CN117314019B - 一种农业面源污染产生量评估方法 - Google Patents
一种农业面源污染产生量评估方法 Download PDFInfo
- Publication number
- CN117314019B CN117314019B CN202311599700.2A CN202311599700A CN117314019B CN 117314019 B CN117314019 B CN 117314019B CN 202311599700 A CN202311599700 A CN 202311599700A CN 117314019 B CN117314019 B CN 117314019B
- Authority
- CN
- China
- Prior art keywords
- point source
- source pollution
- fertilizer
- agricultural non
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 88
- 238000011156 evaluation Methods 0.000 title claims abstract description 21
- 239000003337 fertilizer Substances 0.000 claims abstract description 86
- 239000000575 pesticide Substances 0.000 claims abstract description 67
- 238000006243 chemical reaction Methods 0.000 claims abstract description 31
- 239000002689 soil Substances 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000011160 research Methods 0.000 claims description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 239000000126 substance Substances 0.000 claims description 18
- 239000003905 agrochemical Substances 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 5
- 230000004720 fertilization Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 abstract description 6
- 239000000618 nitrogen fertilizer Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Artificial Intelligence (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于农业污染评估技术领域,涉及一种农业面源污染产生量评估方法,其包括以下步骤:收集基础数据;划分子流域网格单元;计算子流域网格单元农药化肥换算系数;计算子流域网格单元农药化肥销售量和实际使用量的转化系数;计算历史农业面源污染产生量数据;划分降雨场景;建立农业面源污染产生量回归模型;训练不同降雨场景的农业面源污染产生量回归模型;基于当年的降雨数据和农药化肥销售数据,使用训练后的农业面源污染产生量回归模型对当年的农业面源污染产生量进行评估。其无需收集土地性质、作物性质、种植面积、土地高程等较难收集的数据,仅通过降雨量及农药化肥销售量进行农业面源污染产生量的评估,极大地降低了数据收集难度。
Description
技术领域
本发明属于农业污染评估技术领域,涉及一种农业面源污染产生量评估方法。
背景技术
农业面源污染是水污染的一个重要来源,农业面源污染管理是水环境管理的重要组成部分。为了更好地实现对水环境的管理,需要对农业面源污染产生量进行评估。
传统的农业面源污染产生量评估方法主要依赖水文模型,或者基于基础遥感监测数据及地面监测数据针对农业面源产生量进行评估。但是,上述评估方法,一直以来由于其评估所需数据量较大,土地性质、作物性质、种植面积、土地高程等数据收集起来实时性较差等,因此一直难以支持日益增长的农业面源污染产生量评估需求,实时性和灵活性上难以满足需求。
因此,针对上述现有技术中存在的缺陷,需要研发一种新型的农业面源污染产生量评估方法。
