CN111724073B - 一种模块化农业机械排放量计算及污染识别管控系统 - Google Patents
一种模块化农业机械排放量计算及污染识别管控系统 Download PDFInfo
- Publication number
- CN111724073B CN111724073B CN202010581830.3A CN202010581830A CN111724073B CN 111724073 B CN111724073 B CN 111724073B CN 202010581830 A CN202010581830 A CN 202010581830A CN 111724073 B CN111724073 B CN 111724073B
- Authority
- CN
- China
- Prior art keywords
- emission
- agricultural machinery
- agricultural
- area
- soil
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 47
- 238000003306 harvesting Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000009331 sowing Methods 0.000 claims abstract description 13
- 239000002689 soil Substances 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 21
- 238000011835 investigation Methods 0.000 claims description 19
- 239000003344 environmental pollutant Substances 0.000 claims description 15
- 231100000719 pollutant Toxicity 0.000 claims description 15
- 238000009313 farming Methods 0.000 claims description 14
- 238000011160 research Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 7
- 239000004927 clay Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000002354 daily effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract 1
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 11
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 241001333909 Soter Species 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000002386 leaching Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000012546 transfer 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种模块化农业机械排放量计算及污染识别管控系统,包括数据采集模块、排放量计算模块、时间分布计算模块与污染识别管控模块;其中数据采集模块用于农业数据收集;排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算;时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算;污染识别管控模块用于农业机械排放高污染区识别与管控。基于本系统可精确获得农业机械排放量及其时空分布,降低了已有排放定量方法中的误差,实现了农业机械高排放地区与时段的识别。
Description
技术领域
本发明涉及一种模块化农业机械排放量计算及污染识别管控系统。
背景技术
近年来随着农业机械化进程的加快,依靠人力和畜力进行的耕作逐渐减少,而农业机械的使用不断增加。与此同时,农业机械的排放也对空气质量产生影响,尤其是在春季与秋季的农忙季节,农业机械的集中使用带来密集的污染排放,需要提前预判高污染区并实施相应的措施,尽量减少农业机械排放带来的污染及其影响。因此,准确定量农业机械排放,并明确其时空变化规律十分必要。
已有的农业机械排放量计算方法多基于当地农业机械保有量或是总功率,结合文献数据中的农业机械使用时间进行估算。但是目前农业机械租用的现象十分普遍,本地注册的农用机械并不一定在本地使用,大量农户多以租用的方式仅在农忙季节使用农业机械,这就造成了采用本地注册的保有量或总额定输出功率作为基础数据估算的排放量产生较大偏差。此外,不同的土壤粘度影响农业机械的功率输出,特别是直接影响耕地机的功率输出,此影响在已有方法中尚未考虑。
