环境监测预警方法、装置、设备及存储介质与流程

1.本技术涉及人工智能领域，尤其涉及一种环境监测预警方法、装置、设备及存储介质。


背景技术：

2.在现有环境监测体系中，环境监测系统依赖于大量的地表点位布设的监测设备，从而导致监测维度单一、监测范围小、监测筛查常出现遗漏情况、缺乏整体性和宏观性，同时监测数据的准确性和真实性也难以验证，因此不能够真正地实现管理部门“用数据说话、用数据管理、用数据决策”的目标，无法为综合监管和科学决策提供有力支撑。


技术实现要素：

3.本技术提供一种环境监测预警方法、装置、设备及存储介质，用于构建实现多维度的、自动预警的环境监测体系。
4.第一方面，本技术提供一种环境监测预警方法，所述方法包括：
5.获取环境实测数据和遥感图像数据，所述环境实测数据和所述遥感图像数据包括时间数据和定位数据；
6.将所述遥感图像数据输入预先训练好的卷积神经网络模型，生成所述遥感图像数据对应的环境要素数据及对应的环境要素标签；
7.根据所述环境要素数据及对应的环境要素标签生成热力图；
8.基于地理信息系统创建地图模型，将所述环境实测数据和所述热力图导入所述地图模型；
9.根据所述时间数据和所述定位数据，在所述地图模型上生成所述热力图和所述环境实测数据的对比结果，并展示所述对比结果。
10.第二方面，本技术还提供了一种环境监测预警装置，所述环境监测预警装置包括：数据获取模块、要素输出模块、要素合成模块、模型构建模块和结果对比模块；
11.数据获取模块，用于将所述遥感图像数据输入预先训练好的卷积神经网络模型，生成所述遥感图像数据对应的环境要素数据及对应的环境要素标签；
12.要素输出模块，用于基于预先训练好的卷积神经网络模型，获取所述遥感图像数据中的环境要素数据及对应的环境要素标签；
13.要素合成模块，用于根据所述环境要素数据及对应的环境要素标签生成热力图；
14.模型构建模块，用于基于地理信息系统创建地图模型，将所述环境实测数据和所述热力图导入所述地图模型；
15.结果对比模块，用于根据所述时间数据和所述定位数据，在所述地图模型上生成所述热力图和所述环境实测数据的对比结果，并展示所述对比结果。
16.第三方面，本技术还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述
计算机程序时实现如本技术实施例中提供的任意一种环境监测预警方法。
17.第四方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如本技术实施例中提供的任意一种环境监测预警方法。
18.本技术公开了一种环境监测预警方法、装置、设备及存储介质，该方法包括：获取环境实测数据和遥感图像数据，环境实测数据和遥感图像数据包括时间数据和定位数据；将遥感图像数据输入预先训练好的卷积神经网络模型，生成遥感图像数据对应的环境要素数据及对应的环境要素标签；根据环境要素数据及对应的环境要素标签生成热力图；基于地理信息系统创建地图模型，将环境实测数据和热力图导入地图模型；根据时间数据和定位数据，在地图模型上生成热力图和环境实测数据的对比结果，并展示对比结果。基于本技术提供的环境监测预警方法通过卷积神经网络模型处理遥感图像数据，生成热力图，并通过地理信息系统集成热力图和地面监测站点的环境实测数据，以实现多维度的环境监测体系，能够减少监测筛查遗漏，并实现环境监测异常的自动预警。
附图说明
19.为了更清楚地说明本技术实施例技术方案，下面将对实施例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技术的一些实施例，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。
20.图1是本技术实施例提供的一种环境监测预警方法的应用场景示意图；
21.图2是本技术实施例提供的一种环境监测预警方法的示意流程图；
22.图3是本技术实施例提供的一种水体营养化监测的示意图；
23.图4是本技术实施例提供的一种环境监测预警装置的示意性框图；
24.图5是本技术实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
