CN113158385A - 一种农业面源污染关键源区识别方法及系统 - Google Patents
一种农业面源污染关键源区识别方法及系统 Download PDFInfo
- Publication number
- CN113158385A CN113158385A CN202110275391.8A CN202110275391A CN113158385A CN 113158385 A CN113158385 A CN 113158385A CN 202110275391 A CN202110275391 A CN 202110275391A CN 113158385 A CN113158385 A CN 113158385A
- Authority
- CN
- China
- Prior art keywords
- area
- phosphorus
- pollution
- nitrogen
- sub
- 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 74
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 194
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 97
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 94
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 94
- 239000011574 phosphorus Substances 0.000 claims abstract description 94
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 64
- 230000009467 reduction Effects 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000001556 precipitation Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 18
- 239000003344 environmental pollutant Substances 0.000 description 11
- 231100000719 pollutant Toxicity 0.000 description 11
- 238000012163 sequencing technique Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011109 contamination Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 108020001568 subdomains Proteins 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种农业面源污染关键源区识别方法及系统，包括：利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量；根据所述流域产水量，确定所述目标区域内各流域的潜在氮磷径流浓度；结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区。本发明提供的农业面源污染关键源区识别方法及系统，将氮磷入河负荷和潜在氮磷径流浓度相结合，以实现关键源区的识别，能够快速准确地识别出农业面源污染的关键源区，有效地提高了识别的精度。
Description
技术领域
本发明涉及农业信息技术领域，尤其涉及一种农业面源污染关键源区识别方法及系统。
背景技术
农业面源污染(Rural non-point source pollution)是指在农业生产活动中，溶解的或固体的污染物，如农田中的土粒、氮素、磷素、农药重金属、农村禽畜粪便与生活垃圾等有机或无机物质，从非特定的地域，在降水和径流冲刷作用下，通过农田地表径流、农田排水和地下渗漏，使大量污染物进入受纳水体(如河流、湖泊、水库、海湾等)所引起的污染。农业面源污染是造成水环境污染加剧，大量湖泊及河流已出现水环境质量下降现象的主要原因。
在进行农业面源污染治理时，关键源区识别是面源污染管理的重要组成部分，关键源区的输出污染物往往贡献整个流域污染负荷的大部分，对水体的环境质量起着决定性作用。在防控资源有限的条件下，为了进一步提高对面源污染优先防控区域选择的精准程度，准确识别出流域面源污染物的关键源区，可提高面源污染控制效果。
然而，我国大部分地区的基础资料相对欠缺，数据的可靠性也较差，已有的资料分布于不同业务部门，且资料共享性差，难以收集整理面源污染物输出的全面信息。故目前农业面源污染关键源区的识别一般是针对入河负荷进行识别，由于单纯考虑入河负荷易忽略掉一些径流浓度较高的地区，导致识别精度较低。
发明内容
针对现有技术存在的问题，本发明实施例提供一种农业面源污染关键源区识别方法及系统。
