CN114314854A - 基于氮磷指示性监测指标的农田面源污染智能处理系统 - Google Patents

Abstract

本发明公开了基于氮磷指示性监测指标的农田面源污染智能处理系统，涉及污染处理技术领域，解决了现有技术处理效率低，抗冲击力差，导致农田面源污染处理效果不佳的技术问题；本发明采用物联网、大数据等技术手段，融合人工智能模型等专业分析手段，建立了农田面源污染智能处理系统，对农田面源污染源头、生态沟渠、人工湿地的水量、水质全面监管，实现农田面源污染由被动处置转变为主动防控，提高农田面源污染的处理效果；本发明对农田的水质数据进行分析，获取对应的水质污染程度，再根据水质污染程度对农田污水进行分流，结合生态沟渠和人工湿地的污水处理能力进行预控制，能够提高农田面源污染的处理效率。

Description

基于氮磷指示性监测指标的农田面源污染智能处理系统

技术领域

本发明属于污染处理领域，涉及农田面源污染智能处理技术，具体是基于氮磷指示性监测指标的农田面源污染智能处理系统。

背景技术

农田面源污染问题愈发严重，其原因是在降雨和灌溉的驱动下，肥料中的氮肥、农药中的有机成分、农田废弃物等通过径流、淋溶、侧渗向水体迁移，因而农田面源污染治理难度较大。

现有技术通过构建生态沟渠以及利用人工湿地拦截农田肥力流失来治理农田面源污染；现有技术应用的传统生态沟渠、人工湿地拦截技术等，处理效率低，抗冲击力差，无法保证出水水质，导致农田面源污染处理效果不佳；因此，亟须一种基于氮磷指示性监测指标的农田面源污染智能处理系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于氮磷指示性监测指标的农田面源污染智能处理系统，用于解决现有技术处理效率低，抗冲击力差，导致农田面源污染处理效果不佳的技术问题。

本发明采用物联网、大数据等技术手段，融合人工智能模型等专业分析手段，建立了农田面源污染智能处理系统，对农田面源污染源头、生态沟渠、人工湿地的水量、水质全面监管，实现农田面源污染由被动处置转变为主动防控，提高农田面源污染的处理效果。

为实现上述目的，本发明的第一方面提供了基于氮磷指示性监测指标的农田面源污染智能处理系统，包括受纳水体、生态沟渠、人工湿地和农田，且农田依次通过生态沟渠、人工湿地与受纳水体连通；

所述人工湿地和所述受纳水体之间设置污水处理设备，且农田、生态沟渠和人工湿地的出水口均设置水流控制装置；

通过数据采集模块实时或者定时采集水质数据，并将水质数据发送至数据服务器；

数据服务器对农田的水质数据进行分析，获取水质污染程度，并根据水质污染程度对农田污水进行分流；以及

对生态沟渠、人工湿地的水质数据进行检测，根据水质检测结果控制水流控制装置运行。

优选的，所述农田、生态沟渠和人工湿地均至少设置两个出水口，且其中一个出水口直接与受纳水体相连。

优选的，所述数据采集模块与水质监测传感器通信和/或电气连接，并通过水质监测传感器定时或者实时采集水质数据；其中，水质数据的采集时间根据经验设定，或者根据人工活动设定。

优选的，所述数据采集模块将水质数据发送至数据服务器之前，对水质数据进行数据预处理；其中，数据预处理包括数据去重、异常值剔除；

同时对水质数据进行预分析，获取水质监测传感器状态。

优选的，所述数据服务器获取农田水质数据的水质污染程度，包括：

接收到农田的水质数据之后，调用水质分析模型；其中，水质分析模型基于人工智能模型建立；

将水质数据输入至水质分析模型，获取对应的水质污染程度。

优选的，所述水质分析模型通过人工智能模型建立，包括：

获取标准训练数据；其中，标准训练数据通过实验室获取，且包括水质数据以及对应的水质污染程度；

构建人工智能模型；其中，人工智能模型包括深度卷积神经网络模型和RBF神经网络模型；

通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为水质分析模型。

优选的，根据所述水质污染程度对农田污水进行分流，包括：

当水质污染程度小于污染程度阈值时，则通过水流控制装置将农田污水直接排放至受纳水体；否则，将农田污水排放至生态沟渠；其中，污染程度阈值根据经验设定，或者根据水质排放标准设定。