农业机械仅在部分农田范围使用,且主要在春秋季节密集使用,而不是在所有地区和全年所有时段平均分布,因此明确农业机械使用的地理范围与时间跨度,对农业机械排放的控制非常重要。在农业机械排放的空间分布上,已有的方法多将其平均分布于该区域的耕地面积上,但是由于农业机械的使用受地形影响,较大坡度的耕地上的农业机械使用比例较低,因而排放也相应较低,已有方法未能将坡度的影响考虑在内。已有的方法中较少关注农业机械排放的时间分布,仅有的一些方法将整个区域的农业机械排放量在指定的一段时间内进行平均分配,由于农业机械使用时间依据农作物的生长与成熟规律而定,同一种农作物在不同的地区的生长与成熟时间存在较大区别,将一定范围内的耕地、播种与收获的时间应用于较大区域将会产生偏差。
发明内容
针对现有技术的不足,本发明提供了一种模块化农业机械排放量计算及污染识别管控系统,包括数据采集模块、排放量计算模块、时间分布计算模块与污染识别管控模块;
其中,所述数据采集模块用于目标作物类型确定、卫星数据采集与解译、土壤地体数据提取与农业机械调研;
所述排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算;
所述时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算;
所述污染识别管控模块用于农业机械排放高污染区识别与管控。
所述目标作物类型确定包括:根据目标区域的种植特征,确定所述区域内主要使用农业机械的作物作为目标作物,用k代表第k种作物,k取值为自然数,k的最大值根据作物种类数量确定。一般主要作物的种类在5~10类。
所述卫星数据采集与解译包括目标作物网格化分布,具体包括:利用Landsat8和GF-1两个卫星的影像进行遥感解译,采用监督分类方法进行数据处理与图像解译,获取目标区域中目标作物类型的网格化分布,用j代表第j个网格,j取值为自然数,j的最大值根据网格总数量确定。
所述土壤地体数据提取包括土地斜率划分与土壤粘度划分,具体包括:
土壤地体数据提取:利用公开的土壤-地体数字化数据库获得土地斜率与土壤粘度,土壤-地体数字化数据库为包括地形、岩性和土壤特征的电子地图,该数据库中的每个矢量图单元包含全面的地形、岩性与土壤信息;所述数据库就是SOTER(Soil and TerrainDatabase)数据库,即土壤-地体数字化数据库,由联合国粮食和农业组织开始建立与推广,有一套标准的技术方法,目前世界上许多国家都建立了本地的土壤-地体数字化数据库,并将该数据库开放。
土地斜率划分:对耕地坡度分为五级,分别为(0°,2°]、(2°,6°]、(6°,15°]、(15°,25°]和(25°,+∞),将土壤-地体数字化数据库中的土地斜率按照同样标准划分为5个等级,用s代表第s个土地斜率等级,s取值为1、2、3、4和5;
土壤粘度划分:根据土壤-地体数字化数据库,将土壤类型根据粘度划分为5类,分别为粘土,粘土-壤土,壤土,壤土-沙壤土,沙壤土。
所述农业机械调研包括农业机械分类、农业机械使用次数参数收集、农业机械运行参数收集、农业机械排放标准参数收集、农业机械使用率参数收集与时间分布参数收集,具体包括:
农业机械分类:调研作物生长过程以及种植活动中使用农业机械的情况,确定农业机械的类型,分类为:耕地机、播种机、插秧机、植保机与收割机等,用i代表第i类机械,i取值为自然数;
农业机械使用次数参数收集:每种作物在整个生长周期内第i类机械的使用次数采用Ni表示,利用调研的方式获得;
农业机械运行参数收集:获取目标区域内使用的农业机械的额定输出功率,将同为第i类的农业机械的额定输出功率取平均值得到该类农业机械的平均额定输出功率为Pi,同时获取该类农业机械的平均单位网格面积工作所需时长ti;
农业机械排放标准参数收集:调研获取区域内使用的农业机械排放标准情况,确定不同排放标准的农业机械数量及其占总调研数量的相应比例,用fi,u表示第i类机械在第u类排放标准下的数量占总调研数量的比例;
农业机械使用率参数收集:以调研的形式获得区域内不同土地斜率下使用机械的使用率β,从而进一步确定第s个斜率下第k种作物使用第i类机械的面积比例βi,s,k;
时间分布参数收集:通过入户调研,获取目标区域不同纬度地区农户的各类农业机械使用开始日期与结束日期。
所述排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算,具体包括:
地理信息数据叠加分析:
将基于卫星数据得到的网格化作物分布与土壤-地体数字化数据库中的地理信息数据进行叠加分析(就是在GIS里叠加网格化地图和矢量图,最后得到网格化地图里每个网格的信息),获得每个网格对应的作物类型、土壤粘度与土地斜率;
单位网格输出功计算:
通过如下公式计算基于网格的农业机械输出功:
Wi,j,k=∑Pi,k×ti,k×Rj×Ni,k (1)
Wi,j,k为第j个网格中第k种作物、第i类农业机械工作产生的农业机械输出功,Pi,k为第k种作物在第i类农业机械工作时的输出功率;ti,k为第k种作物在第i类农业机械工作时的单位网格面积农田工作时长;Rj为第j个网格的土壤粘度造成的功率变化系数,该系数仅对耕地机械产生影响;Ni,k为第k种作物的第i类农业机械工作次数,该次数根据调研确定;
农业机械排放因子计算:
根据如下公式计算得到目标区域各类农业机械排放标准:
EFi,m=∑fi,u×ESu,m (2)
式中EFi,m为第i类农业机械第m种污染物的排放因子,即单位输出功率的污染物排放量;fi,u为第i类农业机械中第u类排放标准所占比例;ESu,m为第u类排放标准中第m类污染物基于单位输出功率的排放量;
排放量计算:
提供如下公式计算总排放量:
Em=∑i∑j∑kWi,j,k×EFi,m×βi,j,k×10-6 (3)
式中Em为第m类污染物的排放量,Wi,j,k为第j个网格中第k种作物、第i类农业机械工作产生的农业机械输出功,EFi,m为第i类农业机械第m种污染物的排放因子;βi,j,k为第j个网格中第k种作物使用第i类农业机械的面积比例,可根据各网格j的斜率s,基于βi,s,k确定每个网格的农业机械使用比例βi,j,k。
所述时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算,具体包括:
耕地、播种、插秧与收割的不同纬度网格峰值日期计算:根据不同纬度地区的农户耕作过程时间分布参数调查,确定该地区每个农户每个耕作过程的开始与结束日期,设定每户农户的土地面积相等,且每户农户每日完成该耕作过程的工作量相同,峰值日期则为耕作农户数量与调查总农户数量的比例达到最大时的日期,将整个区域内X个调查地区(一般不少于5个调查地区)的峰值日期与该地区的纬度进行线性回归,并判定整个区域所有网格的峰值日期符合该线性关系;所述线性关系为峰值日期与纬度线性回归获得的线性关系;
单个网格排放量时间分布计算:将目标区域每种作物的每个耕作过程进行叠加,将每个地区开展该耕作过程的农户数量占该地区调查农户数量的逐日比例叠加,使得其中峰值日重合,拟合多个调查地区(一般不少于5个调查地区)的比例分布建立回归曲线,通过显著性检验,从分布中获得单个网格排放量的时间分布,从而建立单个网格排放分布曲线,将获得的峰值日期与单个网格排放分布曲线相结合,将其应用于整个区域所有网格,从而建立整个区域的农业机械排放时间分布。
所述污染识别管控模块用于农业机械排放高污染区识别与管控,具体包括:
高排放地区识别:基于每个网格的排放量分布,识别排放量较大的地区;
高排放时段识别:跟踪每个地区的排放量日变化,找出高污染区的排放最大日及其具体排放量。针对高排放地区的高排放时段,提前设计管控需求,禁止或减少高排放的农业机械进入,鼓励使用较低排放的农业机械;例如在长三角区域,识别出氮氧化物(NOx)最大单日排放高于20吨或40吨的区县,如图3所示,并可指出不同区县排放最大日期。针对NOx最大单日排放高于20吨的区县,在排放最大日前后10天的时段内,禁止低于国3排放标准的农业机械进入开展作业;或是针对最大单日排放超过40吨、20-40吨以及小于20吨的区县,在各区县排放最大日前后10天内,执行分级管控措施。
本方法融合了卫星数据与土壤-地体数据,结合入户调研的结果,根据实际农业机械使用率计算其排放量,提高了结果的准确性,可大幅提高时空分辨率,实现了农业机械排放高排放地区与高排放时段的识别。
本方法的有益结果:
本方法解决了以往用于定量农业机械排放的方法中易造成偏差的问题。由于保有量或地区农业机械总功率的登记并不全面,在部分地区有所缺失,且公报数据的行政区域级别也各不相同,同时各地统计年鉴的统计口径也有出入,采用本方法可不再依赖有限的数据来源,主要基于公开的卫星数据与土壤-地体数字化数据库进行排放量的估算,且较易进行年度的数据更新工作,同时较大幅度的提高了农业机械排放的时空分辨率
本方法包括的调研工作量适中,便于开展,可以快速、便捷、有效的定量农业机械排放,且容易在不同地区推广使用。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其他方面的优点将会变得更加清楚。
图1各参数采集、处理与计算示意图。
图2农业机械排放时间分布参数采集与确定方法示意图。
图3春季农业机械密集使用时段高污染区示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
本发明提供了一种模块化农业机械排放量计算及污染识别管控系统,包括数据采集模块、排放量计算模块、时间分布计算模块与污染识别管控模块;
其中,所述数据采集模块用于目标作物类型确定、卫星数据采集与解译、土壤地体数据提取与农业机械调研;
所述排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算;
所述时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算;
所述污染识别管控模块用于农业机械排放高污染区识别与管控。
所述目标作物类型确定包括:根据目标区域的种植特征,确定所述区域内主要使用农业机械的作物作为目标作物,用k代表第k种作物,k取值为自然数,k的最大值根据作物种类数量确定。一般主要作物的种类在5~10类。
所述卫星数据采集与解译包括目标作物网格化分布,具体包括:利用Landsat8和GF-1两个卫星的影像进行遥感解译,采用监督分类方法进行数据处理与图像解译,获取目标区域中目标作物类型的网格化分布,水平方向精度可为30×30m,用j代表第j个网格,j取值为自然数,j的最大值根据网格总数量确定。
