CN113567358B - 一种基于遥感和物联网的耕地污染监测预警系统 - Google Patents

一种基于遥感和物联网的耕地污染监测预警系统 Download PDF

Info

Publication number
CN113567358B
CN113567358B CN202110854482.7A CN202110854482A CN113567358B CN 113567358 B CN113567358 B CN 113567358B CN 202110854482 A CN202110854482 A CN 202110854482A CN 113567358 B CN113567358 B CN 113567358B
Authority
CN
China
Prior art keywords
monitoring
pollution
soil
data
farmland
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
Application number
CN202110854482.7A
Other languages
English (en)
Other versions
CN113567358A (zh
Inventor
宋富强
郑壮丽
毋黎明
杨建波
武洪涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute Of Geographical Sciences Henan Academy Of Sciences
Original Assignee
Institute Of Geographical Sciences Henan Academy Of Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute Of Geographical Sciences Henan Academy Of Sciences filed Critical Institute Of Geographical Sciences Henan Academy Of Sciences
Priority to CN202110854482.7A priority Critical patent/CN113567358B/zh
Publication of CN113567358A publication Critical patent/CN113567358A/zh
Application granted granted Critical
Publication of CN113567358B publication Critical patent/CN113567358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/041—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种基于遥感和物联网的耕地污染监测预警系统，属于污染监测预警领域，本发明通过整合多源异构耕地质量数据，构建耕地污染监测基础数据库，在耕地生态安全类型区划分的基础上，布设耕地污染监测样点；其次在监测样点布设土壤智能传感器，实时监测土壤理化指标，借助物联网的无线传输技术，实时传送土壤监测数据到服务器，实现耕地土壤污染的实时动态监测及预警；同时利用多源遥感数据，实现地表植被重金属污染的动态监测和预警；最后土壤污染监控和植物污染监控相结合，从地下和地表两个方面实现耕地污染的动态监控，能提升耕地污染监控的精度，同时也能及时确定耕地污染的程度和范围，实现耕地污染监测预警系统的一体化和智能化。

