CN105389742B - 一种水环境敏感区遥感识别方法及系统和岸边带建设方法 - Google Patents
一种水环境敏感区遥感识别方法及系统和岸边带建设方法 Download PDFInfo
- Publication number
- CN105389742B CN105389742B CN201510772731.2A CN201510772731A CN105389742B CN 105389742 B CN105389742 B CN 105389742B CN 201510772731 A CN201510772731 A CN 201510772731A CN 105389742 B CN105389742 B CN 105389742B
- Authority
- CN
- China
- Prior art keywords
- area
- monitored
- water environment
- index
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种水环境敏感区遥感识别方法及系统和岸边带建设方法,该水环境敏感区遥感识别方法包括:建立非点源污染敏感区识别模型和陆地生态安全监测模型;获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;根据所述非点源污染敏感区识别模型、陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟;根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区。本发明综合考虑水体和陆地因素,提高了水环境监测结果的准确性及水环境敏感区识别结果的准确性,并根据水环境敏感区的识别结果进行岸边带的建设。
Description
技术领域
本发明涉及环境监测与遥感领域,尤其涉及一种水环境敏感区遥感识别方法及系统和岸边带建设方法。
背景技术
水环境是指自然界中水的形成、分布和转化所处空间的环境。下垫面是指地球表面,包括海洋、陆地、陆地上的高原、山地、平原、森林、草原以及城市等。下垫面各部分温度、水分以及表面形状等参数均有较大差异,从而下垫面具有非均一性。
现有的饮用水环境监测的方法中,主要采用定期定点水体采样分析,或应用遥感技术进行直接获取水体中叶绿素、黄色物质、悬浮物等含量,或者通过估算TP、TN、COD等化学指标或元素进入水体量进行监测或预警,因此缺乏综合考虑水体和陆地两方面因素的相关模型和方法;岸边缓冲带作为水环境治理的重要措施,既起到净化水质的作用又能有效维持陆地生态安全。目前水环境监测的方法中,多单纯考虑水质变化而忽视陆地生态系统监测与评估,也缺乏综合考虑岸边带对水质改善和生态安全维持的模拟分析,以致很难综合有效的对饮用水源地集水区监测与评估,很难为水环境规划提供有力支撑。
现有的水环境监测方法由于缺乏多时相定量的空间数据支持,很难探明复杂流域下垫面生态环境过程的复杂性,以致大多数监测指标由于缺乏过程-机理分析,停留在定性分析上,缺乏可靠性。
发明内容
本发明所要解决的技术问题是:现有的水环境监测方法单纯考虑水质变化而忽视陆地生态系统监测与评估,造成的水环境监测结果不准确。
为解决上述技术问题,本发明一方面提出了一种水环境敏感区遥感识别方法,该水环境敏感区遥感识别方法包括:
建立非点源污染敏感区识别模型和陆地生态安全监测模型;
获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;
根据所述非点源污染敏感区识别模型、陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟;
根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区。
可选地,所述建立非点源污染敏感区识别模型,包括:
利用非点源污染估算模型获取所述待监测区域的各类污染物的污染负荷总量,计算各类污染物的污染负荷变化速率,建立非点源污染敏感区识别模型。
可选地,所述建立陆地生态安全监测模型,包括:
建立陆地生态安全监测的指标体系,分别从生态系统的压力、生态系统的状态和人类响应三个方面建立对应的指标层;
利用层次分析法确定所述指标中各个指标的权重因子;
建立陆地生态安全监测模型;
其中,所述生态系统的压力指标层包括干扰强度和干扰强度变化速率;所述生态系统的状态指标层包括活力、破碎度指数、综合弹性、水土保持指数、岸边缓冲带污染控制指数;所述人类响应指标层包括保护指数。
可选地,所述根据数值模拟的结果确定待监测区域的水环境敏感区,包括:
利用非点源敏感区识别模型获取各类污染物的污染负荷变化速率,根据所述非点源污染负荷和各类污染物的污染变化速率确定所述待监测区域的非点源污染敏感区;
利用陆地生态安全监测模型获取所述待监测区域的陆地生态安全变化速率,根据所述陆地生态安全变化速率确定所述待监测区域的生态安全敏感区;
根据所述待监测区域的非点源污染敏感区和生态安全敏感区确定所述待监测区域的水环境的敏感区。
可选地,所述压力指标层中的干扰强度EP和干扰强度变化速率ΔEP通过以下公式计算:
EPI=α1·EP+α2·ΔEP,
其中,EPI为压力指数指标;α1和α2分别为干扰强度和干扰强度变化速率的权重,α1+α2=1,α1≥0,α2≥0;Ai为待监测区域内干扰类型i的面积,εi为干扰类型i的权重,A为待监测区域中监测单元的面积,EPt为时间t年的干扰强度,EP0为参考时间的干扰强度,ΔEPmax为各待监测区域最大的干扰强度变化速率,N为统计的年数。
