基于海空无人采集装备的近岸海域水质采样网络规划方法与流程

本发明涉及海洋环境保护及水质监测技术领域，具体涉及一种基于海空无人采集装备的近岸海域水质采样网络规划方法。

背景技术

近岸海域是陆地和海洋两大生态系统的交汇区域，是人类海洋活动十分频繁的地带，近岸海域环境质量状况对人类生存和海洋经济发展有着十分重要而深远的影响。但近年来，近岸海域污染问题日益严峻，海洋环境质量持续下降，严重威胁了海洋经济建设和生态环境保护。根据2016年中国近岸海域环境质量公报，2016年全国近岸海域水质中四类及劣四类海水比例达16.3％，四类及劣四类海水面积达43554平方公里，主要集中在辽东湾、渤海湾、长江口、珠江口以及江苏、浙江、广东部分近岸海域，主要超标因子为无机氮和活性磷酸盐。因此急需加强近岸海域环境信息的采集与监测工作，以便及时掌握近岸海域环境质量状况并快速开展有利污染防治措施，降低陆源入海、大气沉降等污染物对近岸海域的生态环境破坏。近岸海域水质监测的传统方法有浮标、潜标、人工出海等方式，存在采集周期长、投入成本高、采样数据代表性偏差且滞后等问题，发展灵活高效的采集装备并进行合理规划是当前海洋环境监测的主要趋势。

技术实现要素：

为了克服现有技术中的至少一种缺陷，本发明提供一种基于海空无人采集装备的近岸海域水质采样网络规划方法，其目的在于，形成灵活覆盖面广的海空一体化海洋环境信息采样网络，以降低监测设备投入成本、增强采样灵活性，获取更有代表性、覆盖面广的采样数据。

为了解决上述技术问题，本发明采取以下技术方案：

一种基于海空无人采集装备的近岸海域水质采样网络规划方法，其中，海空无人采集装备包括利用无人机和无人船搭载的海洋环境信息采集仪，用于采集海洋气象、水色及水质参数数据，包括如下步骤：

s1.收集反映研究海域水质状况的海量历史采样数据，并将所述历史采样数据映射到地理信息系统gis中；历史采样数据为过去已采集的数据；

s2.基于地理信息系统gis对历史采样数据进行插值处理，以获取研究海域的水质分布；

s3.采用基于网格的多密度聚类算法对研究海域的水质分布进行聚类，划分出若干不同水质的监测海域；

s4.根据聚类后的海域划分结果对固定采集设备(如浮标、潜标等)布设点进行规划；

s5.以固定采集设备布设点为参考点，建立三角网格生长数学模型，对无人船采集装备的巡航点位置进行规划；

s6.结合陆源入海排污口分布情况、固定采集设备布设点及无人船采集装备巡航点规划结果，对无人机采集装备固定巡航点进行设定，同时根据无人船采集装备在巡航点海域的在线水质监测状况，动态设定无人机采集装备临时应急巡航点，提高无人机采集装备的灵活性和及时性；

s7.对固定采集设备布设点、无人船采集装备的巡航点、无人机采集装备固定巡航点及无人机采集装备应急巡航点规划结果进行整理分析，形成灵活覆盖面广的海空一体化海洋环境信息采样网络。

进一步地，本发明利用无人机搭载的海洋环境信息采集仪包括气象仪和多光谱仪，用于采集水色、风速、风向、温湿度等参数数据；通过多光谱仪进行多光谱水色分析，以定性判别海洋水质状况并检测突发性海洋水体污染，这种方式可行，且在国内文献“环厦门海域水色变化的多光谱多时相遥感分析”和“航天遥感水色成象光谱仪的设计”中被证实；通过气象仪进行气象参数分析，以有效估计海面风场、海浪场、海流场等影响海洋污染扩散迁移的海洋环境因素；利用无人船搭载的海洋环境信息采集仪包括水质多参数检测仪和营养盐监测仪，主要用于采集do、cod、ph、水温、盐度、总磷、总氮等参数数据，实现海洋水质参数的在线监测分析。通过无人机、无人船采集装备与固定采集装备的结合，可实现近岸海域海空立体化环境信息全面监测，在线及时获取完备的海洋气象水质参数环境信息，并减少成本高昂的浮标等固定采集设备的投入数量和人工出海采样次数，节约监测成本。

