本书以松花江流域哈尔滨市城区段为研究区，分别介绍地理信息系统、遥感技术、空间定位技术、物联网技术、大数据、云计算、机器学习和知识发现等技术在水环境监测与管理中的应用现状与技术特征。从水环境监测与感知、水质预测与评价、水体污染物总量控制、水质遥感、水污染突发事件处理等领域具体阐述了智慧水环境的技术体系与应用成效。
样章试读
目录
- 目录
前言
第1章 智慧水环境概述 1
1.1 智慧水环境概念的提出 3
1.2 智慧水环境的内容 3
1.2.1 构建智慧水环境物联网 4
1.2.2 构建智慧水环境大数据云平台 6
1.2.3 构建智慧水环境智能分析模型 7
1.2.4 构建智慧水环境综合应用平台 8
1.3 智慧水环境的框架结构和技术组成 10
1.3.1 大数据相关技术 10
1.3.2 物联网技术 12
1.4 智慧水环境的应用趋势 13
1.5 建设智慧水环境的意义 13
第2章 基于物联网的智慧水环境技术设施体系 14
2.1 基于IOT技术的智慧水环境环保监测体系 14
2.1.1 环保物联网的总体体系结构 14
2.1.2 环保物联网的软件系统 14
2.1.3 环保物联网的硬件系统 15
2.2 固定式水环境自动监测设备 15
2.3 可移动式水环境监测体系 29
2.3.1 浮标式水质监测站 29
2.3.2 浮船式水质监测站 31
2.3.3 水质移动监测车 35
2.4 无人机监察技术 40
2.4.1 无人机及无人机系统 41
2.4.2 无人机飞行平台 41
2.4.3 任务载荷 42
2.4.4 无人机监察技术在智慧水环境中的应用 45
第3章 基于云计算的智慧水环境综合服务平台 47
3.1 云计算 47
3.1.1 云计算技术框架概述 47
3.1.2 云计算的服务模式 51
3.2 云平台数据响应服务 52
3.2.1 监测数据收集响应服务 53
3.2.2 空间数据关联存储响应服务 56
3.2.3 专题数据编辑制作响应服务 57
3.3 云平台数据与服务发布机制 59
3.3.1 水质环保数据发布 61
3.3.2 地理信息空间数据发布 62
3.3.3 水环境专题数据发布 64
3.3.4 水环境应用基础功能模块发布 65
第4章 水环境在线监测深度感知系统研究 67
4.1 系统研究概况 67
4.1.1 控制单元概况 68
4.1.2 水环境在线监测深度感知系统设计 68
4.1.3 研究方法 68
4.2 在线监测分发数据库设计 69
4.2.1 水环境在线监测现状 69
4.2.2 在线监测分发数据库构建 71
4.3 水污染物追溯响应算法研究 74
4.3.1 图论中的网络模型 74
4.3.2 GIS网络模型 74
4.3.3 水环境网络数据模型构建 75
4.3.4 构建污染物空间追溯响应关系模型 76
4.3.5 构建三级响应管理模型 78
4.4 水环境在线监测深度感知系统设计与实现 80
4.4.1 系统需求分析 80
4.4.2 系统建设思路 81
4.4.3 系统总体设计 82
4.4.4 系统功能设计 84
4.4.5 系统展示 87
第5章 基于Skyline的河流水污染突发事件模拟 89
5.1 研究区概况 89
5.1.1 研究区地理位置概况 89
5.1.2 研究区流域水文特征 89
5.1.3 水环境风险源 91
5.2 基于Skyline平台建立流域三维水环境 91
5.2.1 地形的三维表达 91
5.2.2 河流数据的表达 92
5.2.3 多源三维模型数据 92
5.3 水质模型与Skyline平台的耦合 94
5.3.1 水质模型 94
5.3.2 水质模型与Skyline平台的耦合 96
5.4 河流水污染突发事件模拟系统的设计 98
5.4.1 系统需求分析 98
5.4.2 系统设计原则 98
5.4.3 系统总体设计 99
5.4.4 数据库设计 100
5.4.5 系统功能设计 106
5.4.6 水质模拟功能 107
5.5 情景模拟 109
5.5.1 事故模拟 109
5.5.2 事故风险分析 110