优选的，当所述水质污染程度不小于污染程度阈值时，则根据生态沟渠和人工湿地的污水处理能力对水流控制装置进行预控制；其中，预控制包括预先开启生态沟渠和人工湿地的出水口，以及延时启动污水处理设备。

优选的，所述人工湿地将水质污染程度小于污染程度阈值的水体直接排放至受纳水体，或者将水质污染程度不小于污染程度阈值的水体通过污水处理设备处理之后排放至受纳水体。

与现有技术相比，本发明的有益效果是：

1、本发明采用物联网、大数据等技术手段，融合人工智能模型等专业分析手段，建立了农田面源污染智能处理系统，对农田面源污染源头、生态沟渠、人工湿地的水量、水质全面监管，实现农田面源污染由被动处置转变为主动防控，提高农田面源污染的处理效果。

2、本发明对农田的水质数据进行分析，获取对应的水质污染程度，再根据水质污染程度对农田污水进行分流，结合生态沟渠和人工湿地的污水处理能力进行预控制，能够提高农田面源污染的处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的结构原理示意图；

图2为本发明的工作步骤示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

近年来，农田面源污染问题愈发严重，农田养分大量流失是农田面源污染的主要来源之一。种植业生产过程中为保证农作物生产和收获，经常使用大量肥料（化肥、有机肥）和农药等农用化学品，这些物质在土壤中累积，在降雨及灌溉的驱动下，肥料中的氮肥及农药中的有机组分，农田废弃物、腐烂产生的氮磷有机物质等通过径流、淋溶、测渗向水体迁移。农田面源污染主要是氮和磷，排放的大部分污染物在进入水体后浓度相对较低，总氮一般低于10mg/L，总磷一般低于2mg/L，传统的脱氮除磷工艺去除效率较低且成本高，见效慢。

现有技术通过构建生态沟渠以及利用人工湿地拦截农田肥力流失来治理农田面源污染；现有技术应用的传统生态沟渠、人工湿地拦截技术等，处理效率低，抗冲击力差，无法保证出水水质，导致农田面源污染处理效果不佳。

本发明采用物联网、大数据等技术手段，融合人工智能模型等专业分析手段，建立了农田面源污染智能处理系统，对农田面源污染源头、生态沟渠、人工湿地的水量、水质全面监管，实现农田面源污染由被动处置转变为主动防控，提高农田面源污染的处理效果。

请参阅图1-图2，本申请第一方面实施例提供了基于氮磷指示性监测指标的农田面源污染智能处理系统，包括受纳水体、生态沟渠、人工湿地和农田，且农田依次通过生态沟渠、人工湿地与受纳水体连通；

人工湿地和受纳水体之间设置污水处理设备，且农田、生态沟渠和人工湿地的出水口均设置水流控制装置；

通过数据采集模块实时或者定时采集水质数据，并将水质数据发送至数据服务器；

数据服务器对农田的水质数据进行分析，获取水质污染程度，并根据水质污染程度对农田污水进行分流；以及

对生态沟渠、人工湿地的水质数据进行检测，根据水质检测结果控制水流控制装置运行。

本申请中的受纳水体主要包括河流、湖泊、水库、海湾等，排放至受纳水体的水应该达标，避免对受纳水体产生污染。

本申请中的水流控制装置具体为电磁阀，能够控制水体流向和流速，理论上每个出水口都应该设置一个水流控制装置。

本申请中的污水处理设备能够在生态沟渠、人工湿地处理结果不理想的情况下，对污水进行进一步处理，使其能够排放至受纳水体。

本申请中的数据采集模块分别与水质监测传感器、数据服务器通信和/或电气连接；水质监测传感器包括余氯传感器、溶解氧传感器、电导率传感器、ORP传感器等，其获取的水质数据能够用来获取水质污染程度；数据服务器包括云服务器、工作站等数据处理设备，主要用于水质数据的分析。

可以理解的是，水质污染程度还可以根据水中的氮磷含量来评估，如氮的含量超过设定的含量阈值时，则该水体为污染水体；水中氮和磷的测定方法均为现有技术，如总氮的测定方法包括离子色谱法、微波消解法、化学发光检测法等，总磷的测定方法包括ICP-AES法、分光光度法等。

本申请中的生态沟渠、人工湿地、污水处理设备的数量至少为一个，也可以有多个，如拥有两个生态沟渠、一个人工湿地、一个污水处理设备，则两个生态沟渠均分别与人工湿地、农田相连通，两个生态沟渠还可以缓解污水处理的压力。

在一个实施例中，农田、生态沟渠和人工湿地均至少设置两个出水口，且其中一个出水口直接与受纳水体相连。

本实施例的主要目的是提高水体排放效率，当水体的水质满足要求时，则可以将其直接排放至受纳水体，当水体的水质不能满足要求时，则需要对水体进行分流处理，以使其满足水质要求，并最终排放至受纳水体。

本实施例中农田设置至少设置两个出水口，其中一个直接连通受纳水体，另外一个连通生态沟渠；生态沟渠至少设置两个出水口，其中一个连通人工湿地，另外一个直接连通受纳水体；人工湿地至少设置两个出水口，其中一个连通污水处理设备，另外一个直接连通受纳水体。

在另外一些优选的实施例中，也可以通过对出水口的智能控制算法来设置出水口的数量，如农田、生态沟渠、人工湿地均设置一个出水口，当农田中水体水质达标(水质污染程度小于污染程度阈值)时，则所有出水口开启，直接将水体排放至受纳水体中，当农田中水体水质未达标(水质污染程度不小于污染程度阈值)时，则通过控制各出水口的开闭，以预留时间对未达标水体进行处理。可以理解的是，当农田、生态沟渠、人工湿地均设置一个出水口，且水体水质达标时，人工湿地和受纳水体中间连接有污水处理设备，水体由农田流出，依次经过生态沟渠、人工湿地至污水处理设备，当水体水质流入污水处理设备时已达标，则污水处理设备不启动，否则，启动污水处理设备。

在一个实施例中，数据采集模块与水质监测传感器通信和/或电气连接，并通过水质监测传感器定时或者实时采集水质数据；且水质数据的采集时间根据经验设定，或者根据人工活动设定。

本实施例的主要目的是对采集频率进行调节，以保证水质检测效率，降低能耗。水质数据的采集时间根据经验设定，如农田水体在之前一段时间(如一个月)均为达标状态，则可以定时对水质数据进行采集；水质数据的采集时间根据人工活动设定，当农田存在人工活动(施肥、收割)时，则在检测到人工活动时刻起，一定时间(如七天)内对农田水质数据进行实时采集，其他时间则对农田水质数据定时采集。

在一个可选的实施例中，数据采集模块将水质数据发送至数据服务器之前，对水质数据进行数据预处理；同时对水质数据进行预分析，获取水质监测传感器状态。

本实施例中的数据预处理包括数据去重、异常值剔除等，主要为了保证水质数据的质量；对水质数据预分析，如某一水质监测传感器在连续的几个采集周期内都没有水质数据或者没有符合要求的水质数据，则可以判定该水质监测传感器发生故障，可对该故障进行预警。

在一个实施例中，数据服务器获取农田水质数据的水质污染程度，包括：

接收到农田的水质数据之后，调用水质分析模型；

将水质数据输入至水质分析模型，获取对应的水质污染程度。

本实施例的主要目的是通过人工智能模型来获取水体的污染程度。

在一个可选的实施例中，水质分析模型基于人工智能模型建立，包括：

获取标准训练数据，构建人工智能模型；

通过标准训练数据对人工智能模型进行训练，将训练完成的人工智能模型标记为水质分析模型。

本实施例中的标准训练数据通过实验室获取，且包括水质数据以及对应的水质污染程度，即通过实验室模拟不同水质数据对应的水质污染程度，且标准训练数据越多越能保证水质分析模型的精度。

在一个实施例中，根据水质污染程度对农田污水进行分流，包括：

当水质污染程度小于污染程度阈值时，则通过水流控制装置将农田污水直接排放至受纳水体；否则，将农田污水排放至生态沟渠；其中，污染程度阈值根据经验设定，或者根据水质排放标准设定。

本实施例的主要目的是通过对农田污水进行分流，而提高污水排放效率；当农田污水的水质污染程度满足要求时(水质未超标)，则可将农田污水直接排放至受纳水体，而当水质污染程度不能满足要求时，需要对农田污水进行处理，将农田污水排放至生态沟渠。

在一个具体的实施例中，当水质污染程度不小于污染程度阈值时，则根据生态沟渠和人工湿地的污水处理能力对水流控制装置进行预控制。

本实施例中的预控制包括预先开启生态沟渠和人工湿地的出水口，以及延时启动污水处理设备，出水口和污水处理设备默认是关闭的，举例来说：

当农田水体的水质污染程度等于污染程度阈值时，可以理解为生态沟渠的污水处理能力可以完成对农田水体的处理，使其达标，则开启生态沟渠与受纳水体之间的出水口；当农田水体的水质污染程度远大于污染程度阈值时，可以理解为需要生态沟渠、人工湿地和污水处理设备协同处理，才能使其达标，则开启生态沟渠与人工湿地、人工湿地与污水处理设备之间的出水口，同时可以根据水体流速设定污水处理设备的预启动时间。

本发明的工作原理：

通过数据采集模块实时或者定时采集水质数据，并将水质数据发送至数据服务器。

数据服务器对农田的水质数据进行分析，获取水质污染程度，并根据水质污染程度对农田污水进行分流。

数据服务器对生态沟渠、人工湿地的水质数据进行检测，根据水质检测结果控制水流控制装置运行。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (6)

1.基于氮磷指示性监测指标的农田面源污染智能处理系统，包括受纳水体、生态沟渠、人工湿地和农田，且农田依次通过生态沟渠、人工湿地与受纳水体连通，其特征在于，所述人工湿地和所述受纳水体之间设置污水处理设备，且农田、生态沟渠和人工湿地的出水口均设置水流控制装置；

通过数据采集模块实时或者定时采集水质数据，并将水质数据发送至数据服务器；

数据服务器对农田的水质数据进行分析，获取水质污染程度，并根据水质污染程度对农田污水进行分流；以及对生态沟渠、人工湿地的水质数据进行检测，根据水质检测结果控制水流控制装置运行；

根据所述水质污染程度对农田污水进行分流，包括：

当水质污染程度小于污染程度阈值时，则通过水流控制装置将农田污水直接排放至受纳水体；否则，将农田污水排放至生态沟渠；其中，污染程度阈值根据经验设定，或者根据水质排放标准设定；

当所述水质污染程度不小于污染程度阈值时，则根据生态沟渠和人工湿地的污水处理能力对水流控制装置进行预控制；其中，预控制包括预先开启生态沟渠和人工湿地的出水口，以及延时启动污水处理设备。

2.根据权利要求1所述的基于氮磷指示性监测指标的农田面源污染智能处理系统，其特征在于，所述农田、生态沟渠和人工湿地均至少设置两个出水口，且其中一个出水口直接与受纳水体相连。

3.根据权利要求1所述的基于氮磷指示性监测指标的农田面源污染智能处理系统，其特征在于，所述数据采集模块与水质监测传感器通信和/或电气连接，并通过水质监测传感器定时或者实时采集水质数据；其中，水质数据的采集时间根据经验设定，或者根据人工活动设定。

4.根据权利要求3所述的基于氮磷指示性监测指标的农田面源污染智能处理系统，其特征在于，所述数据采集模块将水质数据发送至数据服务器之前，对水质数据进行数据预处理；其中，数据预处理包括数据去重、异常值剔除；

同时对水质数据进行预分析，获取水质监测传感器状态。

5.根据权利要求1所述的基于氮磷指示性监测指标的农田面源污染智能处理系统，其特征在于，所述数据服务器获取农田水质数据的水质污染程度，包括：

接收到农田的水质数据之后，调用水质分析模型；其中，水质分析模型基于人工智能模型建立；

将水质数据输入至水质分析模型，获取对应的水质污染程度。

6.根据权利要求1所述的基于氮磷指示性监测指标的农田面源污染智能处理系统，其特征在于，所述人工湿地将水质污染程度小于污染程度阈值的水体直接排放至受纳水体，或者将水质污染程度不小于污染程度阈值的水体通过污水处理设备处理之后排放至受纳水体。

Images