Description

一种基于遥感和物联网的耕地污染监测预警系统
技术领域
本发明属于污染监测预警领域，具体涉及一种基于遥感和物联网的耕地污染监测预警系统。
背景技术
近年来，随着我国经济的飞速发展、农业高度集约化生产、农药化肥的过量使用和大气沉降等，耕地污染愈加严重。主要表现是污染面积不断扩大，污染程度不断加深，污染重金属的种类不断增多和监测难度不断加强等。土壤重金属等污染物进入土壤后，能够长期存在并不断累积，随着它与土壤中有机质或者其它矿物质的结合，会造成土壤性状和结构的变化，造成耕地退化；在进入植物后，会对植物的生长产生影响，同时在植物中富集，富集后的重金属经食物进入人体，又会给居民的身体健康带来很大的危害。土壤污染直接关系耕地生态和农产品质量安全，如何有效遏制突发性土壤污染事故的发生，避免事故带来的损失是当前经济发展的挑战性问题。
传统的耕地污染监测需要依靠野外布点采集土壤样品，随后在实验室分析测得各点的重金属含量，再进行插值，寻求“以点代面”。该方法虽然在小尺度上可以获得较为准确的土壤重金属含量与分布信息，但由于化验分析所需时间较长，很难针对突发污染情况进行及时预警；同时由于土壤的空间异质性、尺度问题，不能精确的确定耕地污染发生的范围。
从国家层面开展的土壤环境调查监测工作，涉及范围广、时间跨度长、投入人力物力巨大，有助于建立我国土壤环境本底数据。但由于短时间内难以实现重复的周期性采样，很难针对突发性的耕地污染状况做出响应。随着遥感技术的快速发展，高分辨率与高光谱遥感影像数据开始普及，其传感器可以记录地面物体较多的窄波段反射率，减少地物干扰，弥补传统调查方法的缺陷，为土壤重金属污染监测提供更加便利的方案。
因此，本发明提出一种基于遥感和物联网的耕地污染监测预警系统。
发明内容
为了克服上述现有技术存在的不足，本发明提供了一种基于遥感和物联网的耕地污染监测预警系统。
为了实现上述目的，本发明提供如下技术方案：
一种基于遥感和物联网的耕地污染监测预警系统，包括耕地污染监测基础数据库、风险评估模块、耕地污染动态监测模块、耕地污染监测预警模块；
所述耕地污染监测基础数据库包括作物生长期光谱数据库、土壤表层光谱数据库，分别用于存储作物生长期光谱数据和土壤表层光谱数据；
所述风险评估模块，用于对所述作物生长期光谱数据和土壤表层光谱数据进行分析，根据分析结果进行耕地污染风险评价，从而确定土壤污染监测指标阈值并对待测耕地进行土壤污染分区；
所述耕地污染动态监测模块，用于根据土壤污染分区结果，分区域布设耕地污染监测样点，在耕地污染监测样点布设土壤和作物的动态监测仪器及数据采集器，监测耕地污染状况和植被状况的监测指标数据，利用物联网技术，实现监测指标数据的实时回传；
所述耕地污染监测预警模块，将监测指标数据与设定阈值进行对比，当监测指标超过阈值时进行预警。
优选地，所述耕地污染监测基础数据库的建立过程为：利用地形地貌、土壤和统计数据，构建土壤基础属性数据库；利用已有的野外调查数据和多源遥感数据，反演作物生长期光谱特征和土壤表层光谱特征，构建作物生长期光谱数据库和土壤表层光谱数据库；将土壤基础属性数据库、作物生长期光谱数据库和土壤表层光谱数据库相结合，构建耕地污染监测基础数据库。
优选地，所述根据分析结果进行耕地污染风险评价，从而确定土壤污染监测指标阈值并对待测耕地进行土壤污染分区具体包括以下步骤：
通过利用分等理论和地化评估方法，构建耕地生态安全评价贡献率计算模型，借鉴多元正态回归方法，应用最小二乘法来确定贡献率，计算最终的耕地生态安全综合分值；
P生态安全＝a×p分等+b×p地化+c×PVI(1)
P生态安全为耕地生态安全综合评价指数；P分等为原分等成果中的国家利用等指数；P地化为原地化评估成果中的环境指数；PVI为遥感影像生成的植被综合指数；
依据耕地生态安全综合分值，结合地形地貌分异和行政区划分异，分层叠加分析，形成耕地生态评价类型区；
最后利用耕地图斑与行政村界限，对划分的类型区进行修正，最终划分耕地生态类型区。
优选地，所述监测指标数据包括监测样点气候数据、土壤关键属性数据以及作物长势数据；
所述动态监测仪器包括：
自动气象站，用于采集所述监测样点气候数据；
电导率传感器，用于采集土壤关键属性数据，包括土壤水分含量、电导率和温度；
作物长势视频监控系统，用于采集作物长势数据数据。
本发明提供的基于遥感和物联网的耕地污染监测预警系统具有以下有益效果：
