一种基于无人机的甲烷浓度分布构建方法

1.本发明涉及一种基于无人机的甲烷浓度分布构建方法，属于大气监测技术领域。


背景技术：

2.温室效应的加剧一直以来是人们是十分关注的问题，随着对温室气体排放溯源研究的深入，发现畜禽养殖生产尤其是反刍动物养殖生产中排放的甲烷在所有农业生产排放甲烷中占很大一部分。因此有必要对畜禽生产过程中排放的甲烷进行监测，从而为减少畜禽生产中甲烷排放提供一定的数据支撑。
3.目前，畜禽养殖场气体监测多采取固定式、手持式或车载式的单点气体浓度检测设备，可以对畜禽养殖场内个别位置进行监测，但是难以实现对畜禽养殖场整体甲烷排放分布情况进行监测。气体分布构建作为机器人主动嗅觉的一个重要研究方向在环境监测领域可以发挥重大作用。通过构建当前环境中甲烷气体的扩散模型，可以准确的反演出各个位置的甲烷气体浓度信息，同时还可以实现气体扩散源的定位与定量。
4.公布号为cn108051402a的中国专利公布文本公开了基于旋翼无人机的天然气泄漏气体分布建图系统及方法。该方法通过无人机悬挂云台进行巡检，云台带动激光气体传感器进行扫描监测，采用计算机辅助断层成像技术对三维空间区域进行气体分布建图，采用核外推技术对待测盲点气体浓度信息进行填充。文献(emran b j,tannant d d,najjaran h.low-altitude aerial methane concentration mapping[j].remote sensing,2017,9(8):823.)中介绍了一种无人机气体监测系统及方法，采用无人机搭载激光气体传感器进行巡检监测，将监测数据采用阈值法分为三个级别并生成气体浓度热图。
[0005]
但是以上方法所构建的气体浓度分布图未考虑监测过程风场对气体扩散产生的影响，无法得到更符合实际气体浓度分布情况的的甲烷浓度分布图。


技术实现要素：

[0006]
本发明的目的是提供一种基于无人机的甲烷浓度分布构建方法，用以解决现有技术无法得到更符合实际的甲烷浓度分布的问题。
[0007]
为解决上述技术问题，本发明提出一种基于无人机的甲烷浓度分布构建方法的技术方案，包括以下步骤：
[0008]
1)无人机按照预定的巡检路径进行巡检，所述无人机搭载的gps定位模块、朝向地面的激光甲烷传感器和风向风速监测模块分别按照设定地的工作频率进行数据采集；
[0009]
2)根据得到的gps位置信息和甲烷浓度信息，处理得到监测区域的甲烷积分浓度点阵信息；
[0010]
3)根据所述甲烷积分浓度点阵信息和风向风速监测模块采集的风向风速信息，建立监测区域甲烷气体扩散模型；
[0011]
4)根据所述甲烷气体扩散模型反演出监测区域各个位置的甲烷浓度信息，然后得到监测区域的甲烷浓度分布。
[0012]
本发明的一种基于无人机的甲烷浓度分布构建方法所构建的气体浓度分布图为连续的分布图，考虑了监测过程风场对气体扩散产生的影响，能够得到更符合实际气体浓度分布情况的的甲烷浓度分布。
[0013]
进一步地，所述步骤1)中，无人机巡检的速度和高度保持恒定。
[0014]
本发明中无人机巡检的高度和速度保持恒定可使所搭载的激光甲烷传感器采集数据更准确均匀。
[0015]
进一步地，所述步骤1)中，激光甲烷传感器的工作频率高于gps定位模块的工作频率，相差一个数量级以上。
[0016]
本发明中激光甲烷传感器的工作频率设置为高于gps定位模块的工作频率可以在每个定位点采集多个甲烷浓度数据，通过数学统计的方式得到对应定位点的甲烷浓度，使得甲烷浓度数据更加准确，避免各个位置的甲烷浓度信息出现漏采少采的现象。
[0017]
