一种河流悬浮污染物的预测方法及预测系统与流程

本发明涉及河流区域处理技术领域，尤其涉及一种河流悬浮污染物的预测方法及预测系统。

背景技术：

河流是陆地上最重要的水体，世界上的大工业区和城市大都建立在河流之滨，依靠河流供水饮水或者利用河流进行货物运输。改革开放来，随着经济的飞速发展，人们的生活水平不断的提高，但河流水资源环境的污染情况却随着经济发展的同时，在不断的恶化。一些企业在进行排污过程中，没有做到很好的污水处理就直接将水排放到河流中，以及一些人把生活垃圾和废弃物直接丢弃在河流中，导致河流污染。

在河流污染物中，悬浮物污染是非常常见的一种污染形态，表现为河流浑浊，河面出现异常的颜色，以及一些水泡沫等，同时常伴有刺鼻异味，对河流沿岸造成很大的生态环境的破坏，甚至给周边居民带来用水问题，危害极大。

但在传统的对河流悬浮物的处理方法中，通过图像处理软件绘制静态污染图片时，存在着如下缺点：静态图片，不能推演污染过程，污染区域和污染指数凭经验，数据的真实度较差，由于是静态图片，图片无法跟真实的gis河流地形地貌叠加，缺乏真实的地理位置对比，推演的直观性不够；在通过仿真或动画软件绘制污染过程动画的时候，污染区域和污染指数凭经验，数据的真实度较差，动画以gif、flash动画、视频动画为主，该动画无法跟真实的gis河流地形地貌叠加，缺乏真实的地理位置对比，推演的直观性不够；当通过三维仿真系统来呈现的时候，受平台限制较大，一般都需要三维引擎来支撑，应用时，需提前手工计算出各过程参数，才能进行配置推演，属于一种半自动技术，不能自动进行计算和推演过程，可扩展性差。

技术实现要素：

本发明的目的在于提供一种河流悬浮污染物的预测方法及预测系统，通过在gis平台中导入影像地图对河流进行处理，实现了即可以在二维地图或三维地图中对河流进行处理，在地图中直接通过将污染指数用颜色的区分来对河流污染区域进行颜色划分呈现的方法，实现了对河流污染变化的直观观察。

本发明通过下述技术方案实现：

一种河流悬浮污染物的预测方法，预测方法的步骤包括：

s1：获取第一影像地图，所述第一影像地图为河道的平面影像地图，并在河道上标记第一点，所述第一点为污染物排放点；

s2：基于河道的形态，标记若干第一影像地图中河道的中心关键点，所述中心关键点为河流两侧的中心点；

s3：基于第一影像地图中的中心关键点与第一点，并结合floyd最短路径算法、二叉树遍历算法以及贝塞尔曲线算法，获得河道内的第一曲线，所述第一曲线为水动力特性的流动轨迹曲线；

s4：基于排放的污染物的特性、河流流速v1以及第一曲线，获得第二点与第三点之间的轨迹曲线，所述第二点为离第一点距离最近的下游中心关键点，所述第三点为在t2时刻，污染物在水中扩散到离所述第二点最远的位置；

s5：基于所述第二点、所述第三点以及所述第一曲线，对第二点以及第三点做数学分析，获得第一垂直线与第二垂直线，所述第一垂直线与所述第二垂直线截取河流的区域为第一区域，所述第一区域为河道内受污染物污染的河流区域。

传统的对河流中悬浮污染物进行扩散预测的时候，通常都是采用静态图片或者对仿真动画软件绘制污染物污染过程的动画，但是在采用这种技术方法对影像图中的河流进行处理的时候，受平台限制大，且数据的真实度不高，预测出来的河流污染的区域与真实值具有一定的差异；本发明提供了一种河流悬浮污染物的预测方法及预测系统，通过在获取的河流的影像图进行处理，在矢量河流地图中，将数学算法与水动力曲线特性结合起来，在结合污染指数表对河流中的污染情况进行相关颜色的匹配，实现了直观对河流区域污染情况的展现。

