CN110390460A - 一种基于遥感尺度的城市氮磷面源污染评估方法 - Google Patents
一种基于遥感尺度的城市氮磷面源污染评估方法 Download PDFInfo
- Publication number
- CN110390460A CN110390460A CN201910138380.8A CN201910138380A CN110390460A CN 110390460 A CN110390460 A CN 110390460A CN 201910138380 A CN201910138380 A CN 201910138380A CN 110390460 A CN110390460 A CN 110390460A
- Authority
- CN
- China
- Prior art keywords
- city
- pollution
- data
- remote sensing
- underlying surface
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 title claims abstract description 66
- 238000001556 precipitation Methods 0.000 claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000009825 accumulation Methods 0.000 claims abstract description 16
- 238000011068 loading method Methods 0.000 claims abstract description 16
- 230000007480 spreading Effects 0.000 claims abstract description 16
- 238000003892 spreading Methods 0.000 claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 230000004807 localization Effects 0.000 claims abstract description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 56
- 239000003344 environmental pollutant Substances 0.000 claims description 41
- 231100000719 pollutant Toxicity 0.000 claims description 41
- 229910052757 nitrogen Inorganic materials 0.000 claims description 28
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 24
- 229910052698 phosphorus Inorganic materials 0.000 claims description 24
- 239000011574 phosphorus Substances 0.000 claims description 24
- 230000000153 supplemental effect Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000005086 pumping Methods 0.000 claims description 5
- 238000000151 deposition Methods 0.000 claims description 4
- 230000008021 deposition Effects 0.000 claims description 4
- 238000013316 zoning Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000000469 dry deposition Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 5
- 238000011109 contamination Methods 0.000 abstract description 2
- 230000003628 erosive effect Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 235000012149 noodles Nutrition 0.000 description 3
- 238000009991 scouring Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000010946 mechanistic model Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010033425 Pain in extremity Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明提供一种基于遥感尺度的城市氮磷面源污染评估方法，特别地，涉及一种遥感像元尺度、高空间分辨率并且数据得以简化的城市面源污染评估方法。本发明的城市面源污染评估方法，包括以下步骤：S1：构建典型城市氮磷面源污染相关的下垫面空间数据；S2：结合已有城市面源污染数据库和降水径流实测数据选取累积、冲刷参数，完成模型本地化；S3：依据S1中空间数据库将S2中参数进行空间离散，完成城市TN、TP面源污染负荷遥感像元尺度的估算。本发明可以在现有城市面源污染监测数据基础上，基于遥感数据获取高空间分辨率城市面源污染空间分布特征和负荷特征，对城市水环境管理提供有效的污染评估手段和重要的技术支持。
Description
技术领域
本发明涉及环境保护技术领域，特别涉及一种空间连续的城市面源污染评估方法，尤其涉及一种基于遥感尺度的城市氮磷面源污染评估方法。
