CN108647401A - 一种基于空间遥感技术的流域氮磷污染评估方法 - Google Patents

一种基于空间遥感技术的流域氮磷污染评估方法 Download PDF

Info

Publication number
CN108647401A
CN108647401A CN201810353437.1A CN201810353437A CN108647401A CN 108647401 A CN108647401 A CN 108647401A CN 201810353437 A CN201810353437 A CN 201810353437A CN 108647401 A CN108647401 A CN 108647401A
Authority
CN
China
Prior art keywords
basin
soil
data
phosphorus
remote sensing
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.)
Granted
Application number
CN201810353437.1A
Other languages
English (en)
Other versions
CN108647401B (zh
Inventor
欧阳威
杨博文
高翔
郝新
魏鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN201810353437.1A priority Critical patent/CN108647401B/zh
Publication of CN108647401A publication Critical patent/CN108647401A/zh
Application granted granted Critical
Publication of CN108647401B publication Critical patent/CN108647401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于空间遥感技术的流域氮磷污染评估方法，该方法具体步骤如下：步骤一：选择典型小流域并获取、分析全流域土壤水分遥感数据；步骤二：流域非点源污染SWAT模型模拟；步骤三：利用流域土壤水空间遥感数据验证模型模拟结果；步骤四：土壤水和非点源氮磷流失负荷响应关系的建立；步骤五：基于空间遥感技术的流域氮磷污染评估。本发明方法使用遥感技术分析，避免了大范围的随机采样，提高了操作的效率和可行性，节约了成本；其二，这种方法将土壤水分遥感技术和SWAT模型模拟相结合，提高了流域非点源氮磷污染模拟的精确度；其三，只需获取土壤水分遥感数据，即可简单快捷的实现流域非点源污染评估。