优选地，所述污染物的特性包括污染物在水中的稀释速率v2、第一点的污染指数b、污染开始时间t1以及污染结束时间t3。

优选地，所述预测方法还包括：

基于参数稀释速率v2、第一点的污染指数b、污染开始时间t1以及污染结束时间t3，提取污染物在t2时刻的污染指数c；

将获得的污染指数c与污染指数表中的颜色代码值相匹配，获得颜色渐变的第一区域。

优选地，所述步骤s4中，轨迹曲线l的具体表达式为：l=p+v1*(t2-t1)

p为第二点的位置。

优选地，所述污染指数c的计算表达式为：

c=b*(1-v2)^(t2-t1)，v2∈［0,1）

优选地，所述步骤s2中，河道的形态包括河流弯曲状态以及河流分叉的形态，且所述河道形态越复杂的区域，标记的中心关键点越多。

优选地，所述步骤s3的具体操作步骤包括：

s31：采用floyd最短路径方法，获得第一中心关键点，所述第一中心关键点为在沿河道下游方向上，距离第一点最近的中心关键点；

s32：采用二叉树遍历方法，以第一中心关键点为起点，获得沿河道下游方向上的m个中心关键点，m<n；

s33：以第一中心关键点为起点，在m个中心关键点中，采用贝塞尔曲线算法，依次将两个相邻的中心关键点连接，将m个中心关键点连接完成后，获得第一曲线，所述第一曲线为河道内水动力特性的流动轨迹曲线。

优选地，所述步骤s5中，对第二点以及第三点做数学分析的具体操作步骤包括：

基于水动力特性流动轨迹曲线，获得第二点在第一曲线上的第一切线以及第三点在第一曲线上的第二切线；

基于第一切线以及第一曲线，获得第一垂直线，所述第一垂直线为垂直于第一切线且与第二点相交的直线；

基于第二切线以及第一曲线，获得第二垂直线，所述第二垂直线为垂直于第二切线且于第三点相交的直线；

所述第一垂直线与所述第二垂直线将河道分段为第一区域，所述第一区域即为河道污染区域。

优选地，所述第一影像地图为gis地图平台上加载的影像地图。

本发明还公开了一种河流悬浮污染物的预测系统，所述预测系统包括：

gis影像地图模块，用于获取第一影像地图，所述第一影像地图为河道的平面影像地图，并在河道上标记第一点，所述第一点为污染物排放点；

点位标记模块，用于基于河道的形态，标记若干第一影像地图中河道的中心关键点，所述中心关键点为河流两侧的中心点；

分析处理模块，用于基于第一影像地图中的中心关键点与第一点，并结合floyd最短路径算法、二叉树遍历算法以及贝塞尔曲线算法，获得河道内的第一曲线，所述第一曲线为水动力特性的流动轨迹曲线；

距离计算模块，用于基于排放的污染物的特性、河流流速v1以及第一曲线，获得第二点以及第三点，所述第二点为离第一点距离最近的下游中心关键点，所述第三点为在t2时刻，污染物在水中扩散到离所述第二点最远的位置；

区域计算和绘制模块，用于基于所述第二点、所述第三点以及所述第一曲线，获得第一区域，所述第一区域为河道内受污染物污染的河流区域。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明采用一种河流悬浮污染物的预测方法及预测系统，即可以实现在二维地图或三维地图中对河道进行处理，兼容多个gis应用平台；

2、一种河流悬浮污染物的预测方法及预测系统，将水动力特性方法与数学算法结合起来，通过在矢量河流地图中，实现污染在不同时间的污染变化的直观过程，且方便决策者直观的认知污染的污染速度和污染区域，了解污染的程度变化，以便于提前制定应急预案和处置措施。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为预测方法示意图；

图2为预测系统示意图；

图3为第一区域示意图；

图4为贝塞尔曲线示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例一

一种河流悬浮污染物的预测方法，如图1所示，预测方法的步骤包括：

s1：获取第一影像地图，所述第一影像地图为河道的平面影像地图，并在河道上标记第一点，所述第一点为污染物排放点；

获取的第一影像地图为河流以及附近区域在超图gis平台、arcgis平台或qgis平台等地图平台上加载后获得的，且形成带矢量河流地图的地理信息平台，且在地图中，可以将河流的区域采用特别明显颜色的河流面数据图叠加在上面，直接对叠加的且颜色特征特别明显的区域进行分析处理。

s2：基于河道的形态，标记若干第一影像地图中河道的中心关键点，所述中心关键点为河流两侧的中心点；

根据得到的河流在第一影像地图中的河流区域，先在河流区域中绘制河流的中心线，并根据绘制的河流中心线，设置河流的中心关键点，且河流中心关键点根据河流的形态来进行区分，越复杂的河流形态中，所标记的中心关键点就越多，包括不限于在河流的弯曲状态以及河流分叉口等形态不同的河流形状中。