25.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通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，都属于本技术保护的范围。
26.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
27.应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
28.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
29.为了减少监测筛查遗漏，并实现环境监测异常的自动预警，本技术提供了一种环境监测预警方法、装置、设备及存储介质。
30.下面结合结合附图，对本技术的实施例作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
31.请参阅图1，图1是一种环境监测预警方法的应用场景示意图，如图1所示，该方法可以应用于多种环境数据采集设备和数据中心，具体地应用于航空飞行设备11、航天飞行设备12、地面监测设备13和数据中心14。航空飞行设备11包括飞机、无人机；航天飞行设备12包括卫星，例如，高分二号卫星；地面监测设备13为在地表设置的多种环境数据采集仪器，例如，二氧化硫浓度采集仪器、可吸入颗粒物浓度采集仪器和水体温度采集仪器，需要说明的是，地面监测设备13能够通过有线传输或无线传输的方式将采集的环境数据传输至数据中心14。
32.请参阅图2，图2是本技术实施例提供的一种环境监测预警方法的示意流程图。
33.如图2所示，该环境监测预警方法至少包括以下步骤：s101-s105。
34.s101、获取环境实测数据和遥感图像数据，环境实测数据和遥感图像数据包括时间数据和定位数据。
35.具体地，获取在地表铺设的多个监测站点环境实测数据，获取航天卫星和航空飞行器对监测区域拍摄的遥感图像数据，获取得到的环境实测数据和遥感图像数据至少能够解析得到时间数据和定位数据，该时间数据用于记录环境实测数据和遥感图像数据生成的时刻或时间区间，该定位数据用于记录多个监测站点和遥感图像数据生成区域的经纬度。
36.需要说明的是，监测站点包括：监测传感器、分析仪、通讯节点设备和采集器、无线数据传输终端。其中，多种监测传感器和分析仪用于收集地表环境中的多路测试信号，通讯节点设备用于通过接口协议将多路测试信号按序输入至设备内部的数据传输单元(data transfer unit，dtu)传输通道，经避雷处理后输入到设备内部的数据采集器，数据采集器用于将采集到的数据通过无线数据传输终端和tcp/ip网络传入到环境监测系统的数据存储中心，数据存储中心按照传输协议规定的内容接收和存储监测站点上传的监测数据，将接收到的数据进行解析、存储、处理、审核及上传等处理工作，以及在数据存储中心上进行数据统计、分析和展示。
37.在一些实施例中，环境实测数据至少包括：空气质量数据、水质量数据，其中，空气质量数据包括：二氧化硫浓度、二氧化氮浓度、可吸入颗粒物浓度和城市热岛效应，水质量数据包括：水体营养化程度、悬浮物浓度和水体温度。
38.在一些实施例中，遥感图像数据包括不同的波段，其中，红波段(0.63～0.69微米)用于测量植物叶绿素吸收率、进行植被分类；绿波段(0.51～0.60微米)用于探测健康植物绿色反射率和反映水下特征；蓝波段(0.45～0.52微米)用于获得地物相交处的边界信息，在绘图中此波段所起的作用很大；近红外波段(0.76～0.90微米)用于测定生物量和作物走势，确定水体轮廓；此外还可以包括：海岸波段(0.40～0.45微米)、黄色波段(0.585～0.625微米)和红色边缘波段(0.7055～0.745微米)。
39.示例性的，以海洋水质监测分析场景为例，环境实测数据包括：监测点位置、监测时间、氨氮浓度、总磷浓度、化学需氧量、溶解氧浓度、阴离子表面活性剂、透明度、氧化还原点位、流速和悬浮物。遥感图像数据包括：与环境实测数据相同时期和相同位置的卫星遥感图像和航空遥感图像，例如，以高分2号卫星遥感图像数据为主，辅以zy3、gf1、worldview等数据。
networks，简称cnn)模型，包括：卷积层、池化层、全连接层。通常包括若干个卷积层、池化层和全连接层；卷积层和池化层能够多层交替使用，全连接层也能够多层铺设。
