动式监测设备按照预设采集频率在各监测区域中的各监测点采集到的水质数据序列，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据。
示例性地，对于一个监测点，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据，一个水质数据序列中所包含的水质数据的数量是根据预设采集频率确定的。本申请实施例中，采样周期可以是一天，预设采样频率可以是一天三次，移动式监测设备在一天内每隔8小时采集一次各监测点的水质数据，并上报，基于对应监测区域在一天内三次采集到的水质数据形成对应监测点在一天内的水质数据序列。
步骤S2012，分别计算各水质数据序列中多个水质数据的平均值，得到不同采样周期内各监测点分别对应的水质数据。
示例性地，本申请实施例中，各监测点对应水质数据序列中各水质数据的平均值，将该平均值作为该监测点在对应采样周期内的水质数据。
步骤S2013，根据各监测点在不同采样周期内对应的水质数据，确定对应监测点的水质变化数据。
示例性地，根据时间顺序将各监测点在不同采样周期内对应的水质数据整理，得到对应监测点水质变化数据。
步骤S2014，根据各监测区域中不同监测点的水质变化数据，确定对应监测区域的水质变化数据。
示例性地，本申请实施例中，各监测区域的水质变化数据可以参见下式(1)所示的矩阵：
其中，a11，a12，a13，……，a1j表示第1个监测区域内监测点a1在第1,2,3……j个采样周期内对应的水质数据；aij表示第i个监测区域内水体垂向第1个(表层)监测点ai在j个采样周期内对应的水质数据，bij表示第i个监测区域内水体垂向第2个监测点bi在j个采样周期内对应的水质数据，xij表示第i个监测区域内水体垂向最底层监测点xi在j个采样周期内对应的水质数据，其他变量的含义以此类推，此处不再赘述。
步骤S202，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势。详细请参见图1所示实施例的步骤S102，在此不再赘述。
具体地，上述步骤S202包括：
步骤S2021，获取各监测区域的初始监测值。
示例性地，本申请实施例中，初始监测值可以是在本次水华预警之前一段时间，监测到的各监测区域的水质数据监测值。
步骤S2022，基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息。
示例性地，可以通过下式(2)计算各监测区域的水华复苏指数：
M＝Σ(kimi/mi0) (2)
其中，M表示水华复苏指数，mi表示水质数据，mi0表示初始监测值，ki为权重系数，∑ki＝1。
在一些可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内在垂直于水面的方向布设有多个监测点，各监测区域的水质变化数据包括对应监测区域中各监测点的水质变化数据，本申请实施例中，目标水体中各监测点的布设方式可以如下图3所示，获取目标水域的面积和水域形状，通过水深探测仪对目标水体水位高程进行粗略测绘；根据目标水域形状对其进行水平和垂向布点，水平布点最外围监测点距离岸边50m，以环形移动方式向内布点，内部监测点间隔100m；水平布点结束后进行垂向布点，垂向布点从水下0.1m处开始，间隔1.0m，直至距离底泥表面0.1m处；上述步骤S2022包括：
步骤a1，基于各监测区域的水质变化数据确定对应监测区域中水体最深处监测点的水质变化数据。示例性地，各监测区域的水质变化数据对应监测区域内各监测点的水质变化数据，基于各监测区域的水质变化数据可以确定对应监测区域内最深处监测点的水质变化数据。
步骤a2，基于各监测区域中水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数。
示例性地，水体内水质的变化一般是从水底开始的，基于水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数可以使得计算得到的水华复苏指数更符合实际情况。
步骤S203，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。详细请参见图1所示实施例的步骤S103，在此不再赘述。
具体地，上述步骤S203包括：
步骤S2031，基于各监测区域的水华复苏指数变化信息确定对应监测区域的水华复苏指数的增长率变化信息。示例性地，本申请实施例中，水华复苏指数的增长率变化信息可以通过下式(3)计算得到：
其中，Mi为检测区域i的水华复苏指数增长率，Mxij为水体最深处在第j个周期的水华复苏指数。
步骤S2032，基于各监测区域的水华复苏指数的增长率变化信息确定对应监测区域的水华复苏指数增长率变化曲线，水华复苏指数增长率变化曲线用于表征对应监测区域中水华复苏指数的增长率随时间的变化情况。
