CN112766664A - 基于gis平台的城市面源污染风险识别方法及装置 - Google Patents
基于gis平台的城市面源污染风险识别方法及装置 Download PDFInfo
- Publication number
- CN112766664A CN112766664A CN202011643523.XA CN202011643523A CN112766664A CN 112766664 A CN112766664 A CN 112766664A CN 202011643523 A CN202011643523 A CN 202011643523A CN 112766664 A CN112766664 A CN 112766664A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- source
- point source
- urban
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 101
- 231100000719 pollutant Toxicity 0.000 claims abstract description 101
- 230000035945 sensitivity Effects 0.000 claims abstract description 31
- 239000002689 soil Substances 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 20
- 238000009933 burial Methods 0.000 claims abstract description 13
- 230000035699 permeability Effects 0.000 claims abstract description 13
- 239000000428 dust Substances 0.000 claims description 45
- 239000002245 particle Substances 0.000 claims description 28
- 238000009991 scouring Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000003673 groundwater Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 2
- 229920006395 saturated elastomer Polymers 0.000 claims description 2
- 238000011425 standardization method Methods 0.000 claims 1
- 230000005012 migration Effects 0.000 description 18
- 238000013508 migration Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 239000000356 contaminant Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000003802 soil pollutant Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000012360 testing method 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于GIS平台的城市面源污染风险识别方法及装置，该方法包括：对目标城市区域中栅格化的DEM数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以确定地形指数栅格数据；利用不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对地形指数栅格数据进行修正，得到水文敏感指数栅格数据；根据不同类别土地利用的污染物特征数据和降雨强度数据计算每一类土地利用的面源污染物源强指数；将面源污染物源强指数栅格化得到面源污染物源强指数栅格数据；对水文敏感指数栅格数据和面源污染物源强指数栅格数据标准化后，以计算城市面源污染风险指数栅格数据。本发明考虑了城市特征因素和降雨强度因素的影响，能够更加准确地评估城市面源污染风险。
Description
技术领域
本发明涉及面源污染风险评估技术领域，尤其涉及一种基于地理信息系统(Geographic Information System，GIS)平台的城市面源污染风险识别方法及装置。
背景技术
近20年来，我国经历了快速城市化过程，城市建设用地面积增长了近154％。随着城市建设区域的不断扩张，由降雨径流驱动的城市面源污染物所带来的水环境污染风险问题越发受到研究人员的重点关注。从污染物产生源头进行控制是缓解城市面源污染问题的重要手段，因此，准确识别城市面源污染输出的高风险区域对城市面源污染管控的高效实现具有重要意义。识别面源污染风险区域的基本思路是根据不同地块单元产污及向周围水体输出污染负荷的情况进行排序，从而确定区域面源污染输出的风险等级。基于此，研究人员提出两大类用于面源污染风险区域识别的方法：
