CN117172995A - 基于微生物的污染评估分析方法、系统及存储介质 - Google Patents
基于微生物的污染评估分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117172995A CN117172995A CN202311449578.0A CN202311449578A CN117172995A CN 117172995 A CN117172995 A CN 117172995A CN 202311449578 A CN202311449578 A CN 202311449578A CN 117172995 A CN117172995 A CN 117172995A
- Authority
- CN
- China
- Prior art keywords
- soil
- pollution
- water body
- area
- water
- 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
- 244000005700 microbiome Species 0.000 title claims abstract description 157
- 238000004458 analytical method Methods 0.000 title claims abstract description 121
- 238000011156 evaluation Methods 0.000 title claims abstract description 82
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 381
- 239000002689 soil Substances 0.000 claims abstract description 280
- 230000000813 microbial effect Effects 0.000 claims abstract description 98
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 238000009792 diffusion process Methods 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims description 44
- 238000003900 soil pollution Methods 0.000 claims description 38
- 238000003911 water pollution Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 30
- 210000000746 body region Anatomy 0.000 claims description 22
- 239000003016 pheromone Substances 0.000 claims description 16
- 230000009286 beneficial effect Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 12
- 241000257303 Hymenoptera Species 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000011109 contamination Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 238000013508 migration Methods 0.000 abstract description 23
- 230000005012 migration Effects 0.000 abstract description 23
- 238000011161 development Methods 0.000 abstract description 5
- 239000003344 environmental pollutant Substances 0.000 description 13
- 231100000719 pollutant Toxicity 0.000 description 13
- 230000008569 process Effects 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 2
- 239000013043 chemical agent Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了基于微生物的污染评估分析方法、系统及存储介质。通过构建土壤‑水体模型，对土壤与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，进一步确定污染源区域，根据预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径并进行综合性污染评估与调控分析，得到评估数据与区域调控方案。本发明通过有效分析土壤与水体区域的微生物差异与污染扩散差异，并进一步基于蚁群算法进行路径的高准确度模拟，形成与实际高度相仿的微生物迁移路径，并基于该路径能够有效分析出土壤与水体的微生物调控、污染防治方案等，进一步实现目标生态地区的科学化、智能化污染分析调控与绿色可持续发展。
Description
技术领域
本发明涉及数据评估领域，更具体的，涉及基于微生物的污染评估分析方法、系统及存储介质。
背景技术
随着我国工业化进程加速、城市化的大力推进以及化学品、农药等现代科技产品的使用，人类社会向自然环境排放了大量污染物，使得土壤与水体污染的总体形势异常严峻。而如何满足土壤与与水体污染防治的现实需要成为重要课题。
但受制于传统污染分析技术，对河流与水体的分析较为单一与简单，很少从微生物角度进行分析与污染防治，另外对于土壤与河流水体中的污染相互影响分析也不够精准，因此，目前亟需一种基于微生物的污染评估分析方法。
发明内容
本发明克服了现有技术的缺陷，提出了基于微生物的污染评估分析方法、系统及存储介质。
本发明第一方面提供了一种基于微生物的污染评估分析方法，包括：
获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型；
基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析；
根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径；
基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案。
本方案中，所述获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型，具体为：
获取目标地区总面积、地图轮廓、水体区域信息与土壤区域信息；
所述水体区域信息包括目标地区中河流、湖泊、水库的水体区域面积、轮廓信息；
所述土壤区域信息包括目标地区中的土壤面积、土壤轮廓、土壤性质信息；
根据所述地区总面积、地图轮廓构建初始模型；
根据所述水体区域信息与土壤区域信息对初始模型进行水体区域与土壤区域的划分与基于土壤、水体的三维可视化模型搭建，形成土壤-水体模型。
本方案中，所述基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，之前包括：
基于土壤-水体模型，对水体区域进行区域划分，得到多个水体子区域；
基于土壤-水体模型，对土壤区域进行区域划分，得到多个土壤子区域；
划分后的水体子区域与土壤子区域均保证符合监测区域标准。
本方案中，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，具体为：
在一个预设时间段内进行微生物取样监测；
在每个水体子区域中选取对应监测点进行取样与微生物检测，得到每个水体子区域的水体微生物监测数据；
在每个土壤子区域中选取对应监测点进行取样与微生物检测，得到每个土壤子区域的土壤微生物监测数据；
所述水体微生物监测数据与土壤微生物监测数据均包括微生物种类、微生物数量、微生物浓度、微生物生态菌落信息；
根据每个水体子区域的水体微生物监测数据进行水体区域中有益微生物与有害微生物的分布分析并基于预设生态标准进行生态污染分析，生成水体污染状况信息；
所述水体污染状况信息包括生态污染程度、微生物差异度；
将所述微生物差异度大于预设差异度所对应的水体子区域进行标记，得到水体污染源区域；
根据每个土壤子区域的土壤微生物监测数据进行土壤区域的微生物的分布分析与并基于预设生态标准进行生态污染分析，生成土壤污染状况信息并得到对应的土壤污染源区域。
本方案中，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，之前包括：
基于土壤-水体模型，分析各个子区域中存在水体与土壤交界的区域，并标记为交界区域；
将所述交界区域中的水体子区域标记为水体边界区域，将所述交界区域中的土壤子区域标记为土壤边界区域；
从土壤边界区域或水体边界区域中获取一个区域作为当前边界区域；
基于土壤-水体模型获取当前水体边界区域中的邻近子区域；
将所述邻近子区域的水体污染状况信息与当前水体边界区域的水体污染状况信息进行信息对比分析，分析目标包括微生物的种类、浓度的差异，并得到当前水体边界区域的第二微生物差异度；
分析所有土壤边界区域与水体边界区域，并得到对应第二微生物差异度。
本方案中，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，具体为：
基于所有土壤边界区域与水体边界区域的第二微生物差异度计算出对应区域的路径选择概率P；
基于土壤-水体模型，将全部子区域作为路径点，目标地区范围作为路径边界范围，构建基于蚁群算法的路径模型；
基于路径模型，将土壤边界区域与水体边界区域对应的路径点标记为边界路径点；
在所述路径模型中，初始化全部路径点的信息素，初始化非边界路径点的选择概率K，基于路径选择概率P初始化边界路径点的选择概率，以一个土壤污染源区域作为起点，并设置M只蚂蚁置于起点位置,每只蚂蚁基于信息素与路径点的选择概率进行下一路径点的决策与移动，并实时更新对应路径点的信息素，当M只蚂蚁均到达路径边界范围时或达到最大移动距离时，则完成一次蚁群模拟迭代；
循环进行预设次数的蚁群模拟迭代，将得到的最优路径作为基于所述一个土壤污染源区域所对应的模拟污染路径；
基于路径模型，分析其余土壤污染源区域与水体污染源区域，并得到N1条土壤模拟污染路径与N2条水体模拟污染路径；
所述N1为土壤污染源区域的个数，N2为水体污染源区域的个数。
本方案中，所述基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案，具体为：
在土壤-水体模型中，将所述土壤模拟污染路径与水体模拟污染路径进行位置映射并通过土壤-水体模型中进行可视化展示；
基于土壤-水体模型，将所有模拟污染路径覆盖的子区域进行标记，得到污染子区域；
根据所述土壤模拟污染路径与水体模拟污染路径，对目标地区的污染子区域进行基于水体与土壤的综合性污染评估，得到针对污染子区域的土壤污染评估数据与水体污染评估数据；
基于所述土壤污染评估数据与水体污染评估数据，生成污染子区域的区域调控方案。
本发明第二方面还提供了一种基于微生物的污染评估分析系统，该系统包括：存储器、处理器，所述存储器中包括基于微生物的污染评估分析程序，所述基于微生物的污染评估分析程序被所述处理器执行时实现如下步骤：
获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型；
基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析；
根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径；
基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案。
本方案中，所述获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型，具体为：
获取目标地区总面积、地图轮廓、水体区域信息与土壤区域信息；
所述水体区域信息包括目标地区中河流、湖泊、水库的水体区域面积、轮廓信息；
所述土壤区域信息包括目标地区中的土壤面积、土壤轮廓、土壤性质信息；
根据所述地区总面积、地图轮廓构建初始模型；
根据所述水体区域信息与土壤区域信息对初始模型进行水体区域与土壤区域的划分与基于土壤、水体的三维可视化模型搭建，形成土壤-水体模型。
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基于微生物的污染评估分析程序，所述基于微生物的污染评估分析程序被处理器执行时，实现如上述任一项所述的基于微生物的污染评估分析方法的步骤。
本发明公开了基于微生物的污染评估分析方法、系统及存储介质。通过构建土壤-水体模型，对土壤与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，进一步确定污染源区域，根据预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径并进行综合性污染评估与调控分析，得到评估数据与区域调控方案。本发明通过有效分析土壤与水体区域的微生物差异与污染扩散差异，并进一步基于蚁群算法进行路径的高准确度模拟，形成与实际高度相仿的微生物迁移路径，并基于该路径能够有效分析出土壤与水体的微生物调控、污染防治方案等，进一步实现目标生态地区的科学化、智能化污染分析调控与绿色可持续发展。
附图说明
图1示出了本发明一种基于微生物的污染评估分析方法的流程图；
图2示出了本发明土壤-水体模型构建流程图；
图3示出了本发明子区域获取流程图；
图4示出了本发明一种基于微生物的污染评估分析系统的框图。
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示出了本发明一种基于微生物的污染评估分析方法的流程图。
如图1所示，本发明第一方面提供了一种基于微生物的污染评估分析方法，包括：
S102，获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型；
S104，基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析；
S106，根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径；
S108，基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案。
图2示出了本发明土壤-水体模型构建流程图。
根据本发明实施例，所述获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型，具体为：
S202，获取目标地区总面积、地图轮廓、水体区域信息与土壤区域信息；
S204，所述水体区域信息包括目标地区中河流、湖泊、水库的水体区域面积、轮廓信息；
S206，所述土壤区域信息包括目标地区中的土壤面积、土壤轮廓、土壤性质信息；
S208，根据所述地区总面积、地图轮廓构建初始模型；
S210，根据所述水体区域信息与土壤区域信息对初始模型进行水体区域与土壤区域的划分与基于土壤、水体的三维可视化模型搭建，形成土壤-水体模型。
需要说明的是，所述土壤-水体模型为一种三维可视化模型，通过该模型能够让用户更加直观与清晰地掌握水体-土壤两者的污染分布情况，且通过该模型能够对污染迁移扩散进行可视化数据分析。所述初始模型为基于目标地区的区域信息搭建空白模型，仅包括面积、轮廓等基本信息。
图3示出了本发明子区域获取流程图。
根据本发明实施例，所述基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，之前包括：
S302，基于土壤-水体模型，对水体区域进行区域划分，得到多个水体子区域；
S304，基于土壤-水体模型，对土壤区域进行区域划分，得到多个土壤子区域；
S306，划分后的水体子区域与土壤子区域均保证符合监测区域标准。
需要说明的是，所述监测区域标准包括区域面积标准与区域形状标准，且土壤与水体的标准存在差异，即相同面积的土壤区域与水体区域划分出来的子区域数量与形状一般存在差异。
根据本发明实施例，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，具体为：
在一个预设时间段内进行微生物取样监测；
在每个水体子区域中选取对应监测点进行取样与微生物检测，得到每个水体子区域的水体微生物监测数据；
在每个土壤子区域中选取对应监测点进行取样与微生物检测，得到每个土壤子区域的土壤微生物监测数据；
所述水体微生物监测数据与土壤微生物监测数据均包括微生物种类、微生物数量、微生物浓度、微生物生态菌落信息；
根据每个水体子区域的水体微生物监测数据进行水体区域中有益微生物与有害微生物的分布分析并基于预设生态标准进行生态污染分析，生成水体污染状况信息；
所述水体污染状况信息包括生态污染程度、微生物差异度；
将所述微生物差异度大于预设差异度所对应的水体子区域进行标记，得到水体污染源区域；
根据每个土壤子区域的土壤微生物监测数据进行土壤区域的微生物的分布分析与并基于预设生态标准进行生态污染分析，生成土壤污染状况信息并得到对应的土壤污染源区域。
需要说明的是，所述监测点一般为子区域的中心点，微生物生态菌落信息为根据微生物种类、微生物数量进行分析得到，另外，在微生物种类信息中，主要分析维度为对生态有害与有益的微生物。所述预设生态标准包括生态有益微生物与有害微生物的种类信息与各种微生物的不同浓度对水体与土壤的生态影响信息等。所述水体污染状况信息包括分析得到的每个水体子区域的生态污染程度、微生物差异度等，所述微生物差异度即实际检测的有益、有害微生物信息与预设生态标准对比的结果，差异度越大，代表污染程度越高。每个水体子区域均包括一个水体污染状况信息。所述土壤子区域的污染状况信息与土壤污染源区域的分析过程与水体的分析大致相同。所述污染源区域一般为微生物生态情况较差的区域，该区域存在的污染物浓度较高、污染物类型也较为复杂，且污染物质容易扩散到其他区域。分析该污染源区域能够进一步实现对水体、土壤的精准化的污染预测。
根据本发明实施例，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，之前包括：
基于土壤-水体模型，分析各个子区域中存在水体与土壤交界的区域，并标记为交界区域；
将所述交界区域中的水体子区域标记为水体边界区域，将所述交界区域中的土壤子区域标记为土壤边界区域；
从土壤边界区域或水体边界区域中获取一个区域作为当前边界区域；
基于土壤-水体模型获取当前水体边界区域中的邻近子区域；
将所述邻近子区域的水体污染状况信息与当前水体边界区域的水体污染状况信息进行信息对比分析，分析目标包括微生物的种类、浓度的差异，并得到当前水体边界区域的第二微生物差异度；
分析所有土壤边界区域与水体边界区域，并得到对应第二微生物差异度。
需要说明的是，所述交界区域即目标地区中，水体与土壤区域交界线两边的区域，一边为水体子区域，另一边为土壤子区域。所述邻近子区域，即土壤与水体之间的邻近子区域，例如，选取的当前边界区域为一个土壤边界区域，则其对应的邻近子区域具体为与之相邻的水体子区域（同时也是交界区域），且邻近子区域可能为多个，若选取的是水体边界区域，则对应邻近子区域为土壤边界区域。所述第二微生物差异度越大，则代表当前边界区域与邻近子区域的微生物的生态差异度越大，同时，代表两者区域的微生物影响越快，微生物的迁移速率也越大，所述第二微生物差异度主要作用为分析出边界区域中土壤与水体之间区域的微生物差异度，从而在后续更好地进行路径模拟。
所述土壤边界区域与水体边界区域，每个边界区域均有对应的第二微生物差异度。
在土壤与土壤或者是水体与水体区域中，由于介质相同，微生物与污染物的迁移扩散往往呈现区域连续性，但在水体与土壤边界区域中，由于介质的变换，对于微生物的迁移与污染物的扩散均有特定的差异，而本实施例中基于所述差异进行蚁群算法的参数改进与路径模拟，能够得到较为准确的污染模拟路径。
在本发明中，通过有效分析土壤与水体区域的微生物差异与污染扩散差异，并进一步基于蚁群算法进行路径的高准确度模拟，形成与实际高度相仿的微生物迁移路径，并基于该路径能够有效分析出土壤与水体的微生物调控、污染防治方案等，进一步实现目标生态地区的科学化、智能化污染分析调控与绿色可持续发展。
根据本发明实施例，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，具体为：
基于所有土壤边界区域与水体边界区域的第二微生物差异度计算出对应区域的路径选择概率P；
基于土壤-水体模型，将全部子区域作为路径点，目标地区范围作为路径边界范围，构建基于蚁群算法的路径模型；
基于路径模型，将土壤边界区域与水体边界区域对应的路径点标记为边界路径点；
在所述路径模型中，初始化全部路径点的信息素，初始化非边界路径点的选择概率K，基于路径选择概率P初始化边界路径点的选择概率，以一个土壤污染源区域作为起点，并设置M只蚂蚁置于起点位置,每只蚂蚁基于信息素与路径点的选择概率进行下一路径点的决策与移动，并实时更新对应路径点的信息素，当M只蚂蚁均到达路径边界范围时或达到最大移动距离时，则完成一次蚁群模拟迭代；
循环进行预设次数的蚁群模拟迭代，将得到的最优路径作为基于所述一个土壤污染源区域所对应的模拟污染路径；
基于路径模型，分析其余土壤污染源区域与水体污染源区域，并得到N1条土壤模拟污染路径与N2条水体模拟污染路径；
所述N1为土壤污染源区域的个数，N2为水体污染源区域的个数。
需要说明的是，所述全部子区域即全部水体子区域与土壤子区域。所述所有土壤边界区域与水体边界区域中，每个边界区域对应一个路径选择概率，路径选择概率通过第二微生物差异度与预设系数相乘得到，第二微生物差异度越大，对应区域的路径选择概率越大。一个土壤边界区域或水体边界区域对应一个路径点，同时对应一个路径选择概率。另外，各个非边界路径点的选择概率K均为一致，K也作为路径点的默认概率，而不同边界路径点的概率P一般不同，一般P大于K。若土壤边界区域与水体边界区域的总区域个数为t，则对应边界路径点概率可以表示为P1~Pt。所述选择一个污染源区域具体为选择土壤污染源区域与水体污染源区域的其中一个。路径点的选择概率越大，蚂蚁在经过该路径点区域时选择该路径点的概率也越大。所述每只蚂蚁基于信息素与路径点的选择概率进行下一路径点的决策与移动中，具体为当信息素相同时，依据路径点的选择概率作为下一路径点的决策依据。所述模拟污染路径即微生物的扩散路径，能够反映污染源中微生物的迁移路径，进一步反映污染路径。值得一提的是，在本发明中，通过针对土壤区域的污染源与水体区域的污染源进行两个方向的微生物迁移分析与路径模拟（土壤与水体区域的相互影响方向），能够得到相互影响的模拟路径，从而对目标地区实现双向的污染分析，提高污染扩散与微生物迁移的分析维度，实现精准高效的污染防治。
根据本发明实施例，所述基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案，具体为：
在土壤-水体模型中，将所述土壤模拟污染路径与水体模拟污染路径进行位置映射并通过土壤-水体模型中进行可视化展示；
基于土壤-水体模型，将所有模拟污染路径覆盖的子区域进行标记，得到污染子区域；
根据所述土壤模拟污染路径与水体模拟污染路径，对目标地区的污染子区域进行基于水体与土壤的综合性污染评估，得到针对污染子区域的土壤污染评估数据与水体污染评估数据；
基于所述土壤污染评估数据与水体污染评估数据，生成污染子区域的区域调控方案。
需要说明的是，所述模拟污染路径为通过路径模型得到，可以通过模型间的位置映射实现在土壤-水体模型中进行展示。所述覆盖的子区域包括水体与土壤子区域。所述所有模拟污染路径即包括土壤模拟污染路径与水体模拟污染路径。所述综合性污染评估包括对污染子区域污染状况、微生物状况、污染扩散、微生物迁移进行评估分析，生成评估数据。所述区域调控方案包括针对污染子区域的微生物调控与污染物调控，以改善生态状况。污染子区域涉及土壤与水体两部分的子区域。
所述污染评估数据主要包括土壤或者水体区域中，有益、有害微生物的影响区域、影响范围、污染影响程度等。
根据本发明实施例，还包括：
基于水体与土壤模拟污染路径，获取对应污染子区域；
设水体与土壤模拟污染路径一共为i条路径；
在土壤-水体模型中，计算分析出一个非污染子区域在全部所述模拟污染路径之间的最短距离，得到i个距离值；
计算i个距离值的平均值得到平均最短距离；
计算出所有非污染子区域的平均最短距离；
基于平均最短距离的大小，对所有非污染子区域生成具有优先级调控的微生物防治方案；
所述平均最短距离越大，对应调控优先级越低。
需要说明的是，所述平均最短距离能够反映一个非污染子区域其受污染路径的影响程度，距离越小，影响越大，且同时也反映了污染源微生物迁移对一个非污染子区域的影响。所述微生物防治方案包括增加有益微生物、添加化学试剂等。
图4示出了本发明一种基于微生物的污染评估分析系统的框图。
本发明第二方面还提供了一种基于微生物的污染评估分析系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于微生物的污染评估分析程序，所述基于微生物的污染评估分析程序被所述处理器执行时实现如下步骤：
获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型；
基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析；
根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径；
基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案。
根据本发明实施例，所述获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型，具体为：
获取目标地区总面积、地图轮廓、水体区域信息与土壤区域信息；
所述水体区域信息包括目标地区中河流、湖泊、水库的水体区域面积、轮廓信息；
所述土壤区域信息包括目标地区中的土壤面积、土壤轮廓、土壤性质信息；
根据所述地区总面积、地图轮廓构建初始模型；
根据所述水体区域信息与土壤区域信息对初始模型进行水体区域与土壤区域的划分与基于土壤、水体的三维可视化模型搭建，形成土壤-水体模型。
需要说明的是，所述土壤-水体模型为一种三维可视化模型，通过该模型能够让用户更加直观与清晰地掌握水体-土壤两者的污染分布情况，且通过该模型能够对污染迁移扩散进行可视化数据分析。所述初始模型为基于目标地区的区域信息搭建空白模型，仅包括面积、轮廓等基本信息。
根据本发明实施例，所述基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，之前包括：
基于土壤-水体模型，对水体区域进行区域划分，得到多个水体子区域；
基于土壤-水体模型，对土壤区域进行区域划分，得到多个土壤子区域；
划分后的水体子区域与土壤子区域均保证符合监测区域标准。
需要说明的是，所述监测区域标准包括区域面积标准与区域形状标准，且土壤与水体的标准存在差异，即相同面积的土壤区域与水体区域划分出来的子区域数量与形状一般存在差异。
根据本发明实施例，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，具体为：
在一个预设时间段内进行微生物取样监测；
在每个水体子区域中选取对应监测点进行取样与微生物检测，得到每个水体子区域的水体微生物监测数据；
在每个土壤子区域中选取对应监测点进行取样与微生物检测，得到每个土壤子区域的土壤微生物监测数据；
所述水体微生物监测数据与土壤微生物监测数据均包括微生物种类、微生物数量、微生物浓度、微生物生态菌落信息；
根据每个水体子区域的水体微生物监测数据进行水体区域中有益微生物与有害微生物的分布分析并基于预设生态标准进行生态污染分析，生成水体污染状况信息；
所述水体污染状况信息包括生态污染程度、微生物差异度；
将所述微生物差异度大于预设差异度所对应的水体子区域进行标记，得到水体污染源区域；
根据每个土壤子区域的土壤微生物监测数据进行土壤区域的微生物的分布分析与并基于预设生态标准进行生态污染分析，生成土壤污染状况信息并得到对应的土壤污染源区域。
需要说明的是，所述监测点一般为子区域的中心点，微生物生态菌落信息为根据微生物种类、微生物数量进行分析得到，另外，在微生物种类信息中，主要分析维度为对生态有害与有益的微生物。所述预设生态标准包括生态有益微生物与有害微生物的种类信息与各种微生物的不同浓度对水体与土壤的生态影响信息等。所述水体污染状况信息包括分析得到的每个水体子区域的生态污染程度、微生物差异度等，所述微生物差异度即实际检测的有益、有害微生物信息与预设生态标准对比的结果，差异度越大，代表污染程度越高。每个水体子区域均包括一个水体污染状况信息。所述土壤子区域的污染状况信息与土壤污染源区域的分析过程与水体的分析大致相同。所述污染源区域一般为微生物生态情况较差的区域，该区域存在的污染物浓度较高、污染物类型也较为复杂，且污染物质容易扩散到其他区域。分析该污染源区域能够进一步实现对水体、土壤的精准化的污染预测。
根据本发明实施例，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，之前包括：
基于土壤-水体模型，分析各个子区域中存在水体与土壤交界的区域，并标记为交界区域；
将所述交界区域中的水体子区域标记为水体边界区域，将所述交界区域中的土壤子区域标记为土壤边界区域；
从土壤边界区域或水体边界区域中获取一个区域作为当前边界区域；
基于土壤-水体模型获取当前水体边界区域中的邻近子区域；
将所述邻近子区域的水体污染状况信息与当前水体边界区域的水体污染状况信息进行信息对比分析，分析目标包括微生物的种类、浓度的差异，并得到当前水体边界区域的第二微生物差异度；
分析所有土壤边界区域与水体边界区域，并得到对应第二微生物差异度。
需要说明的是，所述交界区域即目标地区中，水体与土壤区域交界线两边的区域，一边为水体子区域，另一边为土壤子区域。所述邻近子区域，即土壤与水体之间的邻近子区域，例如，选取的当前边界区域为一个土壤边界区域，则其对应的邻近子区域具体为与之相邻的水体子区域（同时也是交界区域），且邻近子区域可能为多个，若选取的是水体边界区域，则对应邻近子区域为土壤边界区域。所述第二微生物差异度越大，则代表当前边界区域与邻近子区域的微生物的生态差异度越大，同时，代表两者区域的微生物影响越快，微生物的迁移速率也越大，所述第二微生物差异度主要作用为分析出边界区域中土壤与水体之间区域的微生物差异度，从而在后续更好地进行路径模拟。
所述土壤边界区域与水体边界区域，每个边界区域均有对应的第二微生物差异度。
在土壤与土壤或者是水体与水体区域中，由于介质相同，微生物与污染物的迁移扩散往往呈现区域连续性，但在水体与土壤边界区域中，由于介质的变换，对于微生物的迁移与污染物的扩散均有特定的差异，而本实施例中基于所述差异进行蚁群算法的参数改进与路径模拟，能够得到较为准确的污染模拟路径。
在本发明中，通过有效分析土壤与水体区域的微生物差异与污染扩散差异，并进一步基于蚁群算法进行路径的高准确度模拟，形成与实际高度相仿的微生物迁移路径，并基于该路径能够有效分析出土壤与水体的微生物调控、污染防治方案等，进一步实现目标生态地区的科学化、智能化污染分析调控与绿色可持续发展。
根据本发明实施例，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，具体为：
基于所有土壤边界区域与水体边界区域的第二微生物差异度计算出对应区域的路径选择概率P；
基于土壤-水体模型，将全部子区域作为路径点，目标地区范围作为路径边界范围，构建基于蚁群算法的路径模型；
基于路径模型，将土壤边界区域与水体边界区域对应的路径点标记为边界路径点；
在所述路径模型中，初始化全部路径点的信息素，初始化非边界路径点的选择概率K，基于路径选择概率P初始化边界路径点的选择概率，以一个土壤污染源区域作为起点，并设置M只蚂蚁置于起点位置,每只蚂蚁基于信息素与路径点的选择概率进行下一路径点的决策与移动，并实时更新对应路径点的信息素，当M只蚂蚁均到达路径边界范围时或达到最大移动距离时，则完成一次蚁群模拟迭代；
循环进行预设次数的蚁群模拟迭代，将得到的最优路径作为基于所述一个土壤污染源区域所对应的模拟污染路径；
基于路径模型，分析其余土壤污染源区域与水体污染源区域，并得到N1条土壤模拟污染路径与N2条水体模拟污染路径；
所述N1为土壤污染源区域的个数，N2为水体污染源区域的个数。
需要说明的是，所述全部子区域即全部水体子区域与土壤子区域。所述所有土壤边界区域与水体边界区域中，每个边界区域对应一个路径选择概率，路径选择概率通过第二微生物差异度与预设系数相乘得到，第二微生物差异度越大，对应区域的路径选择概率越大。一个土壤边界区域或水体边界区域对应一个路径点，同时对应一个路径选择概率。另外，各个非边界路径点的选择概率K均为一致，K也作为路径点的默认概率，而不同边界路径点的概率P一般不同，一般P大于K。若土壤边界区域与水体边界区域的总区域个数为t，则对应边界路径点概率可以表示为P1~Pt。所述选择一个污染源区域具体为选择土壤污染源区域与水体污染源区域的其中一个。路径点的选择概率越大，蚂蚁在经过该路径点区域时选择该路径点的概率也越大。所述每只蚂蚁基于信息素与路径点的选择概率进行下一路径点的决策与移动中，具体为当信息素相同时，依据路径点的选择概率作为下一路径点的决策依据。所述模拟污染路径即微生物的扩散路径，能够反映污染源中微生物的迁移路径，进一步反映污染路径。值得一提的是，在本发明中，通过针对土壤区域的污染源与水体区域的污染源进行两个方向的微生物迁移分析与路径模拟（土壤与水体区域的相互影响方向），能够得到相互影响的模拟路径，从而对目标地区实现双向的污染分析，提高污染扩散与微生物迁移的分析维度，实现精准高效的污染防治。
根据本发明实施例，所述基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案，具体为：
在土壤-水体模型中，将所述土壤模拟污染路径与水体模拟污染路径进行位置映射并通过土壤-水体模型中进行可视化展示；
基于土壤-水体模型，将所有模拟污染路径覆盖的子区域进行标记，得到污染子区域；
根据所述土壤模拟污染路径与水体模拟污染路径，对目标地区的污染子区域进行基于水体与土壤的综合性污染评估，得到针对污染子区域的土壤污染评估数据与水体污染评估数据；
基于所述土壤污染评估数据与水体污染评估数据，生成污染子区域的区域调控方案。
需要说明的是，所述模拟污染路径为通过路径模型得到，可以通过模型间的位置映射实现在土壤-水体模型中进行展示。所述覆盖的子区域包括水体与土壤子区域。所述所有模拟污染路径即包括土壤模拟污染路径与水体模拟污染路径。所述综合性污染评估包括对污染子区域污染状况、微生物状况、污染扩散、微生物迁移进行评估分析，生成评估数据。所述区域调控方案包括针对污染子区域的微生物调控与污染物调控，以改善生态状况。污染子区域涉及土壤与水体两部分的子区域。
所述污染评估数据主要包括土壤或者水体区域中，有益、有害微生物的影响区域、影响范围、污染影响程度等。
根据本发明实施例，还包括：
基于水体与土壤模拟污染路径，获取对应污染子区域；
设水体与土壤模拟污染路径一共为i条路径；
在土壤-水体模型中，计算分析出一个非污染子区域在全部所述模拟污染路径之间的最短距离，得到i个距离值；
计算i个距离值的平均值得到平均最短距离；
计算出所有非污染子区域的平均最短距离；
基于平均最短距离的大小，对所有非污染子区域生成具有优先级调控的微生物防治方案；
所述平均最短距离越大，对应调控优先级越低。
需要说明的是，所述平均最短距离能够反映一个非污染子区域其受污染路径的影响程度，距离越小，影响越大，且同时也反映了污染源微生物迁移对一个非污染子区域的影响。所述微生物防治方案包括增加有益微生物、添加化学试剂等。
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基于微生物的污染评估分析程序，所述基于微生物的污染评估分析程序被处理器执行时，实现如上述任一项所述的基于微生物的污染评估分析方法的步骤。
本发明公开了基于微生物的污染评估分析方法、系统及存储介质。通过构建土壤-水体模型，对土壤与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，进一步确定污染源区域，根据预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径并进行综合性污染评估与调控分析，得到评估数据与区域调控方案。本发明通过有效分析土壤与水体区域的微生物差异与污染扩散差异，并进一步基于蚁群算法进行路径的高准确度模拟，形成与实际高度相仿的微生物迁移路径，并基于该路径能够有效分析出土壤与水体的微生物调控、污染防治方案等，进一步实现目标生态地区的科学化、智能化污染分析调控与绿色可持续发展。
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)
1.一种基于微生物的污染评估分析方法，其特征在于，包括：
获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型；
基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析；
根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径；
基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案。
2.根据权利要求1所述的一种基于微生物的污染评估分析方法，其特征在于，所述获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型，具体为：
获取目标地区总面积、地图轮廓、水体区域信息与土壤区域信息；
所述水体区域信息包括目标地区中河流、湖泊、水库的水体区域面积、轮廓信息；
所述土壤区域信息包括目标地区中的土壤面积、土壤轮廓、土壤性质信息；
根据所述地区总面积、地图轮廓构建初始模型；
根据所述水体区域信息与土壤区域信息对初始模型进行水体区域与土壤区域的划分与基于土壤、水体的三维可视化模型搭建，形成土壤-水体模型。
3.根据权利要求1所述的一种基于微生物的污染评估分析方法，其特征在于，所述基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析，之前包括：
基于土壤-水体模型，对水体区域进行区域划分，得到多个水体子区域；
基于土壤-水体模型，对土壤区域进行区域划分，得到多个土壤子区域；
划分后的水体子区域与土壤子区域均保证符合监测区域标准。
4.根据权利要求3所述的一种基于微生物的污染评估分析方法，其特征在于，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，具体为：
在一个预设时间段内进行微生物取样监测；
在每个水体子区域中选取对应监测点进行取样与微生物检测，得到每个水体子区域的水体微生物监测数据；
在每个土壤子区域中选取对应监测点进行取样与微生物检测，得到每个土壤子区域的土壤微生物监测数据；
所述水体微生物监测数据与土壤微生物监测数据均包括微生物种类、微生物数量、微生物浓度、微生物生态菌落信息；
根据每个水体子区域的水体微生物监测数据进行水体区域中有益微生物与有害微生物的分布分析并基于预设生态标准进行生态污染分析，生成水体污染状况信息；
所述水体污染状况信息包括生态污染程度、微生物差异度；
将所述微生物差异度大于预设差异度所对应的水体子区域进行标记，得到水体污染源区域；
根据每个土壤子区域的土壤微生物监测数据进行土壤区域的微生物的分布分析与并基于预设生态标准进行生态污染分析，生成土壤污染状况信息并得到对应的土壤污染源区域。
5.根据权利要求4所述的一种基于微生物的污染评估分析方法，其特征在于，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，之前包括：
基于土壤-水体模型，分析各个子区域中存在水体与土壤交界的区域，并标记为交界区域；
将所述交界区域中的水体子区域标记为水体边界区域，将所述交界区域中的土壤子区域标记为土壤边界区域；
从土壤边界区域或水体边界区域中获取一个区域作为当前边界区域；
基于土壤-水体模型获取当前水体边界区域中的邻近子区域；
将所述邻近子区域的水体污染状况信息与当前水体边界区域的水体污染状况信息进行信息对比分析，分析目标包括微生物的种类、浓度的差异，并得到当前水体边界区域的第二微生物差异度；
分析所有土壤边界区域与水体边界区域，并得到对应第二微生物差异度。
6.根据权利要求5所述的一种基于微生物的污染评估分析方法，其特征在于，所述根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径，具体为：
基于所有土壤边界区域与水体边界区域的第二微生物差异度计算出对应区域的路径选择概率P；
基于土壤-水体模型，将全部子区域作为路径点，目标地区范围作为路径边界范围，构建基于蚁群算法的路径模型；
基于路径模型，将土壤边界区域与水体边界区域对应的路径点标记为边界路径点；
在所述路径模型中，初始化全部路径点的信息素，初始化非边界路径点的选择概率K，基于路径选择概率P初始化边界路径点的选择概率，以一个土壤污染源区域作为起点，并设置M只蚂蚁置于起点位置,每只蚂蚁基于信息素与路径点的选择概率进行下一路径点的决策与移动，并实时更新对应路径点的信息素，当M只蚂蚁均到达路径边界范围时或达到最大移动距离时，则完成一次蚁群模拟迭代；
循环进行预设次数的蚁群模拟迭代，将得到的最优路径作为基于所述一个土壤污染源区域所对应的模拟污染路径；
基于路径模型，分析其余土壤污染源区域与水体污染源区域，并得到N1条土壤模拟污染路径与N2条水体模拟污染路径；
所述N1为土壤污染源区域的个数，N2为水体污染源区域的个数。
7.根据权利要求6所述的一种基于微生物的污染评估分析方法，其特征在于，所述基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案，具体为：
在土壤-水体模型中，将所述土壤模拟污染路径与水体模拟污染路径进行位置映射并通过土壤-水体模型中进行可视化展示；
基于土壤-水体模型，将所有模拟污染路径覆盖的子区域进行标记，得到污染子区域；
根据所述土壤模拟污染路径与水体模拟污染路径，对目标地区的污染子区域进行基于水体与土壤的综合性污染评估，得到针对污染子区域的土壤污染评估数据与水体污染评估数据；
基于所述土壤污染评估数据与水体污染评估数据，生成污染子区域的区域调控方案。
8.一种基于微生物的污染评估分析系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于微生物的污染评估分析程序，所述基于微生物的污染评估分析程序被所述处理器执行时实现如下步骤：
获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型；
基于所述土壤-水体模型，对土壤区域与水体区域进行区域划分并基于划分后的子区域作为分析单位进行微生物污染分析；
根据所述微生物污染分析，确定在土壤-水体模型的污染源区域，根据所述污染源区域与预设蚁群算法，对土壤与水体进行微生物污染扩散模拟，得到水体与土壤模拟污染路径；
基于所述水体与土壤模拟污染路径对目标地区进行综合性污染评估与调控分析，得到评估数据与区域调控方案。
9.根据权利要求8所述的一种基于微生物的污染评估分析系统，其特征在于，所述获取目标地区水体区域信息与土壤区域信息，基于所述水体区域信息与土壤区域信息构建土壤-水体模型，具体为：
获取目标地区总面积、地图轮廓、水体区域信息与土壤区域信息；
所述水体区域信息包括目标地区中河流、湖泊、水库的水体区域面积、轮廓信息；
所述土壤区域信息包括目标地区中的土壤面积、土壤轮廓、土壤性质信息；
根据所述地区总面积、地图轮廓构建初始模型；
根据所述水体区域信息与土壤区域信息对初始模型进行水体区域与土壤区域的划分与基于土壤、水体的三维可视化模型搭建，形成土壤-水体模型。
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基于微生物的污染评估分析程序，所述基于微生物的污染评估分析程序被处理器执行时，实现如权利要求1至7中任一项所述的基于微生物的污染评估分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311449578.0A CN117172995B (zh) | 2023-11-02 | 2023-11-02 | 基于微生物的污染评估分析方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311449578.0A CN117172995B (zh) | 2023-11-02 | 2023-11-02 | 基于微生物的污染评估分析方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117172995A true CN117172995A (zh) | 2023-12-05 |
| CN117172995B CN117172995B (zh) | 2024-01-02 |
Family
ID=88947272
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311449578.0A Active CN117172995B (zh) | 2023-11-02 | 2023-11-02 | 基于微生物的污染评估分析方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117172995B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117875559A (zh) * | 2024-01-16 | 2024-04-12 | 广东博创佳禾科技有限公司 | 基于城市环境介质的重金属负载容量分析方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102012007B1 (ko) * | 2019-05-23 | 2019-08-19 | 재단법인 환경기술정책연구원 | 지목 상 지역기준을 고려한 토양오염면적 및 토양오염량 산정 방법 |
| US20190303785A1 (en) * | 2018-03-29 | 2019-10-03 | Azimuth1, LLC | Forecasting soil and groundwater contamination migration |
| CN116187893A (zh) * | 2022-12-16 | 2023-05-30 | 南京林业大学 | 一种针对粮食多式联运过程的品质管控模拟系统 |
| CN116362570A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种基于大数据平台的多维度污染分析方法及系统 |
| CN116362571A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种基于深度学习的多源污染时空特征分析方法及系统 |
| CN116629619A (zh) * | 2023-07-25 | 2023-08-22 | 北京建工环境修复股份有限公司 | 一种土壤新污染物赋存状况预测方法及系统 |
| CN116773781A (zh) * | 2023-08-18 | 2023-09-19 | 北京建工环境修复股份有限公司 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
-
2023
- 2023-11-02 CN CN202311449578.0A patent/CN117172995B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190303785A1 (en) * | 2018-03-29 | 2019-10-03 | Azimuth1, LLC | Forecasting soil and groundwater contamination migration |
| KR102012007B1 (ko) * | 2019-05-23 | 2019-08-19 | 재단법인 환경기술정책연구원 | 지목 상 지역기준을 고려한 토양오염면적 및 토양오염량 산정 방법 |
| CN116187893A (zh) * | 2022-12-16 | 2023-05-30 | 南京林业大学 | 一种针对粮食多式联运过程的品质管控模拟系统 |
| CN116362570A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种基于大数据平台的多维度污染分析方法及系统 |
| CN116362571A (zh) * | 2023-06-02 | 2023-06-30 | 北京建工环境修复股份有限公司 | 一种基于深度学习的多源污染时空特征分析方法及系统 |
| CN116629619A (zh) * | 2023-07-25 | 2023-08-22 | 北京建工环境修复股份有限公司 | 一种土壤新污染物赋存状况预测方法及系统 |
| CN116773781A (zh) * | 2023-08-18 | 2023-09-19 | 北京建工环境修复股份有限公司 | 一种用于土壤中全氟化合物的污染分析方法、系统及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘宾;李泽琴;蔡建华;: "水污染的防治对策及控制优化规划研究", 环境科学与管理, no. 11 * |
| 陈芒 等: "有机磷农药污染土壤降解修复研究进展", 环境化学, vol. 42, no. 5, pages 1484 - 1491 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117875559A (zh) * | 2024-01-16 | 2024-04-12 | 广东博创佳禾科技有限公司 | 基于城市环境介质的重金属负载容量分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117172995B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116186566B (zh) | 基于深度学习的扩散预测方法及系统 | |
| CN117172995B (zh) | 基于微生物的污染评估分析方法、系统及存储介质 | |
| CN113567635B (zh) | 一种工业气体智能监测一体化系统及监测方法 | |
| 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 | |
| Murphy et al. | Representing genetic variation as continuous surfaces: an approach for identifying spatial dependency in landscape genetic studies | |
| KR102210698B1 (ko) | 하천 유해화학물질 유출 시나리오 기반 기계학습모형과 재귀적 특징 제거법을 결합한 화학사고 발생원 역추적 방법 | |
| CN116702047B (zh) | 一种地下水实时监测方法、系统及介质 | |
| CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
| KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
| CN117010217B (zh) | 基于模型分析的地下水污染可视化方法及系统 | |
| CN115828508B (zh) | 基于gis平台的地下水环评自动预测方法 | |
| CN114662344A (zh) | 基于连续在线观测数据的大气污染溯源预测方法及系统 | |
| CN112734297A (zh) | 海洋事故应急监测方法、系统、计算机设备和存储介质 | |
| CN117171695A (zh) | 一种抗生素污染土壤生态修复效果评价的方法及系统 | |
| 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 | |
| Bishop et al. | Generating continuous maps of genetic diversity using moving windows | |
| CN113298419A (zh) | 典型条件地下水污染羽空间分布插值技术的优选方法 | |
| CN115712978A (zh) | 基于数值模拟与人口数据的选址数据处理方法及系统 | |
| CN113688548A (zh) | 一种河道水位仿真推演方法、装置、电子设备和存储介质 | |
| JP2006010393A (ja) | 土中水分解析装置、土中水分解析方法、土中水分解析プログラム及びタンクモデル生成方法 | |
| Barca et al. | Optimal redesign of environmental monitoring networks by using software MSANOS | |
| CN112949420A (zh) | 一种水土保持监测方法、装置、系统和可读存储介质 | |
| CN118278320B (zh) | 一种基于水动力模拟的内河航道通航预警方法及系统 | |
| Zhou et al. | Python program for spatial reduction and reconstruction method in flood inundation modelling | |
| CN118243904B (zh) | 一种土壤重金属含量分析方法及系统 |
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 |