背景技术
长期以来，我国面临着严重的工业废水和城市污水的污染问题，防治任务艰巨，主要工作放在了这些点源污染的控制，对于面源污染，工作重点主要是针对农业面源污染问题，对于城市面源污染尚未给予足够的重视。美国、英国、荷兰等发达国家在20世纪70年代就已对城市地表径流开展了大量的监测及研究工作，我国城市面源污染的研究起步较晚，开始于20世纪80年代初。从北京开始，随后在上海、广州、西安、武汉、澳门、珠海、苏州等大中城市也逐渐开展起来。
我国当前大量研究还主要集中在调查城区面源污染的宏观性质、分析影响城市面源污染的因素、降水径流水质的评价和借鉴国外模型的污染过程分析研究。虽然城市面源污染估算更多地是建立在降水过程监测分析的基础上，但是最为有效、直接的方法仍然是建立数学模型，即在空间和时间序列上对城市面源污染的产生进行数学模拟分析，从而对研究区域内发生的复杂的降水径流污染过程作定量描述。目前，城市面源污染模型主要可概括为两大类：统计经验性模型和机理性模型。统计经验性模型主要有污染物浓度法、降雨-径流污染负荷模型、累积-冲刷模型等；机理性模型中影响较大、应用较广的包括暴雨洪水管理模型(Storm Water Management Model，SWMM)、城市地表径流数学模型(StorageTreatment Overflow Runoff Model,STORM)、水文模拟程序(Hydrologic simulationprogram-fortran，HSPF)、分布式降雨-径流模型(Distributed routing rainfall-runoffmodel，DR3M-QUAL)等。
这些模型在我国的应用程度较高，但存在一些问题，其中一个主要的问题就是应用尺度的问题，当前的应用以区域小尺度为主，基本无法将整个城区这样的大尺度作为研究对象，实现污染负荷的空间尺度连续性模拟。也就是说，城市面源污染是要定量估算一定时段内城市面源污染负荷量，最基本的方法是监测、分析不同下垫面所有降水过程的径流水质特征，但受客观条件限制，是不可能同时监测所有下垫面的。而自80年代以来，遥感(RS,Remote Sensing)与地理信息系统(GIS,Geographic Information System)技术在面源研究领域的应用，在相当程度上解决了空间连续估算问题，大大推进了城市面源污染估算的进程。
目前，我国污染管理部门还没有实现城市氮磷面源污染评估的技术方法，结合当前的形势，非常需要结合遥感空间信息获取和分析技术优势，探索一套高空间分辨率、实现空间连续估算的城市面源污染估算方法体系。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是，针对现有技术的不足提供一种基于遥感尺度的城市面源污染评估方法，能够在数据和资料有限的情况下，高效、精确地实现我国整个城区的大尺度氮磷面源污染空间连续性估算，进而可以实现城市群同步估算，并且能够实现以往无法实现的高空间分辨率。
(二)技术方案
本发明提供一种基于遥感尺度的城市氮磷面源污染评估方法，包括以下步骤：S1：构建典型城市氮磷面源污染相关的下垫面空间数据库；S2：结合已有城市面源污染数据库和降水径流实测数据选取累积、冲刷参数，完成模型本地化；S3：依据S1中空间数据库将S2中参数进行空间离散，完成城市TN、TP面源污染负荷遥感像元尺度的估算。
更好地，所述S1进一步包括如下步骤：S1.1：根据城市生态系统下垫面特征、城市规划图、城市功能区划和现有文献等，按照城区和郊区两大类别构建城市面源污染遥感监测下垫面精细分类体系；S1.2：下载高分辨卫星遥感数据(GF、worldview等)，并对所述遥感数据进行几何纠正、辐射定标、大气纠正等预处理；S1.3：基于面向对象分类方法，对图像进行模块化分割，通过对各类别的形状、纹理、光谱等属性特征进行分析；S1.4：按照S1.1的分类体系基于S1.3分析后的数据分别在城区和郊区进行下垫面矢量信息提取，构建城市面源污染相关下垫面空间数据库，所述下垫面选自屋顶、道路、水体、绿地、自然湿地、施工用地、农田、林地、温室大棚以及未利用土地；S1.5：对S1.4构建的空间数据库进行人工检查，得到高精度的城市下垫面空间数据库，即城市下垫面空间精细分类矢量数据库。
更好地，所述S2进一步包括如下步骤：S2.1：建立优化的城市氮磷面源污染物累积-冲刷模型；S2.2：建立与S2.1配套的场次降水试验数据集；S2.3：根据S2.1中的城市氮磷面源污染物累积-冲刷模型，和S2.1构建的场次降水地面数据集，完成模型的本地化。
更好地，所述S3进一步包括如下步骤：S3.1：按照S1构建的下垫面空间数据库，以遥感像元为单位将地面参数离散到遥感像元上，实现地面参数的空间离散，然后，根据下垫面类型的相似性，进行根据现有的地面参数对下垫面类型与其类似的地面参数进行参数数据移植；S3.2：根据S2建立的本地化模型体系，计算场次降水的城市氮磷面源污染负荷；S3.3：将S3.2中的场次降水氮磷面源污染负荷进行加和，得到年度城市氮磷面源污染总量。
更好地，所述S1.4中的城市下垫面空间精细分类矢量数据库选自或包括：城区/郊区屋顶矢量数据、城区/郊区道路矢量数据、城区/郊区水体矢量数据、城区绿地矢量数据、城区自然湿地矢量数据、城区施工用地矢量数据、郊区农田矢量数据、郊区林地矢量数据、郊区温室大棚矢量数据、郊区未利用地矢量数据。
更好地，所述S2具体包括：考虑大气干湿沉降量，将干沉降量考虑在初始的污染物累积量中，用以校验参数污染物最大累积量参数；而在计算冲刷过程时，污染物累积量要考虑到湿沉降量；考虑城市街道、小区的垃圾清理因素，利用等效晴天累积天数(考虑了垃圾清理频率)代替原晴天累积天数；针对典型下垫面绿地径流深参数进行本地化细化。
更好地，所述S3.3中的污染负荷和污染总量具体包括：场次降水产生的总氮污染负荷和总磷污染负荷，年多次降水一共产生的总氮污染总量和总磷污染总量。
(三)有益效果