可选地,所述状态指标层中的活力NPP、破碎度指数CI、综合弹性E、水土保持指数SEI、岸边缓冲带污染控制指数PCI通过以下公式计算:
NPP=GPP-Ra,
GPP=ε×APRA×f1(T)×f2(β),
其中,GPP为总第一性生产力,Ra代表生态系统的呼吸,ε为植被将所吸收的光合有效辐射转化为有机物的转化率;APRA为光合有效辐射量;f1(T)为温度对光合作用的影响函数,是温度Ta的函数;f2(β)为水分对光合作用的影响函数,β为蒸发比;
其中,ci分别为监测单元内各土地利用类型的面积,fi分别为各土地利用类型的权重,A为待监测区域中监测单元的面积;
其中,SE为待监测区域内单位面积水土保持量,SEmax为各待监测区域最大的单位面积水土保持量,VSE为待监测区域中单位面积土壤侵蚀量,NSE为假设待监测区域中没有植被覆盖,单位面积的土壤侵蚀量;
PC=Pin-Pout,
其中,PC为待监测区域的岸边缓冲带污染控制量,PCmax为同样规格的岸边缓冲带最大控制量;PCin为进入岸边带的污染物量;PCout为流出岸边带污染物量。
可选地,所述人类响应指标层中的保护指数PTI通过以下公式计算:
其中,PTa为待监测区域中的保护区面积,A为待监测区域中监测单元的面积。
可选地,所述方法还包括:
根据土壤硝化反硝化作用和植被吸收过程建立岸边缓冲带模型,利用所述岸边缓冲带模型获取岸边缓冲带污染控制量PC。
另一方面,本发明提出了一种利用上述水环境敏感区遥感识别方法的岸边带建设方法,包括在所述水环境敏感区建设岸边带。
本发明还提出了一种水环境敏感区遥感识别系统,该水环境敏感区遥感识别系统包括:
模型建立单元,用于建立非点源污染敏感区识别模型和陆地生态安全监测模型;
数据获取单元,用于获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;
水环境敏感区确定单元,用于根据所述非点源污染敏感区模型和陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟,根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区。
本发明提供水环境敏感区遥感识别方法及系统和岸边带建设方法,综合考虑水体和陆地因素,提高了水环境监测结果的准确性及水环境敏感区识别结果的准确性,并根据水环境敏感区的识别结果进行岸边带的建设。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明一个实施例的水环境敏感区遥感识别方法的示意图;
图2示出了本发明一个实施例的水环境敏感区遥感识别系统的结构示意图;
图3示出了本发明的水环境敏感区遥感识别方法的原理图;
图4示出了本发明的层次分析法的示意图;
图5示出了本发明层次分析中的典型层次结构图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
图1示出了本发明一个实施例的水环境敏感区遥感识别方法的示意图。如图1所示,该水环境敏感区遥感识别方法包括:
S1:建立非点源污染敏感区识别模型和陆地生态安全监测模型;
S2:获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;
S3:根据所述非点源污染敏感区识别模型、陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟;
S4:根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区。
本实施例的水环境敏感区遥感识别方法,综合考虑水体和陆地因素,提高了水环境监测结果的准确性及水环境敏感区识别结果的准确性。通过卫星遥感数据获得的水环境参数有效的反映空间的异构性,解决了非均一下垫面的关键性指标获取和估算方法过程机理不强的问题。
在一种可选的实施方式中,所述建立非点源污染敏感区识别模型,包括:
利用非点源污染估算模型获取所述待监测区域的各类污染物的污染负荷总量,计算各类污染物的污染负荷变化速率,建立非点源污染敏感区识别模型。
具体地,建立的非点源污染估算模型如下:
所述的非点源污染指标Wnp,通过公式Wnp=Wnpa+Wnpd计算;
Wnpa为监测单元中吸附态污染负荷的总量,Wnpd为监测单元中溶解态污染负荷的总量。
其中,溶解态Wnpd,计算公式为:
其中,N=slopco*vegcoverco,
S=(1-W)×(1-U),
在非点源污染指标Wnp的计算中,i为溶解态污染类型、n为类型数,包括农田、城镇、农村居民点、畜禽养殖;Qi为污染源强(t·a-1);Li为次降水冲刷后剩余污染物的量,为污染源强和污染负荷的差值;k为地面冲刷系数;P为日降雨量,R为标准雨强(mm·h-1);ε为径流系数,ε0为标准径流系数;Ni为自然因子修正系数;Si为社会因子修正系数;slopco、vegcoverco分别为坡度、植被覆盖度修正系数;slopmax、slopmin和slop分别表示区域最大坡度、最小坡度和计算单元坡度;egcovermax、vegcovermin和vegcover分别表示区域最大植被覆盖度、最小覆盖度和计算单元植被覆盖度;W和U分别表示垃圾处理率和非点源污染物进入管网的比例;
其中,吸附态污染负荷Wnpa,计算公式为:
Wnpa=X×Qa×η
其中,X为土壤侵蚀量(t·a-1);Qa为吸附态污染源强(t·t-1·a-1),通过田间调查获取的不同土壤类型氮磷含量计算;η为吸附态污染物富集系数;其中,
X=KUSLEGUSLE
lnη=2-0.2lnX