所述土壤地体数据提取包括土地斜率划分与土壤粘度划分,具体包括:
土壤地体数据提取:利用公开的土壤-地体数字化数据库获得土地斜率与土壤粘度,土壤-地体数字化数据库为包括地形、岩性和土壤特征的电子地图,该数据库中的每个矢量图单元包含全面的地形、岩性与土壤信息;所述数据库就是SOTER(Soil and TerrainDatabase)数据库,即土壤-地体数字化数据库,由联合国粮食和农业组织开始建立与推广,有一套标准的技术方法,目前世界上许多国家都建立了本地的土壤-地体数字化数据库,并将该数据库开放。
土地斜率划分:根据1984年中国农业区划委员会颁发《土地利用现状调查技术规程》对耕地坡度分为五级,分别为(0°,2°]、(2°,6°]、(6°,15°]、(15°,25°]和(25°,+∞),将土壤-地体数字化数据库中的土地斜率按照同样标准划分为5个等级,用s代表第s个土地斜率等级,s取值为1、2、3、4和5;
土壤粘度划分:根据土壤-地体数字化数据库,将土壤类型根据粘度划分为5类,分别为粘土,粘土-壤土,壤土,壤土-沙壤土,沙壤土。其中粘土主要为碱土,粘土-壤土包括强淋溶土、潜育土、淋溶土和盐土,壤土包括变性土、火山土、高活性强酸土、人为土和冲击土、壤土-沙壤土主要为始成土,沙壤土主要包括浅层土、岩性土和石质薄层土。根据土壤粘度类别,确定其对耕地功率输出的影响系数,其中粘土的影响系数R为1.3,粘土-壤土为1.2,壤土为1.1,壤土-沙壤土为1.0,沙壤土为0.9
所述农业机械调研包括农业机械分类、农业机械使用次数参数收集、农业机械运行参数收集、农业机械排放标准参数收集、农业机械使用率参数收集与时间分布参数收集,具体包括:
农业机械分类:调研作物生长过程以及种植活动中使用农业机械的情况,确定农业机械分类为:耕地机、播种机、插秧机、植保机与收割机等,用i代表第i类机械,i取值为自然数;
农业机械使用次数参数收集:每种作物在整个生长周期内第i类机械的使用次数采用Ni表示,利用调研的方式获得;
农业机械运行参数收集:以入户调研的形式获取目标区域内使用的农业机械的额定输出功率,原则上单个城市有效入户调研量不少于50户。将同为第i类的农业机械的额定输出功率取平均值得到该类农业机械的平均额定输出功率为Pi,同时调研获取该类农业机械的平均单位网格面积工作所需时长ti;
农业机械排放标准参数收集:以入户调研的形式获取区域内使用的农业机械排放标准情况,确定不同排放标准(例如国1、国2与国3)的农业机械数量及其占总调研数量的相应比例,用fi,u表示第i类机械在第u类排放标准下的数量占总调研数量的比例;
农业机械使用率参数收集:由于土地斜率影响农业机械在地块之间的转移,从而直接影响农业机械使用率。以调研的形式获得区域内不同土地斜率下使用机械的使用率β,从而进一步确定第s个斜率下第k种作物使用第i类机械的面积比例βi,s,k;
时间分布参数收集:通过入户调研,获取目标区域不同纬度地区农户的各类农业机械使用开始日期与结束日期。
所述排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算,具体包括:
地理信息数据叠加分析:
将基于卫星数据得到的网格化作物分布与土壤-地体数字化数据库中的地理信息数据进行叠加分析(就是在GIS里叠加网格化地图和矢量图,最后得到网格化地图里每个网格的信息),获得每个网格对应的作物类型、土壤粘度与土地斜率;
单位网格输出功计算:
通过如下公式计算基于网格的农业机械输出功:
Wi,j,k=∑Pi,k×ti,k×Rj×Nt,k (1)
Wi,j,k为第j个网格中第k种作物、第i类农业机械工作产生的农业机械输出功;Pi,k为第k种作物在第i类农业机械工作时的输出功率;ti,k为第k种作物在第i类农业机械工作时的单位网格面积农田工作时长;Rj为第j个网格的土壤粘度造成的功率变化系数,该系数仅对耕地机械产生影响;Ni,k为第k种作物的第i类农业机械工作次数,该次数根据调研确定;
农业机械排放因子计算:
根据如下公式计算得到目标区域各类农业机械排放标准:
EFi,m=∑fi,u×ESu,m (2)
式中EFi,m为第i类农业机械第m种污染物的排放因子,即单位输出功率的污染物排放量;fi,u为第i类农业机械中第u类排放标准所占比例;ESu,m为第u类排放标准中第m类污染物基于单位输出功率的排放量;
排放量计算:
提供如下公式计算总排放量:
Em=∑i∑j∑kWi,j,k×EFi,m×βi,j,k×10-6 (3)
式中Em为第m类污染物的排放量;Wi,j,k为第j个网格中第k种作物、第i类农业机械工作产生的农业机械输出功;EFi,m为第i类农业机械第m种污染物的排放因子;βi,j,k为第j个网格中第k种作物使用第i类农业机械的面积比例,可根据各网格j的斜率s,基于βi,s,k确定每个网格的农业机械使用比例βi,j,k。
具体的数据采集、参数处理与排放量计算流程如图1所示。
农业机械排放的时间分布由不同耕作过程中单个网格的日变化确定,具体的数据收集与处理如图2所示。其中耕地、播种、插秧与收割的排放变化特征根据不同纬度网格峰值日期与单个网格排放分布曲线确定。植保的排放则平均的分布在该网格作物的整个生长周期(从播种结束到收割开始)中。
所述时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算,具体包括:
耕地、播种、插秧与收割的不同纬度网格峰值日期计算:根据不同纬度地区的农户耕作过程时间分布参数调查,确定该地区每个农户每个耕作过程的开始与结束日期,设定每户农户的土地面积相等,且每户农户每日完成该耕作过程的工作量相同,峰值日期则为耕作农户数量与调查总农户数量的比例达到最大时的日期,将整个区域内X个调查地区(一般不少于5个调查地区)的峰值日期与该地区的纬度进行线性回归,并判定整个区域所有网格的峰值日期符合该线性关系;所述线性关系为峰值日期与纬度线性回归获得的线性关系;以长三角区域水稻收割过程为例,峰值日期与纬度的线性回归如图2中“峰值日期与纬度回归”所示。
单个网格排放量时间分布计算:将目标区域每种作物的每个耕作过程进行叠加,将每个地区开展该耕作过程的农户数量占该地区调查农户数量的逐日比例叠加,使得其中峰值日重合,拟合多个调查地区的比例分布建立回归曲线,以长三角区域水稻耕地为例,拟合结果显示符合二项分布(如图2中“单个网格排放分布曲线”所示),且P值为0.026(<0.05),通过显著性检验,从分布中获得单个网格排放量的时间分布,从而建立单个网格排放分布曲线,将获得的峰值日期与单个网格排放分布曲线相结合,将其应用于整个区域所有网格,从而建立整个区域的农业机械排放时间分布。同样将本方法应用于其他作物的其他耕作过程,可获得不同作物不同耕作过程的排放量时间分布。
所述污染识别管控模块用于农业机械排放高污染区识别与管控,具体包括:
高排放地区识别:基于每个网格的排放量分布,识别排放量较大的地区;
高排放时段识别:跟踪每个地区的排放量日变化,找出高污染区的排放最大日及其具体排放量。针对高排放地区的高排放时段,提前设计管控需求,禁止或减少高排放的农业机械进入,鼓励使用较低排放的农业机械;例如在长三角区域,识别出NOx最大单日排放高于20吨或40吨的区县,如图3所示,并可指出不同区县排放最大日期。针对NOx最大单日排放高于20吨的区县,在排放最大日前后10天的时段内,禁止低于国3排放标准的农业机械进入开展作业;或是针对最大单日排放超过40吨、20-40吨以及小于20吨的区县,在各区县排放最大日前后10天内,执行分级管控措施。同时可根据本发明的计算方法,估算得到控制措施的减排效果。
本发明提供了一种模块化农业机械排放量计算及污染识别管控系统,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (1)
1.一种模块化农业机械排放量计算及污染识别管控系统,其特征在于,包括数据采集模块、排放量计算模块、时间分布计算模块与污染识别管控模块;
其中,所述数据采集模块用于目标作物类型确定、卫星数据采集与解译、土壤地体数据提取与农业机械调研;
所述排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算;
所述时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算;
所述污染识别管控模块用于农业机械排放高污染区识别与管控;
所述目标作物类型确定包括:根据目标区域的种植特征,确定所述区域内使用农业机械的作物作为目标作物,用k代表第k种作物,k取值为自然数;
所述卫星数据采集与解译包括目标作物网格化分布,具体包括:利用Landsat8和GF-1两个卫星的影像进行遥感解译,采用监督分类方法进行数据处理与图像解译,获取目标区域中目标作物类型的网格化分布,用j代表第j个网格,j取值为自然数,j的最大值根据网格总数量确定;
所述土壤地体数据提取包括土地斜率划分与土壤粘度划分,具体包括:
土壤地体数据提取:利用公开的土壤-地体数字化数据库获得土地斜率与土壤粘度,土壤-地体数字化数据库为包括地形、岩性和土壤特征的电子地图,该数据库中的每个矢量图单元包含全面的地形、岩性与土壤信息;
土地斜率划分:对耕地坡度分为五级,分别为(0°,2°]、(2°,6°]、(6°,15°]、(15°,25°]和(25°,+∞),将土壤-地体数字化数据库中的土地斜率按照同样标准划分为5个等级,用s代表第s个土地斜率等级,s取值为1、2、3、4和5;
土壤粘度划分:根据土壤-地体数字化数据库,将土壤类型根据粘度划分为5类,分别为粘土,粘土-壤土,壤土,壤土-沙壤土,沙壤土;
所述农业机械调研包括农业机械分类、农业机械使用次数参数收集、农业机械运行参数收集、农业机械排放标准参数收集、农业机械使用率参数收集与时间分布参数收集,具体包括:
农业机械分类:调研作物生长过程以及种植活动中使用农业机械的情况,确定农业机械的类型,用i代表第i类机械,i取值为自然数;
农业机械使用次数参数收集:每种作物在整个生长周期内第i类机械的使用次数采用Ni表示,利用调研的方式获得;
农业机械运行参数收集:获取目标区域内使用的农业机械的额定输出功率,将同为第i类的农业机械的额定输出功率取平均值得到该类农业机械的平均额定输出功率为Pi,同时获取该类农业机械的平均单位网格面积工作所需时长ti;
农业机械排放标准参数收集:调研获取区域内使用的农业机械排放标准情况,确定不同排放标准的农业机械数量及其占总调研数量的相应比例,用fi,u表示第i类机械在第u类排放标准下的数量占总调研数量的比例;