发明内容
为了克服现有技术的缺陷,本发明提出一种农业面源污染产生量评估方法,其无需收集土地性质、作物性质、种植面积、土地高程等较难收集的数据,仅通过降雨数据及农药化肥销售数据进行农业面源污染产生量的评估,极大地降低了数据收集难度。
为了实现上述目的,本发明提供如下技术方案:
一种农业面源污染产生量评估方法,其特征在于,包括以下步骤:
收集基础数据:收集研究区域的历史降雨数据和历史农药化肥销售数据;
划分子流域网格单元:根据研究区域的地理条件、水系分布情况和土地情况将研究区域划分为不同的子流域网格单元;
计算子流域网格单元农药化肥换算系数:根据子流域网格单元的种植作物类型,划分并量化其农药化肥换算系数;
计算子流域网格单元农药化肥销售量和实际使用量的转化系数:根据子流域网格单元的农业作业人员施肥施药习惯,计算子流域网格单元农药化肥销售量和实际使用量的转化系数;
计算历史农业面源污染产生量数据:基于所述子流域网格单元农药化肥换算系数、农药化肥销售量和实际使用量的转化系数、农药化肥的产污系数以及历史农药化肥销售数据得到历史农业面源污染产生量数据;
划分降雨场景:根据年降雨量大小划分研究区域的降雨场景;
建立农业面源污染产生量回归模型:针对不同的降雨场景,基于农药化肥销售数据和农业面源污染产生量数据得到不同降雨场景的农业面源污染产生量回归模型;
利用收集的历史农药化肥销售数据和计算的历史农业面源污染产生量数据训练不同降雨场景的农业面源污染产生量回归模型;
基于当年的降雨数据和农药化肥销售数据,使用训练后的不同降雨场景的农业面源污染产生量回归模型对当年的农业面源污染产生量进行评估。
优选地,所述农业面源污染产生量回归模型具体为:
Y= kX+ c,
式中,Y为农业面源污染产生量,X为农药化肥销售量,k和c为模型系数。
优选地,所述划分子流域网格单元具体包括:
划分小流域:结合地理信息系统,基于数字高程模型提取研究区域的流域水系,随后设定流域阈值以及流域出口点,并基于所述流域阈值和流域出口点将研究区域划分成多个小流域;
划分子流域网格单元:划分出小流域之后,依据土地利用、土壤类型和坡度将小流域划分为多个子流域网格单元。
优选地,计算子流域网格单元农药化肥换算系数时,将子流域网格单元中使用某种农药化肥的农作物种植面积占研究区域中使用某种农药化肥的农作物种植面积的比例作为该子流域网格单元农药化肥换算系数。
优选地,在划分降雨场景时,根据年降雨量大小将研究区域的降雨场景划分为丰水年、平水年和枯水年。
优选地,所述不同降雨场景的农业面源污染产生量回归模型包括丰水年农业面源污染产生量回归模型、平时年农业面源污染产生量回归模型和枯水年农业面源污染产生量回归模型。
与现有技术相比,本发明的农业面源污染产生量评估方法具有如下有益技术效果中的一者或多者:
1、本发明无需收集土地性质、作物性质、种植面积、土地高程等较难收集的数据,仅通过降雨数据及农药化肥销售数据等易收集的数据进行农业面源产生量的评估,极大地降低了数据收集难度。
2、本发明采用的农业面源污染产生量回归模型建立迅速,不需要特别复杂及专业的模型调参,建模方法简单、方便,从而便于使用。
附图说明
图1为本发明的农业面源污染产生量评估方法的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,实施例的内容不作为对本发明的保护范围的限制。
特定区域的地理条件在短时间内不会发生改变,其降雨冲刷、土壤渗流等因素在短时间内也不会产生剧烈变化;农药降解、稀释、消融等物理化学特性不会突变。因此,影响农业面源污染产生量剧烈波动的主要因素在降雨及农药化肥的使用。因此,基于上述设想,本发明提供一种农业面源污染产生量评估方法,其通过建立与农药化肥销售量和降雨量相关的农业面源污染产生量回归模型,仅通过降雨数据及农药化肥销售数据等易收集的数据进行农业面源产生量的评估,极大地降低了数据收集难度。
图1示出了本发明的农业面源污染产生量评估方法的流程图。如图1所示,本发明的农业面源污染产生量评估方法包括以下步骤:
一、收集基础数据。
在本发明中,收集的基础数据包括研究区域的历史降雨数据和历史农药化肥销售数据。
其中,所述历史降雨数据可以从研究区域的气象站点的监测数据中获得。所述历史农药化肥销售数据可以从研究区域的农药化肥销售网点的销售数据中获得。
为了获得更好的评估效果,在本发明中,优选地,收集历史上10年以上的相关数据。
由此可知,本发明无需收集土地性质、作物性质、种植面积、土地高程等较难收集的数据,仅通过降雨数据及农药化肥销售数据等易收集的数据进行农业面源产生量的评估,极大地降低了数据收集难度。
二、划分子流域网格单元。
研究表明,子流域对氮、磷等污染物以及泥沙有较大的影响。因此,本发明通过将研究区域划分为多个子流域网格单元,可以提高评估的精度。