进一步地，步骤s1中，反映研究海域水质状况的海量历史采样数据为采用浮标或人工出海等方式获取的现场实测历史数据。

进一步地，步骤s2中，所述插值处理使用的方法为kriging插值法；，以尽可能全面反映近岸研究海域的水质状况。

进一步地，步骤s3中，采用基于网格的多密度聚类算法对研究海域的水质分布进行聚类，聚类时第k个网格空间采样点密度定义为：

第k个网格与邻近网格的相对密度为：

其中nk为第k个网格空间采样点的采样点个数，采样点i的水质指标浓度为ci＝(ci1,ci2,…,cim),wj为第j个水质指标的权重，n为非空相邻单元网格个数,为第1类水质第j个指标标准值。

聚类时将历史数据采样点分布空间划分为网格，并将数据集映射到网格单元中，根据密度阈值和相对密度将周围高密单元进行聚类，再利用密度阈值递减方法调节密度阈值，对未聚类的低密度区域继续聚类，同时对边界点进行处理，直到聚类完成。最后结合gis系统，对聚类的结果进行海域划分，形成海域集合r，对应面积集合为s。该方法聚类可尽可能地滤除海量历史采样数据中的孤立离散噪声点，确保数据的有效性和可靠性。

进一步地，步骤s4中，固定采集设备布设点规划过程如下：设定固定采集设备布设的最小单位覆盖面积为s0，海域ri布设固定采集设备的必要性权重因子为λi，则海域ri的固定监测设备布设个数为其中s0根据投入成本和计划效益等因素综合考虑确定；λi根据所属海域的水质浓度状况确定；该海域中固定采集设备布设区按各覆盖区域周长和最小原则进行划分，并取各覆盖区域中心位置进行布设。记固定采集设备布设点集合为b。

进一步地，步骤s5中，以固定采集设备布设点为参考点，建立三角网格生长数学模型，对无人船采集装备的巡航点进行规划，具体过程如下：

第k个三角网格生长长度计算公式定义为：

lk＝αckl0(3)

其中为当前海域(指当前生长区域以l0为半径的海域)的平均水质指标与第一类水质指标浓度的差异度，α为常量系数，l0为初始长度，k为当前海域的样本点数据个数；

首先以固定采集设备布设点bi作为中心点，向外扩展等边三角形δti1ti2ti3(此为首次生长，故为等边三角形)，其中bi到三角形3个顶点的距离均为li1；以bi为顶点，以biti1为角平分线，向外扩展等腰三角形δbiti4ti5，其中ti1到三角形底边顶点ti4、ti5的距离为li2；以bi为顶点，以biti2为角平分线，向外扩展等腰三角形δbiti6ti7，其中ti2到三角形底边顶点ti6、ti7的距离为li3；将生长的顶点与该顶点所在等腰三角形内的点的连线作为角平分线，将该等腰三角形内的点作为顶点，以此为规则继续生长等腰三角形，最终生长成以固定采集设备布设点bi为参考点的三角网格，其顶点集合为{ti1,ti2,…,tim}，该顶点集合为无人船采集装备的巡航点。

更进一步地，在三角网格生长过程中若扩展的顶点tik与任意顶点的距离小于当前网格生长长度lik，则舍弃该顶点；对于养殖海域和无人船无法巡航的相关海域，通过人工方式设定为约束条件，若生长过程中扩展的顶点tik坐标落入该养殖海域和无人船无法巡航的区域，则舍弃该顶点；若生长过程中扩展的顶点tik所在海域的水质差异度指标ck小于临界值c0时，则舍弃该顶点；最终以各固定采集设备布设点为参考点生长形成完整的三角网格，得到无人船采集装备的巡航点集合t＝{t1,t2,…,ts}。

进一步地，步骤s6中，对无人机采集装备的巡航点的规划如下：统计陆源入海污染物排污口位置，并将其映射至gis系统；将无人船巡航点按其所在海域历史浓度进行排序并获取前w个巡航点；将基于地理信息系统gis的陆源排污口坐标集、排序后的无人船前w个巡航点和固定采集设备布设点形成无人机固定巡航点集合o＝{o1,o2,…,ou}；另外，在无人船采集装备巡航监测过程中，在线分析其所在海域的水质状况，当其水质指标超过预警指标时，即在该海域动态设置优先级高的临时应急巡航点。临时应急巡航点的设置以便调用最邻近的无人机进行巡航辅助监测，提高无人机采集装备的及时性和灵活性。

本发明的有益效果：本发明将无人机采集装备、无人船采集装备和固定采集设备三者相结合，并通过固定采集设备布设点及无人装备巡航点的合理规划布局，旨在构建海空一体化海洋环境信息立体监测采样网络；本发明可实现在线及时获取完备的海洋气象、水色及水质参数环境信息，最大限度地监测研究海域的水质状况，解决传统人工出海、浮标等方式存在采集周期长、覆盖面窄、采样数据代表性偏差且滞后等问题，并减少成本高昂的浮标等固定采集设备的投入数量和人工出海采样次数，节约监测成本。

附图说明

图1是本发明一种基于海空无人采集装备的近岸海域水质采样网络规划方法的流程图。

图2是本发明无人机采集装备示例图。

图3是本发明无人船采集装备示例图。

图4是无人船采集装备的巡航点规划示意图。

具体实施方式

以下结合附图对本专利做进一步的解释说明。附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

如图1所示的一种基于海空无人采集装备的近岸海域水质采样网络规划方法，其中，海空无人采集装备包括利用无人机和无人船搭载的海洋环境信息采集仪，用于采集海洋气象、水色及水质参数数据，包括如下步骤：

s1.收集反映研究海域水质状况的海量历史采样数据，并将所述历史采样数据映射到地理信息系统(gis)中；历史采样数据为过去已采集的数据；

s2.基于地理信息系统gis对历史采样数据进行插值处理，以获取研究海域的水质分布；

s3.采用基于网格的多密度聚类算法对研究海域的水质分布进行聚类，划分出若干不同水质的监测海域；

s4.根据聚类后的海域划分结果对固定采集设备(如浮标、潜标等)布设点进行规划；

s5.以固定采集设备布设点为参考点，建立三角网格生长数学模型，对无人船采集装备的巡航点位置进行规划；

s6.结合陆源入海排污口分布情况、固定采集设备布设点及无人船采集装备巡航点规划结果，对无人机采集装备固定巡航点进行设定，同时根据无人船采集装备在巡航点海域的在线水质监测状况，动态设定无人机采集装备临时应急巡航点，提高无人机采集装备的灵活性和及时性；

s7.对固定采集设备布设点、无人船采集装备的巡航点、无人机采集装备固定巡航点及无人机采集装备应急巡航点规划结果进行整理分析，形成灵活覆盖面广的海空一体化海洋环境信息采样网络。

如图2、3所示，本发明搭建的无人采集装备具体包括：利用无人机搭载轻简紧凑型气象仪和多光谱仪，主要用于采集水色、风速、风向、温湿度等参数数据；通过多光谱仪进行多光谱水色分析，以快速定性判别海洋水质状况并检测突发性海洋水体污染；通过气象仪进行气象参数分析，以有效估计海面风场、海浪场、海流场等影响海洋污染扩散迁移的海洋环境因素；利用无人船搭载轻简化水质多参数检测仪和营养盐监测仪，主要用于采集do、cod、ph、水温、盐度、总磷、总氮等参数数据，实现海洋水质参数的在线监测分析。通过无人机、无人船采集装备与固定采集装备的结合，可实现近岸海域海空立体化环境信息全面监测，在线及时获取完备的海洋气象水质参数环境信息，并减少成本高昂的浮标等固定采集设备的投入数量和人工出海采样次数，节约监测成本。

其中，步骤s1中，反映研究海域水质状况的海量历史采样数据为采用浮标或人工出海等方式获取的现场实测历史数据。

另外，步骤s2中，所述插值处理使用的方法为kriging插值法；以尽可能全面反映近岸研究海域的水质状况。

其中，步骤s3中，为划分出若干不同水质的监测海域，本发明采用基于网格的多密度聚类算法对研究海域的水质分布进行聚类，聚类时第k个网格空间采样点密度定义为：

第k个网格与邻近网格的相对密度为

其中nk为第k个网格空间采样点的采样点个数，采样点i的水质指标浓度为ci＝(ci1,ci2,…,cim),wj为第j个水质指标的权重，n为非空相邻单元网格个数,为第1类水质第j个指标标准值(来源于《海水水质标准(gb3097-1997)》)。

聚类时将历史数据采样点分布空间划分为网格，并将数据集映射到网格单元中，根据密度阈值和相对密度将周围高密单元进行聚类，再利用密度阈值递减方法调节密度阈值，对未聚类的低密度区域继续聚类，同时对边界点进行处理，直到聚类完成。最后结合gis系统，对聚类的结果进行海域划分，形成海域集合r，对应面积集合为s。该方法聚类可尽可能地滤除海量历史采样数据中的孤立离散噪声点，确保数据的有效性和可靠性。

另外，步骤s4中，根据聚类划分的不同海域集合，固定采集设备布设点规划过程如下：设定固定采集设备布设的最小单位覆盖面积为s0，海域ri布设固定采集设备的必要性权重因子为λi，则海域ri的固定监测设备布设个数为其中s0根据投入成本和计划效益等因素综合考虑确定；λi根据所属海域的水质浓度状况确定，所属海域的水质浓度相对1类水质越高，必要性权重因子为λi越大，反之，必要性权重因子为λi越小；该海域中固定采集设备布设区按各覆盖区域周长和最小原则进行划分，并取各覆盖区域中心位置进行布设。记固定采集设备布设点集合为b。

其中，步骤s5中，以固定采集设备布设点为参考点，建立三角网格生长数学模型，对无人船采集装备的巡航点进行规划。该模型以固定采集设备布设点为中心，根据所在海域的水质浓度指标从三个方向进行变长度扩展，既尽可能保证覆盖监测海域各个方向和区域，又避免了无人船巡航规划点过密冗余的问题。具体过程如下：

第k个三角网格生长长度计算公式定义为

lk＝αckl0(3)

其中为当前海域(指当前生长区域以l0为半径的海域)的平均水质指标与第一类水质指标浓度的差异度，α为常量系数，l0为初始长度，k为当前海域的样本点数据个数；

如图4所示，首先以固定采集设备布设点bi作为中心点，向外扩展等边三角形δti1ti2ti3(此为首次生长，故为等边三角形)，其中bi到三角形3个顶点的距离均为li1；以bi为顶点，以biti1为角平分线，向外扩展等腰三角形δbiti4ti5，其中ti1到三角形底边顶点ti4、ti5的距离为li2；以bi为顶点，以biti2为角平分线，向外扩展等腰三角形δbiti6ti7，其中ti2到三角形底边顶点ti6、ti7的距离为li3；将生长的顶点与该顶点所在等腰三角形内的点的连线作为角平分线，将该等腰三角形内的点作为顶点，以此为规则继续生长等腰三角形，最终生长成以固定采集设备布设点bi为参考点的三角网格，其顶点集合为{ti1,ti2,…,tim}，该顶点集合为无人船采集装备的巡航点。

本实施例中，在三角网格生长过程中若扩展的顶点tik与任意顶点的距离小于当前网格生长长度lik，则舍弃该顶点；对于养殖海域和无人船无法巡航的相关海域，通过人工方式设定为约束条件，若生长过程中扩展的顶点tik坐标落入该养殖海域和无人船无法巡航的区域，则舍弃该顶点；若生长过程中扩展的顶点tik所在海域的水质差异度指标ck小于临界值c0时，则舍弃该顶点；最终以各固定采集设备采样点为参考点生长形成完整的三角网格，得到无人船采集装备的巡航点集合t＝{t1,t2,…,ts}。

另外，步骤s6中，对无人机采集装备的巡航点的规划如下：统计陆源入海污染物排污口位置，并将其映射至gis系统；将无人船巡航点按其所在海域历史浓度进行排序并获取前w个巡航点；将基于地理信息系统gis的陆源排污口坐标集、排序后的无人船前w个巡航点和固定采集设备布设点形成无人机固定巡航点集合o＝{o1,o2,…,ou}；另外，在无人船采集装备巡航监测过程中，在线分析其所在海域的水质状况，当其水质指标超过预警指标时，即在该海域动态设置优先级高的临时应急巡航点。临时应急巡航点的设置以便调用最邻近的无人机进行巡航辅助监测，提高无人机采集装备的及时性和灵活性。

需要说明的是，以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但是凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。