一、项目概述
"烷"域天观------甲烷监测系统 是一套基于卫星遥感数据、深度学习与 Web 三维可视化技术的综合监测平台，面向油气田等重点区域开展甲烷排放监测与辅助分析。
本项目系统从下到上依次构建了完整的甲烷监测链路：在"数据获取"侧，通过数字地球 三维地图精确定位、快速区域航迹导航、精细栅格划分和卫星图层叠加 ，将高分辨率光学影像和 Sentinel‑5P 甲烷数据 按时间与空间精准采集并预处理；在"智能识别"侧，以模型输出区为核心，引入基于 UNet 的深度学习羽流识别模型 ，对关键监控位置周边的高分辨率影像进行像素级判断，配合参数控制面板实现阈值调节、实时推理和结果图（概率图、掩膜图、对比三连图）生成 ；在"分析应用"侧，一方面通过时间序列折线、条形排放分布、多图多表联动 等方式完成浓度趋势与多站点综合可视化分析，另一方面在风场数据区中利用三维流线 、粒子动画 和时序动态 切换展现风速风向场，实现对羽流扩散方向 和形态的综合研判；在此基础上，系统还接入了豆包大模型作为 AI 助手 ，用户可以直接用自然语言就图上的异常区域、模型参数含义和环境意义进行提问，由大模型结合业务语境给出通俗易懂的解释和操作建议，使**"数据获取---智能识别---多维可视化---结果解读"**形成闭环，进一步提升了系统的易用性和决策支撑能力。
在整个开发过程中，我作为项目组成员之一，参与了需求梳理、技术方案讨论、前端开发以及前后端联调测试等多个环节，对系统的整体设计与实现有较为全面的了解。
二、项目背景与建设目标
2.1背景分析
- 甲烷的温室效应约为二氧化碳的数倍，对全球变暖影响显著。
- 传统依赖地面站点的监测方式覆盖有限，难以及时识别大范围的泄漏与异常排放。
- 卫星遥感可提供大范围、长时间序列观测，但数据量大、处理流程复杂，需要借助自动化与可视化手段提升可用性。
2.2建设目标
- 打通 "卫星数据 → 数据处理 → 模型识别 → 可视化呈现 → 指标分析" 的完整链路。
- 面向黄骅等典型区域，构建可直观展示甲烷高值区和重点排放源的监测系统。
- 为后续的教学、科研与业务扩展预留接口，形成可复用、可扩展的平台框架。
三、系统功能与界面设计
3.1 三维主视图与监控面板
系统首页采用三维地球/地图作为主舞台，将卫星影像、行政区划与甲烷浓度图层叠加在同一视图中。
3.1.1主要功能
- 一键定位至中国及黄骅等重点区域。
- 显示甲烷浓度分布色带，高值区域以高亮色块呈现。
- 左/右侧监控面板展示监测点列表、经纬度、海拔等信息，支持点击定位与信息查询。
- 顶部时间选择器用于设置分析起止日期，触发图层刷新。
这一部分给我的感受是：将抽象的数值场"搬"到三维地球上之后，很多之前只能在表格里看的差异，用肉眼一眼就能分辨出来，讨论时效率也高了很多。
3.2 风场数据区
风场模块采用 WebGL 粒子流的方式展示全球或区域的风向与风速，背景是深色底图，粒子在地球表面飞舞，形成类似"流线云图"的视觉效果。
3.2.1交互特点
- 可调节粒子数量、运动速度、随机扰动程度、粒子尾迹长度等参数；
- 通过时间选择器切换不同日期/时刻的风场数据；
- 勾选"视图降分辨率"以在性能与效果之间做权衡。
当风场与甲烷高值区叠加在一起时，很容易直观联想到"上风向可能的源区"和"下风向潜在影响范围"，在讨论排放成因时，这个模块起到很大的辅助作用。
3.3 油田甲烷排放预测模型界面
针对典型油田与重点企业，系统设计了独立的预测模型界面，用于展示单点和多点的甲烷排放指标。
3.3.1界面结构
- 左侧为 监测位置列表：列出多个油田/装置的名称及经纬度，配以城市标签和状态标识（如"黄骅""任丘"等）。
- 右侧为 模型控制与参数设置区：
- 选择开始时间与结束时间；
- 调整检测阈值滑块；
- 点击"开始预测"按钮触发后端模型推理。
3.3.2输出内容
- 每个监测点的平均甲烷浓度（ppm）；
- 检测比例（满足阈值的像元或时序占比）；
- 任务整体的"预测完成（成功/失败数量）"统计与提示灯。
在使用过程里，能明显感受到阈值参数对检测结果敏感度的影响，不同阈值下同一油田的"被判定为异常的面积/时长"会有明显差异，这也促使我们在说明文档中加入了"阈值选择建议"的描述。
3.4 甲烷排放动态监测可视化