本发明通过布设基于物联网的典型样点监测装置，实现监测样点土壤指标的实时回传，降低地面样点调查化验的成本，提高了耕地污染样点监测的精度和时效性；另一方面，利用遥感数据覆盖面积大，相关信息获取快等特点，实现耕地污染的区域动态监测。物联网和多源遥感数据反演相结合，可弥补传统方法的不足，及时响应耕地污染情况和确定污染范围，进一步提高耕地污染监测的精度和时效性，实现耕地污染监测和预警工作的智能化。
附图说明
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，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为本发明实施例1的基于遥感和物联网的耕地污染监测预警系统框图；
图2为监测样点土壤有机质含量分布图；
图3为监测样点土壤电导率月均值和最大值分布图；
图4为监测样点MODIS/EVI均值变化图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
近年来，遥感技术的发展，遥感影像分辨率也越来越高，多源遥感数据在耕地污染监测评价中的应用，实现了耕地属性信息从“静态单一”转为“动态多样”，显著耕地污染监测时效和精度。同时随着物联网、无线网络传输等技术的蓬勃发展，在耕地生态系统中，基于温度、湿度、光照、降雨量、土壤养分含量、pH等的传感器以及植物生长监测仪等仪器，能够实时监测土壤环境状况，通过物联网和无限传输技术，实时返回监测数据，为耕地污染监测预警工作提供了大数据的支撑，实现了监测数据由“传统静态”到“智能动态”的转变。
具体的，本发明提供了一种基于遥感和物联网的耕地污染监测预警系统，包括耕地污染监测基础数据库、耕地污染动态监测模块、耕地污染监测预警模块；
耕地污染监测基础数据库包括作物生长期光谱数据库、土壤表层光谱数据库，分别用于存储作物生长期光谱数据和土壤表层光谱数据；耕地污染监测基础数据库的建立过程为：利用地形地貌、土壤和统计数据，构建土壤基础属性数据库；利用已有的野外调查数据和多源遥感数据，反演作物生长期光谱特征和土壤表层光谱特征，构建作物生长期光谱数据库和土壤表层光谱数据库；将土壤基础属性数据库、作物生长期光谱数据库和土壤表层光谱数据库相结合，构建耕地污染监测基础数据库。
风险评估模块在数据库的基础上，对作物生长期光谱数据和土壤表层光谱数据进行分析，根据分析结果进行耕地污染风险评价，从而确定土壤污染监测指标阈值并对待测土壤进行污染分区，具体包括以下步骤：
通过利用分等理论和地化评估方法，构建耕地生态安全评价贡献率计算模型，借鉴多元正态回归方法，应用最小二乘法来确定贡献率，计算最终的耕地生态安全综合分值；
P生态安全＝a×p分等+b×p地化+c×PVI (1)
P生态安全为耕地生态安全综合评价指数；P分等为原分等成果中的国家利用等指数；P地化为原地化评估成果中的环境指数；PVI为遥感影像生成的植被综合指数；
依据耕地生态安全综合分值，结合地形地貌分异和行政区划分异，分层叠加分析，形成耕地生态评价类型区；
最后利用耕地图斑与行政村界限，对划分的类型区进行修正，最终划分耕地生态类型区。
耕地污染动态监测模块用于根据土壤污染分区结果，分区域布设耕地污染监测样点，通过遥感反演以及实验室分析等手段，建立监测样点耕地污染风险数据库，从而确定监测样点耕地污染监测指标及阈值；依托监测样点，布设土壤和作物动态监测仪器，利用物联网技术，实现监测样点气候数据、土壤关键属性数据以及作物长势数据的实时回传；土壤和作物动态监测仪器包括自动气象站、土壤水分温度电导率自动监测仪、作物长势视频监控系统等。利用物联网技术，实现监测样点气候数据、土壤关键属性数据以及作物长势数据的实时回传，从而构建耕地污染动态监测体系。
耕地污染监测预警模块将监测指标数据与设定阈值进行对比，当监测指标超过阈值时进行预警，具体包括通过监测样点耕地污染状况的实时监测，当监测指标超过阈值时，开始预警，系统根据已有的数据库自动开展诊断分析，确定耕地污染程度及污染源；当监测样点污染特征呈现复杂情况时，专家诊断程序启动，从而能准确快速的确定监测样点污染程度和污染源；利用便携化的地物波谱仪分析污染样点作物及土壤的光谱特征，为区域耕地污染空间分布反演提供准确的光谱特征，从而能快速准确的确定耕地污染空间分布以及耕地污染程度，从而针对性的提供应急管理措施。
实施例1
下面通过一个具体的实施例来对本发明提供的基于遥感和物联网的耕地污染监测预警系统作进一步的说明。