农业机械使用率参数收集:以调研的形式获得区域内不同土地斜率下使用机械的使用率β,从而进一步确定第s个斜率下第k种作物使用第i类机械的面积比例βi,s,k;
时间分布参数收集:获取目标区域不同纬度地区农户的各类农业机械使用开始日期与结束日期;
所述排放量计算模块用于地理信息数据叠加分析、单位网格输出功计算、农业机械排放因子计算与排放量计算,具体包括:
地理信息数据叠加分析:
将基于卫星数据得到的网格化作物分布与土壤-地体数字化数据库中的地理信息数据进行叠加分析,获得每个网格对应的作物类型、土壤粘度与土地斜率;
单位网格输出功计算:
通过如下公式计算基于网格的农业机械输出功:
Wi,j,k=∑Pi,k×ti,k×Rj×Ni,k (1)
Wi,j,k为第j个网格中第k种作物、第i类农业机械工作产生的农业机械输出功,Pi,k为第k种作物在第i类农业机械工作时的输出功率;ti,k为第k种作物在第i类农业机械工作时的单位网格面积农田工作时长;Rj为第j个网格的土壤粘度造成的功率变化系数,该系数仅对耕地机械产生影响;Ni,k为第k种作物的第i类农业机械工作次数;
农业机械排放因子计算:
根据如下公式计算得到目标区域各类农业机械排放标准:
EFi,m=∑fi,u×ESu,m (2)
式中EFi,m为第i类农业机械第m种污染物的排放因子,即单位输出功率的污染物排放量;fi,u为第i类农业机械中第u类排放标准所占比例;ESu,m为第u类排放标准中第m类污染物基于单位输出功率的排放量;
排放量计算:
提供如下公式计算总排放量:
Em=∑i∑j∑kWi,j,k×EFi,m×βi,j,k×10-6 (3)
式中Em为第m类污染物的排放量,Wi,j,k为第j个网格中第k种作物、第i类农业机械工作产生的农业机械输出功,EFi,m为第i类农业机械第m种污染物的排放因子;βi,j,k为第j个网格中第k种作物使用第i类农业机械的面积比例;
所述时间分布模块用于耕地、播种、插秧与收割的不同纬度网格峰值日期计算与单个网格排放量时间分布计算,具体包括:
耕地、播种、插秧与收割的不同纬度网格峰值日期计算:根据不同纬度地区的农户耕作过程时间分布参数调查,确定该地区每个农户每个耕作过程的开始与结束日期,设定每户农户的土地面积相等,且每户农户每日完成该耕作过程的工作量相同,峰值日期则为耕作农户数量与调查总农户数量的比例达到最大时的日期,将整个区域内X个调查地区的峰值日期与该地区的纬度进行线性回归,并判定整个区域所有网格的峰值日期符合该线性关系;所述线性关系为峰值日期与纬度线性回归获得的线性关系;
单个网格排放量时间分布计算:将目标区域每种作物的每个耕作过程进行叠加,将每个地区开展该耕作过程的农户数量占该地区调查农户数量的逐日比例叠加,使得其中峰值日重合,拟合多个调查地区的比例分布建立回归曲线,通过显著性检验,从分布中获得单个网格排放量的时间分布,从而建立单个网格排放分布曲线,将获得的峰值日期与单个网格排放分布曲线相结合,将其应用于整个区域所有网格,从而建立整个区域的农业机械排放时间分布;
所述污染识别管控模块用于农业机械排放高污染区识别与管控,具体包括:
高排放地区识别:基于每个网格的排放量分布,识别排放量较大的地区;
高排放时段识别:跟踪每个地区的排放量日变化,找出高污染区的排放最大日及其具体排放量,针对高排放地区的高排放时段,提前设计管控需求,禁止或减少高排放的农业机械进入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581830.3A CN111724073B (zh) | 2020-06-23 | 2020-06-23 | 一种模块化农业机械排放量计算及污染识别管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581830.3A CN111724073B (zh) | 2020-06-23 | 2020-06-23 | 一种模块化农业机械排放量计算及污染识别管控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724073A CN111724073A (zh) | 2020-09-29 |
CN111724073B true CN111724073B (zh) | 2020-12-15 |
Family
ID=72568470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581830.3A Active CN111724073B (zh) | 2020-06-23 | 2020-06-23 | 一种模块化农业机械排放量计算及污染识别管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724073B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112433026B (zh) * | 2020-10-12 | 2022-04-05 | 同济大学 | 一种非道路移动机械的排放测试及评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927461A (zh) * | 2014-05-07 | 2014-07-16 | 交通运输部水运科学研究所 | 一种动态组建港口和船舶空气污染物排放清单的计算方法 |
