CN114462698B - 一种面向流域汇水区域的磷排放污染负荷预测方法 - Google Patents
一种面向流域汇水区域的磷排放污染负荷预测方法 Download PDFInfo
- Publication number
- CN114462698B CN114462698B CN202210107635.6A CN202210107635A CN114462698B CN 114462698 B CN114462698 B CN 114462698B CN 202210107635 A CN202210107635 A CN 202210107635A CN 114462698 B CN114462698 B CN 114462698B
- Authority
- CN
- China
- Prior art keywords
- area
- phosphorus
- data
- catchment
- load
- 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
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 title claims abstract description 193
- 229910052698 phosphorus Inorganic materials 0.000 title claims abstract description 193
- 239000011574 phosphorus Substances 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000011160 research Methods 0.000 claims abstract description 81
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 67
- 239000010865 sewage Substances 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 29
- 208000001307 recurrent respiratory papillomatosis Diseases 0.000 claims description 24
- 241001465754 Metazoa Species 0.000 claims description 22
- 239000010842 industrial wastewater Substances 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 10
- 239000003344 environmental pollutant Substances 0.000 claims description 9
- 231100000719 pollutant Toxicity 0.000 claims description 9
- 238000009395 breeding Methods 0.000 claims description 8
- 230000001488 breeding effect Effects 0.000 claims description 8
- 244000144972 livestock Species 0.000 claims description 8
- 241000894007 species Species 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 241000283690 Bos taurus Species 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 239000008235 industrial water Substances 0.000 claims description 5
- 238000011010 flushing procedure Methods 0.000 claims description 4
- 241000287828 Gallus gallus Species 0.000 claims description 3
- 241001494479 Pecora Species 0.000 claims description 3
- 235000015278 beef Nutrition 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 3
- 244000038559 crop plants Species 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 241000282887 Suidae Species 0.000 claims description 2
- 230000004308 accommodation Effects 0.000 claims description 2
- 235000013365 dairy product Nutrition 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 230000002427 irreversible effect Effects 0.000 claims description 2
- 238000009331 sowing Methods 0.000 claims description 2
- 239000000356 contaminant Substances 0.000 claims 1
- 238000004065 wastewater treatment Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 20
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000009372 pisciculture Methods 0.000 description 1
- 238000011954 pollution control method Methods 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003911 water pollution 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
- G06Q10/04—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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种面向流域汇水区域的磷排放污染负荷预测方法，涉及市政工程、环境工程、环境系统模拟预测技术与计算机技术交叉领域。本发明是为了解决目前的磷排放污染负荷预测方法还存在无法兼顾操作简单和科学准确的预测结果的问题。本发明所述包括：利用国控断面数据和DEM数据将研究流域划分为多个汇水区域；利用POI数据对研究流域所在区域中的城市区域进行土地类型划分获得划分好功能区的城市区域；按照磷排放的污染源类型，分别预测各类型的污染排放磷负荷；获得的每个汇水区域中获得分配好的每个汇水区域的每种磷负荷；将所有汇水区域的磷负荷汇总获取研究流域的总磷负荷。本发明用于预测流域的磷排放污染负荷。
Description
技术领域
本发明涉及市政工程、环境工程、环境系统模拟预测技术与计算机技术交叉领域，特别涉及一种面向流域汇水区域的磷排放污染负荷预测方法。
背景技术
近几十年，随着工业、农业及城市化的发展，化肥施用、畜禽养殖和食物消费等活动使得水体中的磷的含量迅速增长，导致水体富营养化、生态系统退化，造成了严重的水环境问题。目前，总磷已经成为我国多个流域最主要的污染因子，因此控制流域磷的输入对于流域生态保护至关重要。实现这一目标的前提，则是对流域当前磷排放的负荷进行准确核算。由于流域的地区跨度较广，直接面向整个流域进行计算会导致结果无法体现出不同地区的污染特征，进而难以对各地区的污染防控形成有效指导。所以将流域划分成为多个计算单元，再对每个单元中的磷排放负荷进行计算，是面向各个地区提出有针对性的磷污染控制方案的有效方法。
流域磷污染源可以分为点源和非点源(面源)，点源污染通常易于计算，而非点源污染由于具有随机性与广泛性，计算难度较大。目前对于非点源污染的计算方法分为模型与非模型方法。非模型方法多为直接依靠行政区进行观测与统计计算，尽管思路简单，但却忽视了污染物在流域水体中的变化规律，导致结果不够科学准确。模型方法可以较好的划分计算单元并模拟其中的污染情况，在小尺度区域计算上有较好的效果，但由于参数选取、率定和校准过程复杂，较高的复杂程度与操作难度使其难以放大到大尺度的流域，阻碍了该方法的推广和应用。因此现有技术中的磷排放污染负荷预测方法无法在操作简单的同时兼顾科学准确的预测结果。
发明内容
本发明目的是为了解决目前的磷排放污染负荷预测方法还存在无法兼顾操作简单和科学准确的预测结果的问题，而提出了一种面向流域汇水区域的磷排放污染负荷预测方法。
一种面向流域汇水区域的磷排放污染负荷预测方法具体过程为：
步骤一、获取研究流域所在区域的国控断面数据和DEM数据，利用国控断面数据和DEM数据将研究流域划分为多个汇水区域，并对汇水区域进行检验和修正获得划分好的多个汇水区域；
步骤二、获取研究流域所在区域的POI数据，并利用POI数据对研究流域所在区域中的城市区域进行土地类型划分获得的划分好功能区的城市区域；
步骤三、按照磷排放的污染源类型，分别预测各类型的污染排放磷负荷；
所述磷排放的污染源类型包括：城市居民、工业、农村居民、作物种植、畜牧业、城市雨水；
步骤三一、获取磷负荷相关统计数据；
所述磷负荷相关统计数据包括：研究流域所在区域城市和农村人口数据，城市生活污水、工业废水、农村生活污水的处理与排放数据，作物种植和畜牧业污染排放数据、降水量和雨水污染负荷数据；
步骤三二、利用步骤三一获得的磷负荷相关统计数据获取城市居民、工业、农村居民、作物种植、畜牧业的污染排放磷负荷；
步骤三三、获取研究流域所在区域的行政区划数据，并利用行政区划数据、步骤一获取的划分好的汇水区域和步骤二获取的划分好功能区的城市区域获取每一县的每一汇水区域中各功能区的面积、每一县的每一汇水区域的总面积、研究流域所在区域内每一县的每一汇水区域中城市区域和农村区域的面积；
步骤三四、利用磷负荷相关统计数据和步骤三三获得的每一县的每一汇水区域中各功能区的面积获取城市雨水面源污染排放磷负荷；
步骤四、利用步骤三三获得的每一县的每一汇水区域中城市区域和农村区域的面积将步骤三二获得的五种污染排放磷负荷分配到步骤一获得的划分好的每个汇水区域中获得分配好的每个汇水区域的五种污染排放磷负荷；
步骤五、将步骤四获得的分配好的每个汇水区域的五种污染排放磷负荷以及步骤三四获得的城市雨水面源污染排放磷负荷汇总获得每个汇水区域的磷负荷，将所有汇水区域的污染排放磷负荷汇总获取研究流域的总污染排放磷负荷。
本发明的有益效果为：
本发明利用国控断面和DEM数据对水汇水区域进行划分，利用POI数据识别城市边界，划分城市功能区，并结合统计数据和模型获取各类型污染源排放的磷负荷，最后将计算结果分配至汇水区域中，从而实现了对流域汇水区域中磷排放负荷的快速、准确预测。本发明改变了传统非模型方法在精度上的不足，同时显著提升了传统模型方法在应用尺度上的不足。本发明不仅操作简单而且获得的磷负荷预测结果更加准确、科学，同时又提升了预测的计算效率。本发明可在大尺度流域上提供精准、易行的磷排放负荷预测方法，可向基层、企事业、科研单位进行有效推广应用。本发明的核心发明效果主要体现在以下4点：
1、本发明将地理处理方法与传统非模型的统计分析方法创新性地有机结合，将地理处理作为公式计算的前处理过程，在提高了对各类污染源污染负荷预测结果的准确性的同时也实现了对预测结果的合理分配，且预测难度相比传统非模型方法没有明显增加；同时本发明根据城市雨水面源污染排放磷负荷的特性，将城市雨水面源污染排放磷负荷预测结果与城市居民、工业、农村居民、作物种植、畜牧业的污染排放磷负荷的预测结果区别开，然后再汇总，提升了研究流域整体磷负荷预测的准确性。
2、本发明提出了一种基于地理处理方法的简单、快速、合理的汇水区域划分方法，为后续统计数据的计算结果提供了区域的归属，有效的解决了容易忽略污染物与其流域之间的关系科学性不足的问题，同时也为水文、地质、生态规划等多个领域提供了一种可行的区域划分方式；
3、本发明包括了基于地理处理方法的城市边界的识别方法，并能够对城市进行功能区进行科学划分，为城市污染负荷的预测提供了基础数据，也为污染负荷向汇水区域的分配提供了理论依据；
4、本发明所用地理数据与统计数据均为可查询至全国各区县的数据，对不同地区都有着较高的适用能力，同时基于我国统计数据的预测方法使得本发明有着更好的预测效果，并且可以大幅降低预测中的计算难度，因此从而在单位时间内提升了预测的效率，能够有效地推动我国流域生态环境保护工作向基层推广和在全国流域范围的普及。
附图说明
图1为面向流域汇水区域的磷排放负荷预测流程图；
图2为岷江流域及汇水区域划分结果；
图3为岷江流域部分汇水区、区县及其城市区域。
具体实施方式
具体实施方式一：本实施方式一种面向流域汇水区域的磷排放污染负荷预测方法，如图1所示，具体过程为：
步骤一、获取研究流域所在区域的国控断面数据和DEM数据，利用国控断面数据和DEM数据将研究流域划分为多个汇水区域并对汇水区域进行检验和修正获得划分好的多个汇水区域；
步骤一一、获取研究流域国控断面数据：
利用Python等工具，从中国环境监测总站的国家地表水水质数据发布系统中爬取水质监测数据，去掉得到数据中无关的属性字段，仅保留断面名称和XY坐标值字段。在ArcGIS中将仅保留断面名称和XY坐标值字段的水质检测数据以XY值对应WGS84坐标的经纬度的方式导入，并对导入的数据进行投影即可得到国控断面数据；
步骤一二、获取研究流域DEM数据：
在地理空间数据云网站首先找到DEM数字高程数据，再按经验选择来源与分辨率合适的数据类型，最后按所需分析地区的经纬度或按地图选择下载区域进行下载；
步骤一三、利用国控断面数据和DEM数据将研究流域划分为多个汇水区域并对汇水区域进行检验和修正获得划分好的多个汇水区域：
步骤一三一、利用ArcGIS中的水文分析工具中的流向工具条，采用D8单流向算法(最陡坡度法)对DEM数据进行分析获取研究流域水流方向；
步骤一三二、将水流方向和国控断面数据输入盆域分析和集水区工具条对整个研究流域进行分割获得多个独立的汇水区域；
其中，国控断面数据为生成汇水区的要素倾泻点数据(倾泻点即所有地表径流在该点汇聚且能混合均匀，并能流入其它区域或流出整个流域的点)；
步骤一三三、将水流方向和DEM数据输入到ArcGIS中的水文分析工具中的流量、水流长度工具条获取研究流域水流量与水流长度，然后利用水流量和水流长度生成河网数据，然后利用河网数据检验步骤一三二划分的汇水区域是否正确，若不正确则调整ArcGIS中的的权重值参数，修正汇水区域划分结果；
生成的河网也可以用来在Arcgis中确定待分析流域的位置。
步骤二、获取研究流域所在区域的POI数据，并利用POI数据对研究流域所在区域中的城市区域进行土地类型划分获得划分好功能区的城市区域；
步骤二一、获取研究流域的POI数据：
利用Python等工具，从高德地图爬取研究流域所在区域的POI数据，得到的基础数据的坐标系为火星坐标系，在ArcGIS中将其转换为WGS84坐标后进行投影，并进行数据的去重和纠偏。
步骤二二、利用POI数据对研究流域所在区域中的城市区域进行土地类型划分获得划分好功能区的城市区域：
步骤二二一、对步骤二一获得的POI数据进行核密度分析获得核密度分析结果，对核密度分析结果进行函数分析获得研究流域所在区域中的城市边界，并根据城市边界确定研究流域所在区域中的城市区域；
所述研究流域所在区域中的城市边界通过以下方式获得：
根据待分析区域的发展程度根据经验选择合适核密度分析结果的输出带宽和栅格大小，可以进行试验多种组合对比效果，综合确定最优的条件与结果；
对核密度分析的结果生成等高线图，并得到核密度从密度最高值开始随距离增加的变化曲线，曲线的变化趋势通常为先逐渐下降，经过拐点后趋于平缓。对图像进行函数分析(如形如向右平移过的反余切函数)，找出其二阶导数小于临界值的点(趋近0的正值，可结合图像确定)，若其下降趋势不可逆，则该点的距离对应的等高线即为城市的边界；
步骤二二二、利用步骤二一获得的POI数据对步骤二二一获取的研究流域所在区域中的城市区域进行土地利用类型划分，获得划分好功能区的城市区域：
对步骤二二一获得的城市区域创建多个渔网单元，并按公众认知度的不同为每个类型的POI数据添加权重，计算每个渔网单元中各类POI的加权比例，定义占比最多的POI数据类型为该渔网单元对应的土地利用类型，完成土地利用类型的划分；
所述土地利用类型即为研究流域的POI数据类型，包括：生活区、工业区、商业区和其他区域；
所述生活区包括住宅区和商业住宅相关的全部数据；
所述工业区包括工厂、产业园的全部数据；
所述商业区包括餐饮服务、购物服务、住宿服务、金融保险服务的全部数据；
所述其他区域包括政府机构及社会团体、公司企业、科教文化服务、体育休闲服务、医疗保健服务、交通服务设施、道路附属设施、公园广场、风景名胜的全部数据；
本步骤中，添加权重的目的是为了体现出公众认知度与点的实体占地面积对功能区判定的影响，减轻数量虽多但规模和认知度都较低的POI点的干扰。对公众认知度高、占地面积大的POI点赋予较高的权重，对认知度低、占地面积小的POI点则赋予较低的权重。参考赵卫锋的公众认知度排序，并根据四类区域属性对应的一般建筑的占地面积以及该建筑附近四类属性的POI点的分布数量，确定四类区域属性对应的权重值，权重值范围以1～100为宜。
步骤三、按照磷排放的污染源类型，分别预测各类型的污染排放磷负荷：
所述磷排放的污染源类型包括：城市居民、工业、农村居民、作物种植、畜牧业、城市雨水六大类污染源；
步骤三一、获取磷负荷相关统计数据：
在各省统计年鉴、《中国环境统计年鉴》、《城乡建设年鉴》、《第二次中国污染源普查手册》中查得人口数据，城市生活污水、工业废水、农村生活污水的处理与排放数据，作物种植和畜牧业污染排放数据和降水量和雨水污染负荷数据，这些统计文献资料可由国家统计局或地方统计局等网站下载获取；
步骤三二、利用步骤三一获取的磷负荷相关统计数据预测城市居民、工业、农村居民、作物种植、畜牧业的污染排放磷负荷；
步骤三二一、获取城市居民污染排放磷负荷：
URPdischarge＝URPdirect+URPtreatment
其中，URPdirect＝URPop×URCoefwater×URRatedirect×URConcdirect
URPtreatment＝URPop×URCoefwater×URRatetreatment×(1-URRateReuse)×URConctreatment
式中，URPdischarge是城市居民排放到水体中的磷负荷，URPdirect是未经污水处理而直接排入水体的磷量，URPtreatment是由城市污水处理厂(WWTP)处理后排入水体的磷量；URPop是城市居民人口数，URCoefwater是城市居民人均用水系数，URRatedirect是未经处理直接污水排放量与污水总排放量之比，URConcdirect是未经处理直接排放污水的磷浓度，URRatetreatment是进入污水处理厂的污水量与污水总量之比，URRateReuse是污水处理厂的回用率，URConctreatment是污水处理厂污水中的磷浓度；
步骤三二二、获取工业污染排放磷负荷：
INPdischarge＝INGDP×INCoefwater×INRatedischarge×INConc
式中，INPdischarge是工业废水排入水体中的磷负荷，INGDP是研究流域所在城市区域工业GDP总量，INCoefwater是单位工业GDP的工业用水量，INRatedischarge是工业废水排放量占工业用水总量的比例，INConc是工业废水的平均磷排放浓度；
其中，单位工业GDP的工业用水量，可由各省年鉴及水资源公报中数据计算；工业废水排放量占工业用水总量的比例，可由《城乡建设年鉴》查得；工业废水的平均磷排放浓度，可由《中国环境统计年鉴》中工业磷排放量和工业废水排放量计算得出。
步骤三二三、获取农村居民污染排放磷负荷：
RRPdischarge＝RRPdirect+RRPtreatment
其中，RRPdirect＝RRPtotal×RRRatedirect
RRPtreatment＝RRPtotal×RRRatetreatment×(1-RRCoefremoval)
RRPtotal＝RRPop×(RRRateDryT×RRCoefDryT+RRRateFlushT×RRCoefFlushT)
式中，RRPdischarge是农村居民排入水体中的磷负荷，RRPdirect是未经污水处理直接排入水体的农村污水中磷的量，RRPtreatment是经过污水处理后排入水体的农村污水中磷的量，RRPtotal是农村污水中含磷量，RRRatetreatment是污水处理设施处理的污水占农村地区污水总量的比例；RRCoefremoval是农村污水处理设施的磷去除效率，RRPop是农村居民人口数，RRRateDryT是农村地区旱厕占厕所总数的比例，RRCoefDryT是农村居民使用旱厕的人均磷排放系数，RRRateFlushT是农村地区冲水厕占厕所总数的比例，RRCoefFlushT是农村居民使用冲水厕的人均磷排放系数；
其中，使用旱厕和冲水厕的比例，可从卫生统计年鉴中查得；相应的排放系数可由《第二次中国污染源普查手册》查得；
步骤三二四、获取作物种植污染排放磷负荷：
CFPdischarge＝CFArea×CFCoefdischarge
其中，
式中，CFPdischarge是排放入水体中的作物磷污染负荷，CFArea是耕地播种面积，CFCoefdischarge是单位面积农田污染物损失系数，CFCoefdischarge,2017是基于2017年第二次中国污染源普查数据的农田单位面积磷损失指标系数，CFFertilizeri是第i年的施肥量；CFFertilizer2017是2017年的施肥量；
步骤三二五、获取畜牧业污染排放磷负荷：
LFPdischarge＝LFPcentralized+LFPfree
其中，
式中，LFPdischarge是畜牧业向水体中排放磷的负荷，LFPcentralized是集中式畜牧业向水体中排放磷的负荷，LFPfree是散养牲畜向水体中排放磷的负荷，LFNumberj是牲畜的养殖量(j＝1，2，3，4，5，6依次对应猪、肉牛、奶牛、蛋鸡、肉鸡和羊)；LFRatecentralized,j是物种j的集中化养殖量与总养殖量的比；LFCoefcentralized,j是物种j的集中化养殖污染排放系数；LFRatefree,j是物种j的散养数量与总养殖量的比；LFCoeffree,j是物种j的散养污染排放系数。
本步骤中，畜牧业中家畜包含肉牛、奶牛、蛋鸡、肉鸡和羊六大种家畜，其对应的排放系数各不相同，此外，本发明还对集中化养殖和散养养殖的污染物排放系数做出区分。由于养鱼造成的污染只占畜牧业总污染排放的1％，因此可以将其忽略。
步骤三三、获取研究流域所在区域的行政区划数据，并利用行政区划数据、步骤一获取的划分好的汇水区域和步骤二获取的土地利用类型获取每一县的每一汇水区域中各功能区的面积、每一县的每一汇水区域的总面积、研究流域所在区域内每一县的每一汇水区域中城市区域和农村区域的面积：
步骤三三一、获取研究流域所在区域的行政区划数据：
通过中国科学院资源环境科学与数据中心网站进行获取，下载中国县级行政边界数据，得到具有省(自治区、直辖市)、市(州)、县(区)三级属性的图层；
步骤三三二、用行政区划图层正向裁剪研究流域所在区域的城市区域图层及步骤二获得的划分好功能区的城市区域，再反向裁剪，之后将两个裁剪后的图层相交，得到具有行政区划属性的城市功能区图层；
步骤三三三、利用步骤三三二获得的具有行政区划属性的城市功能区图层与步骤一获得的汇水区域图层相交，得到具有行政区划和汇水区两种属性的城市功能区图层，求出图层中每个区块的面积；
所述每个区块为具有行政区划和汇水区两种属性的城市功能区图层中一个汇水区域中的一个功能区；
步骤三三四、利用行政区划图层与汇水区域图层相交，得到具有行政区划和汇水区双重属性的图层(既包含城市，又包含农村区域)，并求出图层中每个区块的面积；
步骤三三五、对步骤三三三和步骤三三四获得每个区块的面积分别按照按县(区)、汇水区域和功能区三个属性汇总，并导出两组汇总数据即为每一县的每一汇水区域中四种功能区各自的面积和每一县的每一汇水区域的总面积；
步骤三三六、利用步骤三三五获得的每一县的每一汇水区域中四种功能区各自的面积和每一县的每一汇水区域的总面积求出每一县的每一汇水区域中城市及农村区域的面积。
步骤三四、利用磷负荷相关统计数据、步骤三三获得的每一县的每一汇水区域中各功能区的面积获取城市雨水面源污染排放磷负荷：
步骤三四一、获取某县某个汇水区的城市雨水面源磷污染负荷：
其中，RPLk＝RPCoefk×RPDenk×SFk×AP
式中，RNPdischarge是城市雨水面源磷排放负荷，RPLk是功能区k(k＝1，2，3，4依次对应生活区、商业区、工业区、其他区域)的单位面积雨水磷排放负荷，RNAreak是功能区k的面积，RPCoefk是功能区k的磷排放浓度参数；RPDenk是功能区k的城市人口密度参数，SFk是功能区k的城市街区清扫频率，AP是研究流域所在区域城市年降水量。
所述功能区k的城市人口密度参数RPDenk通过以下方式获得：
当k＝1时(即生活区)：
RPDenk＝a+b·DPc
当k＝2，3时(即商业区或工业区)：
RPDenk＝d
当k＝4时(即其他区域)：
RPDenk＝a
式中，DP是行政区人口密度；a，b，c，d是常数。
其中，a，b，c，d的取值与城市发展水平有关，通常取0.1<a<0.2，0.1<b<0.15，0.4<c<0.6，0.5<d<2，发展水平越高，b，c的取值越大，a，d的取值越小。
本步骤中，其中，各功能区的面积已由地理分析得出，城市人口和年降水量数据可从年鉴上直接查得，清扫频率可由城市发展水平确定，磷排放浓度参数与功能区有关。
步骤三四二、根据步骤三四二的方式计算出每一县的每一汇水区域中城市雨水面源的磷污染负荷，汇总即可得到每个汇水区或每个县的磷污染负荷。
步骤四、利用步骤三三获得的每一县的每一汇水区域中城市区域和农村区域的面积将步骤三二获得的五种磷污染负荷分配到步骤一获得的划分好的每个汇水区域中获得分配好的每个汇水区域的五种污染排放磷负荷；
步骤四一、根据步骤三三六获得的每一县的每一汇水区域中城市及农村区域的面积获取每一县的每一汇水区域中的城市区域面积占该县面积的比例和每一县的每一汇水区域中的农村区域面积占该县面积的比例；
步骤四二、将步骤三二获得的城市居民污染排放磷负荷和工业污染排放磷负荷按照每一县内每个汇水区中城市面积占该县的比例分配；
步骤四三、将步骤三二获得的农村居民污染排放磷负荷、作物种植污染排放磷负荷和畜牧业污染排放磷负荷按每一县的每一汇水区域中的农村区域面积占该县面积的比例进行分配；
步骤四四、综合步骤四二和步骤四三的分配结果获得分配好的每个汇水区域的五种磷负荷。
步骤五、将步骤四获得的分配好的每个汇水区域的五种污染排放磷负荷以及步骤三四获得的城市雨水面源污染排放磷负荷汇总获得每个汇水区域的磷负荷，将所有汇水区域的污染排放磷负荷汇总获取研究流域的总污染排放磷负荷。
实施例：
本发明已在岷江流域汇水区域的磷排放负荷预测中成功应用。岷江是长江上游重要的一级支流，随着工农业的飞速发展，流域内人口不断增多，岷江干支流的水质受到了来自工业废水、城市污水、农业上化肥和农药等多种污染源的污染。2016年，岷江流域总体水环境质量为轻度污染，劣V类断面占33.3％，干流水质尚可，支流水质污染严重，而最严重的污染因子就是总磷。鉴于岷江流域的磷污染防治的严峻形势，为贯彻落实政府水污染防治攻坚战规划，亟需对岷江流域磷污染现状进行评估，以便制定切实可行的污染控制方法。具体实施过程为：
1、数据获取与预处理
国控断面数据利用Python从中国环境监测总站的国家地表水水质数据发布系统中爬取，仅爬取四川省水质监测数据即可，共得到195条数据，将爬取到的数据只保留断面名称和XY坐标值字段。将所得数据以XY值对应WGS84坐标的经纬度的方式导入ArcGIS并投影即为四川省国控断面数据，该数据为点数据。
DEM数据在地理空间数据云网站进行下载，在DEM数字高程数据中选择ASTER GDEM30M分辨率数字高程数据，选择中心经度100.5°～103.5°，中心纬度26.5°～33.5°范围内的条带进行下载，该数据为栅格数据。
POI数据从高德地图爬取，获得数据需将火星坐标系转换为WGS84坐标再进行投影，并对重复数据进行删除。该数据除坐标属性外，还具有类别属性，包括大类别6种、中类别17种及众多小类别，后续处理基于中类别进行，可在对一些属性偏误的数据校正后将其他无关的类别数据删去以减小运算量，该数据为点数据。
行政区划数据在中国科学院资源环境科学与数据中心下载，在中国行政区划数据中找到2015年中国县级行政边界数据，下载可直接得到shapefile格式文件，该数据为面数据，最小单元为区县级。
统计数据来源为国家统计局与四川省统计局网站上的《四川省统计年鉴》、《中国环境统计年鉴》、《城乡建设年鉴》及《第二次中国污染源普查手册》。
2、基于地形地貌及水文条件，通过水文分析划分汇水区域
本步骤基于ArcGIS中水文分析工具进行操作，按流向、流量、水流长度、盆域分析、集水区的顺序进行分析。流向的输入数据即DEM数据，计算方法保持默认的D8算法。其他计算过程的输入数据均需要流向分析的输出数据作为支持。集水区分析的输入数据除流向数据外，还需要国控断面数据作为倾泻点数据。为了减小计算量，以上操作事先裁剪出四川省的图层后再进行。最终根据河流及其支流的分布，找出流域所对应的全部区域。最终流域的划分结果如图2所示，一共被划分为18个汇水区域(汇水区)。
3、基于兴趣点与城市范围及功能区的关系，城市边界识别与土地利用类型划分
使用ArcGIS中的核密度分析工具，对岷江流域中的所有县区进行分析，经过多次对比试验后，选择分析条件为带宽2500，像元值为5，得到核密度图后用等值线工具做出等高线，进而得到核密度从密度最高值开始随距离增加而下降的变化曲线，曲线初始在城市区域时下降较快，最后到达乡村时趋于平稳，找到其拐点并找出对应等高线值，确定其下降趋势稳定无反复后，即可用该等高线值确定城市边界。
对城市边界内区域用渔网工具添加网格，在按生活区权重为50，工业区为100，商业区为1，其他区域为2计算4类的POI点在每个网格中的加权比例，并以最高比例对应的属性定义为该网格的功能区属性，生活区记为1，工业区记为2，商业区记为3，其他区域记为4，最终得到城市的功能区划。
经过上述处理，已经得到了岷江流域的汇水区分布、县区分布及其城市区域分布。部分处理效果如图3所示，其中灰色区域为岷江流域，黑色区域为城市区，深色线为区县分界线，浅色线为汇水区分界线。
4、基于各类型污染源的磷污染特点，县级磷排放负荷分类预测
按城市居民磷排放、工业磷排放、农村居民磷排放、作物种植磷排放、畜牧业磷排放、城市雨水面源磷排放的顺序，按照具体实施方式中的计算公式进行污染磷负荷的预测。
前五类磷污染负荷的计算的初始数据均为统计数据，计算结果为流域内每个县区的污染负荷。本流域共涉及成都市、乐山市、眉山市三个市共18个县区。以岷江流域成都段城市居民磷污染负荷为例，2010～2019年10年内部分县区的计算情况如表1所示。
表1岷江流域成都段部分县区城市居民污磷污染负荷预测结果
雨水面源磷污染负荷的预测直接基于县和汇水区域进行，预测所需数据需要依靠ArcGIS对汇水区、城市及功能区和行政区划图层进行地理处理，过程为：
第一步、用行政区划图层与城市及功能区图层相互裁剪，将两结果相交后再与汇水区域图层相交；
第二步、用行政区划图层与汇水区域图层直接相交；第三步求出前两步图层中每个区块的面积，并按县(区)、汇水区域和功能区三个属性汇总面积然后从ArcGIS中将数据导出。
第三步、根据导出的数据与相关统计数据，利用预测模型即可求得雨水面源磷污染负荷，该结果为每个区县已经分配到每个汇水区的数据，直接进行汇总。
5、基于地理处理结果，流域各汇水区磷排放负荷预测
对前五类污染源的磷污染负荷，按如下方法进行分配：对城市居民和工业污染源，按县区内每个汇水区内城市面积占全县城市面积的比例进行分配；对农村居民、作物种植和畜牧业污染源，按县区内每个汇水区内农村面积占全县农村面积的比例进行分配。对分配后的数据按汇水区域进行汇总，可得到每个汇水区域及全流域的磷污染负荷。预测结果如表2所示。
表2 2019年岷江流域及部分汇水区域磷污染负荷预测结果
根据以上结果可知本发明不仅操作简单，得出的磷负荷结果也更有科学依据，同时提升了预测的计算效率和预测准确率。
Claims (10)
1.一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于所述方法具体过程为：
步骤一、获取研究流域所在区域的国控断面数据和DEM数据，利用国控断面数据和DEM数据将研究流域划分为多个汇水区域，并对汇水区域进行检验和修正获得划分好的多个汇水区域；
步骤二、获取研究流域所在区域的POI数据，并利用POI数据对研究流域所在区域中的城市区域进行土地类型划分获得的划分好功能区的城市区域；
步骤三、按照磷排放的污染源类型，分别获得各类型的污染排放磷负荷：
步骤三一、获取磷负荷相关统计数据；
所述磷负荷相关统计数据包括：研究流域所在区域城市和农村人口数据，城市生活污水、工业废水、农村生活污水的处理与排放数据，作物种植和畜牧业污染排放数据、降水量和雨水污染负荷数据；
步骤三二、利用步骤三一获得的磷负荷相关统计数据获取城市居民、工业、农村居民、作物种植、畜牧业的污染排放磷负荷；
步骤三三、获取研究流域所在区域的行政区划数据，并利用行政区划数据、步骤一获取的划分好的汇水区域和步骤二获取的划分好功能区的城市区域获取每一县的每一汇水区域中各功能区的面积、每一县的每一汇水区域的总面积、研究流域所在区域内每一县的每一汇水区域中城市区域和农村区域的面积；
步骤三四、利用磷负荷相关统计数据和步骤三三获得的每一县的每一汇水区域中各功能区的面积获取城市雨水面源污染排放磷负荷；
步骤四、利用步骤三三获得的每一县的每一汇水区域中城市区域和农村区域的面积将步骤三二获得的五种污染排放磷负荷分配到步骤一获得的划分好的每个汇水区域中获得分配好的每个汇水区域的五种污染排放磷负荷；
步骤五、将步骤四获得的分配好的每个汇水区域的五种污染排放磷负荷以及步骤三四获得的城市雨水面源污染排放磷负荷汇总获得每个汇水区域的磷负荷，将所有汇水区域的污染排放磷负荷汇总获取研究流域的总污染排放磷负荷即为预测结果。
2.根据权利要求1所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤一中获取研究流域所在区域的国控断面数据和DEM数据，利用国控断面数据和DEM数据将研究流域划分为多个汇水区域，并对汇水区域进行检验和修正获得划分好的多个汇水区域，包括以下步骤：
步骤一一、获取研究流域国控断面数据：
首先，从中国环境监测总站的国家地表水水质数据发布系统中爬取水质监测数据，仅保留水质监测数据中的断面名称和XY坐标值字段；
然后，在ArcGIS中将仅保留断面名称和XY坐标值字段的水质检测数据以XY值对应WGS84坐标的经纬度的方式导入，并对导入的数据进行投影获得国控断面数据；
步骤一二、获取研究流域DEM数据；
步骤一三、利用国控断面数据和DEM数据将研究流域划分为多个汇水区域并对汇水区域进行检验和修正获得划分好的多个汇水区域：
步骤一三一、利用ArcGIS中的水文分析工具中的流向工具条，采用D8单流向算法对研究流域DEM数据进行分析获取研究流域水流方向；
步骤一三二、将步骤一三一获取的研究流域水流方向和步骤一一获取的国控断面数据输入盆域分析和集水区工具条对整个研究流域进行分割获得多个独立的汇水区域；
步骤一三三、将水流方向和研究流域DEM数据输入到ArcGIS中的水文分析工具中的流量、水流长度工具条获取研究流域水流量与水流长度，然后利用水流量和水流长度生成河网数据，然后利用河网数据检验步骤一三二划分的汇水区域是否正确，若不正确则调整ArcGIS中的的权重值参数，从而修正汇水区域划分结果获得划分好的多个汇水区域。
3.根据权利要求2所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤二中获取研究流域所在区域的POI数据，并利用POI数据对研究流域所在区域中的城市区域进行土地类型划分获得的划分好功能区的城市区域，包括以下步骤：
步骤二一、获取研究流域的POI数据：
从地图爬取研究流域所在区域的POI数据，在ArcGIS中将得到数据的坐标转换为WGS84坐标后进行投影，并对投影后的的数据去重和纠偏获得最终的研究流域的POI数据；
步骤二二、利用研究流域的POI数据对研究流域所在区域中的城市区域进行土地类型划分获得划分好功能区的城市区域。
4.根据权利要求3所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤二二中利用研究流域的POI数据对研究流域所在区域中的城市区域进行土地类型划分获得划分好功能区的城市区域，包括以下步骤：
步骤二二一、对步骤二一获得的研究流域POI数据进行核密度分析获得核密度分析结果，对核密度分析结果进行函数分析获得研究流域所在区域中的城市边界，并根据城市边界确定研究流域所在区域中的城市区域；
所述对核密度分析结果进行函数分析获得研究流域所在区域中的城市边界，通过以下方式获得；
首先，对核密度分析的结果生成等高线图，并得到核密度从密度最高值开始随距离增加的变化曲线；
然后，对曲线进行函数分析，找出其二阶导数小于临界值的点，若其下降趋势不可逆，则该点的距离对应的等高线即为城市的边界；
步骤二二二、利用步骤二一获得的研究流域的POI数据对步骤二二一获取的研究流域所在区域中的城市区域进行土地利用类型划分，获得划分好功能区的城市区域：
首先，对步骤二二一获得的研究流域所在区域中的城市区域创建多个渔网单元，并按公众认知度为每个渔网单元中的每个类型的研究流域POI数据添加权重；
然后，计算每个渔网单元中每个类型的研究流域POI数据权重的加权比例，占比最多的POI数据类型为该渔网单元对应的土地利用类型，土地利用类型划分好的区域即为划分好功能区的城市区域；
所述土地利用类型即为研究流域的POI数据类型即为功能区；
所述功能区包括：生活区、工业区、商业区和其他区域；
所述生活区包括住宅区和商业住宅相关的全部数据；
所述工业区包括工厂、产业园的全部数据；
所述商业区包括餐饮服务、购物服务、住宿服务、金融保险服务的全部数据；
所述其他区域包括政府机构及社会团体、公司企业、科教文化服务、体育休闲服务、医疗保健服务、交通服务设施、道路附属设施、公园广场、风景名胜的全部数据。
5.根据权利要求4所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤三二中利用步骤三一获得的磷负荷相关统计数据获取城市居民、工业、农村居民、作物种植、畜牧业的污染排放磷负荷，包括以下步骤：
步骤三二一、获取城市居民污染排放磷负荷：
URPdischarge＝URPdirect+URPtreatment
其中，URPdirect＝URPop×URCoefwater×URRatedirect×URConcdirect
URPtreatment＝URPop×URCoefwater×URRatetreatment×(1-URRateReuse)×URConctreatment
式中，URPdischarge是城市居民排放到水体中的磷负荷，URPdirect是未经污水处理而直接排入水体的磷量，URPtreatment是由城市污水处理厂处理后排入水体的磷量；URPop是城市居民人口数，URCoefwater是城市居民人均用水系数，URRatedirect是未经处理直接污水排放量与污水总排放量之比，URConcdirect是未经处理直接排放污水的磷浓度，URRatetreatment是进入污水处理厂的污水量与污水总量之比，URRateReuse是污水处理厂的回用率，URConctreatment是污水处理厂污水中的磷浓度；
步骤三二二、获取工业污染排放磷负荷：
INPdischarge＝INGDP×INCoefwater×INRatedischarge×INConc
式中，INPdischarge是工业废水排入水体中的磷负荷，INGDP是研究流域所在城市区域工业GDP总量，INCoefwater是单位工业GDP的工业用水量，INRatedischarge是工业废水排放量占工业用水总量的比例，INConc是工业废水的平均磷排放浓度；
步骤三二三、获取农村居民污染排放磷负荷：
RRPdischarge＝RRPdirect+RRPtreatment
其中，RRPdirect＝RRPtotal×RRRatedirect
RRPtreatment＝RRPtotal×RRRatetreatment×(1-RRCoefremoval)
RRPtotal＝RRPop×(RRRateDryT×RRCoefDryT+RRRateFlushT×RRCoefFlushT)
式中，RRPdischarge是农村居民排入水体中的磷负荷，RRPdirect是未经污水处理直接排入水体的农村污水中磷的量，RRPtreatment是经过污水处理后排入水体的农村污水中磷的量，RRPtotal是农村污水中含磷量，RRRatetreatment是污水处理设施处理的污水占农村地区污水总量的比例；RRCoefremoval是农村污水处理设施的磷去除效率，RRPop是农村居民人口数，RRRateDryT是农村地区旱厕占厕所总数的比例，RRCoefDryT是农村居民使用旱厕的人均磷排放系数，RRRateFlushT是农村地区冲水厕占厕所总数的比例，RRCoefFlushT是农村居民使用冲水厕的人均磷排放系数；
步骤三二四、获取作物种植污染排放磷负荷：
CFPdischarge＝CFArea×CFCoefdischarge
其中，
式中，CFPdischarge是排放入水体中的作物磷污染负荷，CFArea是耕地播种面积，CFCoefdischarge是单位面积农田污染物损失系数，CFCoefdischarge,l是l年的农田单位面积磷损失指标系数，CFFertilizeri是第i年的施肥量；CFFertilizerl是l年的施肥量,l是上一次中国污染源普查数据的年份；
步骤三二五、获取畜牧业污染排放磷负荷：
LFPdischarge＝LFPcentralized+LFPfree
其中，
式中，LFPdischarge是畜牧业向水体中排放磷的负荷，LFPcentralized是集中式畜牧业向水体中排放磷的负荷，LFPfree是散养牲畜向水体中排放磷的负荷，LFNumberj是牲畜的养殖量，j＝1，2，3，4，5，6依次对应猪、肉牛、奶牛、蛋鸡、肉鸡和羊；LFRatecentralized,j是物种j的集中化养殖量与总养殖量的比；LFCoefcentralized,j是物种j的集中化养殖污染排放系数；LFRatefree,j是物种j的散养数量与总养殖量的比；LFCoeffree,j是物种j的散养污染排放系数。
6.根据权利要求5所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤三三中获取研究流域所在区域的行政区划数据，并利用行政区划数据、步骤一获取划分好的汇水区域和步骤二获取的划分好功能区的城市区域获取每一县的每一汇水区域中各功能区的面积、每一县的每一汇水区域的总面积、研究流域所在区域内每一县的每一汇水区域中城市区域和农村区域的面积，包括以下步骤：
步骤三三一、获取研究流域所在区域的行政区划数据；
步骤三三二、用行政区划图层正向裁剪研究流域所在区域的城市区域及步骤二获得的划分好功能区的城市区域图层，然后再反向裁剪，之后将正向裁剪和反向裁剪后的图层相交，得到具有行政区划属性的城市功能区图层；
步骤三三三、利用步骤三三二获得的具有行政区划属性的城市功能区图层与步骤一获得的汇水区域图层相交，得到具有行政区划和汇水区两种属性的城市功能区图层，求出图层中每个区块的面积；
所述每个区块为具有行政区划和汇水区两种属性的城市功能区图层中一个汇水区域中的一个功能区；
步骤三三四、利用行政区划图层与汇水区域图层相交，得到具有行政区划和汇水区双重属性的图层，并求出图层中每个区块的面积；
所述具有行政区划和汇水区双重属性的图层为包括农村区域和城市区域两个区域的图层；
步骤三三五、对步骤三三三和步骤三三四获得每个区块的面积分别按照按县、汇水区域和功能区三个属性汇总，并导出两组汇总数据即为每一县的每一汇水区域中四种功能区各自的面积和每一县的每一汇水区域的总面积；
所述四种功能区为：生活区、工业区、商业区和其他区域；
步骤三三六、利用步骤三三五获得的每一县的每一汇水区域中四种功能区各自的面积和每一县的每一汇水区域的总面积获取每一县的每一汇水区域中城市及农村区域的面积。
7.根据权利要求6所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤三三一中的获取行政区划数据通过中国科学院资源环境科学与数据中心网站进行获取；
所述研究流域所在区域的行政区划数据包括：省、市、县三级属性的图层。
8.根据权利要求7所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤三四中利用磷负荷相关统计数据、步骤三三获得的每一县的每一汇水区域中各功能区的面积获取城市雨水面源污染排放磷负荷，包括以下步骤：
步骤三四一、获取某县某个汇水区的城市雨水面源磷污染负荷：
其中，RPLk＝RPCoefk×RPDenk×SFk×AP
式中，RNPdischarge是城市雨水面源磷排放负荷，RPLk是功能区k的单位面积雨水磷排放负荷，k＝1，2，3，4依次对应生活区、商业区、工业区、其他区域；RNAreak是功能区k的面积，RPCoefk是功能区k的磷排放浓度参数；RPDenk是功能区k的城市人口密度参数，SFk是功能区k的城市街区清扫频率，AP是研究流域所在区域城市年降水量；
步骤三四二、根据步骤三四二的方式计算出每一县的每一汇水区域中城市雨水面源的磷污染负荷，将每一县的每一汇水区域中城市雨水面源的磷污染负荷汇总获得每个汇水区域每个县的城市雨水面源磷污染负荷。
9.根据权利要求8所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤三四一种的功能区k的城市人口密度参数RPDenk通过以下方式获得：
当k＝1时：
RPDenk＝a+b·DPc
当k＝2或3时：
RPDenk＝d
当k＝4时：
RPDenk＝a
式中，DP是行政区人口密度；a，b，c，d是常数，0.1<a<0.2，0.1<b<0.15，0.4<c<0.6，0.5<d<2。
10.根据权利要求9所述的一种面向流域汇水区域的磷排放污染负荷预测方法，其特征在于：所述步骤四中利用步骤三三获得的每一县的每一汇水区域中城市区域和农村区域的面积将步骤三二获得的五种污染排放磷负荷分配到步骤一获得的划分好的每个汇水区域中获得分配好的每个汇水区域的五种污染排放磷负荷，包括以下步骤：
步骤四一、根据步骤三三六获得的每一县的每一汇水区域中城市及农村区域的面积获取每一县的每一汇水区域中的城市区域面积占该县面积的比例和每一县的每一汇水区域中的农村区域面积占该县面积的比例；
步骤四二、将步骤三二获得的城市居民污染排放磷负荷和工业污染排放磷负荷按照每一县内每个汇水区中城市面积占该县的比例分配；
步骤四三、将步骤三二获得的农村居民污染排放磷负荷、作物种植污染排放磷负荷和畜牧业污染排放磷负荷按每一县的每一汇水区域中的农村区域面积占该县面积的比例进行分配；
步骤四四、综合步骤四二和步骤四三的分配结果获得分配好的每个汇水区域的五种污染排放磷负荷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107635.6A CN114462698B (zh) | 2022-01-28 | 2022-01-28 | 一种面向流域汇水区域的磷排放污染负荷预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107635.6A CN114462698B (zh) | 2022-01-28 | 2022-01-28 | 一种面向流域汇水区域的磷排放污染负荷预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114462698A CN114462698A (zh) | 2022-05-10 |
| CN114462698B true CN114462698B (zh) | 2022-12-02 |
Family
ID=81411618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210107635.6A Active CN114462698B (zh) | 2022-01-28 | 2022-01-28 | 一种面向流域汇水区域的磷排放污染负荷预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114462698B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115168446B (zh) * | 2022-06-30 | 2023-04-07 | 中科三清科技有限公司 | 污染物溯源方法、装置及电子设备 |
| CN116108662B (zh) * | 2023-01-14 | 2023-10-20 | 四川省环境政策研究与规划院 | 一种人口城镇化对流域磷污染负荷的驱动模型 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112765531A (zh) * | 2020-12-16 | 2021-05-07 | 长江水资源保护科学研究所 | 一种流域非点源排放量自动计算方法和系统 |
| CN113656682A (zh) * | 2021-07-12 | 2021-11-16 | 北京地拓科技发展有限公司 | 基于poi的城市平原区水污染控制单元划分方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105893544B (zh) * | 2016-03-31 | 2019-07-12 | 东南大学 | 一种基于poi业态数据生成城市空间大数据地图的方法 |
| CN108764193B (zh) * | 2018-06-04 | 2022-02-01 | 北京师范大学 | 融合poi和遥感影像的城市功能区划分方法 |
-
2022
- 2022-01-28 CN CN202210107635.6A patent/CN114462698B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112765531A (zh) * | 2020-12-16 | 2021-05-07 | 长江水资源保护科学研究所 | 一种流域非点源排放量自动计算方法和系统 |
| CN113656682A (zh) * | 2021-07-12 | 2021-11-16 | 北京地拓科技发展有限公司 | 基于poi的城市平原区水污染控制单元划分方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于管网－河流模型耦合的城市河流水质建模方法与应用;李运东等;《给水排水》;20200930;第46卷(第S2期);第213-219页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114462698A (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108664647B (zh) | 一种集成水环境模型的流域精细化管理系统 | |
| Lei et al. | Effects of land cover, topography, and soil on stream water quality at multiple spatial and seasonal scales in a German lowland catchment | |
| Young et al. | AGNPS, agricultural non-point-source pollution model: A watershed analysis tool | |
| CN114462698B (zh) | 一种面向流域汇水区域的磷排放污染负荷预测方法 | |
| CN108717453B (zh) | 一种基于gis平台的平原河网区污染负荷计算方法 | |
| Tepe et al. | Water quality assessment of an urban water, Batlama Creek (Giresun), Turkey by applying multivariate statistical techniques | |
| 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 | |
| CN106530172A (zh) | 一种流域污染控制单元的划分方法 | |
| CN112651548B (zh) | 一种高原湖滨生态景观修复规划的评估识别方法 | |
| 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 | |
| Andersson et al. | Estimating catchment nutrient flow with the HBV-NP model: sensitivity to input data | |
| CN110765213A (zh) | 一种地表水流域污染源排放清单（动态清单）的编制方法 | |
| Alford et al. | Surface water quality and landscape gradients in the north carolina cape fear river basin: The key role of fecal coliform | |
| CN115115485A (zh) | 一种基于控制单元水质目标分类管理的水环境容量核定方法 | |
| CN115496618A (zh) | 一种湖库表层沉积物抗生素抗性基因丰度与分布特征的估算方法 | |
| Kudrnovsky | Alpine rivers and their ligneous vegetation with Myricaria germanica and riverine landscape diversity in the Eastern Alps: proposing the Isel river system for the Natura 2000 network | |
| Mukhaiyar | Digital Image and Remote Sensing Image as a Data for an Identification of a Quality of a Non-Point Source Pollutant in Ciliwung River, Indonesia | |
| CN116562051B (zh) | 一种陆海氮磷负荷归趋估算方法 | |
| da Silva Anjinho et al. | Integrated empirical models to assess nutrient concentration in water resources: case study of a small basin in southeastern Brazil | |
| Cau et al. | Assessment of alternative land management practices using hydrological simulation and a decision support tool: Arborea agricultural region, Sardinia | |
| Meixler et al. | A water quality model for regional stream assessment and conservation strategy development | |
| CN114219371A (zh) | 月尺度的流域人为水污染负荷核算方法 | |
| Qisthina et al. | Analysis of land cover change impacts on landscape services quality in Cisadane Watershed, Tangerang City | |
| Luu et al. | Water quality in an urbanized river basin impacted by multipollution sources: from comprehensive surveys to modelling | |
| Finlay et al. | Leveraging Minnesota's Stormwater Data for Improved Modeling and Management of Water Quality in Cities |
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 |