本发明的方法利用遥感数据空间连续性特征，结合地面试验和文件调查数据，构建一套基于遥感尺度的城市氮磷面源污染估算方法，特别地，通过依据下垫面空间数据库将S2中的参数进行空间离散，并且根据下垫面类型的相似性，进行参数数据移植，可以在数据和资料有限的情况下，仍能够高效地实现我国整个城区的大尺度面源污染负荷空间连续性估算，甚至城市群的同步估算。另外，还能够实现以往的评估方法中无法实现的高空间分辨率。从而，能帮助政府部门在最短时间内以最少成本获取城市氮磷面源污染时空信息。
附图说明
图1为本发明的遥感尺度城市氮磷面源污染评估流程图。
图2为北京市通州区下垫面空间信息遥感图。
图3为北京市通州区年度单位面积总氮冲刷量可视化图。
图4为北京市通州区场次降水单位面积总磷冲刷量可视化图
图5为北京市通州区年度降水单位面积总氮冲刷量可视化图
图6为北京市通州区年度降水单位面积总磷冲刷量可视化图
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
“WorldView-2”卫星影像数据，拥有4个业内标准谱段(红、绿、蓝、近红外)和4个额外多样性谱段(海岸、黄、红边和近红外)，能提供0.5米全色图像和1.8米分辨率的多光谱图像，具有灵活、快速、动态的环境和灾害监测能力。本发明中所提到的观测卫星优选为WorldView-2，观测卫星的遥感数据尤指WorldView-2的多光谱CCD数据。
图1为本发明的遥感尺度城市氮磷面源污染评估流程图，如图1所示，评估方法包括以下步骤：
S1：构建典型城市氮磷面源污染相关的下垫面空间数据库；
S2：结合已有城市面源污染数据库和降水径流实测数据选取降雨强度、降雨量、累积系数、冲刷系数、冲刷指数、污染物最大累积量参数，完成模型本地化；
查阅、整理大量文献建立城市面源污染数据库，涵盖了北京、上海、广州、武汉、西安、重庆等华北、华东、华南、华中、西北、西南等地区的代表城市，数据库中数据包括污染物类型、下垫面类型、所属功能区、所属行政区域、降水量、降雨强度、污染物最大累积量、累积系数、冲刷系数、冲刷指数等。
通过开展不同下垫面类型的降水径流监测实验，获得不同下垫面类型的降水径流实测数据，具体包括：降水量、降水历时、降水径流量、污染物浓度等。
S3：依据S1中空间数据库将S2中参数进行空间离散，完成城市TN、TP面源污染负荷遥感像元尺度的估算。
下面，针对以上的步骤S1～S3分别进行详细说明。
S1：构建典型城市氮磷面源污染相关下垫面空间数据
其中，S1进一步包括如下步骤：
S1.1：根据城市生态系统下垫面特征、城市规划图、城市功能区划和现有文献等，按照城区和郊区两大类别构建城市面源污染遥感监测下垫面精细分类体系；
S1.2：下载高分辨卫星遥感数据(GF、worldview等)，并对所述遥感数据进行几何纠正、辐射定标、大气纠正等预处理；
S1.3：基于面向对象分类方法，对不同下垫面类别的图像按照设定的对象特征进行图像分割，通过对各类别的形状、纹理、光谱等属性特征进行分析，最终确定下垫面类别；
S1.4：按照S1.1的分类体系基于S1.3分析后的数据分别在城区和郊区进行下垫面矢量信息提取，构建城市面源污染相关下垫面空间数据库，所述下垫面选自屋顶、道路、水体、绿地、自然湿地、施工用地、农田、林地、温室大棚以及未利用土地，具体包括上述不同下垫面类型的经纬度、面积等。
所述S2具体包括：
S2.1：建立优化的城市氮磷面源污染物指数函数累积-冲刷模型。
优选采用下式(1)～(3)所示的模型。采用下式(1)～(3)所示模型时，参数获得较为简单，评估结果更为准确。
BP＝Bi*Fi..............................................(2)
其中，Bi为场次降水单位面积污染物负荷累积量(kg/ha)；Fi为相应下垫面的面积；BP为场次降水地表污染物的总累积量(kg)；C1为下垫面单位面积最大累积量(kg/ha)；C2为污染物累积系数(1/d)；t为场次降雨前的晴天累积天数(d)；W为污染物冲刷负荷(kg/h)；W1为冲刷系数(mm-1)；W2为冲刷指数；q为径流率(mm/h)；BP为区域内下垫面污染物的总累积量(kg)。
S2.2：建立与S2.1配套的场次降水试验数据集；
作为“建立与S2.1配套的场次降水试验数据集”的方法，没有特别的限定，可以采用本领域公知的方法。
本发明中优选采用如下方法：在城市典型下垫面同步开展降水径流监测实验。比如屋面，在屋顶放置降水自动监测设备或采用附近国家气象站点降水自动监测数据，开始降水并形成径流时，在近地面雨水立管处每5min采集一次降水径流样品，直至不形成径流。样品采集后，在24h内带回实验室分析降雨径流中的总氮、总磷污染物浓度。比如道路，采用附近国家气象站点降水自动监测数据，开始降水并形成径流时，在路边雨水篦子处每5min采集一次降水径流样品，直至不形成径流。样品采集后，在24h内带回实验室分析降雨径流中的总氮、总磷污染物浓度。比如绿地，在绿地平坦处放置降水自动监测设备或采用附近国家气象站点降水自动监测数据，开始降水并形成径流时，在绿地地势低洼处每5min采集一次降水径流样品，直至不形成径流。样品采集后，在24h内带回实验室分析降雨径流中的总氮、总磷污染物浓度。
S2.3：根据S2.1的城市氮磷面源污染物累积-冲刷模型，和S2.2构建的场次降水地面数据集，完成模型的本地化。
模型的本地化是指结合评估地区的实际情况，通过对模型的参数进行选择，对参数赋予合适的数值等，从而使模型的评估结果更加贴近评估地区的实际情况。
参数的选择可以根据场次降水地面数据集和记载有该地区的地质、气象、水文、环境等相关信息的相关文献来进行。特别地，在参数选择时，应着重考虑该地区的自然特点和环境问题特点。
所述S3具体包括：
S3.1：按照S1构建的下垫面空间数据库，以遥感像元为单位将地面参数离散到遥感像元上，实现地面参数的空间离散，然后，根据下垫面类型的相似性，进行根据现有的地面参数对下垫面类型与其类似的地面参数进行参数数据移植；
所谓“空间离散”，是指：将没有空间概念的地面参数赋予地理信息(具体包括经纬度和下垫面类型等)，按照一定数据自身属性规则进行空间化，使上述地面参数具备地理空间信息而不改变其数值大小的过程。
具体而言，例如，某评估区域中，目前已经掌握了实测积累的地面参数及其数值，并掌握了该评估区域的相关文献中记载的地面参数及其数值。然而这些地面参数仅仅是作为数据资料而存在，并没有与地理信息(空间信息)结合起来。而空间离散的作用在于，将这些作为数据资料存在的地面参数与地理信息(空间信息)结合起来，对这些地面参数赋予地理信息(空间信息)。结合的方式是：按照一定数据自身属性规则进行空间化。即，将数据资料中的水文信息(例如水体面积、长度、流量等)与该水体的地理位置对应起来。