其中,KUSLE为半月时段的降雨侵蚀力因子;GUSLE为下垫面因子,采用原模型的计算方法;k为半月时段内的天数,pj为半月时段内第j天的侵蚀性日雨量,α、β为模型参数。
其中,植被盖度、污染源农田、城镇、农村居民点、畜禽养殖区信息由遥感信息提取得到。
具体实施过程中,采用土壤流失方程USLE(Universal Soil Loss Equation)求取单位面积上时间和空间平均土壤流失量SV:
SV=R·K·LS·C·P
其中,R为降雨-径流侵蚀力因子;K为土壤可蚀性因子;LS为地形因子;C为覆盖-管理因子;P为水土保持措施因子。上述各因子的求取方法在现有技术中有多种求取方法,在此不再赘述。
非点源污染指标指数WNps通过下列公式计算:
WNps=Pi/V
其中,Pi为待监测区域中第i类的污染负荷,V为待监测区域中年平均径流量,所述污染物为TP、TN、COD等,参照国家的水质标准,确定待监测区域的水质等级;
基于非点源污染估算模型的结果,确定待监测区域的水质达到的国家水质标准(Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类、劣Ⅴ类);
待监测区域从时间点t0到t的水质变化速率可以表示为:
其中,Vw为水质变化速率,Wit和Wit0分别为t和t0年第i类污染物含量,N为统计的年数。
本实施方式的水环境敏感区遥感识别方法,所述建立陆地生态安全监测模型,包括:
建立陆地生态安全监测的指标体系,分别从生态系统的压力、生态系统的状态和人类响应三个方面建立对应的指标层;
利用层次分析法确定所述指标中各个指标的权重因子;
建立陆地生态安全监测模型;
其中,所述生态系统的压力指标层包括干扰强度和干扰强度变化速率;所述生态系统的状态指标层包括活力、破碎度指数、综合弹性、水土保持指数、岸边缓冲带污染控制指数;所述人类响应指标层包括保护指数。
具体地,建立的陆地生态安全监测模型如下:
采用“压力-状态-响应”(PSR)模型,建立相应的指标体系,通过表征人口分布的灯光、土地覆盖分类图制作,景观多样性、活力等指标的遥感提取,结合社会经济指标、污染源数据等指标的收集及空间化。
所述压力指标层中的干扰强度EP和干扰强度变化速率ΔEP通过以下公式计算:
EPI=αi·EP+α2·ΔEP,
其中,EPI为压力指数指标;α1和α2分别为干扰强度和干扰强度变化速率的权重,α1+α2=1,α1≥0,α2≥0;Ai为待监测区域内干扰类型(人工建筑、农田等)i的面积,εi为干扰类型i的权重,A为待监测区域中监测单元的面积,EPt为时间t年的干扰强度,EP0为参考时间的干扰强度,ΔEPmax为各待监测区域最大的干扰强度变化速率,N为统计的年数。
所述状态指标层中的活力NPP、破碎度指数CI、综合弹性E、水土保持指数SEI、岸边缓冲带污染控制指数PCI通过以下公式计算:
NPP=GPP-Ra,
GPP=ε×APRA×f1(T)×f2(β),
活力NPP即净第一性生产力,GPP为总第一性生产力,Ra代表生态系统的呼吸,由Goward的经验模型确定,为GPP和气温Ta的函数;GPP考虑了光照、温度、水分及营养元素的影响,其中ε为植被将所吸收的光合有效辐射转化为有机物的转化率(即光能转化率);APRA为光合有效辐射量;f1(T)为温度对光合作用的影响函数,是温度Ta的函数;f2(β)为水分对光合作用的影响函数,β为蒸发比;
生态系统的恢复能力主要用综合弹性E表示,具体算法为:
其中,ci分别为待监测区域内各土地利用类型的面积,fi分别为各土地利用类型的权重,A为待监测区域中监测单元的面积;
其中,ci分别为待监测单元内林地、水体、草地、农田、建筑用地和未利用地的面积,fi分别为不同土地利用类型的权重,A为待监测区域中监测单元的面积。权重的取值分别按林地和水体f1=1,草地f2=0.8,农田f3=0.6,建筑用地f4=0.2,未利用土地f5=0.4计算;
其中,SE为待监测区域内单位面积水土保持量(t/hm2),SEmax为各待监测区域最大的单位面积水土保持量(t/hm2),VSE为待监测区域中单位面积土壤侵蚀量(t/hm2),NSE为假设待监测区域中没有植被覆盖,单位面积的土壤侵蚀量(t/hm2);
PC=Pin-Pout,
其中,PC为待监测区域的岸边缓冲带污染控制量,PCmax为同样规格(长度、宽度、植被类型组合等)的岸边缓冲带最大控制量;PCin为进入岸边带的污染物量;PCout为流出岸边带污染物量。
所述人类响应指标层中的保护指数PTI通过以下公式计算:
其中,PTa为待监测区域中的保护区面积,A为待监测区域中监测单元的面积。
具体地,所述根据数值模拟的结果确定待监测区域的水环境敏感区,包括:
利用非点源敏感区识别模型获取各类污染物的污染负荷变化速率,根据所述非点源污染负荷和各类污染物的污染变化速率确定所述待监测区域的非点源污染敏感区;
利用陆地生态安全监测模型获取所述待监测区域的陆地生态安全变化速率,根据所述陆地生态安全变化速率确定所述待监测区域的生态安全敏感区;
根据所述待监测区域的非点源污染敏感区和生态安全敏感区确定所述待监测区域的水环境的敏感区。
通过综合指标评价因子,并结合层次分析法,得到待监测区域的水环境的陆地生态安全监测评估结果CA。具体算法为:
其中,Fi为监测评估指标计算值,fi为指标的权重,i为指标序号;所述指标包括生态系统的压力指标层的压力指数指标EPI、状态指标层的活力NPP、破碎度指数CI、综合弹性E、水土保持指数SEI、岸边缓冲带污染控制指数PCI、人类响应指标层的保护指数PTI;
根据所述各个指标的加权求和确定所述待监测区域的水环境的安全等级;根据陆地生态安全监测评估结果CA,将各待监测区域划分为安全、亚安全和不安全三个等级;
