CN112001610B - 农业面源污染的处理方法及装置 - Google Patents
农业面源污染的处理方法及装置 Download PDFInfo
- Publication number
- CN112001610B CN112001610B CN202010806952.8A CN202010806952A CN112001610B CN 112001610 B CN112001610 B CN 112001610B CN 202010806952 A CN202010806952 A CN 202010806952A CN 112001610 B CN112001610 B CN 112001610B
- Authority
- CN
- China
- Prior art keywords
- point source
- river
- factors
- factor
- agricultural non
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 246
- 231100000719 pollutant Toxicity 0.000 claims abstract description 246
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 62
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 60
- 229910052698 phosphorus Inorganic materials 0.000 claims description 60
- 239000011574 phosphorus Substances 0.000 claims description 60
- 230000005540 biological transmission Effects 0.000 claims description 31
- 229910052757 nitrogen Inorganic materials 0.000 claims description 31
- 239000003673 groundwater Substances 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 26
- 238000012876 topography Methods 0.000 claims description 24
- 239000002689 soil Substances 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 22
- 238000005192 partition Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000014759 maintenance of location Effects 0.000 claims description 13
- 238000004162 soil erosion Methods 0.000 claims description 12
- 239000000356 contaminant Substances 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 39
- 230000008569 process Effects 0.000 description 26
- 238000005259 measurement Methods 0.000 description 23
- 230000007246 mechanism Effects 0.000 description 21
- 238000012544 monitoring process Methods 0.000 description 21
- 241000196324 Embryophyta Species 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000004907 flux Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008595 infiltration Effects 0.000 description 3
- 238000001764 infiltration Methods 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000006722 reduction reaction Methods 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000004354 ROESY-TOCSY relay Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农业面源污染的处理方法及装置，其中该方法包括：将预设区域划分为多个流域基本测算单元；对多个流域基本测算单元进行分类，得到多个流域类型区；从每一流域类型区内选取出典型流域基本测算单元；建立每一流域类型区的典型单元对应的污染物类型，多个因子，及每一因子对应的自然要素的关系；根据每一流域类型区的多个因子及该关系，得到每一流域类型区对应的面源污染物入河系数；根据该系数确定污染物负荷量，进而处理面源污染。本发明可以通过得到的农业面源污染入河系数，在全国尺度上科学、准确地确定污染物负荷量，从而可以准确地确定面源污染对水环境的影响，进而可以有效地处理面源污染，对改善环境起到了科学的指导意义。
Description
技术领域
本发明涉及污染控制技术领域，尤其涉及农业面源污染的处理方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着固定源污染监管在技术、制度以及法规标准方面日趋成熟，面源污染逐渐成为影响水环境质量的关键因素。在我国许多地区的河流、湖泊等受到面源污染输入的营养物质影响，出现了不同程度的富营养化现象，严重损害水体使用功能，出现了资源性缺水和污染性缺水双重叠加的压力，对区域水安全造成极大的挑战。如何在全国尺度上科学、准确地评估农业面源污染物入河量即农业面源污染的入水体负荷量，厘清面源污染对水环境质量的损害程度，以便有效控制面源污染，进而改善环境，成为社会各界普遍关注的热点问题之一。
传统的面源污染负荷量是由农业污染源活动水平、产排污系数结合计算得出的，但是受到面源污染来源的多样性、传输过程的复杂性以及空间分布的差异性等因素影响，污染物的产生、迁移、转化及削减等机理过程均存在较大的差异性，导致不同条件下同一种农业源的产排污系数体现出了较大的时空异质性，在全国尺度上对其进行测算十分困难。若是笼统地用农业源污染物产排污量来表征其对水环境的影响，会导致测算结果失真，掩盖其他重要污染源对水环境的影响，影响国家污染控制战略导向、技术重点等的有效性和针对性。因此，现有通过传统面源污染负荷量确定方法，来确定农业面源污染对水环境质量的影响程度的精度低，进而导致无法有效地处理农业面源污染。
发明内容
本发明实施例提供一种农业面源污染的处理方法，用以得到准确的农业面源污染入河系数，根据该系数可以在全国尺度上科学、准确地确定面源污染物负荷量，从而可以准确地确定农业面源污染对水环境质量的影响程度，进而可以有效地处理农业面源污染，该方法包括：
将预设区域划分为多个流域基本测算单元；根据空间异质性特征指标，对多个流域基本测算单元进行分类，得到多个流域类型区；
根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；
建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系；
根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数；
根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度；所述影响程度为处理农业面源污染的依据。
本发明实施例还提供一种农业面源污染的处理装置，用以得到准确的农业面源污染入河系数，根据该系数可以在全国尺度上科学、准确地确定面源污染物负荷量，从而可以准确地确定农业面源污染对水环境质量的影响程度，进而可以有效地处理农业面源污染，该装置包括：