空间离散的方法没有特别的限制，本领域技术人员可以采用现有的软件平台来实现。例如，可以依靠ArcGIS软件平台结合经纬度信息构建矢量图层，然后通过空间插值实现数据空间离散。另外，也可以通过ENVI/IDL软件的波段运算功能或者IDL编写程序实现。例如，基于ENVI/IDL软件开发平台，采用IDL语言编译计算程序，基于S1中遥感提取的空间数据库，结合地面响应类别的数据参数，实现屋顶、路面、绿地、林地模型参数的空间化。
而后，根据下垫面类型的相同性或相似性，进行根据现有的地面参数对下垫面类型与其相同或类似的地面参数进行参数数据移植。
为了更为精确地对评估地区的城市氮磷面源污染进行评估，往往需要更为详细的数据资料。然而，城市的氮磷面源污染的评估存在以下特殊问题：
①下垫面类型复杂多样。
城市的下垫面包括：屋顶、道路、水体、绿地、自然湿地、施工用地、农田、林地、温室大棚以及未利用土地等等，相比于农业用地等，其复杂程度更高。
②下垫面的分布不均，其难以统计。
城市的下垫面类型主要取决于城市的自然环境、城市规划、经济发展需要，因而出现了下垫面破碎严重，分布不均，各种类型的下垫面交错渗透现象明显。造成了城市下垫面的统计非常困难。
③下垫面是动态而变化的，并非稳定状态。
农业用地、林业用地等区域中的下垫面类型通常多年不变。然而，城市的下垫面由于城市的开发和规划，几乎每时每刻都在发生变化。例如，将绿地变为商场，则减少了绿地的面积，而增加了屋顶的面积。这样就造成了下垫面的污染情况非常难以把握。
为了更为精确地评估城市氮磷面源污染的风险和强度，需要尽可能多地掌握城市的各种下垫面的地面参数。然而，由于上述①～③的问题的存在，导致这样的参数非常难以全面而准确地获得。这极大地影响了城市氮磷面源污染评估的精确度。
在本发明中，针对这种由于资料和数据有限导致的影响城市氮磷面源污染评估精度的问题，提出了“以遥感像元为单位将地面参数离散到遥感像元上，实现地面参数的空间离散，然后，根据下垫面类型的相似性，进行根据现有的地面参数对下垫面类型与其类似的地面参数进行参数数据移植”的评估方法，从而实现了即使评估区域的现有资料和数据有限，仍然能够高精度地对城市氮磷面源污染进行评估。
具体而言，例如，在某一评估区域中，针对某种类型的屋顶(例如其坡度为10°，水泥底面，面积为300平方米，以下称为“屋顶A”)这一下垫面在场次降水中产生的氮磷污染物进行了检测，获得了检测数据。然而，在该评估区域中，与该屋顶相同或类似的屋顶可能存在成千上万个，不可能对每个屋顶都进行数据检测，因此，实际操作中，是无法实际检测每一个屋顶的氮磷污染物产生量的。然而，在本申请的发明中，首先，将“屋顶A”的氮磷污染物实测数据(即地面参数)进行空间离散，对该“屋顶A”的氮磷污染物实测数据赋予空间信息，使该“屋顶A”的氮磷污染物实测数据与“屋顶A”实际的地理位置对应起来。然后，对该评估区域进行遥感图像的解译，将该评估区域内的与“屋顶A”相同或类似的屋顶识别出来。接着，对于与“屋顶A”完全相同的另一屋顶(例如与“屋顶A”同属一个社区且户型相同的屋顶，以下称为“屋顶B”)，可以将“屋顶A”的氮磷污染物实测数据赋值到“屋顶B”上，从而相当于对“屋顶B”也进行了实际检测。另外，对于并不是与“屋顶A”完全相同，而是稍有差别的屋顶(例如，面积为“屋顶A”的两倍，即600平方米；或者，坡度为6°等，以下称为“屋顶C”)，则根据实际经验中已经掌握的“屋顶A”与“屋顶C”之间氮磷污染物的产生量的关系进行换算，并将换算之后的氮磷污染物数据移植到“屋顶C”中，从而实现评估区域内所有屋顶的参数数据移植。
这样一来，即使仅仅知晓评估区域内一种下垫面类型的少量(甚至仅一处)的实测污染源相关数据或文献记载的污染源相关数据，通过遥感技术进行空间离散，并进行参数数据移植，就可以获得评估区域内几乎所有该类型下垫面的地面参数数据。由此，以极为有限的实测数据和相关资料就可以实现高精度的评估，而且极大地节省了为获得实测数据和相关资料所需的人力、物力以及时间成本。
另外，以往，可以通过增加实测点积累实测数据，从而提高评估精确度。但是，无论再怎么增加实测点，也不可能实现同一下垫面类型的所有区域(例如上述例子中的每一处屋顶)全覆盖，所谓“全覆盖”是完全没有可操作性的。而通过本发明的方法，却可以对同一下垫面中的所有区域(例如上述例子中的每一处屋顶)全部赋值，从而极大地提高评估的精确度。
另外，根据本发明的评估方法，由于采用了遥感技术，因此，可以对大尺度(例如城市尺度)或超大尺度(例如城市群尺度)的评估区域进行高精度评估，为整个城市或城市群的整体污染控制以及环境规划提供有力的数据支持。
再者，通过空间离散技术使得有限的地面调查数据落到遥感像元上，可以进一步实现大尺度空间运算，运算结果呈现为图像的形式，可视化效果强烈，所有下垫面的氮磷面源污染强度等信息一目了然。同时，且可以深入完成大尺度空间统计分析。
参数数据移植的方法没有特别的限定，可以采用以下方法：采用程序编译方式按照编码逐像元读取下垫面参数，根据下垫面数据类型的相同性和相似性，将现有的下垫面参数数据对相同或相似的下垫面赋予数值，从而实现参数数据移植。
在本发明中，采用了下述程序(1)来实现参数数据移植。需要说明的是，下述程序(1)仅仅是实现参数数据移植的一个手段，本领域技术人员显然可以根据需要基于现有技术和公知常识自行撰写其他程序或采用其他方法来实现参数数据移植。换言之，本发明的实现也并非必须依靠下述程序(1)。
下述程序(1)采用IDL语言编译，并在ENVI/IDL软件平台实现。
程序(1)：
S3.2：根据S2建立的本地化模型体系，计算场次降水的城市氮磷面源污染负荷；
基于ENVI/IDL软件开发平台，采用IDL语言编译计算程序，将S2.1的模型算法采用IDL计算语言进行算法编译，完成场次降水的城市氮磷面源污染负荷计算。
S3.3：将S3.2中的场次降水氮磷面源污染负荷进行加和，得到年度城市氮磷面源污染总量。