具体地,比较t0和t1时间点污染负荷的差异,得到污染负荷变化速率;根据水质等级和变化速率(变好、慢速变差、快速变差),识别非点源污染敏感区;
比较t0和t1时间点生态安全的差异,得到生态安全平均变化速率;根据安全等级(1安全、2亚安全、3不安全)和变化速率(变好趋势、慢速下降趋势、快速下降趋势),识别生态安全敏感区;
确定陆地生态安全中的3级和水质3级及其以下划分为1级水环境敏感区;生态安全2级的快速下降趋势和水质2级快速下降趋势的划分水环境2级敏感区;生态安全2级的慢速下降趋势,生态安全1级快速下降趋势,水质2级慢速下降趋势,水质1级快速下降的趋势划分为水环境3级水环境敏感区;生态安全的1级慢速下降和水质1级慢速下降的划分为水环境4级敏感区。如果生态安全和水质敏感区的等级不一致,按照级别高的划分,如生态安全敏感区为2级,水质为1级,则水环境敏感区为1级,其他类同。
按照水环境敏感区等级的划分,按照岸边带需求的重要程度由高到低相应的划分为1-4级需求。
按照待监测区域产生的非点源污染负荷氨氮、TP、TN和COD的各自的量,确定该待监测区域岸边带建设的植被种类、岸边带宽度、岸边带长度。
模拟岸边带建设完成后,待监测区域水质标准最低达到国家2类及以上水体;生态安全达到2类及以上;水环境(水质和生态安全等级)下降的趋势得到遏制。
图4示出了本发明的层次分析法的示意图;如图4所示,AHP模型决策者对于生态和环境的做各种各样评估,根据判断要做各种各样的决策;在基于压力状态响应(PSR)模型和相关指标体系的基础上,建立并实现基于层次分析法的最优算法模型,为多目标决策方案优选提供一种简单实用的决策方法,最终提出合理、可靠、实用的决策方案;
基于PSR的层次分析法,首先要建立多决策目标的指标体系,识别总目标、子目标及决策变量,模型方法主要分为以下四步:
划分并生成总决策目标、子决策目标及决策变量:根据PSR模型,以指标体系为标准,设定水环境承载力为总目标,要素层为子目标,指标层数据集为决策变量;
应用AHP分析社会的、经济的以及科学管理领域的问题,首先要把问题条理化、层次化,构造出一个层次分析的结构模型。在这个结构模型下,复杂问题被分解为人们称之为元素的组成部分。这些元素又按其属性分成若干组,形成不同层次。同一层次的元素作为准则对下一层次的某些元素起支配作用,同时它又受上一层次的支配;这些层次大体上可以分为3类:
(1)最高层:这一层次中只有一个元素,一般它是分析问题的预定目标或理想结果,因此也称目标层;
(2)中间层:这一层次包含了为实现目标所涉及的中间环节,它可以由若干个层次组成,包括所须考虑的准则、子准则,因此也成为准则层;
(3)最底层:表示为实现目标可供选择的各种措施、决策方案等,因此也称为措施层或方案层;
上述各层次之间的支配关系不一定是完美的,即可以存在这样的元素,它并不支配下一层次的所有元素而仅支配其中部分元素。这种自上而下的支配关系所形成的层次结构,我们称为递阶层次结构;图5示出了本发明层次分析中的典型层次结构图;
指标数据归一化运算:对指标数据进行归一化,将无法进行直接比较的各项指标归一为一系列0到1之间的值。并根据数据需要直接用于层次分析判断矩阵构建或分级后运算,最终生成指标数据集合;
层次分析权值设定:以专家打分及文献资料数据为基础,分别构造两两比较的决策目标权值判断矩阵及决策变量权重判断矩阵;
层次分析法运算及一致性检验:对权值判断矩阵应用层次分析法运算,计算所述判断矩阵的特征向量和矩阵一致性,求出权值特征向量与对应的目标权值特征向量,据此最终选出最优值;
AHP模型运算方法如下:
根据上述步骤PSR模型中确定的指标体系,将要素层其视为同层子目标,按总目标、各子目标、决策变量的顺序分解成不同的层次结构;将生成的集合按照层次结构分解后,应用专家评估法,构造两两比较的权重判断矩阵:
其中,Ann表示目标或情景之间的对比权值;
构造权重判断矩阵如下:
对构造出的权重判断矩阵,将判断矩阵
A=(aij)n×n,(n=1,2,……,m)
元素按列作归一化处理,
W=(ω1,ω2,…,ωn)T,
根据求得的最大特征值计算矩阵的一致性;只有当矩阵一致性小于0.1时,矩阵计算有效,若矩阵一致性大于或者等于0.1,则需要专家重新评估,生成新的判断矩阵并重新计算特征值来判定新矩阵是否有效。当矩阵有效时,则根据情景权值特征向量与对应的目标权值特征向量,确定出最优值。
图3示出了本发明的水环境敏感区遥感识别方法的原理图;如图3所示,根据本发明建立的非点源污染敏感区识别模型和陆地生态安全监测模型,通过岸边带模拟分析,模拟不同的岸边缓冲带建设的指标(长度、宽度、植被种类等),通过污染控制和增加植被信息,评估岸边缓冲带的效益;
待监测区域的水质变化评估如下:
其中,Vwb模拟岸边带建设后水质变化速率,Vw为岸边带建设前水质变化速率,Witb为岸边带建设后待监测区域的非点源污染负荷,Iw为水质改进值。
待监测区域的陆地生态安全变化评估如下:
CAb为模拟岸边带建设后生态安全监测的结果,Fib为模拟岸边带建设的监测评估因子,Ie为模拟岸边带建设后生态安全监测结果的变化;
该发明模型中的部分参数或指标:居民点、农田、林地、草地、水体等复杂精细信息以及叶面积指数(LAI)、土壤侵蚀模数、净初级生产力(NPP)、植被盖度等参数主要由遥感信息反演获取;
根据土壤硝化反硝化作用和植被吸收过程建立岸边缓冲带模型,利用所述岸边缓冲带模型获取岸边缓冲带污染控制量PC;
岸边缓冲带对氮磷营养元素的截留与控制,主要考虑土壤硝化反硝化作用和植被吸收过程计算岸边缓冲带污染控制量PC;
具体地,岸边缓冲带模型建立过程如下:
第一,土壤硝化反硝化作用:
选用通用简单反硝化模型,表达式为:
Da=αfNfsfTfpH