55.卷积层用于对历史遥感图像数据和历史热力图进行卷积处理生成数字化特征矩阵，具体为，将历史遥感图像数据和历史热力图与滤波矩阵(一组固定的权重：每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器)进行内积运算(逐个元素相乘再求和)，因此，卷积层的作用是负责提取历史遥感图像数据和历史热力图的数字化特征，学习图像之间共有的信息。
56.卷积层由卷积核和非线性激活函数构成，第i-1层的特征映射与卷积核做卷积运算，卷积的结果经过激活函数，可以得到第i层卷积层的特征映射，其计算过程为：
[0057][0058]
式中：l和h分别为卷积核的尺寸，w
jk
为卷积核的权重，x
i-1
为第i-1层卷积层的数字化特征矩阵，bi为第i层的偏置量，f
act
(
·
)为激活函数。
[0059]
池化层在卷积层之后，用于对数字化特征矩阵进行处理输出采样特征矩阵，具体为，通过一个下采样的过程来减小图像数据的规模，该下采样的过程为：对于一个样值序列间隔几个样值取样一次，这样得到新序列就是原序列的下采样。
[0060]
下采样的过程包括：平均池化、最大化池化和随机池化。添加池化层的目的是进行有效数据特征提取，提高计算效率，防止网络过拟合，池化层的计算过程为：
[0061]
xi＝f
act
(k(x
i-1
)+bi)
[0062]
式中：k(
·
)表示池化方式，主要有最大池化方式和平均池化方式。x
i-1
为池化层i的输入，xi为池化层i输出的采样特征矩阵，bi是池化层i的偏置，f
act
(
·
)为激励函数。
[0063]
全连接层用于对采样特征矩阵进行处理输出历史遥感图像数据和历史热力图的映射关系，以使卷积神经网络模型能够输出历史遥感图像数据对应的环境要素数据以及对应的环境要素标签。
[0064]
具体地，全连接层根据池化层采样后的输入的采样特征矩阵，为历史遥感图像数据的每个节点输出一个环境要素数据和环境要素标签，从而实现对遥感图像数据中的空气质量和水质量等目标的识别，若第i层全连接层的输出向量为vi，则vi的计算公式为：
[0065]
vi＝f
act
(wiv
(i-1)
+bi)
[0066]
式中：v
i-1
为第i层全连接层的输入，wi为网络的权重值，bi为网络的偏置值，f
act
(
·
)为激励函数，需要说明的是v
i-1
根据历史遥感图像数据和历史热力图的采样特征矩阵xi运算生成，vi是历史遥感图像数据和历史热力图的映射关系矩阵，根据vi可获取历史遥感图像数据和历史热力图的映射关系。
[0067]
获取该映射关系的卷积神经网络模型，能够解析未经过处理的遥感图像数据，生成对应的数字化的环境要素数据以及对应的环境要素标签。
[0068]
因此，训练好的卷积神经网络能够输出遥感图像数据对应的环境要素数据以及对应的环境要素标签。
[0069]
s103、根据环境要素数据及对应的环境要素标签生成热力图。
[0070]
具体地，根据预设的取值范围确定环境要素数据的所属区间，根据所属区间将遥感图像数据划分为多个区域，使用不同的标识标示多个区域；在每个区域上显示对应的环
境要素数据和环境要素标签，生成热力图。
[0071]
需要说明的是，生成热力图的不同的标识包括：不同的颜色和亮度，在生成热力图时，环境要素数据中污染物浓度越大，采用的颜色越容易引起人的注意，例如，红色和橙色；同时，还可以采用对比色对污染物浓度的大小进行区分，以使用户更容易获取图示中的信息。
[0072]
s104、基于地理信息系统创建地图模型，将环境实测数据和热力图导入地图模型。
[0073]
具体地，基于地理信息系统gis(geographic information system或geo－information system，简称gis)，生成监测地区的地图模型，该地图模型包括多个根据经纬度信息设置的地图节点；根据监测站点的定位数据，将多个监测站点收集的环境实测数据上传至地图模型对应的地图节点，使用数据标签标记不同类型的环境实测数据，数据标签的种类和环境要素标签的种类相同；根据热力图的定位数据，将热力图上传至地图模型对应的地图节点。
[0074]
需要说明的是，地理信息系统，是在计算机硬、软件系统支持下，对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