场次降水产生的总氮总磷负荷与径流时间相乘得到单次降水产生的面源污染量，一年内n次降水产污量相加得到全年的城市面源污染产物量。其中径流时间参数通常由试验获取，在没有实验数据的情况下，初步按照如下规律确定径流时间：1)假设不考虑屋面、道路径流的“填洼”过程，初步认为24小时降雨量达到10mm时，径流时间近似等于降水历时；小雨持续4h以上，认为径流时间等于降水历时减去4h。2)对于绿地/林地路面，当P≥0.2S时，径流时间近似等于降水历时；P＜0.2S时，径流时间为0。其中，参数S确定方法如下
其中，参数S是与土壤类型、土地利用及坡度等因素有关的空间变量，为径流开始后的最大可能持水，CN是土壤最大蓄水能力参数，其大小与流域的土壤类型、植被覆盖种类及土壤利用状况等有关，可查阅文献获取；P为一次降水总量(mm)。
实施例
下面，列举实施例对本发明的评估方法进行说明，并说明本发明的优异的技术效果。然而，本实施例仅仅是本发明的技术方案的一个例子，并不对本发明的技术方案构成限定。
作为采用了本发明的评估方法进行了城市氮磷面源污染进行了评估的一个实施例，本发明的发明人，对北京市通州区的城市氮磷面源污染进行了评估。
北京市通州区位于北京市东南部，区域地理坐标北纬39°36′～40°02′，东经116°32′～116°56′，东西宽36.5公里，南北长48公里，面积906平方公里，2016年常住人口为140万。通州区西临朝阳区、大兴区，北与顺义区接壤，东隔潮白河与河北省三河市、大厂回族自治县、香河县相连，南和天津市武清区、河北省廊坊市交界。
发明人根据项目要求，根据北京市通州区的城市生态系统下垫面特征、通州区城市规划图、城市功能区划和现有文献等，构建了通州区城市氮磷面源污染遥感监测下垫面精细分类体系。
通过商购购得通州区高分辨卫星遥感数据，并对该数据进行了几何纠正、辐射定标、大气纠正等预处理。
通过采用面向对象分类法对下垫面信息进行提取，从而确定下垫面的类别。具体而言，可以采用Ecognition软件来实现下垫面类型识别和确定。得到图2所示下垫面空间信息遥感图。
将下垫面参数按照下垫面空间数据库类别编码建立文本数据库。
采用上述式(1)～(3)的城市氮磷面源污染物累积-冲刷模型。
场次降水试验数据集采用以下具体操作建立。在北京市通州区示范区选择屋顶、路面以及绿地/林地作为下垫面。分别架设降水自动监测设备，开展降水过程监测试验。其中，共选择一处屋顶设置自动监测设备，共选择一处路面设置自动监测设备，共选择一处绿地/林地设置自动监测设备。同步在近地面雨水立管处每5min采集一次径流样品，连续采集2h。样品采集后，在24h内带回实验室分析降雨径流的总氮总磷污染物，最终形成场次降水过程数据集。
结合场次降水地面数据集和文献检索得到相关文献发表的成果，确定通州示范区的本地化模型体系，具体模型参数见下表1。
表1
按照构建的下垫面空间数据库，以遥感像元为单位将上述表1中的地面参数离散到获取的通州区的遥感图像的像元上，对上述表1中的参数赋予地理信息(空间信息)，实现地面参数的空间离散。然后，根据遥感图像中下垫面类型的相似性，针对表1中所列的各种下垫面类型，将与这些下垫面类型相同或相似的下垫面类型进行参数数据移植。具体而言，采用程序编译方式按照编码逐像元读取下垫面参数数据，根据下垫面数据类型的相同性和相似性，将现有的下垫面参数数据对相同或相似的下垫面赋予数值，从而实现参数数据移植。具体而言，本实施例中，参数数据移植采用上述程序(1)来实现。
根据上述式(4)，计算场次降水的城市氮磷面源污染负荷，而后，将场次降水氮磷面源污染负荷进行加和，得到通州区年度城市氮磷面源污染总量。
通州区场次单位面积总氮积累量示于图3，通州区场次单位面积总氮冲刷量示于图4。
由图3和图4可以看出：
1.图中每个像元(分辨率为0.5m×0.5mm)都给出了场次降水总氮/总磷冲刷量，实现了空间连续且高精度地评估。而在以往的评估方法中，是难以实现如此高精度的空间分辨率的。
2.将评估对象地区的氮磷面源污染强度清楚地可视化。在以往的评估中，只能以表格或者文字的形式显示氮磷面源污染的强度。然而，采用本发明的评估方法时，不仅可能以图像形式清楚地看到评估对象区域的氮磷面源污染强度，而且，还可以一目了然地看出污染的分布、转移、扩散等信息。例如，从图3和图4中可以清楚地看出，城区氮磷面源污染冲刷负荷明显高于郊区。而且，可以看出，从评估对象区域的西北向东南，污染强度逐渐减弱的分布趋势。
3.根据图中各个像元的场次降水总氮/总磷冲刷量进行加和平均，得到城市面源污染TN冲刷负荷强度为0.98t/km2，城市面源污染TP冲刷负荷强度为0.077t/km2。
通州区年度单位面积总氮积累量示于图3，通州区年度单位面积总氮冲刷量示于图4。
由图5和图6可以看出：
1.图中每个像元(分辨率为0.5m*0.5m)都给出了年降水总氮/总磷冲刷量，实现了空间连续且高精度地评估。而在以往的评估方法中，是难以实现如此高精度的空间分辨率的。
2.根据图中各个像元的年降水总氮/总磷冲刷量进行加和，得到城市面源污染年TN冲刷量为383.8t，城市面源污染年TP冲刷量为30.3t。其中城区和郊区TN冲刷量分别为193.2t和190.6t。TN冲刷量分别为15.0t和15.3t。
另外，为了验证本申请的城市氮磷面源污染评估方法的精确性，本申请的发明人与中国科学院沈阳生态研究所的相关研究人员对本申请的评估方法的精确性进行了测定。
沈阳生态研究所的研究人员采用SWMM模型对与本申请的评估对象区域相同区域的城市氮磷面源污染进行模型模拟，从而得到了TN和TP的冲刷负荷强度。
表2
从表1可知，本发明的评估方法的评估结果与模型模拟结果非常一致，从而可以确认，本发明的评估方法具有相当高的精确度。
由上述实施例可以明确得知，本发明切实地实现了以下的技术效果：
(1)在资料和数据极为有限的情况下，仍然能够实现城市氮磷面源污染强度的评估
在上述实施例中，对于屋面、路面、绿地/林地三个下垫面分别仅仅设置了一处监测设备，就实现了整个通州区的城市氮磷我面源污染强度的评估。根据本发明的方法，不仅节约了大量用于获得基础检测数据的人力、物力、时间成本，使得城市氮磷面源污染强度的评估变得非常具有操作性。
(2)一次性评估的对象区域尺度非常大