进一步地，取gps位置信息采集点位前后各设定数量个积分浓度值作为一组浓度数据，将一组浓度数据视为遵循t分布来计算其期望值和方差，若方差大于一定的阈值则对该组浓度数据中的异常值进行剔除后重新计算期望值，将得到的积分浓度期望值作为该gps位置信息采集点处的积分浓度值，得到位置和甲烷积分浓度一一对应的甲烷积分浓度点阵信息。
[0018]
本发明针对每个gps定位点采集多个甲烷浓度值，考虑到气体扩散过程在各个位置的浓度是连续的，不会出现突变值，因此计算这组数据的方差，当方差过大表示这组数据离散程度超出预期时，将这组数据中的异常值剔除，剔除方法是从浓度数据集中除去一定百分比的最大值和最小值，再重新计算这个定位点甲烷浓度的数学期望，作为这个定位点的甲烷浓度值，剔除了可能存在的干扰，保留了真实测量数据，保证了甲烷浓度值计算的准确。
[0019]
进一步地，所述步骤3)中，首先从风向风速监测模块获取监测过程中风向风速的变化，然后在步骤2)中得到的甲烷积分浓度点阵中去除风向风速变化量超过设定阈值的监测点位，得到新的浓度点阵信息，并用其构造基于高斯烟羽模型的甲烷气体扩散模型。
[0020]
本发明通过风向风速监测模块监测gps位置信息采集点的风向风速变化量，考虑到监测过程中由风向风速变化造成的气体浓度分布误差，当风向风速变化量超过设定阈值时，将此监测点位去除，可得到新的浓度点阵信息，减小了监测过程中风场产生的干扰。
[0021]
进一步地，采用最大后验估计的方法建立监测区域甲烷气体扩散模型。
[0022]
本发明基于所获得的新的浓度点阵信息和风向风速变化来构建甲烷气体扩散模型的最大后验估计。
[0023]
进一步地，所述步骤4)中，在反演出监测区域各个位置的甲烷浓度信息后，得到像素为m
×
n的浓度分布图像，采用双线性插值方法对其进行超分辨率处理，得到期望的高分辨率甲烷浓度分布地图作为最终的甲烷浓度分布。
[0024]
本发明将监测区域平均划分为m
×
n的方形网格区域，将每一个网格视为图像的像素点，得到像素为m
×
n的浓度分布图像，采用双线性插值方法计算目标图像上像素点的值作为插值。对监测区域甲烷浓度分布图像进行超分辨率处理，可建立高分辨率浓度地图，保证浓度反演精确度并有效减少浓度反演时间。
[0025]
进一步地，在所述步骤4)后，根据甲烷浓度分布构建浓度等高线，然后对高于一定
阈值的浓度等高线计算求取最小矩形包络，得到甲烷排放源的具体位置。
[0026]
本发明通过构建甲烷浓度等高线，将高于一定阈值的浓度等高线作为甲烷排放源可能存在的位置，用最小矩形包络确定甲烷排放源的具体位置。
[0027]
进一步地，所述无人机上还设置有朝向地面的可见光相机，将可见光相机拍摄的图像拼接得到监测区域的可见光地图，与甲烷排放源的具体位置相结合，得到带有甲烷排放源具体位置和排放量标注显示的地图。
[0028]
本发明将可见光相机采集到的监测区域可见光地图与甲烷排放源的具体位置相结合，使甲烷浓度分布的展示更加直观。
[0029]
进一步地，所述无人机上还设置有三轴稳定平台，用于实时调整激光甲烷传感器和可见光相机的角度，确保激光甲烷传感器的光束垂直于地面，可见光相机拍摄角度垂直于地面。
[0030]
本发明通过云台控制激光甲烷传感器的光束角度垂直于地面，去除了激光甲烷传感器光束角度偏差对甲烷浓度信息检测结果的影响，可以使采集的甲烷浓度信息准确可靠。
附图说明
[0031]
图1是实施例中，本发明的方法所依赖的基于无人机的甲烷浓度分布构建系统示意图；
[0032]
图2是实施例中，本发明的方法反演过程流程示意图。
[0033]
以上附图中的标号说明如下：1、地面站；2、多旋翼无人机；3、控制器；4、gps定位模块；5、无线通讯模块；6、三轴稳定平台；7、可见光相机；8、激光甲烷传感器；9、风向风速监测模块。