Description

一种基于空间遥感技术的流域氮磷污染评估方法
【技术领域】
本发明一种基于空间遥感技术的流域氮磷污染评估方法，属于非点源污染管理技术领域，是一种基于空间遥感数据识别土壤水与流域非点源氮磷流失关系的方法，是一种准确高效评估非点源氮磷流失的方法。
【背景技术】
近些年，我国主要点源污染已经受到控制，但水环境质量并未因此而得到显著的改善。有研究表明，在一些流域内，非点源污染已经超过点源污染，成为水环境质量下降的主要原因。非点源污染正在逐渐受到人们的关注。当今，随着农业科技的发展与日益增长的粮食需求，越来越多的化肥被投入到农田中，使得随地表径流进入水环境的营养物也日益增加，农业非点源污染也被认为是最重要的非点源污染形式之一。非点源污染监测难度大，且我国针对非点源污染的监测体系不完善，很多地区缺乏相应的设备。与点源污染相比，非点源污染具有明显不同的特点，即非点源污染发生具有随机性，来源具有不确定性，污染物成分具有复杂性，分布和危害具有广泛性，控制和治理具有艰巨性。非点源污染的成分复杂、类型多样，又具有不同于点源的特征，排放的分散性导致其地理边界和空间位置不易识别，加上它还与一系列水文气象条件密切相关，因此对非点源污染的研究和控制具有较大的难度，需要采用复杂的模型对流域内的非点源污染情况进行评估。
随着非点源污染模型不断的发展，逐步形成了若干种较为完善的常用模拟工具。由于其模拟机理和适用范围不同，各模型间存在明显差别。其中，SWAT模型是由美国农业部农业研究中心研制开发的一个长时段的流域分布式水文模型，其具有很强物理基础，使用于具有各种土壤类型、不同上地利用土地覆被条件下的复杂流域，在国内外具有广泛的应用。SWAT模型的率定是指将模拟结果与实际结果进行对比，调整参数直至模拟结果与实际结果的误差在可接受范围内的过程。目前SWAT模型的率定过程是：一般在敏感性分析的基础上，利用观测的河道数据进行参数率定和调整。土壤水分是污染物下渗淋溶的重要参考，而下渗淋溶则是非点源氮磷污染过程的重要组成部分。在土壤氮磷循环过程中，矿化作用和分解作用取决于土壤水分的有效性，它通过营养物循环水因子的形式体现：
式中，γsw为土壤某一层的营养物循环因子，SW为土壤含水量，FC为田间持水量。此外，硝化作用、氮磷腐殖质矿化及残留物分解都是土壤水的函数：
C＝1.4β(γtmp·γsw)1/2·org
δ＝β(γtmp·γsw)1/2
其中，ηsw代表硝化作用土壤水因子，WP为凋萎含水量；C为氮磷矿化量，β为反应系数，γtmp为温度因子，org为有机物库存量；δ表示残留物衰变速率。可以看出，土壤水通过物理变化和化学变化多角度影响土壤氮磷循环。因此，土壤水分是影响非点源氮磷污染的重要因素，对土壤水分进行验证也将提高模型模拟输出结果的精确性。
土壤水分的监测手段，主要包括现场实验、模型模拟和遥感反演等方法。其中，土壤水分的现场实验测量只适用于各个测试点位，仅能反应小范围的土壤湿度。受流域内各点受地形和现场条件以及工作量的限制，通过现场实验的方法反应大范围土壤水分存在巨大难度。模型模拟方法需要准备大量的现场数据，且操作难度大，对理化环境复杂的地区模拟精度低。遥感反演法属于对流域土壤水分的直接观测，覆盖面积大，涉及的推算过程相对较少，准确度高。2015年1月，美国宇航局发射了一颗SMAP卫星，它可以通过对地球进行微波探测从而快速生成覆盖全球的土壤水分地图。SMAP卫星遥感数据面向全球免费开放，精确度较高，为本发明奠定了良好的数据观测基础。因此，可以通过SMAP卫星遥感数据与SWAT模型模拟出的土壤水分数据之间的相互验证，提升非点源污染的模拟精度，并实现基于土壤水分空间遥感数对流域的非点源氮磷污染进行简单快捷的评估。
【发明内容】
1、目的：本发明的目的是提供一种基于空间遥感技术的流域氮磷污染评估方法，是基于流域土壤水分遥感数据识别氮磷污染关键区的方法，根据本发明，在流域尺度土壤水分空间遥感数据和模型模拟结果进行相互验证的基础上，提升了非点源污染的模拟精度。在建立土壤水分和非点源污染关系的基础上通过土壤水分遥感数据实现非点源氮磷流失的简单快速评估。