示例性地，根据各监测区域的复苏指数的增长率变化信息生成对应监测区域的水华复苏指数增长率变化曲线，根据该水华复苏指数增长率变化曲线可以直观地看出水华复苏指数增长率变化情况。
步骤S2033，基于各监测区域的水华复苏指数增长率变化曲线以及第二预警条件确定对应监测区域中的待预警时段。示例性地，本申请实施例中，当一个监测区域的水华复苏指数的增长率曲线连续5至7日至都处于横轴上方(大于0)，则表明该区域的蓝藻已经进入复苏期，对应时段为复苏期待预警时段。
步骤S2034，基于各监测区域的待预警时段生成对应监测区域的第一预警信息。示例性地，基于各监测区域的待预警时段生成对应预警区域的第一预警信息，第一预警信息用于控制终端预警设备发出相应的预警信号。
在本实施例中提供了一种基于水质监测的水华预警方法，可用于上述的服务器，图4是根据本发明实施例的基于水质监测的水华预警方法的流程图，如图4所示，该流程包括如下步骤：
步骤S401，获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点。详细请参见图1所示实施例的步骤S201，在此不再赘述。
步骤S402，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势。详细请参见图2所示实施例的步骤S202，在此不再赘述。
步骤S403，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。详细请参见图2所示实施例的步骤S203，在此不再赘述。
步骤S404，基于各监测区域的水质变化数据计算对应监测区域在目标时段内的蓝藻生物量。
示例性地，本申请实施例中，蓝藻生物量可以通过下式(4)计算得到：
其中，S表示第i个监测区域的蓝藻生物量，单位μg/L；mchla为对应监测区域中各监测点的叶绿素a监测值，N表示对应监测区域中监测点的数量，其他参数的含义参见上式(2)，此处不再赘述。
步骤S405，按照预设比例将蓝藻生物量最大的多个监测区域作为目标监测区域。
示例性地，本申请实施例中，预设比例可以是60％，将蓝藻生物量最大的前60％的监测区域作为目标检测区域，目标检测区域用于表征可能发展为蓝藻聚集区的区域。
步骤S406，生成目标监测区域的第二预警信息。示例性地，目标区域中蓝藻未来生物量较大，有较大可能发展为蓝藻聚集区。
在一些可选的实施方式中，该方法还包括：
步骤b1，基于各监测区域在目标时段内的蓝藻生物量生成目标水体的热力分布图，热力分布图通过不同的像素值表征不同监测区域中的蓝藻生物量。示例性地，通过不同的像素值表征不同监测区域中的蓝藻生物量，形成目标水体内蓝藻生物量的热力分布图。
步骤b2，将热力分布图发送到显示终端显示。
示例性地，将热力分布图发送到显示终端显示，便于相关人员直观地观察蓝藻生物量在目标水体中的分布。
在一些可选的实施方式中，该方法还包括：
步骤c1，基于各监测区域的水质变化数据计算对应监测区域的蓝藻生物量变化数据。示例性地，蓝藻生物量变化数据用于表征对应监测区域中蓝藻生物量随时间的变化情况。
步骤c2，基于各监测区域的蓝藻生物量变化数据以及预设阈值生成对应监测区域的第三预警信息。示例性地，本申请实施例中，预设阈值可以包括但不限于0.3，可以根据各监测区域的蓝藻生物量变化数据绘制蓝藻未来生物量曲线，该曲线斜率可预测区域内蓝藻发展趋势，当该曲线斜率在某处大于预设阈值时表明该区域蓝藻已进入发展期，终端设备发出相应预警信号。
下面通过一个具体的实施例对本发明提供的一种基于水质监测的水华预警方法进行说明：
实施例：
对某城市内湖进行水华预警，该内湖的面积为1km2，平均水深为3.3m。根据湖泊卫星图绘制平面网格点作为水平监测点，监测点间距100m，近岸监测点离岸50m，依次编号为a1,a2,…,ai水柱；
测量每个监测点的水深，绘制纵向网格点作为垂向监测点，监测点从水下0.1m开始，间距1.0m，至底泥上表面0.1m；
对水体空间网格点进行编号，如图3，水平监测点共40个，水平和垂向监测点共110个。12月开始根据每个监测点位的地理坐标，使用无人智能监测船根据设定程序和路线对所布设点位的水体物化信息依次进行监测，监测指标包括温度、pH、光照、叶绿素a、藻蓝蛋白，每8h收集一次数据(1时，9时，17时)，当日取3次数据的平均值，并实时上传至存储和分析终端；
所收集的水体单一物化指标时空变化可形成如下数据矩阵：
所有监测点叶绿素a在10日内的数据变化矩阵如下方矩阵所示，同理，可得其他监测指标的数据变化矩阵；
对监测数据进行横向、垂向和时间序列上进行统计分析：
(1)计算蓝藻水华复苏指数和水柱中蓝藻未来生物量：
M＝Σ(kimi/mi0)