CN105373860A (zh) * | 2015-11-30 | 2016-03-02 | 北京理工大学 | 碳净排放预测方法及装置 |
CN106094729A (zh) * | 2016-07-14 | 2016-11-09 | 西安交通大学 | 一种基于制造特征的零件机械加工过程碳排放量化方法 |
CN106548442A (zh) * | 2016-11-10 | 2017-03-29 | 湖南省环境保护科学研究院 | 一种大气污染物排放源清单精细化动态管理方法 |
CN106780078A (zh) * | 2016-11-25 | 2017-05-31 | 中国农业大学 | 一种粮食作物生产碳排放量的测量方法 |
CN109685381A (zh) * | 2018-12-28 | 2019-04-26 | 北京工商大学 | 一种基于农业活动的农业机械高分辨率排放清单编制方法 |
WO2019171405A1 (en) * | 2018-03-05 | 2019-09-12 | Cifarelli S.P.A. | Integrated nozzle for portable agricultural machinery |
CN110232528A (zh) * | 2019-06-21 | 2019-09-13 | 江苏省环境科学研究院 | 省级范围内所辖园区及企业产排废水污染物监控方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108614074A (zh) * | 2018-04-19 | 2018-10-02 | 浙江大学 | 一种便携式农业机械柴油机实时尾气排放测试系统 |
CN109033713B (zh) * | 2018-09-03 | 2022-11-25 | 广东省环境科学研究院 | 一种非道路移动机械的大气污染物排放计算方法 |
-
2020
- 2020-06-23 CN CN202010581830.3A patent/CN111724073B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927461A (zh) * | 2014-05-07 | 2014-07-16 | 交通运输部水运科学研究所 | 一种动态组建港口和船舶空气污染物排放清单的计算方法 |
CN105373860A (zh) * | 2015-11-30 | 2016-03-02 | 北京理工大学 | 碳净排放预测方法及装置 |
CN106094729A (zh) * | 2016-07-14 | 2016-11-09 | 西安交通大学 | 一种基于制造特征的零件机械加工过程碳排放量化方法 |
CN106548442A (zh) * | 2016-11-10 | 2017-03-29 | 湖南省环境保护科学研究院 | 一种大气污染物排放源清单精细化动态管理方法 |
CN106780078A (zh) * | 2016-11-25 | 2017-05-31 | 中国农业大学 | 一种粮食作物生产碳排放量的测量方法 |
WO2019171405A1 (en) * | 2018-03-05 | 2019-09-12 | Cifarelli S.P.A. | Integrated nozzle for portable agricultural machinery |
CN109685381A (zh) * | 2018-12-28 | 2019-04-26 | 北京工商大学 | 一种基于农业活动的农业机械高分辨率排放清单编制方法 |
CN110232528A (zh) * | 2019-06-21 | 2019-09-13 | 江苏省环境科学研究院 | 省级范围内所辖园区及企业产排废水污染物监控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111724073A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111727443B (zh) | 一种基于深度神经网络的土壤速效养分反演方法 | |
Muhammed et al. | Impact of two centuries of intensive agriculture on soil carbon, nitrogen and phosphorus cycling in the UK | |
Bachelet et al. | Methane emissions from wetland rice areas of Asia | |
Strehmel et al. | Evaluation of land use, land management and soil conservation strategies to reduce non-point source pollution loads in the three gorges region, China | |
CN109757175B (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