分区处理单元，用于将预设区域划分为多个流域基本测算单元；根据体现空间异质性特征的指标，对多个流域基本测算单元进行分类，得到多个流域类型区；
选取单元，用于根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；
关系建立单元，用于建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系；
入河系数确定单元，用于根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数；
处理单元，用于根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度；所述影响程度为处理农业面源污染的依据。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述农业面源污染的处理方法。
本发明实施例还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执行上述农业面源污染的处理方法的计算机程序。
本发明实施例中，农业面源污染的处理方案，与现有技术中通过传统面源污染负荷量确定方法，来确定农业面源污染对水环境质量的影响程度的方案精度低，进而导致无法有效处理农业面源污染的技术方案相比，通过：将预设区域划分为多个流域基本测算单元；根据空间异质性特征指标，对多个流域基本测算单元进行分类，得到多个流域类型区；根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系；根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数；根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度，可以得到准确的农业面源污染入河系数，根据该系数可以在全国尺度上科学、准确地确定面源污染物负荷量，从而可以准确地确定农业面源污染对水环境质量的影响程度，进而可以有效地处理农业面源污染，对改善环境起到了科学的指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：
图1为本发明实施例中农业面源污染的处理方法的流程示意图；
图2为本发明实施例中农业面源污染处理的原理示意图；
图3为本发明实施例中小尺度区域精细化模拟结果向大尺度区域推广的原理示意图；
图4为本发明实施例中流域尺度和行政区域尺度之间转换的示意图；
图5为本发明实施例中农业面源污染的处理装置的结构示意图；
图6为本发明实施例中处理单元的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
在介绍本发明实施例之前，首先对本发明实施例涉及的名词进行介绍。
面源污染物入河系数：是指在流域产污单元内产生、累积的污染物被降雨和下垫面介质驱动、传输、生物化学降解以及物理拦截后最终进入对应子流域内邻近河流水系的负荷量与产生量的比例比值。入河系数侧重于陆面污染物自然削减过程，不包括河道水体自然净化过程。
下面对发明人发现现有农业面源污染的处理方案存在技术问题及提出本发明实施例方案的思路进行介绍。
目前传统的面源污染负荷量的测算方法可细分为实地监测、传统经验模型和机理模型三大类。
1.实地监测技术：即通过对农田的氮磷流失、畜禽养殖废弃物的排放以及农田地膜残留等进行监测，结果准确度高，能对污染物传输过程进行监测。
2.传统经验模型：包括污染负荷当量法(输出系数模型)、径流模数估算法、水文线分割法等方法，通常采用“黑箱”的方式对污染物传输过程进行概化表示[7]。在一定条件下，以实地观测或实验的数据为基础建立的经验模型，可能是一个粗略的关系式，也可能是一个复杂的回归方程。以“产污量—河流污染通量”反推法为例，该模型将污染物传输过程视作黑箱系统，不考虑污染物入河前各个传输过程的影响，将传输过程概化为一个整体参数，通过计算某一独立的流域单元污染物产污量与河流污染物通量(一般由河流水质浓度乘以流量获得)之间的差值来表示该流域内所有污染源的入河系数。具有计算简单、易于扩展使用、适用于国家区域尺度等优势。
3.机理模型：通过对表征农业面源污染物入河全过程的大量参数、函数式进行高度集成，对污染物从产污单元到入河的时空运移过程进行较为清晰的刻画，结果也较为直观。以目前在世界范围内应用较为广泛的SWAT模型为例，是由美国农业部(USDA)的JeffArnold博士将ROTO模型、SWRRB模型整合而成的模型。具有很强物理基础的、能够进行适用于较大流域尺度的分布式面源污染负荷模型。包括水文过程、土壤侵蚀和污染负荷三个子模型，是一个包含701个方程和1013个中间变量的极其复杂的模型系统。但操作较复杂，同时对数据和人员专业素质要求较高、耗时较长且可模拟的空间尺度最高为百万级流域尺度。
下面结合下表1，说明现有三种方式存在的问题是：
1.实地监测技术：当前我国地表水环境监测的国控断面(点位)共有2767个，包括河流断面2424个，湖库点位343个，共监测1366条河流和139座湖库。尽管地表水水质监测点位分布广泛，但是基于面源污染物传输过程的水质监测点位空间分布有待优化。另一方面，根据农业农村部统计信息显示，截至2017年全国建立了273个农业面源污染国控监测点，210个废旧残膜污染定位监测点，25个畜禽养殖污染防治定位监测点，实施了长期定位监测，初步建立了全国农业面源污染监测网络，摸清农业污染源产排污系数。然而，我国耕地范围大，分布广，加之面源污染传输过程的复杂性、来源的多样性，现有面源污染监测点位的监测数据难以完成全国面源污染负荷量的测算，同时，增设监测点位意味着增加巨大的成本投入和维护需求，难以适应在国家尺度的工作中进行推广应用。
2.传统的经验模型：尽管传统的经验模型计算简便，快捷，能够适用于大尺度地区的推广应用，但是其测算精度一般低于机理模型和实地监测法，并且对地下径流(包括壤中流)过程考虑不足，直接使用会导致测算结果误差较大，难以真实反映污染物的实际入河量。还是以“产污量—河流污染通量”反推法为例，由于在河流污染物通量的计算过程中很难区分工业点源排放量与农业面源污染物入河量对河流水质浓度的影响，并且该方法将污染物入河的各个环节进行概化，导致无法建立概化因子与不同区域地带差异性之间的函数关系，很难将某一典型流域的实测结果在其他区域进行使用。因此，以该方法获取的农业面源污染物入河量通常存在较高的不确定性。同时随着测算流域尺度的增大，河流长度、规模也不断增加，上游来水与河流内源释放污染物对河流污染物通量的计算结果很难规避，特别是无法区分氮、磷等具有长期累积性的污染物在河道的累积效应对入河系数估算的影响。导致使用该方法所获取的入河系数在向更大尺度空间的推广应用时具有很大的局限性与不确定性。
3.机理模型：在面源污染负荷量的测算过程中，机理类模型由于能够对污染物从产污单元到入河的时空运移过程进行较为清晰的刻画，结果也较为直观，使得该类模型在实际测算中普遍得到应用。但是，大多数机理类模型模拟的空间尺度是地块尺度、子流域尺度，最高为百万级流域尺度，适用区域主要是农业流域和城市区域，大尺度区域，因此就存在流域-区域的尺度转换问题。另一方面，现有机理模型操作较复杂，同时对数据和人员专业素质要求较高、耗时较长等局限性也限制了其在国家尺度的应用。不同模型对于农业面源污染物入河系数测定的适用性分析如表1所示，AGNPS模型对河道水文过程模拟不足；HSPF模型对实测基础数据要求较高，模型稳定性较低；SWAT模型对于地块尺度到子流域尺度的水文传输过程表征不足等，导致机理模型难以便捷地识别全国范围内农业面源污染物入河全过程以及向大尺度区域推广应用。
表1农业面源污染物入河系数测定方法的适用性分析
基于上述可知，发明人发现：传统的面源污染负荷量是由农业污染源活动水平、产排污系数结合计算得出的，但是受到面源污染来源的多样性、传输过程的复杂性以及空间分布的差异性等因素影响，污染物的产生、迁移、转化及削减等机理过程均存在较大的差异性，导致不同条件下同一种农业源的产排污系数体现出了较大的时空异质性，在全国尺度上对其进行测算十分困难。若是笼统地用农业源污染物产排污量来表征其对水环境的影响，会导致测算结果失真，掩盖其他重要污染源对水环境的影响，影响国家污染控制战略导向、技术重点等的有效性和针对性。
考虑到上述技术问题，发明人提出了农业面源污染的处理方案，该方案：