第6章 基于WebGIS的松花江哈尔滨段水质监测与评价系统 113
6.1 概述 113
6.2 系统技术 113
6.2.1 WebGIS技术 113
6.2.2 水质评价方法 114
6.3 数据库系统 114
6.4 系统构建 115
6.4.1 系统功能需求 115
6.4.2 系统设计 116
6.4.3 系统服务与导航 117
6.4.4 水质监测 117
6.4.5 水质评价 118
6.5 小结 119
第7章 水环境污染物总量优化分配方法及业务化应用研究 120
7.1 概况 120
7.1.1 研究区自然环境概况 120
7.1.2 研究区水质概况 121
7.2 污染物总量优化分配方法研究 122
7.2.1 水环境容量的计算 122
7.2.2 污染物核算 128
7.2.3 污染物总量分配原则及可选方法 139
7.2.4 松花江哈尔滨段水环境污染物总量分配 140
7. 3 污染物总量优化分配业务化系统实现 148
7.3.1 系统需求分析 148
7.3.2 系统架构及数据库设计 149
7.3.3 技术路线 152
7.3.4 系统关键技术 153
7.3.5 系统功能实现 154
7. 4 结论与展望 157
7.4.1 结论 157
7.4.2 展望 159
第8章 基于多源遥感的哈尔滨松花江水质反演 160
8.1 基于多光谱遥感的松花江水质反演 160
8.1.1 卫星遥感数据来源及预处理 160
8.1.2 遥感影像处理成果 161
8.1.3 基于多光谱遥感水质模型构建 161
8.2 基于机器学习PSO-SVR对水质反演模型的建立 164
8.2.1 基于PSO-SVR对高锰酸盐指数反演 164
8.2.2 基于PSO-SVR对化学需氧量反演 166
8.2.3 基于PSO-SVR对氨氮反演 167
8.2.4 基于PSO-SVR对总磷反演 169
8.3 小结与讨论 170
第9章 基于CBR与RBR的突发水环境污染处理专家系统研究 172
9.1 知识库的建立 173
9.1.1 知识的概念 173
9.1.2 知识与知识库 173
9.1.3 知识获取 174
9.1.4 水污染与事件处理知识 174
9.1.5 专家知识获取方法 175
9.1.6 突发水环境污染知识库建立 176
9.2 CBR方法 181
9.2.1 案例相似度计算 181
9.2.2 CBR法 183
9.2.3 CBR架构分析 184
9.3 RBR方法 186
9.3.1 规则推理方法 186
9.3.2 决策树算法 187
9.3.3 三种算法性能评价 189
9.3.4 CBR和RBR结合分析 192
9.4 CBR和RBR突发水环境污染算法实现 193
9.4.1 CBR算法实现 193
9.4.2 RBR算法实现 194
第10章 基于移动端的水环境管理云平台 196
10.1 国内外移动电子政务的发展现状分析 196
10.1.1 国内移动电子政务发展现状 196
10.1.2 国外移动电子政务发展现状 197
10.1.3 水环境智能APP应用现状 197
10.2 移动端平台特点 198
10.3 需求分析 199
10.3.1 用户层次需求分析 199
10.3.2 功能需求分析 199
10.3.3 平台运维分析 201
10.3.4 支撑环境建设 202
10.3.5 平台部署 203
10.3.6 平台测试 203
10.4 水环境移动端平台设计 204
10.4.1 概述 204
10.4.2 建设原则 204
10.4.3 项目实施重点及难点 205
10.4.4 技术路线与关键技术 205
10.4.5 平台框架设计 210
10.4.6 水环境大数据中心 212
10.4.7 云端服务方案 214
10.5 平台应用 217
10.5.1 平台管理端 218
10.5.2 移动端功能设计 223
10.6 平台应达到的技术指标 226
10.7 结束语 227
参考文献 228
京公网安备 11010102004214号