2、技术方案：本发明可通过下述技术方案实现：
本发明一种基于空间遥感技术的流域氮磷污染评估方法，该方法具体步骤如下：
步骤一：选择典型小流域并获取、分析全流域土壤水分遥感数据
(1)选择典型小流域
研究区应为比较典型的小流域，地形条件、水文特征、土壤种类和土地利用类型信息较为完备；流域内气象数据齐全，地形地貌数据和相关水文数据易于获取，使SWAT模型的输入数据库精准度高；且研究区应在SMAP卫星辐射范围内，可通过空间遥感数据获得研究区土壤水分的时空分布状况。
(2)基于空间遥感数据的流域土壤水时空分布
本发明中的流域土壤水空间遥感数据为SMAP卫星数据。SMAP是2015年1月底美国宇航局发射的用于探测地球表面物理数据的卫星。SMAP卫星搭载L波段的雷达和辐射计，具有穿透云和中等程度植被冠层覆盖的能力。其卫星产品是迄今为止分辨率和精度最高的土壤水分遥感数据。SMAP卫星通过观测地表的亮度温度，即可通过地表发射率和地表粗糙度间接地反演土壤水分：
h＝A(Mv)B(s/l)C
式中，TBp代表亮度温度；为地表有效发射率；h是地表粗糙函数，Mv为土壤体积含水量；τ、rp、Ns、s、l分别是植被光学厚度、光滑地表发射率、极化角度、均方根高度和相关长度，均为观测可得的地表属性数据。SMAP卫星数据可生成不同等级的数据产品，选取其中精确度高、分辨率高、具有配套时间信息和空间信息的最高等级L4产品，其中的地球物理数据包括了土壤表层0-5cm的含水量，单位为m3/m3，储存方式为HDF格式。利用MATLAB对全球尺度的土壤水含量数据批量读取，根据研究区经纬度信息，裁剪全球尺度土壤水数据，获得研究区基期和研究期土壤水逐日的数据。利用ArcGIS平台中空间分析模块(SpatialAnalystTools)中的Kriging(克里金)工具，对土壤水数据进行空间插值，得到研究区土壤水的空间分布。
步骤二：流域非点源污染SWAT模型模拟
分析流域DEM高程数据，划分子流域和水文响应单元。对研究区内空间分辨率为30m×30m的LandSat TM影像进行解译，获得研究区内土地利用类型数据。采用南京土壤所提供的土壤类型图作为模型土壤数据库的空间输入数据。按照SWAT运行所需格式整理气象数据，主要包括日降雨量、日最高/最低气温、太阳辐射、平均风速和相对湿度。数据收集完成后，将数据库输入SWAT模型系统，在敏感性分析的基础上，采用河道监测数据在SWAT-CUP程序上进行参数率定和调整，建立SWAT模型，得到流域非点源氮磷流失负荷以及土壤水的时空分布。
步骤三：利用流域土壤水空间遥感数据验证模型模拟结果
根据步骤一(2)中获取的基期土壤水逐日数据对步骤二模型模拟的基期土壤水时空分布情况进行验证：
式中：Qm为SMAP观测值；Qs为模型模拟值；n为观测的次数。若二者一致性较高、R2大于预期，则模拟效果好；若验证效果低于预期，则调整控制土壤水输出的参数直至模拟出的土壤水和SMAP土壤水数据有较好的一致性时，输出研究期精确的土壤水分模拟结果和非点源氮磷污染负荷模拟结果。
步骤四：土壤水和非点源氮磷流失负荷响应关系的建立
将步骤三输出的基期非点源氮磷流失负荷结果和土壤水模拟结果分别与土地利用数据相叠加。在不同的土地利用类型下，利用皮尔逊相关分析等方法在时间尺度上验证二者的协同性并在空间尺度上建立土壤水分和非点源氮磷污染负荷响应的关系。
步骤五：基于空间遥感技术的流域氮磷污染评估
通过步骤一(2)中获取的研究期流域SMAP土壤水数据，依据步骤四建立的土壤水分和非点源氮磷污染负荷响应的关系，可以实现快速评估典型小流域的非点源氮磷污染情况。
3、优点及功效：本发明一种基于土壤水分的非点源氮磷污染评估方法，其优点是：其一，这种方法使用遥感技术分析，避免了大范围的随机采样，提高了操作的效率和可行性，节约了成本；其二，这种方法将土壤水分遥感技术和SWAT模型模拟相结合，提高了流域非点源氮磷污染模拟的精确度；其三，只需获取土壤水分遥感数据，即可简单快捷的实现流域非点源污染评估。
【附图说明】