(1)识别全国尺度农业面源污染物入河的传输机理、分布规律以及关键环境因子，建立农业面源污染物入河系数与重要环境因子之间的响应机制和概念模型(例如下面公式(1))。
(2)针对不同污染物(总氮、溶解态磷、颗粒态磷)，基于农业面源污染传输空间机理过程，构建流域尺度农业源污染物入河系数测算“五因子”技术模型(例如下面公式(2)-(4))，能够方便、快速、科学地实现全国农业源污染物入河系数测算。
(3)解决当前入河系数测算中产排污系数、污染源活动水平以及入河系数的两次空间尺度转换后误差较大的难题，实现小尺度区域精细化模拟结果向大尺度区域推广应用。
总体来看，获取全国的农业源污染物入河系数主要有以下两个关键技术和难点。(1)能够客观的反应全国尺度农业面源污染物入河机制和关键环境因子。(2)能够有效降低“流域—区域”空间尺度转换造成的测算误差。
综上所述，发明人提出只有建立一种考虑面源污染物传输机理的、能够对污染物入河关键环节及参数进行修正和补充的、模拟精度相对较高且时间成本、监测成本较低的、能够有效降低“流域—区域”空间尺度转换造成的测算误差的、适用于大尺度流域/区域面源污染物入河量测算的模型，才能够在国家尺度入河系数核算中发挥重要的作用。
因此，由于发明人考虑到了以上现有技术中存在的技术问题，因此提出了一种农业面源污染的处理方案，该方案需要采用入河系数将基于污染源活动水平和产排污系数测算得出的农业面源污染物排放量，转化为农业面源污染物的入水体负荷量，从而准确厘清农业面源污染对水环境质量的影响程度。同时，该方案还需要解决流域尺度和行政区划尺度之间转换的问题，降低由于空间尺度转换过程中导致的数据误差。
下面对该农业面源污染的处理进行详细介绍。
图1为本发明实施例中农业面源污染的处理方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤101：将预设区域划分为多个流域基本测算单元；根据空间异质性特征指标，对多个流域基本测算单元进行分类，得到多个流域类型区；
步骤102：根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；
步骤103：建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系；
步骤104：根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数；
步骤105：根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度；所述影响程度为处理农业面源污染的依据。
本发明实施例中，农业面源污染的处理方案，与现有技术中通过传统面源污染负荷量确定方法，来确定农业面源污染对水环境质量的影响程度的方案精度低，进而导致无法有效处理农业面源污染的技术方案相比，可以得到准确的农业面源污染入河系数，根据该系数可以在全国尺度上科学、准确地确定面源污染物负荷量，从而可以准确地确定农业面源污染对水环境质量的影响程度，进而可以有效地处理农业面源污染，对改善环境起到了科学的指导意义。
本发明实施例通过以影响农业源污染物入河的关键因素为依据对全国进行合理的分区分类，从中选择一定数量能够代表全国地理空间差异性的典型流域测算基本单元，采用以经验模型模拟为主、必要的实地监测为辅的技术方法对各个典型流域基本测算单元的入河系数五因子体系进行精细化的模拟和验证，通过建立五因子与其对应空间位置的自然要素间的非线性响应关系，将典型流域基本测算单元的五因子测算结果向其所代表的更大尺度区域进行空间外推，进而获取国家尺度的入河系数五因子测算体系，最后通过采取加权空间地统计方法将所获取的流域单元的入河系数体系向县域尺度行政单元进行准确匹配，作为测算全国农业源污染物入水体负荷量的重要依据下面结合附图2至图4，对本发明实施例中农业面源污染的处理方法涉及的各个步骤进行详细介绍。
一、首先介绍上述步骤101，合理分区分类以满足参数向大尺度区域推广的需要。
在上述步骤101中，预设区域可以是全国区域。具体实施时，为有效应对典型区域或流域入河系数参数向大尺度区域推广的不确定性和单一模型在国家尺度区域内使用中的方法局限性问题，需要对“嵌套式”典型流域基本测算单元按照传输过程进行分区分类。
第一步，流域基本测算单元划定。采用当前国内外通用的流域水文单元切分方法，以提取的全国高精度数字高程模型(DEM)数据和十大流域分区为依据，并与现行的流域水生态功能分区和水资源三级分区结果进行参比，考虑到农业面源污染物在流域空间单元内传输的有效性和可监测性，通过查阅大量文献资料确定农业面源污染最优控制面积比例，将全国划分为7000多个平均面积为1000km2左右，具有空间嵌套关系的流域基本测算单元，采用干支拓扑编码规则对其进行编码。
第二步，基于传输过程的流域基本测算单元分区分类。从影响农业面源污染物入河系数全过程的五大因子入手，选择坡度、降水量、降雨次数、林草地面积、植被覆盖度以及土壤-河流地貌综合分区六项能够体现空间异质性特征的指标(空间异质性特征指标)作为全国分区分类的主要指标，分别对10大流域(大区)，采用聚类分析完成全国传输过程的分区分类，划定40多个类型区(亚区)。
二、接着，介绍上述步骤102，在每个亚区(流域类型区)内选取具有代表性的典型流域基本测算单元。
具体实施时，逐一在每个亚区内，以考虑流域农业面源污染物传输河流地貌的代表性、流域水文传输过程的空间可扩展性、土地利用格局的代表性，采用主因子分析的方法识别导致农业面源污染物入河系数空间变异的关键指标(空间变异特征的主导因子，可以包括流域农业面源污染物传输河流地貌的代表性、流域水文传输过程的空间可扩展性、土地利用格局的代表性这些主导因子)，以此作为选择典型流域测算基本单元的主要依据，从中选择一定数量有代表性的典型流域基本测算单元开展入河系数的细化模拟测算，作为向更大尺度空间范围推广的依据。
三、接着，为了便于理解，一同介绍上述步骤103和步骤104，基于传输机理过程建立流域尺度入河系数精细化测算方法，即典型流域基本测算单元入河系数关键因子核算技术体系，以及典型流域基本测算单元精细化测算结果亚区内推广试算。
在一个实施例中，所述多个农业面源污染物入河系数测算因子可以包括：降雨驱动因子、地形驱动因子、地表径流因子、地下蓄渗/地下水径流因子和植物截留因子的任意组合。
具体实施时，多个农业面源污染物入河系数测算因子可以包括：降雨驱动因子、地形驱动因子、地表径流因子、地下蓄渗/地下水径流因子和植物截留因子的任意组合可以进一步提高污染物入河系统的精度。当然还可以包括其他因子，例如下表2中的土壤侵蚀因子。
建立流域尺度的入河系数测算模型系统(包括降雨、地形、地表径流、地下蓄渗/地下径流以及植物截留因子测算的子模型)，分别测算入河系数五因子，在补充必要实测验证的基础上对其进行耦合，建立五因子之间的函数关系式：
式中：λi为入河系数；Lsub为流域基本测算单元出口农业面源污染物负荷量；Ssub为流域基本测算单元坡面产生农业面源污染物负荷量；TI为地表径流因子(TransportationIndex)，α为降雨驱动因子，β为地形驱动因子，LI为地下蓄渗/地下水径流因子(LeachingIndex)，RI为植物截留因子(Retention Index)。上式中“五大因子”在不同区域、不同尺度，有不同类型的外推方法和函数关系，需要基于全国分区、分类采取必要的实验监测对模拟结果进行验证后获取。
考虑到各个流域基本测算单元所在区域特征的差异性，需要推荐合适的计算模型(如在地表径流因子的计算中，针对南方土壤湿度较高的区域推荐使用基于超渗产流机制的SCS-CN模型，而针对北方干旱地区则推荐采用基于蓄满产流机制的VSA-CN模型)，构建全国入河系数模拟备选模型库，以解决全国范围内区域差异性所导致的单一模型在应用方面的局限性的影响，即在一个实施例中农业面源污染的处理方法还可以包括：建立每一亚区所处空间位置对应因子计算模型库；根据亚区(流域类型区)所在空间位置，选取对应的因子计算模型库，得到每一亚区对应的每一个因子值，提高了计算每一因子值得精度，进而提高了后续面源污染物入河系数得计算精度，可以准确地确定后续污染物负荷量，从而可以准确地确定面源污染对水环境的影响，进而可以有效地处理面源污染，对改善环境起到了科学的指导意义。
如图3所示，以回归预测分析技术、水文模型精细化模拟技术为基础，建立典型流域基本测算单元五因子计算结果在其所在亚区内推广分析的技术路线。主要包括：1)确立入河系数五因子及其对应的自然要素关系表；2)五因子与其对应的自然要素间的非线性回归关系的建立；3)采用实测数据或机理模型精细化模拟结果为因变量，考虑污染源产排污系数的基础上，建立五因子之间的组合函数关系体系。
