CN110889196B - 基于水质模型的水环境承载力评估方法、装置及存储介质 - Google Patents
基于水质模型的水环境承载力评估方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110889196B CN110889196B CN201911054111.XA CN201911054111A CN110889196B CN 110889196 B CN110889196 B CN 110889196B CN 201911054111 A CN201911054111 A CN 201911054111A CN 110889196 B CN110889196 B CN 110889196B
- Authority
- CN
- China
- Prior art keywords
- water quality
- water
- quality data
- bearing capacity
- river
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于水质模型的水环境承载力评估方法、装置及存储介质,包括:获取目标水域的第一河流水质数据;将第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,第二河流水质数据包括目标水域的污染物指标;将第二河流水质数据输入预设的第二水质模型,以获得水环境承载力;输出目标水域的水环境承载力。本发明提供的基于水质模型的水环境承载力评估方法、装置及存储介质,由于通过第一水质模型对第一河流水质数据进行了优化,解决了河流水质数据数据精度低,密度低和时效性差,不能完全反映河流水质污染状况,影响水环境承载力评估的准确性的问题。
Description
技术领域
本发明涉及环境检测技术领域,尤其涉及一种基于水质模型的水环境承载力评估方法、装置及存储介质。
背景技术
水环境承载力(WECC,water environmental carrying capacity)主要是指水体为社会经济发展提供资源,消除城乡和工厂排放污染物的主要能力,是水资源生态功能、社会经济发展与生态保护平衡的重要评价指标。近几十年来,水环境承载力作为研究区域生态环境问题和评价区域可持续发展能力的最有力和最有效的工具,已被众多研究者广泛应用。
水环境承载力是一个涉及人口、经济、地表水、地下水和水处理技术等多个系统的复杂体系,其中河流水质污染状况作为最主要的评估指标,通常被大多数学者纳入到水环境承载力评价指标体系中,对于河流水质的监测主要以水质监测站为主,但现有技术中由于受客观自然条件的限制,监测站之间的距离往往相距较远,例如省级监测站的间距通常为可达10公里以上。
所以现有技术中,由于受到监测站地理位置的限制,采集的河流水质数据数据精度低,密度低和时效性差,不能完全反映河流水质污染状况,影响水环境承载力评估的准确性。
发明内容
本发明提供一种基于水质模型的水环境承载力评估方法、装置及存储介质,用以解决水环境承载力评估准确性低的问题。
根据本公开实施例的第一方面,本发明提供了一种基于水质模型的水环境承载力评估方法,所述方法包括:
获取目标水域的第一河流水质数据;
将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,所述第二河流水质数据包括所述目标水域的污染物指标;
将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力;
输出所述目标水域的水环境承载力。
可选地,所述第一水质模型为QUAL2Kw水质模拟模型,所述将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,包括:
将所述第一河流水质数据输入QUAL2Kw水质模拟模型;
通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据。
可选地,所述第一河流水质数据包括第一水质数据序列和与所述第一水质数据序列对应的第一位置数据序列,所述通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据,包括:
获取所述第一水质数据序列和所述第一位置数据序列;
根据所述QUAL2Kw水质模拟模型对所述第一水质数据序列和所述第一位置数据序列进行校准,以获得第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列;所述第二位置数据序列内的位置数据的个数多于所述第一位置数据序列内的位置数据的个数。
将所述第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出。
可选地,所述第二水质数据序列为所述污染物指标在所述第二位置数据序列对应处的数值。
可选地,将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力,包括:
获取所述第二水质模型内所述目标水域对应的预设环境信息;
根据所述污染物指标和所述环境信息,评估所述目标水域的水环境承载力。
可选地,所述根据所述污染物指标和所述环境信息,评估所述目标水域的水环境承载力,包括:
根据所述环境信息,获取与所述目标水域匹配的水环境承载力评估策略;
根据所述水环境承载力评估策略和所述污染物指标,评估所述水环境承载力。