在上述实施例中，采用极为有限的数据的就实现了通州区约900平方公里的面积的城市氮磷面源污染的评估。然而，该实施例仅仅是本申请的发明的一个例子。本申请的评估方法基于其评估原理，理论上可以扩大到整个城市行政区域的氮磷面源污染的评估，甚至可以对城市群进行氮磷面源污染的评估。这就为城市的氮磷面源污染的综合治理以及不同城市之间针对污染的协同治理提供了有利的理论和数据依据。从而克服了以往头痛医头脚痛医脚无法综合治理的问题。
(3)评估精度高
这里所谓的精度高包括：评估精度高和空间精度高。
如上实施例所示，根据本申请发明的方法得到的评估结果与采用SWMM模型模拟结果一致性非常高，二者相互印证。
另外，本申请的评估方法中引入了遥感技术。从而实现了评估的非常高的空间分辨率。在本申请的实施例中，实现了0.5m×0.5m的分辨率，而这样的空间分辨率是不可能采用以往的方法实现的。
(4)动态评估
由于本申请采用的空间离散和参数数据移植的方法，可以非常简单地针对每场次降雨进行氮磷污染的监测和评估，从而形成在一段时间段(例如一年)内，动态的评估结果。
(5)可视化
本申请的发明所获得的结果都以可视化的图像呈现。相较于以往的仅以表格和文字呈现，可视化效果非常优异。污染的分布、扩散和动态均可一目了然。
本发明可以在资料有限的情况下实现城市面源污染量估算，在整个城区依据不同下垫面实现城市氮磷面源污染负荷的时空分布，模型方法基于遥感尺度计算，因此可以适用于城市群同步估算，非常适用于政府管理部门对城市面源污染情况的高效评估。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (7)
1.一种基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，包括以下步骤：
S1：构建典型城市氮磷面源污染相关下垫面空间数据；
S2：结合已有城市面源污染数据库和降水径流实测数据选取累积、冲刷参数，完成模型本地化；
S3：依据S1中空间数据库将S2中参数进行空间离散，完成城市TN、TP面源污染负荷遥感像元尺度的估算。
2.如权利要求1所述的基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，所述S1进一步包括如下步骤：
S1.1：根据城市生态系统下垫面特征、城市规划图、城市功能区划和现有文献在内的现有资料，按照城区和郊区两大类别构建城市面源污染遥感监测下垫面精细分类体系；
S1.2：下载高分辨卫星遥感数据，并对所述遥感数据进行预处理，所述高分辨卫星遥感数据包括GF以及worldview，所述预处理包括几何纠正、辐射定标、大气纠正；
S1.3：基于面向对象分类方法，对图像进行模块化分割，对各类别的属性特征进行分析，所述属性特征包括形状、纹理以及光谱；
S1.4：按照S1.1的分类体系基于S1.3分析后的数据分别在城区和郊区进行下垫面矢量信息提取，构建城市面源污染相关下垫面空间数据库，所述下垫面选自屋顶、道路、水体、绿地、自然湿地、施工用地、农田、林地、温室大棚以及未利用土地；
S1.5：对S1.4构建的空间数据库进行人工检查，得到高精度的城市下垫面空间数据库，即城市下垫面空间精细分类矢量数据库。
3.如权利要求1所述的基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，所述S2进一步包括如下步骤：
S2.1：建立优化的城市氮磷面源污染物累积-冲刷模型；
S2.2：建立与S2.1配套的场次降水试验数据集；
S2.3：根据S2.1的城市氮磷面源污染物累积-冲刷模型，和S2.1构建的场次降水地面数据集，完成模型的本地化。
4.如权利要求1所述的基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，所述S3进一步包括如下步骤：
S3.1：按照S1构建的下垫面空间数据库，以遥感像元为单位将地面参数离散到遥感像元上，实现地面参数的空间离散，然后，根据下垫面类型的相似性，进行根据现有的地面参数对下垫面类型与其类似的地面参数进行参数数据移植；
S3.2：根据S2建立的本地化模型体系，计算场次降水的城市氮磷面源污染负荷；
S3.3：将S3.2中的场次降水氮磷面源污染负荷进行加和，得到年度城市氮磷面源污染总量。
5.如权利要求2所述的基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，所述S1.4中的城市下垫面空间精细分类矢量数据库选自：
城区/郊区屋顶矢量数据、城区/郊区道路矢量数据、城区/郊区水体矢量数据、城区绿地矢量数据、城区自然湿地矢量数据、城区施工用地矢量数据、郊区农田矢量数据、郊区林地矢量数据、郊区温室大棚矢量数据、郊区未利用地矢量数据。
6.如权利要求1所述的基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，所述过程S2具体包括：
考虑大气干湿沉降量，将干沉降量考虑在初始的污染物累积量中，用以校验参数污染物最大累积量参数；而在计算冲刷过程时，污染物累积量要考虑到湿沉降量；考虑城市街道、小区的垃圾清理因素，利用考虑了垃圾清理频率的等效晴天累积天数代替原晴天累积天数；针对典型下垫面绿地径流深参数进行本地化细化。
7.如权利要求4所述的基于遥感尺度的城市氮磷面源污染评估方法，其特征在于，所述S3.3中的污染负荷和污染总量具体包括：场次降水产生的总氮污染负荷和总磷污染负荷，年多次降水总共产生的总氮污染总量和总磷污染总量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910138380.8A CN110390460A (zh) | 2019-02-25 | 2019-02-25 | 一种基于遥感尺度的城市氮磷面源污染评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910138380.8A CN110390460A (zh) | 2019-02-25 | 2019-02-25 | 一种基于遥感尺度的城市氮磷面源污染评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110390460A true CN110390460A (zh) | 2019-10-29 |