图1为基于空间遥感技术的流域氮磷污染评估新方法的流程框图。
图2为SWAT模型土壤水模拟结果与SMAP土壤水数据验证对比图。
图3为土壤水分和非点源氮污染的时间波动曲线图。
图4为土壤水分和非点源磷污染的时间波动曲线图。
图5为空间尺度上土壤水分和非点源氮污染的关系示意图。
图6为空间尺度上土壤水分和非点源磷污染的关系示意图。
【具体实施方式】
本发明提出的基于空间遥感技术的流域氮磷污染评估方法，是一种利用流域SMAP土壤水空间遥感技术，在建立的土壤水分与非点源污染负荷的关系基础上，快捷有效评估流域非点源污染的方法。
见图1，本发明一种基于空间遥感技术的流域氮磷污染评估方法，该方法具体步骤如下：
步骤一：选择典型小流域并获取分析全流域SMAP土壤水数据。
本案例选择东北地区重要的粮食产地三江平原内最大的流域挠力河流域作为案例分析。在本案例中，选取了SMAP数据中分辨率为9km×9km的L4产品，下载该产品含括的每日全球土壤水分分布。在MATLAB中根据经纬度裁剪出研究区(131.2E°—133.9°E，47.3°N—45.8°N)。利用GIS平台输出研究区土壤水含量的空间分布状态。考虑到SMAP卫星数据的回传时间，本案例选取2015年4月1日至2015年12月31日的土壤水数据作为基期，选取2016年1月1日至2016年12月31日作为研究期数据进行分析。
步骤二：流域非点源污染SWAT模型模拟
使用分辨为30m的数字高程模型(DEM)划分挠力河流域的各个子流域以及水文响应单元。建立SWAT模型的属性数据库和空间数据库。属性数据库中的气候数据来源于流域内气象站点多年间的气候监测数据；土壤属性数据来源自南京土壤所提供的土壤类型图，主要包括土壤的机械组成、土壤侵蚀因子、土壤容重、土壤导水率等。挠力河流域水田种植作物为水稻，旱田种植作物是大豆，其相关的农田管理措施通过实地考察和查阅年鉴补充；空间数据库中，土地利用数据库由Landsat TM数据解译而得。将数据库中的数据按SWAT模型要求输入数据库中，采用SWAT-CUP对SWAT模型模拟进行率定。将河道的相关监测数值输入SWAT-CUP系统，将模型模拟结果与与河道监测数值进行对比分析，调整模拟参数，直至当纳什效率系数达到接受范围时为止。
步骤三：利用流域土壤水空间遥感数据验证模型模拟结果
根据步骤一(2)中获取的2015年4月1日至2015年12月31日的土壤水逐日数据对步骤二模型模拟的对应时期土壤水时空分布情况进行验证(见图2)。经比较，二者一致性较高，模型模拟效果好(R2＝0.79)。则根据SWAT模型模拟结果输出2016年1月1日至2016年12月31日逐日的土壤水分模拟结果和非点源氮磷污染负荷模拟结果。
步骤四：建立土壤水分和非点源氮磷污染负荷响应的关系
将步骤三输出的基期非点源氮磷流失负荷结果和土壤水模拟结果分别与土地利用数据相叠加。不同的土地利用类型有不同的结果，考虑到农田是非点源氮磷流失的最主要地区，其中水田的土壤水分为饱和状态，研究意义不大；因此在叠加结果中选取旱田土地利用类型，采用皮尔逊相关分析法定性分析日尺度下旱田的土壤水分和非点源氮磷污染负荷之间的走势(见图3、图4)。结果表明土壤水分和非点源氮磷负荷的时间波动曲线具有较好的一致性(R2分别为0.716、0.684)。时间尺度上的这种一致性，说明了土壤水分可以作为评估非点源氮磷污染的一项依据。利用散点分析对土壤水空间分布和非点源氮磷污染空间分布进拟合(见图5、图6)。为消除量纲的影响，对数据进行归一化处理。结果表明空间上不同水文响应单元的土壤水分和该单元的非点源氮磷负荷的关系可以表述为：
CTN＝0.699θV+0.185
CTP＝0.662θV+0.044
式中CTN和CTP分别代表总氮与总磷的负荷，θV代表土壤水含量。这也就说明通过分析土壤水数据，即可对非点源氮磷污染进行大致评估。
步骤五：基于空间遥感技术的流域氮磷污染评估。
通过步骤一(2)中获取的研究期流域SMAP土壤水数据，依据步骤四建立的土壤水分和非点源氮磷污染负荷响应的关系，可以实现快速评估典型小流域的非点源氮磷污染情况。