本发明提供一种农业面源污染关键源区识别方法，包括：基于目标区域的数字高程模型数据构建水文网络拓扑关系；利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量；根据流域产水量，确定目标区域内各流域的潜在氮磷径流浓度；结合目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定目标区域内的面源污染关键源区。
根据本发明提供的一种农业面源污染关键源区识别方法，基于目标区域的数字高程模型数据构建水文网络拓扑关系，包括：基于ArcGIS软件，根据数字高程模型数据确定目标区域内的流域及各流域的子流域；基于几何网络方法，根据流域及各流域的子流域，确定目标区域内的径流节点，径流节点包括源头节点、汇流节点、流域出口节点中的至少一种；对流域及各流域的子流域和径流节点进行矢量要素的空间分析，构建水文网络拓扑关系；在水文网络拓扑关系中，任一流域的属性表中记录有所述流域的起始节点、终止节点以及子流域编码；任一子流域的属性表中记录有子流域对应的流域编码。
根据本发明提供的一种农业面源污染关键源区识别方法，利用InVEST模型的产水量子模型，根据水文网络拓扑关系，确定流域产水量的计算公式为：
其中，Yxj为年产水量；
为水量平衡的蒸散部分；Px为年均降水量；AETxj为水文网络拓扑关系中的土地利用类型j上栅格单元x的年平均实际蒸散量。
根据本发明提供的一种农业面源污染关键源区识别方法，还包括：基于Budyko假设，计算所述水量平衡的蒸散部分，具体计算公式为：
其中，Rxj为Bydydo干燥指数；kxj为蒸散系数；ET0为潜在蒸散发；Z为季节因子；AWCx为水文网络拓扑关系中的栅格单元x的可利用水量；ωx为中间运算参数；LAI为面积指数。
根据本发明提供的一种农业面源污染关键源区识别方法，根据流域产水量，确定目标区域内各流域的潜在氮磷径流浓度，包括：根据目标区域内各流域的氮磷入河负荷与潜在氮磷径流浓度的比值，确定潜在氮磷径流浓度。
根据本发明提供的一种农业面源污染关键源区识别方法，所述结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区，包括：
在未确定减污目标的情况下，根据潜在氮磷径流浓度的热点分布状况，将潜在氮磷径流浓度大于预设浓度的区域确定为面源污染关键源区；
在已确定减污目标的情况下，基于排序筛选法，根据各流域的子流域相关的潜在氮磷径流浓度由高到低顺序，对各子流域的减污负荷进行累加，直至累加减污负荷达到减污目标时，根据所有被累加的子流域确定面源污染关键源区；各子流域的减污负荷为子流域的氮磷入河负荷与减污率的乘积。
根据本发明提供的一种农业面源污染关键源区识别方法，在确定目标区域内的面源污染关键源区之后，还包括统计面源污染关键源区的面积大小，并生成关键源区统计表，以通过关键源区识别软件进行展示。
本发明还提供一种农业面源污染关键源区识别系统，包括：拓扑关系分析单元主要用于基于目标区域的数字高程模型数据构建水文网络拓扑关系；产水量分析单元主要用于利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量；径流浓度分析单元，用于根据所述流域产水量，确定所述目标区域内各流域的潜在氮磷径流浓度；关键源区确定单元，用于结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区。
本发明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农业面源污染关键源区识别方法的步骤。
本发明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农业面源污染关键源区识别方法的步骤。
本发明提供的农业面源污染关键源区识别方法及系统，将氮磷入河负荷和潜在氮磷径流浓度相结合，以实现关键源区的识别，能够快速准确地识别出农业面源污染的关键源区，有效地提高了识别的精度。
附图说明
为了更清楚地说明本发明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是本发明提供的农业面源污染关键源区识别方法的流程示意图；
图2是本发明提供的水文地貌要素提取的流程示意图；
图3是本发明提供的一种水文网络拓扑关系示意图；
图4是本发明提供的一种潜在氮径流浓度示意图；
图5是本发明提供的一种潜在磷径流浓度示意图；
图6是本发明提供的一种氮浓度热点的示意图；
图7是本发明提供的一种磷浓度热点的示意图；
图8是本发明提供的一种氮关键源区的示意图；
图9是本发明提供的一种磷关键源区的示意图；
图10是本发明提供的一种氮关键源区识别统计结果的展示示意图；
图11是本发明提供的农业面源污染关键源区识别系统的结构示意图；
图12是本发明提供的农业面源污染关键源区识别系统的系统子菜单；
图13是本发明提供的农业面源污染关键源区识别系统的主界面；
图14是本发明提供的农业面源污染关键源区识别系统的关键源区治理效果分析示意图；
图15是本发明提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明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。
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合图1-图15描述本发明实施例所提供的农业面源污染关键源区识别方法和系统。
图1是本发明提供的农业面源污染关键源区识别方法的流程示意图，如图1所示，包括但不限于以下步骤：
步骤11：基于目标区域的数字高程模型数据构建水文网络拓扑关系；