Family
ID=68284843
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910138380.8A Pending CN110390460A (zh) | 2019-02-25 | 2019-02-25 | 一种基于遥感尺度的城市氮磷面源污染评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110390460A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541611A (zh) * | 2020-10-28 | 2021-03-23 | 中国农业科学院农业资源与农业区划研究所 | 一种雨养农用地面源污染排放量预测方法及系统 |
| CN116341898A (zh) * | 2023-02-15 | 2023-06-27 | 中国科学院精密测量科学与技术创新研究院 | 农业面源污染风险分期-分区-分源协同识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120297028A1 (en) * | 2010-01-21 | 2012-11-22 | Pranamesh Das | Integrated remote pollution monitoring and indexing system and method thereof |
| 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 |
| CN106528788A (zh) * | 2016-11-09 | 2017-03-22 | 上海市政工程设计研究总院（集团）有限公司 | 基于gis技术分析地面雨径流污染空间分布特征的方法 |
| CN108536908A (zh) * | 2018-03-01 | 2018-09-14 | 北京师范大学 | 基于非点源氮磷流失风险对流域水环境安全评估的方法 |
-
2019
- 2019-02-25 CN CN201910138380.8A patent/CN110390460A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120297028A1 (en) * | 2010-01-21 | 2012-11-22 | Pranamesh Das | Integrated remote pollution monitoring and indexing system and method thereof |
| 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 |
| CN106528788A (zh) * | 2016-11-09 | 2017-03-22 | 上海市政工程设计研究总院（集团）有限公司 | 基于gis技术分析地面雨径流污染空间分布特征的方法 |
| CN108536908A (zh) * | 2018-03-01 | 2018-09-14 | 北京师范大学 | 基于非点源氮磷流失风险对流域水环境安全评估的方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541611A (zh) * | 2020-10-28 | 2021-03-23 | 中国农业科学院农业资源与农业区划研究所 | 一种雨养农用地面源污染排放量预测方法及系统 |
| CN112541611B (zh) * | 2020-10-28 | 2024-03-29 | 中国农业科学院农业资源与农业区划研究所 | 一种雨养农用地面源污染排放量预测方法及系统 |
| CN116341898A (zh) * | 2023-02-15 | 2023-06-27 | 中国科学院精密测量科学与技术创新研究院 | 农业面源污染风险分期-分区-分源协同识别方法 |
| CN116341898B (zh) * | 2023-02-15 | 2023-11-03 | 中国科学院精密测量科学与技术创新研究院 | 农业面源污染风险分期-分区-分源协同识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khawaldah et al. | Simulation and prediction of land use and land cover change using GIS, remote sensing and CA-Markov model. | |
| Abushandi et al. | Modelling rainfall runoff relations using HEC-HMS and IHACRES for a single rain event in an arid region of Jordan | |
| Subramani et al. | Study of groundwater quality with GIS application for Coonoor taluk in Nilgiri district | |
| CN108133310A (zh) | 一种人类活动和气候变化对河川径流影响的综合评估方法 | |
| Miller et al. | Refining flood estimation in urbanized catchments using landscape metrics | |
| CN106528788B (zh) | 基于gis技术分析地面雨径流污染空间分布特征的方法 | |
| Gyenizse et al. | Landscape shape index, as a potencial indicator of urban development in Hungary | |
| Le Vine et al. | Diagnosing hydrological limitations of a land surface model: application of JULES to a deep-groundwater chalk basin | |