[0075]
将环境实测数据和热力图导入地图模型的过程本质上是一种数据集成，为了实现上述两种数据的比对，需要对数据中包含的时间数据、空间数据和标签数据(环境要素标签和数据标签)进行统一处理，例如，要对数据的形式特征(如格式、单位、投影等)和内部特性(属性、内容、综合度等)进行全部或部分的调整、转化、分解、合成等，以形成充分兼容的数据集。
[0076]
在一些实施例中，基于地理信息系统，根据已有的地图信息，例如监测区域的地形地貌和经纬度信息，生成监测区域的数字化的地图模型，根据预设的经纬度采样密度获取经度线和纬度线，经纬度采样密度越大，获取的经度线和纬度线越多，根据经度线和纬度线生成地图模型的经纬度格网，将经度线和纬度线的交点设置为地图模型的地图节点。
[0077]
在一些实施例中，根据热力图的定位数据，将热力图上传至地图模型对应的地图节点，具体为，根据预设的尺度获取热力图的经纬度信息，根据经纬度信息将热力图与地图模型的地图节点进行叠置。
[0078]
在另一些实施例中，以热力图的图像分辨率作为经纬度格网大小，对地图模型进行量化，同时将热力图的矢量图像转换为格网(grid)，这样有利于进行对地图信息和遥感图像数据的空间叠置修正。
[0079]
在一些实施例中，获取监测站点的定位数据，确定监测站点的经纬度，确定监测站点的对应的地图节点，例如，计算监测站点和地图节点的经度值差和纬度值差，计算经度值差和纬度值差的加和值，将加和值最小的地图节点设置为监测站点的数据上传点，并将监测站点收集到的数据上传至该地图节点。
[0080]
在一些实施例中，还可以根据数据标签(或环境要素标签)设置多个信息存储层，这样，能减少数据引用的错误。
[0081]
s105、根据时间数据和定位数据，在地图模型上生成热力图和环境实测数据的对比结果，并展示对比结果。
[0082]
具体地，为了保证定位数据相同，获取单个地图节点的环境实测数据和环境要素
数据，根据时间数据进行第一次匹配，例如，黄河入海口在8月17日16时整的环境实测数据和环境要素数据，根据标签数据(即数据标签和环境要素标签)进行第二次匹配，若时间数据和标签都相同，则计算该地图节点的环境实测数据和环境要素数据的匹配值，根据匹配值在地图模型上生成该地图节点包含的环境实测数据和环境要素数据的对比结果，并显示对比结果。
[0083]
在一些实施例中，通过环境实测数据除以环境要素数据得到匹配值，若该匹配值小于预设的阈值，例如预设的阈值为90％，计算得到的匹配值为85％，由于85％《90％，则判定环境要素数据和环境实测数据的对比结果为环境监测异常，在地图模型对应的地图节点上输出预警信息。
[0084]
需要说明的是，对比结果是直观、易看懂的图文形式或数据关系。
[0085]
在一些实施例中，若对比结果为环境监测异常，输出预警信息，该预警信息包括地图节点的经纬度信息、时间数据、监测站点的名称、数据标签、环境要素标签和匹配值中的一项或多项；而预警信息的类型包括如下至少一项：声音提示、图形提示和文字提示。
[0086]
示例性的，若对某区域的遥感监测识别结果为环境监测异常，系统会自动标识，输出相关的地理位置坐标，对管理人员进行预警，管理人员可根据预警区域的地理位置坐标进行排查，得出排查结果，并更正系统。
[0087]
在一些实施例中，若对某区域的遥感监测识别结果为环境监测异常，且该区域缺少监测站点的环境实测数据，对管理人员进行预警，管理人员根据预警信息调查该区域的监测设备是否损坏或在评估后布设监测站点。
[0088]
在另一些实施例中，若管理人员对此预警区域进行取样验证的结果是系统解析错误，则将取样结果返回训练模型，对训练模型进行修正。
[0089]
上述实施例提供的环境监测预警方法，通过卷积神经网络模型处理遥感图像数据，生成热力图，并通过地理信息系统集成热力图和地面监测站点的环境实测数据，以实现多维度的环境监测体系。基于上述环境监测预警方法，能够减少监测筛查遗漏，并实现环境监测异常的自动预警。
[0090]
请参阅图4，图4是本技术的实施例还提供一种环境监测预警装置的示意性框图，该环境监测预警装置300用于执行前述的环境监测预警方法。其中，该环境监测预警装置可以配置于服务器或终端中。
[0091]
其中，服务器可以为独立的服务器，也可以为服务器集群，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)以及大数据和人工智能平台等基础云计算服务的云服务器。该终端可以是无线数据传输终端、环境监测设备、手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
[0092]
如图4所示，环境监测预警装置300包括：数据获取模块301、要素输出模块302、要素合成模块303、模型构建模块304、结果对比模块305。
[0093]
数据获取模块301，用于获取环境实测数据和遥感图像数据，环境实测数据和遥感图像数据包括时间数据和定位数据。
[0094]
其中，环境实测数据至少包括：空气质量数据、水质量数据，其中，空气质量数据包括：二氧化硫浓度、二氧化氮浓度、可吸入颗粒物浓度和城市热岛效应，水质量数据包括：水
体营养化程度、悬浮物浓度和水体温度。
[0095]
要素输出模块302，用于将遥感图像数据输入预先训练好的卷积神经网络模型，生成遥感图像数据对应的环境要素数据及对应的环境要素标签。
[0096]
其中，要素输出模块302还具体用于获取训练样本，训练样本包括历史遥感图像数据和历史热力图；调用卷积神经网络模型，卷积神经网络模型包括卷积层、池化层、全连接层；将训练样本输入卷积神经网络模型，其中卷积层用于对历史遥感图像数据和历史热力图进行卷积处理生成数字化特征矩阵；池化层用于对数字化特征矩阵进行处理输出采样特征矩阵，全连接层用于对采样特征矩阵进行处理输出历史遥感图像数据对应的环境要素数据以及对应的环境要素标签。
[0097]
要素合成模块303，用于根据环境要素数据及对应的环境要素标签生成热力图。
[0098]
其中，要素合成模块303还具体用于根据预设的取值范围确定环境要素数据的所属区间，根据所属区间将遥感图像数据划分为多个区域，使用不同的标识标示多个区域；在每个区域上显示对应的环境要素数据和环境要素标签，生成热力图。
[0099]
模型构建模块304，用于基于地理信息系统创建地图模型，将环境实测数据和热力图导入地图模型。
[0100]
其中，模型构建模块304还具体用于基于地理信息系统，生成监测地区的地图模型，该地图模型包括多个根据经纬度信息设置的地图节点；根据监测站点的定位数据，将多个监测站点收集的环境实测数据上传至地图模型对应的地图节点，使用数据标签标记不同类型的环境实测数据，数据标签的种类和环境要素标签的种类相同；根据热力图的定位数据，将热力图上传至地图模型对应的地图节点。
[0101]
结果对比模块305，根据时间数据和定位数据，在地图模型上生成热力图和环境实测数据的对比结果，并展示对比结果。
[0102]
其中，结果对比模块305还具体用于获取单个地图节点的环境实测数据和环境要素数据，根据时间数据进行第一次匹配，以及根据数据标签和环境要素标签进行第二次匹配；若时间数据和标签都相同，则计算地图节点的环境实测数据和环境要素数据的匹配值；若匹配值小于预设的阈值，判定环境要素数据和环境实测数据的对比结果为环境监测异常。
[0103]
其中，结果对比模块305还具体用于在对比结果为环境监测异常时，输出预警信息，预警信息包括地图节点的经纬度信息、时间数据、监测站点的名称、数据标签、环境要素标签和匹配值中的一项或多项；预警信息的类型包括如下至少一项：声音提示、图形提示和文字提示。
[0104]
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的各模块的具体工作过程，可以参考前述环境监测预警方法实施例中的对应过程，在此不再赘述。
[0105]
上述的环境监测预警装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
[0106]
请参阅图5，图5是本技术实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器或终端。
[0107]
参阅图5，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其
中，存储器可以包括存储介质和内存储器。
[0108]
存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行本技术实施例提供的任意一种环境监测预警方法。
[0109]
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
[0110]
内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行本技术实施例提供的任意一种环境监测预警方法。所述存储介质可以是非易失性的，也可以是易失性的。
[0111]
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0112]
应当理解的是，处理器可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0113]
示例性的，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
[0114]
获取环境实测数据和遥感图像数据，环境实测数据和遥感图像数据包括时间数据和定位数据；
[0115]
将遥感图像数据输入预先训练好的卷积神经网络模型，生成遥感图像数据对应的环境要素数据及对应的环境要素标签；
[0116]
根据环境要素数据及对应的环境要素标签生成热力图；
[0117]
基于地理信息系统创建地图模型，将环境实测数据和热力图导入地图模型；
[0118]
根据时间数据和定位数据，在地图模型上生成热力图和环境实测数据的对比结果，并展示对比结果。
[0119]
在一些实施例中，所述处理器还用于运行存储在存储器中的计算机程序，以实现如下步骤：
[0120]
获取训练样本，训练样本包括历史遥感图像数据和历史热力图；
[0121]
调用卷积神经网络模型，卷积神经网络模型包括卷积层、池化层、全连接层；
[0122]
将训练样本输入卷积神经网络模型，其中卷积层用于对历史遥感图像数据和历史热力图进行卷积处理生成数字化特征矩阵；池化层用于对数字化特征矩阵进行处理输出采样特征矩阵，全连接层用于对采样特征矩阵进行处理输出历史遥感图像数据对应的环境要素数据以及对应的环境要素标签。
[0123]
在一些实施例中，所述处理器在实现根据环境数据生成热力图时，具体用于实现：
[0124]
根据预设的取值范围确定环境要素数据的所属区间，根据所属区间将遥感图像数据划分为多个区域，使用不同的标识标示多个区域；
[0125]
在每个区域上显示对应的环境要素数据和环境要素标签，生成热力图。
[0126]
在一些实施例中，所述处理器在实现基于地理信息系统创建地图模型，将环境实测数据和热力图导入地图模型时，具体用于实现：
[0127]
基于地理信息系统，生成监测地区的地图模型，地图模型包括多个根据经纬度信息设置的地图节点；
[0128]
根据监测站点的定位数据，将多个监测站点收集的环境实测数据上传至地图模型对应的地图节点，使用数据标签标记不同类型的环境实测数据，数据标签的种类和环境要素标签的种类相同；
[0129]
根据热力图的定位数据，将热力图上传至地图模型对应的地图节点。
[0130]
在一些实施例中，所述处理器在实现根据时间数据和定位数据，生成热力图和环境实测数据的对比结果时，具体用于实现：
[0131]
获取单个地图节点的环境实测数据和环境要素数据，根据时间数据进行第一次匹配，以及根据数据标签和环境要素标签进行第二次匹配；
[0132]
若时间数据和标签都相同，则计算地图节点的环境实测数据和环境要素数据的匹配值；
[0133]
若匹配值小于预设的阈值，判定环境要素数据和环境实测数据的对比结果为环境监测异常。
[0134]
在一些实施例中，所述处理器在用于在地图模型上展示对比结果时，还具体用于实现：
[0135]
若对比结果为环境监测异常，输出预警信息，预警信息包括地图节点的经纬度信息、时间数据、监测站点的名称、数据标签、环境要素标签和匹配值中的一项或多项；预警信息的类型包括如下至少一项：声音提示、图形提示和文字提示。
[0136]
本技术的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本技术实施例提供的任一项环境监测预警方法。
[0137]
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。
[0138]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。