CN114662930B - 一种农业面源污染风险识别方法及电子设备 - Google Patents
一种农业面源污染风险识别方法及电子设备 Download PDFInfo
- Publication number
- CN114662930B CN114662930B CN202210301292.7A CN202210301292A CN114662930B CN 114662930 B CN114662930 B CN 114662930B CN 202210301292 A CN202210301292 A CN 202210301292A CN 114662930 B CN114662930 B CN 114662930B
- Authority
- CN
- China
- Prior art keywords
- node
- determining
- specified
- resistance value
- indexes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000009792 diffusion process Methods 0.000 claims abstract description 96
- 238000010606 normalization Methods 0.000 claims abstract description 39
- 238000011109 contamination Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 13
- 239000002689 soil Substances 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 14
- 230000003628 erosive effect Effects 0.000 claims description 12
- 238000009736 wetting Methods 0.000 claims description 11
- 238000011144 upstream manufacturing Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 239000003344 environmental pollutant Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 238000004162 soil erosion Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 241000209140 Triticum Species 0.000 description 4
- 235000021307 Triticum Nutrition 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 239000004927 clay Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 241000219146 Gossypium Species 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000004016 soil organic matter Substances 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000004992 fission Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- -1 silt Substances 0.000 description 1
- 238000012732 spatial analysis 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Probability & Statistics with Applications (AREA)
- Animal Husbandry (AREA)
- Algebra (AREA)
- Agronomy & Crop Science (AREA)
Abstract
本申请提供一种农业面源污染风险识别方法及电子设备，该方法包括：确定目标区域内多个扩散路径上任一节点的多种指定指标，并对多种指定指标分别进行归一化处理，获得多种归一化指定指标；针对任一节点，根据节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到节点的单点基础阻力值；针对每一扩散路径，根据扩散路径内所有节点的单点基础阻力值，确定扩散路径对应的累积阻力值；从多个扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值；基于最小累积阻力值，确定目标区域的污染风险等级。本申请可以避免人为对定性数据赋值时带来的误差。
Description
技术领域
本申请涉及农业污染潜在风险预警领域，特别涉及一种农业面源污染风险识别方法及电子设备。
背景技术
目前，农业面源污染(Agricultural non-point source pollution，AGNPS)问题不容乐观，氮磷污染负荷占水体的50％以上，AGNPS已成为流域水环境问题的主要原因，存在的农业面源污染风险的农田面积超过2 000万公顷。因此，如何建立农业面源污染的风险识别与防范方法是一个亟待解决的重要问题。
最小累积阻力模型(MCR)是景观生态学中的一种基于“源-汇”理论的动态评估模型，它是基于“物质源”、“物质汇”的识别和阻力面构造研究的分析区域物质流的空间分析方法。该模型的应用前提是需要获取区域土壤侵蚀强度和面源污染源输出系数。土壤侵蚀强度与多种环境要素有关(包括土地利用类型、地形、植被、土壤、降水等)，可以反映地表径流的流动特点，影响面源污染扩散过程，是MCR模型的重要参数；污染源输出系数代表了不同“源”景观的排污能力，是估算流域面源污染负荷的常用指标。将以上两参数作为污染条件与MCR模型相耦合，可以得到针对特定污染源的污染风险。在此基础上，MCR模型综合评估每一个污染“源”景观的扩散距离与其周围地理环境的影响，可以得到像素级的区域面源污染风险识别结果。
但是现有的研究在使用最小累积阻力模型时，污染扩散阻力面的构建大多采用专家意见/打分法，这种方法人为主观性强，在权重的分配上会存在偏差。
发明内容
本申请实施例提供了一种农业面源污染风险识别方法，用于使最小累积阻力模型更符合面源污染实际传播特点，避免人为对定性数据赋值时带来的误差。
本申请实施例提供了一种农业面源污染风险识别方法，包括：
确定目标区域内多个扩散路径上任一节点的多种指定指标，并对所述多种指定指标分别进行归一化处理，获得多种归一化指定指标；其中，所述扩散路径为所述目标区域内农田向河流污染扩散的路径；
针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值；
针对每一扩散路径，根据所述扩散路径内所有节点的单点基础阻力值，确定所述扩散路径对应的累积阻力值；
从多个扩散路径的累积阻力值中，确定所述目标区域对应的最小累积阻力值；
基于所述最小累积阻力值，确定所述目标区域的污染风险等级。
在一实施例中，所述指定指标包括坡度系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的坡度，并确定与所述坡度对应的坡度系数。
在一实施例中，所述指定指标包括植被覆盖系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的归一化差值植被指数；
根据所述归一化差值植被指数，确定所述植被覆盖系数。
在一实施例中，所述指定指标包括土壤可蚀性系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的多种土壤成分参数；
根据所述多种土壤成分参数，确定所述土壤可蚀性系数。
在一实施例中，所述指定指标包括降雨侵蚀力系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的年降雨量系数和月降雨量系数；
根据所述年降雨量系数和所述月降雨量系数，确定所述降雨侵蚀力系数。
在一实施例中，所述指定指标包括地形湿润指数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的单位等高线长的汇水面积、以及局部坡度角；
根据所述单位等高线长的汇水面积、以及局部坡度角，确定所述地形湿润指数。
在一实施例中，在所述针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值之前，所述方法还包括：
针对每一归一化指定指标，根据所述归一化指定指标的空间标准差，以及所述归一化指定指标的空间标准差的总和，确定所述归一化指定指标对应的权重。
在一实施例中，在所述针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值，包括：
针对任一节点，获取所述节点的第一数字高程模型数据，以及所述节点在扩散路径内的上游节点的第二数字高程模型数据；
判断所述第一数字高程模型数据是否大于第二数字高程模型数据，若是，确定所述节点的单点基础阻力值为无穷大。
在一实施例中，所述基于所述最小累积阻力值，确定所述目标区域的污染风险等级，包括：
确定所述最小累积阻力值在所述目标区域对应的目标农田类型；
根据所述目标农田类型对应的输出系数，以及所述最小累积阻力，确定所述目标区域的污染风险等级。
本申请实施例还提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述农业面源污染风险识别方法。
本申请上述实施例提供的技术方案，通过确定目标区域内多个扩散路径上任一节点的多种指定指标，并对多种指定指标分别进行归一化处理，获得多种归一化指定指标；其中，扩散路径为目标区域内农田向河流污染扩散的路径；针对任一节点，根据节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到节点的单点基础阻力值；针对每一扩散路径，根据扩散路径内所有节点的单点基础阻力值，确定扩散路径对应的累积阻力值；从多个扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值；基于最小累积阻力值，确定目标区域的污染风险等级，从而避免人为对定性数据赋值时带来的误差。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
图1为本申请一实施例提供的电子设备的结构示意图；
图2是本申请一实施例提供的农业面源污染风险识别方法的流程示意图；
图3是本申请另一实施例提供的农业面源污染风险识别方法的流程示意图；
图4为本申请一实施例提供的农业面源污染的指标示意图；
图5为本申请一实施例提供的农业面源污染风险等级示意图；
图6为本申请一实施例提供的农业面源污染风险识别装置的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1为本申请一实施例提供的电子设备的结构示意图。该电子设备可以用于执行本申请实施例提供的农业面源污染风险识别方法。如图1所示，该电子设备100包括：一个或多个处理器102，一个或多个存储处理器可执行指令的存储器104，其中，所述处理器102被配置为执行本申请下述实施例提供的农业面源污染风险识别方法。
所述处理器102可以是网关，也可以为智能终端，或者是包含中央处理单元(CPU)、图像处理单元(GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元的设备，可以对所述电子设备100中的其它组件的数据进行处理，还可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的农业面源污染风险识别方法。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。
在一实施例中，图1所示电子设备100还可以包括输入装置106、输出装置108以及数据采集装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。
所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。所述输出装置108可以向外部(例如，用户)输出各种信息(例如，图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。所述数据采集装置110可以采集对象的图像，并且将所采集的图像存储在所述存储器104中以供其它组件使用。示例性地，该数据采集装置110可以为摄像头。
在一实施例中，用于实现本申请实施例的农业面源污染风险识别方法的示例电子设备中的各器件可以集成设置，也可以分散设置，诸如将处理器102、存储器104、输入装置106和输出装置108集成设置于一体，而将数据采集装置110分离设置。
在一实施例中，用于实现本申请实施例的农业面源污染风险识别方法的示例电子设备可以被实现为诸如智能手机、平板电脑、智能手表、车载设备等智能终端。
图2为本申请一实施例提供的农业面源污染风险识别方法的流程示意图。如图2所示，该方法可以包括以下步骤S201-S205。
步骤S201：确定目标区域内多个扩散路径上任一节点的多种指定指标，并对多种指定指标分别进行归一化处理，获得多种归一化指定指标；其中，扩散路径为目标区域内农田向河流污染扩散的路径。
如上所述，扩散路径为目标区域内农田向河流污染所有可行的扩散的路径，扩散路径可以由农田到河流之间多个连接的节点构成。
目标区域为面源污染由“源”景观向“汇”景观扩散的区域。其中，各类种植结构的耕地被视为面源污染的“源”景观，河流水系被视为“汇”景观。本实施例中，“源”景观为农田，“汇”景观为河流，目标区域为面源污染从农田向河流扩散的区域。面源污染物在外部因子的作用下由“源”景观向“汇”景观迁移，这种迁移的强弱既与距离有关，又受到面源污染因子叠加效应的影响，同时还被地形制约。这些外部因子包括气象、土壤、地形、地貌、植被和水文等，它们控制着面源污染过程中的物流和能流。本实施例中，外部因子为任一节点的多种指定指标，多种指定指标可以包括但不限于：坡度系数S、植被覆盖系数C、土壤可蚀性系数K、降雨侵蚀力系数Ryear和地形湿润指数CI。
针对上述目标区域，确定目标区域内多个扩散路径上任一节点的多种指定指标，在获得每一节点的多种指定指标之后，可以对多种指定指标通过线性归一化方法分别进行归一化处理，获得多种归一化指定指标，将多种归一化指定指标范围都限制在0到1之间，并将各个归一化指定指标转化为无量纲量。
步骤S202：针对任一节点，根据节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到节点的单点基础阻力值。
针对扩散区域内的任一节点，根据节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，通过加权求和得到该节点的单点基础阻力值R。示例性的，可以通过如下公式(1)来确定单点基础阻力值R：
式中，R为单点基础阻力值，Wk为每一归一化指定指标对应的权重，0＜R＜1，n为归一化指定指标的数量，fk是第k个归一化指定指标的阻力指数。
假设n为5，则k可取1、2、3、4、5，其分别表示坡度系数S、植被覆盖系数C、土壤可蚀性系数K、降雨侵蚀力系数Ryear和地形湿润指数CI，例如f1为坡度系数S的阻力指数，f2为植被覆盖系数C的阻力指数，以此类推，此处不做赘述。
步骤S203：针对每一扩散路径，根据扩散路径内所有节点的单点基础阻力值，确定扩散路径对应的累积阻力值。
针对每一扩散路径，每一扩散路径包含若干个节点，此处不做限定，根据每一扩散路径内所有节点的单点基础阻力值，将其累积求和，确定每一扩散路径对应的累积阻力值。
步骤S204：从多个扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值。
在获得目标区域内每一扩散路径对应的累积阻力值之后，即可以从目标区域内多个扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值IMCRAB。示例性的，可以通过如下公式(2)来确定最小累积阻力值IMCRAB：
式中，IMCRAB为最小累积阻力值，w表示路径，DAwB表示从A到B所有可行的扩散路径。
如步骤S203、204所述，针对每一扩散路径，根据扩散路径DAwB内所有节点的单点基础阻力值R，其中，A是指目标区域内的所有农田，B是指目标区域内的河流水系，面源污染从农田向水系扩散汇集，将其表示为AB，确定扩散路径DAwB对应的累积阻力值
从多个扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值IMCRAB，IMCRAB是指使用IMCR模型得到的从特定“源A”到特定“汇B”的最小累积阻力值。
举例来说，面源污染从农田A向河流B扩散，扩散路径有15条，即w＝15，河流中有5个节点，都表示这条河，m为每条路径上的节点数，假设第1条路有5个节点，每个节点的单点基础阻力值分别是R1＝1,R2＝2,...,R5＝5,则
中m＝5,第1条路的累积阻力值为/>
第2条路有6个节点，每个节点的单点基础阻力值分别是R1＝1,R2＝2,...,R6＝6,则/>
中m＝6，第2条路的累积阻力值为
第15条路有15个节点，每个节点的单点基础阻力值分别是R1＝1,R2＝2,...,R15＝15,则/>
中m＝15，第15条路的累积阻力值为
同理可将第3-14条路对应的累计阻力值计算得到，即将15条路对应的累计阻力值计算得到，也就是所有扩散路径对应的累积阻力值计算得到，再通过公式(2)即从15条扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值
即IMCRAB＝15。/>
步骤S205：基于最小累积阻力值，确定目标区域的污染风险等级。
现有的方法中虽然有特定的“源”类，但是“源”只是定性属性，而缺少定量属性，因此“源”之间带来的污染强度是难以对比的，为了突出不同“源”景观对风险的影响，得到最小累积阻力值之后，可以基于该定量属性，确定相应的定性属性。这里，定性属性可以为污染风险等级。示例性的，污染风险等级可以包括极低，低，中等，高，极高。可以基于目标区域对应的最小累积阻力值，从而确定与最小累积阻力值匹配的目标区域的污染风险等级。
通过上述措施，可以避免人为对定性数据赋值时带来的误差，突出不同“源”景观对风险的影响分异。
在一实施例中，指定指标包括坡度系数S，坡度能够影响携带污染物转移的土壤侵蚀过程，坡度越大，土壤侵蚀越容易发生，参考相关研究将坡度转换为坡度系数S。在确定目标区域内多个扩散路径上任一节点的多种指定指标时，针对任一节点的坡度系数，获取节点对应的坡度θ，并确定与坡度对应的坡度系数S。示例性的，可以通过如下公式(3)来确定坡度系数S：
式中，S为坡度系数；坡度θ由数字高程模型(DEM)计算得到。
在一实施例中，指定指标包括植被覆盖系数C，植被覆盖在水土保持中起到重要作用，可以有效地控制水土流失引起的污染物迁移，植被覆盖的影响效应可以通过归一化差值植被指数NDVI进行量化计算。在确定目标区域内多个扩散路径上任一节点的多种指定指标时，针对任一节点，获取节点对应的归一化差值植被指数NDVI，并确定植被覆盖系数C。示例性的，可以通过如下公式(4)来确定植被覆盖系数C：
C＝exp(-(2*NDVI)/(1-NDVI)) (4)
式中，C为植被覆盖系数，NDVI为归一化差值植被指数，且归一化差值植被指数NDVI为年平均NDVI值。植被覆盖系数C与归一化差值植被指数NDVI成反比，植被覆盖系数C越大，土壤流失的阻力越小，土壤流失越严重。
在一实施例中，指定指标包括土壤可蚀性系数K，土壤可蚀性系数K通常用于量化土壤侵蚀的脆弱性，土壤可蚀性越强，土壤可蚀性系数K越大，土壤可蚀性系数K主要取决于土壤中砂、粉砂、粘土和有机质的含量。在确定目标区域内多个扩散路径上任一节点的多种指定指标时，针对任一节点，获取节点对应的多种土壤成分参数，多种土壤成分参数包括：砂土含量SAN(％)、粉砂土含量SIL(％)、粘土含量CLA(％)、土壤有机碳含量OC(％)以及土壤有机质含量OM(％)。根据多种土壤成分参数，确定土壤可蚀性系数K。示例性的，可以通过如下公式(5)来确定土壤可蚀性系数K：
式中，K为土壤可蚀性系数，SAN为砂土含量(％)，SIL为粉砂土含量(％)，CLA为粘土含量(％)，OC为土壤有机碳含量(％)，OM为土壤有机质含量(％)。本实施例中根据0.58的模数，即OC/OM＝0.58来计算土壤有机碳含量OC(％)。
在一实施例中，指定指标包括降雨侵蚀力系数Ryear，在确定目标区域内多个扩散路径上任一节点的多种指定指标时，针对任一节点，获取节点对应的年降雨量系数P和月降雨量系数Pi，根据年降雨量系数P和月降雨量系数Pi，确定降雨侵蚀力系数Ryear。示例性的，可以通过如下公式(6)来确定降雨侵蚀力系数Ryear：
式中，Ryear为年降雨侵蚀力系数，MJ·mm·hm-2·h-1·a-1；P为年降雨量系数，mm；Pi为月降雨量系数，mm，i代表月份，例如P1为1月的降雨量系数。
在一实施例中，指定指标包括地形湿润指数CI，在确定目标区域内多个扩散路径上任一节点的多种指定指标时，针对任一节点，获取节点对应的单位等高线长的汇水面积α、以及局部坡度角β，根据单位等高线长的汇水面积α、以及局部坡度角β，确定地形湿润指数CI。示例性的，可以通过如下公式(7)来确定地形湿润指数CI：
CI＝In(α/tanβ) (7)
式中，CI为地形湿润指数，α为单位等高线长的汇水面积，β为局部坡度角。
上述指定指标中的参数可以通过统计的数据以及实地采样的数据获取，此处不做限定。
在一实施例中，针对每一归一化指定指标，可以根据归一化指定指标的空间标准差，以及归一化指定指标的空间标准差的总和，确定归一化指定指标对应的权重Wk。示例性的，可以通过如下公式(8)来确定归一化指定指标对应的权重Wk：
式中，Wk为归一化指定指标对应的权重，σk为归一化指定指标的空间标准差，n为归一化指定指标的数量。
通过上述实施例，可以确定归一化指定指标对应的权重。
在一实施例中，在针对任一节点，根据节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到节点的单点基础阻力值时，通过针对任一节点，获取节点的第一数字高程模型数据，以及节点在扩散路径内的上游节点的第二数字高程模型数据之后，需要判断第一数字高程模型数据是否大于第二数字高程模型数据，若是，确定节点的单点基础阻力值为无穷大，面源污染无法扩散，该节点与上游节点所处的扩散路径无法扩散，在后续计算最小累积阻力值时，该节点所在的扩散路径会被排除。这种情况下，可以返回上述步骤，重新获取其它节点的第一数字高程模型数据，以及其它节点在扩散路径内的上游节点的第二数字高程模型数据。若否，说明该节点与上游节点所处的扩散路径可以扩散，继续计算该节点的累积阻力值以及该节点所在的扩散路径的最小累积阻力值。
在一实施例中，在基于最小累积阻力值，确定目标区域的污染风险等级时，先确定最小累积阻力值在目标区域对应的目标农田类型，再根据目标农田类型对应的输出系数，以及最小累积阻力，确定目标区域的污染风险等级RISKA。示例性的，可以通过如下公式(9)来确定污染风险等级RISKA：
RISKA＝100*PA/IMCRAB (9)
式中，RISKA为污染风险等级，PA目标农田类型对应的输出系数，IMCRAB为最小累积阻力。
其中，输出系数可以由相关文献研究和现场调研确定。在一实施例中，水稻、玉米、棉花、冬小麦夏大豆、冬小麦夏玉米的农田的输出系数分别为19.40、11.34、12.66、25.40、26.04。如确定目标农田类型为水稻，则对应的输出系数PA＝19.40。在得到农业面源污染风险之后，参考相关研究，采用自然裂变法，结合实地情况对污染风险进行分级，将风险等级划分为五级：极低，低，中等，高，极高。污染风险等级RISK A越大，则表示污染汇入河流的阻力越大，风险越小；污染风险等级RISK A越小，则表示汇入河流的阻力越小，风险越大。
通过上述实施例，可以确定目标区域的污染风险等级。
图3为本申请另一实施例提供的农业面源污染风险识别方法的流程示意图。如图3所示，该方法可以包括以下步骤S301-S310。
步骤S301：确定目标区域内多个扩散路径上任一节点的多种指定指标，并对多种指定指标分别进行归一化处理，获得多种归一化指定指标；其中，扩散路径为目标区域内农田向河流污染扩散的路径。
根据上述实施例可以确定目标区域内多个扩散路径上任一节点的多种指定指标，多种指定指标包括：坡度系数S、植被覆盖系数C、土壤可蚀性系数K、降雨侵蚀力系数Ryear和地形湿润指数CI，并对多种指定指标通过线性归一化方法分别进行归一化处理，获得多种归一化指定指标。
步骤S302：针对每一归一化指定指标，根据归一化指定指标的空间标准差，以及归一化指定指标的空间标准差的总和，确定归一化指定指标对应的权重。
根据步骤S301得到的多种归一化指定指标，针对每一归一化指定指标，根据归一化指定指标的空间标准差σk，本实施例中，k可取1、2、3、4、5，其分别表示坡度系数S、植被覆盖系数C、土壤可蚀性系数K、降雨侵蚀力系数Ryear和地形湿润指数CI，例如σ1为坡度系数S的空间标准差，σ2为植被覆盖系数C的空间标准差，以此类推，此处不做赘述，以及归一化指定指标的空间标准差的总和
n为归一化指定指标的数量，本实施例中n为5，通过公式(8)可以确定归一化指定指标对应的权重Wk。其中，归一化指定指标的空间标准差σk可以通过Arcgis软件统计得到。
步骤S303：针对任一节点，获取节点的第一数字高程模型数据，以及节点在扩散路径内的上游节点的第二数字高程模型数据。
针对任一节点，获取节点的第一数字高程模型数据，以及节点在扩散路径内的上游节点的第二数字高程模型数据，其中，上游节点为路径传播过程中的上一相邻节点。
步骤S304：判断第一数字高程模型数据是否大于第二数字高程模型数据。
根据步骤S303获取的节点的第一数字高程模型数据以及上游节点的第二数字高程模型数据，判断第一数字高程模型数据是否大于第二数字高程模型数据。若是，执行步骤S305；若否，执行步骤S306-S310。
步骤S305：确定节点的单点基础阻力值为无穷大。
如步骤S304所述，若第一数字高程模型数据大于第二数字高程模型数据，则确定节点的单点基础阻力值R为无穷大，面源污染无法扩散，则返回执行步骤303，针对其他任一节点，重新获取其他任一节点的第一数字高程模型数据，以及其他任一节点在扩散路径内的上游节点的第二数字高程模型数据，执行步骤S304，直到第一数字高程模型数据小于第二数字高程模型数据为止。
步骤S306：针对任一节点，根据节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到节点的单点基础阻力值。
如步骤S304所述，若第一数字高程模型数据小于第二数字高程模型数据，则说明污染物随地表径流扩散的过程中，从高处向低处流动，符合面源污染扩散的实际情况。详见上述实施例步骤S202所述，此处不做赘述。
步骤S307：针对每一扩散路径，根据扩散路径内所有节点的单点基础阻力值，确定扩散路径对应的累积阻力值。
步骤S308：从多个扩散路径的累积阻力值中，确定目标区域对应的最小累积阻力值。
步骤S307、步骤S308详见上述实施例步骤S203、步骤S204所述，此处不做赘述。
步骤S309：确定最小累积阻力值在目标区域对应的目标农田类型。
不同的农田类型对应有不同的种植结构，如水稻、玉米、棉花、冬小麦夏大豆、冬小麦夏玉米，此处不做限定。根据步骤S308确定的目标区域对应的最小累积阻力值，从而确定最小累积阻力值在目标区域对应的目标农田类型。
步骤S310：根据目标农田类型对应的输出系数，以及最小累积阻力，确定目标区域的污染风险等级。
根据目标农田类型对应的输出系数PA，以及最小累积阻力IMCRAB，通过公式(9)可以确定目标区域的污染风险等级RISKA。
图4为本申请一实施例提供的农业面源污染的指标示意图，从图4中可看出多种指定指标、土壤质地以及农作物类型对农业面源污染的影响。
图5为本申请一实施例提供的农业面源污染风险等级示意图。从图5中可以看出，高风险区主要沿河流分布，风险总体上呈现出明显的向水系方向递增的空间变化特征，距离河流越近的区域污染扩散风险越高。从空间分异性来看，东部地区和南部地区的总体面源污染阻力小，污染风险大。东部区域靠近海洋，水系发达，面源污染容易发生扩散。而在南部区域，土壤条件较好导致作物种植强度大，一年两季的种植结构产生的氮元素流失量较大，导致区域污染风险总体较高。而北部地区以一年一季作物为主，同时地势相对崎岖，污染扩散时需要经过较长路径上景观的拦截，总体面源污染阻力较大，农业面源污染的风险相对较小。
污染风险的分布与基础阻力值有所区别，即使基础阻力较小，若径流距离较长，其风险也相对较小，污染物难以进入水体；而即使是基础阻力较大却沿河流水系的地区，农业面源污染依然容易扩散进入河道。
本申请提供的改进最小累积阻力模型对农业面源污染风险的识别方法，可以使最小累积阻力模型更符合面源污染实际传播特点，避免人为对定性数据赋值时带来的误差，突出不同“源”景观对风险的影响分异。
下述为本申请装置实施例，可以用于执行本申请上述农业面源污染风险识别方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请农业面源污染风险识别方法。
图6为本申请一实施例示出的农业面源污染风险识别装置的框图。如图6所示，该装置包括归一化指定指标获取模块601，单点基础阻力值获取模块602，累积阻力值确定模块603，最小累积阻力值确定模块604，污染风险等级确定模块605。
归一化指定指标获取模块601，用于确定目标区域内多个扩散路径上任一节点的多种指定指标，并对所述多种指定指标分别进行归一化处理，获得多种归一化指定指标；其中，所述扩散路径为所述目标区域内农田向河流污染扩散的路径。
单点基础阻力值获取模块602，用于针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值。
累积阻力值确定模块603，用于针对每一扩散路径，根据所述扩散路径内所有节点的单点基础阻力值，确定所述扩散路径对应的累积阻力值。
最小累积阻力值确定模块604，用于从多个扩散路径的累积阻力值中，确定所述目标区域对应的最小累积阻力值。
污染风险等级确定模块605，用于基于所述最小累积阻力值，确定所述目标区域的污染风险等级。
上述装置中各个模块的功能和作用的实现过程具体详见上述农业面源污染风险识别方法中对应步骤的实现过程，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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，本申请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)执行本申请各个实施例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-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (8)
1.一种农业面源污染风险识别方法，其特征在于，包括：
确定目标区域内多个扩散路径上任一节点的多种指定指标，并对所述多种指定指标分别进行归一化处理，获得多种归一化指定指标；其中，所述扩散路径为所述目标区域内农田向河流污染扩散的路径；
针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值；
针对每一扩散路径，根据所述扩散路径内所有节点的单点基础阻力值，确定所述扩散路径对应的累积阻力值；
从多个扩散路径的累积阻力值中，确定所述目标区域对应的最小累积阻力值；
基于所述最小累积阻力值，确定所述目标区域的污染风险等级；
在所述针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值之前，所述方法还包括：针对每一归一化指定指标，根据所述归一化指定指标的空间标准差，以及所述归一化指定指标的空间标准差的总和，使用公式
确定所述归一化指定指标对应的权重，式中，Wk为归一化指定指标对应的权重，σk为归一化指定指标的空间标准差，n为归一化指定指标的数量；
所述针对任一节点，根据所述节点的多种归一化指定指标，以及每一归一化指定指标对应的权重，加权求和得到所述节点的单点基础阻力值，包括：针对任一节点，获取所述节点的第一数字高程模型数据，以及所述节点在扩散路径内的上游节点的第二数字高程模型数据，判断所述第一数字高程模型数据是否大于第二数字高程模型数据，若是，确定所述节点的单点基础阻力值为无穷大。
2.根据权利要求1所述的方法，其特征在于，所述指定指标包括坡度系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的坡度，并确定与所述坡度对应的坡度系数。
3.根据权利要求1所述的方法，其特征在于，所述指定指标包括植被覆盖系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的归一化差值植被指数；
根据所述归一化差值植被指数，确定所述植被覆盖系数。
4.根据权利要求1所述的方法，其特征在于，所述指定指标包括土壤可蚀性系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的多种土壤成分参数；
根据所述多种土壤成分参数，确定所述土壤可蚀性系数。
5.根据权利要求1所述的方法，其特征在于，所述指定指标包括降雨侵蚀力系数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的年降雨量系数和月降雨量系数；
根据所述年降雨量系数和所述月降雨量系数，确定所述降雨侵蚀力系数。
6.根据权利要求1所述的方法，其特征在于，所述指定指标包括地形湿润指数；
所述确定目标区域内多个扩散路径上任一节点的多种指定指标，包括：
针对任一节点，获取所述节点对应的单位等高线长的汇水面积、以及局部坡度角；
根据所述单位等高线长的汇水面积、以及局部坡度角，确定所述地形湿润指数。
7.根据权利要求1所述的方法，其特征在于，所述基于所述最小累积阻力值，确定所述目标区域的污染风险等级，包括：
确定所述最小累积阻力值在所述目标区域对应的目标农田类型；
根据所述目标农田类型对应的输出系数，以及所述最小累积阻力，确定所述目标区域的污染风险等级。
8.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-7任意一项所述的农业面源污染风险识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210301292.7A CN114662930B (zh) | 2022-03-24 | 2022-03-24 | 一种农业面源污染风险识别方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210301292.7A CN114662930B (zh) | 2022-03-24 | 2022-03-24 | 一种农业面源污染风险识别方法及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114662930A CN114662930A (zh) | 2022-06-24 |
| CN114662930B true CN114662930B (zh) | 2023-03-24 |
Family
ID=82030487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210301292.7A Active CN114662930B (zh) | 2022-03-24 | 2022-03-24 | 一种农业面源污染风险识别方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114662930B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340534A (zh) * | 2016-05-03 | 2017-11-10 | 中国石油化工股份有限公司 | 一种基于三维地形坡度坡向的观测系统炮点优化设计方法 |
| CN107563647A (zh) * | 2017-09-05 | 2018-01-09 | 郑州大学 | 强干扰区域基于河流主导生态环境功能分区的环境流量界定方法 |
| CN107563617A (zh) * | 2017-08-17 | 2018-01-09 | 中国石油天然气股份有限公司 | 一种确定油气运移路径上的油气量的方法及装置 |
| CN109933901A (zh) * | 2019-03-13 | 2019-06-25 | 福州大学 | 一种生态系统服务价值最优化的mcr城市扩张模拟方法 |
| CN113011992A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103675232B (zh) * | 2013-11-22 | 2015-08-19 | 河海大学 | 一种基于土壤冻融过程的流域涵蓄水能力测算方法 |
| CN105844073B (zh) * | 2016-01-20 | 2019-03-26 | 重庆师范大学 | 一种面源污染的源/汇景观识别方法及装置 |
| CN109784769B (zh) * | 2019-02-19 | 2020-12-22 | 北京市农林科学院 | 一种农业面源污染风险识别方法 |
| CN111882182A (zh) * | 2020-07-13 | 2020-11-03 | 黄河水利委员会黄河水利科学研究院 | 一种适用于灌区的农业非点源污染风险诊断方法 |
| CN112001610B (zh) * | 2020-08-12 | 2024-04-26 | 裴晓菲 | 农业面源污染的处理方法及装置 |
| CN112766664B (zh) * | 2020-12-31 | 2023-05-23 | 中国科学院生态环境研究中心 | 基于gis平台的城市面源污染风险识别方法及装置 |
| CN113158385A (zh) * | 2021-03-15 | 2021-07-23 | 北京农业信息技术研究中心 | 一种农业面源污染关键源区识别方法及系统 |
| CN113240257A (zh) * | 2021-04-30 | 2021-08-10 | 陕西华地勘察设计咨询有限公司 | 一种基于最小累积阻力模型的国土空间分区方法和装置 |
| CN113868732B (zh) * | 2021-08-25 | 2023-05-02 | 中国水利水电科学研究院 | 一种流域生态廊道安全格局构建布局方法 |
-
2022
- 2022-03-24 CN CN202210301292.7A patent/CN114662930B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340534A (zh) * | 2016-05-03 | 2017-11-10 | 中国石油化工股份有限公司 | 一种基于三维地形坡度坡向的观测系统炮点优化设计方法 |
| CN107563617A (zh) * | 2017-08-17 | 2018-01-09 | 中国石油天然气股份有限公司 | 一种确定油气运移路径上的油气量的方法及装置 |
| CN107563647A (zh) * | 2017-09-05 | 2018-01-09 | 郑州大学 | 强干扰区域基于河流主导生态环境功能分区的环境流量界定方法 |
| CN109933901A (zh) * | 2019-03-13 | 2019-06-25 | 福州大学 | 一种生态系统服务价值最优化的mcr城市扩张模拟方法 |
| CN113011992A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114662930A (zh) | 2022-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Niraula et al. | Identifying critical source areas of nonpoint source pollution with SWAT and GWLF | |
| Shi et al. | Effects of land-use and climate change on hydrological processes in the upstream of Huai River, China | |
| Shen et al. | Relating landscape characteristics to non-point source pollution in a typical urbanized watershed in the municipality of Beijing | |
| Bracmort et al. | Modeling long-term water quality impact of structural BMPs | |
| Khawaldah | A prediction of future land use/land cover in Amman area using GIS-based Markov Model and remote sensing | |
| Mahapatra et al. | Assessing variability of infiltration characteristics and reliability of infiltration models in a tropical sub-humid region of India | |
| Santra et al. | Pedotransfer functions for soil hydraulic properties developed from a hilly watershed of Eastern India | |
| Qi et al. | Developing a decision support tool for assessing land use change and BMPs in ungauged watersheds based on decision rules provided by SWAT simulation | |
| Dash et al. | Rainfall erosivity and erosivity density in Eastern Ghats Highland of east India | |
| Zhou et al. | A soil erosion assessment of the upper Mekong River in Yunnan Province, China | |
| Aryal et al. | Assessing and mitigating the hydrological impacts of urbanisation in semi-urban catchments using the storm water management model | |
| Miheretu et al. | Estimating soil loss for sustainable land management planning at the Gelana sub-watershed, northern highlands of Ethiopia | |
| Chilagane et al. | Impact of land use and land cover changes on surface runoff and sediment yield in the Little Ruaha River Catchment | |
| Makinde et al. | Geoinformatic assessment of urban heat island and land use/cover processes: a case study from Akure | |
| Chen et al. | Study on streamflow response to land use change over the upper reaches of Zhanghe Reservoir in the Yangtze River basin | |
| Yang et al. | Evaluation of soil loss change after Grain for Green Project in the Loss Plateau: a case study of Yulin, China | |
| Jiao et al. | Mapping lateral and longitudinal hydrological connectivity to identify conservation priority areas in the water-holding forest in Honghe Hani Rice Terraces World Heritage Site | |
| Getachew et al. | Impacts of Land‐Use Change on the Hydrology of Lake Tana Basin, Upper Blue Nile River Basin, Ethiopia | |
| Yasarer et al. | Characterizing ponds in a watershed simulation and evaluating their influence on streamflow in a Mississippi watershed | |
| Msaddek et al. | Hydrological modeling of upper OumErRabia basin (Morocco), comparative study of the event-based and continuous-process HEC-HMS model methods | |
| de Lima Moraes et al. | Steady infiltration rate spatial modeling from remote sensing data and terrain attributes in southeast Brazil | |
| Wang et al. | Changes in soil erosion and sediment transport based on the RUSLE model in Zhifanggou watershed, China | |
| Jiang et al. | Characterizing basin-scale precipitation gradients in the Third Pole region using a high-resolution atmospheric simulation-based dataset | |
| Zhao et al. | Exploring the impact of landscape changes on runoff under climate change and urban development: Implications for landscape ecological engineering in the Yangmei River Basin | |
| Nguyen et al. | Soil erosion response to land use change in a mountainous rural area of Son La Province of Vietnam |
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 |