可以根据研究区域的地理条件、水系分布情况和土地情况将研究区域划分为不同的子流域网格单元。具体划分时,可以采用现有的子流域网格单元划分方法。
在本发明中,所述划分子流域网格单元具体包括:
1、划分小流域。
结合地理信息系统(GIS软件),基于数字高程模型(DEM)提取研究区域的流域水系。随后设定流域阈值以及流域出口点,并基于所述流域阈值和流域出口点将研究区域划分成多个小流域。
2、划分子流域网格单元。
划分出小流域之后,依据土地利用、土壤类型和坡度将小流域划分为多个子流域网格单元。
也就是,在划分出小流域之后,再将小流域划分为多个具有相同土地利用、土壤类型、坡度的区域,并将具有相同土地利用、土壤类型、坡度的区域称为子流域。
考虑到相邻地方的土地利用、土壤类型、坡度都可能不会完全相同,为了避免将子流域网格单元划分的过于细小,本发明中,将土地利用、土壤类型和坡度的差值在10%以下的区域,都认定为具有相同土地利用、土壤类型和坡度的区域,也就是,都属于同一个子流域网格单元。
三、计算子流域网格单元农药化肥换算系数。
前面收集到的历史农药化肥销售数据为整个研究区域的销售数据,由于进行了子流域网格单元划分,需要将该研究区域的农药化肥销售数据换算成子流域网格单元的农药化肥销售数据,因此需得出子流域与研究区域之间的换算系数,也就是,子流域网格单元农药化肥换算系数。
在本发明中,根据子流域网格单元的种植作物类型,划分并量化其农药化肥换算系数。其具体量化原理如下:将子流域网格单元中使用某种农药化肥的农作物种植面积占研究区域中使用某种农药化肥的农作物种植面积的比例作为该子流域网格单元农药化肥换算系数。
比如,对于某一子流域网格单元,其使用甲类化肥的农作物种植面积是研究区域中使用甲类化肥的农作物种植面积的十分之一,则种植该农作物的子流域网格单元的甲类化肥销售量为该研究区域甲类化肥销售量的十分之一,即该子流域甲类化肥的换算系数为0.1。
四、计算子流域网格单元农药化肥销售量和实际使用量的转化系数。
在本发明中,根据子流域网格单元的农业作业人员施肥施药习惯,计算子流域网格单元农药化肥销售量和实际使用量的转化系数。
比如,经过走访得知某子流域网格单元的农业作业人员基本上会一次性购买2年甲类化肥,用于后两年的农业种植,则该子流域网格单元的甲类化肥的销售量和实际使用量的转化系数为0.5。
由此,通过上述步骤一至四,可得到子流域网格单元的农药化肥实际使用量。例如,甲类化肥某年的区域销售量为X1吨,上年的区域销售量为X2吨,甲类化肥在某子流域网格单元的换算系数为a,转化系数为b,则某子流域网格单元某年的甲类化肥实际使用量如下:
y = a*b*(x1+x2)。
将a*b概化为统一的换算系数m,则上述公式可简化为如下形式:
y = m*(x1 + x2)。
五、计算历史农业面源污染产生量数据。
在本发明中,基于所述子流域网格单元农药化肥换算系数、农药化肥销售量和实际使用量的转化系数、农药化肥的产污系数以及历史农药化肥销售量得到历史农业面源污染产生量数据。
例如,某研究区域共划分了两个子流域网格单元,通过前述步骤得到这两个子流域网格单元对应的氮肥统一转算系数为m1,m2,某年氮肥的使用量为x1,上年的使用量为x2,根据《农业源产排污系数手册》查询得到该研究区域氮肥的产污系数为n,则该研究区域的氮肥导致的农业面源污染产生量为:
z=n*m1*(x1 + x2) + n*m2 * (x1 +x2) = n*(m1 + m2)*(x1 +x2)。
六、划分降雨场景。
不同的降雨强度下,对于同样的研究区域,假定其他基础数据保持不变,其降雨量和农业面源污染产生量数据是非线性,因此,为了保证评估结果的准确性,本发明根据年降雨量大小将研究区域划分为不同的降雨场景。
在本发明中,在划分降雨场景时,根据年降雨量大小将研究区域的降雨场景划分为丰水年、平水年和枯水年。
具体场景的划分方法如下:
例如,某研究区域多年平均降雨量为461.18mm;降雨保证率为20%时,降雨量为535.7mm;降雨保证率为50%时,降雨量为453.5mm;降雨保证率为75%时,降雨量为395.5mm。根据三种典型保证率划定降雨量的偏丰线、偏平线和偏枯线。其中,降雨保证率为降雨量在对应毫米以上的时间占比。根据上述3个降雨保证率划分出对应丰水年,平水年,枯水年。
七、建立农业面源污染产生量回归模型。
针对不同的降雨场景,基于农药化肥销售数据和农业面源污染产生量数据得到不同降雨场景的农业面源污染产生量回归模型。
在本发明中,所述农业面源污染产生量回归模型具体为:
Y= kX+ c,
式中,Y为农业面源污染产生量,X为农药化肥销售量,k和c为模型系数。
由此可知,本发明采用的农业面源污染产生量回归模型建立迅速,不需要特别复杂及专业的模型调参,建模方法简单、方便,从而便于使用。