其中,Da为实际反硝化速率(mg N kg-1d-1或者mg N m-2d-1);fN为无维土壤硝酸盐衰减函数,范围为[0,1];fs为无维土壤水分衰减函数;fT为无维土壤温度衰减函数;fpH为无维土壤酸碱性衰减函数;α为可变系数,也是模型中的重要参数,根据假定的反应机理不同取值不同。当α代表理想条件下的潜在反硝化速率时,则可用Dp表示,单位与Da同;当假定硝酸盐按照一级动力学衰减时,α为衰减系数kd;
选用SWAT中推荐的硝化和氨化过程模型。
Nnit,l=[1-exp(-ηnit,l)]/[1-exp(-ηnit,l)+1-exp(-ηVol,l)]×Nnit/vol,l
Nvol,l=[1-exp(-ηvol,l)]/[1-exp(-ηnit,l)+1-exp(-ηVol,l)]×Nnit/vol,l
参数方程为:
ηnit,l=ηtem,l·ηs,l
ηVol,l=ηtem,l·ηmidz,l·ηcec,l
ηcec,l=0.15
其中,Nnit/vol,l为l土层中参与硝化和氨气挥发释放过程的铵态氮量(kg N m-2);为l土层中NH4+的含量(kg N m-2);Nnit,l为硝化反应速率(kg N m-2);Nvol,l为氨气挥发速率(kg N m-2);ηVol,l为l土层中氨气蒸发的影响因子;ηtem,l为温度影响因子;ηs,l为土壤水分影响因子;SWw为土壤萎蔫含水量;ηmidz,l为土层深度影响因子;ηcec,l为阳离子交换影响因子;Ts,l为l土层的温度(℃);Zmid,l为l土层半深度距离(mm)。
第二,植被吸收过程:植被吸收过程考虑植被净第一性生产力(NPP)子模型,生产力分配子模型和植物营养元素吸收子模型;
对于林灌植被类型,考虑NPP的分配,草本类型不考虑。林灌植被NPP分配顺序为首先分配到叶,然后是根,最后是枝;
NPP分配到树叶部分的生物量NPPLeaf与叶面积成比例,表达式为:
其中,NPPLeaf为叶片的NPP(gC/m2),Rleaf是单位面积(1m2)叶片的生物量,εLA是叶面积月增加量(m2);
分配到叶后的NPP再成比例的分配到根,分配到根的NPPRoot计算如下:
其中,NPPRoot为分配到根系的NPP(gC/m2),NPP为植被净第一性生产力(gC/m2),Kr为分配系数(无量纲);
分配到枝的NPPWattle计算如下
其中,NPPWattle为分配到枝干的NPP(gC/m2)。
植物吸收的元素量是植物生长对元素的需求量与土壤中提供的植被可利用元素量的最小值,表达式为:
Xuptake=min(Xavail,Xdem)
其中,Xavail为土壤中可被植物吸收的X(X=N,P)元素的含量(gc/m2),Xdem为植物生长对X元素的需求量;
植被对营养元素的需求量是叶片、枝干、根系各部分的NPP与营养元素浓度乘积的加和,其中叶片有一部分生物量在生长过程中返回土壤。对林木和灌木,植物对N和P营养元素的需求量计算如下:
Xdem=(1-Kretra)×folX×FB+XW×WB+Xr×RB
其中,Kretra为返回系数,folX为叶片中X元素的含量(g/g);FB为植被叶片部分的NPP(gc/m2);XW为枝干中X元素的含量(g/g);WB为植被枝干部分的NPP(gc/m2);Xr为根系中X元素的含量(g/g);RB植被根系部分的NPP(gc/m2)。
对于草本植物,Xdem的表达式如下:
Xdem=NPP×Xcont
其中,NPP为植被净第一性生产力(gc/m2);Xcont为草本植物中X元素的含量(g/g);
Pavail=soluP
图2示出了本发明一个实施例的水环境敏感区遥感识别系统的结构示意图。如图2所示,该水环境敏感区遥感识别系统包括:
模型建立单元21,用于建立非点源污染敏感区识别模型和陆地生态安全监测模型;
数据获取单元22,用于获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;
水环境敏感区确定单元23,用于根据所述非点源污染敏感区识别模型和陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟,根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区。
本实施例所述的水环境敏感区遥感识别系统可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
本发明提供水环境敏感区遥感识别方法及系统和岸边带建设方法,综合考虑水体和陆地因素,提高了水环境监测结果的准确性及水环境敏感区识别结果的准确性,并根据水环境敏感区的识别结果进行岸边带的建设。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种水环境敏感区遥感识别方法,其特征在于,包括:
建立非点源污染敏感区识别模型和陆地生态安全监测模型;其中,建立非点源污染敏感区识别模型和陆地生态安全监测模型的数据由遥感信息提取得到;
获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;
根据所述非点源污染敏感区识别模型、陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟;
根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区;
所述建立非点源污染敏感区识别模型,包括:
利用非点源污染估算模型获取所述待监测区域的各类污染物的污染负荷总量,计算各类污染物的污染负荷变化速率,建立非点源污染敏感区识别模型;
所述建立陆地生态安全监测模型,包括:
建立陆地生态安全监测的指标体系,分别从生态系统的压力、生态系统的状态和人类响应三个方面建立对应的指标层;
利用层次分析法确定所述指标中各个指标的权重因子;
建立陆地生态安全监测模型;
其中,所述生态系统的压力指标层包括干扰强度和干扰强度变化速率;所述生态系统的状态指标层包括活力、破碎度指数、综合弹性、水土保持指数、岸边缓冲带污染控制指数;所述人类响应指标层包括保护指数。
2.根据权利要求1所述的识别方法,其特征在于,所述根据数值模拟的结果确定待监测区域的水环境敏感区,包括:
利用非点源敏感区识别模型获取各类污染物的污染负荷变化速率,根据所述非点源污染负荷和各类污染物的污染变化速率确定所述待监测区域的非点源污染敏感区;
利用陆地生态安全监测模型获取所述待监测区域的陆地生态安全变化速率,根据所述陆地生态安全变化速率确定所述待监测区域的生态安全敏感区;
根据所述待监测区域的非点源污染敏感区和生态安全敏感区确定所述待监测区域的水环境的敏感区。
4.根据权利要求1所述的识别方法,其特征在于,所述状态指标层中的活力NPP、破碎度指数CI、综合弹性E、水土保持指数SEI、岸边缓冲带污染控制指数PCI通过以下公式计算:
NPP=GPP-Ra,
GPP=ε×APRA×f1(T)×f2(β),
其中,GPP为总第一性生产力,Ra代表生态系统的呼吸,ε为植被将所吸收的光合有效辐射转化为有机物的转化率;APRA为光合有效辐射量;f1(T)为温度对光合作用的影响函数,是温度Ta的函数;f2(β)为水分对光合作用的影响函数,β为蒸发比;
其中,ci分别为待监测单元内各土地利用类型的面积,fi分别为各土地利用类型的权重,A为待监测区域中监测单元的面积;
其中,SE为待监测区域内单位面积水土保持量,SEmax为各待监测区域最大的单位面积水土保持量,VSE为待监测区域中单位面积土壤侵蚀量,NSE为假设待监测区域中没有植被覆盖,单位面积的土壤侵蚀量,A为待监测区域中监测单元的面积;
PC=PCin-PCout,
其中,PC为待监测区域的岸边缓冲带污染控制量,PCmax为同样规格的岸边缓冲带最大控制量;PCin为进入岸边带的污染物量;PCout为流出岸边带污染物量。
6.根据权利要求4所述的识别方法,其特征在于,还包括:
根据土壤硝化反硝化作用和植被吸收过程建立岸边缓冲带模型,利用所述岸边缓冲带模型获取岸边缓冲带污染控制量PC。
7.一种利用权利要求1-6任一所述的水环境敏感区遥感识别方法的岸边带建设方法,其特征在于,包括
在所述水环境敏感区建设岸边带。
8.一种水环境敏感区遥感识别系统,其特征在于,包括:
模型建立单元,用于建立非点源污染敏感区识别模型和陆地生态安全监测模型;其中,建立非点源污染敏感区识别模型和陆地生态安全监测模型的数据由遥感信息提取得到;
数据获取单元,用于获取待监测区域的卫星遥感数据和气象数据,根据所述卫星遥感数据和气象数据建立地表饮用水源集水区水环境数据库;
水环境敏感区确定单元,用于根据所述非点源污染敏感区模型和陆地生态安全监测模型和所述水环境数据库对所述待监测区域的水环境进行数值模拟,根据所述数值模拟的结果确定所述待监测区域中的水环境敏感区;
所述模型建立单元用于:
利用非点源污染估算模型获取所述待监测区域的各类污染物的污染负荷总量,计算各类污染物的污染负荷变化速率,建立非点源污染敏感区识别模型;
建立陆地生态安全监测的指标体系,分别从生态系统的压力、生态系统的状态和人类响应三个方面建立对应的指标层;
利用层次分析法确定所述指标中各个指标的权重因子;
建立陆地生态安全监测模型;
其中,所述生态系统的压力指标层包括干扰强度和干扰强度变化速率;所述生态系统的状态指标层包括活力、破碎度指数、综合弹性、水土保持指数、岸边缓冲带污染控制指数;所述人类响应指标层包括保护指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510772731.2A CN105389742B (zh) | 2015-11-12 | 2015-11-12 | 一种水环境敏感区遥感识别方法及系统和岸边带建设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510772731.2A CN105389742B (zh) | 2015-11-12 | 2015-11-12 | 一种水环境敏感区遥感识别方法及系统和岸边带建设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389742A CN105389742A (zh) | 2016-03-09 |
CN105389742B true CN105389742B (zh) | 2022-03-15 |
Family
ID=55421998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510772731.2A Active CN105389742B (zh) | 2015-11-12 | 2015-11-12 | 一种水环境敏感区遥感识别方法及系统和岸边带建设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389742B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868533B (zh) * | 2016-03-23 | 2018-12-14 | 四川理工学院 | 基于物联网和3s技术江河流域水环境集成感知与应用方法 |
CN107293081A (zh) * | 2016-04-01 | 2017-10-24 | 北京中密安信息安全技术有限公司 | 环境安全评估方法和装置 |