(1)机理模型法
机理模型法是从污染物产生及迁移的原理出发，利用一系列的数学公式计算污染物在产生、迁移等过程中的量的变化，得到一定空间单元内输出的污染物的总量，从而基于计算结果评价各区域的面源污染风险特征。常用于面源污染风险识别的机理模型包括Soil&Water Assessment Tools(SWAT)、Hydrological Simulation Program Fortran(HSPF)、(Storm Water Management Model)SWMM等。这类方法可以较好地解释污染物产生及传输的全过程，具有较好的普适性，但其对数据的要求较高，部分参数难以获取，计算耗时相对较长，对操作人员的专业性的要求较高，往往不易在实际管理应用中普及。
(2)经验模型法
经验模型法主要是基于实际场地观测数据，利用统计分析等手段建立区域土地利用、水文等特征与水体水质之间的联系以形成污染负荷计算的经验公式，由此评价不同区域的面源污染风险特征。代表性的经验模型包括输出系数模型、水质水量相关法等。这类方法对数据的要求较低，计算过程相对简单，但难以解释面源污染物的迁移过程，并且该类方法给出的计算公式往往具有较强的地域性，通用性较差。
作为经验模型法的一种，指数模型法可以克服常规经验模型难以解释面源污染物迁移过程的缺点，综合考虑面源污染过程中污染物的产生特征(源因子)及向受纳水体迁移的特征(迁移因子)，利用多个具有代表性的指标量化源因子及迁移因子后整合形成污染指数模型，利用污染指数值来评价区域面源污染风险特征。目前已有一些基于污染指数法思想建立的面源污染风险识别的方法，以磷指数法为基础，将土壤污染物含量作为源因素定量指标，用地形指数及地块与河道间的最短距离作为迁移因素定量指标，构建面源污染关键源区识别体系，用于评价区域面源污染输出风险。不过，现有的面源污染风险识别技术方法在实际应用中主要包括以下接个方面的缺点：
(1)未考虑城市用地类型差异对面源污染物产生特征的影响
城市地区居住、工业、商业及交通用地等区域面源污染物累积量存在较大的差异，而现有方法在进行面源污染风险识别时或在子流域尺度上评价，或对城市用地采用统一的污染物输出系数，这均无法体现城市地区不同类型用地面源污染负荷累积特征的差异性，不能直接用于高度城市化地区的面源污染风险识别。
(2)未考虑不透水率对地表产汇流特征的影响
城市化程度较高的地区不透水面占比较高，大量不透水面的存在会对区域地表产汇流特征造成显著影响。区域产汇流潜力是量化面源污染物沿程迁移风险时的重要指标，而现有方法在定量区域产流潜力时往往只考虑坡度、土壤特性、降雨等因素的影响，忽视地表不透水率的影响，这在城市化程度较高的地区往往会导致面源污染物沿程迁移风险的低估。
(3)忽视降雨因素制约下面源污染物冲刷启动时迁移趋势的差异性
城市地区街尘是面源污染物的重要载体，不同粒径街尘在降雨强度的影响下表现出差异化的冲刷迁移特征。现有方法在定量面源污染物迁移风险时往往只考虑污染物在迁移过程中因地表产流潜力等的影响而表现出的差异性，却忽视了污染物在冲刷启动时因降雨特征等的影响而表现出的迁移趋势的差异性。在降雨强度较小时，部分污染物因径流冲刷动力的限制而不发生迁移或只能迁移极短的距离，在这种情境下，应用现有方法往往会造成面源污染物迁移风险的高估。
(4)未形成实用工具
现有研究多数只停留在方法设计阶段，没有更进一步基于方法体系形成系统的实用工具，使得多数方法未能对实际面源污染管控提供切实的帮助。
发明内容
鉴于此，本发明的主要目的在于提供一种基于GIS平台的城市面源污染风险识别方法及装置，以期至少部分地解决上述提及的技术问题中的至少之一。
为实现上述目的，本发明的技术方案如下：
作为本发明的一个方面，提供了一种基于GIS平台的城市面源污染风险识别方法，包括以下步骤：基于GIS平台的水文分析功能对目标城市区域中栅格化的数字高程(Digital elevation model，DEM)数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以基于所述流向、累积汇水面积和坡度的栅格数据确定地形指数栅格数据；利用所述目标城市区域中不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对所述地形指数栅格数据进行修正，得到水文敏感指数栅格数据；根据所述目标城市区域中不同类别土地利用的街尘累积量、街尘中污染物浓度和降雨强度驱动的冲刷率数据分别计算每一类土地利用在不同降雨强度条件下的面源污染物源强指数；利用所述目标城市区域的土地利用类型栅格将所有类别土地利用的所述面源污染物源强指数栅格化，得到面源污染物源强指数栅格数据；分别对所述水文敏感指数栅格数据和面源污染物源强指数栅格数据标准化；基于标准化的所述水文敏感指数栅格数据和面源污染物源强指数栅格数据计算不同降雨条件下城市面源污染风险指数栅格数据。进一步地，对污染物源强指数栅格数据、水文敏感指数栅格数据和面源污染风险指数栅格数据分别进行统计分析，以得到污染物源强风险等级空间分布、水文敏感区风险等级空间分布和面源污染风险等级空间分布。