Claims (2)

1.一种基于空间遥感技术的流域氮磷污染评估方法，其特征在于：该方法具体步骤如下：
步骤一：选择典型小流域并获取、分析全流域土壤水分遥感数据
(1)选择典型小流域
(2)基于空间遥感数据的流域土壤水时空分布
流域土壤水空间遥感数据为SMAP卫星数据；SMAP卫星通过观测地表的亮度温度，即可通过地表发射率和地表粗糙度间接地反演土壤水分：
h＝A(Mv)B(s/l)C
式中，TBp代表亮度温度；为地表有效发射率；h是地表粗糙函数，Mv为土壤体积含水量；τ、rp、Ns、s、l分别是植被光学厚度、光滑地表发射率、极化角度、均方根高度和相关长度，均为观测可得的地表属性数据；选取SMAP卫星数据中精确度高、分辨率高、具有配套时间信息和空间信息的最高等级L4产品，其中的地球物理数据包括了土壤表层0-5cm的含水量，单位为m3/m3，储存方式为HDF格式；利用MATLAB对全球尺度的土壤水含量数据批量读取，根据研究区经纬度信息，裁剪全球尺度土壤水数据，获得研究区基期和研究期土壤水逐日的数据；利用ArcGIS平台中空间分析模块中的Kriging工具，对土壤水数据进行空间插值，得到研究区土壤水的空间分布；
步骤二：流域非点源污染SWAT模型模拟
分析流域DEM高程数据，划分子流域和水文响应单元；对研究区内空间分辨率为30m×30m的LandSat TM影像进行解译，获得研究区内土地利用类型数据；采用南京土壤所提供的土壤类型图作为模型土壤数据库的空间输入数据；按照SWAT运行所需格式整理气象数据；数据收集完成后，将数据库输入SWAT模型系统，在敏感性分析的基础上，采用河道监测数据在SWAT-CUP程序上进行参数率定和调整，建立SWAT模型，得到流域非点源氮磷流失负荷以及土壤水的时空分布；
步骤三：利用流域土壤水空间遥感数据验证模型模拟结果
根据步骤一(2)中获取的基期土壤水逐日数据对步骤二模型模拟的基期土壤水时空分布情况进行验证：
式中：Qm为SMAP观测值；Qs为模型模拟值；n为观测的次数；若二者一致性较高、R2大于预期，则模拟效果好；若验证效果低于预期，则调整控制土壤水输出的参数直至模拟出的土壤水和SMAP土壤水数据有较好的一致性时，输出研究期精确的土壤水分模拟结果和非点源氮磷污染负荷模拟结果；
步骤四：土壤水和非点源氮磷流失负荷响应关系的建立
将步骤三输出的基期非点源氮磷流失负荷结果和土壤水模拟结果分别与土地利用数据相叠加；在不同的土地利用类型下，利用皮尔逊相关分析等方法在时间尺度上验证二者的协同性并在空间尺度上建立土壤水分和非点源氮磷污染负荷响应的关系；
步骤五：基于空间遥感技术的流域氮磷污染评估
通过步骤一(2)中获取的研究期流域SMAP土壤水数据，依据步骤四建立的土壤水分和非点源氮磷污染负荷响应的关系，可以实现快速评估典型小流域的非点源氮磷污染情况。
2.根据权利要求1所述的一种基于空间遥感技术的流域氮磷污染评估方法，其特征在于：所述的研究区应为比较典型的小流域，地形条件、水文特征、土壤种类和土地利用类型信息完备；流域内气象数据齐全，地形地貌数据和相关水文数据易于获取，使SWAT模型的输入数据库精准度高；且研究区应在SMAP卫星辐射范围内，可通过空间遥感数据获得研究区土壤水分的时空分布状况。
CN201810353437.1A 2018-04-19 2018-04-19 一种基于空间遥感技术的流域氮磷污染评估方法 Active CN108647401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810353437.1A CN108647401B (zh) 2018-04-19 2018-04-19 一种基于空间遥感技术的流域氮磷污染评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810353437.1A CN108647401B (zh) 2018-04-19 2018-04-19 一种基于空间遥感技术的流域氮磷污染评估方法