其中，M为水华复苏指数，mi为当日各指标3次监测值平均值，下同；mi0为各指标在蓝藻休眠期的初始监测值，取某一段时间的平均值，ki为权重系数，∑ki＝1；
其中，各参数的含义参见上文，此处不再赘述；
(2)蓝藻未来生物量通过水华复苏指数对现时蓝藻生物量加权得到，用叶绿素a的生物量表示现时蓝藻生物量；
(3)计算蓝藻水华复苏指数增长率和5日蓝藻未来生物量：
其中，Mi为区域ai的水华复苏指数增长率，Mxij为水体最深处水华复苏指数；
其中S5为ai水柱连续5天蓝藻未来生物量之和，Sj为ai水柱每日蓝藻未来生物量；
(4)5日蓝藻未来生物量使用某一水柱连续5天蓝藻未来生物量之和来预测该区域水华聚集程度，可减少使用单日蓝藻未来生物量的偶然误差；
(5)绘制蓝藻水华复苏指数增长率曲线，5日蓝藻未来生物量曲线和所有水柱蓝藻未来生物量散点图：
绘制以日变化为横坐标的水华复苏指数增长率曲线；
绘制以日变化为横坐标的蓝藻未来生物量曲线；
绘制以各监测点ai为横坐标的蓝藻未来生物量散点图；
根据增长率曲线，当曲线在一段连续时间(5-7d)内均位于横轴上方时，如图5所示，方框内曲线连续5天位于横轴上方，表明该区域蓝藻已进入复苏期，终端设备发出相应预警信号；
根据蓝藻未来生物量曲线，该曲线斜率可预测区域内蓝藻发展趋势，当该曲线斜率在某处大于0.3时，如图6所示，N点曲线斜率突然增大，表明该区域蓝藻已进入发展期，终端设备发出相应预警信号；
根据蓝藻未来生物量散点图，图7为目标水体区域内蓝藻未来生物量散点图，其中60％点位于某一生长量值上方，表明这些区域水柱中蓝藻未来生物量较大，有较大可能发展为蓝藻聚集区；判定有较大可能发展为蓝藻聚集区的水柱区域可随时间、水体流速、气象条件等产生变化，根据每个水柱区域出现的热力图判定某区域有极大可能发展为蓝藻聚集区。具体地，对目标水体进行水华预警的流程图如图8所示。
在本实施例中还提供了一种基于水质监测的水华预警装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种基于水质监测的水华预警装置，如图9所示，包括：
获取模块901，用于获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点；
第一计算模块902，用于基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势；
第一确定模块903，用于基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。
在一些可选的实施方式中，该装置还包括：
第二计算模块，用于基于各监测区域的水质变化数据计算对应监测区域在目标时段内的蓝藻生物量；
第二确定模块，用于按照预设比例将蓝藻生物量最大的多个监测区域作为目标监测区域；
第三确定模块，用于生成目标监测区域的第二预警信息。
在一些可选的实施方式中，第一确定模块903包括：
第一确定子模块，用于基于各监测区域的水华复苏指数变化信息确定对应监测区域的水华复苏指数的增长率变化信息；
第二确定子模块，用于基于各监测区域的水华复苏指数的增长率变化信息确定对应监测区域的水华复苏指数增长率变化曲线，水华复苏指数增长率变化曲线用于表征对应监测区域中水华复苏指数的增长率随时间的变化情况；
第三确定子模块，用于基于各监测区域的水华复苏指数增长率变化曲线以及第二预警条件确定对应监测区域中的待预警时段；
第四确定子模块，用于基于各监测区域的待预警时段生成对应监测区域的第一预警信息。
在一些可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内布设有多个监测点，获取模块包括：
第一获取子模块，用于获取多个采样周期内，移动式监测设备按照预设采集频率在各监测区域中的各监测点采集到的水质数据序列，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据；
第一计算子模块，用于分别计算各水质数据序列中多个水质数据的平均值，得到不同采样周期内各监测点分别对应的水质数据；
第五确定子模块，用于根据各监测点在不同采样周期内对应的水质数据，确定对应监测点的水质变化数据；
第六确定子模块，用于根据各监测区域中不同监测点的水质变化数据，确定对应监测区域的水质变化数据。
在一些可选的实施方式中，第一计算模块802包括：
第二获取子模块，用于获取各监测区域的初始监测值；
第七确定子模块，用于基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息。