Montzka et al. | Modelling the water balance of a mesoscale catchment basin using remotely sensed land cover data | |
Van Dam et al. | Water productivity of irrigated crops in Sirsa district, India | |
CN116703236A (zh) | 一种基于陆地生态系统的碳汇定量化核算方法及系统 | |
Chen et al. | Quantifying the effects of spatial-temporal variability of soil properties on crop growth in management zones within an irrigated maize field in Northwest China | |
CN111724073B (zh) | 一种模块化农业机械排放量计算及污染识别管控系统 | |
Jiang et al. | Predicting spatiotemporal yield variability to aid arable precision agriculture in New Zealand: A case study of maize-grain crop production in the Waikato region | |
Bongiovanni | A spatial econometric approach to the economics of site-specific nitrogen management in corn production | |
Grant et al. | AusLCI methodology for developing Life Cycle Inventory for Australian agriculture | |
Vanino et al. | Earth observation for improving irrigation water management: A case-study from Apulia Region in Italy | |
Causarano et al. | Improved modeling of soil organic carbon in a semiarid region of Central East Kazakhstan using EPIC | |
Melkonian et al. | Application of dynamic simulation modeling for nitrogen management in maize | |
Yan et al. | Simulation of nitrogen dynamics in lowland polders using a new coupled modelling approach: Insights into management | |
Sargordi et al. | Spatio-temporal variation of wheat and silage maize water requirement using CGMS model | |
Riffel | Yield response and economic impact of variable-rate nitrogen applications in grain sorghum | |
Potter et al. | An approach for estimating soil carbon using the national nutrient loss database | |
Wagner et al. | The Use of Artificial Neuronal Networks to Generate Decision Rules for Site-Specific Nitrogen Fertilization | |
Hartmana et al. | AN ANALYSIS AND VALIDATION OF THE SMAP CROPLAND B-PARAMETER ACROSS THE US CORN BELT | |
Witta et al. | Internal nutrient efficiencies of irrigated lowland rice in tropical and subtropical Asia | |
Jiang | Hydrological water quality modelling of nested meso scale catchments | |
Swinton et al. | Is yield response site-specific? Revisiting nitrogen recommendations on corn |
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 |