河道的形态包括河流弯曲状态以及河流分叉的形态，且所述河道形态越复杂的区域，标记的中心关键点越多。

s3：基于第一影像地图中的中心关键点与第一点，并结合floyd最短路径算法、二叉树遍历算法以及贝塞尔曲线算法，获得河道内的第一曲线，所述第一曲线为水动力特性的流动轨迹曲线；

步骤s3的具体操作步骤包括：

s31：采用floyd最短路径方法，获得第一中心关键点，所述第一中心关键点为在沿河道下游方向上，距离第一点最近的中心关键点；

floyd算法是一个经典的动态规划算法。是解决任意两点间的最短路径(称为多源最短路径问题)的一种算法，可以正确处理有向图或负权的最短路径问题，通过floyd最短路径算法，主要是用于求取距离污染源最近的点的位置。

采用floyd最短路径方法的具体步骤包括：取得污染源点p的位置坐标；从数据库中读取出所有中心关键点及对应的位置坐标；设置暂存最近点id，赋值为初始点id，以及暂存最短距离，赋值为浮点数的最大值；循环所有中心关键点，逐个比较与污染源点p坐标间的距离；比较与暂存最短距离的值大小；如当前点距离比暂存最短距离值小，则更新暂存最近点id为当前点id，更新暂存最短距离值为当前点的距离；循环比较结束，及最后的暂存最近点id即为距离污染源点p最近的位置点x，这里的数据库为所有中心关键点存储的地方。

s32：采用二叉树遍历方法，以第一中心关键点为起点，获得沿河道下游方向上的m个中心关键点，m<n；

所获得的m个中心关键点是通过第一中心关键点前后矢量关系，依次寻找的中心关键点。

遍历是二叉树上最重要的运算之一，是二叉树上进行其它运算之基础。所谓二叉树遍历，就是按一定的规则和顺序轮循二叉树的所有结点，依次使树中每个结点都被访问一次，而且只被访问一次。在此处，二叉树遍历的应用上是将中心关键点按照线性序列的方式读取出来，将中心关键点通过二叉树进行遍历，依次获得在沿着下游方向的中心关键点，再对获得的中心关键点进行依次处理。

对二叉树遍历的具体的算法包括：建立一个根据参数点查找下游点的过程；从数据库中读取出所有中心关键点数据，包含字段当前点id、上游点id；循环遍历所有中心关键点，根据参数点的id，比对循环点的上游点id；如果找到匹配上游点的id，说明该循环点是参数点的下游点。找到下游点后，不中止循环，继续寻找可能的另一个下游点，直到点循环结束；将参数点和找到的下游点连线；继续调用本过程，将找到的下游点作为参数点传入本过程。

s33：以第一中心关键点为起点，在m个中心关键点中，采用贝塞尔曲线算法，依次将两个相邻的中心关键点连接，将m个中心关键点连接完成后，获得第一曲线，所述第一曲线为河道内水动力特性的流动轨迹曲线。

在找到下游相邻的一个中心关键点之后，再和当前中心关键点采用贝塞尔曲线算法，形成河流水流的水动力特性的流动轨迹，依次类推，形成污染源点之后的整个河流的水动力特性的流动轨迹曲线，贝塞尔曲线是依据任意位置的点坐标绘制出的一条光滑曲线。

对贝塞尔曲线算法的具体算法为：如图4所示，从污染源点p的位置往下游找，依次找到相邻的三个中心关键点，这三个点依次命名为a点、b点、c点；在ab和bc线段上找出点d和点e，使得ad/ab=be/bc；连接de，在de上寻找点f，f点需要满足：df/de=ad/ab=be/bc；根据de线段和上述计算公式找出所有的f点，然后将这所有的f点连接起来，即是我们需要的贝塞尔曲线。一般会设置一个t值，t取值范围[0,1]，代表的含义是百分比，一般取两位数，从0到1的过程，算出图中a到d、b到e、d到f的距离，是按等比计算的。从取值0到1之间的小数，依次取完，小数位数一般取两位或三位，小数位数可以根据实际情况而定，最后将得到的对应顺序的全部f点，依次划线连起来，就是贝塞尔曲线。

s4：基于排放的污染物的特性、河流流速v1以及第一曲线，获得第二点与第三点之间的轨迹曲线，所述第二点为离第一点距离最近的下游中心关键点，所述第三点为在t2时刻，污染物在水中扩散到离所述第二点最远的位置；

这里计算的第二点就是污染最初开始的位置，第三点就是污染一段时间之后，污染物扩散到的离第一点最远的距离的位置。

所述步骤s4中，轨迹曲线l的具体表达式为：

l=p+v1*(t2-t1)

p为第二点的位置。

污染物的特性包括污染物在水中的稀释速率r2、第一点的污染指数b、污染开始时间t1以及污染结束时间t3

s5：基于所述第二点、所述第三点以及所述第一曲线，对第二点以及第三点做数学分析，获得第一垂直线与第二垂直线，所述第一垂直线与所述第二垂直线截取河流的区域为第一区域，所述第一区域为河道内受污染物污染的河流区域。

步骤s5中，对第二点以及第三点做数学分析的具体操作步骤包括：

基于水动力特性流动轨迹曲线，获得第二点在第一曲线上的第一切线以及第三点在第一曲线上的第二切线；

基于第一切线以及第一曲线，获得第一垂直线，所述第一垂直线为垂直于第一切线且与第二点相交的直线；

基于第二切线以及第一曲线，获得第二垂直线，所述第二垂直线为垂直于第二切线且于第三点相交的直线；

所述第一垂直线与所述第二垂直线将河道分段为第一区域，所述第一区域即为河道污染区域。

在河流区域图中，所计算的第一垂直线将河流区域一分为二，计算的第二垂直线将一部分区域的河流再分为两部分，因此，在第一垂直线与第二垂直线分隔截取的河流区域，即为第一点排放的污染物在河流中对河流进行污染的区域。

实施例二

本实施例公开了一种河流悬浮污染物的预测方法，本实施例是在是实施例一的基础上，增加了几个预测方法的步骤，且增加的预测方法还包括：

基于参数稀释速率v2、第一点的污染指数b、污染开始时间t1以及污染结束时间t3，提取污染物在t2时刻的污染指数c；

将获得的污染指数c与污染指数表中的颜色代码值相匹配，获得颜色渐变的第一区域。

当污染物排放到河流中的时候，随着河流中水的流动，会将污染物进行稀释，但是在稀释的过程中，河流是一直不断的往下游的方向进行流动的，因此污染物会往河流下游的方向不断的扩散以及稀释，在污染物排放的不同时刻，不同的中心关键点对应的污染指数是不一样的，将每个时刻的污染指数计算出来，再根据得到的污染指数匹配相对应的污染指数表的颜色，会获得在第一区域内，从第二点到第三点的河流区域中，颜色逐渐变浅的区域图，越深的颜色代表污染越严重，越浅的颜色代表污染物已经被稀释过的。

匹配好的污染指数之后，是将贝塞尔曲线转换为填充路径，对第一区域内的颜色进行渐变填充，即颜色的深度能够直观的体现出污染的程度，如图3所示，为标记污染区域后的示意图。

所述污染指数c的计算表达式为：

c=b*(1-v2)^(t2-t1)，v2∈［0,1）

实施例三

本实施例公开了一种河流悬浮污染物的预测系统，如图2所示，本实施例是用来实现实施例一或实施例二的方法，所述预测系统包括：

gis影像地图模块，用于获取第一影像地图，所述第一影像地图为河道的平面影像地图，并在河道上标记第一点，所述第一点为污染物排放点；

点位标记模块，用于基于河道的形态，标记若干第一影像地图中河道的中心关键点，所述中心关键点为河流两侧的中心点

分析处理模块，用于基于第一影像地图中的中心关键点与第一点，并结合floyd最短路径算法、二叉树遍历算法以及贝塞尔曲线算法，获得河道内的第一曲线，所述第一曲线为水动力特性的流动轨迹曲线；

距离计算模块，用于基于排放的污染物的特性、河流流速v1以及第一曲线，获得第二点以及第三点，所述第二点为离第一点距离最近的下游中心关键点，所述第三点为在t2时刻，污染物在水中扩散到离所述第二点最远的位置；

区域计算和绘制模块，用于基于所述第二点、所述第三点以及所述第一曲线，获得第一区域，所述第一区域为河道内受污染物污染的河流区域。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。