一种流域生态系统智能监测方法及系统与流程

本发明涉及生态系统监测，特别是涉及一种流域生态系统智能监测方法及系统。

背景技术：

1、流域生态系统是指河流及其流域内的生物、土壤、水资源和环境因素的综合体。这些系统对于维持生物多样性、防洪控制、供水和众多其他生态服务至关重要。然而，由于工业发展、城市化扩张以及气候变化等因素的影响，流域生态系统面临着严重的威胁。为了有效管理和保护这些生态系统，需要实施持续的监测和评估。

2、传统的监测方法依赖于地面采样和实验室分析，这些方法通常耗时耗力，并且难以实现实时或近实时数据获取。因此，发展一种智能、自动化的流域生态系统监测方法显得尤为重要。

3、公开号为cn112394695a的发明专利中公开了一种流域水生态环境监测系统。其包括多个监测台和监管中心，监管中心设置有总控计算机，多个监测台分别与监管中心信号连接，多个监测台分别设立在流域水生态环境的上游、中游和下游，监测台内设置有工控机、存储器、显示终端和主控制器，工控机分别与总控计算机、存储器、显示终端和主控制器信号连接，主控制器上设置有用于接收数据的无线通信模块，流域水生态环境中还设置有数据采集模块，数据采集模块包括水质分析单元、河流监测单元和生物采集单元，主控制器通过无线通信模块与数据采集模块信号连接。但是，其无线通信模块用于数据传输，但没有考虑生态数据安全和隐私保护的措施。在环境监测数据中可能包含敏感信息，因此加强数据加密和安全协议是必要的。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种流域生态系统智能监测方法及系统。

2、为实现上述目的，本发明提供了如下方案：

3、一种流域生态系统智能监测方法，包括：

4、在目标流域的各个预设关键点位处布置用于生态数据的传感器阵列；所述生态数据包括水质信息、气象信息、土壤状态信息、植被覆盖信息；

5、利用无人机获取所述目标流域的水体与植被图像；

6、对所述生态数据以及所述水体与植被图像进行加密，并将加密后的数据发送至区块链网络中；

7、采用多重签名和分布式存储技术对所述生态数据和所述水体与植被图像进行存储；

8、利用云服务器访问所述区块链网络，以获取所述生态数据以及所述水体与植被图像，并根据训练好的生态系统智能监测模型对所述生态数据以及所述水体与植被图像进行识别，得到监测结果。

9、优选地，对所述生态数据以及所述水体与植被图像进行加密，并将加密后的数据发送至区块链网络中，包括：

10、确定预设的区块链网络，并在所述区块链网络中加入智能合约；所述智能合约包括数据共享的规则和逻辑；

11、对所述生态数据以及所述水体与植被图像进行加密和哈希；

12、将加密和哈希后的数据通过所述智能合约上传到所述区块链网络。

13、优选地，在获取所述生态数据以及所述水体与植被图像之后，还包括：

14、对所述生态数据进行数据清洗、缺失值填补、异常值删除以及数据归一化，得到预处理后的生态数据；

15、对所述水体与植被图像进行图像去噪，得到预处理后的水体与植被图像。

16、优选地，对所述水体与植被图像进行图像去噪，得到预处理后的水体与植被图像，包括：

17、对所述水体与植被图像在多个尺度上进行小波分解，得到对应的小波系数；

18、根据所述水体与植被图像的大小和分解尺度构建滤波阈值；

19、利用所述滤波阈值构建图像滤波模型；

20、利用所述图像滤波模型对所述水体与植被图像进行滤波，得到滤波后的水体与植被图像；

21、构建图像增强窗口，并利用图像增强窗口遍历滤波后的水体与植被图像进行去噪，得到预处理后的水体与植被图像。

22、优选地，所述滤波阈值的表达式为：其中，λj表示在第j个分解尺度下的滤波阈值，σj表示在第j个分解尺度下的噪声标准差，nj表示在第j个分解尺度下的信号长度，j表示分解尺度。

23、优选地，所述图像滤波模型的表达式为：

24、中，sign为符号函数，a为第一预设系数，b为第二预设系数，ωj,k表示在第j个分解尺度下第k个小波系数，表示滤波后的小波系数。

25、优选地，所述生态系统智能监测模型的构建方法包括：

26、获取预设的生态数据样本集和图像样本集；所述图像样本集中包括多个区域的水体与植被影像；

27、构建多目标分割的卷积神经网络深度学习模型；

28、分别根据所述生态数据样本集和所述图像样本集对所述卷积神经网络深度学习模型进行训练，得到训练好的第一判别器和第二判别器；

29、利用所述第一判别器识别生态数据样本集中的异常状况，得到生态置信度集合，并利用所述第二判别器识别所述图像样本集中的异常状况，得到图像置信度集合；

30、对所述生态置信度集合和所述图像置信度集合中的各个异常状况的置信度大小进行求和，分别得到所述生态置信度集合和所述图像置信度集合中的各个异常状况的置信度总和；

31、选择物体置信度总和最大的数据作为训练阈值数据，并对另外的置信度总和对应的判别器进行再次训练，以使各个判别器的分类的置信度大于或等于所述训练阈值数据，最终将训练好的判别器进行级联，得到判别网络；

32、在所述判别网络后连接训练好的lstm神经网络，得到所述生态系统智能监测模型。

33、一种流域生态系统智能监测系统，包括：

34、传感器布置模块，用于在目标流域的各个预设关键点位处布置用于生态数据的传感器阵列；所述生态数据包括水质信息、气象信息、土壤状态信息、植被覆盖信息；

35、图像获取模块，用于利用无人机获取所述目标流域的水体与植被图像；

36、加密模块，用于对所述生态数据以及所述水体与植被图像进行加密，并将加密后的数据发送至区块链网络中；

37、存储模块，用于采用多重签名和分布式存储技术对所述生态数据和所述水体与植被图像进行存储；

38、识别模块，用于利用云服务器访问所述区块链网络，以获取所述生态数据以及所述水体与植被图像，并根据训练好的生态系统智能监测模型对所述生态数据以及所述水体与植被图像进行识别，得到监测结果。

39、根据本发明提供的具体实施例，本发明公开了以下技术效果：

40、本发明提供了一种流域生态系统智能监测方法及系统，方法包括：在目标流域的各个预设关键点位处布置用于生态数据的传感器阵列；所述生态数据包括水质信息、气象信息、土壤状态信息、植被覆盖信息；利用无人机获取所述目标流域的水体与植被图像；对所述生态数据以及所述水体与植被图像进行加密，并将加密后的数据发送至区块链网络中；采用多重签名和分布式存储技术对所述生态数据和所述水体与植被图像进行存储；利用云服务器访问所述区块链网络，以获取所述生态数据以及所述水体与植被图像，并根据训练好的生态系统智能监测模型对所述生态数据以及所述水体与植被图像进行识别，得到监测结果。本发明实施有加密技术，确保生态数据在传输过程中的安全，且相较于传统方法大大减少了人力和物力的投入，并利用ai数据模型提高监测结果的准确性。