可选地,在所述将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力之前,还包括:
根据所述目标水域的环境情况,在所述第二水质模型内设置与所述目标水域相匹配的环境信息。
可选地,所述目标水域有多个,在所述输出所述目标水域的水环境承载力之后,还包括:
利用空间聚类算法将不同目标水域进行聚类分析,获得多个目标水域的水环境承载力分布图;
显示所述水环境承载力分布图。
根据本公开实施例的第二方面,本发明提供了一种基于水质模型的水环境承载力评估装置,包括:
获取模块,用于获取目标水域的第一河流水质数据;
水质数据计算模块,用于将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,所述第二河流水质数据包括所述目标水域的污染物指标;
水环境承载力评估模块,用于将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力;
输出模块,用于输出所述目标水域的水环境承载力。
可选地,所述第一水质模型为QUAL2Kw水质模拟模型,所述水质数据计算模块,具体用于:
将所述第一河流水质数据输入QUAL2Kw水质模拟模型;
通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据。
可选地,所述第一河流水质数据包括第一水质数据序列和与所述第一水质数据序列对应的第一位置数据序列,所述水质数据计算模块,在通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据时,具体用于:
获取所述第一水质数据序列和所述第一位置数据序列;
根据所述QUAL2Kw水质模拟模型对所述第一水质数据序列和所述第一位置数据序列进行校准,以获得第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列;所述第二位置数据序列内的位置数据的个数多于所述第一位置数据序列内的位置数据的个数。
将所述第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出。
可选地,所述第二水质数据序列为所述污染物指标在所述第二位置数据序列对应处的数值。
可选地,所述水环境承载力评估模块,具体用于:
获取所述第二水质模型内所述目标水域对应的预设环境信息;
根据所述污染物指标和所述环境信息,评估所述目标水域的水环境承载力。
可选地,所述水环境承载力评估模块,在根据所述污染物指标和所述环境信息,评估所述目标水域的水环境承载力时,具体用于:
根据所述环境信息,获取与所述目标水域匹配的水环境承载力评估策略;
根据所述水环境承载力评估策略和所述污染物指标,评估所述水环境承载力。
可选地,所述基于水质模型的水环境承载力评估装置,还包括:
设置模块,用于根据所述目标水域的环境情况,在所述第二水质模型内设置与所述目标水域相匹配的环境信息。
可选地,所述基于水质模型的水环境承载力评估装置,还包括:
分布图获取模块,用于利用空间聚类算法将不同目标水域进行聚类分析,获得多个目标水域的水环境承载力分布图;
显示模块,用于显示所述水环境承载力分布图。
根据本公开实施例的第三方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如本公开实施例第一方面任一项所述的基于水质模型的水环境承载力评估方法。
本发明提供的基于水质模型的水环境承载力评估方法、装置及存储介质,通过获取目标水域的第一河流水质数据;将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,所述第二河流水质数据包括所述目标水域的污染物指标;将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力;输出所述目标水域的水环境承载力,由于通过第一水质模型对第一河流水质数据进行了优化,提高了河流水质数据的精度、密度和时效性,进而提高了水环境承载力评估的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本发明一个实施例提供的基于水质模型的水环境承载力评估方法的流程图;
图2为本发明另一个实施例提供的基于水质模型的水环境承载力评估方法的流程图;
图3为图2所示实施例中步骤S203的流程图;
图4为图2所示实施例中步骤S205的流程图;
图5为本发明再一个实施例提供的基于水质模型的水环境承载力评估方法的流程图;
图6为本发明一个实施例提供的基于水质模型的水环境承载力评估装置的结构示意图;
图7为本发明另一个实施例提供的基于水质模型的水环境承载力评估装置的结构示意图;
图8为本发明一实施例提供的电子设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本发明所涉及的名词进行解释:
水环境承载力:水环境承载力是反映水环境系统支持人类社会发展能力的一种有效手段。它是水资源、水环境等自然要素综合承载能力的有机结合,同时考虑自然环境与人类社会的相互作用,描述了水环境系统的客观能力和系统属性,全面体现了水的资源属性、环境价值和服务功能,从而寻求人类社会与自然生态系统和谐相处的可持续发展道路。
QUAL2Kw模型:QUAL2K模型是美国国家环保局(U.S.EPA)推出的一个综合性、多用途的河流综合水质模型,QUAL2Kw模型是Pelletier等人在QUAL2K模型的基础上开发的扩展版本,在模型中使用遗传算法来识别参数的组合,从而得到最适合应用的参数,模型适用于枝状河流的河流水体水质评估。
在评估目标水域的水环境承载力的过程中,对于河流水质的监测主要以水质监测站为主,现有技术中,由于受客观自然条件的限制,监测站之间的距离往往相距较远,例如省级监测站的间距通常为可达10公里以上。河流水质数据的地理位置分布密度低,无法准确的获取河流各位置段的河流水质数据,同时,由于水质监测站的数据采集和整理需要一定的时间,而获取各个水质数据站的数据,本身也需要一定的时间,因此会造成获取水质数据在时间上的延迟,影响评估结果的时效性。因此,现有技术中通过水质监测站获取数据的方法,造成了水质数据在位置精度和时间精度方面的缺陷,进而影响目标水域的水环境承载力评估的准确性。
本发明提供的基于水质模型的水环境承载力评估方法、装置及储存介质,旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本发明一个实施例提供的基于水质模型的水环境承载力评估方法的流程图,如图1所示,本实施例提供的基于水质模型的水环境承载力评估方法包括以下几个步骤:
步骤S101,获取目标水域的第一河流水质数据。
具体地,水域包括但不限于江河、湖泊、运河、渠道、水库、水塘及其管理范围和水工设施;目标水域为待进行水环境承载力评估的水域。对目标水域进行水质数据采集,以获得第一河流水质数据,可选地,第一河流数据包括目标水域的流量、流速、位置信息、温度、化学消耗量、溶解氧含量、无机悬浮颗粒物、总氨含量、总氮含量等。
获取第一河流水质数据的方法,可以通过传统的水质监测站获取,也可以通过其他资料获取,此处不做具体限定。可选地,为了获得更好数据更准确,使数据更具有代表性,可选择典型区域进行数据采集。例如,河流的指定区域,该指定区域可根据水域条件和具体的需求不同进行调整,此处不做具体限定。
步骤S102,将第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,第二河流水质数据包括目标水域的污染物指标。
由于第一河流数据采用传统的方法获取,存在精度低和时效性低的问题,因此将第一河流数据通过预设的第一水质模型进行优化,以获得优化后的第二河流水质数据,优化后的第二河流水质数据具有更好的精度和/或,时效性。第二河流水质数据中包括目标水域的污染物指标,能够作为对目标水域水环境承载力进行评估的参数。
步骤S103,将第二河流水质数据输入预设的第二水质模型,以获得水环境承载力。
具体地,第二水质模型为评估水环境承载力的数学模型,第二水质模型内包括污染物指标与水环境承载力的映射关系,根据第二河流水质数据,能够评估目标水域的水环境承载力。
步骤S104,输出目标水域的水环境承载力。
将根据第二水质模型获得的目标水域的水环境承载力输出,用于后续处理步骤。
本实施例中,通过获取目标水域的第一河流水质数据;将第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,第二河流水质数据包括目标水域的污染物指标;将第二河流水质数据输入预设的第二水质模型,以获得水环境承载力;输出目标水域的水环境承载力,由于通过第一水质模型对第一河流水质数据进行了优化,提高了河流水质数据的精度、密度和时效性,进而提高了水环境承载力评估的准确性。
图2为本发明另一个实施例提供的基于水质模型的水环境承载力评估方法的流程图,如图2所示,本实施例提供的基于水质模型的水环境承载力评估方法在图2所示实施例提供的基于水质模型的水环境承载力评估方法的基础上,对步骤S102和步骤S103进一步细化,则本实施例提供的基于水质模型的水环境承载力评估方法包括以下几个步骤:
步骤S201,获取目标水域的第一河流水质数据。
步骤S202,将第一河流水质数据输入QUAL2Kw水质模拟模型。
其中,QUAL2Kw水质模拟模型为图1所示实施例中第一水质模型的一种可选水质模型。
QUAL2Kw水质模拟模型可以根据输入的河流水质数据,精确地对河流污染物进行模拟,模拟的精度可根据需要进行设置。例如,将河流污染物的位置精度模拟至米;或者对河流污染物的流动及发展情况进行预测,例如,预测一个月之后河流污染物的分布情况。
步骤S203,通过QUAL2Kw水质模拟模型对第一河流水质数据进行校准,以获得第二河流水质数据。
由于第一河流水质数据的精度和时效性都较差,难以满足对目标水域的河流污染状况进行评估的要求,因此,将第一河流水质数据输入QUAL2Kw水质模拟模型后,利用QUAL2Kw水质模拟模型对河流污染物进行模拟,模拟后的污染物数据精度更高,更加贴近于真实的河流污染物情况。根据QUAL2Kw水质模拟模型模拟的污染物数据,对第一河流水质数据进行校准,获得精度更高,更加准确,时效性也更好的第二河流水质数据。
可选地,第一河流水质数据包括第一水质数据序列和与第一水质数据序列对应的第一位置数据序列,如图3所示,步骤S203包括步骤S2031、S2032和S2033三个具体的实现步骤:
S2031,获取第一水质数据序列和第一位置数据序列。
由于目标水域的地理位置跨度通常较大,随着地理位置的变化,其水质情况和污染物数据也会相应的有变化,因此,对于目标水域的评估要考虑地理位置对水质数据的影响。例如,在一条长度为20km的河流中,随着河流的延伸,河流中的某种污染物,可能随着河流由上游流至下游的过程中,逐渐积累,浓度增长;也可能被稀释,浓度降低。因此,第一水质数据中包括第一水质数据序列和与第一水质数据序列对应的第一位置数据序列,用以描述河流中不同位置的水质情况,以实现更精确的评估效果。可选地,第一水质数据序列和第一位置数据序列的数量一致,并一一对应,第一水质数据序列和第一位置数据序列的数量越多,密度越大,则位置信息越精确,相应的水质数据的精度越高。
S2032,根据QUAL2Kw水质模拟模型对第一水质数据序列和第一位置数据序列进行校准,以获得第二水质数据序列和与第二水质数据序列对应的第二位置数据序列;第二位置数据序列内的位置数据的个数多于第一位置数据序列内的位置数据的个数。
由于第一水质数据是通过传统的方式进行采集的,受到水质监测站地理位置等客观因素的响应,第一水质数据中的第一位置数据序列及对应的第一水质数据序列密度较为稀疏,无法用于对河流污染物情况进行准确的评估,因此,通过QUAL2Kw水质模拟模型对第一水质数据序列和第一位置数据序列进行校准,通过模拟数据,将低精度的第一水质数据序列和第一位置数据序列转换为高精度的第二水质数据序列和第二位置数据序列,由于第二位置数据的数据精度高,因此,第二位置数据序列内的位置数据的个数多于第一位置数据序列内的位置数据的个数。
S2033,将第二水质数据序列和与第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出。
第二水质数据序列和与第二水质数据序列对应的第二位置数据序列相比第一水质数据序列和与第一水质数据序列对应的第一位置数据序列,位置信息精度更高,能够更好地评估目标水域的水环境承载力,因此,将第二水质数据序列和与第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出,为后续的处理步骤提供数据支撑。
S204,获取第二水质模型内目标水域对应的预设环境信息。
水环境承载力的评估过程复杂,各个目标水域气候环境因素复杂,会导致其水环境承载力的评估结果不同。目标水域的污染物指标是重要参考指标,但同时也要考虑其他环境因素的影响,例如,干旱地区的水环境承载力和水土潮湿地区的水环境承载力,在污染物指标相同的情况,仍存在较大差异,因此,应根据目标水域具体的情况,考虑其对应的环境因素。
可选地,第二水质模型是根据目标水域的地区环境具体情况而设置的,不同地区的目标水域,对应的第二水质模型不同,第二水质模型内包括目标水域对应的预设环境信息,以实现对目标水域的水环境承载力更准确的评估效果。
S205,根据污染物指标和环境信息,评估目标水域的水环境承载力。
可选地,如图4所示,步骤S205包括步骤S2051和S2052两个具体的实现步骤:
S2051,根据环境信息,获取与目标水域匹配的水环境承载力评估策略。
环境信息包括目标水域所在区域的自然环境和社会环境中对目标水域产生影响的因素的集合,例如包括,水资源总量、气候条件、气压条件、土壤条件,以及人类居住情况、地区GDP总量等。根据目标水域的具体情况,环境信息中的参数内容,及各参数的权重,可能会不同,此处不对环境信息的内容做具体限定。
通过收集环境信息,获取目标水域匹配的水环境承载力评估策略,以实现更好的目标水域承载力评估效果。
S2052,根据水环境承载力评估策略和污染物指标,评估水环境承载力。
可选地,水环境承载力评估策略包括层次分析法。层次分析法简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法,其基本原理是通过已有数据和评价指标将复杂的问题层次化分解,建立一个具有相互内在联系及隶属关系的层次结构模型,然后根据一定标准化原则,两两比较构造判断矩阵,最终把问题归结为最下层相对于最上层的权重值及排序问题。根据层次分析法,获得污染物指标和环境信息的影响系数和参考值。
进一步地,可选地,影响系数和参考值,用于评估例如污染物指标和环境信息对水环境承载力的影响程度,例如,污染物指标中包括:溶解氧含量、无机悬浮颗粒物、总氨含量、总氮含量;对应的影响系数分别为:溶解氧含量—20%;无机悬浮颗粒物—13%、总氨含量—17%、总氮含量—22%;根据参考值,对上述污染物指标进行归一化处理后,分别乘以对应的影响系数,获得污染物指标中对应的水环境承载力影响值,分别为溶解氧含量—14;无机悬浮颗粒物—18、总氨含量—11、总氮含量—3。类似的,环境信息中包括:气候条件、土壤条件、地区GDP总量;对应的影响系数分别为:气候条件—8%、土壤条件—12%、GDP总量—2%。根据参考值,对上述环境信息进行归一化处理后,分别乘以对应的影响系数,获得环境信息中对应的水环境承载力影响值,分别为气候条件—11、土壤条件—15、GDP总量—5。将所有水环境承载力影响值相加,获得水环境承载力的评估值。
根据水环境承载力评估策略和污染物指标,能够对目标水域进行全面的评估,获得目标水域的环境承载力。
为了更好地公开步骤S2052中根据水环境承载力评估策略和污染物指标,评估水环境承载力的过程,下面以一个更具体的实施例来进行说明:
步骤1:建立一个多层次的递阶结构模型。
该递阶结构模型主要是指水环境承载力评估中建立的分层指标体系,主要包括目标层、准则层和指标层。
步骤2:构造两两比较的判断矩阵,并进行一致性检验。
在确定权重时,为了使结果更客观,需要构造两两比较矩阵,使各级元素相互比较,采用相对尺度,按照Santy等人提出的比例标度评价表(1-9数值标度法),构造出判断矩阵。bij=1/bjj(其中,bij表示指标元素i相对于j的重要性程度),计算判别矩阵每一行元素的乘积Mi:
计算判断矩阵的最大特征值λmax与一致性检验。
一致性检验CR若小于0.1,说明有较好的一致性,符合研究期望,赋权结果较合理;若大于0.1需要调整修正。
步骤3:计算各层元素对系统目标的合成权重,通过总排序确定层次结构模型中最低层中各项因子在总目标层中的权重值,其计算公式为:
其中,Wbj是bj(准则层)相对于目标层的重要性权重值;Wci是ci(指标层)相对于bj(准则层)的重要性权重值。
步骤4:指标层指标数据标准化。
为了消除各指标的单位的原始数据和数量级的差异,有必要进行数据标准化。不同性质的相关指标一般可以分为积极的和消极的,计算公式如下:
其中,fi是在该地区第i个指标的标准化值;Xi是第i个指标的原始值;Xmax和Xmin是第i个指标的最大值和最小值。公式(7)是正指数,而公式(8)是负指数。
水环境承载力指标体系中水污染负荷(B2)的原始数据由QUAL2Kw模型输入,其余指标数据需通过相关资料搜集。
步骤5:水环境承载力状况。
每个参评因子只反映某个方面的区域生态状况,而整个区域的水环境承载力是一个综合评价的过程,因此要对各评价因子进行叠加,最终得出整个区域的承载力状况,计算公式如下:
其中,PI为水环境承载力指数,W为指标层相对于目标层的综合权重,fi为指标层指标归一化指数。
S206,输出目标水域的水环境承载力。
本实施例中,步骤S201和步骤S206的实现方式与本发明图1所示实施例中的步骤S101和S104的实现方式相同,在此不再一一赘述。
图5为本发明再一个实施例提供的基于水质模型的水环境承载力评估方法的流程图,如图5所示,本实施例提供的基于水质模型的水环境承载力评估方法在图2所示实施例提供的基于水质模型的水环境承载力评估方法的基础上,在步骤S204之前添加了“根据目标水域的环境情况,在第二水质模型内设置与目标水域相匹配的环境信息”的步骤,以及在步骤S206之后添加了“利用空间聚类算法将不同目标水域进行聚类分析,获得多个目标水域的水环境承载力分布图”的步骤。则本实施例提供的基于水质模型的水环境承载力评估方法包括以下几个步骤:
S301、获取目标水域的第一河流水质数据。
S302、将第一河流水质数据输入QUAL2Kw水质模拟模型。
S303、通过QUAL2Kw水质模拟模型对第一河流水质数据进行校准,以获得第二河流水质数据。
S304、根据目标水域的环境情况,在第二水质模型内设置与目标水域相匹配的环境信息。
目标水域的环境情况为目标水域所在区域的自然环境情况和社会环境情况的总和,获取目标水域的环境情况的方法可以为查询目标水域对应地区的自然环境和社会环境资料获得,或者根据具体的需求进行设定,此处不做具体限定。根据获得的目标水域的环境情况,将对应的环境信息设置于第二水质模型内,以使第二水质模型与目标水域相匹配,实现对目标水域更好的评估效果。
S305、获取第二水质模型内目标水域对应的预设环境信息。
S306、根据污染物指标和环境信息,评估目标水域的水环境承载力。
S307、输出目标水域的水环境承载力。
S308、利用空间聚类算法将不同目标水域进行聚类分析,获得多个目标水域的水环境承载力分布图。
目标水域的水环境承载力后,为了更好地表现目标水域与邻近水域,或者与更大范围水域的对比关系,利用空间聚类算法将多个不同目标水域进行聚类分析,并获得多个目标水域的水环境承载力分布图。利用空间聚类算法对数据进行分析并获得空间分布图,未现有技术,此处不再赘述。
S309、显示水环境承载力分布图。
将多个水域的水环境承载力分布图进行显示,能更好的体现不同水域之间的水环境承载力对比及变化情况,进而实现更大范围目标水域的水环境承载力评估的目的。例如,将全国范围内各条河流水域的水环境承载力分布图进行显示,以获得全国范围的水环境承载力情况,为全国范围的水域管理和评估提供数据支撑。
图6为本发明一个实施例提供的基于水质模型的水环境承载力评估装置的结构示意图,如图6所示,本实施例提供的基于水质模型的水环境承载力评估装置6包括:
获取模块61,用于获取目标水域的第一河流水质数据。
水质数据计算模块62,用于将第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,第二河流水质数据包括目标水域的污染物指标;
水环境承载力评估模块63,用于将第二河流水质数据输入预设的第二水质模型,以获得水环境承载力。
输出模块64,用于输出目标水域的水环境承载力。
其中,获取模块61、水质数据计算模块62、水环境承载力评估模块63、输出模块64依次连接。本实施例提供的基于水质模型的水环境承载力评估装置6可以执行如图1所示的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本发明另一个实施例提供的基于水质模型的水环境承载力评估装置的结构示意图,如图7所示,本实施例提供的基于水质模型的水环境承载力评估装置7在图6提供的基于水质模型的水环境承载力评估装置的基础上,还包括:
设置模块71,用于根据目标水域的环境情况,在第二水质模型内设置与目标水域相匹配的环境信息。
分布图获取模块72,用于利用空间聚类算法将不同目标水域进行聚类分析,获得多个目标水域的水环境承载力分布图。
显示模块73,用于显示水环境承载力分布图。
可选地,第一水质模型为QUAL2Kw水质模拟模型,水质数据计算模块62,具体用于:
将第一河流水质数据输入QUAL2Kw水质模拟模型。
通过QUAL2Kw水质模拟模型对第一河流水质数据进行校准,以获得第二河流水质数据。
可选地,第一河流水质数据包括第一水质数据序列和与第一水质数据序列对应的第一位置数据序列,水质数据计算模块,在通过QUAL2Kw水质模拟模型对第一河流水质数据进行校准,以获得第二河流水质数据时,具体用于:
获取第一水质数据序列和第一位置数据序列。
根据QUAL2Kw水质模拟模型对第一水质数据序列和第一位置数据序列进行校准,以获得第二水质数据序列和与第二水质数据序列对应的第二位置数据序列;第二位置数据序列内的位置数据的个数多于第一位置数据序列内的位置数据的个数。
将第二水质数据序列和与第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出。
可选地,第二水质数据序列为污染物指标在第二位置数据序列对应处的数值。
可选地,水环境承载力评估模块,具体用于:
获取第二水质模型内目标水域对应的预设环境信息。
根据污染物指标和环境信息,评估目标水域的水环境承载力。
可选地,水环境承载力评估模块,在根据污染物指标和环境信息,评估目标水域的水环境承载力时,具体用于:
根据环境信息,获取与目标水域匹配的水环境承载力评估策略。
根据水环境承载力评估策略和污染物指标,评估水环境承载力。
其中,获取模块61、水质数据计算模块62、设置模块71、水环境承载力评估模块63、输出模块64、分布图获取模块72、显示模块73依次连接。本实施例提供的基于水质模型的水环境承载力评估装置7可以执行如图1-图5任一所示的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图8为本发明一个实施例提供的电子设备的示意图,如图8所示,本实施例提供的电子设备包括:存储器801,处理器802以及计算机程序。
其中,计算机程序存储在存储器801中,并被配置为由处理器802执行以实现本发明图1-图5所对应的实施例中任一实施例提供的基于水质模型的水环境承载力评估方法。
其中,存储器801和处理器802通过总线803连接。
相关说明可以对应参见图1-图5的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
本发明一个实施例提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现本发明图1-图5所对应的实施例中任一实施例提供的基于水质模型的水环境承载力评估方法。
其中,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。
Claims (8)
1.一种基于水质模型的水环境承载力评估方法,其特征在于,所述方法包括:
获取目标水域的第一河流水质数据;
将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,所述第二河流水质数据包括所述目标水域的污染物指标;
将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力;
输出所述目标水域的水环境承载力;
所述第一水质模型为QUAL2Kw水质模拟模型,所述将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,包括:
将所述第一河流水质数据输入QUAL2Kw水质模拟模型;
通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据;
所述第一河流水质数据包括第一水质数据序列和与所述第一水质数据序列对应的第一位置数据序列,所述通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据,包括:
获取所述第一水质数据序列和所述第一位置数据序列;
根据所述QUAL2Kw水质模拟模型对所述第一水质数据序列和所述第一位置数据序列进行校准,以获得第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列;所述第二位置数据序列内的位置数据的个数多于所述第一位置数据序列内的位置数据的个数;
将所述第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出。
2.根据权利要求1所述的方法,其特征在于,所述第二水质数据序列为所述污染物指标在所述第二位置数据序列对应处的数值。
3.根据权利要求1所述的方法,其特征在于,将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力,包括:
获取所述第二水质模型内所述目标水域对应的预设环境信息;
根据所述污染物指标和所述环境信息,评估所述目标水域的水环境承载力。
4.根据权利要求3所述的方法,其特征在于,所述根据所述污染物指标和所述环境信息,评估所述目标水域的水环境承载力,包括:
根据所述环境信息,获取与所述目标水域匹配的水环境承载力评估策略;
根据所述水环境承载力评估策略和所述污染物指标,评估所述水环境承载力。
5.根据权利要求1所述的方法,其特征在于,在所述将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力之前,还包括:
根据所述目标水域的环境情况,在所述第二水质模型内设置与所述目标水域相匹配的环境信息。
6.根据权利要求1所述的方法,其特征在于,所述目标水域有多个,在所述输出所述目标水域的水环境承载力之后,还包括:
利用空间聚类算法将不同目标水域进行聚类分析,获得多个目标水域的水环境承载力分布图;
显示所述水环境承载力分布图。
7.一种基于水质模型的水环境承载力评估装置,其特征在于,包括:
获取模块,用于获取目标水域的第一河流水质数据;
水质数据计算模块,用于将所述第一河流水质数据输入预设的第一水质模型,以获取第二河流水质数据,所述第二河流水质数据包括所述目标水域的污染物指标;
水环境承载力评估模块,用于将所述第二河流水质数据输入预设的第二水质模型,以获得所述水环境承载力;
输出模块,用于输出所述目标水域的水环境承载力;
所述第一水质模型为QUAL2Kw水质模拟模型,所述水质数据计算模块,具体用于:将所述第一河流水质数据输入QUAL2Kw水质模拟模型;通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据;
所述第一河流水质数据包括第一水质数据序列和与所述第一水质数据序列对应的第一位置数据序列,所述水质数据计算模块在通过所述QUAL2Kw水质模拟模型对所述第一河流水质数据进行校准,以获得所述第二河流水质数据时,具体用于:获取所述第一水质数据序列和所述第一位置数据序列;根据所述QUAL2Kw水质模拟模型对所述第一水质数据序列和所述第一位置数据序列进行校准,以获得第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列;所述第二位置数据序列内的位置数据的个数多于所述第一位置数据序列内的位置数据的个数;将所述第二水质数据序列和与所述第二水质数据序列对应的第二位置数据序列作为第二河流水质数据输出。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的基于水质模型的水环境承载力评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054111.XA CN110889196B (zh) | 2019-10-31 | 2019-10-31 | 基于水质模型的水环境承载力评估方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911054111.XA CN110889196B (zh) | 2019-10-31 | 2019-10-31 | 基于水质模型的水环境承载力评估方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889196A CN110889196A (zh) | 2020-03-17 |
CN110889196B true CN110889196B (zh) | 2023-05-09 |
Family
ID=69746703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911054111.XA Active CN110889196B (zh) | 2019-10-31 | 2019-10-31 | 基于水质模型的水环境承载力评估方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889196B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738530B (zh) * | 2020-07-29 | 2021-10-29 | 深圳江行联加智能科技有限公司 | 河流的水质预测方法、装置以及计算机可读存储介质 |
CN114456919B (zh) * | 2022-03-17 | 2022-09-16 | 南方海洋科学与工程广东省实验室(广州) | 一种高压环境海洋微生物固体分离培养装置及培养方法 |
CN116310831B (zh) * | 2023-03-23 | 2023-11-03 | 河南省水利第一工程局集团有限公司 | 基于大数据的水源环境监测方法及系统 |
CN117993624B (zh) * | 2024-04-07 | 2024-06-25 | 广东工业大学 | 一种流域水生态环境承载力评估系统及方法 |
CN118052373B (zh) * | 2024-04-15 | 2024-07-02 | 广东海洋大学 | 海洋资源环境承载力评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003147745A (ja) * | 2001-11-14 | 2003-05-21 | Yamadagumi:Kk | 河川環境シミュレーション装置およびその方法並びに当該方法をコンピュータに実行させるための手順を当該コンピュータが読取可能に記録した記録媒体 |
CN106250695A (zh) * | 2016-08-03 | 2016-12-21 | 环境保护部南京环境科学研究所 | 一种平原河网河流水环境安全评估体系 |
CN110222988A (zh) * | 2019-06-11 | 2019-09-10 | 南京江岛环境科技研究院有限公司 | 一种基于水质模型的区域环境风险评估方法 |
-
2019
- 2019-10-31 CN CN201911054111.XA patent/CN110889196B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003147745A (ja) * | 2001-11-14 | 2003-05-21 | Yamadagumi:Kk | 河川環境シミュレーション装置およびその方法並びに当該方法をコンピュータに実行させるための手順を当該コンピュータが読取可能に記録した記録媒体 |
CN106250695A (zh) * | 2016-08-03 | 2016-12-21 | 环境保护部南京环境科学研究所 | 一种平原河网河流水环境安全评估体系 |