为了便于理解上述步骤，下面整体举个例子进行说明。
1.基于农业源污染物传输过程的全国分区
(1)全国农业源污染物入水体负荷流域基本测算单元划分。基于DEM地表水文分析的主要内容是利用ArcGIS10的水文分析工具提取地表水流径流模型的水流方向、汇流累积量、水流长度、河流网络(包括河流网络的分级等)以及对研究区的流域进行分割等。通过对这些基本水文因子的提取和分析，可再现水流的流动过程，最终完成水文分析过程。考虑到农业面源污染物在流域空间单元内传输的有效性和可监测性，通过查阅大量国内外文献、实地调研等方式，确定国家尺度农业面源污染最优控制面积比例为1000km2，在此基础上对已提取的DEM进行水文分析。具体步骤包括DEM的预处理、水流方向分析、汇流累积量、河流网络的分析与流域的划分等过程。
为了保证农业源污染物入河系数测算结果的有效推广，采用干支拓扑编码规则对已划定的流域基本测算单元进行编码。干支拓扑编码规则是一种基于河流干支流拓扑关系的编码方案，能够较好地实现对不规则树状结构河网进行子流域划分及编码。干支拓扑编码规则的主体是各级河流干流河段，辅之以支流标识，可实现不同树状河网编码，并能在编码上反映河流级别以及上下游拓扑关系。干支拓扑编码采用继承式编码规则，从流域出水口开始逆流而上，逐河段、逐级别按河段汇流流程进行编码，且上游子流域编码始终包括其所流经的下游子流域编码。
(2)流域基本测算单元分区分类。考虑到本研究中各个流域测算基本单元内的数据包含连续变量和分类变量两种，因此考虑采用智能聚类方法中的层次聚类和两步聚类法进行聚类分析。两步聚类的流程是通过两个流程来完成的。第一步是预聚类，即对个案进行初步归类(该算法中也允许使用者自己制定最大允许的类别数)；第二步是正式聚类，此时将对第一步中得到的初步类别进行再聚类并确定最终的聚类方案，并且在这个步骤中会根据一定的统计标准确定聚类的类别数量。按照以上分区分类原则，通过参考查阅国内外百余篇农业源污染物入河系数研究相关文献，从影响农业源污染物入河系数构成的五大因子入手，选择坡度、降水量、降雨次数、林草地面积、植被覆盖度以及土壤分区共6项能够反映空间异质性特征的指标作为全国分区分类的主要指标，采用聚类分析对全国进行分区分类。其中坡度主要反映地形影响因子在全国范围内的变化特征；降水量和降水次数主要反映降雨驱动因子在全国范围内的变化特征；土壤分区、坡度以及降水主要反映了地表径流因子在全国范围内的变化特征；土壤和植被覆盖度主要反映了地下蓄渗和地下水径流因子在全国内的变化特征；林草面积以及植被覆盖度主要反映了植物截留因子的变化特征。
2.基于指标聚类分析的典型流域基本测算单元选取
根据全国流域基本测算单元的划分结果，全国共有7775个流域测算基本单元，若全部测算其农业源污染物入河五大因子是非常困难的，因此就需要采用科学合理的抽样方法，抽取适量样本，既能够反应全体样本的特征，又能提供工作效率。传统的抽样方法是在一定的置信水平和置信区间下通过采用随机抽样的方式选择一定数量的样本，通过测算样本整体的均值或总值等来衡量样本的代表性。与传统的抽样方法不同，农业源污染物入河系数实际上是由不同区域的自然地理条件的异质性所引起的，是具有空间特征的，因此，如何选择最能代表一定区域内自然条件异质性的典型流域单元作为实地测算的代表区域，对于农业源污染物入河系数的准确验证具有重要的意义。
从地统计学角度分析，每个流域基本测算单元及其内部所包含的农业源污染物入河系数主要特征因子是具有空间分布特征的矢量数据，因此在大数据抽样过程中需要考虑其分区、分级的特征。本研究中拟采取的典型流域基本单元的选取方式为降维、排序和检验的方法。通过采用因子分析对所划定的每个亚区内影响农业源污染物入河的关键因素进行空间变异分析，选取最能够代表该区域空间变异特征的主导因子，以此作为典型流域选取的主要指标，并进而分析每个流域基本单元内该指标的标准差，并对其进行排序，以标准差最大的流域基本单元作为拟选择的典型流域基本单元，并参比现行水文、气象站点空间布局和数据可获得性，对选定的典型流域基本单元进行调整，最大程度上利用现有长期监测数据对计算结果进行率定和验证，不但能够节约监测成本和时间成本，而且还提高了典型流域基本测算单元入河系数计算的精度。
3.典型流域基本测算单元入河系数关键因子核算技术体系
本方案在充分利用已有研究基础上，综合考虑不同地区由于降雨、地形的不同导致产排污系数的差异性，提出农业源污染物入河系数的测算思路：即污染物在降水和地形的驱动下，随地表径流、壤中流和地下水径流进入传输通道，最终经过林草地截留过程之后进入到受纳水体。另一方面，受不同的雨量条件与土壤持水能力差异性的影响，全国不同区域的产流模式也不同。比如北方地区以超渗产流为主，南方喀斯特地区则以蓄满产流为主，拟采用SCS-CN和VSA-CN两种不同的产流模型对全国不同区域内的地表径流因子进行计算。考虑到污染物的种类形态不同，入河方式也有所不同。因此，基于污染物入河的传输机理过程，最终形成不同污染物的入河系数测算方法：
(1)总氮入河系数
λTN＝αTN×β×TI×LI×RITN； (2)
式中：λTN为总氮入河系数，αTN为总氮的降雨驱动因子，β为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RITN为总氮的植物截留因子，各因子的详细计算方法请参见前文提到的根据空间位置从因子计算模型库中选取不同因子计算模型计算各因子的介绍，在此不再赘述。
其中，如下表2所示，总氮的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；地表径流因子对应空间位置的自然要素包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素包括：CN值、汛期降雨量和非汛期降雨量；总氮的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度。其中CN的中文名为径流曲线数，Curve Number，简称CN。在本发明施例中可以是计算地表径流因子、地下蓄渗/地下水径流因子的自然要素。
(2)溶解态磷入河系数
λDP＝αDP×β×TI×LI×RIDP； (3)
式中：λDP为溶解态磷的入河系数，αDP为溶解态磷的降雨驱动因子，β为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RIDP为溶解态磷的植物截留因子，各因子的详细计算方法在此不再赘述。
其中，如下表2所述，溶解态磷的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；地表径流因子对应空间位置的自然要素包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素包括：CN值、汛期降雨量和非汛期降雨量；溶解态磷的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度。
(3)颗粒态磷入河系数
λPP＝αPP×β×(ISEP)×RIPP； (4)
式中：λPP为颗粒态磷的入河系数，αPP为颗粒态磷的降雨驱动因子，β为地形驱动因子，ISEP为土壤侵蚀因子，RIPP为颗粒态磷的植物截留因子；各因子的详细计算方法在此不再赘述。
其中，如下表2所示，颗粒态磷的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；土壤侵蚀因子对应空间位置的自然要素包括：坡长、坡度、水土保持参数、植被覆盖与管理参数和土壤可蚀性参数；颗粒态磷的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度。
下面介绍本发明的一个优选实施方案，即各因子的标准化处理(包括在建立典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系的过程中，以及实际应用该关系得到每一流域类型区对应的农业面源污染物入河系数的过程中均可以运用各因子标准化处理的步骤)。
在一个实施例中，根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数，可以包括：
对每一流域类型区对应的多个农业面源污染物入河系数测算因子进行标准化处理，得到标准化处理后的多因子；
根据标准化处理后的多因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数。
