CN112541611B - 一种雨养农用地面源污染排放量预测方法及系统 - Google Patents
一种雨养农用地面源污染排放量预测方法及系统 Download PDFInfo
- Publication number
- CN112541611B CN112541611B CN202011173929.6A CN202011173929A CN112541611B CN 112541611 B CN112541611 B CN 112541611B CN 202011173929 A CN202011173929 A CN 202011173929A CN 112541611 B CN112541611 B CN 112541611B
- Authority
- CN
- China
- Prior art keywords
- month
- flow
- historical
- precipitation
- predicted value
- 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 53
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 244
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 122
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 108
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 108
- 239000011574 phosphorus Substances 0.000 claims abstract description 108
- 238000004519 manufacturing process Methods 0.000 claims abstract description 98
- 238000002386 leaching Methods 0.000 claims abstract description 96
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000001556 precipitation Methods 0.000 claims description 111
- 206010000210 abortion Diseases 0.000 claims description 9
- 231100000176 abortion Toxicity 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009313 farming Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 12
- 230000002265 prevention Effects 0.000 abstract description 5
- 239000003337 fertilizer Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 239000003344 environmental pollutant Substances 0.000 description 7
- 231100000719 pollutant Toxicity 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241001070941 Castanea Species 0.000 description 1
- 235000014036 Castanea Nutrition 0.000 description 1
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 240000006240 Linum usitatissimum Species 0.000 description 1
- 235000004431 Linum usitatissimum Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明实施例提供一种雨养农用地面源污染排放量预测方法及系统，包括：收集在雨养农用地目标监测点处的历史产流相关数据；确定在未来预设时间段内各月份的产流相关预测值；确定雨养农用地的产流氮磷总量预测值，并将产流氮磷总量预测值作为雨养农用地的污染排放量。本发明实施例提供的污染排放量预测方法，在农田面源污染发生驱动因素与特征基础上，针对水量排放量和产流氮磷浓度，分别建立月份地表径流和地下淋溶排放量预测模型以及产流氮磷浓度预测模型，科学预测降雨影响的农用地田块尺度面源污染排放量，解决了仅受降雨量影响的农用地田块尺度面源污染排放量无法预测的难题，为农业面源污染防治提供了技术支持。
Description
技术领域
本发明涉及农业灌溉技术领域，尤其涉及一种雨养农用地面源污染排放量预测方法及系统。
背景技术
雨养农用地是指无人工灌溉，仅靠自然降水作为水分来源的农业生产用地。随着我国农业集约化、规模化程度的提高，农业生产对化肥的依赖性日渐增强，为了追求相对较高的经济效益，广大农户存在着过量施用化肥的现象，化肥超过一定范围后，农田盈余的氮磷易进入环境造成面源污染。中国是世界第一大化肥生产国和使用国，以9％的耕地养活22％的人口，消耗了35％的化肥，这带来的后果是肥料利用率偏低，肥料损失严重，农田面源污染风险加剧。第一次全国污染源普查结果表明，我国农业源污染物排放是重要的污染来源，其中总氮、总磷排放分别占排放总量的57.2％和67.4％。从第二次全国污染源普查结果来看，农业源仍然是重要的排放源。
目前，农田面源污染径流流失研究主要是通过野外实地监测，其实施难度大、影响因素多。另外，还采用基于模型模拟的径流监测方法，其工作量相对较小、比较容易开展，但需要具有连续、系统的地表径流监测数据作为支持。
用于农田面源污染排放量的预测研究则主要有源强估算法和模型法。其中，源强估算法是基于第一次全国污染源普查种植业氮磷源强系数，以源强系数大小与化肥流失率成正比的原理，通过对源强系数进行校正，再结合农田面积预测等进行农田氮磷排放量预测。该方法没有考虑田块尺度农田实施农艺措施后对污染物排放的影响，也没有考虑农田土壤和降水灌溉等因素的区域特征对田块尺度农田面源污染排放量的影响。而模型法则是基于对污染物产生、迁移等构建机理模型，通过对降雨径流的形成以及污染物的迁移转化过程进行模拟，不仅考虑污染物的输入和输出情况，还考虑污染物的迁移转化过程。常用的模型有SWAT、HSPF、AnnAGNPS、ANSWERS、SWMM、WEPP等，但此类模型应用是以流域为主，对数据量、数据精度要求较高，基础数据和参数需求量大，对实测资料的依赖程度较高，很难用于无资料或资料条件较差的区域。