Publications (2)

Publication Number Publication Date
CN108647401A true CN108647401A (zh) 2018-10-12
CN108647401B CN108647401B (zh) 2021-11-23

Family

ID=63746890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810353437.1A Active CN108647401B (zh) 2018-04-19 2018-04-19 一种基于空间遥感技术的流域氮磷污染评估方法

Country Status (1)

Country Link
CN (1) CN108647401B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858187A (zh) * 2019-03-11 2019-06-07 中国人民解放军军事科学院国防科技创新研究院 基于正则化方式建立卫星温度场的克里金代理模型的方法
CN110532673A (zh) * 2019-08-27 2019-12-03 中国农业科学院农业环境与可持续发展研究所 基于一维水流演进过程模拟的流域面源污染模拟方法
CN111274676A (zh) * 2020-01-13 2020-06-12 中国水利水电科学研究院 一种面向分布式水文模型的变土地利用数据处理方法
CN111612368A (zh) * 2020-05-27 2020-09-01 矿冶科技集团有限公司 离子稀土矿区林地土壤氮素环境风险评价方法和应用
CN111882182A (zh) * 2020-07-13 2020-11-03 黄河水利委员会黄河水利科学研究院 一种适用于灌区的农业非点源污染风险诊断方法
CN115983050A (zh) * 2023-03-20 2023-04-18 航天宏图信息技术股份有限公司 基于swat模型的洪湖流域水质污染评估方法及装置
CN116562051A (zh) * 2023-06-28 2023-08-08 东莞理工学院 一种陆海氮磷负荷归趋估算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102677626A (zh) * 2012-05-15 2012-09-19 临沂大学 一种构建小流域面源污染综合防治体系的方法
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
US8426211B1 (en) * 2010-02-08 2013-04-23 Bowling Green State University Method and system for detecting copper in soil from reflected light
US20200025741A1 (en) * 2018-07-20 2020-01-23 Regents Of The University Of Minnesota Method to predict crop nitrogen status using remote sensing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8426211B1 (en) * 2010-02-08 2013-04-23 Bowling Green State University Method and system for detecting copper in soil from reflected light
CN102677626A (zh) * 2012-05-15 2012-09-19 临沂大学 一种构建小流域面源污染综合防治体系的方法
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
US20200025741A1 (en) * 2018-07-20 2020-01-23 Regents Of The University Of Minnesota Method to predict crop nitrogen status using remote sensing

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YOUNUS I. AL-SAADY 等: "Drainage network extraction and morphometric analysis using remote sensing and GIS mapping techniques (Lesser Zab River Basin, Iraq and Iran)", 《ENVIRONMENTAL EARTH SCIENCES VOLUME》 *
欧阳威 等: "考虑面源污染的农业开发流域生态安全评价研究", 《中国环境科学》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858187A (zh) * 2019-03-11 2019-06-07 中国人民解放军军事科学院国防科技创新研究院 基于正则化方式建立卫星温度场的克里金代理模型的方法
CN109858187B (zh) * 2019-03-11 2019-12-27 中国人民解放军军事科学院国防科技创新研究院 基于正则化方式建立卫星温度场的克里金代理模型的方法
CN110532673A (zh) * 2019-08-27 2019-12-03 中国农业科学院农业环境与可持续发展研究所 基于一维水流演进过程模拟的流域面源污染模拟方法
CN110532673B (zh) * 2019-08-27 2023-01-17 中国农业科学院农业环境与可持续发展研究所 基于一维水流演进过程模拟的流域面源污染模拟方法
CN111274676A (zh) * 2020-01-13 2020-06-12 中国水利水电科学研究院 一种面向分布式水文模型的变土地利用数据处理方法
CN111612368A (zh) * 2020-05-27 2020-09-01 矿冶科技集团有限公司 离子稀土矿区林地土壤氮素环境风险评价方法和应用
CN111612368B (zh) * 2020-05-27 2023-05-23 矿冶科技集团有限公司 离子稀土矿区林地土壤氮素环境风险评价方法和应用方法
CN111882182A (zh) * 2020-07-13 2020-11-03 黄河水利委员会黄河水利科学研究院 一种适用于灌区的农业非点源污染风险诊断方法
CN115983050A (zh) * 2023-03-20 2023-04-18 航天宏图信息技术股份有限公司 基于swat模型的洪湖流域水质污染评估方法及装置
CN116562051A (zh) * 2023-06-28 2023-08-08 东莞理工学院 一种陆海氮磷负荷归趋估算方法
CN116562051B (zh) * 2023-06-28 2024-04-26 东莞理工学院 一种陆海氮磷负荷归趋估算方法

