1长沙理工大学水利工程学院 湖南省长沙市 410114
摘要：无人机遥感与大数据处理分析技术的快速发展，促进了对河湖水体水质进行实时监控与预警的发展。本文主要介绍了利用无人机灵活、高效、监控范围广和适用性强等特点，基于待检测水体的面积与形状，设定无人机的航线，通过无人机以及无人机搭载的遥感设备对相关水域水质进行全方位实时监控与定点取样检测，并将监测所得的影像信息传递到控制中心，利用自主研发的无人机与水质监测相结合的集大数据计算、处理和分析功能的软件，实现对监控水域的富营养化程度的判别，发布预警信息。
关键词：水体富营养化；无人机；水质软件；大数据处理；监测预警
Research on monitoring and early warning of water eutrophication and big data processing system of unmanned aerial vehicle in Dongting Lake
WANG Bo-yang1，2，3*，SUN Shi-quan1，2，3，WANG Hong1，2，3，FENG Jian-yong1，2，3，
TANG Hui-ling1，2，3，TU Ling-li1，2，3
（1 School of Hydraulic Engineering，Changsha University of Science and Technology Changsha 410114；
2 Sate Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering，Hohai University，Nanjing 210098；
Engineering and Technical center of Hunan Provincial Environmental Protection for River-Lake Dredging Pollution Control，Changsha 410114）
Abstract：The rapid development of UAV remote sensing and big data processing analysis technology has promoted the development of real-time monitoring and early warning of river and lake water quality.This article mainly introduces the use of drones that are flexible，efficient，with a wide range of monitoring and strong applicability.Based on the area and shape of the water body to be detected，the UAV route is set，and the UAV and drone-equipped remote sensing are used.The equipment conducts all-round real-time monitoring and fixed-point sampling and detection of the water quality of relevant waters，and transmits the image information obtained from the monitoring to the control center，using the independently developed R&D unmanned aerial vehicle and water quality monitoring to combine the functions of calculating，processing and analyzing large data.The software realizes the identification of the degree of eutrophication in monitoring waters and issues warning information.
Key words：Water eutrophication；UAV；Water quality software；Big data processing；
Monitoring and early warning
1 研究背景
1.1 国内外研究现状
近年来，经济发展越来越迅速，但也伴随着越来越严重的水资源污染，而水资源对于人类的生存有着不可代替的作用，湖泊又是其中重要的组成部分，因此对于湖泊水质的监测与保护刻不容缓。
目前国内外许多专家学者对湖泊富营养化的成因分析、湖泊水质的富营养化现状评价、湖泊的富营养化防治措施等进行了比较深入的研究。
现有的水环境监测方法主要有两种：①采用便携式水质监测仪人工采样、实验室分析；②采用由远程监测中心以及若干个监测子站组成的水环境自动监测系统[1]。其中，第一种方法不能反映水环境动态变化，存在数据采集慢、针对性差、监测周期长、劳动强度大等问题[2]。第二种方法因为需要预先建立多个监测子站和铺设电缆的施工要求，存在系统成本高、易对监测区域造成破坏、监测水域范围有限等缺点。此外，最新出现的水质监测船也存在一定缺陷，比如在水体受到严重污染或有大量漂浮物时监测船会受到一定的阻碍和污染[3]。
