CN116305757A - 一种基于swat和plus分析不同情景下农业面源污染的方法 - Google Patents

一种基于swat和plus分析不同情景下农业面源污染的方法 Download PDF

Info

Publication number
CN116305757A
CN116305757A CN202211650276.5A CN202211650276A CN116305757A CN 116305757 A CN116305757 A CN 116305757A CN 202211650276 A CN202211650276 A CN 202211650276A CN 116305757 A CN116305757 A CN 116305757A
Authority
CN
China
Prior art keywords
data
land utilization
swat
model
soil
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
Application number
CN202211650276.5A
Other languages
English (en)
Inventor
李海明
郑昊
郝春沣
杜军凯
仇亚琴
贾玲
刘海滢
邢西刚
王慧杰
郑成鑫
吕向林
董颢
王嘉浩
李昕阳
徐琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University of Science and Technology
China Institute of Water Resources and Hydropower Research
China Renewable Energy Engineering Institute
Original Assignee
Tianjin University of Science and Technology
China Institute of Water Resources and Hydropower Research
China Renewable Energy Engineering Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University of Science and Technology, China Institute of Water Resources and Hydropower Research, China Renewable Energy Engineering Institute filed Critical Tianjin University of Science and Technology
Priority to CN202211650276.5A priority Critical patent/CN116305757A/zh
Publication of CN116305757A publication Critical patent/CN116305757A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于SWAT和PLUS分析不同情景下农业面源污染的方法，属于生态环境修复领域。本发明精确识别不同土地利用情景下研究区农业面源的关键源区以及污染物数量的变化，量化分析不同土地利用情景下农业面源污染的变化量，可为区域农业面源污染防治及土地利用优化提供决策参考，支撑区域生态环境修复。本发明具有如下特点：一是机理性强，采用具有物理机制的SWAT模型，能够实现对农业面源污染的量化模拟；二是适用范围广，适用于不同土地利用情景、不同气候水文条件、不同污染状况，也可应用于缺少面源污染物观测资料的地区；三是精度较高，实现了不同情景下面源污染的来源、迁移、转化等过程模拟和平衡分析，具有较好的精度和可靠性。

Description

一种基于SWAT和PLUS分析不同情景下农业面源污染的方法
技术领域
本发明属于生态环境修复领域，具体涉及一种基于SWAT和PLUS分析不同情景下农业面源污染的方法。
背景技术
现有技术包括AGNPS模型、USLE方程的应用、降雨量插值法等。AGNPS模型基于SCS水文模型、USLE土壤侵蚀模型的基础上，能够长期连续的模拟流域的面源污染，但是AGNPS模型不考虑污染物平衡，对结果具有一定的影响。USLE方程与水文模型有机结合起来，完成了径流和总氮之间的关系表达的构建，但是USLE方程更适用于雨量充沛的地区。降雨量插值法对流域非点源污染负荷作出估算，但是需要较多的水文水质资料。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种基于SWAT和PLUS分析不同情景下农业面源污染的方法，以解决农业面源污染的模拟问题。
(二)技术方案
为了解决上述技术问题，本发明提出一种基于SWAT和PLUS分析不同情景下农业面源污染的方法，该方法包括如下步骤：
S1、建立空间数据库
空间数据库包括：高程数据、土地利用数据以及土壤类型数据；
S2、建立属性数据库
属性数据库包括：土壤参数库和气象数据库；
S3、SWAT模型的建立和运行
S31、划分子流域
将研究区的经过投影的高程图加载入SWAT模型，进行初始化设置，再加载入研究区的数字水系图，基于高程图计算流向和流量，设定最小子流域面积15000ha，生成河网，结合数字水系图对生成的河网进行校正，并根据河网确定流域总出口，随后将研究区划分为若干个个子流域；
S32、水文响应单元的划分
完成子流域划分后，进行水文响应单元的划分，使每个水文响应单元具有单一的土地利用类型、土壤以及坡度；
S33、写表：将制备好的站点文件输入到SWAT模型中，SWAT模型通过站点文件与各个气象数据建立联系，将降雨量、气温、相对湿度、风速、日照时数制备相应的站点文件，并将站点文件与上述数据放在一个单独的文件夹里，完成上述过程后进行写表；
S34、面源污染输入：对研究区的作物种类、耕作方式以及施肥种类进行深入了解得知研究区作物种类，并根据研究区的施肥种类和数量进行折纯计算，在SWAT模型的肥料库中设置新的肥料种类，并结合实际情况在农田水文响应单元上设置施肥时间与施肥数量，拓展到流域内的其它水文响应单元上，并更新文件；
S35、运行模型：模型设置完成后，在SWATSimlation中，将预热期设置为两年，输出尺度设置为月，执行SetupSWATRun和RunSWAT，将结果录入SWATOutput.mdb中，将模拟河道的结果保存到Scenarions目录下，便于后续率定验证；
S36、对SWAT模型进行率定验证以及参数的敏感性分析：SWAT模型率定采用SWATCUP2012软件，将工程中Default中的TXTOUT导入，选取SUFI-2方法进行率定验证；
S4、利用建立好的SWAT模型进行模拟和面源污染特征的时空演变分析；
S5、建立PLUS模型，对流域未来的土地利用情况进行预测。
(三)有益效果
本发明提出一种基于SWAT和PLUS分析不同情景下农业面源污染的方法，本发明精确识别不同土地利用情景下研究区农业面源的关键源区以及污染物数量的变化，量化分析不同土地利用情景下农业面源污染的变化量，可为区域农业面源污染防治及土地利用优化提供决策参考，支撑区域生态环境修复。与现有技术相比，本发明具有如下特点：一是机理性强，采用具有物理机制的SWAT模型，能够实现对农业面源污染的量化模拟；二是适用范围广，适用于不同土地利用情景、不同气候水文条件、不同污染状况，也可应用于缺少面源污染物观测资料的地区；三是精度较高，实现了不同情景下面源污染的来源、迁移、转化等过程模拟和平衡分析，具有较好的精度和可靠性。
附图说明
图1为本发明的流程图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本发明利用SWAT分布式水文模型对研究区东江湖流域进行农业面源污染关键源区识别，再将PLUS软件预测的土地利用类型放到模型中进行模拟得到未来面源污染地区的变化情况，对面源污染的变化量进行计算。
本发明的基于SWAT和PLUS分析不同情景下农业面源污染的方法包括如下步骤：
S1、建立空间数据库
空间数据库包括：高程数据、土地利用数据以及土壤类型数据。
高程数据是子流域划分和寻找出流路径的基础，土地利用数据主要用于模型计算地表产汇流，土壤类型数据主要用于计算壤中流和浅层地下水量，所以尽可能选择精度较高的高程图以及模型模拟时期内的土地利用数据和土壤类型数据。根据研究区范围的大小，选取高程数据、土地利用数据以及土壤类型数据合适的投影方式。
S2、建立属性数据库
属性数据库包括：土壤参数库和气象数据库。
根据研究需要，对土地利用数据的土地利用类型进行重分类，分成耕地、林地、草地、水域、建设用地和未利用地六种一级地类，并制备土地利用类型索引表；将研究区内的土壤类型与中国土壤数据库中的土壤类型一一对应，为了概化SWAT模型，将研究区内属性相似土壤类型合并，简化为流域内主要的土壤类型，并制备土壤类型索引表；
再根据SWAT土壤参数库中所需的参数，首先将中国土壤数据库中的对应的土壤参数添加进去，有些参数需要再通过SPAW计算和经验公式计算得出，将计算得出的参数以及新的土壤类型补充录入到SWAT2012.mdb数据库中，完成SWAT土壤参数库的构建；
气象数据库中的气象数据是模型所必需的数据，是模型水文循环的依据，对模型模拟有显著效果，气象数据包括研究区内的降雨量、最高最低温度、风速、日照时数和相对湿度，一般情况气象数据均通过国家气象站数据获得。
S3、SWAT模型的建立和运行
S31、划分子流域：将研究区的经过投影的高程图加载入SWAT模型，进行初始化设置，再加载入研究区的数字水系图，基于高程图计算流向和流量，设定最小子流域面积15000ha，生成河网，结合数字水系图对生成的河网进行校正，并根据河网确定流域总出口，随后将研究区划分为若干个个子流域。
S32、水文响应单元的划分:完成子流域划分后，进行水文响应单元的划分，使每个水文响应单元具有单一的土地利用类型、土壤以及坡度。进行划分首先要定义土地利用、土壤和坡度，分别加载土地利用图和土壤类型图，以及土地利用索引表和土壤类型索引表，并根据研究区内的高程情况划分坡度，全部进行重分类后，根据各个类别的土地利用、土壤类型和坡度的占比设置土地利用、土壤类型、坡度的阈值，最终生成若干个水文响应单元。
S33、写表：将制备好的站点文件输入到SWAT模型中，SWAT模型通过站点文件与各个气象数据建立联系，所以要将降雨量、气温、相对湿度、风速、日照时数制备相应的站点文件，并将站点文件与上述数据放在一个单独的文件夹里。完成上述过程后进行写表。
S34、面源污染输入：对研究区的作物种类、耕作方式以及施肥种类进行深入了解得知研究区主要作物种类，并根据研究区的施肥种类和数量进行折纯计算，在SWAT模型的肥料库中设置新的肥料种类，并结合实际情况在农田水文响应单元上设置施肥时间与施肥数量，拓展到流域内的其它水文响应单元上，并更新文件。
S35、运行模型：模型设置完成后，在SWATSimlation中，将预热期设置为两年，输出尺度设置为月，执行SetupSWATRun和RunSWAT，将结果录入SWATOutput.mdb中，将模拟河道的结果保存到Scenarions目录下，便于后续率定验证。
S36、对SWAT模型进行率定验证以及参数的敏感性分析：SWAT模型率定采用SWATCUP2012软件，将工程中Default中的TXTOUT导入，选取SUFI-2方法进行率定验证；
S361、首先根据研究区情况选取合适的参数进行率定，并且将月尺度的观测值分成多个部分，例如，2009-2014年进行率定，2015-2019年进行验证，先进行水量率定，再进行水质率定；
S362、率定完成后，一般用纳什效率系数NSE和线性回归系数R2来评价率定的结果和验证模型验证，为了达到模拟精度水量率定验证结果NSE尽可能在0.70以上，水质率定验证结果NSE尽可能在0.50以上，才能保证模型的输出结果具有可靠性。以下是模型验证公式：
Figure BDA0004010193770000061
Figure BDA0004010193770000062
Figure BDA0004010193770000063
式中i是第i个观测值或者模拟流量值，n是观测值或者模拟值的总数，
Figure BDA0004010193770000064
是第i个观测值，/>
Figure BDA0004010193770000065
是第i个模拟流量值，Qmean是实测流量平均值，Qavg是模拟流量平均值；PBLAS是偏差百分比，PBLAS＝0表示模型计算结果与实测值完全一致，PBLAS＜0表示模型计算结果大于实测值，PBLAS＞0表示模型计算结果小于实测值。NSE是纳什效率系数,NSE越接近于1模拟效果越理想；R2是确定性系数，越接近于1模拟效果越好。例如在东江湖流域实例中，经模型率定验证后，水量率定结果为0.80，验证结果为0.71，水质率定验证结果均高于0.5，达到模型模拟精度要求。
S4、利用建立好的SWAT模型进行模拟和面源污染特征的时空演变分析
S41、从工程目录下Scenarios文件夹中读取泥沙、总磷、总氮以及氨氮的结果，将数据导出到excel表中，并插入数据透视表，根据每个年份和各个月份的产生污染物的量，分析面源污染的时间变化特征。
S42、打开ArcMAP,将数据透视表中的数据连接到Watershed的属性表中，将数据在GIS中按照空间单元展示，以子流域为空间展示单位，对流域面源污染的空间分布特征进行分析以及对面源污染关键源区进行识别。经过分析，研究区面源污染空间分布最严重的地区是耕地和建设用地所在的子流域，时间分布上枯水期和施肥期面源污染最为严重。
S5、建立PLUS模型，对流域未来的土地利用情况进行预测
S51、收集研究区的两期土地利用图以及影响土地利用变化的驱动因素数据，主要包括社会经济数据和气候环境数据两方面，将收集到的数据全部进行投影处理，确保与之前输入的土地利用图投影方式一致，栅格也一一对应；
S52、用地扩张分析策略模块：用两期土地利用数据提取土地利用扩张部分，采用随机森林法从中随机抽取样本，并生成土地利用扩张图，然后叠加影响土地利用变化的驱动因素，运行后生成发展潜力图；
S53、CA模块设置模拟参数包括三个部分，首先输入每种土地利用类型未来的利用需求，然后在GIS中加载入研究区的两期土地利用图，用栅格计算器计算两期土地利用数据的土地利用转移矩阵，根据土地利用转移矩阵设置各个类型用地的转化情况，第三部分基于上述土地扩张图计算土地利用类型的扩张面积占总土地扩张的比率来确定每个土地利用类型的邻域权重。将上述步骤操作完后，输出模拟结果；根据PLUS模型自带的Kappa工具进行精度验证，Kappa精度达到0.8以上，即认为模型模拟达到满意效果。例如在东江湖流域具体实例中，Kappa精度达到0.9，模型模拟效果良好，并在此基础上预测研究区2035年历史趋势情景下和规划限制情景下的土地利用图。
不同情景下面源污染变化量计算示例：
将预测得到2035年的历史趋势情景下和基于规划限制情景下的土地利用图分别加载SWAT模型中，在相同条件下，根据污染物输出结果，限制情景较历史趋势情景，子流域面源污染发生改变，限制情景下氨氮和总磷较历史趋势情景下均减少，因为限制情景下耕地有所减少，且限制了建设用地的大幅度增加，控制了林地的减少和破碎化，有利于面源污染控制。根据比较结果确定，面源污染发生减少较多的子流域，是面源污染控制的关键源区，例如，在东江湖流域具体实例中，规划限制情景下氨氮较历史限制情景减少2.1t，总磷减少54.6t，减少量较大的关键源区分布在入湖区，因此调整土地利用结构对面源污染削减具有正向影响。
本发明精确识别不同土地利用情景下研究区农业面源的关键源区以及污染物数量的变化，量化分析不同土地利用情景下农业面源污染的变化量，可为区域农业面源污染防治及土地利用优化提供决策参考，支撑区域生态环境修复。与现有技术相比，本发明具有如下特点：一是机理性强，采用具有物理机制的SWAT模型，能够实现对农业面源污染的量化模拟；二是适用范围广，适用于不同土地利用情景、不同气候水文条件、不同污染状况，也可应用于缺少面源污染物观测资料的地区；三是精度较高，实现了不同情景下面源污染的来源、迁移、转化等过程模拟和平衡分析，具有较好的精度和可靠性。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，该方法包括如下步骤：
S1、建立空间数据库
空间数据库包括：高程数据、土地利用数据以及土壤类型数据；
S2、建立属性数据库
属性数据库包括：土壤参数库和气象数据库；
S3、SWAT模型的建立和运行
S31、划分子流域
将研究区的经过投影的高程图加载入SWAT模型，进行初始化设置，再加载入研究区的数字水系图，基于高程图计算流向和流量，设定最小子流域面积15000ha，生成河网，结合数字水系图对生成的河网进行校正，并根据河网确定流域总出口，随后将研究区划分为若干个个子流域；
S32、水文响应单元的划分
完成子流域划分后，进行水文响应单元的划分，使每个水文响应单元具有单一的土地利用类型、土壤以及坡度；
S33、写表：将制备好的站点文件输入到SWAT模型中，SWAT模型通过站点文件与各个气象数据建立联系，将降雨量、气温、相对湿度、风速、日照时数制备相应的站点文件，并将站点文件与上述数据放在一个单独的文件夹里，完成上述过程后进行写表；
S34、面源污染输入：对研究区的作物种类、耕作方式以及施肥种类进行深入了解得知研究区作物种类，并根据研究区的施肥种类和数量进行折纯计算，在SWAT模型的肥料库中设置新的肥料种类，并结合实际情况在农田水文响应单元上设置施肥时间与施肥数量，拓展到流域内的其它水文响应单元上，并更新文件；
S35、运行模型：模型设置完成后，在SWATSimlation中，将预热期设置为两年，输出尺度设置为月，执行SetupSWATRun和RunSWAT，将结果录入SWATOutput.mdb中，将模拟河道的结果保存到Scenarions目录下，便于后续率定验证；
S36、对SWAT模型进行率定验证以及参数的敏感性分析：SWAT模型率定采用SWATCUP2012软件，将工程中Default中的TXTOUT导入，选取SUFI-2方法进行率定验证；
S4、利用建立好的SWAT模型进行模拟和面源污染特征的时空演变分析；
S5、建立PLUS模型，对流域未来的土地利用情况进行预测。
2.如权利要求1所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S1中，高程数据是子流域划分和寻找出流路径的基础，土地利用数据用于模型计算地表产汇流，土壤类型数据用于计算壤中流和浅层地下水量，尽可能选择精度较高的高程图以及模型模拟时期内的土地利用数据和土壤类型数据。
3.如权利要求2所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S1还包括：根据研究区范围的大小，选取高程数据、土地利用数据以及土壤类型数据合适的投影方式。
4.如权利要求1所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S2中土壤参数库的建立具体包括：
根据研究需要，对土地利用数据的土地利用类型进行重分类，分成耕地、林地、草地、水域、建设用地和未利用地六种一级地类，并制备土地利用类型索引表；将研究区内的土壤类型与中国土壤数据库中的土壤类型一一对应，将研究区内属性相似土壤类型合并，简化为流域内主要的土壤类型，并制备土壤类型索引表；
根据SWAT土壤参数库中所需的参数，首先将中国土壤数据库中的对应的土壤参数添加进去，有些参数需要再通过SPAW计算和经验公式计算得出，将计算得出的参数以及新的土壤类型补充录入到SWAT2012.mdb数据库中，完成SWAT土壤参数库的构建。
5.如权利要求1所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S2中气象数据库的建立具体包括：气象数据包括研究区内的降雨量、最高最低温度、风速、日照时数和相对湿度，气象数据均通过国家气象站数据获得。
6.如权利要求1所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S32具体包括：进行划分首先要定义土地利用、土壤和坡度，分别加载土地利用图和土壤类型图，以及土地利用索引表和土壤类型索引表，并根据研究区内的高程情况划分坡度，全部进行重分类后，根据各个类别的土地利用、土壤类型和坡度的占比设置土地利用、土壤类型、坡度的阈值，最终生成若干个水文响应单元。
7.如权利要求1-6任一项所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S36具体包括：
S361、首先根据研究区情况选取合适的参数进行率定，并且将月尺度的观测值分成多个部分进行水量率定，再进行水质率定；
S362、率定完成后，用纳什效率系数NSE和线性回归系数R2来评价率定的结果和验证模型验证，NSE尽可能在0.70以上，水质率定验证结果NSE尽可能在0.50以上，以保证模型的输出结果具有可靠性。
8.如权利要求7所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，模型验证公式为：
Figure FDA0004010193760000041
Figure FDA0004010193760000042
Figure FDA0004010193760000043
式中i是第i个观测值或者模拟流量值，n是观测值或者模拟值的总数，
Figure FDA0004010193760000044
是第i个观测值，/>
Figure FDA0004010193760000045
是第i个模拟流量值，Qmean是实测流量平均值，Qavg是模拟流量平均值；PBLAS是偏差百分比，PBLAS＝0表示模型计算结果与实测值完全一致，PBLAS＜0表示模型计算结果大于实测值，PBLAS＞0表示模型计算结果小于实测值；NSE是纳什效率系数,NSE越接近于1模拟效果越理想；R2是确定性系数，越接近于1模拟效果越好。
9.如权利要求7所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S4具体包括：
S41、从工程目录下Scenarios文件夹中读取泥沙、总磷、总氮以及氨氮的结果，将数据导出到excel表中，并插入数据透视表，根据每个年份和各个月份的产生污染物的量，分析面源污染的时间变化特征；
S42、打开ArcMAP,将数据透视表中的数据连接到Watershed的属性表中，将数据在GIS中按照空间单元展示，以子流域为空间展示单位，对流域面源污染的空间分布特征进行分析以及对面源污染关键源区进行识别。
10.如权利要求9所述的基于SWAT和PLUS分析不同情景下农业面源污染的方法，其特征在于，所述步骤S5具体包括：
S51、收集研究区的两期土地利用图以及影响土地利用变化的驱动因素数据，包括社会经济数据和气候环境数据两方面，将收集到的数据全部进行投影处理，确保与之前输入的土地利用图投影方式一致，栅格也一一对应；
S52、用地扩张分析策略模块：用两期土地利用数据提取土地利用扩张部分，采用随机森林法从中随机抽取样本，并生成土地利用扩张图，然后叠加影响土地利用变化的驱动因素，运行后生成发展潜力图；
S53、CA模块设置模拟参数包括三个部分，首先输入每种土地利用类型未来的利用需求，然后在GIS中加载入研究区的两期土地利用图，用栅格计算器计算两期土地利用数据的土地利用转移矩阵，根据土地利用转移矩阵设置各个类型用地的转化情况，基于上述土地扩张图计算土地利用类型的扩张面积占总土地扩张的比率来确定每个土地利用类型的邻域权重；将上述步骤操作完后，输出模拟结果；根据PLUS模型自带的Kappa工具进行精度验证，Kappa精度达到0.8以上，即认为模型模拟达到满意效果。
CN202211650276.5A 2022-12-21 2022-12-21 一种基于swat和plus分析不同情景下农业面源污染的方法 Pending CN116305757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211650276.5A CN116305757A (zh) 2022-12-21 2022-12-21 一种基于swat和plus分析不同情景下农业面源污染的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211650276.5A CN116305757A (zh) 2022-12-21 2022-12-21 一种基于swat和plus分析不同情景下农业面源污染的方法

Publications (1)

Publication Number Publication Date
CN116305757A true CN116305757A (zh) 2023-06-23

Family

ID=86802049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211650276.5A Pending CN116305757A (zh) 2022-12-21 2022-12-21 一种基于swat和plus分析不同情景下农业面源污染的方法

Country Status (1)

Country Link
CN (1) CN116305757A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314019A (zh) * 2023-11-28 2023-12-29 北京英视睿达科技股份有限公司 一种农业面源污染产生量评估方法
CN117455101A (zh) * 2023-09-28 2024-01-26 大连理工大学 基于代理模型的农业管理措施方案模拟方法、系统及设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455101A (zh) * 2023-09-28 2024-01-26 大连理工大学 基于代理模型的农业管理措施方案模拟方法、系统及设备
CN117314019A (zh) * 2023-11-28 2023-12-29 北京英视睿达科技股份有限公司 一种农业面源污染产生量评估方法
CN117314019B (zh) * 2023-11-28 2024-04-12 北京英视睿达科技股份有限公司 一种农业面源污染产生量评估方法

Similar Documents

Publication Publication Date Title
CN116305757A (zh) 一种基于swat和plus分析不同情景下农业面源污染的方法
Tukimat et al. Comparison of different methods in estimating potential evapotranspiration at Muda Irrigation Scheme of Malaysia
CN112288164B (zh) 一种计及空间相关性和修正数值天气预报的风功率组合预测方法
CN107563554B (zh) 一种统计降尺度模型预报因子的筛选方法
Sunil et al. Modeling future irrigation water demands in the context of climate change: a case study of Jayakwadi command area, India
CN106203671A (zh) 一种地表水质对气候变化的响应分析方法
US20240054267A1 (en) Method for planning a layout of a renewable energy site
CN116050163B (zh) 一种基于气象站的生态系统碳水通量计算方法及系统
CN111899126A (zh) 基于水循环模拟的三条红线控制指标划分方法
Tang et al. Spatial-temporal distribution of climate suitability of winter wheat in North China Plain for current and future climate scenarios
Li et al. System dynamic relationship between service water and food: Case study at Jinghe River Basin
CN115935667A (zh) 一种区域地表水资源预测模拟及其优化配置方法
CN112700349A (zh) 测风塔选址方法和装置
Chen et al. Combined effects of predicted climate and land use changes on future hydrological droughts in the Luanhe River basin, China
Vidal et al. A framework for developing high-resolution multi-model climate projections: 21st century scenarios for the UK
CN117421871A (zh) 海上风电潜力评估方法、装置和计算机设备
CN108564246B (zh) 一种农田土壤氧化亚氮温室气体排放估算方法及装置
Liu et al. Projection of reference crop evapotranspiration under future climate change in Poyang Lake watershed, China
Raghav et al. Investigations on the hydrological impacts of climate change on a river basin using macroscale model H08
Guo et al. Projections of daily mean surface temperature over the Beijing-Tianjin-Hebei region through a stepwise cluster downscaling method
Schmidt et al. Combing windpower and hydropower to decrease seasonal and inter-annual availability of renewable energy sources in Brazil
CN112767194A (zh) 一种建筑群太阳能利用潜力的分析方法
CN110991083A (zh) 一种光伏电站模型确定方法、装置、设备及储存介质
Bushenkova et al. Towards an improved representation of the urban heat island effect: a multi-scale application of XGBoost for Madrid
KR20150096099A (ko) 미래 표준 기상 데이터 산출 장치 및 그 방법

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