| CN110287615A (zh) | 一种基于遥感解译和降雨实验的雨水径流污染负荷测算方法 | |
| Karamage et al. | Spatial relationship between precipitation and runoff in Africa | |
| Hammouri et al. | Hydrological modeling of ungauged wadis in arid environments using GIS: a case study of Wadi Madoneh in Jordan | |
| Msaddek et al. | Hydrological modeling of upper OumErRabia basin (Morocco), comparative study of the event-based and continuous-process HEC-HMS model methods | |
| CN110390460A (zh) | 一种基于遥感尺度的城市氮磷面源污染评估方法 | |
| Niyazi et al. | Sustainable and resilient management scenarios for groundwater resources of the Red Sea coastal aquifers | |
| CN104698508A (zh) | 一种用于土壤侵蚀野外调查的便携式装置及方法 | |
| Guler et al. | Assessment of some spatial climatic layers through GIS and statistical analysis techniques in Samsun Turkey | |
| Mengistu | Watershed hydrological responses to changes in land use and land cover, and management practices at Hare Watershed, Ethiopia | |
| Manos et al. | A decision support system approach for rivers monitoring and sustainable management | |
| Kinoti | Integraded hydrological modeling of surface and groundwater interactions in Heuningnes catchment (South Africa) | |
| CN107389039A (zh) | 一种应用于水利工程的放样系统 | |
| Daoud | Integrated hydrological model to study surface-groundwater interaction in hard rock systems using an unstructured grid approach, the Sardon Catchment, Spain | |
| NIHARIKA et al. | Simulation of runoff in Baitarani basin using composite and distributed curve number approaches in HEC-HMS model | |
| Waithaka et al. | Assessing the effects of land use/land cover change on discharge using SWAT model in river ruiru watershed, kiambu county, Kenya | |
| Kharchaf et al. | The contribution of the geospatial information to the hydrological modelling of a watershed with reservoirs: case of low Oum Er Rbiaa Basin (Morocco) | |
| Khemiri et al. | DEM-Based GIS Algorithms and 3D Geospatial Mapping for Creation of Hydrogeological Models Data in Foussana Basin (Central Tunisia) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100094 satellite environment application center of the Ministry of ecological environment, No.4 Fengde East Road, Yongfeng base, Haidian District, Beijing Applicant after: Satellite Environmental Application Center of Ministry of Ecology and Environment Address before: 100094 satellite environment application center, Ministry of environmental protection, No. 4 Feng Tak East Road, Yongfeng base, Beijing, Haidian District Applicant before: SATELLITE ENVIRONMENT CENTER, MINISTRY OF ENVIRONMENTAL PROTECTION |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191029 |