在一些可选的实施方式中，目标水体中布设有多个监测区域，每个监测区域内在垂直于水面的方向布设有多个监测点，各监测区域的水质变化数据包括对应监测区域中各监测点的水质变化数据，第七确定子模块还包括：确定单元，基于各监测区域的水质变化数据确定对应监测区域中水体最深处监测点的水质变化数据；计算单元，基于各监测区域中水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例中的基于水质监测的水华预警装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备，具有上述图9所示的基于水质监测的水华预警装置。
请参阅图10，图10是本发明可选实施例提供的一种计算机设备的结构示意图，如图10所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器10为例。
处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。
其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (16)

1.一种基于水质监测的水华预警方法，其特征在于，所述方法包括：
获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点；
基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势；
基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于各监测区域的水质变化数据计算对应监测区域在目标时段内的蓝藻生物量；
按照预设比例将蓝藻生物量最大的多个监测区域作为目标监测区域；
生成所述目标监测区域的第二预警信息。
3.根据权利要求1所述的方法，其特征在于，基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息的步骤，包括：
基于所述各监测区域的水华复苏指数变化信息确定对应监测区域的水华复苏指数的增长率变化信息；
基于各监测区域的水华复苏指数的增长率变化信息确定对应监测区域的水华复苏指数增长率变化曲线，所述水华复苏指数增长率变化曲线用于表征对应监测区域中水华复苏指数的增长率随时间的变化情况；
基于各监测区域的水华复苏指数增长率变化曲线以及第二预警条件确定对应监测区域中的待预警时段；
基于各监测区域的待预警时段生成对应监测区域的第一预警信息。
4.根据权利要求3所述的方法，其特征在于，所述目标水体中布设有多个监测区域，每个监测区域内布设有多个监测点，所述获取目标水体中不同监测区域的水质变化数据的步骤，包括：
获取多个采样周期内，所述移动式监测设备按照预设采集频率在各监测区域中的各监测点采集到的水质数据序列，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据；
分别计算各水质数据序列中多个水质数据的平均值，得到不同采样周期内各监测点分别对应的水质数据；
根据各监测点在不同采样周期内对应的水质数据，确定对应监测点的水质变化数据；
根据各监测区域中不同监测点的水质变化数据，确定对应监测区域的水质变化数据。
5.根据权利要求1所述的方法，其特征在于，基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，包括：
获取各监测区域的初始监测值；
基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息。
6.根据权利要求5所述的方法，其特征在于，所述目标水体中布设有多个监测区域，每个监测区域内在垂直于水面的方向布设有多个监测点，所述各监测区域的水质变化数据包括对应监测区域中各监测点的水质变化数据，所述基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息的步骤，包括：
基于各监测区域的水质变化数据确定对应监测区域中水体最深处监测点的水质变化数据；
基于各监测区域中水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数。
7.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于各监测区域在目标时段内的蓝藻生物量生成目标水体的热力分布图，所述热力分布图通过不同的像素值表征不同监测区域中的蓝藻生物量；
将所述热力分布图发送到显示终端显示。
8.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于各监测区域的水质变化数据计算对应监测区域的蓝藻生物量变化数据；
基于各监测区域的所述蓝藻生物量变化数据以及预设阈值生成对应监测区域的第三预警信息。
9.一种基于水质监测的水华预警装置，其特征在于，所述装置包括：