因此，如何全面、实时、准确地预测田块面源污染发展趋势将有利于今后科学防治农业面源污染。
发明内容
本发明实施例提供一种雨养农用地面源污染排放量预测方法及系统，用以解决现有技术中在降雨驱动下田块尺度上面源污染预测模型的空缺，以提高预测地面源污染排放量的精度和效率。
第一方面，本发明实施例提供一种雨养农用地面源污染排放量预测方法，主要包括：收集在雨养农用地目标监测点处的历史产流相关数据；根据历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；根据产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将产流氮磷总量预测值作为雨养农用地的污染排放量。
可选地，历史产流相关数据主要包括历史降水量、历史单次径流量、历史单次淋溶量和历史产流氮磷浓度数据；
各月份的产流相关预测值主要包括各月份地表径流产流量、各月份地下淋溶产流量、各月份产流浓度预测值和各月份产流氮磷量预测值。
可选地，根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值，主要包括：
根据历史降水量获取各月份单次降水量预测值；根据历史降水量和与之对应的历史单次径流量确定各月份地表径流系数；根据历史降水量和与之对应的历史单次淋溶量确定各月份地下淋溶系数；根据各月份单次降水量预测值以及与之对应的各月份地表径流系数确定各月份地表径流产流量；再结合与历史单次降水量对应的各月份地下淋溶系数确定各月份地下淋溶产流量；根据历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，结合各月份地表径流产流量、各月份地下淋溶产流量获取各月份产流氮磷总量预测值。
可选地，根据历史降水量获取各月份单次降水量预测值，主要包括：收集目标监测点在历史上多年日降水量作为所述历史降水量；根据历史上多年日降水量，模拟预测在未来预设时间段内日降水量；根据在未来预设时间段内降水量确定下一年份的各月份单次降水量预测值。
可选地，根据历史降水量和与之对应的历史单次径流量确定各月份地表径流系数，主要包括：
XBY＝BY/JY
其中，BY为历史各月份径流量；JY为历史各月份降水量；XBY为各月份地表径流系数。
可选地，根据所述历史降水量、历史单次淋溶量确定各月份地下淋溶系数，主要包括：
XRY＝RY/JY
其中，RY为历史各月份淋溶量；JY为根据所述历史降水量确定的历史各月份降水量；XRY为各月份地下淋溶系数。
可选地，根据各月份单次降水量预测值、各月份地表径流系数确定各月份地表径流产流量，主要包括：
其中，YCJYS为各月份单次降水量预测值；XBY为各月份地表径流系数；YCQBY为各月份地表径流产流量；S为各月份降水次数。
可选地，根据各月份单次降水量预测值、各月份地下淋溶系数确定各月份地下淋溶产流量，主要包括：
其中，YCJYS为各月份单次降水量预测值；XRY为各月份地下淋溶系数；YCQRY为各月份地下淋溶产流量，S为各月份降水次数。
可选地，所述根据历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，结合各月份地表径流产流量、各月份地下淋溶产流量获取各月份产流氮磷总量预测值，主要包括：
获取目标监测点在历史上多年月份产流浓度数据作为历史产流浓度数据；根据历史产流浓度数据，获取产流浓度月份比率，以计算多年产流浓度月份比率平均值；根据产流浓度月份比率平均值，获取关于产流浓度的月份调节指数；根据关于产流浓度的月份调节指数，并结合历史上每月产流浓度，获取关于产流浓度的多年每月产流浓度序列；对多年每月产流浓度序列进行回归分析，获取产流浓度趋势方程；利用产流浓度趋势方程，根据预设时间段内的月份序列，获取预设时间段内各月份不含月份影响的产流浓度值，再分别乘以相应的月份调节指数，以确定在未来预设时间段内各月份产流浓度预测值。
可选地，根据各月份地表径流产流量、各月份地下淋溶产流量、各月份产流氮磷浓度预测值和各月份产流量预测值，确定产流氮磷总量预测值，主要包括：
YCYY＝YCQBY×YCCBY+YCQRY×YCCRY
其中，YCYY为各月份产流氮磷总量预测值；YCQBY为各月份地表径流产流量；YCCBY为各月份地表径流产流浓度预测值；YCQRY为各月份地下淋溶产流量；YCCRY为各月份地下淋溶产流浓度预测值。
第二方面，本发明实施例还提供一种雨养农用地面源污染排放量预测系统，主要包括数据获取单元、数据预处理单元、产流计算单元，其中：数据获取单元主要用于收集在雨养农用地目标监测点处的历史产流相关数据；数据预处理单元主要用于根据历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；产流计算单元主要用于根据产流相关预测值确定雨养农用地的产流氮磷总量预测值，并将产流氮磷总量预测值作为雨养农用地的污染排放量。
第三方面，本发明实施例还提供一种电子设备，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程序时实现如上述任一种所述雨养农用地面源污染排放量预测方法的步骤。
第四方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述雨养农用地面源污染排放量预测方法的步骤。
本发明实施例提供的雨养农用地面源污染排放量预测方法及系统，在农田面源污染发生驱动因素与特征基础上，针对降水量和产流氮磷浓度，分别建立月份地表径流和地下淋溶产流量预测模型以及产流氮磷浓度预测模型，科学预测降雨影响的农用地田块尺度面源污染排放量，解决了仅受降雨影响的农用地田块尺度面源污染排放量无法预测的难题，为农业面源污染防治提供了技术支持。
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一简单地介绍，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。
图1是本发明实施例提供的一种雨养农用地面源污染排放量预测方法的流程示意图；
图2为本发明实施例提供的一种产流浓度趋势方程构建的示意图；
图3为本发明实施例提供的一种雨养农用地面源污染排放量预测系统的结构示意图；
图4是本发明实施例提供的一种电子设备的结构示意图。
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，下面将结合本发明实施例中的附图，对本发明实施例中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作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。
为了克服受降水影响的农田田块尺度面源污染排放量无法预测的不足，本发明实施例提供一种基于农田面源污染发生驱动因素与特征基础的仅受降雨量影响的农田面源污染排放量的预测方法，如图1所示，包括但不限于以下步骤：
步骤S1：收集在雨养农用地目标监测点处的历史产流相关数据；
步骤S2：根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；
步骤S3：根据所述产流相关预测值确定所述雨养农用地的产流总量预测值，并将所述产流总量预测值作为所述雨养农用地的污染排放量。
其中，雨养农用地的目标监测点的选取可以是多个，并通过收集的各个监测点的历史数据平均值，确定为虚拟的理想目标监测点处的历史产流相关数据。其中，历史产流相关数据主要包括：历史降水量、历史单次径流量、历史单次淋溶量和历史产流氮磷浓度数据。可以通过调取气象监测站数据库中存储了多年的各个月份的历史数据，获取历史降水量，并从监测点历史数据中获取各历史年份中每个月份内与该历史降水量相对应的单次径流量、单次淋溶量和产流氮磷浓度数据后，统计出历史降雨产流相关数据，对此本发明实施例不作具体地限定。
其中，降水量是指从天空降落到地面上的液态或固态(经融化后)水，未经蒸发、渗透、流失，而在水平面上积聚的深度，以mm为单位。单次径流量是指在一次降水事件中，当降水或融雪强度超过土壤下渗速度时，产生径流并逐渐汇集，形成地表径流的水量。单次淋溶量是指在一次降水事件中，土壤和肥料中的营养物质(本发明实施例中主要指氮素和磷素)随降水向下运移至作物根系活动层以下，不能被作物吸收利用导致的农田淋溶水量。产流量是指降雨驱动形成的径流或淋溶的那部分水量，以mm为单位。在本发明实施例中的产流氮磷浓度数据是指在降雨过程中，形成径流或淋溶水中氮素、磷素的浓度。
本发明实施例所提供的雨养农用地面源污染排放量预测方法，在获取到目标监测点处的历史降水量、历史单次径流量、历史单次淋溶量和历史产流氮磷浓度数据后，获取根据上述历史数据，可以预测在未来预设时间段内每个月在该农用地的对应于每个历史产流相关数据的预测值，为以后的污染排放量预测提供数据依据。
需要说明的是，未来预设时间段可以为下一个年份、下一个年份中的多个月份(例如，6、7、8三个月等)，或者下两个年份等。其具体的时间长度大小可以根据实际情况进行调整，本发明实施例对此不作限定。
进一步地，产流相关预测值主要包括：获取下一个年份中各月份的地表径流产流量、各月份地下淋溶产流量、各月份地表径流产流氮磷浓度和各月份地下淋溶产流氮磷浓度预测值。
进一步地，根据预测的各月份的地表径流产流量与各月份地表径流产流氮磷浓度预测值的乘积、各月份地下淋溶产流量与各月份地下淋溶产流氮磷浓度预测值的乘积，进行加和获取到各月份产流氮磷总量预测值。
最后，将预测的产流氮磷总量预测值作为被监测的雨养农用地的污染排放量预测值。
本发明实施例提供的雨养农用地面源污染排放量预测方法，在农田面源污染发生驱动因素与特征基础上，针对水量排放量和产流氮磷浓度，分别建立月份地表径流和地下淋溶产流量预测模型以及产流氮磷浓度预测模型，科学预测仅受降雨影响的农用地田块尺度面源污染排放量，解决了受降雨影响的农用地田块尺度面源污染排放量无法预测的难题，为农业面源污染防治提供了技术支持。
基于上述实施例的内容，作为一种可选实施例，步骤S2中所述的根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值，具体包括但不限于以下步骤：
步骤S21：根据历史降水量获取各月份单次降水量预测值；
步骤S22：根据历史降水量和与之对应的历史单次径流量确定各月份地表径流系数；
步骤S23：根据历史降水量和与之对应的历史单次淋溶量确定各月份地下淋溶系数；
步骤S24：根据各月份单次降水量预测值和与之对应的各月份地表径流系数确定各月份地表径流产流量；
步骤S25：根据各月份单次降水量预测值和与之对应的各月份地下淋溶系数确定各月份地下淋溶产流量；
步骤S26：根据历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，结合各月份地表径流产流量、各月份地下淋溶产流量预测值获取各月份产流氮磷量预测值。
可选地，上述步骤S21所述的根据历史降水量获取各月份单次降水量预测值，主要包括但不限于：
收集目标监测点在历史上多年日降水量作为所述历史降水量；利用天气发生器，根据历史上多年日降水量，模拟预测下一年份日降水量；根据下一年份日降水量确定下一年份的各月份单次降水量预测值。
其中，天气发生器是一种用于气候影响评价研究的工具，在气候变化、地球生态系统及极端气候事件发生的风险分析等方面有着广泛的应用，在本发明实施例中不对天气发生器的具体构造以及预测原理作具体的限定。
在本发明实施例中，通过收集监测点历史上多年日降水量JY，通过天气发生器，根据JY，来模拟预测下一年份日降水量，进而获取下一年份每个月在每次降水过程中的降水量YCJYS。
可选地，北方高原山地区包括青海中北部、甘肃西南部、内蒙古高原、黄土高原和华北山地。该区域降雨少，土壤类型主要有草甸土、栗钙土、黄绵土等，主要有小麦、玉米、青稞、薯类、豆类，经济作物主要是胡麻、中药材，蔬菜较少。本区降雨量较少，化肥用量低，氮磷流失以地表径流途径为主。如表1所示，是在对某北方高原山地区农田面源污染地表径流总氮排放量进行预测中获取的下一年份各月降水量预测值列表：
表1下一年份各月降水量预测值列表
基于上述实施例的内容，作为一种可选实施例，步骤S22中所述的根据历史降水量和历史单次径流量确定各月份地表径流系数，主要包括：
XBY＝BY/JY
其中，BY为历史各月份径流量；JY为历史各月份对应的降水量；XBY为各月份地表径流系数。
步骤S23中所述的根据历史降水量和历史单次淋溶量确定各月份地下淋溶系数，包括：
XRY＝RY/JY
其中，RY为历史各月份淋溶量；JY为根据所述历史各月份对应的降水量；XRY为各月份地下淋溶系数。
具体地，在本发明实施例中，首先，收集监测点历史上多年单次径流量、淋溶量及与之对应的历史降水量，分别针对各个月份，获得各月份地表径流系数XBY和地下淋溶系数XRY。
可选地，表2为对上述实施例中的某北方高原山地区放量农田面源污染地表径流总氮排放量预测过程中，所获取的下一年份各月产流系数列表：
表2下一年份各月产流系数
基于上述实施例的内容，可选地，步骤S24所述的在获取地表径流系数以及地下淋溶系数后，则可以实现对于各月份地表径流产流量的预测计算，包括：
其中，YCJYS为各月份单次降水量预测值；XBY为各月份地表径流系数；YCQBY为各月份地表径流产流量；S为各月份降水次数。
进一步地，步骤S25中所述的根据各月份单次灌溉量预测值、各月份地下淋溶系数确定各月份地下淋溶产流量，主要包括：
其中，YCJYS为各月份单次降水量预测值；XRY为各月份地下淋溶系数；YCQRY为各月份地下淋溶产流量，S为各月份降水次数。
具体地，根据模拟的下一年份降水量，分别根据各自月单次日降水量，对应到各月份地表径流系数XBY和各月份地下淋溶系数XRY，核算得出各个月份地表径流单次产流量YCQBYS和地下淋溶单次产流量YCQRYS，累加则可以获得各月份地表径流产流量YCQBY和地下淋溶产流量YCQRY。
可选地，表3为对上述实施例中的某北方高原山地区放量农田面源污染地表径流总氮排放量预测过程中，所获取的下一年份各月产流量预测值列表：
表3下一年份各月产流量预测值
| 月份 | 地表径流产流量(mm) | 地下淋溶产流量(mm) |
| 1 | 0 | 0 |
| 2 | 0 | 0 |
| 3 | 0 | 0 |
| 4 | 7.2 | 0 |
| 5 | 6.9 | 0 |
| 6 | 8.11 | 0 |
| 7 | 8 | 0 |
| 8 | 8.05 | 0 |
| 9 | 6.85 | 0 |
| 10 | 6.8 | 0 |
| 11 | 0 | 0 |
| 12 | 0 | 0 |
基于上述实施例的内容，作为一种可选实施例，步骤S26中所述的根据历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，主要包括但不限于以下步骤：
获取目标监测点在历史上多年月份产流浓度数据作为所述历史产流浓度数据；根据历史产流浓度数据，获取产流浓度月份比率，以计算多年产流浓度月份比率平均值；根据产流浓度月份比率平均值，获取关于产流浓度的月份调节指数；根据关于产流浓度的月份调节指数，并结合历史上每月产流浓度用量，获取关于产流浓度的多年每月产流浓度序列；对多年每月产流浓度序列进行回归分析，获取产流浓度趋势方程；利用产流浓度趋势方程，根据预设时间段内的月份序列，获取预设时间段内各月份不含月份影响的产流浓度值，再分别乘以相应的月份调节指数，求得各月份产流氮磷浓度预测值。
作为一种可选实施例，上述根据历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，结合各月份地表径流产流量、各月份地下淋溶产流量获取各月份氮磷产流量预测值的具体实施步骤可以是：
获取目标监测点在历史上多年月份产流浓度数据作为历史产流浓度数据；基于滑动平均法，根据历史产流浓度数据，获取中心化移动平均产流浓度值；将历史上每月产流浓度除以中心化移动平均产流浓度值，获取产流浓度月份比率；确定多年产流浓度月份比率平均值并除以平均的年月份产流浓度比率，获取关于产流浓度的月份调节指数；将历史上每月产流浓度用量分别除以相应的产流浓度的月份调节指数，获取关于产流浓度的多年每月产流浓度序列；基于一元线性模型对多年每月产流浓度序列进行回归分析，获取产流浓度趋势方程；利用产流浓度趋势方程，根据下一年的月份序列，获取下一年份的各月份不含月份影响的产流浓度，再分别乘以相应的月份调节指数，获取最终的月份产流氮磷浓度预测值。
作为另一种可选实施例，下一年的各月份产流氮磷浓度预测值的获取方法，也可以采用以下步骤实现：
1)历史产流浓度数据的获取：获取目标监测点的多年份月份产流浓度数据FYN。
2)产流浓度中心化滑动平均值的获取：从某年第1个月的产流浓度数据开始4项滑动平均至第4个月产流浓度数据，获得4项滑动平均值。然后对每两个4项滑动平均值进行中心化处理，获得中心化移动产流浓度平均值。
3)产流浓度月份比率的获取：用每月产流浓度除以中心化移动产流浓度平均值，获得产流浓度月份比率。
4)产流浓度月份调节指数获取：多年的产流浓度各月份比率平均值，除以总的平均年月份比率，获得月份调节指数。
5)产流浓度月份成分分离：用每月产流浓度分别除以相应的月份调节指数，得到分离后的多年每月产流浓度序列。
6)产流浓度趋势方程的构建：用一元线性模型进行回归分析，得到分离月份因素后的序列对应的线性趋势方程。
如图2所示，是利用本方法根据对上述实施例中所述的某北方高原山地区放量农田面源污染地表径流总氮排放量进行预测过程中，所获取的多年每月产流氮浓度序列，进行产流氮浓度趋势方程构建的示意图，所获取的线性趋势方程为y＝0.0017x+7.325，决定系数R2＝0.0012。
7)产流浓度预测：根据产流浓度线性趋势方程，输入相应月份序列，可以求得下一年份各月份不含月份因素的产流氮磷浓度值，再乘以相应的月份调节指数，就可以求得最终的各月份氮磷浓度预测值。
如表4所示，是根据上一步骤中的产流氮浓度趋势方程所获取的某北方高原山地区放量农田的下一年份各月产流氮浓度预测值列表：
表4下一年份各月产流氮浓度预测值列表
| 月份 | 不含月份因素的线性浓度 | 月调节指数 | 浓度预测值 |
| 4 | 7.41 | 0.97 | 7.20 |
| 5 | 7.41 | 0.93 | 6.90 |
| 6 | 7.41 | 1.09 | 8.11 |
| 7 | 7.42 | 1.08 | 8.00 |
| 8 | 7.42 | 1.09 | 8.05 |
| 9 | 7.42 | 0.92 | 6.85 |
| 10 | 7.42 | 0.92 | 6.80 |
基于上述实施例的内容，作为一种可选实施例，步骤S3中所述的根据各月份地表径流产流量、各月份地下淋溶产流量、各月份产流氮磷浓度预测值，确定产流氮磷总量预测值，主要包括：
YCYY＝YCQBY×YCCBY+YCQRY×YCCRY
其中，YCYY为各月份产流氮磷总量预测值；YCQBY为各月份地表径流产流量；YCCBY为各月份地表径流产流氮磷浓度预测值；YCQRY为各月份地下淋溶产流量；YCCRY为各月份地下淋溶产流氮磷浓度预测值。
具体地，产流氮磷总量预测的方法可以是：根据下一年各月份产流量预测值、产流氮磷浓度预测值，进行相乘获得产流氮磷总量预测。
如表5所示，是根据上一步骤中的下一年份各月产流氮浓度预测值列表，所计算的下一年份各月产流氮总量预测列表：
表5下一年份各月产流氮总量预测列表
| 月份 | 产流氮总量预测(kg/ha) |
| 1 | 0 |
| 2 | 0 |
| 3 | 0 |
| 4 | 0.19 |
| 5 | 0.06 |
| 6 | 0.16 |
| 7 | 0.32 |
| 8 | 0.16 |
| 9 | 0.31 |
| 10 | 0.08 |
| 11 | 0 |
| 12 | 0 |
本发明实施例提供一种雨养农用地面源污染排放量预测系统，如图3所示，包括但不限于：数据获取单元1、数据预处理单元2、产流计算单元3，其中：数据获取单元1主要用于收集在雨养农用地目标监测点处的历史产流相关数据；数据预处理单元2主要用于根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；产流计算单元3主要根据所述产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将所述产流氮磷总量预测值作为所述雨养农用地的污染排放量。
其中，历史产流相关数据主要包括历史降水量、历史单次径流量、历史单次淋溶量和历史产流氮磷浓度数据等；各月份的产流相关预测值主要包括各月份地表径流产流量、各月份地下淋溶产流量、各月份产流氮磷浓度预测值和各月份产流氮磷量预测值等。
具体地，本发明实施例提供的雨养农用地面源污染排放量预测系统在具体运用过程中的执行步骤包括但不限于：
(1)降水量预测：首先，利用数据获取单元1收集的监测点历史上多年日降水量。然后，在数据预处理单元2中，通过天气发生器模拟预测下一年份的日降水量，以预测每个月每次降水过程降水量YCJYS。
(2)地表径流系数获取：利用数据获取单元1收集监测点历史上多年单次径流量及对应降水量，分别针对各个月份，获得各月份地表径流系数XBY。
(3)地下淋溶系数的获取：利用数据获取单元1收集监测点历史上多年单次淋溶量及对应降水量，在数据预处理单元2中分别针对各个月份，获得各月份地下淋溶系数XRY。
(4)产流量预测：在数据预处理单元2中，根据模拟的下一年份降水量，分别根据各月单次日降水量，对应到各月份地表径流系数XBY和各月份地下淋溶系数XRY，核算得出各个月份地表径流产流量YCQBY和地下淋溶产流量YCQRY。
(5)产流氮磷浓度数据的获取：利用数据获取单元1获取监测点多年份月份产流氮磷浓度数据FYN。
(6)产流浓度中心化滑动平均值获取：从某年第1个月的产流浓度数据开始4项滑动平均至第4个月产流浓度数据，获得4项滑动平均值。然后对每两个4项滑动平均值进行中心化移动平均，获得中心化移动平均值。
(7)产流浓度月份比率获取：用每月产流浓度除以中心化移动平均值，获得产流浓度月份比率。
(8)产流浓度月份调节指数获取：用多年的产流浓度各月份比率平均值，除以总的平均年月份比率，获得月份调节指数。
(9)产流浓度月份成分分离：用每月产流浓度分别除以相应的月份调节指数，得到分离后的多年每月产流浓度序列。
(10)产流浓度趋势方程构建：用一元线性模型进行回归分析，得到分离月份因素后的序列对应的线性趋势方程。
(11)产流氮磷浓度预测：根据产流浓度线性趋势方程，结合相应月份序列，可以获取下一年份各月份不含月份因素的产流浓度，在分别乘以相应的月份调节指数，就可以求得最终的月份氮磷浓度预测值。
(12)产流氮磷总量预测：在产流计算单元3中，根据下一年各月份产流量预测值、产流氮磷浓度预测值，进行相乘获得产流氮磷总量预测。
本发明实施例提供的污染排放量预测系统，在农田面源污染发生驱动因素与特征基础上，针对降水产流量和产流氮磷浓度，分别建立月份地表径流和地下淋溶产流量预测模型以及产流氮磷排放浓度预测模型，科学预测降雨影响的农用地田块尺度氮磷排放量，解决了受降雨影响的农用地田块尺度面源污染排放量无法预测的难题，为农业面源污染防治提供了技术支持。
需要说明的是，本发明实施例提供的雨养农用地面源污染排放量预测系统，在具体执行时，可以基于上述任一实施例所述的雨养农用地面源污染排放量预测方法来实现，对此本实施例不作赘述。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communicationinterface)420、存储器(memory)430和通信总线(bus)440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行雨养农用地面源污染排放量预测方法，该方法包括：收集在雨养农用地目标监测点处的历史产流相关数据；根据历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；根据产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将产流氮磷总量预测值作为雨养农用地的氮磷排放量。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的雨养农用地面源污染排放量预测的方法，该方法包括：收集在雨养农用地目标监测点处的历史产流相关数据；根据历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；根据产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将产流氮磷总量预测值作为雨养农用地的污染排放量。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的以执行雨养农用地面源污染排放量预测方法，该方法包括：收集在雨养农用地目标监测点处的历史产流相关数据；根据历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；根据产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将产流氮磷总量预测值作为雨养农用地的污染排放量。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种雨养农用地面源污染排放量预测方法，其特征在于，包括：
收集在雨养农用地目标监测点处的历史产流相关数据；
根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；
根据所述产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将所述产流氮磷总量预测值作为所述雨养农用地的污染排放量；
所述历史产流相关数据包括历史降水量、历史单次径流量、历史单次淋溶量和历史产流氮磷浓度数据；
所述各月份的产流相关预测值包括各月份地表径流产流量、各月份地下淋溶产流量、各月份产流氮磷浓度预测值和各月份产流氮磷量预测值；
所述根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值，包括：
根据所述历史降水量获取各月份单次降水量预测值；
根据所述历史降水量和历史单次径流量确定各月份地表径流系数；
根据所述历史降水量和历史单次淋溶量确定各月份地下淋溶系数；
根据所述各月份单次降水量预测值、各月份地表径流系数确定各月份地表径流产流量；
根据所述各月份单次降水量预测值、各月份地下淋溶系数确定各月份地下淋溶产流量；
根据所述历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，并结合各月份地表径流产流量、各月份地下淋溶产流量确定各月份产流氮磷总量预测值。
2.根据权利要求1所述的雨养农用地面源污染排放量预测方法，其特征在于，所述根据所述历史降水量获取各月份单次降水量预测值，包括：
收集所述目标监测点在历史上多年日降水量作为所述历史降水量；
根据所述历史上多年日降水量，模拟预测在未来预设时间段内日降水量；
根据所述在未来预设时间段内日降水量确定在未来预设时间段内的各月份单次降水量预测值。
3.根据权利要求1所述的雨养农用地面源污染排放量预测方法，其特征在于，所述根据所述历史降水量和历史单次径流量确定各月份地表径流系数，包括：
XBY＝BY/JY
其中，BY为所述历史各月份径流量；JY为根据所述历史降水量确定的历史各月份降水量；XBY为所述各月份地表径流系数。
4.根据权利要求1所述的雨养农用地面源污染排放量预测方法，其特征在于，所述根据所述历史降水量和历史单次淋溶量确定各月份地下淋溶系数，包括：
XRY＝RY/JY
其中，RY为所述历史各月份淋溶量；JY为根据所述历史降水量确定的历史各月份降水量；XRY为所述各月份地下淋溶系数。
5.根据权利要求1所述的雨养农用地面源污染排放量预测方法，其特征在于，所述根据所述各月份单次降水量预测值、各月份地表径流系数确定各月份地表径流产流量，包括：
其中，YCJYS为所述各月份单次降水量预测值；XBY为所述各月份地表径流系数；YCQBY为所述各月份地表径流产流量；S为各月份降水次数；
所述根据所述各月份单次降水量预测值、各月份地下淋溶系数确定各月份地下淋溶产流量，包括：
其中，YCJYS为所述各月份单次降水量预测值；XRY为所述各月份地下淋溶系数；YCQRY为所述各月份地下淋溶产流量，S为各月份降水次数。
6.根据权利要求1所述的雨养农用地面源污染排放量预测方法，其特征在于，所述根据所述历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，并结合各月份地表径流产流量、各月份地下淋溶产流量获取各月份产流氮磷量预测值，包括：
获取所述目标监测点在历史上多年月份产流浓度数据作为所述历史产流氮磷浓度数据；
根据所述历史产流浓度数据，获取产流浓度月份比率，以确定多年产流浓度月份比率平均值；
根据所述产流浓度月份比率平均值，获取关于产流浓度的月份调节指数；
根据所述关于产流浓度的月份调节指数，并结合历史上每月产流浓度，获取关于产流浓度的多年每月产流浓度序列；
对所述多年每月产流浓度序列进行回归分析，获取产流浓度趋势方程；
利用所述产流浓度趋势方程，根据下一年的各月份的序列，获取所述下一年各月份不含月份因素的产流浓度值，再分别乘以相应的月份调节指数，以获取所述各月份浓度预测值。
7.根据权利要求1所述的雨养农用地面源污染排放量预测方法，其特征在于，根据所述各月份地表径流产流量、所述各月份地下淋溶产流量、所述各月份产流氮磷浓度预测值，确定产流氮磷总量预测值，包括：
YCYY＝YCQBY×YCCBY+YCQRY×YCCRY
其中，YCYY为所述各月份产流氮磷总量预测值；YCQBY为所述各月份地表径流产流量；YCCBY为所述各月份地表径流产流氮磷浓度预测值；YCQRY为所述各月份地下淋溶产流量；YCCRY为所述各月份地下淋溶产流氮磷浓度预测值。
8.一种雨养农用地面源污染排放量预测系统，其特征在于，包括：数据获取单元、数据预处理单元、产流计算单元；
所述数据获取单元用于收集在雨养农用地目标监测点处的历史产流相关数据；所述数据预处理单元用于根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值；
所述产流计算单元用于根据所述产流相关预测值确定所述雨养农用地的产流氮磷总量预测值，并将所述产流氮磷总量预测值作为所述雨养农用地的污染排放量；
所述历史产流相关数据包括历史降水量、历史单次径流量、历史单次淋溶量和历史产流氮磷浓度数据；
所述各月份的产流相关预测值包括各月份地表径流产流量、各月份地下淋溶产流量、各月份产流氮磷浓度预测值和各月份产流氮磷量预测值；
所述产流计算单元根据所述历史产流相关数据确定在未来预设时间段内各月份的产流相关预测值，包括：
根据所述历史降水量获取各月份单次降水量预测值；
根据所述历史降水量和历史单次径流量确定各月份地表径流系数；
根据所述历史降水量和历史单次淋溶量确定各月份地下淋溶系数；
根据所述各月份单次降水量预测值、各月份地表径流系数确定各月份地表径流产流量；
根据所述各月份单次降水量预测值、各月份地下淋溶系数确定各月份地下淋溶产流量；
根据所述历史产流氮磷浓度数据获取各月份产流氮磷浓度预测值，并结合各月份地表径流产流量、各月份地下淋溶产流量确定各月份产流氮磷总量预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011173929.6A CN112541611B (zh) | 2020-10-28 | 2020-10-28 | 一种雨养农用地面源污染排放量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011173929.6A CN112541611B (zh) | 2020-10-28 | 2020-10-28 | 一种雨养农用地面源污染排放量预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112541611A CN112541611A (zh) | 2021-03-23 |
| CN112541611B true CN112541611B (zh) | 2024-03-29 |
Family
ID=75013860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011173929.6A Active CN112541611B (zh) | 2020-10-28 | 2020-10-28 | 一种雨养农用地面源污染排放量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112541611B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112348241B (zh) * | 2020-10-28 | 2024-01-05 | 中国农业科学院农业资源与农业区划研究所 | 一种保护地农用地面源污染排放量预测方法及系统 |
| CN117269443B (zh) * | 2023-09-11 | 2024-05-03 | 杭州智驳科技有限公司 | 一种基于大数据的智慧数字乡村环境监测系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006061093A (ja) * | 2004-08-27 | 2006-03-09 | Nippon Telegr & Teleph Corp <Ntt> | 農業環境評価システムおよび農業環境評価装置 |
| CN102201034A (zh) * | 2011-04-26 | 2011-09-28 | 北京师范大学 | 一种临河村落非点源污染负荷的估算方法 |
| CN102663267A (zh) * | 2012-05-15 | 2012-09-12 | 南京大学 | 一种半湿润区流域面源污染负荷的确定方法 |
| KR20140006624A (ko) * | 2012-07-06 | 2014-01-16 | 한국전자통신연구원 | 수리 모형을 사용한 실시간 수질 예측 장치 및 방법 |
| CN104345131A (zh) * | 2014-11-06 | 2015-02-11 | 浙江大学 | 一种稻田氮磷径流流失负荷的田间尺度估算方法 |
| CN106250666A (zh) * | 2016-06-22 | 2016-12-21 | 中国水利水电科学研究院 | 一种灌溉系统发达区湖泊氮磷污染负荷模拟方法 |
| CN107273686A (zh) * | 2017-06-15 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 雨洪径流氮磷输出负荷估算方法 |
| CN107656034A (zh) * | 2017-10-11 | 2018-02-02 | 中国农业科学院农业环境与可持续发展研究所 | 农田面源污染对地表径流中总磷排放量影响的预测方法 |
| CN109117984A (zh) * | 2018-07-10 | 2019-01-01 | 上海交通大学 | 稻田径流量预测及氮磷流失估测方法 |
| CN110390460A (zh) * | 2019-02-25 | 2019-10-29 | 环境保护部卫星环境应用中心 | 一种基于遥感尺度的城市氮磷面源污染评估方法 |
| CN110501476A (zh) * | 2019-09-17 | 2019-11-26 | 生态环境部华南环境科学研究所 | 一种旱作农田氮磷迁移转化的试验方法及装置 |
| CN111126702A (zh) * | 2019-12-24 | 2020-05-08 | 武汉新烽光电股份有限公司 | 道路面源污染信息预测方法、装置、设备及存储介质 |
| KR102151727B1 (ko) * | 2020-03-31 | 2020-09-03 | 부경대학교 산학협력단 | 차등진화 기법을 결합시킨 적응형 뉴로-퍼지 추론 기법에 기초한 지하수 오염 취약성 평가 장치 및 방법 |
-
2020
- 2020-10-28 CN CN202011173929.6A patent/CN112541611B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006061093A (ja) * | 2004-08-27 | 2006-03-09 | Nippon Telegr & Teleph Corp <Ntt> | 農業環境評価システムおよび農業環境評価装置 |
| CN102201034A (zh) * | 2011-04-26 | 2011-09-28 | 北京师范大学 | 一种临河村落非点源污染负荷的估算方法 |
| CN102663267A (zh) * | 2012-05-15 | 2012-09-12 | 南京大学 | 一种半湿润区流域面源污染负荷的确定方法 |
| KR20140006624A (ko) * | 2012-07-06 | 2014-01-16 | 한국전자통신연구원 | 수리 모형을 사용한 실시간 수질 예측 장치 및 방법 |
| CN104345131A (zh) * | 2014-11-06 | 2015-02-11 | 浙江大学 | 一种稻田氮磷径流流失负荷的田间尺度估算方法 |
| CN106250666A (zh) * | 2016-06-22 | 2016-12-21 | 中国水利水电科学研究院 | 一种灌溉系统发达区湖泊氮磷污染负荷模拟方法 |
| CN107273686A (zh) * | 2017-06-15 | 2017-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 雨洪径流氮磷输出负荷估算方法 |
| CN107656034A (zh) * | 2017-10-11 | 2018-02-02 | 中国农业科学院农业环境与可持续发展研究所 | 农田面源污染对地表径流中总磷排放量影响的预测方法 |
| CN109117984A (zh) * | 2018-07-10 | 2019-01-01 | 上海交通大学 | 稻田径流量预测及氮磷流失估测方法 |
| CN110390460A (zh) * | 2019-02-25 | 2019-10-29 | 环境保护部卫星环境应用中心 | 一种基于遥感尺度的城市氮磷面源污染评估方法 |
| CN110501476A (zh) * | 2019-09-17 | 2019-11-26 | 生态环境部华南环境科学研究所 | 一种旱作农田氮磷迁移转化的试验方法及装置 |
| CN111126702A (zh) * | 2019-12-24 | 2020-05-08 | 武汉新烽光电股份有限公司 | 道路面源污染信息预测方法、装置、设备及存储介质 |
| KR102151727B1 (ko) * | 2020-03-31 | 2020-09-03 | 부경대학교 산학협력단 | 차등진화 기법을 결합시킨 적응형 뉴로-퍼지 추론 기법에 기초한 지하수 오염 취약성 평가 장치 및 방법 |
Non-Patent Citations (2)
| Title |
|---|
| 甘肃省农田氮磷流失特征及影响因素研究;杨虎德;马彦;冯丹妮;;甘肃农业科技(第Z1期);25-31 * |
| 紫色丘陵区典型小流域非点源磷迁移特征;沈茜;唐家良;朱波;;山地学报(第05期);18-27 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112541611A (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chukalla et al. | Grey water footprint reduction in irrigated crop production: effect of nitrogen application rate, nitrogen form, tillage practice and irrigation strategy | |
| Xu et al. | Modeling and assessing agro-hydrological processes and irrigation water saving in the middle Heihe River basin | |
| Sun et al. | Quantifying long-term responses of crop yield and nitrate leaching in an intensive farmland using agro-eco-environmental model | |
| Powers et al. | Modeling water and soil quality environmental impacts associated with bioenergy crop production and biomass removal in the Midwest USA | |
| CN104361523B (zh) | 一种基于gis的分布式稻田氮素径流流失负荷估算方法 | |
| Zhao et al. | Development and application of a nitrogen simulation model in a data scarce catchment in South China | |
| Pohlert et al. | Integration of a detailed biogeochemical model into SWAT for improved nitrogen predictions—Model development, sensitivity, and GLUE analysis | |
| CN112541611B (zh) | 一种雨养农用地面源污染排放量预测方法及系统 | |
| Cameira et al. | Sustainability and environmental assessment of fertigation in an intensive olive grove under Mediterranean conditions | |
| Yang et al. | Estimation of groundwater use by crop production simulated by DSSAT‐wheat and DSSAT‐maize models in the piedmont region of the North China Plain | |
| Pan et al. | Impacts of multiple environmental changes on long‐term nitrogen loading from the Chesapeake Bay Watershed | |
| Jeong et al. | Assessing the effects of indirect wastewater reuse on paddy irrigation in the Osan River watershed in Korea using the SWAT model | |
| Ali et al. | Deep soil water deficit and recovery in alfalfa fields of the Loess Plateau of China | |
| Martínková et al. | Potential impact of climate change on nitrate load from the Jizera catchment (Czech Republic) | |
| CN113011993A (zh) | 基于标准数据的农业污染源入水体负荷量测算方法 | |
| CN104965057A (zh) | 一种农田面源污染县域地表径流总磷排放量的预测方法 | |
| CN112464434B (zh) | 一种灌溉农用地面源污染排放量预测方法及系统 | |
| CN107656034B (zh) | 农田面源污染对地表径流中总磷排放量影响的预测方法 | |
| Li et al. | Modelling the artificial forest (Robinia pseudoacacia L.) root–soil water interactions in the Loess Plateau, China | |
| CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
| Oduor et al. | Effects of climate change on streamflow and nitrate pollution in an agricultural Mediterranean watershed in Northern Spain | |
| Zhang et al. | Improving water management practices to reduce nutrient export from rice paddy fields | |
| Wriedt et al. | Water requirements for irrigation in the European Union | |
| CN112348241B (zh) | 一种保护地农用地面源污染排放量预测方法及系统 | |
| CN104102806A (zh) | 多品种农作物的农业气候区划方法 |
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 |