具体实施方式
[0034]
为使本发明的目的、技术方案及优点更加清楚明了，下面结合附图及实施例，对本发明作进一步的详细说明。实施例是以本发明技术方案为前提进行的具体措施，给出了详细的实施方式和过程。但本技术的权利要求保护范围不受限于下述实施例的描述。本发明的基于无人机的甲烷浓度分布构建方法所依赖的基于无人机的甲烷浓度分布构建系统如图1所示，由如下部分组成：地面站1、多旋翼无人机2、控制器3、gps定位模块4、无线通讯模块5、三轴稳定平台6、可见光相机7、激光甲烷传感器8、风向风速监测模块9；
[0035]
可见光相机7和激光甲烷传感器8安装在三轴稳定平台6上，三轴稳定平台6安装在多旋翼无人机2下方；控制器3和无线通讯模块5安装在多旋翼无人机2内部；gps定位模块4安装在多旋翼无人机2上方；风向风速监测模块9通过脚架放置在无障碍物遮挡位置并与地面站1连接。
[0036]
优选地，本发明采用的激光甲烷传感器8的测量频率为10hz；gps定位模块4的采样频率为1hz；可见光相机7的采样频率为1hz；多旋翼无人机2的巡检高度为10-15m，巡检速度为10-20km/h；风向风速监测模块9的采样周期为10s。
[0037]
地面站1包含无人机巡航路径规划功能和采集信息的后期处理功能；多旋翼无人机2用于搭载各个模块飞行至监测点位进行信息采集工作；控制器3用于控制无人机飞行姿
态和控制各个模块进行工作；gps定位模块4用于获取监测系统监测过程中实时的位置信息；无线通讯模块5用于监测系统与地面站之间的数据传输；三轴稳定平台6用于调整可见光相机和激光甲烷传感器的工作角度；可见光相机7用于采集监测区域的图像；激光甲烷传感器8用于采集监测区域的甲烷积分浓度信息；风向风速监测模块9用于采集监测过程中实时的风向风速信息。
[0038]
本发明的一种基于无人机的畜禽养殖场甲烷浓度分布构建方法，如图2所示，包括以下步骤：
[0039]
1)无人机按照预定的巡检路径进行巡检，无人机搭载的gps定位模块、朝向地面的激光甲烷传感器和风向风速监测模块分别按照设定地的工作频率进行数据采集；
[0040]
2)根据得到的gps位置信息和甲烷浓度信息，处理得到监测区域的甲烷积分浓度点阵信息；
[0041]
3)根据甲烷积分浓度点阵信息和风向风速监测模块采集的风向风速信息，建立监测区域甲烷气体扩散模型；
[0042]
4)根据甲烷气体扩散模型反演出监测区域各个位置的甲烷浓度信息，然后得到监测区域的甲烷浓度分布。
[0043]
步骤1)中，根据监测区域，设定无人机的巡检路径，实现对该区域的覆盖。地面连续点源的高斯气体扩散方程为：
[0044][0045]
其中c为空间点(x，y，z)的气体浓度；σy、σz分别为水平、垂直方向的标准差，即y、z方向的扩散参数(可由gb384091《制定地方大气污染物排放标准的技术方法》附录查得)；u为平均风速；x为风向轴上空间点到源的距离；y为风向轴垂直方向上空间点到源的距离；z为空间点的高度。
[0046]
由公式1和《制定地方大气污染物排放标准的技术方法》附录可计算，通常条件下，在距排放源0.1km距离以内，10m高度的积分浓度基本可达到总垂直路径积分浓度的95％以上，因此可以根据监测区域面积选取合适的监测高度。
[0047]
其他各个模块的数据采集频率则根据期望精度和采集密度来设定。
[0048]
步骤2)中，以本实施例中各模块的采样频率为例，取gps位置信息采集点位前后各5个浓度值作为一组浓度数据，由于每个gps点的浓度数据量较少，假设数据遵循t分布计算其期望值和方差；若方差大于一定的阈值则说明可能存在错误浓度数据，对该组浓度数据中的异常值进行剔除，剔除方法是从浓度数据集中除去一定百分比的最大值和最小值，再重新计算期望值；将得到的积分浓度期望值作为gps点处的积分浓度值，从而得到位置和甲烷积分浓度一一对应的浓度点阵信息。
