CN116166669A - 水污染溯源方法、装置、设备及存储介质 - Google Patents
水污染溯源方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116166669A CN116166669A CN202310198632.2A CN202310198632A CN116166669A CN 116166669 A CN116166669 A CN 116166669A CN 202310198632 A CN202310198632 A CN 202310198632A CN 116166669 A CN116166669 A CN 116166669A
- Authority
- CN
- China
- Prior art keywords
- information
- source
- point
- determining
- tracing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003911 water pollution Methods 0.000 title claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 208
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 135
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 102
- 238000013499 data model Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims abstract description 17
- 230000015556 catabolic process Effects 0.000 claims description 24
- 238000006731 degradation reaction Methods 0.000 claims description 24
- 239000003344 environmental pollutant Substances 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 14
- 238000005192 partition Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000001556 precipitation Methods 0.000 claims description 9
- 238000011835 investigation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 239000002071 nanotube Substances 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2237—Vectors, bitmaps or matrices
-
- 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
- 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
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于地理信息技术领域,公开了一种水污染溯源方法、装置、设备及存储介质。该方法包括:当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;根据溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;根据上游监测点超标情况信息确定水质异常河段和汇水区;根据水质异常河段和汇水区确定嫌疑源信息;根据嫌疑源信息生成溯源分析结果信息。通过上述方式,通过建立溯源空间拓扑数据模型确定上游监测点的超标情况信息,最后根据超标情况信息确定嫌疑源信息,最后基于嫌疑源信息生成溯源分析结果信息,完成污染的溯源,提高了水污染溯源的准确性,并且不需要更多硬件设备实现了大范围的实时监测和溯源。
Description
技术领域
本发明涉及地理信息技术领域,尤其涉及一种水污染溯源方法、装置、设备及存储介质。
背景技术
水环境直接关系我们的生存环境和生活品质,现在企业工厂、农业源都会产生各种各样废水然后通过排口或管网直接或间接地排入到地表河流水中,造成水环境污染,甚至威胁饮用水安全。而水质自动站能实现水质的实时、连续监测和远程监控,能自动化完成多种监测因子的指标监测分析并远程反馈给数据中心,以便于及时掌握水体水质状况,以及应对突然污染事故的扩散及溯源分析,消除安全隐患,有效保障水环境安全。
现有的水污染溯源方法包括有推理模型法、水质指纹法,定量反演算法,水动力模型法,又或者结合物联网监测设备进行监测跟踪,虽然方法多样,但是都存在各种不足之处,有的算法复杂导致可操作性低、实时性差,有的则需要大量硬件设备,需要人工参与核算,和详细污染源数据做分析,不但成本高,适用范围小如只能建立在工业园区、或单个汇水区等局部范围内,难以形成在城市级别的整体水系网络中,没法建立包括工业源、农业源等多类污染源的溯源体系。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种水污染溯源方法、装置、设备及存储介质,旨在解决现有技术对于水污染溯源需要大量设备且实用性差范围小的技术问题。
为实现上述目的,本发明提供了一种水污染溯源方法,所述方法包括以下步骤:
当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;
根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;
根据所述上游监测点超标情况信息确定水质异常河段和汇水区;
根据所述水质异常河段和所述汇水区确定嫌疑源信息;
根据所述嫌疑源信息生成溯源分析结果信息。
可选的,所述根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息之前,还包括:
获取水质监测数据库、污染源数据库和水系空间地图数据;
根据所述水质监测数据库、所述污染源数据库和所述水系空间地图数据得到河流矢量地图数据;
根据所述河流矢量地图数据进行河流分段,得到河段流向信息和分割点信息;
根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型。
可选的,所述根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型,包括:
根据所述河段流向信息和所述分割点信息确定几何拓扑网络;
根据所述几何拓扑网络确定河段上下游关系信息;
根据所述河段上下游关系信息确定河段编号信息;
根据所述河流矢量地图数据确定排污去向信息、汇水区信息和位置距离信息;
根据所述几何拓扑网络、所述排污去向信息、所述汇水区信息、所述位置距离信息构建溯源空间拓扑数据模型。
可选的,所述根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息,包括:
调用溯源空间拓扑数据模型;
根据所述溯源点和所述溯源空间拓扑数据模型确定所述溯源点的上游水质监测点;
根据所述上游水质监测点确定上游监测点超标情况信息。
可选的,所述根据所述上游水质监测点确定上游监测点超标情况信息,包括:
根据所述上游水质监测点确定污染源流经时间信息;
获取各上游水质监测点对应的超标阈值、河段流量值和污染源降解系数;
根据所述超标阈值、所述河段流量值和所述污染源降解系数确定污染源超标值;
根据所述污染源流经时间信息和所述污染源超标值确定上游监测点超标情况信息。
可选的,所述根据所述水质异常河段和所述汇水区确定嫌疑源信息,包括:
根据所述水质异常河段和所述溯源空间拓扑数据模型确定嫌疑区域和干支流等级信息;
根据所述嫌疑区域和所述干支流等级信息确定嫌疑点源;
根据所述汇水区和所述溯源空间拓扑数据模型确定嫌疑面源;
根据所述嫌疑点源和所述嫌疑面源确定嫌疑源信息。
可选的,所述根据所述嫌疑源信息生成溯源分析结果信息,包括:
根据所述嫌疑源信息确定各嫌疑点源的监测点河段长度、监测点流速、监测点流量和监测点降解系数;
根据所述监测点河段长度、所述监测点流速、所述监测点流量和所述监测点降解系数计算各嫌疑点源对溯源点的点影响系数;
根据所述影响系数确定溯源目标点源;
根据所述嫌疑源信息确定各嫌疑面源的面源面积、面源养殖量、所在地气象降水量、污染物流失率和个体排放量;
根据所述面源面积、所述面源养殖量、所述所在地气象降水量、所述污染物流失率和所述个体排放量计算嫌疑面源对溯源点的面影响系数;
根据所述面影响系数确定溯源目标面源;
根据所述溯源目标点源和所述溯源目标面源生成溯源分析结果信息。
此外,为实现上述目的,本发明还提出一种水污染溯源装置,所述水污染溯源装置包括:
异常监测模块,用于当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;
超标分析模块,用于根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;
河段确定模块,用于根据所述上游监测点超标情况信息确定水质异常河段和汇水区;
嫌疑源确定模块,用于根据所述水质异常河段和所述汇水区确定嫌疑源信息;
溯源分析模块,用于根据所述嫌疑源信息生成溯源分析结果信息。
此外,为实现上述目的,本发明还提出一种水污染溯源设备,所述水污染溯源设备包括: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水污染溯源程序,所述水污染溯源程序配置为实现如上文所述的水污染溯源方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有水污染溯源程序,所述水污染溯源程序被处理器执行时实现如上文所述的水污染溯源方法的步骤。
本发明当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;根据所述上游监测点超标情况信息确定水质异常河段和汇水区;根据所述水质异常河段和所述汇水区确定嫌疑源信息;根据所述嫌疑源信息生成溯源分析结果信息。通过这种方式,实现了实时监测水源异常时,通过建立溯源空间拓扑数据模型确定上游监测点的超标情况信息,最后根据超标情况信息确定嫌疑源信息,最后基于嫌疑源信息生成溯源分析结果信息,完成污染的溯源,提高了水污染溯源的准确性,并且不需要更多硬件设备实现了大范围的实时监测和溯源。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的水污染溯源设备的结构示意图;
图2为本发明水污染溯源方法第一实施例的流程示意图;
图3为本发明水污染溯源方法一实施例中的溯源查询流程图;
图4为本发明水污染溯源方法第二实施例的流程示意图;
图5为本发明水污染溯源方法一实施例中的水系溯源空间拓扑数据模型构建流程图;
图6为本发明水污染溯源方法一实施例中的水系溯源空间拓扑图示意图;
图7为本发明水污染溯源装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的水污染溯源设备结构示意图。
如图1所示,该水污染溯源设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对水污染溯源设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及水污染溯源程序。
在图1所示的水污染溯源设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明水污染溯源设备中的处理器1001、存储器1005可以设置在水污染溯源设备中,所述水污染溯源设备通过处理器1001调用存储器1005中存储的水污染溯源程序,并执行本发明实施例提供的水污染溯源方法。
本发明实施例提供了一种水污染溯源方法,参照图2,图2为本发明一种水污染溯源方法第一实施例的流程示意图。
本实施例中,所述水污染溯源方法包括以下步骤:
步骤S10:当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点。
需要说明的是,本实施例的执行主体为一个服务器,可以为云服务器也可以为实体服务器,或者也可以为具有数据处理能力的智能终端,包括但不限于智能电脑、智能手机。
应理解的是,水系在空间上存在上下游的线性关系,和独立的汇水区空间范围。汇水区内的面源和点源的污染物,沿着沟渠、管网在排口汇入到河流中,并在水流的作用下持续移动和扩散。近十多年来在全国各地已经建立了比较完善的水质监测系统,包括水质自动站、手工断面等,部分地区还研究部署水质微站等监测设备进行监测。污染源方面也基本已经建立了相关数据库,包括纳管企业和污水处理厂、在线监控企业、排口调查数据、污染源普查数据,以及农田、养殖场等农业源多项数据,根据污染源的排污去向与空间位置信息可以准确的关联到对应的水系沟渠中。水质自动站监测到相关污染源数据异常时,从所在水体往上游查找河段,再根据河段找到疑似的污染源,并根据监测数据和排放数据分析其相关性。利用水系网络数据,结合已建立的水质自动监测站、污染源空间数据库,构建完善的空间网络拓扑模型,基于自动站的实时监测数据进行预警和溯源查询,从自动站到河流水系,再到污染源,并进行来源分析和相关性分析,从而得到可疑污染源,不需要额外的监测设备硬投入,基于自动站实现自动预警和发起溯源,根据水网络与自动站、污染源的空间拓扑关系分析判断查询到可以污染源。
在具体实施中,当自动站、手工监测或加密监测等监测数据超标、异常,确定存在监测数据异常,然后发起溯源,并将异常检测数据发生的部位作为溯源点,即为D0。
步骤S20:根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息。
需要说明的是,当确定了溯源点之后,再调用预先建立的溯源拓扑数据模型确定异常检测点对应的上游监测点的超标情况相关信息。
进一步的,为了准确的确定上游监测点超标情况信息,步骤S20包括:调用溯源空间拓扑数据模型;根据所述溯源点和所述溯源空间拓扑数据模型确定所述溯源点的上游水质监测点;根据所述上游水质监测点确定上游监测点超标情况信息。
应理解的是,溯源空间拓扑数据模型是预先设定和建立的几何拓扑模型。
在具体实施中,上游水质监测点的确定过程为:根据溯源空间拓扑数据,找到溯源点干流上游所有水质监测站点:Di(根据气象及水文数据,如河段存在潮汐倒流则查找下游河段水质监测点作为上游水质监测点)。
需要说明的是,上游监测点超标情况信息指的是溯源点推算上游监测点的污染超标值等信息。
通过这种方式,实现了通过调用溯源空间拓扑数据模型对溯源点进行分析处理,从而得到溯源点对应的所有上游水质监测点,最后分析得到各个上游监测点的超标情况信息。
进一步的,为了确定上游监测点超标情况信息,根据所述上游水质监测点确定上游监测点超标情况信息的步骤包括:根据所述上游水质监测点确定污染源流经时间信息;获取各上游水质监测点对应的超标阈值、河段流量值和污染源降解系数;根据所述超标阈值、所述河段流量值和所述污染源降解系数确定污染源超标值;根据所述污染源流经时间信息和所述污染源超标值确定上游监测点超标情况信息。
应理解的是,污染源流经时间信息的处理过程为:计算污染源在上个监测点的时间:根据各个河段的流速rVi和距离rLi,求算流经耗时Ti=rLi/rVi,汇总河段用时T=∑(T1,T2,……Ti),按溯源点时刻T0倒退总耗时得到上一监测点污染源流经时间dTi= T0-T。
在具体实施中,首先获取各个上游水质监测点的超标阈值,以及对应河段的流量值和预先设定的污染源降解系数,再根据超标阈值、河段流量值和污染源降解系数计算污染源超标值,具体过程为:推算每个河段流入污染源超标值:一般各个监测点超标值标准不完全相同,根据溯源点设定的超标值、河段流量及污染源降解系数反算上游河段理论超标值,从上游汇入河段数量为n(只有同级河流的河段则数量为1),其中河段i的流量为rFi,上游i河段流入r河段的污染源浓度值Ci,从污染物数据库中获取污染物降解系数k(优先使用专家综合评估值、其次实验室值、经验值等),根据河段流量rF0、长度rL0、流速rVi,河段末端(下游溯源监测点)污染物浓度值C0,Ci= C0*rFi/rF0+ rFi*rLi/rVi*k,每个河段依次计算直至上游监测点关联河段,根据监测点沿程排序,沿当前干流向上游逐个查询,查找到上游的第一个未超标的监测点(该点往上游则为正常河段)。
需要说明的是,最终将污染源流经时间信息和污染源超标值分别对应到各个上游监测点,从而得到上游监测点超标情况信息。
通过这种方式,实现了基于上游监测点确定污染源流经时间信息以及计算上游监测点的污染源超标值,从而可以得到各个上游监测点的超标情况。
步骤S30:根据所述上游监测点超标情况信息确定水质异常河段和汇水区。
应理解的是,根据上述上游未超标点至下游溯源点区间的干流河段为异常河段,如上游所有监测点均超标,或上游没有监测点位,则溯源点上游所有干流河段为异常河段,得到这些河段的RiverOID。
在具体实施中,根据溯源空间拓扑数据,每条支流按沿程排序从下游向上游查询监测点的监测值与超标状态,找到未超标监测点,则该点往下游至干流汇流点,至溯源点区间河段为异常河段,排除该点上游所有河段。如果支流监测点位均不超标,或支流上没有监测点,则整个支流判断为嫌疑河段。如支流上有二级支流,则在二级支流上执行该查询,二级支流上的支流同理。确定水质异常河段及汇水区:汇总干流及各支流上的所有嫌疑河段RiverOID,根据河段对应汇水区,锁定水质异常汇水区BASINID。在地图上分别绘制出对应的河流和汇水区。
步骤S40:根据所述水质异常河段和所述汇水区确定嫌疑源信息。
需要说明的是,嫌疑源信息指的是根据水质异常河段以及汇水区分析得到的可能造成污染的嫌疑点源和嫌疑面源。
应理解的是,根据溯源空间拓扑数据和嫌疑区域,按河段的干支流等级依次从上游开始查询每个河段上的点源对象,从而得到嫌疑点源。
在具体实施中,汇水区范围内查询各面源对象及其汇流点,从而可以得到在汇水区中的各个嫌疑面源。
通过这种方式,得到了可能造成污染的嫌疑点源和嫌疑面源,从而实现了基于溯源空间拓扑数据模型按照河流进行溯源,准确的锁定嫌疑点源和嫌疑面源。
步骤S50:根据所述嫌疑源信息生成溯源分析结果信息。
需要说明的是,当得到嫌疑源信息之后,再分别根据嫌疑源信息中的嫌疑点源和嫌疑面源进行溯源分析,得到最终锁定的溯源目标点源和溯源目标面源。
进一步的,为了得到溯源分析结果信息,步骤S50包括:根据所述嫌疑源信息确定各嫌疑点源的监测点河段长度、监测点流速、监测点流量和监测点降解系数;根据所述监测点河段长度、所述监测点流速、所述监测点流量和所述监测点降解系数计算各嫌疑点源对溯源点的点影响系数;根据所述影响系数确定溯源目标点源;根据所述嫌疑源信息确定各嫌疑面源的面源面积、面源养殖量、所在地气象降水量、污染物流失率和个体排放量;根据所述面源面积、所述面源养殖量、所述所在地气象降水量、所述污染物流失率和所述个体排放量计算嫌疑面源对溯源点的面影响系数;根据所述面影响系数确定溯源目标面源;根据所述溯源目标点源和所述溯源目标面源生成溯源分析结果信息。
应理解的是,点源按数据情况分为三类,一是有污染排放监测数据的点源:包括纳管企业、在线监测企业及排口,二是其他来源数据主要包括企业用电监测数据和信访数据等,第三类是没有动态数据来源的其他点源。以下根据监测点河段长度rLi、流速rVi、流量rFi及降解系数k等计算其影响系数。优先分析第一类数据,如存在超标则列为重点关注排查对象,监测到的排放量为x,并按照排口与河段的关系(包括距离、河段流量、流速及降解系数)依次计算其每段河末端影响系数a=x*rFi/rF0- rFi*rLi/rVi*k,依次累计排口到监测点所有河段值得到该污染源对监测点的影响系数,记录为一级影响;其次分析信访数据中污染源信息和用电异常企业,如线索包含超标因子相关污染排放信息或产污排污信息中包含监测因子,记录为二级影响,并根据污染源河段位置计算到监测点距离计算a= 1*rFi/rF0- rFi*rLi/rVi*k,依次累计排口到监测点所有河段值得到该污染源对监测点的影响系数并进行排序。其他点源则根据监测点超标因子结合各污染源产废、排污信息,再根据污染源河段位置计算其影响系数,方法同上,记录为三级影响。每类结果中按排序取影响最大的n个点源作为重点关注排查对象,在地图上绘制这些污染源点位作为溯源目标点源。
在具体实施中,溯源目标面源的计算方式为:根据面源面积S或养殖量M,所在地气象降水量P、污染物流失率e或个体排放量d,并根据其到下游最近监测点数据,及其污染因子理化过程,计算嫌疑面源对溯源点的影响系数,其中耕地类型面源入河量y=S*P*e,养殖类面源入河量y= M*P*d,根据污染源到监测点河段长度rLi、流速rVi、流量rFi及降解系数k等计算其影响系数a= y*rFi/rF0- rFi*rLi/rVi*k,把影响系数最大的n个面源作为重点关注排查对象,也就是溯源目标面源,并在地图上绘制这些面源区域及其对应汇流点。
需要说明的是,当得到溯源目标点源和溯源目标面源之后,输出关注排查重点污染源、溯源目标点源、溯源目标面源信息,包括位置与河段、排放数据等,依此给出排查建议、加密监测方案。至此,本实施例的污染溯源过程如图3所示。
本实施例通过当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;根据所述上游监测点超标情况信息确定水质异常河段和汇水区;根据所述水质异常河段和所述汇水区确定嫌疑源信息;根据所述嫌疑源信息生成溯源分析结果信息。通过这种方式,实现了实时监测水源异常时,通过建立溯源空间拓扑数据模型确定上游监测点的超标情况信息,最后根据超标情况信息确定嫌疑源信息,最后基于嫌疑源信息生成溯源分析结果信息,完成污染的溯源,提高了水污染溯源的准确性,并且不需要更多硬件设备实现了大范围的实时监测和溯源。
参考图4,图4为本发明一种水污染溯源方法第二实施例的流程示意图。
基于上述第一实施例,本实施例水污染溯源方法在所述步骤S20之前,还包括:
步骤S201:获取水质监测数据库、污染源数据库和水系空间地图数据。
需要说明的是,水质监测数据库:包括水质自动站、手工断面、加密监测等水质监测站点数,内容包含其监测对象(监测的河流或湖库的名称),地理坐标位置,监测的各项污染物因子及监测记录、超标规则指标等数据信息。
应理解的是,污染源数据库:污染源点源对象包括污水处理厂和纳管企业,以及排口,在线监测企业、直排企业,及其排口。内容包含以上各类污染源的基本信息、经纬度坐标、产废信息、排污许可证信息,企业用电数据,信访数据,排污去向(排入河流)、在线监测数据(各项污染源排放监测)等。污染源面源数:使用遥感反演的土地利用数据地图空间数据,包括居民区、农田、养殖场、耕地、草地、林地等,包含面源类型、面积(人数、养殖数、流失率、个体排放量等)、产废排污数据等基础信息,以及面源的汇流点或排口,生活污水排口和雨水排口等。污染物数据:主要包括各类污染源的基本物理、化学属性,降解系、扩散系数(包含专家综合评估值、实验室值、经验值和历史数据)等。
在具体实施中,水系空间地图数据包括:河流水系中心线矢量数据,即河流、沟渠以及湖泊水库的中心及分支矢量地图数据,包含水系名称、干支流等级,长度、河宽、流向、流量,流速数据对接水利局相关单位实时水文数据等;汇水区矢量数据:各河段最小汇水单元矢量地图数据,包含流域名称、汇水区编码,汇水面积等;其他水系相关矢量地图数据,如雨污管网等。地形数据:15米dem地形数据,包含地形高程信息。
步骤S202:根据所述水质监测数据库、所述污染源数据库和所述水系空间地图数据得到河流矢量地图数据。
应理解的是,当得到了水质监测数据库、污染源数据库和水系空间地图数据之后,再将水质监测数据库、污染源数据库和水系空间地图数据汇总,得到河流矢量地图数据。
步骤S203:根据所述河流矢量地图数据进行河流分段,得到河段流向信息和分割点信息。
在具体实施中,把河段按河流交汇点进行分割、同时得到分割河段和分割点(交汇点)。根据监测点坐标位置,结合监测对象水系名称,对河流进行二次分段,即把河流按监测点位置划分上下游河段,同时得到分割后的河段和分割点,把所有河段进行编号得到河段编号RiverOID,并计算河段长度RLDIST。
步骤S204:根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型。
需要说明的是,当得到了河段流向信息和分割点信息之后,再建立几何拓扑网络,然后根据上下游关系信息和河段编号信息结合几何拓扑网络构建溯源拓扑数据模型。
进一步的,为了得到溯源拓扑数据模型,步骤S204包括:根据所述河段流向信息和所述分割点信息确定几何拓扑网络;根据所述几何拓扑网络确定河段上下游关系信息;根据所述河段上下游关系信息确定河段编号信息;根据所述河流矢量地图数据确定排污去向信息、汇水区信息和位置距离信息;根据所述几何拓扑网络、所述排污去向信息、所述汇水区信息、所述位置距离信息构建溯源空间拓扑数据模型。
应理解的是,首先计算每个河段的上游河流信息,根据河流方向和河流名称,按河流识别其汇入河流PHYDROID。再河段关联汇水区信息,通过空间位置把河段对应的汇水区编号BASINID进行记录。通过DEM(数字高程模型)计算每个汇水区内各个河段的基础流量。根据河段流向(矢量几何方向)和分割点、构建几何拓扑网络RiverNET。在几何网络RiverNET中通过GIS计算各河段的上游UpStreamFind及下游河段DownStreamFind。根据河段上下游关系计算每条河流内各个河段的顺序RLORDER。监测点位依据监测对象信息和空间位置信息关联河段编号RiverOID。以河流作为对象,依据河流河段的流向(矢量几何方向)对河流各监测点进行沿程排序,得到河流站点排序号HLZDPX。污染源/排口根据排污去向信息、空间坐标位置,所在汇水区,确定其排入河段编号RiverOID,并计算其到河段的距离NEAR_DIST,以及其在河段的相对位置距离RDDIST。污染源面源数据,存在入河汇流点,则根据点位关联河段编码RiverOID,如无则根据其地形和空间位置关联汇水区编码BASINID、河段编码RiverOID。
在具体实施中,得到的溯源空间拓扑数据模型之后,模型构建过程如图5所示,在溯源空间拓扑数据模型中维护了水系溯源空间拓扑图(如图6),用于后续查询上游水质监测点。
通过这种方式,实现了准确的构建溯源空间拓扑数据模型,使得后续对于水污染的溯源过程可以利用溯源空间拓扑数据模型以及其中的水系溯源空间拓扑图,提高了溯源的准确性和便利性。
本实施例通过获取水质监测数据库、污染源数据库和水系空间地图数据;根据所述水质监测数据库、所述污染源数据库和所述水系空间地图数据得到河流矢量地图数据;根据所述河流矢量地图数据进行河流分段,得到河段流向信息和分割点信息;根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型。通过这种方式,实现了首先通过水质监测数据库、污染源数据库和水系空间地图数据构建完整的基础数据部分,然后汇总得到河流矢量地图数据,然后通过河段流向信息和分割点信息构建溯源拓扑数据模型,使得模型更加完整,并且通过溯源拓扑数据模型进行水污染溯源更加准确和高效,且不需要更多硬件支持。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有水污染溯源程序,所述水污染溯源程序被处理器执行时实现如上文所述的水污染溯源方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不一一赘述。
参照图7,图7为本发明水污染溯源装置第一实施例的结构框图。
如图7所示,本发明实施例提出的水污染溯源装置包括:
异常监测模块10,用于当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点。
超标分析模块20,用于根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息。
河段确定模块30,用于根据所述上游监测点超标情况信息确定水质异常河段和汇水区。
嫌疑源确定模块40,用于根据所述水质异常河段和所述汇水区确定嫌疑源信息。
溯源分析模块50,用于根据所述嫌疑源信息生成溯源分析结果信息。
本实施例通过当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;根据所述上游监测点超标情况信息确定水质异常河段和汇水区;根据所述水质异常河段和所述汇水区确定嫌疑源信息;根据所述嫌疑源信息生成溯源分析结果信息。通过这种方式,实现了实时监测水源异常时,通过建立溯源空间拓扑数据模型确定上游监测点的超标情况信息,最后根据超标情况信息确定嫌疑源信息,最后基于嫌疑源信息生成溯源分析结果信息,完成污染的溯源,提高了水污染溯源的准确性,并且不需要更多硬件设备实现了大范围的实时监测和溯源。
在一实施例中,所述超标分析模块20,还用于获取水质监测数据库、污染源数据库和水系空间地图数据;根据所述水质监测数据库、所述污染源数据库和所述水系空间地图数据得到河流矢量地图数据;根据所述河流矢量地图数据进行河流分段,得到河段流向信息和分割点信息;根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型。
在一实施例中,所述超标分析模块20,还用于根据所述河段流向信息和所述分割点信息确定几何拓扑网络;根据所述几何拓扑网络确定河段上下游关系信息;根据所述河段上下游关系信息确定河段编号信息;根据所述河流矢量地图数据确定排污去向信息、汇水区信息和位置距离信息;根据所述几何拓扑网络、所述排污去向信息、所述汇水区信息、所述位置距离信息构建溯源空间拓扑数据模型。
在一实施例中,所述超标分析模块20,还用于调用溯源空间拓扑数据模型;根据所述溯源点和所述溯源空间拓扑数据模型确定所述溯源点的上游水质监测点;根据所述上游水质监测点确定上游监测点超标情况信息。
在一实施例中,所述超标分析模块20,还用于根据所述上游水质监测点确定污染源流经时间信息;获取各上游水质监测点对应的超标阈值、河段流量值和污染源降解系数;根据所述超标阈值、所述河段流量值和所述污染源降解系数确定污染源超标值;根据所述污染源流经时间信息和所述污染源超标值确定上游监测点超标情况信息。
在一实施例中,所述嫌疑源确定模块40,还用于根据所述水质异常河段和所述溯源空间拓扑数据模型确定嫌疑区域和干支流等级信息;根据所述嫌疑区域和所述干支流等级信息确定嫌疑点源;根据所述汇水区和所述溯源空间拓扑数据模型确定嫌疑面源;根据所述嫌疑点源和所述嫌疑面源确定嫌疑源信息。
在一实施例中,所述溯源分析模块50,还用于根据所述嫌疑源信息确定各嫌疑点源的监测点河段长度、监测点流速、监测点流量和监测点降解系数;根据所述监测点河段长度、所述监测点流速、所述监测点流量和所述监测点降解系数计算各嫌疑点源对溯源点的点影响系数;根据所述影响系数确定溯源目标点源;根据所述嫌疑源信息确定各嫌疑面源的面源面积、面源养殖量、所在地气象降水量、污染物流失率和个体排放量;根据所述面源面积、所述面源养殖量、所述所在地气象降水量、所述污染物流失率和所述个体排放量计算嫌疑面源对溯源点的面影响系数;根据所述面影响系数确定溯源目标面源;根据所述溯源目标点源和所述溯源目标面源生成溯源分析结果信息。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的水污染溯源方法,此处不再赘述。
此外,需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述 实施例方法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,但很多情况下前者是更佳的实施方式。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(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种水污染溯源方法,其特征在于,所述水污染溯源方法包括:
当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;
根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;
根据所述上游监测点超标情况信息确定水质异常河段和汇水区;
根据所述水质异常河段和所述汇水区确定嫌疑源信息;
根据所述嫌疑源信息生成溯源分析结果信息。
2.如权利要求1所述的方法,其特征在于,所述根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息之前,还包括:
获取水质监测数据库、污染源数据库和水系空间地图数据;
根据所述水质监测数据库、所述污染源数据库和所述水系空间地图数据得到河流矢量地图数据;
根据所述河流矢量地图数据进行河流分段,得到河段流向信息和分割点信息;
根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型。
3.如权利要求2所述的方法,其特征在于,所述根据所述河段流向信息和所述分割点信息构建溯源空间拓扑数据模型,包括:
根据所述河段流向信息和所述分割点信息确定几何拓扑网络;
根据所述几何拓扑网络确定河段上下游关系信息;
根据所述河段上下游关系信息确定河段编号信息;
根据所述河流矢量地图数据确定排污去向信息、汇水区信息和位置距离信息;
根据所述几何拓扑网络、所述排污去向信息、所述汇水区信息、所述位置距离信息构建溯源空间拓扑数据模型。
4.如权利要求1所述的方法,其特征在于,所述根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息,包括:
调用溯源空间拓扑数据模型;
根据所述溯源点和所述溯源空间拓扑数据模型确定所述溯源点的上游水质监测点;
根据所述上游水质监测点确定上游监测点超标情况信息。
5.如权利要求4所述的方法,其特征在于,所述根据所述上游水质监测点确定上游监测点超标情况信息,包括:
根据所述上游水质监测点确定污染源流经时间信息;
获取各上游水质监测点对应的超标阈值、河段流量值和污染源降解系数;
根据所述超标阈值、所述河段流量值和所述污染源降解系数确定污染源超标值;
根据所述污染源流经时间信息和所述污染源超标值确定上游监测点超标情况信息。
6.如权利要求1所述的方法,其特征在于,所述根据所述水质异常河段和所述汇水区确定嫌疑源信息,包括:
根据所述水质异常河段和所述溯源空间拓扑数据模型确定嫌疑区域和干支流等级信息;
根据所述嫌疑区域和所述干支流等级信息确定嫌疑点源;
根据所述汇水区和所述溯源空间拓扑数据模型确定嫌疑面源;
根据所述嫌疑点源和所述嫌疑面源确定嫌疑源信息。
7.如权利要求1所述的方法,其特征在于,所述根据所述嫌疑源信息生成溯源分析结果信息,包括:
根据所述嫌疑源信息确定各嫌疑点源的监测点河段长度、监测点流速、监测点流量和监测点降解系数;
根据所述监测点河段长度、所述监测点流速、所述监测点流量和所述监测点降解系数计算各嫌疑点源对溯源点的点影响系数;
根据所述影响系数确定溯源目标点源;
根据所述嫌疑源信息确定各嫌疑面源的面源面积、面源养殖量、所在地气象降水量、污染物流失率和个体排放量;
根据所述面源面积、所述面源养殖量、所述所在地气象降水量、所述污染物流失率和所述个体排放量计算嫌疑面源对溯源点的面影响系数;
根据所述面影响系数确定溯源目标面源;
根据所述溯源目标点源和所述溯源目标面源生成溯源分析结果信息。
8.一种水污染溯源装置,其特征在于,所述水污染溯源装置包括:
异常监测模块,用于当监测到水体存在监测数据异常时,根据异常监测数据确定溯源点;
超标分析模块,用于根据所述溯源点和溯源空间拓扑数据模型确定上游监测点超标情况信息;
河段确定模块,用于根据所述上游监测点超标情况信息确定水质异常河段和汇水区;
嫌疑源确定模块,用于根据所述水质异常河段和所述汇水区确定嫌疑源信息;
溯源分析模块,用于根据所述嫌疑源信息生成溯源分析结果信息。
9.一种水污染溯源设备,其特征在于,所述设备包括: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水污染溯源程序,所述水污染溯源程序配置为实现如权利要求1至7中任一项所述的水污染溯源方法。
10.一种存储介质,其特征在于,所述存储介质上存储有水污染溯源程序,所述水污染溯源程序被处理器执行时实现如权利要求1至7任一项所述的水污染溯源方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310198632.2A CN116166669A (zh) | 2023-03-03 | 2023-03-03 | 水污染溯源方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310198632.2A CN116166669A (zh) | 2023-03-03 | 2023-03-03 | 水污染溯源方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116166669A true CN116166669A (zh) | 2023-05-26 |
Family
ID=86420018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310198632.2A Pending CN116166669A (zh) | 2023-03-03 | 2023-03-03 | 水污染溯源方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116166669A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484153A (zh) * | 2023-06-20 | 2023-07-25 | 北京泰豪智能工程有限公司 | 一种基于卫星物联网的环境监测方法 |
CN117273221A (zh) * | 2023-09-21 | 2023-12-22 | 中节能天融科技有限公司 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
CN117517608A (zh) * | 2023-11-14 | 2024-02-06 | 生态环境部海河流域北海海域生态环境监督管理局生态环境监测与科学研究中心 | 一种流域水污染成分溯源方法 |
CN117273221B (zh) * | 2023-09-21 | 2024-06-07 | 中节能数字科技有限公司 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
-
2023
- 2023-03-03 CN CN202310198632.2A patent/CN116166669A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484153A (zh) * | 2023-06-20 | 2023-07-25 | 北京泰豪智能工程有限公司 | 一种基于卫星物联网的环境监测方法 |
CN116484153B (zh) * | 2023-06-20 | 2023-09-01 | 北京泰豪智能工程有限公司 | 一种基于卫星物联网的环境监测方法 |
CN117273221A (zh) * | 2023-09-21 | 2023-12-22 | 中节能天融科技有限公司 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
CN117273221B (zh) * | 2023-09-21 | 2024-06-07 | 中节能数字科技有限公司 | 基于邻间断面特征分析的河段异常排放预警方法及装置 |
CN117517608A (zh) * | 2023-11-14 | 2024-02-06 | 生态环境部海河流域北海海域生态环境监督管理局生态环境监测与科学研究中心 | 一种流域水污染成分溯源方法 |
CN117517608B (zh) * | 2023-11-14 | 2024-04-16 | 生态环境部海河流域北海海域生态环境监督管理局生态环境监测与科学研究中心 | 一种流域水污染成分溯源方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021174751A1 (zh) | 基于大数据的污染源定位方法、装置、设备及存储介质 | |
CN116166669A (zh) | 水污染溯源方法、装置、设备及存储介质 | |
Shen et al. | Relating landscape characteristics to non-point source pollution in a typical urbanized watershed in the municipality of Beijing | |
CN107315912B (zh) | 一种中小树枝型河道污染物浓度预测及纳污能力计算方法 | |
CN112001610A (zh) | 农业面源污染的处理方法及装置 | |
CN109522645B (zh) | 用于河流流域的水质模拟方法及系统 | |
CN110457816A (zh) | 一种面源污染监测评估方法及装置 | |
CN111310327A (zh) | 一种基于削减量模型的水环境达标定量化设计方法 | |
CN113139757A (zh) | 污染源排污量化分析方法及装置 | |
CN114169266A (zh) | 一种河流污染源解析和污染物运移计算方法及系统 | |
CN113158385A (zh) | 一种农业面源污染关键源区识别方法及系统 | |
Yasarer et al. | Characterizing ponds in a watershed simulation and evaluating their influence on streamflow in a Mississippi watershed | |
CN111077280B (zh) | 一种基于河网的农村污水处理设施与水质监测站点间的溯源分析方法 | |
Li et al. | Research on optimal control of non-point source pollution: a case study from the Danjiang River basin in China | |
CN112287613B (zh) | 针对流域水环境控制断面的污染物削减方法 | |
CN114814135B (zh) | 一种基于多元监测的河流水质污染溯源方法及系统 | |
Wang et al. | TMDL development for the Taihu Lake’s influent rivers, China using variable daily load expressions | |
Huang et al. | Investigation of point source and non-point source pollution for Panjiakou Reservoir in North China by modelling approach | |
CN113361114B (zh) | 一种基于径流路径的多尺度面源污染物入河系数测算方法 | |
Wu et al. | Research on water environmental capacity accounting of the Yongzhou Section of Xiangjiang River Basin based on the SWAT-EFDC coupling model | |
CN115330239A (zh) | 基于swmm模型的农业面源污染风险评估关键源区识别方法 | |
CN113158591A (zh) | 一种确定流域土地开发利用承载力的方法 | |
CN114324800A (zh) | 一种排水管道来水监测方法及其系统、存储介质 | |
Zhang et al. | Intelligent flood disaster forecasting based on improved neural network algorithm | |
Zhao et al. | Development of water basin pollution emission inventory: a preliminary literature review and Its implication for China |
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 |