Also Published As

Publication number Publication date
CN108647401B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN108647401A (zh) 一种基于空间遥感技术的流域氮磷污染评估方法
Minacapilli et al. A time domain triangle method approach to estimate actual evapotranspiration: Application in a Mediterranean region using MODIS and MSG-SEVIRI products
Abiodun et al. Comparison of MODIS and SWAT evapotranspiration over a complex terrain at different spatial scales
Mu et al. Evaluating water stress controls on primary production in biogeochemical and remote sensing based models
Boegh et al. Remote sensing based evapotranspiration and runoff modeling of agricultural, forest and urban flux sites in Denmark: From field to macro-scale
Montzka et al. Modelling the water balance of a mesoscale catchment basin using remotely sensed land cover data
Raneesh et al. A study on the impact of climate change on streamflow at the watershed scale in the humid tropics
CN105912836B (zh) 一种纯遥感数据驱动的流域水循环模拟方法
Saher et al. Urban evapotranspiration of green spaces in arid regions through two established approaches: a review of key drivers, advancements, limitations, and potential opportunities
Jang et al. Monitoring daily evapotranspiration in Northeast Asia using MODIS and a regional Land Data Assimilation System
CN104408258A (zh) 融合环境因素的大尺度土壤有机碳空间分布模拟方法
Wang et al. Yield estimation of winter wheat in the North China Plain using the remote-sensing–photosynthesis–yield estimation for crops (RS–P–YEC) model
Chen et al. Evaluation of the OPTRAM Model to retrieve soil moisture in the Sanjiang Plain of Northeast China
CN104361523A (zh) 一种基于gis的分布式稻田氮素径流流失负荷估算方法
Yeom et al. Mapping rice area and yield in northeastern Asia by incorporating a crop model with dense vegetation index profiles from a geostationary satellite
Baskaran et al. Progress toward evaluating the sustainability of switchgrass as a bioenergy crop using the SWAT model
Farhadi et al. Mapping land water and energy balance relations through conditional sampling of remote sensing estimates of atmospheric forcing and surface states
CN103605901A (zh) 一种区域旱灾风险估计方法
Park et al. Improvement of satellite-based estimation of gross primary production through optimization of meteorological parameters and high resolution land cover information at regional scale over East Asia
Li et al. Fractional vegetation coverage downscaling inversion method based on Land Remote-Sensing Satellite (System, Landsat-8) and polarization decomposition of Radarsat-2
Chang et al. Optimal site selection of watershed hydrological monitoring stations using remote sensing and grey integer programming
Cui et al. Estimating maize yield in the black soil region of Northeast China using land surface data assimilation: integrating a crop model and remote sensing
Chu et al. Estimation of winter wheat phenology under the influence of cumulative temperature and soil salinity in the Yellow River Delta, China, using MODIS time-series data
Kasuni et al. Modeling the impacts of land cover changes on stream flow response in Thiba river basin in Kenya
Seyoum et al. Suitability of satellite-based hydro-climate variables and machine learning for streamflow modeling at various scale watersheds

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant