CN116773781A - 一种用于土壤中全氟化合物的污染分析方法、系统及介质 - Google Patents
一种用于土壤中全氟化合物的污染分析方法、系统及介质 Download PDFInfo
- Publication number
- CN116773781A CN116773781A CN202311042002.2A CN202311042002A CN116773781A CN 116773781 A CN116773781 A CN 116773781A CN 202311042002 A CN202311042002 A CN 202311042002A CN 116773781 A CN116773781 A CN 116773781A
- Authority
- CN
- China
- Prior art keywords
- soil
- pollution
- area
- monitoring
- path
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 397
- 150000001875 compounds Chemical class 0.000 title claims abstract description 101
- 238000004458 analytical method Methods 0.000 title claims abstract description 71
- 238000012544 monitoring process Methods 0.000 claims abstract description 264
- 238000009792 diffusion process Methods 0.000 claims abstract description 51
- 230000008595 infiltration Effects 0.000 claims abstract description 40
- 238000001764 infiltration Methods 0.000 claims abstract description 40
- 239000002344 surface layer Substances 0.000 claims abstract description 27
- 239000010410 layer Substances 0.000 claims description 125
- 238000004088 simulation Methods 0.000 claims description 48
- 238000000034 method Methods 0.000 claims description 30
- -1 perfluoro Chemical group 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 14
- 241000257303 Hymenoptera Species 0.000 claims description 10
- 230000035515 penetration Effects 0.000 claims description 8
- 239000003016 pheromone Substances 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 4
- 241000894007 species Species 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 244000005700 microbiome Species 0.000 description 30
- 238000013508 migration Methods 0.000 description 7
- 230000005012 migration Effects 0.000 description 7
- 238000003900 soil pollution Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000002906 microbiologic effect Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000012466 permeate Substances 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000005527 soil sampling Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000219109 Citrullus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 231100000693 bioaccumulation Toxicity 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Landscapes
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种用于土壤中全氟化合物的污染分析方法、系统及介质,在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;基于所述全氟化合物监测数据进行全氟污染浓度分析与污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,进一步计算不同区域的路径选择概率,基于预设路径算法,进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。通过本发明能够基于污染源得到高精确度的全氟化合物污染渗透路径,从而能够生成高效、有针对性的污染防治方案。
Description
技术领域
本发明涉及污染分析领域,更具体的,涉及一种用于土壤中全氟化合物的污染分析方法、系统及介质。
背景技术
土壤是生物的家园,小到一粒微生物,大至一群西瓜,全都依靠土壤来获得养料、支撑生长、遮蔽风雨,土壤对我们社会经济发展至关重要,但随着现代工业技术进步,土壤得到了大量人工污染,造成了严重的环境问题。
土壤污染的原来主要有工业排放:工业发展是土壤污染的主要原因,工业排放产生的污染物如:烟尘、污水、重金属等,直接污染地表土壤,并使水体及地下水产生污染;农药使用:越来越广泛的农药使用,在一定程度上造成了土壤污染,对土壤中的微生物造成破坏,降低养分转化率,导致土壤变质。弃置垃圾:在生活的过程中,流通的垃圾容易进入到土壤中,会引起使用危险垃圾的事件,如化学垃圾,有毒有害垃圾等,会造成重要的污染。
而全氟化合物是土壤中一种广泛存在的污染物,其是具有持久性有机污染物,具有难降解、可长距离迁移、易生物蓄积等特点,已在土壤和水体等环境介质中被广泛检出。因此,如何对土壤中的全氟化合物进行精准监测、分析、防治,是当前土壤污染分析治理的重要课题。
发明内容
本发明克服了现有技术的缺陷,提出了一种用于土壤中全氟化合物的污染分析方法、系统及介质。
本发明第一方面提供了一种用于土壤中全氟化合物的污染分析方法,包括:
基于目标土壤区域构建基于三维的地图模型;
基于地图模型进行监测点区域划分,得到多个土壤监测区域;
在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;
基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率;
基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;
基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。
本方案中,所述基于目标土壤区域构建基于三维的地图模型,具体为:
获取目标土壤区域中的区域轮廓,区域面积信息;
基于所述区域轮廓,区域面积信息构建基于二维的土壤表层模型;
基于目标土壤区域的最大监测深度,结合土壤表层模型,构建基于三维的地图模型。
本方案中,所述基于地图模型进行监测点区域划分,得到多个土壤监测区域,具体为:
获取目标土壤区域的监测点分布信息;
基于土壤监测取样点分布信息,结合地图模型进行土壤区域划分,并得到多个监测区域,每个监测区域包括一个土壤监测取样点;
基于预设区域面积范围,对多个监测区域进行区域调整,并保证每个监测区域的面积在预设区域面积范围内。
本方案中,所述在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据,具体为:
在一个监测周期,对每个土壤监测区域进行多次取样与污染检测,得到表层及不同深度下的全氟化合物监测数据;
所述全氟化合物监测数据包括全氟化合物种类信息与全氟化合物浓度信息。
本方案中,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,具体为:
随机选取一个土壤监测区域作为选定土壤监测区域;
基于选定土壤监测区域的不同深度监测点,以垂直维度将土壤监测区域划分为多个土壤深度层区域;
所述土壤深度层区域个数与所述深度监测点个数一一对应;
基于选定土壤监测区域的全氟化合物监测数据,分析每个土壤深度层区域中的全氟化合物浓度变化信息,并得到每个土壤深度层区域的浓度波动曲线;
基于所述浓度波动曲线,分析相邻两个土壤深度层区域中浓度波动曲线的线性相关度与曲线变化率,得到每个土壤深度层区域在垂直方向上的渗透速率,并将所述渗透速率标记为垂直渗透速率;
分析所有土壤监测区域,并得到所有土壤监测区域中每个土壤深度层区域的垂直渗透速率。
本方案中,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,还包括:
从选定土壤监测区域中随机获取一个土壤深度层区域并标记为当前土壤深度层区域;
基于水平方向,获取当前土壤深度层区域中的邻近区域并进行标记,得到K个邻近土壤深度层区域;
基于选定土壤监测区域的全氟化合物监测数据,分析K个邻近土壤深度层区域的全氟化合物浓度变化信息,并得到K个浓度波动曲线;
结合地图模型,以当前土壤深度层区域为中心点,分析出中心点与K个邻近土壤深度层区域在水平方向上的位置关系,并得到K个扩散方向;
分析K个浓度波动曲线与当前土壤深度层区域浓度波动曲线的线性相关度与曲线变化率,并得到K个扩散方向所对应的水平渗透速率;
分析选定土壤监测区域中其余土壤深度层区域并得到K个扩散方向所对应的水平渗透速率。
本方案中,所述基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息,具体为:
基于地图模型与目标土壤区域中所有土壤深度层区域构建路径空间模型;
基于当前土壤深度层区域的垂直渗透速率,计算出垂直路径选择概率;
基于当前土壤深度层区域中K个水平渗透速率,得到基于水平层面中的K个扩散方向的水平路径选择概率;
将当前土壤深度层区域的垂直路径选择概率、K个扩散方向、K个水平路径选择概率进行数据参数化,得到对应路径选择概率参数信息;
分析并计算出目标土壤区域中所有所有土壤深度层区域的路径选择概率参数信息;
获取目标土壤区域全氟化合物的污染源位置;
基于蚁群算法,在路径空间模型中设定N只蚂蚁,将路径选择概率参数信息导入路径空间模型中并基于水平方向与垂直方向的路径进行信息素的初始化;
以污染源位置作为起点,不设定终点位置,以蚂蚁的路径长度大于预设长度作为终止条件,进行蚁群路径移动模拟;
当N只蚂蚁完成路径移动模拟后,记录所有蚂蚁路径,得到N条模拟路径;
选择其中一条模拟路径,判断所述一条模拟路径与其余N-1条模拟路径的重合路径段,若重合路径段大于第二预设长度,则将所述一条模拟路径标记为优选模拟路径;
分析判断N条模拟路径,并得到M条优选模拟路径;
结合地图模型,将所述M条优选模拟路径进行路径融合并得到污染渗透路径信息;
基于地图模型,将污染渗透路径信息通过预设终端设备进行可视化展示。
本发明第二方面还提供了一种用于土壤中全氟化合物的污染分析系统,该系统包括:存储器、处理器,所述存储器中包括用于土壤中全氟化合物的污染分析程序,所述用于土壤中全氟化合物的污染分析程序被所述处理器执行时实现如下步骤:
基于目标土壤区域构建基于三维的地图模型;
基于地图模型进行监测点区域划分,得到多个土壤监测区域;
在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;
基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率;
基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;
基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。
本方案中,所述基于目标土壤区域构建基于三维的地图模型,具体为:
获取目标土壤区域中的区域轮廓,区域面积信息;
基于所述区域轮廓,区域面积信息构建基于二维的土壤表层模型;
基于目标土壤区域的最大监测深度,结合土壤表层模型,构建基于三维的地图模型。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括用于土壤中全氟化合物的污染分析程序,所述用于土壤中全氟化合物的污染分析程序被处理器执行时,实现如上述任一项所述的用于土壤中全氟化合物的污染分析方法的步骤。
本发明公开了一种用于土壤中全氟化合物的污染分析方法、系统及介质,在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;基于所述全氟化合物监测数据进行全氟污染浓度分析与污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,进一步计算不同区域的路径选择概率,基于预设路径算法,进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。通过本发明能够基于污染源得到高精确度的全氟化合物污染渗透路径,从而能够生成高效、有针对性的污染防治方案。
附图说明
图1示出了本发明一种用于土壤中全氟化合物的污染分析方法的流程图;
图2示出了本发明地图模型构建流程图;
图3示出了本发明土壤监测区域获取流程图;
图4示出了本发明一种用于土壤中全氟化合物的污染分析系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种用于土壤中全氟化合物的污染分析方法的流程图。
如图1所示,本发明第一方面提供了一种用于土壤中全氟化合物的污染分析方法,包括:
S102,基于目标土壤区域构建基于三维的地图模型;
S104,基于地图模型进行监测点区域划分,得到多个土壤监测区域;
S106,在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;
S108,基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率;
S110,基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;
S112,基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。
需要说明的是,所述基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案中,由于通过本发明能够基于污染源得到高精确度的全氟化合物污染渗透路径,从而能够生成高效、有针对性的污染防治方案,所述方案包括微生物、有机物、植物添加等修复防治方案。
图2示出了本发明地图模型构建流程图。
根据本发明实施例,所述基于目标土壤区域构建基于三维的地图模型,具体为:
S202,获取目标土壤区域中的区域轮廓,区域面积信息;
S204,基于所述区域轮廓,区域面积信息构建基于二维的土壤表层模型;
S206,基于目标土壤区域的最大监测深度,结合土壤表层模型,构建基于三维的地图模型。
需要说明的是,土壤表层模型可针对于浅层位置的土壤进行污染分析与可视化。所述地图模型主要用于本发明中的土壤污染渗透的三维路径分析。
图3示出了本发明土壤监测区域获取流程图。
根据本发明实施例,所述基于地图模型进行监测点区域划分,得到多个土壤监测区域,具体为:
S302,获取目标土壤区域的监测点分布信息;
S304,基于土壤监测取样点分布信息,结合地图模型进行土壤区域划分,并得到多个监测区域,每个监测区域包括一个土壤监测取样点;
S306,基于预设区域面积范围,对多个监测区域进行区域调整,并保证每个监测区域的面积在预设区域面积范围内。
需要说明的是,所述结合地图模型进行土壤区域划分具体为进行网格划分,由于土壤区域轮廓的不规则性,需要对划分后的监测区域进行形状及面积的调整,直至每个监测区域符合要求。
根据本发明实施例,所述在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据,具体为:
在一个监测周期,对每个土壤监测区域进行多次取样与污染检测,得到表层及不同深度下的全氟化合物监测数据;
所述全氟化合物监测数据包括全氟化合物种类信息与全氟化合物浓度信息。
需要说明的是,所述多次取样具体有用户设定次数,不同区域、不同污染程度的土壤其分析监测频率有所差异。
根据本发明实施例,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,具体为:
随机选取一个土壤监测区域作为选定土壤监测区域;
基于选定土壤监测区域的不同深度监测点,以垂直维度将土壤监测区域划分为多个土壤深度层区域;
所述土壤深度层区域个数与所述深度监测点个数一一对应;
基于选定土壤监测区域的全氟化合物监测数据,分析每个土壤深度层区域中的全氟化合物浓度变化信息,并得到每个土壤深度层区域的浓度波动曲线;
基于所述浓度波动曲线,分析相邻两个土壤深度层区域中浓度波动曲线的线性相关度与曲线变化率,得到每个土壤深度层区域在垂直方向上的渗透速率,并将所述渗透速率标记为垂直渗透速率;
分析所有土壤监测区域,并得到所有土壤监测区域中每个土壤深度层区域的垂直渗透速率。
需要说明的是,所述多个土壤深度层区域中,第一个土壤深度层区域即土壤的表层土壤区域。每个土壤监测区域中的深度监测点的个数与深度相同,对应的土壤深度层区域个数也相同。每一个土壤监测区域对应包括相同数量的土壤深度层区域。若目标土壤区域中土壤监测区域数为N1,一个土壤监测区域的土壤深度层区域数为N2,则目标土壤区域中一共有N1×N2个土壤深度层区域。
值得一提的是,由于地域、环境的不同,不同区域的土壤全氟化合物迁移能力存在较大差异,同时,由于土壤内部结构复杂,物质含量不确定,因此,在同一个小范围区域中,土壤内的全氟化合物渗透即污染扩散也存在不同,具体反映为不同的深度层区域,其水平与垂直方向上的渗透及扩散也不同。
通过构建地图模型,基于土壤的三维空间区域,从水平与垂直维度分析全氟化合物污染扩散影响,进而精准地分析出全氟化合物污染在土壤中的污染路径与污染影响,从而进一步实现区域性的全氟化合物污染调控。
根据本发明实施例,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,还包括:
从选定土壤监测区域中随机获取一个土壤深度层区域并标记为当前土壤深度层区域;
基于水平方向,获取当前土壤深度层区域中的邻近区域并进行标记,得到K个邻近土壤深度层区域;
基于选定土壤监测区域的全氟化合物监测数据,分析K个邻近土壤深度层区域的全氟化合物浓度变化信息,并得到K个浓度波动曲线;
结合地图模型,以当前土壤深度层区域为中心点,分析出中心点与K个邻近土壤深度层区域在水平方向上的位置关系,并得到K个扩散方向;
分析K个浓度波动曲线与当前土壤深度层区域浓度波动曲线的线性相关度与曲线变化率,并得到K个扩散方向所对应的水平渗透速率;
分析选定土壤监测区域中其余土壤深度层区域并得到K个扩散方向所对应的水平渗透速率。
需要说明的是,所述K个邻近土壤深度层区域与当前土壤深度层区域不在同一个土壤监测区域内,且K个邻近土壤深度层区域分别属于对应的K个土壤监测区域。由于土壤在边界轮廓上的不规则性,导致在同一深度层中,不同土壤监测区域对应的土壤深度层区域,其在水平方向上对应的邻近区域个数存在差异。所述K个扩散方向均为水平扩散方向。
根据本发明实施例,所述基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息,具体为:
基于地图模型与目标土壤区域中所有土壤深度层区域构建路径空间模型;
基于当前土壤深度层区域的垂直渗透速率,计算出垂直路径选择概率;
基于当前土壤深度层区域中K个水平渗透速率,得到基于水平层面中的K个扩散方向的水平路径选择概率;
将当前土壤深度层区域的垂直路径选择概率、K个扩散方向、K个水平路径选择概率进行数据参数化,得到对应路径选择概率参数信息;
分析并计算出目标土壤区域中所有所有土壤深度层区域的路径选择概率参数信息;
获取目标土壤区域全氟化合物的污染源位置;
基于蚁群算法,在路径空间模型中设定N只蚂蚁,将路径选择概率参数信息导入路径空间模型中并基于水平方向与垂直方向的路径进行信息素的初始化;
以污染源位置作为起点,不设定终点位置,以蚂蚁的路径长度大于预设长度作为终止条件,进行蚁群路径移动模拟;
当N只蚂蚁完成路径移动模拟后,记录所有蚂蚁路径,得到N条模拟路径;
选择其中一条模拟路径,判断所述一条模拟路径与其余N-1条模拟路径的重合路径段,若重合路径段大于第二预设长度,则将所述一条模拟路径标记为优选模拟路径;
分析判断N条模拟路径,并得到M条优选模拟路径;
结合地图模型,将所述M条优选模拟路径进行路径融合并得到污染渗透路径信息;
基于地图模型,将污染渗透路径信息通过预设终端设备进行可视化展示。
需要说明的是,所述路径空间模型为地图模型中的一个子模型,用于进行路径规划、预测、分析,且其分析得到的路径数据能够在地图模型中进行展示。所述将路径选择概率参数信息导入路径空间模型中并基于水平方向与垂直方向的路径进行信息素的初始化中,路径选择概率值越大,对应的信息素浓度越大,因此,蚁群在进行路径选择模拟时,概率大的路径将会聚集更多的蚂蚁,这非常符合全氟化合物在深层土壤中的移动迁移过程规律。在本发明蚁群算法中,通过不设定终点位置,改进蚁群算法结构,用于模拟全氟污染物的迁移不确定性,从而更加符合污染模拟过程。所述第二预设长度一般为预设长度的一半,预设长度为用户设定。所述预设终端设备包括移动终端设备与计算机终端设备。
在本发明中,渗透速率为反映全氟化合物在土壤中扩散速度、浓度变化等影响程度的数值指标,渗透速率越大,则对应扩散能力越强。
根据本发明实施例,还包括:
选定一个土壤监测区域并标记为当前土壤监测区域;
基于污染渗透路径信息,结合地图模型,判断污染渗透路径是否经过当前土壤监测区域;
若是,将当前土壤监测区域标记为污染监测区域;
基于污染渗透路径信息,获取其路径在污染监测区域中经过的所有土壤深度层区域,并将所述土壤深度层区域标记为污染深度层区域;
获取污染深度层区域在污染监测区域的深度信息并标记为污染深度信息;
分析目标土壤区域中的所有土壤监测区域,并得到多个污染监测区域与对应多个污染深度信息;
基于所述多个污染监测区域与多个污染深度信息形成多个微生物监测点;
对多个微生物监测点进行土壤取样与微生物检测,得到多个微生物检测信息;
基于所述微生物监测点与微生物检测信息生成基于污染监测区域的微生物治理方案。
需要说明的是,全氟化合物的渗透污染会导致土壤中微生物的群落变化,进而恶化土壤环境,因此,本发明通过分析全氟化合物的污染渗透路径在多个区域内经过的深度层区域,并基于对应深度信息,对土壤进行精准的土壤采样与分析,进而分析出合理、高效的微生物治理方案,实现对目标区域的精准化全氟污染分析与微生物治理修复,有效实现土壤绿色可持续发展的目的。所述微生物治理方案包括在微生物监测点的采样、检测、有益微生物的添加等。所述微生物检测信息包括微生物种类与浓度。
图4示出了本发明一种用于土壤中全氟化合物的污染分析系统的框图。
本发明第二方面还提供了一种用于土壤中全氟化合物的污染分析系统4,该系统包括:存储器41、处理器42,所述存储器中包括用于土壤中全氟化合物的污染分析程序,所述用于土壤中全氟化合物的污染分析程序被所述处理器执行时实现如下步骤:
基于目标土壤区域构建基于三维的地图模型;
基于地图模型进行监测点区域划分,得到多个土壤监测区域;
在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;
基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率;
基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;
基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。
需要说明的是,所述基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案中,由于通过本发明能够基于污染源得到高精确度的全氟化合物污染渗透路径,从而能够生成高效、有针对性的污染防治方案,所述方案包括微生物、有机物、植物添加等修复防治方案。
根据本发明实施例,所述基于目标土壤区域构建基于三维的地图模型,具体为:
获取目标土壤区域中的区域轮廓,区域面积信息;
基于所述区域轮廓,区域面积信息构建基于二维的土壤表层模型;
基于目标土壤区域的最大监测深度,结合土壤表层模型,构建基于三维的地图模型。
需要说明的是,土壤表层模型可针对于浅层位置的土壤进行污染分析与可视化。所述地图模型主要用于本发明中的土壤污染渗透的三维路径分析。
根据本发明实施例,所述基于地图模型进行监测点区域划分,得到多个土壤监测区域,具体为:
获取目标土壤区域的监测点分布信息;
基于土壤监测取样点分布信息,结合地图模型进行土壤区域划分,并得到多个监测区域,每个监测区域包括一个土壤监测取样点;
基于预设区域面积范围,对多个监测区域进行区域调整,并保证每个监测区域的面积在预设区域面积范围内。
需要说明的是,所述结合地图模型进行土壤区域划分具体为进行网格划分,由于土壤区域轮廓的不规则性,需要对划分后的监测区域进行形状及面积的调整,直至每个监测区域符合要求。
根据本发明实施例,所述在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据,具体为:
在一个监测周期,对每个土壤监测区域进行多次取样与污染检测,得到表层及不同深度下的全氟化合物监测数据;
所述全氟化合物监测数据包括全氟化合物种类信息与全氟化合物浓度信息。
需要说明的是,所述多次取样具体有用户设定次数,不同区域、不同污染程度的土壤其分析监测频率有所差异。
根据本发明实施例,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,具体为:
随机选取一个土壤监测区域作为选定土壤监测区域;
基于选定土壤监测区域的不同深度监测点,以垂直维度将土壤监测区域划分为多个土壤深度层区域;
所述土壤深度层区域个数与所述深度监测点个数一一对应;
基于选定土壤监测区域的全氟化合物监测数据,分析每个土壤深度层区域中的全氟化合物浓度变化信息,并得到每个土壤深度层区域的浓度波动曲线;
基于所述浓度波动曲线,分析相邻两个土壤深度层区域中浓度波动曲线的线性相关度与曲线变化率,得到每个土壤深度层区域在垂直方向上的渗透速率,并将所述渗透速率标记为垂直渗透速率;
分析所有土壤监测区域,并得到所有土壤监测区域中每个土壤深度层区域的垂直渗透速率。
需要说明的是,所述多个土壤深度层区域中,第一个土壤深度层区域即土壤的表层土壤区域。每个土壤监测区域中的深度监测点的个数与深度相同,对应的土壤深度层区域个数也相同。每一个土壤监测区域对应包括相同数量的土壤深度层区域。若目标土壤区域中土壤监测区域数为N1,一个土壤监测区域的土壤深度层区域数为N2,则目标土壤区域中一共有N1×N2个土壤深度层区域。
值得一提的是,由于地域、环境的不同,不同区域的土壤全氟化合物迁移能力存在较大差异,同时,由于土壤内部结构复杂,物质含量不确定,因此,在同一个小范围区域中,土壤内的全氟化合物渗透即污染扩散也存在不同,具体反映为不同的深度层区域,其水平与垂直方向上的渗透及扩散也不同。
通过构建地图模型,基于土壤的三维空间区域,从水平与垂直维度分析全氟化合物污染扩散影响,进而精准地分析出全氟化合物污染在土壤中的污染路径与污染影响,从而进一步实现区域性的全氟化合物污染调控。
根据本发明实施例,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,还包括:
从选定土壤监测区域中随机获取一个土壤深度层区域并标记为当前土壤深度层区域;
基于水平方向,获取当前土壤深度层区域中的邻近区域并进行标记,得到K个邻近土壤深度层区域;
基于选定土壤监测区域的全氟化合物监测数据,分析K个邻近土壤深度层区域的全氟化合物浓度变化信息,并得到K个浓度波动曲线;
结合地图模型,以当前土壤深度层区域为中心点,分析出中心点与K个邻近土壤深度层区域在水平方向上的位置关系,并得到K个扩散方向;
分析K个浓度波动曲线与当前土壤深度层区域浓度波动曲线的线性相关度与曲线变化率,并得到K个扩散方向所对应的水平渗透速率;
分析选定土壤监测区域中其余土壤深度层区域并得到K个扩散方向所对应的水平渗透速率。
需要说明的是,所述K个邻近土壤深度层区域与当前土壤深度层区域不在同一个土壤监测区域内,且K个邻近土壤深度层区域分别属于对应的K个土壤监测区域。由于土壤在边界轮廓上的不规则性,导致在同一深度层中,不同土壤监测区域对应的土壤深度层区域,其在水平方向上对应的邻近区域个数存在差异。所述K个扩散方向均为水平扩散方向。
根据本发明实施例,所述基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息,具体为:
基于地图模型与目标土壤区域中所有土壤深度层区域构建路径空间模型;
基于当前土壤深度层区域的垂直渗透速率,计算出垂直路径选择概率;
基于当前土壤深度层区域中K个水平渗透速率,得到基于水平层面中的K个扩散方向的水平路径选择概率;
将当前土壤深度层区域的垂直路径选择概率、K个扩散方向、K个水平路径选择概率进行数据参数化,得到对应路径选择概率参数信息;
分析并计算出目标土壤区域中所有所有土壤深度层区域的路径选择概率参数信息;
获取目标土壤区域全氟化合物的污染源位置;
基于蚁群算法,在路径空间模型中设定N只蚂蚁,将路径选择概率参数信息导入路径空间模型中并基于水平方向与垂直方向的路径进行信息素的初始化;
以污染源位置作为起点,不设定终点位置,以蚂蚁的路径长度大于预设长度作为终止条件,进行蚁群路径移动模拟;
当N只蚂蚁完成路径移动模拟后,记录所有蚂蚁路径,得到N条模拟路径;
选择其中一条模拟路径,判断所述一条模拟路径与其余N-1条模拟路径的重合路径段,若重合路径段大于第二预设长度,则将所述一条模拟路径标记为优选模拟路径;
分析判断N条模拟路径,并得到M条优选模拟路径;
结合地图模型,将所述M条优选模拟路径进行路径融合并得到污染渗透路径信息;
基于地图模型,将污染渗透路径信息通过预设终端设备进行可视化展示。
需要说明的是,所述路径空间模型为地图模型中的一个子模型,用于进行路径规划、预测、分析,且其分析得到的路径数据能够在地图模型中进行展示。所述将路径选择概率参数信息导入路径空间模型中并基于水平方向与垂直方向的路径进行信息素的初始化中,路径选择概率值越大,对应的信息素浓度越大,因此,蚁群在进行路径选择模拟时,概率大的路径将会聚集更多的蚂蚁,这非常符合全氟化合物在深层土壤中的移动迁移过程规律。在本发明蚁群算法中,通过不设定终点位置,改进蚁群算法结构,用于模拟全氟污染物的迁移不确定性,从而更加符合污染模拟过程。所述第二预设长度一般为预设长度的一半,预设长度为用户设定。所述预设终端设备包括移动终端设备与计算机终端设备。
在本发明中,渗透速率为反映全氟化合物在土壤中扩散速度、浓度变化等影响程度的数值指标,渗透速率越大,则对应扩散能力越强。
根据本发明实施例,还包括:
选定一个土壤监测区域并标记为当前土壤监测区域;
基于污染渗透路径信息,结合地图模型,判断污染渗透路径是否经过当前土壤监测区域;
若是,将当前土壤监测区域标记为污染监测区域;
基于污染渗透路径信息,获取其路径在污染监测区域中经过的所有土壤深度层区域,并将所述土壤深度层区域标记为污染深度层区域;
获取污染深度层区域在污染监测区域的深度信息并标记为污染深度信息;
分析目标土壤区域中的所有土壤监测区域,并得到多个污染监测区域与对应多个污染深度信息;
基于所述多个污染监测区域与多个污染深度信息形成多个微生物监测点;
对多个微生物监测点进行土壤取样与微生物检测,得到多个微生物检测信息;
基于所述微生物监测点与微生物检测信息生成基于污染监测区域的微生物治理方案。
需要说明的是,全氟化合物的渗透污染会导致土壤中微生物的群落变化,进而恶化土壤环境,因此,本发明通过分析全氟化合物的污染渗透路径在多个区域内经过的深度层区域,并基于对应深度信息,对土壤进行精准的土壤采样与分析,进而分析出合理、高效的微生物治理方案,实现对目标区域的精准化全氟污染分析与微生物治理修复,有效实现土壤绿色可持续发展的目的。所述微生物治理方案包括在微生物监测点的采样、检测、有益微生物的添加等。所述微生物检测信息包括微生物种类与浓度。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括用于土壤中全氟化合物的污染分析程序,所述用于土壤中全氟化合物的污染分析程序被处理器执行时,实现如上述任一项所述的用于土壤中全氟化合物的污染分析方法的步骤。
本发明公开了一种用于土壤中全氟化合物的污染分析方法、系统及介质,在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;基于所述全氟化合物监测数据进行全氟污染浓度分析与污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,进一步计算不同区域的路径选择概率,基于预设路径算法,进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。通过本发明能够基于污染源得到高精确度的全氟化合物污染渗透路径,从而能够生成高效、有针对性的污染防治方案。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元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,也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,本发明实施例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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种用于土壤中全氟化合物的污染分析方法,其特征在于,包括:
基于目标土壤区域构建基于三维的地图模型;
基于地图模型进行监测点区域划分,得到多个土壤监测区域;
在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;
基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率;
基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;
基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。
2.根据权利要求1所述的一种用于土壤中全氟化合物的污染分析方法,其特征在于,所述基于目标土壤区域构建基于三维的地图模型,具体为:
获取目标土壤区域中的区域轮廓,区域面积信息;
基于所述区域轮廓,区域面积信息构建基于二维的土壤表层模型;
基于目标土壤区域的最大监测深度,结合土壤表层模型,构建基于三维的地图模型。
3.根据权利要求1所述的一种用于土壤中全氟化合物的污染分析方法,其特征在于,所述基于地图模型进行监测点区域划分,得到多个土壤监测区域,具体为:
获取目标土壤区域的监测点分布信息;
基于土壤监测取样点分布信息,结合地图模型进行土壤区域划分,并得到多个监测区域,每个监测区域包括一个土壤监测取样点;
基于预设区域面积范围,对多个监测区域进行区域调整,并保证每个监测区域的面积在预设区域面积范围内。
4.根据权利要求1所述的一种用于土壤中全氟化合物的污染分析方法,其特征在于,所述在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据,具体为:
在一个监测周期,对每个土壤监测区域进行多次取样与污染检测,得到表层及不同深度下的全氟化合物监测数据;
所述全氟化合物监测数据包括全氟化合物种类信息与全氟化合物浓度信息。
5.根据权利要求4所述的一种用于土壤中全氟化合物的污染分析方法,其特征在于,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,具体为:
随机选取一个土壤监测区域作为选定土壤监测区域;
基于选定土壤监测区域的不同深度监测点,以垂直维度将土壤监测区域划分为多个土壤深度层区域;
所述土壤深度层区域个数与所述深度监测点个数一一对应;
基于选定土壤监测区域的全氟化合物监测数据,分析每个土壤深度层区域中的全氟化合物浓度变化信息,并得到每个土壤深度层区域的浓度波动曲线;
基于所述浓度波动曲线,分析相邻两个土壤深度层区域中浓度波动曲线的线性相关度与曲线变化率,得到每个土壤深度层区域在垂直方向上的渗透速率,并将所述渗透速率标记为垂直渗透速率;
分析所有土壤监测区域,并得到所有土壤监测区域中每个土壤深度层区域的垂直渗透速率。
6.根据权利要求5所述的一种用于土壤中全氟化合物的污染分析方法,其特征在于,所述基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率,还包括:
从选定土壤监测区域中随机获取一个土壤深度层区域并标记为当前土壤深度层区域;
基于水平方向,获取当前土壤深度层区域中的邻近区域并进行标记,得到K个邻近土壤深度层区域;
基于选定土壤监测区域的全氟化合物监测数据,分析K个邻近土壤深度层区域的全氟化合物浓度变化信息,并得到K个浓度波动曲线;
结合地图模型,以当前土壤深度层区域为中心点,分析出中心点与K个邻近土壤深度层区域在水平方向上的位置关系,并得到K个扩散方向;
分析K个浓度波动曲线与当前土壤深度层区域浓度波动曲线的线性相关度与曲线变化率,并得到K个扩散方向所对应的水平渗透速率;
分析选定土壤监测区域中其余土壤深度层区域并得到K个扩散方向所对应的水平渗透速率。
7.根据权利要求6所述的一种用于土壤中全氟化合物的污染分析方法,其特征在于,所述基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息,具体为:
基于地图模型与目标土壤区域中所有土壤深度层区域构建路径空间模型;
基于当前土壤深度层区域的垂直渗透速率,计算出垂直路径选择概率;
基于当前土壤深度层区域中K个水平渗透速率,得到基于水平层面中的K个扩散方向的水平路径选择概率;
将当前土壤深度层区域的垂直路径选择概率、K个扩散方向、K个水平路径选择概率进行数据参数化,得到对应路径选择概率参数信息;
分析并计算出目标土壤区域中所有所有土壤深度层区域的路径选择概率参数信息;
获取目标土壤区域全氟化合物的污染源位置;
基于蚁群算法,在路径空间模型中设定N只蚂蚁,将路径选择概率参数信息导入路径空间模型中并基于水平方向与垂直方向的路径进行信息素的初始化;
以污染源位置作为起点,不设定终点位置,以蚂蚁的路径长度大于预设长度作为终止条件,进行蚁群路径移动模拟;
当N只蚂蚁完成路径移动模拟后,记录所有蚂蚁路径,得到N条模拟路径;
选择其中一条模拟路径,判断所述一条模拟路径与其余N-1条模拟路径的重合路径段,若重合路径段大于第二预设长度,则将所述一条模拟路径标记为优选模拟路径;
分析判断N条模拟路径,并得到M条优选模拟路径;
结合地图模型,将所述M条优选模拟路径进行路径融合并得到污染渗透路径信息;
基于地图模型,将污染渗透路径信息通过预设终端设备进行可视化展示。
8.一种用于土壤中全氟化合物的污染分析系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括用于土壤中全氟化合物的污染分析程序,所述用于土壤中全氟化合物的污染分析程序被所述处理器执行时实现如下步骤:
基于目标土壤区域构建基于三维的地图模型;
基于地图模型进行监测点区域划分,得到多个土壤监测区域;
在一个预设周期内,获取土壤监测区域中的表层及不同深度下的全氟化合物监测数据;
基于所述全氟化合物监测数据进行全氟污染浓度分析与区域中污染扩散分析,得到每个土壤监测区域的水平渗透速率与垂直渗透速率;
基于每个土壤监测区域的水平渗透速率与垂直渗透速率,计算出地图空间中不同区域的路径选择概率,基于预设路径算法,结合地图模型进行全氟化合物污染路径预测,得到全氟化合物的污染渗透路径信息;
基于所述污染渗透路径信息,确定每个土壤监测区域的渗透方向与污染深度信息,基于所述渗透方向与污染深度信息生成污染防治方案。
9.根据权利要求8所述的一种用于土壤中全氟化合物的污染分析系统,其特征在于,所述基于目标土壤区域构建基于三维的地图模型,具体为:
获取目标土壤区域中的区域轮廓,区域面积信息;
基于所述区域轮廓,区域面积信息构建基于二维的土壤表层模型;
基于目标土壤区域的最大监测深度,结合土壤表层模型,构建基于三维的地图模型。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括用于土壤中全氟化合物的污染分析程序,所述用于土壤中全氟化合物的污染分析程序被处理器执行时,实现如权利要求1至7中任一项所述的用于土壤中全氟化合物的污染分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311042002.2A CN116773781B (zh) | 2023-08-18 | 2023-08-18 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311042002.2A CN116773781B (zh) | 2023-08-18 | 2023-08-18 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116773781A true CN116773781A (zh) | 2023-09-19 |
CN116773781B CN116773781B (zh) | 2023-12-05 |
Family
ID=87993408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311042002.2A Active CN116773781B (zh) | 2023-08-18 | 2023-08-18 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116773781B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011717A (zh) * | 2023-10-07 | 2023-11-07 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117172988A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 基于大数据分析的微生物修复方案生成方法及系统 |
CN117172995A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 基于微生物的污染评估分析方法、系统及存储介质 |
CN117610742A (zh) * | 2023-12-21 | 2024-02-27 | 北京建工环境修复股份有限公司 | 一种城市碳追踪分析方法、系统及存储介质 |
CN117969159A (zh) * | 2024-03-01 | 2024-05-03 | 浙江求实环境监测有限公司 | 一种基于人工智能的土壤污染检测预警系统 |
CN118094064A (zh) * | 2024-04-28 | 2024-05-28 | 中国水利水电科学研究院 | 基于消落带原位监测的污染物通量计算系统和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006349468A (ja) * | 2005-06-15 | 2006-12-28 | Ritsumeikan | 土壌汚染分布推定システム、土壌汚染分布推定方法、及び土壌汚染分布推定プログラム |
CN106709212A (zh) * | 2017-02-08 | 2017-05-24 | 广东省林业科学研究院 | 一种快速识别土壤有机碳关键输出区的多参数评价方法 |
CN108896737A (zh) * | 2018-07-03 | 2018-11-27 | 梧州市兴能农业科技有限公司 | 一种农田重金属污染在线监测预警与实时处理系统 |
KR101952610B1 (ko) * | 2018-07-20 | 2019-03-04 | 주식회사 효림 | Iot기반 오염토양 지중정화 관정의 실시간 모니터링에 의한 토양오염지역거동 모델링 시스템 |
CN110346309A (zh) * | 2019-06-09 | 2019-10-18 | 重庆工商大学融智学院 | 一种土壤重金属污染区域的预测预警方法 |
CN112417711A (zh) * | 2020-12-25 | 2021-02-26 | 上海勘察设计研究院(集团)有限公司 | 一种基于污染土结构演化的污染物迁移分析方法 |
CN115292890A (zh) * | 2022-06-29 | 2022-11-04 | 中国科学院南京土壤研究所 | 基于多源辅助数据开发的场地土壤污染物浓度三维空间预测方法 |
CN116151488A (zh) * | 2023-04-19 | 2023-05-23 | 中科三清科技有限公司 | 一种污染数据分析方法、系统及设备 |
CN116186566A (zh) * | 2023-04-27 | 2023-05-30 | 北京建工环境修复股份有限公司 | 基于深度学习的扩散预测方法及系统 |
-
2023
- 2023-08-18 CN CN202311042002.2A patent/CN116773781B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006349468A (ja) * | 2005-06-15 | 2006-12-28 | Ritsumeikan | 土壌汚染分布推定システム、土壌汚染分布推定方法、及び土壌汚染分布推定プログラム |
CN106709212A (zh) * | 2017-02-08 | 2017-05-24 | 广东省林业科学研究院 | 一种快速识别土壤有机碳关键输出区的多参数评价方法 |
CN108896737A (zh) * | 2018-07-03 | 2018-11-27 | 梧州市兴能农业科技有限公司 | 一种农田重金属污染在线监测预警与实时处理系统 |
KR101952610B1 (ko) * | 2018-07-20 | 2019-03-04 | 주식회사 효림 | Iot기반 오염토양 지중정화 관정의 실시간 모니터링에 의한 토양오염지역거동 모델링 시스템 |
CN110346309A (zh) * | 2019-06-09 | 2019-10-18 | 重庆工商大学融智学院 | 一种土壤重金属污染区域的预测预警方法 |
CN112417711A (zh) * | 2020-12-25 | 2021-02-26 | 上海勘察设计研究院(集团)有限公司 | 一种基于污染土结构演化的污染物迁移分析方法 |
CN115292890A (zh) * | 2022-06-29 | 2022-11-04 | 中国科学院南京土壤研究所 | 基于多源辅助数据开发的场地土壤污染物浓度三维空间预测方法 |
CN116151488A (zh) * | 2023-04-19 | 2023-05-23 | 中科三清科技有限公司 | 一种污染数据分析方法、系统及设备 |
CN116186566A (zh) * | 2023-04-27 | 2023-05-30 | 北京建工环境修复股份有限公司 | 基于深度学习的扩散预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
童晓霞;崔远来;赵树君;张平仓;: "基于改进的SWAT模型农业面源污染变化规律数值模拟――以赣抚平原灌区芳溪湖小流域为例", 长江科学院院报, no. 03 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011717A (zh) * | 2023-10-07 | 2023-11-07 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117011717B (zh) * | 2023-10-07 | 2023-12-19 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117172988A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 基于大数据分析的微生物修复方案生成方法及系统 |
CN117172995A (zh) * | 2023-11-02 | 2023-12-05 | 北京建工环境修复股份有限公司 | 基于微生物的污染评估分析方法、系统及存储介质 |
CN117172995B (zh) * | 2023-11-02 | 2024-01-02 | 北京建工环境修复股份有限公司 | 基于微生物的污染评估分析方法、系统及存储介质 |
CN117172988B (zh) * | 2023-11-02 | 2024-01-12 | 北京建工环境修复股份有限公司 | 基于大数据分析的微生物修复方案生成方法及系统 |
CN117610742A (zh) * | 2023-12-21 | 2024-02-27 | 北京建工环境修复股份有限公司 | 一种城市碳追踪分析方法、系统及存储介质 |
CN117610742B (zh) * | 2023-12-21 | 2024-05-03 | 北京建工环境修复股份有限公司 | 一种城市碳追踪分析方法、系统及存储介质 |
CN117969159A (zh) * | 2024-03-01 | 2024-05-03 | 浙江求实环境监测有限公司 | 一种基于人工智能的土壤污染检测预警系统 |
CN118094064A (zh) * | 2024-04-28 | 2024-05-28 | 中国水利水电科学研究院 | 基于消落带原位监测的污染物通量计算系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116773781B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116773781B (zh) | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 | |
CN116186566B (zh) | 基于深度学习的扩散预测方法及系统 | |
Guo et al. | Air pollution forecasting using artificial and wavelet neural networks with meteorological conditions | |
Kormi et al. | Estimation of fugitive landfill methane emissions using surface emission monitoring and Genetic Algorithms optimization | |
CN110598953A (zh) | 一种时空相关的空气质量预测方法 | |
CN104103005B (zh) | 一种有限条件下突发性水环境事件污染源的溯源方法 | |
CN116842350B (zh) | 一种污染场地植物修复的分析方法、系统及介质 | |
Lischke et al. | Vegetation responses to climate change in the Alps: modeling studies | |
CN116702047B (zh) | 一种地下水实时监测方法、系统及介质 | |
CN116168771B (zh) | 一种基于物联网的河流中全氟化合物污染监测方法及系统 | |
CN116384776B (zh) | 基于模糊评价的场地污染评估方法、系统及存储介质 | |
CN113267607B (zh) | 一种场地有机污染物迁移过程的特征参数识别系统 | |
CN117010217B (zh) | 基于模型分析的地下水污染可视化方法及系统 | |
CN117171223A (zh) | 一种微生物修复过程中的微生物培养方案推荐方法及系统 | |
CN117361757B (zh) | 一种水库大水面污染治理方法及系统 | |
CN113111964A (zh) | 场地污染特征分析方法、装置、电子设备和存储介质 | |
CN117172995B (zh) | 基于微生物的污染评估分析方法、系统及存储介质 | |
Beshir et al. | Trend analysis, past dynamics and future prediction of land use and land cover change in upper Wabe-Shebele river basin | |
CN117408515A (zh) | 一种耦合受体动态行为轨迹的场地污染风险评估方法 | |
CN117172996A (zh) | 一种用于生态环境修复的微生物活性识别监测方法及系统 | |
Giordani et al. | Beta diversity and similarity of lichen communities as a sign of the times | |
CN117196156B (zh) | 一种污染原位治理智能规划方法、系统及介质 | |
CN117172993B (zh) | 一种基于微生物动态分析的污染场地评估方法及系统 | |
CN117172990B (zh) | 一种地下水环境中抗生素污染迁移预测方法及系统 | |
CN116819046B (zh) | 一种农田污染智能监测方法、系统及存储介质 |
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 |