具体实施时，为了便于计算，根据数据的分布特征，对获取的五因子栅格数据进行标准化处理，以提升结果的精确度，消除数据之间量纲不同对测算结果的影响。标准化计算公式如下：
正态分布：
偏态分布：或/>
式中：NXi为标准化结果，X为每个典型流域基本测算单元所对应五因子的实际数值(在预测亚区的污染物入河系数时，代表每一亚区对应的五因子的实际数值，下面的参数含义同该描述，后面不再赘述)，min(X)为典型流域基本测算单元所对应五因子的最小值，max(X)为典型流域基本测算单元所对应五因子的最大值，为第i个影响因子的中位数，Xi为第i个影响因子(测算因子)的实际数值。
综合入水体系数计算：第一步，降雨因子与地形因子相乘；第二步，地表径流、蓄渗因子与截留因子标准化后相乘；最终，综合入水体系数为第一步值乘以第二步值。
4.典型流域基本测算单元精细化测算结果亚区内推广试算
确立入河系数五因子及其对应的自然要素关系表。根据农业源污染物入河系数计算体系中确定的五因子计算方法可知，五因子主要受到如下自然要素的影响，以五因子为因变量，对应的自然影响要素的自变量，构建下表2：
表2入河系数外推回归预测分析变量表
/>
五因子与其对应的自然要素间的非线性回归关系的建立。回归分析是建立因变量(或称依变量，反因变量)与自变量X(或称独变量，解释变量)之间关系的模型。简单线性回归使用一个自变量X，非线性回归使用超过一个自变量(X1,X2...Xi)。
(1)变量的正态性检验：采用Q-Q图或直方图对自变量的各个水平的因变量进行正态性检验；
(2)提出回归模型假设：研究中对数据进行分析之后，确定要调查的因变量，和相关的自变量的种类，再根据研究目的，选择相关性高的自变量进行回归分析；
(3)获取数据：建立回归方程，利用得到的大量数据资料，首先采用简单直观的方法，如绘制散点图分析变量间的关系和形态；
(4)确定回归方法：如果自变量之间存在线性相关就采用线性回归，如果呈现非线性相关就采用非线性回归的方法；
将经过精细化模拟测算得到的典型流域基本测算单元五因子，与其对应的自然要素分别建立回归关系，在亚区内进行推广应用，获取亚区农业源污染物入河系数测算的五个因子，从而根据总氮、溶解态磷、颗粒态磷的入河系数计算公式计算得到亚区农业源污染物入河系数。
5.解决尺度转换问题形成全国不同流域、不同区域农业面源污染入河系数
另一方面，发明人还发现如下技术问题：农业源污染物入河量的测算还存在尺度转换的问题。在测算过程中，产排污系数、污染源活动水平都是基于行政区划尺度获取的，而入河系数和农业面源污染负荷量测算所需的空间尺度则是以流域为单元。直接将流域尺度的入河系数与行政区划尺度的产排污系数、污染源活动水平相乘，会增加测算结果的误差，降低测算结果的准确性，掩盖由于空间差异性导致的农业源污染物入河量的不同。由于发明人发现了该技术问题，因此，提出了如下解决流域尺度和行政区划尺度之间转换的问题，降低由于空间尺度转换过程中导致的数据误差。
在一个实施例中，如图4所示，根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度，可以包括：
步骤1051：根据每一流域类型区对应的农业面源污染物入河系数，得到每一行政区域对应的农业面源污染物入河系数；
步骤1052：根据每一行政区域对应的农业面源污染物入河系数，确定每一行政区域对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一行政区域对应的农业面源污染物对水环境质量的影响程度。
具体实施时，通过将流域尺度的参数结果绘制成精度为1km×1km网格地图，根据区域差异性每个网格具有不同或相同的参数值，进而采用空间离散化的方式，将每个1km网格内的参数精准匹配到对应的不同层级行政区划内，形成全国省(区、市)、地级市以及县域农业源污染物入河系数参数库，进一步提高了农业面源污染物负荷量的确定精度，进而可以有效处理农业面源污染，进一步改善环境。
具体实施时，在上述步骤105中，可以根据上述公式(1)，确定农业面源污染物负荷量。可以根据负荷量，确定影响程度的等级，根据级别的高低可以迅速确定某一区域的污染程度，便于后续及时地对污染区域进行污染治理，进而改善环境。
综上，本发明实施例提供的农业面源污染的处理方法的优点包括：
一是首次提出了适用于全国尺度农业面源污染物入河系数测算尺度转换技术模型；
二是本发明技术方案首次构建了流域尺度入河系数“五因子”测算模型，相较于其他技术方案，能够显著降模型测算的误差，提升测算效率；
三是基于本方案提出的技术方法体系，最终能够形成全国尺度的不同流域、不同省(区、市)、不同地级市、不同区县甚至不同乡镇的农业源污染物入河系数。不但可以摸清全国不同区域农业面源污染物的入河量，而且还能够从国家层面了解农业源污染物对水环境质量影响的贡献程度，对于生态环境部履行监督指导农业面源污染治理职能，以改善环境质量为核心的水体环境污染控制管理工作能够提供进一步的技术支撑。
本发明实施例中还提供了一种农业面源污染的处理装置，如下面的实施例所述。由于该装置解决问题的原理与农业面源污染的处理方法相似，因此该装置的实施可以参见农业面源污染的处理方法的实施，重复之处不再赘述。
图5为本发明实施例中农业面源污染的处理装置的结构示意图，如图5所示，该装置包括：
分区处理单元01，用于将预设区域划分为多个流域基本测算单元；根据体现空间异质性特征的指标，对多个流域基本测算单元进行分类，得到多个流域类型区；
选取单元02，用于根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；
关系建立单元03，用于建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系；
入河系数确定单元04，用于根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数；
处理单元05，用于根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度；所述影响程度为处理农业面源污染的依据。
在一个实施例中，如图6所示，所述处理单元可以包括：
转换单元051，用于根据每一流域类型区对应的农业面源污染物入河系数，得到每一行政区域对应的农业面源污染物入河系数；
影响程度确定单元052，用于根据每一行政区域对应的农业面源污染物入河系数，确定每一行政区域对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一行政区域对应的农业面源污染物对水环境质量的影响程度。
在一个实施例中，所述入河系数确定单元具体可以用于：
对每一流域类型区对应的多个农业面源污染物入河系数测算因子进行标准化处理，得到标准化处理后的多因子；
根据标准化处理后的多因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数。
在一个实施例中，所述污染物类型可以包括：总氮；在污染物类型为总氮时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系可以包括：
λTN＝αTN×β×TI×LI×RITN；
式中：λTN为总氮入河系数，αTN为总氮的降雨驱动因子，β为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RITN为总氮的植物截留因子；
其中，总氮的降雨驱动因子对应空间位置的自然要素可以包括降雨量；地形驱动因子对应空间位置的自然要素可以包括坡度；地表径流因子对应空间位置的自然要素可以包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素可以包括：CN值、汛期降雨量和非汛期降雨量；总氮的植物截留因子对应空间位置的自然要素可以包括：植被覆盖度和坡度。
在一个实施例中，所述污染物类型可以包括：溶解态磷；在污染物类型为溶解态磷时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系可以包括：
λDP＝αDP×β×TI×LI×RIDP；
式中：λDP为溶解态磷的入河系数，αDP为溶解态磷的降雨驱动因子，β为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RIDP为溶解态磷的植物截留因子；
其中，溶解态磷的降雨驱动因子对应空间位置的自然要素可以包括降雨量；地形驱动因子对应空间位置的自然要素可以包括坡度；地表径流因子对应空间位置的自然要素可以包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素可以包括：CN值、汛期降雨量和非汛期降雨量；溶解态磷的植物截留因子对应空间位置的自然要素可以包括：植被覆盖度和坡度。
在一个实施例中，所述污染物类型可以包括：颗粒态磷；在污染物类型为颗粒态磷时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系可以包括：
λPP＝αPP×β×(ISEP)×RIPP；
式中：λPP为颗粒态磷的入河系数，αPP为颗粒态磷的降雨驱动因子，β为地形驱动因子，ISEP为土壤侵蚀因子，RIPP为颗粒态磷的植物截留因子；
其中，颗粒态磷的降雨驱动因子对应空间位置的自然要素可以包括降雨量；地形驱动因子对应空间位置的自然要素可以包括坡度；土壤侵蚀因子对应空间位置的自然要素可以包括：坡长、坡度、水土保持参数、植被覆盖与管理参数和土壤可蚀性参数；颗粒态磷的植物截留因子对应空间位置的自然要素可以包括：植被覆盖度和坡度。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述农业面源污染的处理方法。
本发明实施例还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执行上述农业面源污染的处理方法的计算机程序。
本发明实施例中，农业面源污染的处理方案，与现有技术中通过传统面源污染负荷量确定方法，来确定农业面源污染对水环境质量的影响程度的方案精度低，进而导致无法有效处理农业面源污染的技术方案相比，通过：将预设区域划分为多个流域基本测算单元；根据空间异质性特征指标，对多个流域基本测算单元进行分类，得到多个流域类型区；根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系；根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数；根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度，可以得到准确的农业面源污染入河系数，根据该系数可以在全国尺度上科学、准确地确定面源污染物负荷量，从而可以准确地确定农业面源污染对水环境质量的影响程度，进而可以有效地处理农业面源污染，对改善环境起到了科学的指导意义。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种农业面源污染的处理方法，其特征在于，包括：
将预设区域划分为多个农业面源污染物入水体负荷的流域基本测算单元；根据坡度、降水量、降雨次数、林草地面积、植被覆盖度以及土壤-河流地貌综合分区，以及水流方向、汇流量累积、水流长度、河流网络、河网分级的空间异质性特征指标，对多个流域基本测算单元进行划定和分类，得到多个流域类型区；
考虑流域农业面源污染物传输河流地貌的代表性、流域水文传输过程的空间可扩展性、土地利用格局的代表性，采用主因子分析的方法识别导致农业面源污染物入河系数空间变异的空间变异特征主导因子，该主导因子包括：流域农业面源污染物传输河流地貌的代表性、流域水文传输过程的空间可扩展性、土地利用格局的代表性；根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；
建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的非线性响应关系；所述多个农业面源污染物入河系数测算因子包括：降雨驱动因子、地形驱动因子、地表径流因子、地下蓄渗/地下水径流因子、植物截留因子和土壤侵蚀因子的任意组合；
根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述非线性响应关系，得到每一流域类型区对应的农业面源污染物入河系数；
根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度；根据所述影响程度处理农业面源污染；
所述污染物类型包括：总氮；在污染物类型为总氮时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系包括：
lTN＝aTN′b′TI′LI′RITN；
式中：lTN为总氮入河系数，aTN为总氮的降雨驱动因子，b为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RITN为总氮的植物截留因子；
其中，总氮的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；地表径流因子对应空间位置的自然要素包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素包括：CN值、汛期降雨量和非汛期降雨量；总氮的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度；
所述污染物类型包括：溶解态磷；在污染物类型为溶解态磷时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系包括：
lDP＝aDP′b′TI′LI′RIDP；
式中：lDP为溶解态磷的入河系数，aDP为溶解态磷的降雨驱动因子，b为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RIDP为溶解态磷的植物截留因子；
其中，溶解态磷的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；地表径流因子对应空间位置的自然要素包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素包括：CN值、汛期降雨量和非汛期降雨量；溶解态磷的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度；
所述污染物类型包括：颗粒态磷；在污染物类型为颗粒态磷时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系包括：
lPP＝aPP′b′(ISEP)′RIPP；
式中：lPP为颗粒态磷的入河系数，aPP为颗粒态磷的降雨驱动因子，b为地形驱动因子，ISEP为土壤侵蚀因子，RIPP为颗粒态磷的植物截留因子；
其中，颗粒态磷的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；土壤侵蚀因子对应空间位置的自然要素包括：坡长、坡度、水土保持参数、植被覆盖与管理参数和土壤可蚀性参数；颗粒态磷的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度。
2.如权利要求1所述的农业面源污染的处理方法，其特征在于，根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度，包括：
根据每一流域类型区对应的农业面源污染物入河系数，得到每一行政区域对应的农业面源污染物入河系数；
根据每一行政区域对应的农业面源污染物入河系数，确定每一行政区域对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一行政区域对应的农业面源污染物对水环境质量的影响程度。
3.如权利要求1所述的农业面源污染的处理方法，其特征在于，根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数，包括：
对每一流域类型区对应的多个农业面源污染物入河系数测算因子进行标准化处理，得到标准化处理后的多因子；
根据标准化处理后的多因子，以及所述关系，得到每一流域类型区对应的农业面源污染物入河系数。
4.一种农业面源污染的处理装置，其特征在于，包括：
分区处理单元，用于将预设区域划分为多个农业面源污染物入水体负荷的流域基本测算单元；根据体现坡度、降水量、降雨次数、林草地面积、植被覆盖度以及土壤-河流地貌综合分区，以及水流方向、汇流量累积、水流长度、河流网络、河网分级的空间异质性特征的指标，对多个流域基本测算单元进行划定和分类，得到多个流域类型区；
选取单元，用于考虑流域农业面源污染物传输河流地貌的代表性、流域水文传输过程的空间可扩展性、土地利用格局的代表性，采用主因子分析的方法识别导致农业面源污染物入河系数空间变异的空间变异特征主导因子，该主导因子包括：流域农业面源污染物传输河流地貌的代表性、流域水文传输过程的空间可扩展性、土地利用格局的代表性；根据代表每一流域类型区的空间变异特征的主导因子，从每一流域类型区内选取出每一流域类型区的典型流域基本测算单元；
关系建立单元，用于建立每一流域类型区的典型流域基本测算单元对应的污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的非线性响应关系；所述多个农业面源污染物入河系数测算因子包括：降雨驱动因子、地形驱动因子、地表径流因子、地下蓄渗/地下水径流因子、植物截留因子和土壤侵蚀因子的任意组合；
入河系数确定单元，用于根据每一流域类型区对应的多个农业面源污染物入河系数测算因子，以及所述非线性响应关系，得到每一流域类型区对应的农业面源污染物入河系数；
处理单元，用于根据每一流域类型区对应的农业面源污染物入河系数，确定每一流域类型区对应的农业面源污染物负荷量，根据所述农业面源污染物负荷量，确定每一流域类型区对应的农业面源污染物对水环境质量的影响程度；根据所述影响程度处理农业面源污染；
所述污染物类型包括：总氮；在污染物类型为总氮时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系包括：
lTN＝aTN′b′TI′LI′RITN；
式中：lTN为总氮入河系数，aTN为总氮的降雨驱动因子，b为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RITN为总氮的植物截留因子；
其中，总氮的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；地表径流因子对应空间位置的自然要素包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素包括：CN值、汛期降雨量和非汛期降雨量；总氮的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度；
所述污染物类型包括：溶解态磷；在污染物类型为溶解态磷时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系包括：
lDP＝aDP′b′TI′LI′RIDP；
式中：lDP为溶解态磷的入河系数，aDP为溶解态磷的降雨驱动因子，b为地形驱动因子，TI为地表径流因子，LI为地下蓄渗/地下水径流因子，RIDP为溶解态磷的植物截留因子；
其中，溶解态磷的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；地表径流因子对应空间位置的自然要素包括：CN值、降雨量和土壤饱和导水率；地下蓄渗/地下水径流因子对应空间位置的自然要素包括：CN值、汛期降雨量和非汛期降雨量；溶解态磷的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度；
所述污染物类型包括：颗粒态磷；在污染物类型为颗粒态磷时，所述污染物类型，多个农业面源污染物入河系数测算因子，以及每一因子对应空间位置的自然要素之间的关系包括：
lPP＝aPP′b′(ISEP)′RIPP；
式中：lPP为颗粒态磷的入河系数，aPP为颗粒态磷的降雨驱动因子，b为地形驱动因子，ISEP为土壤侵蚀因子，RIPP为颗粒态磷的植物截留因子；
其中，颗粒态磷的降雨驱动因子对应空间位置的自然要素包括降雨量；地形驱动因子对应空间位置的自然要素包括坡度；土壤侵蚀因子对应空间位置的自然要素包括：坡长、坡度、水土保持参数、植被覆盖与管理参数和土壤可蚀性参数；颗粒态磷的植物截留因子对应空间位置的自然要素包括：植被覆盖度和坡度。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3任一所述方法。
6.一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执行权利要求1至3任一所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010806952.8A CN112001610B (zh) | 2020-08-12 | 2020-08-12 | 农业面源污染的处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010806952.8A CN112001610B (zh) | 2020-08-12 | 2020-08-12 | 农业面源污染的处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112001610A CN112001610A (zh) | 2020-11-27 |
| CN112001610B true CN112001610B (zh) | 2024-04-26 |
Family
ID=73463751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010806952.8A Active CN112001610B (zh) | 2020-08-12 | 2020-08-12 | 农业面源污染的处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112001610B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112613578A (zh) * | 2020-12-31 | 2021-04-06 | 中国环境科学研究院 | 农田氮径流量估算方法、装置、计算机设备及存储介质 |
| CN112990651A (zh) * | 2021-01-15 | 2021-06-18 | 嘉兴学院 | 一种流域环境资源投入产出模型的构建方法 |
| CN113158385A (zh) * | 2021-03-15 | 2021-07-23 | 北京农业信息技术研究中心 | 一种农业面源污染关键源区识别方法及系统 |
| CN113011993B (zh) * | 2021-03-19 | 2024-03-12 | 中国水利水电科学研究院 | 基于标准数据的农业污染源入水体负荷量测算方法 |
| CN113011992B (zh) * | 2021-03-19 | 2024-03-15 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
| CN113256469A (zh) * | 2021-05-14 | 2021-08-13 | 郑州大学环境技术咨询工程有限公司 | 一种城镇地表径流面源污染物入河量核算方法 |
| CN113361114B (zh) * | 2021-06-11 | 2022-05-17 | 中国科学院精密测量科学与技术创新研究院 | 一种基于径流路径的多尺度面源污染物入河系数测算方法 |
| CN113688528A (zh) * | 2021-08-30 | 2021-11-23 | 生态环境部南京环境科学研究所 | 平原河网区农业源污染物入水体负荷量核算方法及系统 |
| CN114662930B (zh) * | 2022-03-24 | 2023-03-24 | 中国科学院地理科学与资源研究所 | 一种农业面源污染风险识别方法及电子设备 |
| CN115130275B (zh) * | 2022-05-25 | 2023-07-18 | 广东省科学院生态环境与土壤研究所 | 水系氮污染分级计算方法、系统、计算机设备及存储介质 |
| CN115168972B (zh) * | 2022-08-04 | 2023-04-11 | 上海市农业科学院 | 基于有限空间识别的面源污染生态拦截工程优化方法 |
| CN115629190A (zh) * | 2022-12-08 | 2023-01-20 | 中农创达(北京)环保科技有限公司 | 农业面源污染数据管理方法、装置、设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100794589B1 (ko) * | 2007-02-27 | 2008-01-17 | 인하대학교 산학협력단 | 지아이에스를 이용한 수질오염부하산정 의사결정지원시스템및 그 운영방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021898A (zh) * | 2016-05-13 | 2016-10-12 | 中国环境科学研究院 | 一种地下水污染源强分级评价方法 |
| CN207671771U (zh) * | 2017-08-14 | 2018-07-31 | 中国电建集团华东勘测设计研究院有限公司 | 一种污水处理厂尾水分散式处理排放系统 |
-
2020
- 2020-08-12 CN CN202010806952.8A patent/CN112001610B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100794589B1 (ko) * | 2007-02-27 | 2008-01-17 | 인하대학교 산학협력단 | 지아이에스를 이용한 수질오염부하산정 의사결정지원시스템및 그 운영방법 |
Non-Patent Citations (7)
| Title |
|---|
| "关于农业面源污染物入河系数测算技术路线与关键方法的探讨";耿润哲等;《环境与可持续发展》(第2期);第26-30页 * |
| "流域尺度非点源总氮输出系数改进模型的应用";庞树江等;《农业工程学报》;第33卷(第18期);第213-223页 * |
| 三峡库区非点源污染负荷时空分布模型的构建及应用;龙天渝;刘敏;刘佳;;农业工程学报(第08期);全文 * |
| 以水环境质量改善为核心建立监督指导农业面源污染治理制度框架;殷培红;耿润哲;裴晓菲;王萌;杨生光;周丽丽;;环境与可持续发展(第02期);全文 * |
| 潮河流域非点源污染控制关键因子识别及分区;耿润哲;王晓燕;庞树江;殷培红;;中国环境科学(第04期);全文 * |
| 章明奎著.《农业系统中氮磷的最佳管理实践》.中国农业出版社,2005,第55-56页. * |
| 耿润哲等."关于农业面源污染物入河系数测算技术路线与关键方法的探讨".《环境与可持续发展》.2019,(第2期),第26-30页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112001610A (zh) | 2020-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112001610B (zh) | 农业面源污染的处理方法及装置 | |
| Liu et al. | Assessing how spatial variations of land use pattern affect water quality across a typical urbanized watershed in Beijing, China | |
| Xue et al. | A review of non-point source water pollution modeling for the urban–rural transitional areas of China: Research status and prospect | |
| Zhou et al. | New insight into the correlations between land use and water quality in a coastal watershed of China: Does point source pollution weaken it? | |
| Nadiri et al. | Assessment of groundwater vulnerability using supervised committee to combine fuzzy logic models | |
| Chen et al. | Quantifying nonpoint source emissions and their water quality responses in a complex catchment: A case study of a typical urban-rural mixed catchment | |
| Wu et al. | Assessment of groundwater vulnerability by applying the modified DRASTIC model in Beihai City, China | |
| Loos et al. | Ensemble data assimilation methods for improving river water quality forecasting accuracy | |
| CN107563139A (zh) | 一种点源突发性水污染源事故溯源贡献程度计算方法 | |
| CN112986538A (zh) | 大区域土壤重金属检测与时空分布特征分析方法及系统 | |
| Wu et al. | Watershed features and stream water quality: Gaining insight through path analysis in a Midwest urban landscape, USA | |
| Varekar et al. | Design of sampling locations for river water quality monitoring considering seasonal variation of point and diffuse pollution loads | |
| 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 | |
| Virro et al. | Random forest-based modeling of stream nutrients at national level in a data-scarce region | |
| CN116307768B (zh) | 流域农业农村面源污染不同时空尺度动态排放清单方法 | |
| CN113158385A (zh) | 一种农业面源污染关键源区识别方法及系统 | |
| CN110765213A (zh) | 一种地表水流域污染源排放清单（动态清单）的编制方法 | |
| Xu et al. | Decoding river pollution trends and their landscape determinants in an ecologically fragile karst basin using a machine learning model | |
| Hession et al. | Watershed‐level uncertainties: Implications for phosphorus management and eutrophication | |
| Abeshu et al. | Median bed-material sediment particle size across rivers in the contiguous US | |
| CN116166669A (zh) | 水污染溯源方法、装置、设备及存储介质 | |
| Nourani et al. | A fuzzy logic-based approach for groundwater vulnerability assessment | |
| Reinelt et al. | Nonpoint source pollution monitoring program design | |
| Xia et al. | Urban water system theory and its model development and application | |
| Wu et al. | Simulating dissolved organic carbon during dryness/wetness periods based on hydrological characteristics under multiple timescales |
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 |