为了更好地观察时间维度上的变化，系统提供了动态监测与可视化分析界面，将多监测点的甲烷浓度演变以图表方式呈现。
3.4.1主要图表
- 多站点实时/准实时折线图：展示一段时间内各站点浓度曲线，可配置平滑、时间范围缩放。
- 排放源分布柱状图：比较不同站点当前或一段时间内的平均浓度。
- 指标卡片区域：集中显示"今日最高峰值、波动幅度、平均值"等关键数字。
3.4.2预警提示
- 当监测数据出现短时间内大幅波动或持续越阈行为时，界面顶部会以醒目的警告条提示，例如"检测到甲烷浓度异常波动，请关注实时数据变化"。
这一部分做完之后，很多原本需要逐行查看数据表格的工作，可以用"看一张图"的方式快速完成，用户体验提升非常明显。
四、技术架构与实现思路
4.1 整体架构
4.1.1前端
- 使用 HTML/CSS/JavaScript 进行页面构建；
- 利用 Cesium 实现三维地球与图层叠加；
- 在风场模块中采用 WebGL 粒子系统技术；
- 使用图表库绘制折线图、柱状图和统计卡片；
- 通过 HTTP/JSON 与后端接口交互。
4.1.2后端
- 基于 Flask 提供 REST API；
- 使用 Google Earth Engine (GEE) 获取 Sentinel‑5P 甲烷数据和相关遥感产品；
- 集成基于 UNet 的深度学习模型，对高分辨率影像进行甲烷羽流识别；
- 利用 Rasterio、Numpy 等库完成影像裁剪、重投影、阈值与掩膜处理；
- 将结果转换为可供前端直接消费的格式（JSON + base64 图片 / 瓦片 URL / GeoTIFF 路径等）。
从整体观感上看，这个架构既能利用 GEE 的云端算力和数据资源，又保留了本地模型推理和可视化的灵活性，兼顾了性能和可扩展性。
五、数据与模型处理流程
1.区域与时间选择
用户在界面中设置 ROI 与起止日期。
2.卫星数据筛选
后端调用 GEE 按时间与空间过滤 Sentinel‑5P 或 Sentinel‑2 数据，并进行必要的合成（如中位数合成）。
3.ROI 裁剪与切片
对选定区域进行网格化划分，导出 80×80 等尺寸的影像 Tile，用作模型输入或直接可视化。
4.模型推理与阈值掩膜
使用 UNet 模型对 Tile 进行预测，输出概率图；再根据阈值生成掩膜，统计检测比例、平均概率等指标。
5.结果可视化与指标计算
生成 RGB、概率图、掩膜叠加图等 PNG；对结果进行统计汇总，计算各监测点年/季/月/日级别的平均值与波动情况。
6.前端展示
地图叠加高值区域图层；图表区域展示趋势曲线与对比柱状图；监控面板展示各类指标与预警信息。
六、运行环境与使用说明（概要）
6.1运行环境
- 后端：Python 3.12，Flask 及相关科学计算、遥感和深度学习库；
- 前端：现代浏览器（Chrome/Edge），GPU/显卡需支持 WebGL；
- 网络：如需在线访问 GEE 等云端服务，需要具备相应的网络条件。
6.2基本使用流程
- 启动后端服务，确保健康检查接口返回正常状态；
- 通过静态服务器或 Web 容器打开前端页面；
- 在首页选择区域和时间，加载甲烷高值区与监测点；
- 进入模型界面配置阈值和时间范围，查看预测结果和统计指标；
- 在可视化界面观察长期趋势与多站点对比，配合风场视图进行综合研判。
在多轮测试和调整之后，系统整体运行较为稳定，能够完整支撑从数据处理到可视化的演示与分析需求。
七、项目体会与展望
从参与者的角度来看，这个项目最大的收获在于对"数据---算法---可视化"一体化流程的理解更加立体了。
过去往往只关注其中一环，而在这次实践中，能直观看到：一点点参数调整、一个小小的数据处理细节，都会在地图色带、曲线走势甚至用户的决策判断里体现出来。
未来如果继续迭代，我认为可以重点在以下几个方面发力：
- 引入更多地面观测和气象再分析数据，对卫星反演结果进行交叉验证和融合；
- 优化模型结构与推理部署方式，提高大范围、多时相任务的效率；
- 增加规则引擎与事件管理模块，让系统从"展示工具"逐步升级为"预警与决策支持平台"。
总体来看，"烷"域天观为甲烷排放监测提供了一个可操作、可扩展的技术样板，也为后续在其它区域和气体种类上的拓展打下了基础。