CN107145998A (zh) * | 2017-03-31 | 2017-09-08 | 中国农业大学 | 一种基于Dyna‑CLUE模型的土地压力计算方法和系统 |
CN109377010A (zh) * | 2018-09-26 | 2019-02-22 | 中水珠江规划勘测设计有限公司 | 一种同步水环境承载力评价与类型识别方法 |
CN109489721A (zh) * | 2018-11-09 | 2019-03-19 | 朱光兴 | 一种水环境敏感区遥感识别系统 |
CN110210070B (zh) * | 2019-05-09 | 2023-06-02 | 东北农业大学 | 一种流域水环境生态安全预警方法及系统 |
CN111476450A (zh) * | 2020-02-13 | 2020-07-31 | 北京市环境保护科学研究院 | 一种水资源指数数据处理方法 |
CN113011003B (zh) * | 2021-02-24 | 2021-11-02 | 中国科学院地理科学与资源研究所 | 生态系统呼吸遥感模型构建方法 |
CN112836181B (zh) * | 2021-04-20 | 2021-08-31 | 中国水利水电科学研究院 | 一种基于夜光遥感影像的河流光污染指数提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867120A (zh) * | 2012-09-05 | 2013-01-09 | 环境保护部卫星环境应用中心 | 一种基于遥感像元的非点源污染计算方法 |
CN103020424A (zh) * | 2012-11-22 | 2013-04-03 | 北京师范大学 | 一种基于人工降雨实验的北方平原农田区非点源污染负荷估算方法 |
CN103268424A (zh) * | 2013-05-31 | 2013-08-28 | 中国科学院遥感与数字地球研究所 | 地表饮用水源集水区生态监测方法 |
-
2015
- 2015-11-12 CN CN201510772731.2A patent/CN105389742B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867120A (zh) * | 2012-09-05 | 2013-01-09 | 环境保护部卫星环境应用中心 | 一种基于遥感像元的非点源污染计算方法 |
CN103020424A (zh) * | 2012-11-22 | 2013-04-03 | 北京师范大学 | 一种基于人工降雨实验的北方平原农田区非点源污染负荷估算方法 |
CN103268424A (zh) * | 2013-05-31 | 2013-08-28 | 中国科学院遥感与数字地球研究所 | 地表饮用水源集水区生态监测方法 |
Non-Patent Citations (3)
Title |
---|
A Distributed Soil Erosion and Sediment Transport Sub-model in Non-point Source Pollution and Its Application in Guishui Watershed;XIA Jun and XUE Jinfeng;《Journal of Resources and Ecology》;20100930;第1卷(第3期);全文 * |
Coupling remote sensing data and ecohydrological;Shudong Wang et al.;《World Journal of Engineering》;20141231;第11卷(第2期);全文 * |
SENSITIVITY ANALYSIS FOR CHL-A RETRIEVAL OF WATER BODY USING HYPERSPECTRAL REMOTE SENSING DATA WITH DIFFERENT SPECTRAL INDICATORS;Shudong Wang et al.;《IGARSS 2016》;20161231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105389742A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389742B (zh) | 一种水环境敏感区遥感识别方法及系统和岸边带建设方法 | |
Yang et al. | Spatio-temporal changes in water-related ecosystem services provision and trade-offs with food production | |
Jiang et al. | A modeling approach to evaluating the impacts of policy-induced land management practices on non-point source pollution: A case study of the Liuxi River watershed, China | |
Pourmohammadali et al. | Effects of soil properties, water quality and management practices on pistachio yield in Rafsanjan region, southeast of Iran | |