而国内将卫星遥感用于水质监测预警多于无人机遥感，将无人机应用于水质监测预警系统比较少见，一般是与其他监测预警技术相结合或者作为常用监测预警系统的补充，还没有形成一套完整的、高效的、独立的体系，应用范围比较小，大多用于水源地或蓝藻水华的水质监测预警。
此外，国内大数据处理技术在水质监测方面还处于探索阶段，与无人机遥感数据的对接技术也刚刚起步，对无人机水体富营养化监测还鲜有报道[4]。
1.2洞庭湖水质监测
洞庭湖是我国第二大淡水湖，接纳湘、资、沅、澧“四水”，吞吐长江，素有“长江之肾”和“鱼米之乡”的美称。因长年的泥沙淤积和围垦，洞庭湖被分割为东洞庭湖、南洞庭湖和西洞庭湖[5]，现有湖面2691km2，洪道1307km2，多年平均深度为6.39m[6]。随着洞庭湖流域经济的快速发展，工业污染、农业污染、生活污染等对湖区水域的污染日益严重，表现为入湖的水量减少，含沙量下降，最大水量和最高水位呈波动式下降，TN、TP呈波动式上升，同时富营养化指数呈波动式上升。
目前洞庭湖水质监测常用的方法主要为现场测定和实验室分析，检测参数主要包括水温、pH、TN、TP等，水温、pH及ρ（DO）一般采用便携式多参数水质分析仪现场测定，而ρ（TN）、ρ（TP）、ρ（NH4+-N）则需分别通过碱性过硫酸钾消解-紫外分光光度法、过硫酸钾氧化-钼锑抗分光光度法、纳氏试剂分光光度法进行测定[7]。这种监测方式虽能得出较准确的结果，但需要实地采样，周期很长且需要消耗大量人力物力。
洞庭湖区水体营养化状况的研究大多采用传统的统计分析方法对监测面点源数据进行分析研究，此种方法只能通过每月固定的时间和监测断面的数据来分析湖区水体的水质状况[8]。
因此本研究综合无人机监测及取样技术，利用无人机灵活机动，定位精准，高效快捷的特点，远程遥控无人机对水体进行实时监测[9]。同时利用大数据的处理技术以及自主研发的水质分析软件，判断水体富营养化程度，发布警情[10]。故本研究较好的弥补了传统监测方式的缺陷，有助于水质监测的时效化和精确化，提高了水质监测的信息化水平，并最终达到水质监理监测自动化、信息化和现代化的目的。
2 无人机水体富营养化监测预警系统
2.1系统组成
本系统由无人机、水质软件和大数据处理系统组成。无人机选用大疆精灵Phantom 3 Standard，重量1216g，最大飞行时间25min，影像传感器1/2.3英寸CMOS，录像分辨率2704×1520p，最大遥控距离1km。本系统水质软件编程语言为C#，基于VS2012平台开发，适用于windows xp以上系统运行。水质软件集扫描、分析、存储为一体，与数据库直接对接。本系统通过实验建立水质参数与RGB值相对应的数据库，其中水质参数包括TN、TP和叶绿素a等。
2.2系统运行
系统运行主要由无人机航拍、水质软件处理分析及大数据系统检索比对共同完成，最后由控制中心发布预警信息，具体运行步骤如下：
（1）根据已有的洞庭湖水质数据，确定监测范围，主要为已爆发过水华及爆发风险较大的区域；
（2）基于待检测水体的面积与形状，设置无人机航线；
（3）控制无人机按照步骤（2）中所设定的航线进行巡航，并通过无人机，以及无人机搭载的摄影设备获取影像资料，实时传输至控制中心；
（4）若发现水体异常区域，遥控无人机悬停至该区域上方，拍照传输至控制中心；
（5）将照片导入自主研发的水质软件中，通过分析得出异常区域的相关参数；
（6）将得出的参数与已经建立好的数据库进行比对分析，得出相应水体富营养化等级；
（7）发布预警等级。
系统运行流程图如图2.1所示。
.png)
图2.1 系统运行流程图
3 东洞庭湖水质检测
对洞庭湖特定的湖区进行现场调研，对局部富营养化的水体进行取样，通过实验室检测相关水质参数，即总氮（TN）、总磷（TP）、透明度、叶绿素a浓度和藻类生物浓度[11]。将所有的样本数据导入数据库系统，并将与样本数据相匹配的无人机影像导入，共同完成对待测定区域的分析检测。
（1）以东洞庭湖为取样点，查阅其水质资料，了解其近3年来水体富营养化情况，确定需要测定的水质参数（TP、TN、叶绿素a等）和选取10个取样断面，每个断面取5个水样[12]。利用塞氏盘法现场测定水样的透明度，pH计测定水样的酸碱性；
（2）对取样断面进行拍照，取水样带回实验室，利用碱性过硫酸钾消解紫外分光光度法测定TN，钼酸铵分光光度法测定TP，分光光度法测叶绿素a，采用血球计数板计数法统计藻类生物浓度；
（3）通过实验得出步骤（1）预定的水质参数数据，并且将照片导入自主研发的水质软件中，扫描得出相应的RGB值，整理并录入，建立初始数据库；
（4）根据系统实际运行情况，及时对数据库进行更新。
实验数据如图3.1所示。
.png)
图3.1 实验数据
实验数据分析如下：
根据50个水样的实验室检测结果，其中轻度富营养化水样10个，中度富营养化水样17个，重度富营养化水样23个。与此同时，处理系统分析得出的预警结果为，轻度富营养化水样16个，中度富营养化水样14个，重度富营养化水样20个。系统准确预警水样富营养化程度为42个，预警失误为8个，预警准确度可以达到76%。就单一实验水样的TN、TP等水质参数而言，其平均误差在32%，可以实现对水体富营养化的一个初步判断[13]。
4 模块的建立
4.1数据库的构建
数据库的构建过程分为现场取样、实验测定、数据记录三个步骤。本系统针对洞庭湖区选定了洞庭湖取样点局部富营养化的湖区，进行水样的采集。并将所得水样进行实验测定。根据我国湖泊富营养化评价标准，测定总氮（TN）、总磷（TP）、透明度、叶绿素a浓度和藻类生物浓度五项水质参数[14]。实验测定特定湖区的水质参数范围如表1所示，根据综合营养状态计算公式及我国湖泊营养化等级的计算和整理，得出湖泊富营养化的水质参数标准。综合营养状态计算公式如（4-1）所示。
表4-1 水质参数范围
.png)
4.2 水质模块的建立
4.2.1 评价公式的拟合
项目组将湖区的水质相关参数与湖泊富营养化评价标准结合，构建洞庭湖区的水质模块，拟合出更能准确描述特定湖区富营养化程度的评价计算公式，以评判水质状况。水体富营养化评价计算公式拟合；查阅相关文献，运用单因子评价法对洞庭湖各取样断面水质类别进行评价，根据水质类别与定性评价分级标准，确定各断面水环境质量状况[15]。查阅相关文献，结合本次实验数据，对计算出的
.png)
.png)
4.2.3 预警等级的划分
该数据库和软件系统实现了对无人机传输信息的分析处理，并对水体富营养化程度做出判断，发布预警信息。
表4-5 预警等级划分
.png)
5 结语
本套系统一次性建成，一体化程度高，可省去人工取样等费用，且运营维护费用低，发展潜力巨大。后期可继续开发对水体中重金属、有机污染物等水环境污染物的监测预警，对水环境污染事故进行应急监测，为分析判断事故原因、危害及制定对策提供依据，并可为政府部门制定标准法规及开展水环境预测预报、科学研究提供基础数据和技术手段，实现湖泊等水体的生态绿色发展。具体特点如下：
（1）自动化程度高、综合性强。本系统首次结合了无人机遥感监测技术、无人机取样技术、水质分析技术、图像处理技术以及大数据处理技术，形成了一套可操作性强、安全性能好的水体富营养化监测预警系统。
（2）覆盖面广、效率高。利用无人机进行拍照取样，实时传输，可覆盖工作人员无法到达的区域。将水质软件与数据库结合，及时进行分析评估，发布警情。
（3）可视化强、可动态监测。本系统发布的水质信息比较直观，利于了解实情，并可根据要求进行重点区域的水质监测，提供水质动态变化信息。
参考文献
[1] 刘国洋，王宇，魏茂源，等.基于无人机技术的水质监测采样装置[J].设计与研究， 2016.
[2] 戴友芝，唐受印，张建波.洞庭湖底栖动物种类分布及水质生物学评价[J].生态学报，2000，20（2）：277-282.
[3] 潘畅，陈建湘，等.洞庭湖区水环境现状调查与分析[J].2018，49（8）：20-24.
[4] 黄启会，赵芳菲.湖泊富营养化遥感监测技术研究进展[J].贵州科学，2017，35（6）：39-44.
[5]黄代中，万群，李利强，等.洞庭湖近20年水质与富营养化状态变化[J].环境科学研究，2013，26（1）：27-33.
[6]李有志，刘芬，张灿明.洞庭湖湿地水环境变化趋势及成因分析［J］． 生态环境学报，2011，20（8－9）：1295－1300．
[7]张鸿健，杨波，李德平，等.基于MODIS影像的洞庭湖枯水期总磷营养状况监测研
[J].水资源与水工程学报，2014，25（3）：62-67.
[8]郭晶，李利强，黄艳芳.洞庭湖的水环境质量状况及富营养化评价[J].环境保护，2015.
[9]吴永兵.基于无人机的水质监控采样一体化系统初探[J].化工管理，2017（03）：12-14.
[10]董乐，袁昆筱佳.遥感反演支持下德清市水体富营养化监测及时空变化分析[J].测绘与空间地理信息，2015，38（8）：158-160.
[11]刘国洋，王宇，等.基于无人机技术的水质监测采样装置[J].设计与研发，2016（8）：23-24.
[12]李镇镇.基于环境一号卫星的东洞庭湖富营养化评价[J].广东化工，2017，44（6）：116-117.
[13]熊剑，喻方琴，田琪，等.近30年来洞庭湖水质营养状况演变特征分析[J].湖泊科学，2016，28（6）：1217-1225.
[14]KOVACINA M A，PALMER D，GUANG Y，et al.Multiagent control algorithms for chemical cloud detection and mapping using unmanned air vehicles[J].Intelligent Robots and Systems，2002（3）：2782 - 2788.
[15]Rei Liu，Tao Xie，Qiao Wang，et al.Space-earth based Integrated Monitoring System for Water Environment.Procedia Environmental Sciences，2010，2：1307-1314
[16]苏文，姜广甲.富营养化水体中光学活性物质的垂向分布及其对遥感反射光谱的影响[J].2016，36（10）：3589-3599.
[17]吴永兵.基于无人机的水质监控采样一体化系统初探[J].化工管理，2017（03）：12-14.
基金项目：湖南省大学生研究性学习和创新性实验计划项目（3130102—1203091）
*作者：王博洋（1995-），男，在读本科生，主要从事水环境污染与修复研究。
论文作者:王博洋1,孙士权2,王泓3,冯建勇4,唐慧玲5,涂
论文发表刊物:《建筑学研究前沿》2018年第31期
论文发表时间:2019/1/14
标签：无人机论文; 水质论文; 洞庭湖论文; 水体论文; 湖区论文; 湖泊论文; 水样论文; 《建筑学研究前沿》2018年第31期论文;