步骤12：利用InVEST模型的产水量子模型，根据水文网络拓扑关系，确定流域产水量；
步骤13：根据流域产水量，确定目标区域内各流域的潜在氮磷径流浓度；
步骤14：结合目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定目标区域内的面源污染关键源区。
由于潜在氮磷径流浓度，是本地污染源和上游输入源污染物汇集与径流过程共同作用的结果，故潜在氮磷径流浓度比氮磷入河负荷指标更能准确反映农田氮磷面源污染对水环境影响的程度。因此，本发明将入河负荷和潜在氮磷径流浓度结合进行关键源区的识别。
本发明以位于华北地区的海河流域的某一实验区作为目标区域为例进行说明，在步骤S11中，首先获取目标区域数字高程模型数据(Digital Elevation Model，DEM)，以作为该目标区域的水文网络拓扑关系构建的数据来源。
其中，DEM是指通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型，是数字地形模型(Digital Terrain Model，简称DTM)的一个分支，其它各种地形特征值均可由此派生。一般认为，DTM是描述包括高程在内的各种地貌因子，如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布。其中，DEM是零阶单纯的单项数字地貌模型，其他如坡度、坡向及坡度变化率等地貌特性可在DEM的基础上派生。
作为一种可选的实施例，所述基于目标区域的数字高程模型数据构建水文网络拓扑关系，包括：
基于ArcGIS软件，根据数字高程模型数据确定目标区域内的流域及各流域的子流域；基于几何网络方法，根据流域及各流域的子流域，确定目标区域内的径流节点，径流节点包括源头节点、汇流节点、流域出口节点中的至少一种；对流域及各流域的子流域和径流节点进行矢量要素的空间分析，构建水文网络拓扑关系；在水文网络拓扑关系中，任一流域的属性表中记录有所述流域的起始节点、终止节点以及子流域编码；任一子流域的属性表中记录有子流域对应的流域编码。
图2是本发明提供的水文地貌要素提取的流程示意图，如图2所示，首先利用ArcGIS软件提取目标区域内的各流域(或称为河段)以及所有流域的子流域，以基于几何网络的方法提取的径流节点。其中，金流节点可以分为源头节点、汇流节点、流域出口节点。
图3是本发明提供的一种水文网络拓扑关系示意图，如图3所示，目标区域内所有流域的水文网络拓扑关系(也称为拓扑结构)的建立方法，可以采取以下步骤实现：
以河段为纽带，是流域汇流关系建立的基础。对流域河网的径流节点、河段、子流域等分别进行矢量要素的空间分析，从而构建拓相互之间的扑关系，使得每个河段的属性表里记录对应河段的起始节点和终止节点，以及对应的子流域编码；而各个子流域的属性表里则对应的记录着与其相对应的流域编码。
可选地，定义节点的编码为Point-ID，节点类型是NodeType；上下游节点分别为FROM_NODE、TO_NODE；河段编码为Stream_ID，长度为Sream_len；汇入和汇出河段分别编码为Ri_in、Ri_out；将子流域编码为Waters_ID，每个子流域的汇入和汇出流域编码分别为water_in、water_out。
本发明提供的农业面源污染关键源区识别方法，通过调取目标区域的DEM数据，从而构建该区域内所有流域及河段的水文网络拓扑关系，为后期整理农业面源污染相关数据，以及为后期开展面源污染分析提供了模型支持。
在步骤12中，在已经构建了水文网络拓扑关系的基础上，可以利用InVEST模型的产水量子模型，根据各流域以及各流域的子流域之间的拓扑关系，计算出该目标区域内的流域产水量。
其中，InVEST模型又称为：生态系统服务和权衡的综合评估模型(IntegratedValuation of Ecosystem Services and Trade-offs)，是通过模拟不同土地覆被情景下生态服务系统物质量和价值量的变化，为决策者权衡人类活动的效益和影响提供科学依据，用于生态系统服务功能评估的模型系统。InVEST模型填补了这一领域的空白，实现了生态系统服务功能价值定量评估的空间化。该模型较以往生态系统服务功能评估方法的最大优点是评估结果的可视化表达，解决了以往生态系统服务功能评估用文字抽象表述而不够直观的问题。
具体地，利用InVEST模型的产水量子模型计算流域的产水量的计算公式可以为：
其中，Yxj为年产水量(单位为mm)；Px为年均降水量(单位为mm)；AETxj为土地利用类型j上栅格单元x的年平均实际蒸散量单位为(mm)。
进一步地，水量平衡的蒸散部分
可以采用Budyko假设计算，其具体的计算公式可以为：
其中，Rxj为Bydydo干燥指数，无量纲；kxj为蒸散系数；ET0为潜在蒸散发，可以由彭曼公式计算。Z为季节因子，能根据研究区的降水分布情况确定，在降水分布均匀和夏季降水为主的地区，Z取值接近1；若冬季降水为主，则Z值接近10；根据海河流域降水量分布情况Z取值为2。AWCx为栅格单元x的可利用水量，主要由根系深度、土层厚度和土壤有效含水率共同决定。
为了反映目标区域内海河流域产水量多年平均水平，减少年际间气候差异，尤其是降水量差异对识别结果的不确定性影响，上述降水量和潜在蒸散量均采用多年均值数据(如2001—2015年间的)。
本发明提供的农业面源污染关键源区识别方法，利用InVEST模型，根据构建的水文网络拓扑关系，实现对于目标区域内降水量的计算，且在计算的过程中引进了多年降水量均值的数据处理方式，能有效地提高降水量统计的精度，以避免不同年份降水蒸腾情况不同对最终统计结果的干扰，为后期实现面源污染关键源区的识别精度的提高奠定了基础。
在获取到目标区域内各个流域的流域产水量之后，进入步骤13，可以根据各个流域的氮磷入河总负荷，分别确定各个流域的潜在氮磷径流浓度。
具体地，可以将流域氮磷负荷与产水量的比值视为潜在氮磷径流浓度，其计算公式包括：
其中，IN、IP分别是潜在氮径流浓度和潜在磷径流浓度(单位为g/L)；Y(x)是总产水量(单位为m3)；TN、TP分别为氮入河总负荷和磷入河总负荷(单位为kg)。
需要说明的是，本发明不对如何获取氮入河总负荷TN和磷入河总负荷TP的估算方法作具体限定，例如可以调用现有的资料获取。
图4是本发明提供的一种潜在氮径流浓度示意图，图5是本发明提供的一种潜在磷径流浓度示意图，如图4以及图5所示，在水文网络拓扑关系图中，可以采用不同灰度或颜色，标识出氮入河负荷(或磷入河负荷)所在的区域，并分别根据氮入河负荷与该流域(河段)的总产水量，确定出该河段的潜在氮径流浓度，并根据浓度的大小，用不同灰度或者不同粗细或者不同颜色的线条描绘该河段，以直观的反映出每个河段的潜在氮径流浓度；同理，采用相同方法也可以确定目标区域内的各河段的潜在磷径流浓度。
最后，在步骤14中，结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区。
本发明关于关键源区识别，主要将氮磷入河负荷和潜在氮磷径流浓度的空间分布状况相结合来实现的，总的原则是潜在氮磷径流浓度高的地方应优先治理。
具体地，上述结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区，可以包括以下两者情况：
情况1：在未确定减污目标的情况下，根据所述潜在氮磷径流浓度的热点分布状况，将潜在氮磷径流浓度大于预设浓度的区域确定为所述面源污染关键源区。
情况2：在已确定减污目标的情况下，基于排序筛选法，根据各流域的子流域相关的潜在氮磷径流浓度由高到低顺序，对各子流域的减污负荷进行累加，直至累加减污负荷达到所述减污目标时，根据所有被累加的子流域确定所述面源污染关键源区；所述各子流域的减污负荷为子流域的氮磷入河负荷与减污率的乘积。
本发明提供的关键源区识别方法，根据上述两种不同的情况，分别采取两种不同的识别方法：
图5是本发明提供的一种潜在磷径流浓度示意图，图6是本发明提供的一种氮浓度热点的示意图，如图5或图6所示，在满足情况1即没有明确的减污目标时，本发明采取基于热点分析的氮磷关键源区识别的方法，即将潜在氮磷径流浓度的热点分析获取的热点区域作为氮磷关键源区。
其中，热点分析的具体步骤可以是：
首先，以子流域或县域等矢量图层为单元进行分区统计，以得到子流域单元或县域单元的氮磷入河总负荷或单位面积氮磷平均入河负荷；然后，利用ARCGIS 10.2软件空间统计模块中的热点分析工具(Hot-spotAnalysis)进行冷热点分区。
热点分析工具主要通过计算Getis-Ord Gi*指数来识别要素在空间上是否发生聚集。其中，指数值为3代表热点区、2代表次热点区、1代表不显著、-2～0代表次冷点区、-3代表冷点区。
图7是本发明提供的一种磷浓度热点的示意图，图8是本发明提供的一种氮关键源区的示意图，图9是本发明提供的一种磷关键源区的示意图，如图7至图9所示，在满足情况2即确定了明确的减污目标时，由于关键源区的数量和位置分布会根据减污目标有所差异，故本发明采取排序筛选法进行氮磷关键源区识别。
具体操作步骤为：首先，确定一个流域减污目标和关键源区的减污率，然后按照所有子流域的潜在氮磷径流浓度由高到低进行排序，并按顺序对每个子流域的减污负荷(入河负荷*减污率)进行累加；当累加到减污负荷达到减污目标时，将所有入选的子流域(即被累加的子流域)确定为关键源区。
本发明提供的农业面源污染关键源区识别方法，通过将氮磷入河负荷和潜在氮磷径流浓度相结合，以实现关键源区的识别，能够快速准确地识别出农业面源污染的关键源区，有效地提高了识别的精度。
基于上述实施例的内容，作为一种可选实施例，在确定所述目标区域内的面源污染关键源区之后，还包括统计所述面源污染关键源区的面积大小，并生成关键源区统计表，以通过关键源区识别软件进行展示。
图10是本发明提供的一种氮关键源区识别统计结果的展示示意图，如图10所示，本发明基于步骤14中所获取的氮磷关键源区的识别结果，以及在进行识别过程中所采集的数据，可以进一步统计氮关键源区和磷关键源区的面积大小，并制作统计表于水文网络拓扑关系图中展示出来，以供相关工作人员直观、便捷查看相关数据。
图11是本发明提供的农业面源污染关键源区识别系统的结构示意图，如图11所示，包括但不限于拓扑关系分析单元101、产水量分析单元102、径流浓度分析单元103和关键源区确定单元104，其中：
拓扑关系分析单元101主要用于基于目标区域的数字高程模型数据构建水文网络拓扑关系；产水量分析单元102主要用于利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量；径流浓度分析单元103主要用于根据所述流域产水量，确定所述目标区域内各流域的潜在氮磷径流浓度；关键源区确定单元104主要用于结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区。
具体地，本发明所提供的农业面源污染关键源区识别系统，可以是针对水网拓扑构建、产水量、负荷、径流浓度和关键源区识别等多个方面不便于人工操作与判别的缺点，根据上述实施例中所涉及的数据处理方法，基于C#、ArcEngine所开发的关键源区识别软件系统。
图12是本发明提供的农业面源污染关键源区识别系统的系统子菜单，如图12所示，该系统主要包括数据加载、统计分析、水网拓扑、关键源区识别以及帮助等至少5个模块。
其中，数据加载模块可以包括打开面元污染数据插件、打开水网数据插件、打开栅格文件插件、打开矢量文件插件以及退出接口插件。
统计分析模块，主要用于执行分区统计以及热点分析等功能。
水网拓扑模块，主要包括河网关联插件、河网拓扑构建插件以及水洗查询插件。
关键源区识别模块则可以分为基于氮磷入河负荷识别单元、基于潜在氮磷浓度识别单元以及治理预期效果分析单元。
帮助模块，主要包括About插件以及Help Manual插件。
图13是本发明提供的农业面源污染关键源区识别系统的主界面，图14是本发明提供的农业面源污染关键源区识别系统的关键源区治理效果分析示意图，如图13以及图14所示，在将获取的面源污染关键源区等信息展示在该系统之后，还可以对关键源区设定不同治理幅度，并查看治理效果，以对比氮负荷降低百分比，磷负荷降低百分比。
本发明提供的农业面源污染关键源区识别系统，将氮磷入河负荷和潜在氮磷径流浓度相结合，以实现关键源区的识别，能够快速准确地识别出农业面源污染的关键源区，有效地提高了识别的精度。
需要说明的是，本发明实施例提供的农业面源污染关键源区识别系统，在具体执行时，可以基于上述任一实施例所述的农业面源污染关键源区识别方法来实现，对此本实施例不作赘述。
图15是本发明提供的电子设备的结构示意图，如图15所示，该电子设备可以包括：处理器(processor)510、通信接口(CommunicationsInterface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行农业面源污染关键源区识别方法，该方法包括：1)选择子流域排序依据，软件支持三种排序依据：子流域单元入河负荷、子流域流入河段的潜在径流浓度、子流域单元径流浓度；2)设定防控目标即面源污染物消减比例；3)对子流域排序后，由高到低选择子流域单元，并累计选中的子流域单元的入河负荷总量，直至累计值大于面源污染物消减比例乘以整个流域面源污染入河总负荷。所有选中的子流域单元即为关键源区。
此外，上述的存储器530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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、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所提供的农业面源污染关键源区识别方法，该方法包括：1)选择子流域排序依据，软件支持三种排序依据：子流域单元入河负荷、子流域流入河段的潜在径流浓度、子流域单元径流浓度；2)设定防控目标即面源污染物消减比例；3)对子流域排序后，由高到低选择子流域单元，并累计选中的子流域单元的入河负荷总量，直至累计值大于面源污染物消减比例乘以整个流域面源污染入河总负荷。所有选中的子流域单元即为关键源区。
又一方面，本发明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农业面源污染关键源区识别方法，该方法包括：1)选择子流域排序依据，软件支持三种排序依据：子流域单元入河负荷、子流域流入河段的潜在径流浓度、子流域单元径流浓度；2)设定防控目标即面源污染物消减比例；3)对子流域排序后，由高到低选择子流域单元，并累计选中的子流域单元的入河负荷总量，直至累计值大于面源污染物消减比例乘以整个流域面源污染入河总负荷。所有选中的子流域单元即为关键源区。
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 (10)
1.一种农业面源污染关键源区识别方法，其特征在于，包括：
基于目标区域的数字高程模型数据构建水文网络拓扑关系；
利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量；
根据所述流域产水量，确定所述目标区域内各流域的潜在氮磷径流浓度；
结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区。
2.根据权利要求1所述的农业面源污染关键源区识别方法，其特征在于，所述基于目标区域的数字高程模型数据构建水文网络拓扑关系，包括：
基于ArcGIS软件，根据所述数字高程模型数据确定所述目标区域内的流域及各流域的子流域；
基于几何网络方法，根据所述流域及各流域的子流域，确定所述目标区域内的径流节点，所述径流节点包括源头节点、汇流节点、流域出口节点中的至少一种；
对所述流域及各流域的子流域和所述径流节点进行矢量要素的空间分析，构建所述水文网络拓扑关系；
在所述水文网络拓扑关系中，任一所述流域的属性表中记录有所述流域的起始节点、终止节点以及子流域编码；任一所述子流域的属性表中记录有所述子流域对应的流域编码。
3.根据权利要求1所述的农业面源污染关键源区识别方法，其特征在于，所述利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量的计算公式为：
其中，Yxj为年产水量；
为水量平衡的蒸散部分；Px为年均降水量；AETxj为水文网络拓扑关系中的土地利用类型j上栅格单元x的年平均实际蒸散量。
4.根据权利要求3所述的农业面源污染关键源区识别方法，其特征在于，还包括：基于Budyko假设，计算所述水量平衡的蒸散部分，具体计算公式为：
其中，Rxj为Bydydo干燥指数；kxj为蒸散系数；ET0为潜在蒸散发；Z为季节因子；AWCx为水文网络拓扑关系中的栅格单元x的植被可利用水量；ωx为中间运算参数；LAI为面积指数。
5.根据权利要求1所述的农业面源污染关键源区识别方法，其特征在于，所述根据所述流域产水量，确定所述目标区域内各流域的潜在氮磷径流浓度，包括：
根据目标区域内各流域的氮磷入河负荷与潜在氮磷径流浓度的比值，确定所述潜在氮磷径流浓度。
6.根据权利要求1所述的农业面源污染关键源区识别方法，其特征在于，所述结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区，包括：
在未确定减污目标的情况下，根据所述潜在氮磷径流浓度的热点分布状况，将潜在氮磷径流浓度大于预设浓度的区域确定为所述面源污染关键源区；
在已确定减污目标的情况下，基于排序筛选法，根据各流域的子流域相关的潜在氮磷径流浓度由高到低顺序，对各子流域的减污负荷进行累加，直至累加减污负荷达到所述减污目标时，根据所有被累加的子流域确定所述面源污染关键源区；所述各子流域的减污负荷为子流域的氮磷入河负荷与减污率的乘积。
7.根据权利要求1所述的农业面源污染关键源区识别方法，其特征在于，在确定所述目标区域内的面源污染关键源区之后，还包括统计所述面源污染关键源区的面积大小，并生成关键源区统计表，以通过关键源区识别软件进行展示。
8.一种农业面源污染关键源区识别系统，其特征在于，包括：
拓扑关系分析单元，用于基于目标区域的数字高程模型数据构建水文网络拓扑关系；
产水量分析单元，用于利用InVEST模型的产水量子模型，根据所述水文网络拓扑关系，确定流域产水量；
径流浓度分析单元，用于根据所述流域产水量，确定所述目标区域内各流域的潜在氮磷径流浓度；
关键源区确定单元，用于结合所述目标区域内各流域的潜在氮磷径流浓度和氮磷入河负荷，确定所述目标区域内的面源污染关键源区。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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如权利要求1至7任一项所述农业面源污染关键源区识别方法步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述农业面源污染关键源区识别方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110275391.8A CN113158385B (zh) | 2021-03-15 | 2021-03-15 | 一种农业面源污染关键源区识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110275391.8A CN113158385B (zh) | 2021-03-15 | 2021-03-15 | 一种农业面源污染关键源区识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113158385A true CN113158385A (zh) | 2021-07-23 |
| CN113158385B CN113158385B (zh) | 2024-07-05 |
Family
ID=76887096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110275391.8A Active CN113158385B (zh) | 2021-03-15 | 2021-03-15 | 一种农业面源污染关键源区识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113158385B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742892A (zh) * | 2021-08-05 | 2021-12-03 | 北京农业信息技术研究中心 | 面源污染流域模拟与下游监测的协同方法及装置 |
| CN114460271A (zh) * | 2022-01-19 | 2022-05-10 | 广西大学 | 基于cssi溯源与实时监测的流域入河泥沙来源负荷辨识方法 |
| 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 |
| CN115576035A (zh) * | 2022-09-29 | 2023-01-06 | 中国电建集团西北勘测设计研究院有限公司 | 一种顾及微地形和水系拓扑关系的大坝上游汇水量估计方法 |
| CN116341898A (zh) * | 2023-02-15 | 2023-06-27 | 中国科学院精密测量科学与技术创新研究院 | 农业面源污染风险分期-分区-分源协同识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933300A (zh) * | 2015-06-03 | 2015-09-23 | 中国农业科学院农业资源与农业区划研究所 | 流域农业面源污染物河道削减系数计算方法 |
| CN104951986A (zh) * | 2015-06-03 | 2015-09-30 | 中国农业科学院农业资源与农业区划研究所 | 流域农业面源污染物入湖负荷估算方法 |
| CN108734401A (zh) * | 2018-05-22 | 2018-11-02 | 新疆大学 | 基于sparrow模型的河流污染评估方法 |
| CN112001610A (zh) * | 2020-08-12 | 2020-11-27 | 裴晓菲 | 农业面源污染的处理方法及装置 |
-
2021
- 2021-03-15 CN CN202110275391.8A patent/CN113158385B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933300A (zh) * | 2015-06-03 | 2015-09-23 | 中国农业科学院农业资源与农业区划研究所 | 流域农业面源污染物河道削减系数计算方法 |
| CN104951986A (zh) * | 2015-06-03 | 2015-09-30 | 中国农业科学院农业资源与农业区划研究所 | 流域农业面源污染物入湖负荷估算方法 |
| CN108734401A (zh) * | 2018-05-22 | 2018-11-02 | 新疆大学 | 基于sparrow模型的河流污染评估方法 |
| CN112001610A (zh) * | 2020-08-12 | 2020-11-27 | 裴晓菲 | 农业面源污染的处理方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 张巧玲 等: "海河流域农田氮磷面源污染的空间分布特征及关键源区识别", 《灌溉排水学报》, vol. 40, no. 4, 24 December 2020 (2020-12-24), pages 97 - 106 * |
| 耿润哲;王晓燕;庞树江;殷培红;: "潮河流域非点源污染控制关键因子识别及分区", 中国环境科学, no. 04, 20 April 2016 (2016-04-20), pages 1258 - 1267 * |
| 蒋好忱: "流域土壤侵蚀评价中的河流拓扑分析", 《中国优秀硕士学位论文全文数据库 农业科技辑》, no. 9, 15 September 2014 (2014-09-15), pages 043 - 48 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742892A (zh) * | 2021-08-05 | 2021-12-03 | 北京农业信息技术研究中心 | 面源污染流域模拟与下游监测的协同方法及装置 |
| CN114460271A (zh) * | 2022-01-19 | 2022-05-10 | 广西大学 | 基于cssi溯源与实时监测的流域入河泥沙来源负荷辨识方法 |
| 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 |
| CN115576035A (zh) * | 2022-09-29 | 2023-01-06 | 中国电建集团西北勘测设计研究院有限公司 | 一种顾及微地形和水系拓扑关系的大坝上游汇水量估计方法 |
| CN116341898A (zh) * | 2023-02-15 | 2023-06-27 | 中国科学院精密测量科学与技术创新研究院 | 农业面源污染风险分期-分区-分源协同识别方法 |
| CN116341898B (zh) * | 2023-02-15 | 2023-11-03 | 中国科学院精密测量科学与技术创新研究院 | 农业面源污染风险分期-分区-分源协同识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113158385B (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113158385B (zh) | 一种农业面源污染关键源区识别方法及系统 | |
| Zomlot et al. | Spatial distribution of groundwater recharge and base flow: Assessment of controlling factors | |
| Lee et al. | Evaluation of estimation methods for rainfall erosivity based on annual precipitation in Korea | |
| Gianfagna et al. | Watershed area ratio accurately predicts daily streamflow in nested catchments in the Catskills, New York | |
| CN112001610B (zh) | 农业面源污染的处理方法及装置 | |
| De Roo et al. | Soil erosion modelling using ‘answers’ and geographical information systems | |
| Saha et al. | Streamflow modeling in a fluctuant climate using SWAT: Yass River catchment in south eastern Australia | |
| Longobardi et al. | Baseflow index regionalization analysis in a mediterranean area and data scarcity context: Role of the catchment permeability index | |
| Singh et al. | Mathematical modeling of watershed hydrology | |
| Yang et al. | GIS-based spatial regression and prediction of water quality in river networks: A case study in Iowa | |
| Jain et al. | DEM-based modelling of surface runoff using diffusion wave equation | |
| Pedro-Monzonís et al. | The use of AQUATOOL DSS applied to the System of Environmental-Economic Accounting for Water (SEEAW) | |
| Patil et al. | Development of a GIS interface for estimation of runoff from watersheds | |
| Bangash et al. | Water allocation assessment in low flow river under data scarce conditions: A study of hydrological simulation in Mediterranean basin | |
| Shiels | Implementing landscape indices to predict stream water quality in an agricultural setting: An assessment of the Lake and River Enhancement (LARE) protocol in the Mississinewa River watershed, East-Central Indiana | |
| Jiang et al. | Quantification of uncertainty in estimated nitrate-N loads in agricultural watersheds | |
| CN116304161A (zh) | 一种自然连通河流-湖泊的水文连通度计算方法、系统及介质 | |
| Lin et al. | WinBasin: Using improved algorithms and the GIS technique for automated watershed modelling analysis from digital elevation models | |
| Benjankar et al. | Comparison of hydromorphological assessment methods: Application to the Boise River, USA | |
| Coville et al. | Loss of street trees predicted to cause 6000 L/tree increase in leaf-on stormwater runoff for Great Lakes urban sewershed | |
| Wu et al. | Assessment and management of nonpoint source pollution based on multicriteria analysis | |
| CN115794976A (zh) | 一种用于城镇水环境治理的控制单元分级方法及装置 | |
| Ly et al. | Simulation of streamflow and instream loads of total suspended solids and nitrate in a large transboundary river basin using Source model and geospatial analysis | |
| Setyawan et al. | Hydrologic modeling for tropical watershed monitoring and evaluation | |
| Mangiarotti et al. | Causality analysis of groundwater dynamics based on a Vector Autoregressive model in the semi-arid basin of Gundal (South India) |
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 |