获取模块，用于获取目标水体中不同监测区域的水质变化数据，每个监测区域预先设置有至少一个监测点，不同监测区域的水质变化数据由移动式监测设备在目标水体中按照目标路线进行采集得到，目标路线连接各监测区域内的全部监测点；
第一计算模块，用于基于各监测区域的水质变化数据计算对应监测区域的水华复苏指数变化信息，水华复苏指数用于表征蓝藻水华进入复苏期的趋势；
第一确定模块，用于基于各监测区域的水华复苏指数变化信息以及第一预警条件生成对应监测区域的第一预警信息。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
第二计算模块，用于基于各监测区域的水质变化数据计算对应监测区域在目标时段内的蓝藻生物量；
第二确定模块，用于按照预设比例将蓝藻生物量最大的多个监测区域作为目标监测区域；
第三确定模块，用于生成所述目标监测区域的第二预警信息。
11.根据权利要求9所述的装置，其特征在于，所述第一确定模块包括：
第一确定子模块，用于基于所述各监测区域的水华复苏指数变化信息确定对应监测区域的水华复苏指数的增长率变化信息；
第二确定子模块，用于基于各监测区域的水华复苏指数的增长率变化信息确定对应监测区域的水华复苏指数增长率变化曲线，所述水华复苏指数增长率变化曲线用于表征对应监测区域中水华复苏指数的增长率随时间的变化情况；
第三确定子模块，用于基于各监测区域的水华复苏指数增长率变化曲线以及第二预警条件确定对应监测区域中的待预警时段；
第四确定子模块，用于基于各监测区域的待预警时段生成对应监测区域的第一预警信息。
12.根据权利要求11所述的装置，其特征在于，所述目标水体中布设有多个监测区域，每个监测区域内布设有多个监测点，所述获取模块包括：
第一获取子模块，用于获取多个采样周期内，所述移动式监测设备按照预设采集频率在各监测区域中的各监测点采集到的水质数据序列，一个采样周期对应一个水质数据序列，一个水质数据序列中对应多个水质数据；
第一计算子模块，用于分别计算各水质数据序列中多个水质数据的平均值，得到不同采样周期内各监测点分别对应的水质数据；
第五确定子模块，用于根据各监测点在不同采样周期内对应的水质数据，确定对应监测点的水质变化数据；
第六确定子模块，用于根据各监测区域中不同监测点的水质变化数据，确定对应监测区域的水质变化数据。
13.根据权利要求9所述的装置，其特征在于，所述第一计算模块包括：
第二获取子模块，用于获取各监测区域的初始监测值；
第七确定子模块，用于基于各监测区域的初始监测值以及对应监测区域水质变化数据确定对应监测区域的水华复苏指数变化信息。
14.根据权利要求9所述的装置，其特征在于，所述目标水体中布设有多个监测区域，每个监测区域内在垂直于水面的方向布设有多个监测点，所述各监测区域的水质变化数据包括对应监测区域中各监测点的水质变化数据，所述第七确定子模块还包括：
确定单元，基于各监测区域的水质变化数据确定对应监测区域中水体最深处监测点的水质变化数据；
计算单元，基于各监测区域中水体最深处监测点的水质变化数据以及对应监测区域的初始监测值计算对应监测区域的水华复苏指数。
15.一种计算机设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至8中任一项所述的基于水质监测的水华预警方法。
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的基于水质监测的水华预警方法。
CN202311422863.3A 2023-10-27 2023-10-27 基于水质监测的水华预警方法、装置、设备及介质 Pending CN117434235A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311422863.3A CN117434235A (zh) 2023-10-27 2023-10-27 基于水质监测的水华预警方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311422863.3A CN117434235A (zh) 2023-10-27 2023-10-27 基于水质监测的水华预警方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117434235A true CN117434235A (zh) 2024-01-23

Family

ID=89554874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311422863.3A Pending CN117434235A (zh) 2023-10-27 2023-10-27 基于水质监测的水华预警方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117434235A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118071029A (zh) * 2024-04-17 2024-05-24 江西省水务集团有限公司 一种基于水质数字信息的水务监测治理管理平台

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118071029A (zh) * 2024-04-17 2024-05-24 江西省水务集团有限公司 一种基于水质数字信息的水务监测治理管理平台

Similar Documents

Publication Publication Date Title
Wang et al. A multidimension cloud model-based approach for water quality assessment
CN111612055B (zh) 天气形势的分型方法、空气污染状况的预测方法及装置
CN105184427A (zh) 一种对农田生态环境进行预警的方法及装置
EP4303785A1 (en) Reservoir flow rate regulating method and apparatus, electronic device, and storage medium
CN115270632A (zh) 饮用水水源地水华风险预测系统和方法
CN117434235A (zh) 基于水质监测的水华预警方法、装置、设备及介质
CN117009887B (zh) 流域水环境质量精细化估算及分析的方法及系统
JP5110891B2 (ja) 水処理施設における流入水水質の統計的予測方法及びその装置
Zhang et al. Statistical post-processing of precipitation forecasts using circulation classifications and spatiotemporal deep neural networks
KR100785350B1 (ko) 양식장 모니터링 방법 및 그 시스템
CN116739817B (zh) 一种海洋生物多样性监测系统及数据处理方法
CN117228853B (zh) 一种河道生态修复方法及系统
CN117236016B (zh) 一种基于bim的水中生态系统构建方法和系统
CN117253344B (zh) 一种海水酸化预警预报方法、系统及电子设备
Vanausdall et al. Detection and density of breeding marsh birds in Iowa wetlands
CN117635361A (zh) 一种基于集成学习的金枪鱼渔场预测方法及系统
CN116843529A (zh) 基于遥感数据的湿地生态系统健康监测与评估方法及系统
Fang et al. Pre-selection of monitoring stations for marine water quality using affinity propagation: A case study of Xincun Lagoon, hainan, China
CN116754738A (zh) 水域碳动态监测方法、设备、机器人及计算机存储介质
CN115546424A (zh) 水产养殖适宜度分区地图生成方法、系统、设备及介质
CN108985493A (zh) 一种基于自适应可变滤镜的地类变化预测方法
Liu et al. Assessment of Ecological Flow in Hulan River Basin Utilizing SWAT Model and Diverse Hydrological Approaches
Srilatha et al. Prediction of Algal Bloom and Its Effects on Aquaculture in Coastal Area Using Modis Dataset and Machine Learning Techniques
CN117892983B (zh) 近岸海域陆源污染负荷分配确定方法及系统
Wang et al. Receding water line and interspecific competition determines plant community composition and diversity in wetlands in Beijing

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