作为本发明的另一个方面，提供了一种基于GIS平台的城市面源污染风险识别装置，包括：DEM处理工具，用于调用GIS平台的水文分析模块对目标城市区域中栅格化的DEM数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以基于所述流向、累积汇水面积和坡度的栅格数据确定地形指数栅格数据；水文敏感区识别工具，用于利用所述目标城市区域中不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对所述地形指数栅格数据进行修正，得到水文敏感指数栅格数据，以及对所述水文敏感指数栅格数据标准化；基于降雨强度分级的污染源强识别工具，用于根据所述目标城市区域中不同类别土地利用的街尘累积量、街尘中污染物浓度和降雨强度驱动的冲刷率数据分别计算每一类土地利用在不同降雨强度条件下的面源污染物源强指数，利用所述目标城市区域的土地利用类型栅格将所有类别土地利用的所述面源污染物源强指数栅格化，得到面源污染物源强指数栅格数据，以及对所述面源污染物源强指数栅格数据标准化；基于降雨强度分级的面源污染风险区划分工具，用于基于标准化的所述水文敏感指数栅格数据和面源污染物源强指数栅格数据计算不同降雨强度条件下城市面源污染风险指数栅格数据。
基于上述技术方案，本发明的基于GIS平台的城市面源污染风险识别方法及装置：
(1)考虑城市特征因素对面源污染物产生及迁移的影响
本发明所建立的工具考虑了不同城市特征用地区域面源污染物累积量的差异及地表不透水率对区域产流潜力的影响，可以很好地反映不同城市地块尺度上面源污染物输出风险的差异，更契合城市地区面源污染管控需求。
(2)考虑降雨强度影响下污染物启动特征的差异性
本发明所建立的工具考虑了降雨强度因素影响下面源污染物初始冲刷启动时迁移趋势的差异性，从而能更准确地评估区域面源污染物输出风险。
(3)工具简单易用且具有良好的拓展性
本发明所建立的工具集基于领域内广泛应用的ArcGIS Desktop平台，其具有可视化的图形操作界面及丰富的说明文档，可帮助用户快速熟悉相关操作。同时，本发明建立的工具集包含层次分明的三大模块，且无需复杂的编程操作，有利于使用者快速掌握工具的使用方法。除此之外，本发明可用于其他污染物(重金属等)或其他城市地区的面源污染风险识别，具有很好的拓展潜力。
附图说明
图1是本发明基于GIS平台的城市面源污染风险识别原理流程图；
图2是本发明实施例的街尘采样点分布图；
图3是本发明实施例的水文敏感区分级图；
图4是本发明实施例的污染物源强分级图；
图5是本发明实施例的面源污染风险区分级图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
针对目前面源污染风险识别方法在高度城市化地区应用时的局限性，本发明建立一种面向高度城市化地区、包含降雨因素对污染物冲刷启动特征影响的城市面源污染风险识别方法及装置，以为实际城市地区面源污染管控提供技术支持。本发明基于污染指数法实现对城市地区面源污染输出风险的计算，包括水文敏感区、污染物源强风险及面源污染风险指数计算三大核心模块(如图1所示)。其中，利用ArcGIS Desktop平台中Add-In开发功能形成自定义的工具集，用以完成水文敏感指数、源强指数以及风险指数的计算；基于概率分布的等级划分方法，用以实现水文敏感区、污染物源强及面源污染风险区的等级划分。
具体地，根据本发明的一些实施例，提供了一种基于GIS平台的城市面源污染风险识别方法，包括以下步骤A～步骤G。
步骤A：基于GIS平台的水文分析功能对目标城市区域中栅格化的DEM数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以基于流向、累积汇水面积和坡度的栅格数据确定地形指数栅格数据。
在一些实施例中，GIS平台为本领域广泛应用的ArcGIS Desktop平台，具有Add-In开发功能，允许本发明提供的方法或工具以插件形式加载至ArcGIS Desktop中使用，其具有可视化的图形操作界面及丰富的说明文档，可帮助用户快速熟悉相关操作。然而并不局限于此，其他具有插件开发功能的GIS平台也能用于本发明，例如QGIS平台的PluginBuilder等。
在一些实施例中，地形指数栅格数据通过以下公式计算得到：
然而该地形指数栅格数据并未考虑城市下垫面特征如不透水率、土壤水力特征如地下水埋深、土壤饱和渗透系数等对于地表产流特征的影响，难以直接通过地形指数栅格来反映城市区域的水文规律，例如是否容易发生径流风险。由此需要通过步骤B来进行修正。
步骤B：利用目标城市区域中不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对地形指数栅格数据进行修正，得到适用于城市区域的水文敏感指数栅格数据。
在一些实施例中，水文敏感指数栅格数据通过以下公式计算得到：
由上述公式可知，其考虑了在城市化过程中，人工地表所带来的不透水率、以及土壤渗透性和地下水埋深对径流风险产生的影响，表现为：若不透水率越高，则越容易发生径流累积；地下水位越低，则径流累积风险越高；饱和渗透系数表征与土壤埋深有关的水下渗速度，渗透系数越高，则径流风险越低。在此基础上，若水文敏感指数越大，则表示迁移风险越高。
步骤C：根据目标城市区域中不同类别土地利用的街尘累积量、街尘中污染物浓度和降雨强度驱动的冲刷率数据分别计算每一类土地利用在不同降雨强度条件下的面源污染物源强指数。此处的“源强”在本领域有其固有含义，即单位面积某种污染物的平均质量浓度。
在进行面源污染物源强指数的计算之前，需先准备各污染物源强输入数据文件，对于本发明而言，面源污染物源强指数的计算是基于街尘污染物指数模型，污染物源强输入数据包括不同粒径下街尘累积量，TN、NH3-N、TP和COD等这些污染物在每种街尘粒径中的含量分布等，这些数据可以通过调查采样测试以及查阅文献所得。
在本发明的一些实施例，土地利用包括居民区、商业区、交通区及工业区等，根据在城市居民区、商业区、交通区及工业区采样测得的各粒径单位面积街尘累积量和不同粒径范围街尘各种污染物浓度数据(如表1-表2和图2所示)，结合不同降雨强度下各粒径街尘冲刷率计算得到各土地利用不同污染物的面源污染物源强指数序列。其中，街尘粒径和降雨强度分级标准以及不同降雨强度下各粒径街尘冲刷率Fw参照下表3-表5所示，但并不局限于此。
该面源污染物源强指数通过以下公式计算得到：
其中Minitial为模拟实验前某种粒径街尘量；MFw为实验产生径流中某种粒径街尘量；C(t)为t时刻某种粒径街尘浓度；Q(t)为t时刻径流量。
由此，基于上述公式，在考虑了不同土地利用类型下污染物本底浓度分布差异的同时，还考虑了不同的降雨强度冲刷条件下，面源污染物源强指数所表征的污染物浓度也随之动态变化的特点。
举例而言，以土地利用为交通区，在降雨强度小于12.87mm/h时，计算得到面源污染物源强指数，具体计算过程如下：
根据表1，查得单位面积交通区450-1000um、250-450μm、149-250μm、105-149μm、62-105μm、44-62μm和＜44μm粒径的街尘量依次为：6.64、3.47、1.97、0.85、0.91、0.43、0.57g/m2；
根据表2，查得交通区450-1000um、250-450μm、149-250μm、105-149μm、62-105μm、44-62μm和＜44μm粒径街尘中总氮TN浓度依次为：31.66、22.67、15.49、7.59、8.84、5.01、6.49ug/g；
根据表5，查得降雨强度小于12.87mm/h时，450-1000um、250-450μm、149-250μm、105-149μm、62-105μm、44-62μm和＜44μm粒径街尘冲刷比例依次为：1.0％，1.4％，2.9％，4.0％，4.3％，9.9％，17.3％；
根据上式计算交通区在降雨强度小于12.87mm/h TN污染源强指数：
6.64×31.66×1.0％+3.47×22.67×1.4％+1.97×15.49×2.9％+0.85×7.59×4.0％+0.91×8.84×4.3％+0.43×5.01×9.9％+0.57×6.49×17.3％
＝5.546ug/m2。
表1不同土地利用各粒径单位面积街尘量(Mij：g/m2)
表2各土地利用类型不同粒径街尘的污染物平均浓度(单位：μg/g)
*COD含量单位为mg/g
表3街尘粒径分级标准
表4降雨强度分级标准
表5不同降雨强度街尘冲刷率Fw(％)取值标准
步骤D：利用目标城市区域的土地利用类型栅格将所有类别土地利用的面源污染物源强指数栅格化，得到面源污染物源强指数栅格数据；
由于步骤C中计算得到的面源污染物源强指数是对应于不同土地利用，而非对应于目标城市区域的每一栅格，为了便于后续将面源污染物源强指数和水文敏感指数相耦合，本步骤利用土地利用类型栅格而将面源污染物源强指数栅格化，容易理解，此处的土地利用类型栅格表示的是对应于每一栅格的土地利用类型。
步骤E：分别对所述水文敏感指数栅格数据和面源污染物源强指数栅格数据标准化。标准化的目的在于避免不同地区所计算的数据差异较大，导致不同地区的计算结果难以直接比较。
在一些实施例中，标准化的方式为0-1标准化法，其为本领域的常规数据标准化处理方法，在此不作赘述。
步骤F：基于标准化的所述水文敏感指数栅格数据和面源污染物源强指数栅格数据计算不同降雨强度条件下城市面源污染风险指数栅格数据。由此通过两种数据的耦合以综合迁移风险和污染源强来更加准确地评估面源污染物输出风险。
在一些实施例中，城市面源污染风险指数栅格数据通过以下公式计算得到：
Risk＝w1·RDSnor×w2·λnor；其中，Risk为城市面源污染风险指数栅格数据；RDSnor为标准化的面源污染物源强指数栅格数据；λnor为标准化的水文敏感指数栅格数据；w1和w2为权重系数，一般均取0.5。
进一步地，本发明的城市面源污染风险识别方法还包括以下步骤：
步骤G：将城市面源污染风险指数栅格数据进行等级划分，得到面源污染风险指数分级结果，并将面源污染风险指数分级结果转为栅格以进行图形化展示。
可选的，还包括分别将标准化的水文敏感指数栅格数据和面源污染物源强指数栅格数据进行等级划分，得到水文敏感指数分级结果和污染物源强指数分级结果，并将水文敏感指数分级结果和污染物源强指数分级结果转为栅格以进行图形化展示。
在一些实施例中，本步骤是基于数据概率分布的等级划分方法对标准化的水文敏感指数栅格数据、标准化的面源污染物源强指数栅格数据、城市面源污染风险指数栅格数据按照其分布的百分位数进行划分，例如表6所示，划分为5组。
表6指数分级标准
在一些实施例中，运用ArcGIS Desktop平台的运用ArcMap中“ACII to Raster”工具可将面源污染风险指数分级结果、水文敏感指数分级结果和污染物源强指数分级结果转为栅格以进行图形化展示，如图3-图5所示。
根据本发明的一些实施例，还提供了基于GIS平台的城市面源污染风险识别装置，如图1所示，包括：DEM处理工具a，用于调用GIS平台的水文分析模块对目标城市区域中栅格化的DEM数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以基于流向、累积汇水面积和坡度的栅格数据确定地形指数栅格数据；水文敏感区识别工具b，用于利用目标城市区域中不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对地形指数栅格数据进行修正，得到水文敏感指数栅格数据，以及对水文敏感指数栅格数据标准化；基于降雨强度分级的污染源强识别工具c，用于根据目标城市区域中不同类别土地利用的街尘累积量、街尘中污染物浓度和降雨强度驱动的冲刷率数据分别计算每一类土地利用在不同降雨强度条件下的面源污染物源强指数，利用目标城市区域的土地利用类型栅格将所有类别土地利用的面源污染物源强指数栅格化，得到面源污染物源强指数栅格数据，以及对面源污染物源强指数栅格数据标准化；基于降雨强度分级的面源污染风险区划分工具d，用于基于标准化的水文敏感指数栅格数据和面源污染物源强指数栅格数据计算不同降雨强度条件下城市面源污染风险指数栅格数据。
需要说明的是，本发明的实施例中各工具是与本发明的实施例中数据处理方法部分是相对应的，各工具的数据处理系统部分的描述具体参考数据处理方法部分，在此不再赘述。在本发明的一些实施例中，各工具a～d以txt文件进行数据的输入或输出。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
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，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，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 (10)
1.一种基于GIS平台的城市面源污染风险识别方法，包括以下步骤：
基于GIS平台的水文分析功能对目标城市区域中栅格化的DEM数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以基于所述流向、累积汇水面积和坡度的栅格数据确定地形指数栅格数据；
利用所述目标城市区域中不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对所述地形指数栅格数据进行修正，得到水文敏感指数栅格数据；
根据所述目标城市区域中不同类别土地利用的街尘累积量、街尘中污染物浓度和降雨强度驱动的冲刷率数据分别计算每一类土地利用在不同降雨强度条件下的面源污染物源强指数；
利用所述目标城市区域的土地利用类型栅格将所有类别土地利用的所述面源污染物源强指数栅格化，得到面源污染物源强指数栅格数据；
分别对所述水文敏感指数栅格数据和面源污染物源强指数栅格数据标准化；
基于标准化的所述水文敏感指数栅格数据和面源污染物源强指数栅格数据计算不同降雨强度条件下城市面源污染风险指数栅格数据。
2.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，所述地形指数栅格数据通过以下公式计算得到：
其中，λ为地形指数栅格数据，α为一栅格内的单位等高线汇水面积，由累积汇水面积和流向的栅格数据计算得到；β为地形坡度的栅格数据。
3.根据权利要求2所述的城市面源污染风险识别方法，其特征在于，所述水文敏感指数栅格数据通过以下公式计算得到：
其中，λ*为水文敏感指数栅格数据，Ks为土壤饱和渗透系数的栅格数据；DTIA为修正地下水埋深的栅格数据，DTIA＝D-(D×TIA)，D为地下水埋深的栅格数据，TIA为不透水率；100为单位转换系数。
4.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，所述面源污染物源强指数通过以下公式计算得到：
其中，RDSindex，j，k为第j类土地利用的第k种污染物源强指数；m为划分的街尘粒径总的类数；Mij为第j类土地利用内第i类粒径街尘累积量；Cijk为第j类土地利用内第i类粒径街尘中第k种污染物浓度；Fwi为第i类粒径冲刷比例，其大小与街尘粒径及降雨强度有关，通过人工模拟降雨实验得到，计算公式如下：
其中Minitial为模拟实验前某种粒径街尘量；MFw为实验产生径流中某种粒径街尘量；C(t)为t时刻某种粒径街尘浓度；Q(t)为t时刻径流量。
5.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，对所述水文敏感指数栅格数据和面源污染物源强指数栅格数据标准化的方法为0-1标准化法。
6.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，所述城市面源污染风险指数栅格数据通过以下公式计算得到：
Risk＝w1·RDSnor×w2·λnor；
其中，Risk为城市面源污染风险指数栅格数据；RDSnor为标准化的面源污染物源强指数栅格数据；λnor为标准化的水文敏感指数栅格数据；w1和w2为权重系数，一般均取0.5。
7.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，所述城市面源污染风险识别方法还包括：
将所述城市面源污染风险指数栅格数据进行等级划分，得到面源污染风险指数分级结果；以及
将所述面源污染风险指数分级结果转为栅格以进行图形化展示。
8.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，所述城市面源污染风险识别方法还包括：
分别将标准化的所述水文敏感指数栅格数据和面源污染物源强指数栅格数据进行等级划分，得到水文敏感指数分级结果和污染物源强指数分级结果；以及
将所述水文敏感指数分级结果和污染物源强指数分级结果转为栅格以进行图形化展示。
9.根据权利要求1所述的城市面源污染风险识别方法，其特征在于，所述GIS平台为ArcGIS Desktop平台。
10.一种基于GIS平台的城市面源污染风险识别装置，包括：
DEM处理工具，用于调用GIS平台的水文分析模块对目标城市区域中栅格化的DEM数据进行计算得到流向、累积汇水面积和坡度的栅格数据，以基于所述流向、累积汇水面积和坡度的栅格数据确定地形指数栅格数据；
水文敏感区识别工具，用于利用所述目标城市区域中不透水率、地下水埋深和土壤饱和渗透系数的栅格数据对所述地形指数栅格数据进行修正，得到水文敏感指数栅格数据，以及对所述水文敏感指数栅格数据标准化；
基于降雨强度分级的污染源强识别工具，用于根据所述目标城市区域中不同类别土地利用的街尘累积量、街尘中污染物浓度和降雨强度驱动的冲刷率数据分别计算每一类土地利用在不同降雨强度条件下的面源污染物源强指数，利用所述目标城市区域的土地利用类型栅格将所有类别土地利用的所述面源污染物源强指数栅格化，得到面源污染物源强指数栅格数据，以及对所述面源污染物源强指数栅格数据标准化；
基于降雨强度分级的面源污染风险区划分工具，用于基于标准化的所述水文敏感指数栅格数据和面源污染物源强指数栅格数据计算不同降雨强度条件下城市面源污染风险指数栅格数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011643523.XA CN112766664B (zh) | 2020-12-31 | 2020-12-31 | 基于gis平台的城市面源污染风险识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011643523.XA CN112766664B (zh) | 2020-12-31 | 2020-12-31 | 基于gis平台的城市面源污染风险识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112766664A true CN112766664A (zh) | 2021-05-07 |
| CN112766664B CN112766664B (zh) | 2023-05-23 |
Family
ID=75698649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011643523.XA Active CN112766664B (zh) | 2020-12-31 | 2020-12-31 | 基于gis平台的城市面源污染风险识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112766664B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361114A (zh) * | 2021-06-11 | 2021-09-07 | 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 |
| CN113918783A (zh) * | 2021-09-28 | 2022-01-11 | 中国环境科学研究院 | 识别复合污染风险区的方法和装置 |
| CN114662930A (zh) * | 2022-03-24 | 2022-06-24 | 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 |
| CN116416108A (zh) * | 2023-06-12 | 2023-07-11 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于多项因素进行同步分析的城市小微水体风险评估方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036145A (zh) * | 2014-06-25 | 2014-09-10 | 安徽省环境科学研究院 | 一种生态系统减轻水环境非点源污染服务价值评估方法 |
| US20150154323A1 (en) * | 2011-09-27 | 2015-06-04 | Autodesk, Inc. | Horizontal optimization of transport alignments |
| US20170328878A1 (en) * | 2016-05-13 | 2017-11-16 | Chinese Research Academy Of Environmental Sciences | Rating evaluation method for groundwater pollution source intensity |
| US20170343702A1 (en) * | 2016-05-31 | 2017-11-30 | Accuweather, Inc. | Method and system for predicting the impact of forecasted weather, environmental and/or geologic conditions |
| CN107832562A (zh) * | 2017-11-29 | 2018-03-23 | 厦门大学 | 一种大气污染扩散的仿真方法与仿真系统 |
| CN108536908A (zh) * | 2018-03-01 | 2018-09-14 | 北京师范大学 | 基于非点源氮磷流失风险对流域水环境安全评估的方法 |
| CN108733915A (zh) * | 2018-05-17 | 2018-11-02 | 河海大学 | 基于栅格化处理的平原河网区河道面源污染负荷确定方法 |
| CN110009226A (zh) * | 2019-04-03 | 2019-07-12 | 中国科学院地理科学与资源研究所 | 一种场地污染风险等级评测及敏感受体影响识别系统 |
| CN111199347A (zh) * | 2019-12-30 | 2020-05-26 | 中国科学院南京地理与湖泊研究所 | 流域污染控制单元分区方法 |
| CN111507375A (zh) * | 2020-03-09 | 2020-08-07 | 中山大学 | 一种城市内涝风险快速评估方法及系统 |
| CN111950942A (zh) * | 2020-10-19 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于模型的水污染风险评估方法、装置和计算机设备 |
-
2020
- 2020-12-31 CN CN202011643523.XA patent/CN112766664B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150154323A1 (en) * | 2011-09-27 | 2015-06-04 | Autodesk, Inc. | Horizontal optimization of transport alignments |
| CN104036145A (zh) * | 2014-06-25 | 2014-09-10 | 安徽省环境科学研究院 | 一种生态系统减轻水环境非点源污染服务价值评估方法 |
| US20170328878A1 (en) * | 2016-05-13 | 2017-11-16 | Chinese Research Academy Of Environmental Sciences | Rating evaluation method for groundwater pollution source intensity |
| US20170343702A1 (en) * | 2016-05-31 | 2017-11-30 | Accuweather, Inc. | Method and system for predicting the impact of forecasted weather, environmental and/or geologic conditions |
| CN107832562A (zh) * | 2017-11-29 | 2018-03-23 | 厦门大学 | 一种大气污染扩散的仿真方法与仿真系统 |
| CN108536908A (zh) * | 2018-03-01 | 2018-09-14 | 北京师范大学 | 基于非点源氮磷流失风险对流域水环境安全评估的方法 |
| CN108733915A (zh) * | 2018-05-17 | 2018-11-02 | 河海大学 | 基于栅格化处理的平原河网区河道面源污染负荷确定方法 |
| CN110009226A (zh) * | 2019-04-03 | 2019-07-12 | 中国科学院地理科学与资源研究所 | 一种场地污染风险等级评测及敏感受体影响识别系统 |
| CN111199347A (zh) * | 2019-12-30 | 2020-05-26 | 中国科学院南京地理与湖泊研究所 | 流域污染控制单元分区方法 |
| CN111507375A (zh) * | 2020-03-09 | 2020-08-07 | 中山大学 | 一种城市内涝风险快速评估方法及系统 |
| CN111950942A (zh) * | 2020-10-19 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 基于模型的水污染风险评估方法、装置和计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 姜智绘;廖云杰;谢文霞;李佳;房志达;赵洪涛;李叙勇;: "透水/不透水格局特征对汇水单元径流污染的影响", 环境科学 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361114A (zh) * | 2021-06-11 | 2021-09-07 | 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 |
| 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 |
| CN113918783A (zh) * | 2021-09-28 | 2022-01-11 | 中国环境科学研究院 | 识别复合污染风险区的方法和装置 |
| CN114662930A (zh) * | 2022-03-24 | 2022-06-24 | 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 |
| CN116416108A (zh) * | 2023-06-12 | 2023-07-11 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 基于多项因素进行同步分析的城市小微水体风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112766664B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112766664B (zh) | 基于gis平台的城市面源污染风险识别方法及装置 | |
| CN112001610B (zh) | 农业面源污染的处理方法及装置 | |
| Bagarello et al. | Estimating the USLE soil erodibility factor in Sicily, South Italy | |
| CN103218485B (zh) | 一种gis技术支持下的小流域环境容量计算方法 | |
| CN102201034B (zh) | 一种临河村落非点源污染负荷的估算方法 | |
| CN112651659B (zh) | 一种调水工程对工程区左岸区域防洪风险评估方法 | |
| CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
| Gorgoglione et al. | A rationale for pollutograph evaluation in ungauged areas, using daily rainfall patterns: Case studies of the Apulian region in Southern Italy | |
| CN103544550A (zh) | 一种金属矿区土-水界面重金属污染负荷的预测方法 | |
| CN106570334A (zh) | 一种地统计学模型计算城市降雨径流污染负荷的方法 | |
| CN106528788B (zh) | 基于gis技术分析地面雨径流污染空间分布特征的方法 | |
| Granato | Estimating basin lagtime and hydrograph-timing indexes used to characterize stormflows for runoff-quality analysis | |
| VOJTEK et al. | Land use change and its impact on surface runoff from small basins: A case of Radiša basin | |
| CN112417657A (zh) | 基于不同下垫面污染物贡献率的海绵城市优化设计方法 | |
| CN114544913A (zh) | 一种土壤调查加密采样布点优化方法 | |
| Kaplan et al. | Predicting probabilities of streamflow intermittency across a temperate mesoscale catchment | |
| Perović et al. | Soil erosion modelling in the complex terrain of Pirot Municipality | |
| CN111552763A (zh) | 城市面源污染负荷监测方法 | |
| Bai et al. | Simulating the impacts of land-use changes on non-point source pollution in Lugu Lake watershed | |
| Rosli et al. | Sustainable urban forestry potential based quantitative and qualitative measurement using geospatial technique | |
| CN115620129A (zh) | 一种土壤水蚀保持量的监测方法、系统和电子设备 | |
| CN114863272A (zh) | 一种确定城市植被对城市综合活力影响强度的方法和系统 | |
| CN113313300A (zh) | 基于反距离加权插值鉴定土壤环境损害实物量的方法 | |
| McKergow et al. | Modelling wetland extent using terrain indices, Lake Taupo, NZ | |
| COVACI et al. | Automation of the Rational Formula using GIS infrastructure–Case study Siret River Basin-Romania |
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 |