Mayoral et al. | Modelling the influence of light, water and temperature on photosynthesis in young trees of mixed Mediterranean forests | |
Lou et al. | Niche modelling of marsh plants based on occurrence and abundance data | |
Olson et al. | Changes in the global carbon cycle and the biosphere | |
Huang et al. | Simulated town expansion under ecological constraints: A case study of Zhangbei County, Heibei Province, China | |
CN108388566A (zh) | 一种植物物种丰富度分布的空间模拟方法 | |
Zhang et al. | A spatial-explicit dynamic vegetation model that couples carbon, water, and nitrogen processes for arid and semiarid ecosystems | |
McCormick et al. | Ecological needs of the Everglades | |
CN114565223A (zh) | 一种区域生态保护修复工程实施成效评估方法 | |
Chen et al. | Risk assessment of maize drought in China based on physical vulnerability | |
Dangulla et al. | Exploring urban tree diversity and carbon stocks in Zaria Metropolis, North Western Nigeria | |
Ranasinghe et al. | Estimation of carbon sequestration potential in coconut plantations under different agro-ecological regions and land suitability classes | |
Zhao et al. | Soil seed bank dynamics are regulated by bird diversity and soil moisture during alpine wetland degradation | |
Liu et al. | Spatiotemporal variation in aboveground biomass and its response to climate change in the marsh of Sanjiang Plain | |
Jia et al. | Risk assessment of maize drought disaster in southwest China using the Environmental Policy Integrated Climate model | |
Li et al. | A process simulation-based framework for resource, food, and ecology trade-off by optimizing irrigation and N management | |
Dong et al. | Spatial evaluation of phosphorus retention in riparian zones using remote sensing data | |
Ago et al. | Response of CO 2 fluxes and productivity to water availability in two contrasting ecosystems in northern Benin (West Africa) | |
Lo et al. | Linking climate change and forest ecophysiology to project future trends in tree growth: A review of forest models | |
Selmants et al. | Ecosystem carbon balance in the Hawaiian Islands under different scenarios of future climate and land use change | |
Martineau et al. | A process-based model of old field succession linking ecosystem and community ecology | |
Chukwu et al. | Evaluation of soil quality under oil palm cultivation in a coastal plain sands area of Akwa Ibom State Nigeria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |