CN111161121B - 确定河流水质对流域土地利用组成响应突变的方法及系统 - Google Patents
确定河流水质对流域土地利用组成响应突变的方法及系统 Download PDFInfo
- Publication number
- CN111161121B CN111161121B CN201911394812.8A CN201911394812A CN111161121B CN 111161121 B CN111161121 B CN 111161121B CN 201911394812 A CN201911394812 A CN 201911394812A CN 111161121 B CN111161121 B CN 111161121B
- Authority
- CN
- China
- Prior art keywords
- water quality
- land utilization
- river
- determining
- land
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 176
- 230000008859 change Effects 0.000 title claims abstract description 55
- 230000004044 response Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000000203 mixture Substances 0.000 title claims abstract description 28
- 230000035772 mutation Effects 0.000 claims abstract description 81
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001558 permutation test Methods 0.000 claims description 2
- 238000011282 treatment Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种确定河流水质对流域土地利用组成响应突变的方法及系统。获取流域河流水质指标数据及土地利用组成的数据集；利用最小二乘法对数据集进行线性拟合，根据显著性检验的结果确定与土地利用存在线性关系的水质参数并将其排除；通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值。本发明在不同类型的流域确定流域土地利用结构在对河流水质突变的某个占比阈值，基于该阈值能够在流域空间管控中提出明确的土地利用结构调整方案，为流域土地利用规划和水质保护提供科学依据，有效控制非点源排放对河流水质的影响。
Description
技术领域
本发明涉及土地利用规划技术领域，具体涉及一种确定河流水质对流域土地利用组成响应突变的方法及系统。
背景技术
土地利用体现了人类对自然生态系统的利用方式，改变土地利用结构与格局一方面会影响流域内陆地生态系统向水生态系统输入物质的数量和成分，另一方面调整土地利用结构与格局，恢复和重建地表覆盖自然格局，建立合理的土地利用及生态-生产范式，是人类通过政策和管理措施在区域尺度上进行地表过程调控、维护和改善水体生态与环境质量的有效切入点。
河流水质的变化与土地利用之间的关系可以是线性关系，也可以是非线性关系，且在更多的情况下是非线性的关系。当水质对土地利用状态的响应为非线性时，水质数据变化的特点是当某种土地利用的占比没有超过一定阈值数量的条件下，水体中某种水质参数的浓度对土地利用变化的响应不明显，但当某土地利用类型超过一定的数量的条件下，水体中的氮磷营养盐浓度突然增加或降低。
水体中某种水质参数的浓度对流域土地利用表现出的这种非线性响应特征，对流域管理中的土地利用结构调整和景观规划等方案的制定和实施带来一定困难，原因在于流域所处的地理位置和生态系统特点不同，水体中水质参数的浓度对土地利用的响应速度和响应阈值都有所差异，管理中因此也难以采用统一的阈值标准进行管理。
发明内容
因此，本发明提供了一种确定河流水质对流域土地利用组成响应突变的方法及系统，克服了现有技术中无法根据水体中某种水质参数的浓度对流域土地利用表现出的非线性响应特征，进行土地利用结构阈值管理的缺陷。
第一方面，本发明实施例提供一种确定河流水质对流域土地利用组成响应突变的方法，包括如下步骤：获取预设流域河流水质指标数据及土地利用组成的数据集；利用最小二乘法对数据集进行线性拟合，根据显著性检验的结果，确定与土地利用存在线性关系的水质参数，并将其排除；通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值。
在一实施例中，所述获取预设流域河流水质指标数据及土地利用组成的数据集的步骤，包括：通过遥感影像解译获取预设流域的土地利用结构特征；根据土地利用结构特征结合实际地理环境设置样点，获取表征样点水质的各水质指标浓度值。
在一实施例中，所述获取预设流域河流水质指标数据及土地利用组成的数据集的步骤之后，包括：将样点数据集依照某土地利用类型占比从小到大进行排序。
在一实施例中，所述通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值的步骤，包括：利用二分法确定与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值；通过显著性检验确定所述与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的合理性。
在一实施例中，所述利用二分法确定与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的步骤，包括：按排列好的土地利用占比梯度，取每组土地利用A占比下水质参数a中每两个相邻浓度值的中点ai作为可能的突变点，浓度值ai所对应的土地利用类型占比为可能的阈值；计算中点ai两侧水质数据的标准差SDLi和SDRi，并将两侧标准差求和得到SDi，当SDi值最大时，所对应的ai为水质参数a浓度的突变点，所对应的土地利用类型占比为阈值；获取预设突变点左右两侧各点水质指标值的中位数，当左边中位数<右边中位数时，所述预设突变点前后水质指标为增加趋势，记作SD↑，当左边中位数>右边中位数时，所述预设突变点前后水质为降低趋势，记作SD↓。
在一实施例中，SDLi、SDRi和SDi计算公式如下：
SDi＝SDLi+SDRi，
其中，
第i个假定间断点左/右第j个样点；
在一实施例中，所述通过显著性检验确定所述与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的合理性的步骤，包括：对所有假定的突变点进行预设置换区间的置换检验得到随机抽样生成的SD’值大于二分法计算得到的SDi最大值的频率；统计在随机抽样中的突变点纯粹性，判断突变点纯粹性PUR值是否大于第一预设值；统计在随机抽样中的突变点可靠性，判断所述二分法计算得到的SDi最大值的频率小于给定预设阈值的比例REL值是否大于第二预设值；将在预设置换区间内PUR值大于第一预设值且REL值大于第二预设值的水质指标，确定为水质指标在该类型土地利用占比变化梯度下具有的非线性响应模式的突变点及其所对应的土地利用类型占比变化阈值合理。
第二方面，本发明实施例提供一种确定河流水质对流域土地利用组成响应突变的系统，包括：数据集获取模块，用于获取预设流域河流水质指标数据及土地利用组成的数据集；呈线性相关的水质参数确定模块，用于利用最小二乘法对数据集进行线性拟合，根据显著性检验的结果，确定与土地利用存在线性响应的水质参数，并将其排除；突变点及其所对应的土地利用类型占比变化阈值确定模块，通过用于通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值。
第三方面，本发明实施例提供一种计算机设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明实施例第一方面所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的方法。
本发明技术方案，具有如下优点：
本发明提供的一种确定河流水质对流域土地利用组成响应突变的方法及系统，在不同类型的流域确定流域土地利用结构在对河流水质突变的某个占比阈值，即确定水质发生突变时所对应的某种土地利用类型在土地利用结构中的占比数值。基于该土地利用结构的阈值，能够在流域空间管控中提出明确的土地利用结构调整方案，能够为流域土地利用规划和水质保护提供科学依据，有效控制非点源排放对河流水质的影响。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的确定河流水质对流域土地利用组成响应突变的方法一个示例的流程图；
图2为本发明实施例提供以土地利用类型A为例，将样点数据集依照某土地利用类型占比从小到大进行排序的示意图；
图3为本发明实施例进行突变点确定的一个具体示例的流程图；
图4为本发明实施例提供的对突变点及其所对应的土地利用类型占比阈值进行二分法分析及显著性检验的一个具体示例的流程图；
图5为本发明实施例提供确定河流水质对流域土地利用组成响应突变的方法一个具体示例的流程图；
图6为本发明实施例提供的确定河流水质对流域土地利用组成响应突变的系统的模块组成图；
图7为本发明实施例提供的一种计算机设备的模块组成示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种确定河流水质对流域土地利用组成响应突变的方法，如图1所示，包括如下步骤：
步骤S1:获取预设流域河流水质指标数据及土地利用组成的数据集。
在本发明实施例通过遥感影像解译获取预设流域的土地利用结构特征；根据土地利用结构特征结合实际地理环境设置样点，获取表征样点水质的各水质指标浓度。
具体地，将遥感图像依据《土地利用现状分类》(GB/T 21010-2017)中的12项一级分类进行土地利用类型划分，包括：耕地、园地、林地、草地、商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地、特殊用地、交通运输用地、水域及水利设施用地和其他用地。根据流域土地利用结构特征，综合考虑无明显点源排污、交通可到达性、土地利用结构典型性、空间分布均匀性等条件，在流域内设置不低于30个采样点开展水质调查。样点尽量设置在土地利用结构特征差异显著的子流域集水区断面，对各土地利用结构典型类型区至少布设3-5个重复采样点。
本发明实施例中的水样采集参照《水和废水监测(第四版)》进行，用不小于1L容量的采水器采集样点断面水深约0.5m处的水样3份，充分混合，并将混合后的水样分为2份分别装入不透明聚丙烯瓶中(每份水样不少于500mL)。一份为原始水样，不做其他处理；另一份水样经孔径为0.45μm的Whatman GF/C玻璃纤维素膜过滤后酸化保存。全部水样需酸化至pH为1-2，保持4℃以下的低温保存，尽快运送回实验室。待样品冷却至室温后，完成各采样点水质指标的测定，主要包括水样总氮、氨氮、硝酸盐氮和总磷等，指标测定参照《水和废水监测(第四版)》进行。
为避免样点间的相互影响，样点集水区提取选用嵌套式集水区的划分方法作为本研究子流域边界的提取方式，该方法提取的子流域特点为某个下游采样点的子流域范围覆盖其上游任意采样点的子流域范围，可以通过ArcGIS软件中Hydrology工具箱完成。样点上游河岸带缓冲区提取主要通过向样点上游河流水系两侧提取一定范围的缓冲区确定，通过ArcGIS软件中buffer工具完成。
本实施例中，存储有上述数据集的数据库中存储表征样点水质的各水质指标浓度(WQ：a1、b1、c1…)，同时存储采样点上游集水区或者上游段河岸带缓冲区的土地利用类型及其占比数据作为样点所在子流域土地利用组成数据(LU：A1、B1、C1…)。
步骤S2:利用最小二乘法对数据集进行线性拟合，根据显著性检验的结果，确定与土地利用存在线性关系的水质参数，并将其排除。
实际中，河流水质指标随土地利用变化可能为线性关系、非线性关系或无显著关联。而本发明实施例侧重找出与土地利用结构呈非线性关系的水质指标，这类水质指标与土地利用结构的非线性关系的突变点阈值即对土地利用进行调控的限制阈值，当某种土地利用类型不低于或不高于该阈值时，河流水质不会产生显著的变化。而与土地利用呈现线性关系的水质指标在二分法计算中无法得到有效的突变点阈值，会使分析存在偏差，固需要删除。确定与土地利用存在线性关系的水质参数的过程具体包括：
(1)按某种土地利用类型占比变化梯度对样点进行排序
假定有n个采样点，则有n组土地利用与水质指标观测值的数据集。本发明实施例先将样点数据集依照某土地利用类型占比从小到大进行排序，如图2所示，以土地利用类型A为例。
(2)确定与土地利用呈线性响应的水质参数，并予以排除
(i)利用最小二乘法对数据集进行线性拟合
设(A1，a1)，(A2，a2)，……，(An，an)是一组土地利用因子A的面积占比和水质参数a的浓度值，假定A和a之间存在线性关系，则有如下模型：
式中，An,an:一组对应的土地利用因子和水质参数；β0，β1:回归系数；
ε:服从正态分布的随机误差项，其期望E(ε)应为0，其方差D(ε)应为一定值σ2回归直线为：
点(Ai，ai)与直线
的偏差为|ai-(β0+β1Ai)|
令
称Q(β0,β1)为残差平方和，线性回归的任务即选择适当的β0和β1，使Q(β0,β1)达到最小。可以通过令Q对β0和β1的偏导数等于0来求，于是有：
求解得
其中：
(ii)线性回归的显著性检验：
H0：β1＝0，H1：β1≠0
Laa＝Q+U
当H0成立时，
故对给定的显著性水平α(本发明取0.05，仅以此举例，不以此为限)，检验的准则为：
当F>Fα(1,n-2)时，拒绝H0，否则接受H0。
步骤S3:通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值。
本发明实施例，如图3所示，按排列好的土地利用占比梯度，取每组土地利用A占比下水质参数a中每两个相邻浓度值的中点ai作为可能的突变点，共n-1个。计算ai两侧水质数据的标准差SDLi和SDRi，将两侧标准差加和得到SDi。SDi越大，说明该点越有可能是突变点，当SDi值最大时，所对应的ai为水质参数a浓度的突变点，所对应的土地利用类型占比为阈值。
在某假定的突变点Xi处两侧计算各点水质指标值的中位数(median)，当左边中位数(medianLi)<右边中位数(medianRi)，则该土地利用特征突变点前后水质指标为增加趋势，记作SD↑；当左边中位数(medianLi)>右边中位数(medianRi)，则该突变点前后水质为降低趋势，记作SD↓。
本发明实施例中以水质参数a为例，则SDLi、SDRi和SDi计算公式如下：
SDi＝SDLi+SDRi
SDLi/SDRi：第i个假定间断点左/右全部样点对应水质指标的标准差；
SDi：第i个假定间断点左右标准差之和。
本发明实施例对通过显著性检验确定所述与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的合理性的过程，如图4所示，包括如下步骤：
步骤S31:对所有假定的突变点进行预设置换区间的置换检验得到随机抽样生成的SD’值大于二分法计算得到的SDi最大值的频率。
本发明实施例对所有假定的突变点在预设置换区间的进行置换检验(例如使用BootStrap法进行置换1000次，仅以此举例，不以此为限)，得到随机抽样生成的SD’值大于二分法计算得到的SDi最大值的频率(即p值)。
其中，在预设置信区间的检验的过程包括：
(1)对样本进行一次有放回的抽样，抽样的样本大小与实际样本大小相等，计算抽样样本的均值
(2)重复(1)中的抽样N次(本发明实施例中N取1000，仅以此举例，不以此为限)，从而得到N个样本均值的估计：
(3)使用抽样样本的分位数估计样本总体的分位数，例如，当N＝1000时，将
从小到大进行排序，得到排序后的新序列：/>
使用/>
的值作为2.5％分位数的估计，使用/>
的值作为97.5％分位数的估计，可以获得估计的突变点95％置信区间/>
需要说明的是，上述仅以置信区间
作为举例，不以此为限，在具体应用中，可以根据实际需求做合理选择调整。
步骤S32:统计在随机抽样中的突变点纯粹性，判断突变点纯粹性PUR值是否大于第一预设值；
本发明实施例的突变点纯粹性(PUR)，即在bootstrap重复中，与观测的变化方向相匹配的比例(例如某水质参数a，在某假定的突变点处，若其为SD↑，则其PUR即为所有bootstrap重复值中在该突变点处呈增加趋势的点所占的比例)。在一实施例中，当PUR>0.95时，说明该突变点纯粹性高，即无论对数据的重采样产生如何的数据丰度和分布，突变点处水质变化都具有与观测值一致的方向性。
步骤S33:统计在随机抽样中的突变点可靠性，判断所述二分法计算得到的SDi最大值的频率小于给定预设阈值的比例REL值是否大于第二预设值；
本发明实施例的突变点可靠性(REL)，即在bootstrap重复中，其最大SD的p值小于给定的α-level的比例。在一实施例中，当REL>0.95，说明所求突变点在置换检验的重复中，其最大取值不会发生显著的变化，该点是河流水质WQX对流域土地利用类型占比LUX响应的突变点。
步骤S34:将在预设置换区间内PUR值大于第一预设值且REL值大于第二预设值的水质指标，确定为水质指标在该类型土地利用梯度下具有的非线性响应模式的突变点及其所对应的土地利用类型占比变化阈值合理。
本发明实施例根据给定的PUR>0.95、REL>0.95和置信区间宽度(0.75)的范围，确定在该类型土地利用梯度下具有突变点的非线性响应模式的水质指标确定其突变点阈值。需要说明的是以上的第一预设值、第二预设值均取0.95是举例说明，不以此为限，在应用中可根据实际应用场景合理设置。
在一具体实施例中，实施整体的确定河流水质对流域土地利用组成响应突变的方法的过程如图5所示，在进行土地利用调整时，对于使水质指标满足SD↑的土地利用类型其占比应严格控制在其突变点阈值以下；对于使水质指标满足SD↓的土地利用类型其占比应严格控制在其突变点阈值以上。
本发明实施例提供的确定河流水质对流域土地利用组成响应突变的方法，在不同类型的流域确定流域土地利用结构在对河流水质突变的某个占比阈值，即确定水质发生突变时所对应的某种土地利用类型在土地利用结构中的占比数值。基于该土地利用结构的阈值，能够在流域空间管控中提出明确的土地利用结构调整方案，能够为流域土地利用规划和水质保护提供科学依据，有效控制非点源排放对河流水质的影响。
实施例2
本发明实施例提供一种确定河流水质对流域土地利用组成响应突变的系统，如图6所示，包括：
数据集获取模块1，用于获取预设流域河流水质指标数据及土地利用组成的数据集；此模块执行实施例1中的步骤S1所描述的方法，在此不再赘述。
呈线性相关的水质参数确定模块2，利用最小二乘法线性回归模型对数据集进行显著性检验，确定与土地利用呈线性响应的水质参数，并将其排除；此模块执行实施例1中的步骤S2所描述的方法，在此不再赘述。
突变点及其所对应的土地利用类型占比变化阈值确定模块3，通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值；此模块执行实施例1中的步骤S3所描述的方法，在此不再赘述。
本发发明实施例提供的的确定河流水质对流域土地利用组成响应突变的系统，在不同类型的流域确定流域土地利用结构在对河流水质突变的某个占比阈值，即确定水质发生突变时所对应的某种土地利用类型在土地利用结构中的占比数值。确基于该土地利用结构的阈值，能够在流域空间管控中提出明确的土地利用结构调整方案，为流域土地利用规划和水质保护提供科学依据，有效控制非点源排放对河流水质的影响。
实施例3
本发明实施例提供一种终端，如图7所示，包括：至少一个处理器401，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口403，存储器404，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，通信接口403可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Ramdom Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1中的确定河流水质对流域土地利用组成响应突变的方法。存储器404中存储一组程序代码，且处理器401调用存储器404中存储的程序代码，以用于执行实施例1中的确定河流水质对流域土地利用组成响应突变的方法。其中，通信总线402可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extendedindustry standard architecture，简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。
其中，处理器401可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器404还用于存储程序指令。处理器401可以调用程序指令，实现如本申请执行实施例1中的确定河流水质对流域土地利用组成响应突变的方法。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令可执行实施例1中的确定河流水质对流域土地利用组成响应突变的方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (7)
1.一种确定河流水质对流域土地利用组成响应突变的方法，其特征在于，包括如下步骤：
获取预设流域河流水质指标数据及土地利用组成的数据集，包括：通过遥感影像解译获取预设流域的土地利用结构特征；根据土地利用结构特征结合实际地理环境设置样点，获取表征样点水质的各水质指标浓度值；将样点数据集依照某土地利用类型占比从小到大进行排序；
利用最小二乘法对数据集进行线性拟合，根据显著性检验的结果，确定与土地利用存在线性响应的水质参数，并将其排除；
通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值，包括：
利用二分法确定与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值；通过显著性检验确定所述与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的合理性。
2.根据权利要求1所述的确定河流水质对流域土地利用组成响应突变的方法，其特征在于，所述利用二分法确定与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的步骤，包括：
按排列好的土地利用占比梯度，取每组土地利用A占比下水质参数a中每两个相邻浓度值的中点ai作为可能的突变点，浓度值ai所对应的土地利用类型占比为可能的阈值；
计算中点ai两侧水质数据的标准差SDLi和SDRi，并将两侧标准差求和得到SDi；当SDi值最大时，所对应的ai为水质参数a浓度的突变点，所对应的土地利用类型占比为阈值；
获取预设突变点左右两侧各点水质指标值的中位数，当左边中位数<右边中位数时，所述预设突变点前后水质指标为增加趋势，记作SD↑，当左边中位数>右边中位数时，所述预设突变点前后水质为降低趋势，记作SD↓。
3.根据权利要求2所述的确定河流水质对流域土地利用组成响应突变的方法，其特征在于，SDLi、SDRi和SDi计算公式如下：
SDi＝SDLi+SDRi，
其中，
第i个假定间断点左/右第j个样点；
4.根据权利要求1所述的确定河流水质对流域土地利用组成响应突变的方法，其特征在于，所述通过显著性检验确定与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的合理性的步骤，包括：
对所有假定的突变点进行预设置换区间的置换检验得到随机抽样生成的SD’值大于二分法计算得到的SDi最大值的频率；
统计在随机抽样中的突变点纯粹性，判断突变点纯粹性PUR值是否大于第一预设值；
统计在随机抽样中的突变点可靠性，判断所述二分法计算得到的SDi最大值的频率小于给定预设阈值的比例REL值是否大于第二预设值；
将在预设置换区间内PUR值大于第一预设值且REL值大于第二预设值的水质指标，确定为在该类型土地利用占比变化梯度下具有突变点的非线性响应模式的水质指标合理。
5.一种确定河流水质对流域土地利用组成响应突变的系统，其特征在于，包括：
数据集获取模块，用于获取预设流域河流水质指标数据及土地利用组成的数据集，包括：通过遥感影像解译获取预设流域的土地利用结构特征；根据土地利用结构特征结合实际地理环境设置样点，获取表征样点水质的各水质指标浓度值；将样点数据集依照某土地利用类型占比从小到大进行排序；
呈线性相关的水质参数确定模块，用于利用最小二乘法对数据集进行线性拟合，根据显著性检验的结果，确定与土地利用存在线性响应的水质参数，并将其排除；
突变点及其所对应的土地利用占比变化阈值确定模块，用于通过二分法分析及显著性检验确定与土地利用呈非线性响应的水质参数对土地利用响应的突变点及其所对应的土地利用类型占比变化阈值，包括：
利用二分法确定与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值；通过显著性检验确定所述与土地利用呈非线性响应的水质参数的突变点及其所对应的土地利用类型占比变化阈值的合理性。
6.一种计算机设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-4中任一项所述的方法。
7.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911394812.8A CN111161121B (zh) | 2019-12-30 | 2019-12-30 | 确定河流水质对流域土地利用组成响应突变的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911394812.8A CN111161121B (zh) | 2019-12-30 | 2019-12-30 | 确定河流水质对流域土地利用组成响应突变的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111161121A CN111161121A (zh) | 2020-05-15 |
| CN111161121B true CN111161121B (zh) | 2023-06-23 |
Family
ID=70559121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911394812.8A Active CN111161121B (zh) | 2019-12-30 | 2019-12-30 | 确定河流水质对流域土地利用组成响应突变的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111161121B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113283743B (zh) * | 2021-05-21 | 2023-06-20 | 中国科学院南京地理与湖泊研究所 | 一种流域中不同生态修复类型生境阈值的判定方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103778241A (zh) * | 2014-02-10 | 2014-05-07 | 中国科学院南京地理与湖泊研究所 | 一种大尺度植被退化区域遥感识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7062406B2 (en) * | 2003-11-13 | 2006-06-13 | Ch2M Hill, Inc. | Method and system for water quality trading |
-
2019
- 2019-12-30 CN CN201911394812.8A patent/CN111161121B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103778241A (zh) * | 2014-02-10 | 2014-05-07 | 中国科学院南京地理与湖泊研究所 | 一种大尺度植被退化区域遥感识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张博 ; 王书航 ; 姜霞 ; 王雯雯 ; 赵丽 ; .丹江口库区土地利用格局与水质响应关系.环境科学研究.2016,(09),第1303-1310页. * |
| 李琳琳 ; 张依章 ; 唐常源 ; 郑磊 ; 孟伟 ; 卢少勇 ; 敦宇 ; .基于偏最小二乘模型的河流水质对土地利用的响应.环境科学.2017,(04),第1376-1383页. * |
| 王旭琴 ; 胡尧 ; 谌业文 ; .基于非参数方法的交通流变点问题分析.数学的实践与认识.2016,(12),第209-219页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111161121A (zh) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wasko et al. | Global assessment of flood and storm extremes with increased temperatures | |
| Liang et al. | Long-term streamflow forecasting using SWAT through the integration of the random forests precipitation generator: case study of Danjiangkou Reservoir | |
| Tang et al. | Dynamic analysis of traffic time series at different temporal scales: A complex networks approach | |
| Zhang et al. | Reconciling disagreement on global river flood changes in a warming climate | |
| Jiang et al. | Assessing the severe eutrophication status and spatial trend in the coastal waters of Zhejiang province (China) | |
| Tegegne et al. | Hydrological modelling uncertainty analysis for different flow quantiles: a case study in two hydro-geographically different watersheds | |
| Yang et al. | Spatial regression and prediction of water quality in a watershed with complex pollution sources | |
| CN110853347A (zh) | 一种短时交通路况预测方法、装置及终端设备 | |
| CN107944219B (zh) | 一种表征不同时段旱涝致灾特征的方法和装置 | |
| Lin et al. | Investigating the land use characteristics of urban integration based on remote sensing data: experience from Guangzhou and Foshan | |
| Rashid et al. | Statistical characteristics of rainfall in the Onkaparinga catchment in South Australia | |
| CN111161121B (zh) | 确定河流水质对流域土地利用组成响应突变的方法及系统 | |
| Liu et al. | Short-term water demand forecasting using data-centric machine learning approaches | |
| Talukdar et al. | Trend analysis and forecasting of streamflow using random forest in the Punarbhaba River basin | |
| Tayşi et al. | Disaggregation of future GCMs to generate IDF curves for the assessment of urban floods | |
| CN118098442A (zh) | 一种基于多层感知器模型的城市水环境小尺度溯源方法 | |
| Sharpe et al. | Estimation of the Pareto and related distributions–A reference-intrinsic approach | |
| Boyko et al. | Post-processing climate projections of precipitation for the Po river basin: will Italy's North become water-constrained? | |
| Zhang et al. | Statistical interpretation of the daily variation of urban water consumption in Beijing, China | |
| Wang et al. | Forecast-based analysis for regional water supply and demand relationship by hybrid Markov chain models: a case study of Urumqi, China | |
| Fischer et al. | A distribution-free ordinal classification of floods based on moments | |
| Liu et al. | Combined effect of climate change and human activities on the hydrological processes of an urban river: case study of the Xiaoqing River, China | |
| Rajballie et al. | Water consumption forecasting models–a case study in Trinidad (Trinidad and Tobago) | |
| Han et al. | Risk assessment through multivariate analysis on the magnitude and occurrence date of daily storm events in the Shenzhen bay area | |
| Liu et al. | Joint improvement of river water quality indicators based on a multivariate joint probability distribution of the discharge and water quality |
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 |