[0049]
步骤3)中，首先从风向风速监测模块获取监测过程中风向风速的变化，然后在步骤2)中得到的浓度点阵中去除风向风速变化过大的监测点位，得到新的浓度点阵信息，并用其构造畜禽养殖场甲烷气体扩散的高斯烟羽模型。具体方法如下：
[0050]
由于激光甲烷传感器所测得的浓度信息为垂直方向甲烷的积分浓度，并且大于总积分浓度值的95％，因此可以将其看作高斯烟羽模型在z轴上的积分浓度值，将公式1对z进行积分得到下式：
[0051][0052]
基于公式2，在每个浓度点上构建气体泄漏扩散模型，基于行列点阵浓度和风向测量，构建甲烷气体扩散模型的最大后验估计，完成排放源位置估计和排放量估计。
[0053]
进一步地，使用估计的模型和风向风速信息计算去除点的浓度信息，得到其与实际监测值的相关度，若所得相关度低于一定的阈值，则需对估计的模型进行矫正。
[0054]
步骤4)中，将监测区域平均划分为m
×
n的方形网格区域，所划分的网格区域的数量可通过以下方法计算：
[0055][0056]
|δ|＝k
·
|s|(公式4)
[0057]
其中s为监测区域面积；系数δ为方格区域边长；k根据经验取0.0001。
[0058]
进一步的，根据建立的甲烷气体扩散模型计算出每个网格区域内的甲烷浓度，得到像素为m
×
n的浓度分布图像。具体过程如下：
[0059]
以模型中排放源位置为坐标原点，风向方向为x轴，垂直于x轴方向为y轴，δ为单位长度，建立水平面内的二维坐标系；
[0060]
则根据公式2可得坐标点(i，j)处网格区域的浓度值即为c(iδ，jδ)。
[0061]
进一步的，采用双线性插值方法对其进行超分辨率处理，得到期望的高分辨率甲烷浓度分布图像。具体过程如下，其中输入图像是超分辨率处理前m
×
n的浓度分布图像，目标图像为期望的高分辨率甲烷浓度分布图像，图像上的像素值为对应坐标点的甲烷浓度值：
[0062]
根据下式计算输入图像像素点对应到目标图像上的坐标值(h，w)，其中输入图像像素点即网格区域的甲烷浓度值；
[0063][0064][0065]
其中height
src
，width
src
分别为输入图像的高和宽；height
dst
，width
dst
分别为目标图像的高和宽；(h，w)为投影点的坐标值；(h
dst
，w
dst
)为目标图像像素点的坐标值。
[0066]
目标图像上像素点的值即为周围的四个输入图像像素值在横纵轴的两次插值，例如目标图像上某像素点的像素值为p(h，w)，周围的四个输入图像上的像素值p1(h1，w1),p2(h1，w2)p3(h2，w1)p4(h2，w2)，则p(h，w)计算过程如下：
[0067][0068][0069][0070]
最后，采用图像拼接算法将可见光相机拍摄的图像拼接得到监测区域的可见光地图；根据甲烷浓度分布地图构建浓度等高线，然后对高于一定阈值的浓度等高线计算求取
最小矩形包络，得到排放源的具体位置；将排放源位置对应到可见光地图上并使用矩形标注框对其进行标注，同时显示其排放量。

技术特征：
1.一种基于无人机的甲烷浓度分布构建方法，其特征在于，包括以下步骤：1)无人机按照预定的巡检路径进行巡检，所述无人机搭载的gps定位模块、朝向地面的激光甲烷传感器和风向风速监测模块分别按照设定地的工作频率进行数据采集；2)根据得到的gps位置信息和甲烷浓度信息，处理得到监测区域的甲烷积分浓度点阵信息；3)根据所述甲烷积分浓度点阵信息和风向风速监测模块采集的风向风速信息，建立监测区域甲烷气体扩散模型；4)根据所述甲烷气体扩散模型反演出监测区域各个位置的甲烷浓度信息，然后得到监测区域的甲烷浓度分布。2.根据权利要求1所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述步骤1)中，无人机巡检的速度和高度保持恒定。3.根据权利要求1所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述步骤1)中，激光甲烷传感器的工作频率高于gps定位模块的工作频率，相差一个数量级以上。4.根据权利要求3所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述步骤2)中，取gps位置信息采集点位前后各设定数量个积分浓度值作为一组浓度数据，将一组浓度数据视为遵循t分布来计算其期望值和方差，若方差大于一定的阈值则对该组浓度数据中的异常值进行剔除后重新计算期望值，将得到的积分浓度期望值作为该gps位置信息采集点处的积分浓度值，得到位置和甲烷积分浓度一一对应的甲烷积分浓度点阵信息。5.权利要求1所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述步骤3)中，首先从风向风速监测模块获取监测过程中风向风速的变化，然后在步骤2)中得到的甲烷积分浓度点阵中去除风向风速变化量超过设定阈值的监测点位，得到新的浓度点阵信息，并用其构造基于高斯烟羽模型的甲烷气体扩散模型。6.权利要求1所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述步骤3)中，采用最大后验估计的方法建立监测区域甲烷气体扩散模型。7.根据权利要求1所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述步骤4)中，在反演出监测区域各个位置的甲烷浓度信息后，得到像素为m
×
n的浓度分布图像，采用双线性插值方法对其进行超分辨率处理，得到期望的高分辨率甲烷浓度分布地图作为最终的甲烷浓度分布。8.根据权利要求1或7所述的基于无人机的甲烷浓度分布构建方法，其特征在于，在所述步骤4)后，还根据甲烷浓度分布构建浓度等高线，然后对高于一定阈值的浓度等高线计算求取最小矩形包络，得到甲烷排放源的具体位置。9.根据权利要求8所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述无人机上还设置有朝向地面的可见光相机，将可见光相机拍摄的图像拼接得到监测区域的可见光地图，与甲烷排放源的具体位置相结合，得到带有甲烷排放源具体位置和排放量标注显示的地图。10.根据权利要求9所述的基于无人机的甲烷浓度分布构建方法，其特征在于，所述无人机上还设置有三轴稳定平台，用于实时调整激光甲烷传感器和可见光相机的角度，确保激光甲烷传感器的光束垂直于地面，可见光相机拍摄角度垂直于地面。

技术总结
本发明涉及一种基于无人机的甲烷浓度分布构建方法，属于大气监测技术领域。通过无人机搭载GPS定位模块、激光甲烷传感器和风向风速监测模块并按照预定的巡检路径进行巡检；根据各模块采集的数据，得到监测区域的甲烷积分浓度点阵信息；建立监测区域甲烷气体扩散模型，通过反演得到各个位置的甲烷浓度信息，然后绘制出监测区域的甲烷浓度分布地图；地面站显示所得甲烷浓度分布地图和可见光地图，并在可将光地图上对估计的排放源位置及排放量进行标注显示。本发明采用有效的浓度反演机制，能够得到具有连续的浓度分布特征的气体浓度分布图。分布图。分布图。


技术研发人员：赵凯旋 李弘振 姬江涛 沈维政 马军
受保护的技术使用者：河南科技大学
技术研发日：2023.04.07
技术公布日：2023/7/7