本实施例选择典型县域开展针对研究，进而进行省级推广及应用。研究区域设定在某市，某市地处黄河中、下游分界处，位于豫西丘陵向豫东平原的过渡地带，地理坐标为东经113°20′40″-113°24′10″，北纬34°45′08″-34°48′22″之间，地理位置优越及特殊，粮食种植占农业结构中的比例较高。2018年某市粮食播种面积85万亩，其中小麦播种面积46万亩、夏玉米播种面积36万亩；全年粮食总产量31.8万吨，其中小麦总产16.7万吨，玉米总产13.3万吨。具体如图1所示，利用本发明提供的基于遥感和物联网的耕地污染监测预警系统对上述区域进行预警操作的具体步骤如下所述：
步骤1、监测基础数据库构建
1.基础数据特征
目前研究区已有的耕地数据主要有土地质量地球化学调查数据和耕地质量等别数据，随着遥感技术的发展，遥感数据的分辨率和精度也越来越高。传统耕地数据与遥感数据想结合，实现了耕地属性信息从“静态单一”转为“动态多样”，弥补了传统耕地生态安全评价精度较低，重视社会经济指标而忽视耕地自然属性的不足的问题。从表上可以看出，3种数据成果在图件要素、数据库等方面存在显著区别(表1)。
表1 3种耕地数据特点
Figure GDA0003988704680000061
2.制定数据库规则
为了使其能够反映在同一张图上，具备整合的前提，首先要对3种数据进行处理，统一图形规则、数据库规则，数据库包括以下字段：
表2数据库标准字段及格式
Figure GDA0003988704680000071
3.基于GML的多源异构数据整合
GML(Geography Markup Language，空间数据建模标准规范)是OGC(OpenGeospatial Consortium开发地理信息系统协会)制定的基于XML的中立于任何厂商、任何平台的地理信息编码标准，用于地理信息的传输、存储和发布。其具有简单、开放、跨平台、容易检查和转换等特性，可将空间数据和属性数据融为一体，将矢量数据和栅格数据融为一体，可采用HTTP协议进行远程传送，易于实现数据的动态集成。通过提出一个基于GML/KML的多源异构数据集成模型，将Mapgis格式数据、ArcGIS的Shape格式、GeoDatabase格式数据、Tiff格式数据等，均可以通过相应的GML生成器转换为GML格式数据，并由数据管理器进行统一管理，实现了研究区遥感数据(Tiff格式)、行政区划数据(MapGIS格式)和土地利用数据(ArcGIS格式)叠加集成分析。
步骤2、耕地生态安全评价及分区
1.生态安全评价方程
通过利用分等理论和地化评估方法，构建耕地生态安全评价贡献率计算模型，借鉴多元正态回归方法，应用最小二乘法来确定贡献率。由于贡献率可以根据用途来确定系数，因此在利用贡献率进行耕地生态安全评价时，如果偏向重金属污染时，则适当提高P地化的贡献率，计算最终的耕地生态安全综合分值。
P生态安全＝a×p分等+b×p地化+c×PVI (1)
P生态安全为耕地生态安全综合评价指数；P分等为原分等成果中的国家利用等指数；P地化为原地化评估成果中的环境指数；PVI为遥感影像生成的植被综合指数。
2.评价结果及分区
根据三种数据原始属性及各自的贡献率，最终评价某市耕地生态安全综合分值。利用贡献率法计算某市耕地生态安全分值为0.1266—0.9510，依据耕地生态安全评价分值，结合地形地貌分异和行政区划分异，分层叠加分析，形成耕地生态评价类型区，最后利用耕地图斑与行政村界限，对划分的类型区进行修正，最终划分耕地生态类型区。某市耕地生态类型区共划分为4个类型，分别是生态较优区、生态良好区、生态脆弱区和生态保护区。
步骤3、样点布设及动态监测
1.监测样点选择
监测样点设置主要依据耕地生态安全评价类型区划分结果以及行政区划分。根据监测样点遴选原则，选择68个监测样点开展耕地污染动态监测工作，监测样点涉及13个乡镇(办事处)，涵盖某市所有的耕地生态安全评价类型区、土壤类型、地貌类型。具体分布情况见图3。通过设置监测样点，开展土壤理化性质、土壤重金属污染指标、植被指数等因素的动态监测。
2.监测仪器布设
在监测样点土壤表层10-20cm埋设美国DECAGON EC-5TE土壤水分和电导率传感器，用于实时测量土壤水分含量、电导率和温度。EC-5TE传感器震荡频率为70MHz，通过测定土壤的介电常数来确定含水量；三叉状探针基部的热敏电阻测定土温，电导率通过其中两根探针表面中部的螺丝测量。同时在监测样点田块上布设EM50G数据采集器，Em50/G配备5通道数据采集器，可存储36800个扫描数据，将5TE传感器插入5个通道的任一接口，设置Em50G为每1小时读取1个数据，可以实现1年内土壤温度、电导率和水分的连续监测，同时利用GSM网络将监测数据下载到服务器，用户通过互联网登录服务器，即可实现土壤参数的实时动态监测。
3.样点动态监测
(1)样点土壤理化性质
监测样点土壤采样时间集中在2018年10月，正值夏玉米收获后小麦播种前，于表层0～20cm的深度取土，用四分法取1.5kg样品进行检测并做三组平行实验，剔除异常值。土壤有机质含量测试方法按照农业部标准(NY/T1121.6-2006)规定的方法进行。
从图4可以看出，68个监测样点土壤有机质平均值为13.53g/kg，其中有机质含量最大值为17.54g/kg，最小值为11.63g/kg，标准差为1.03，土壤有机质含量差异相对较小，整体分布较为均匀。
(2)样点土壤重金属污染特征
监测样点土壤重金属污染采样时间集中在2018年10月，正值夏玉米收获后小麦播种前，于表层0～20cm的深度取土。在土壤环境质量风险较高的区域，增加取样密度。取各单元的混合土样，用四分法取1.5kg样品进行检测并做三组平行实验，剔除异常值。检测项目包括土壤pH、Cd、Hg、As、Cr、Pb、Cu含量共7个，测试方法按照国家《土壤环境质量农用地土壤污染风险管控标准(试行)》(GB15618-2018)指定的常规方法进行。
某市耕地土壤重金属元素(Cd、Hg、As、Cr、Pb、Cu)含量统计结果见表2。从表2可以看出，土壤重金属元素最大值未超过农用地土壤污染风险筛选值，仅有Cd和Pb最大值接近农用地土壤污染风险筛选值。6种重金属元素含量标准差较小，说明不同样点之间变化范围较小，某市耕地表层土壤样品重金属含量较低且分布相对均匀。
表3某市耕地表层土壤重金属含量
Figure GDA0003988704680000091
Figure GDA0003988704680000101
(3)样点电导率特征
电导率作为土壤的重要指标，能够反映出土壤内可溶性离子的浓度。国内外通过研究发现，电导率与K+、Na+、Ca2+等离子相关，通过监测土壤Zn、As、Cu等重金属污染物，发现污染浓度越高，土壤电导率值升高明显。通过近1年的监测，统计68个监测样点土壤电导率月均值与最大值，从图3可以看出，土壤电导率月波动幅度较大，电导率年均值和最大值均出现在11月份，分别为0.56和为1.56mS/cm，年均值较低的月份分别为6—10月份，电导率均值均低于0.1mS/cm。月最大值最低的月份为10月，监测样点电导率最大值低于0.3mS/cm。
(4)监测样点MODIS/EVI特征
研究主要采用250m分辨率植被指数16天合成的MOD13Q1数据，通过利用ENVI5.2，提取监测样点MODIS/EVI，分析2013-2018年68个监测样点EVI变化。从68个监测样点MODIS/EVI月均值变化图4可以看出，监测样点EVI在年内呈现明显的2个波峰，这与冬小麦—夏玉米一年两熟的熟制相符合。步骤4、构建耕地污染监测预警体系
根据上述研究区耕地质量数据库以及监测样点土壤、植被重金属污染特征变化所作的分析结果可以看出，研究区耕地土壤重金属浓度均符合所参照标准规定限值，土壤电导率以及植被指数监测数值均在正常值范围内，环境质量安全。随着农业面源污染的不断加剧，土壤重金属污染风险依然存在。因此，建立土壤重金属污染预警应急体系，对保障耕地可持续发展，公众生命健康和财产安全具有非常重要的意义。基于上文的设计思路，结合监测基础数据库和监测样点监测结果，利用GIS技术和数据库技术建立某市耕地污染监测预警数据库，并开发县域耕地污染监测预警信息系统。
1.耕地污染监测预警体系建设网点
耕地污染监测预警应急体系建设网点的选择，必须充分考虑耕地污染预警所要求的全面性、准确性和灵敏性，在预警区域内优选确定主要和次要监控网点的位置及其主要和次要监控项目，对于预警评判系统发展的态势具有重要意义。
根据研究区耕地质量数据库和监测样点土壤重金属污染特征分析结果，通过对比、频度统计及理论分析，并征询相关专家意见，优选确定土壤、植物重金属污染预警监控建设网点，最后优选确定每个建设网点下具体的监控项目。据此，建立由目标层、准则层和指标层构成的区域耕地污染监测预警应急体系监控网点、监控项目优选体系框架。
(1)目标层：某市耕地污染监测预警应急体系监控网点、监控项目。其为优选体系框架建立的总目标，对于预警评判系统发展的态势具有重要意义。
(2)准则层：a：土壤重金属污染预警监控网点、监控项目。b：植物重金属污染预警监控网点、监控项目。在目标层下，分解为两种介质的污染预警应急监控网点、监控项目，是优选体系框架的基础，亦是监控网点、监控项目的总体分类准则。
(3)指标层：各监控点具体的监控项目，即各监控网点造成污染的各种重金属含量。直接反映造成污染的各重金属含量的变化趋势，为区域重金属污染预警应急提供最直接的、有力的依据。
最终建立某市耕地污染监测预警体系，具体结构模型见下表。
表4某市耕地污染监测预警体系
Figure GDA0003988704680000111
2.预警指标与阈值划分
以2018年为耕地污染监测预警基准年，将土壤电导率变化率以及月MODIS/EVI作为耕地污染监测预警指标。通过建立2018年68个监测样点土壤每日最大电导率数据库，以及全市日最大化的MODIS/EVI数据，作为预警基础数据库。
(1)土壤重金属污染预警
将典型监测单元监测日最大土壤电导率EC监测与上年度月最大土壤电导率EC月max和年最大土壤电导率EC年max的变化作为典型监测单元土壤污染预警的判别指标。当监测样点日最大土壤电导率小于上年度月最大土壤电导率时，耕地污染无警情；当监测样点日最大土壤电导率均高于上年度月最大土壤电导率低于年最大土壤电导率时，耕地污染为轻警；当日最大土壤电导率高于上年度年最大值，幅度在15％以内的，耕地污染警情为中警；当日最大电导率高于上年度最大值15％的，耕地污染警情为重警。
表5某市典型监测单元预警指标及阈值
警情程度 指标变量
无警 EC<sub>监测</sub>≦EC<sub>月max</sub>
轻警 EC<sub>月max</sub>&lt;EC<sub>监测</sub>≦EC<sub>年max</sub>
中警 0&lt;EC<sub>监测</sub>/EC<sub>年max</sub>≦15％
重警 EC<sub>监测</sub>/EC<sub>年max</sub>&gt;15％
(2)植物重金属污染预警
将监测单元本年度与上年度MODIS/EVI的变化百分比作为耕地污染预警的判别指标。在土地利用方式未发生变化的情况下，监测单元MODIS/EVI同比下降在10％以内，耕地污染无警情；监测单元MODIS/EVI同比下降幅度为10％—25％，耕地污染轻警；监测单元MODIS/EVI同比下降幅度为25％—50％，耕地污染中警；监测单元MODIS/EVI同比下降幅度大于50％，耕地污染轻重警。
表6某市耕地监测评价单元预警指标及阈值
Figure GDA0003988704680000121
3.预警应急响应机制
当研究区耕地突发污染事件时，在耕地污染应急处置管理机构的领导下，按照所建立耕地污染监测预警应急体系，快速组织进行突发耕地污染事件的应急处置，消除或者将污染事件的损失降到最低。
通过68个典型监测单元土壤电导率和监测评价单元MODIS/EVI两项指标的实时监测，当监测指标超过阈值时，监测系统开始预警，系统根据已有的数据库自动开展诊断分析。
情景1：当2项指标连续5天出现轻警警情、3天以上中警警情或重警警情时，确定典型监测单元土壤出现污染并分析典型监测单元污染程度，同时利用耕地监测评价单元MODIS/EVI变化率的监测情况，确定污染面积及空间分布，启动预警应急措施。
情景2：当典型监测单元监测指标和MODIS/EVI监测指标呈现复杂情况时，专家诊断程序启动，专家利用监测数据和知识积累，结合监测区MODIS/EVI变化情况，判断污染程度和污染空间分布，启动预警应急措施。
情景3：当典型监测单元范围外的耕地监测评价单元MODIS/EVI指标连续5天出现轻警警情、3天以上中警警情或重警警情时，除了要考虑出现耕地污染情况以外，还需要通过遥感影像判断土地利用方式是否发生改变，如果土地利用方式发生改变，将监测评价单元标注为例外，酌情将该监测评价单元剔除出监测范围。
本实施例提供的基于遥感和物联网的耕地污染监测预警系统通过整合多源异构耕地质量数据，构建耕地污染监测基础数据库，在耕地生态安全类型区划分的基础上，布设耕地污染监测样点，使监测样点更具有典型性和代表性；其次在监测样点布设土壤智能传感器，实时监测土壤理化指标，借助物联网的无线传输技术，实时传送土壤监测数据到服务器，实现耕地土壤污染的实时动态监测及预警，节省了大量的人力和物；同时利用多源遥感数据，实现地表植被重金属污染的动态监测和预警。最后土壤污染监控和植物污染监控相结合，从地下和地表两个方面实现耕地污染的动态监控，一方面能提升耕地污染监控的精度，另外也能及时确定耕地污染的程度和范围，实现耕地污染监测预警系统的一体化和智能化。
本发明通过布设基于物联网的典型样点监测装置，将地面典型样点调查和多源遥感数据反演相结合，一方面提高耕地污染监测的时效性和准确性，降低地面样点调查的成本。另一方面，通过遥感数据的反演，判断耕地污染的程度和范围。
以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。

Claims (1)

1.一种基于遥感和物联网的耕地污染监测预警系统，其特征在于，包括耕地污染监测基础数据库、风险评估模块、耕地污染动态监测模块、耕地污染监测预警模块；
所述耕地污染监测基础数据库包括作物生长期光谱数据库、土壤表层光谱数据库，分别用于存储作物生长期光谱数据和土壤表层光谱数据；
所述风险评估模块，用于对所述作物生长期光谱数据和土壤表层光谱数据进行分析，根据分析结果进行耕地污染风险评价，从而确定土壤污染监测指标阈值并对待测耕地进行土壤污染分区；
所述耕地污染动态监测模块，用于根据土壤污染分区结果，分区域布设耕地污染监测样点，在耕地污染监测样点布设土壤和作物的动态监测仪器及数据采集器，监测耕地污染状况和植被状况的监测指标数据，利用物联网技术，实现监测指标数据的实时回传；
所述耕地污染监测预警模块，将监测指标数据与设定阈值进行对比，当监测指标超过阈值时进行预警；
所述耕地污染监测基础数据库的建立过程为：利用地形地貌、土壤和统计数据，构建土壤基础属性数据库；利用已有的野外调查数据和多源遥感数据，反演作物生长期光谱特征和土壤表层光谱特征，根据作物生长期光谱特征和土壤表层光谱特征构建作物生长期光谱数据库和土壤表层光谱数据库；将土壤基础属性数据库、作物生长期光谱数据库和土壤表层光谱数据库相结合，构建耕地污染监测基础数据库；
所述根据分析结果进行耕地污染风险评价，从而确定土壤污染监测指标阈值并对待测耕地进行土壤污染分区具体包括以下步骤：
通过利用分等理论和地化评估方法，构建耕地生态安全评价贡献率计算模型，借鉴多元正态回归方法，应用最小二乘法来确定贡献率，计算最终的耕地生态安全综合分值；
依据耕地生态安全综合分值，结合地形地貌分异和行政区划分异，分层叠加分析，形成耕地生态评价类型区；
最后利用耕地图斑与行政村界限，对划分的类型区进行修正，最终划分耕地生态类型区；
所述监测指标数据包括监测样点气候数据、土壤关键属性数据以及作物长势数据；
所述动态监测仪器包括：
自动气象站，用于采集所述监测样点气候数据；
电导率传感器，用于采集土壤关键属性数据，包括土壤水分含量、电导率和温度；
作物长势视频监控系统，用于采集作物长势数据数据；
所述土壤和作物的动态监测仪器包括自动气象站、土壤水分温度电导率自动监测仪、作物长势视频监控系统；利用物联网技术，通过所述土壤和作物的动态监测仪器实现监测样点气候数据、土壤关键属性数据以及作物长势数据的实时回传，从而构建耕地污染动态监测体系。
CN202110854482.7A 2021-07-28 2021-07-28 一种基于遥感和物联网的耕地污染监测预警系统 Active CN113567358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110854482.7A CN113567358B (zh) 2021-07-28 2021-07-28 一种基于遥感和物联网的耕地污染监测预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110854482.7A CN113567358B (zh) 2021-07-28 2021-07-28 一种基于遥感和物联网的耕地污染监测预警系统

Publications (2)

Publication Number Publication Date
CN113567358A CN113567358A (zh) 2021-10-29
CN113567358B true CN113567358B (zh) 2023-03-10

Family

ID=78168222

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110854482.7A Active CN113567358B (zh) 2021-07-28 2021-07-28 一种基于遥感和物联网的耕地污染监测预警系统

Country Status (1)

Country Link
CN (1) CN113567358B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485615A (zh) * 2023-05-09 2023-07-25 生态环境部南京环境科学研究所 环境污染物生态毒性效应阈值浓度测算方法
CN117315491B (zh) * 2023-11-28 2024-02-20 泰安市绿威园林有限公司 一种面向林业工程建设的生态红线预警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767032A (zh) * 2017-09-27 2018-03-06 北京农业信息技术研究中心 一种农田土壤重金属污染决策系统及方法
CN110346309A (zh) * 2019-06-09 2019-10-18 重庆工商大学融智学院 一种土壤重金属污染区域的预测预警方法
CN110969345A (zh) * 2019-11-20 2020-04-07 北京淖尔科技有限公司 一种基于土壤重金属污染途径分析的风险评估方法
CN111598315A (zh) * 2020-04-29 2020-08-28 生态环境部华南环境科学研究所 一种农用地土壤环境质量预警管理系统
CN111667183A (zh) * 2020-06-08 2020-09-15 重庆市国土整治中心 一种耕地质量监测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767032A (zh) * 2017-09-27 2018-03-06 北京农业信息技术研究中心 一种农田土壤重金属污染决策系统及方法
CN110346309A (zh) * 2019-06-09 2019-10-18 重庆工商大学融智学院 一种土壤重金属污染区域的预测预警方法
CN110969345A (zh) * 2019-11-20 2020-04-07 北京淖尔科技有限公司 一种基于土壤重金属污染途径分析的风险评估方法
CN111598315A (zh) * 2020-04-29 2020-08-28 生态环境部华南环境科学研究所 一种农用地土壤环境质量预警管理系统
CN111667183A (zh) * 2020-06-08 2020-09-15 重庆市国土整治中心 一种耕地质量监测方法及系统

Also Published As

Publication number Publication date
CN113567358A (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
US11600363B2 (en) PTF-based method for predicting target soil property and content
CN102073869A (zh) 基于点位数据和遥感影像数据的区域耕地质量监测方法
CN113567358B (zh) 一种基于遥感和物联网的耕地污染监测预警系统
CN107256451A (zh) 农业大数据基于gis的农业适宜性评价分析方法
Svoray et al. Mapping soil health over large agriculturally important areas
CN115665690B (zh) 一种河流缓冲带土壤修复反馈系统及修复方法
Jian-Bing et al. Spatial variability of soil organic carbon in relation to environmental factors of a typical small watershed in the black soil region, northeast China
Ghose et al. Rain-fed rice yield fluctuation to climatic anomalies in Bangladesh
Sreenivas et al. Spatial assessment of soil organic carbon density through random forests based imputation
CN110991921B (zh) 一种基于三维魔方的耕地生态质量综合评价方法
Liu et al. Drought risk evaluation model with interval number ranking and its application
CN110502725A (zh) 基于相关性分析与随机森林的耕地定级指标赋权方法
WO2018107245A1 (en) Detection of environmental conditions
CN114863289B (zh) 一种基于土地利用的动态遥感监测方法与系统
CN108106676B (zh) 一种基于遥感数据的农作物晚霜冻害的监测方法和装置
CN111160799A (zh) 一种自然资源数据库构建方法
CN110119869A (zh) 一种移动式耕地质量和/或耕地产能调查评价系统及方法
Song et al. Spatial non-stationary characteristics between grass yield and its influencing factors in the Ningxia temperate grasslands based on a mixed geographically weighted regression model
Oshunsanya et al. Use of GIS to delineate site-specific management zone for precision agriculture
Yesilonis et al. The effects of landscape cover on surface soils in a low density residential neighborhood in Baltimore, Maryland
CN113340898B (zh) 一种叶面积指数时空变化特征研究方法
CN103631999A (zh) 一种基于样点时空代表性的npp监测网采样设计方法
Dinkins et al. Soil sampling strategies
Afridi et al. A technology review and field testing of a soil water quality monitoring system
Bansod et al. An application of PCA and fuzzy C-means to delineate management zones and variability analysis of soil

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