CN110222988A (zh) * | 2019-06-11 | 2019-09-10 | 南京江岛环境科技研究院有限公司 | 一种基于水质模型的区域环境风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110889196A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889196B (zh) | 基于水质模型的水环境承载力评估方法、装置及存储介质 | |
Shen et al. | A new method to evaluate urban resources environment carrying capacity from the load-and-carrier perspective | |
Zhou et al. | Industrial structural upgrading and spatial optimization based on water environment carrying capacity | |
Fu et al. | Deriving suitability factors for CA-Markov land use simulation model based on local historical data | |
Wang et al. | Assessment of river water quality based on theory of variable fuzzy sets and fuzzy binary comparison method | |
Subedi et al. | Application of a hybrid cellular automaton–Markov (CA-Markov) model in land-use change prediction: a case study of Saddle Creek Drainage Basin, Florida | |
CN103218485B (zh) | 一种gis技术支持下的小流域环境容量计算方法 | |
CN105631537A (zh) | 基于气象服务平台的空气质量预报业务系统 | |
CN110765419B (zh) | 一种基于多源数据耦合的重要水功能区水质风险测评方法 | |
CN113869689A (zh) | 一种基于遥感和地理信息系统的生态环境动态监测方法 | |
CN105447248B (zh) | 基于金属定量构效关系的海水急性基准预测方法 | |
Zhan et al. | Factors and mechanism driving the land-use conversion in Jiangxi Province | |
Li et al. | Land suitability assessment for supporting transport planning based on carrying capacity and construction demand | |
CN101655937A (zh) | 一种基于未确定测度的城市生态系统健康评价方法 | |
CN105354781A (zh) | 农村空心化程度预警系统 | |
Liu et al. | A connection cloud model coupled with extenics for water eutrophication evaluation | |
CN104424373B (zh) | 一种空间变量相关性的精细表达方法 | |
Ramsankaran et al. | Physically-based distributed soil erosion and sediment yield model (DREAM) for simulating individual storm events | |
CN112148821B (zh) | 一种城市混合职住空间计算方法和系统 | |
CN104569340B (zh) | 地下环境质量测定方法及装置 | |
Zhou et al. | Conceptual planning approach of low impact development s for combined water quality‐quantity control at an urban scale: A case study in Southern China | |
de Azevedo et al. | Taxonomic and functional approaches to phytoplankton in ecosystems with different coverage of aquatic plants | |
CN105912775A (zh) | 桥梁动态称重系统车辆轴重数据的多模态建模方法 | |
CN103258104A (zh) | 环境健康遥感诊断方法 | |
Loga et al. | Probability of misclassifying biological elements in surface waters |
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 |