同时,在本发明中,由于将将研究区域的降雨场景划分为了丰水年、平水年和枯水年,因此,所述不同降雨场景的农业面源污染产生量回归模型包括丰水年农业面源污染产生量回归模型、平时年农业面源污染产生量回归模型和枯水年农业面源污染产生量回归模型。
八、利用收集的历史农药化肥销售数据和计算的历史农业面源污染产生量数据训练不同降雨场景的农业面源污染产生量回归模型。
根据收集到的历史降雨数据,可以确定是属于丰水年、平水年还是枯水年,并将收集到的历史农药化肥销售数据及其对应的历史农业面源污染产生量数据按照丰水年、平水年和枯水年划分为三组,分别对丰水年农业面源污染产生量回归模型、平时年农业面源污染产生量回归模型和枯水年农业面源污染产生量回归模型进行训练。
在训练时,将所述收集的历史农药化肥销售数据和计算的历史农业面源污染产生量输入Y= kX+ c中,经过多次拟合,可以获得对应的模型系数k和c,由此获得训练后的农业面源污染产生量回归模型。
九、基于当年的降雨数据和农药化肥销售数据,使用训练后的不同降雨场景的农业面源污染产生量回归模型对当年的农业面源污染产生量进行评估。
具体地,基于当年的降雨数据确定当年的降水场景是属于丰水年、平水年还是枯水年,并基于当年的降水场景将当年的农药化肥销售数据输入训练后的对应降雨场景的农业面源污染产生量回归模型对当年的农业面源污染产生量进行评估。在训练后的农业面源污染产生量回归模型中,模型系数k和c是已知的,因此,只需要输入当年的农药化肥销售数据,即可得到当年的农业面源污染产生量。
例如,基于当年的降雨数据确定当年的降水场景属于丰水年,则将当年的农药化肥销售数据输入训练后的丰水年农业面源污染产生量回归模型中对当年的农业面源污染产生量进行评估;基于当年的降雨数据确定当年的降水场景属于平水年,则将当年的农药化肥销售数据输入训练后的平水年农业面源污染产生量回归模型中对当年的农业面源污染产生量进行评估;基于当年的降雨数据确定当年的降水场景属于枯水年,则将当年的农药化肥销售数据输入训练后的枯水年农业面源污染产生量回归模型中对当年的农业面源污染产生量进行评估。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制。本领域的技术人员,依据本发明的思想,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (4)
1.一种农业面源污染产生量评估方法,其特征在于,包括以下步骤:
收集基础数据:收集研究区域的历史降雨数据和历史农药化肥销售数据;
划分子流域网格单元:根据研究区域的地理条件、水系分布情况和土地情况将研究区域划分为不同的子流域网格单元;
计算子流域网格单元农药化肥换算系数:根据子流域网格单元的种植作物类型,划分并量化其农药化肥换算系数;
计算子流域网格单元农药化肥销售量和实际使用量的转化系数:根据子流域网格单元的农业作业人员施肥施药习惯,计算子流域网格单元农药化肥销售量和实际使用量的转化系数;
计算历史农业面源污染产生量数据:基于所述子流域网格单元农药化肥换算系数、农药化肥销售量和实际使用量的转化系数、农药化肥的产污系数以及历史农药化肥销售数据得到历史农业面源污染产生量数据;
划分降雨场景:根据年降雨量大小划分研究区域的降雨场景;
建立农业面源污染产生量回归模型:针对不同的降雨场景,基于农药化肥销售数据和农业面源污染产生量数据得到不同降雨场景的农业面源污染产生量回归模型;
利用收集的历史农药化肥销售数据和计算的历史农业面源污染产生量数据训练不同降雨场景的农业面源污染产生量回归模型;
基于当年的降雨数据和农药化肥销售数据,使用训练后的不同降雨场景的农业面源污染产生量回归模型对当年的农业面源污染产生量进行评估;
所述农业面源污染产生量回归模型具体为:
Y= kX+ c,
式中,Y为农业面源污染产生量,X为农药化肥销售量,k和c为模型系数;
计算子流域网格单元农药化肥换算系数时,将子流域网格单元中使用某种农药化肥的农作物种植面积占研究区域中使用某种农药化肥的农作物种植面积的比例作为该子流域网格单元农药化肥换算系数。
2.根据权利要求1所述的农业面源污染产生量评估方法,其特征在于,所述划分子流域网格单元具体包括:
划分小流域:结合地理信息系统,基于数字高程模型提取研究区域的流域水系,随后设定流域阈值以及流域出口点,并基于所述流域阈值和流域出口点将研究区域划分成多个小流域;
划分子流域网格单元:划分出小流域之后,依据土地利用、土壤类型和坡度将小流域划分为多个子流域网格单元。
3.根据权利要求1所述的农业面源污染产生量评估方法,其特征在于,在划分降雨场景时,根据年降雨量大小将研究区域的降雨场景划分为丰水年、平水年和枯水年。
4.根据权利要求3所述的农业面源污染产生量评估方法,其特征在于,所述不同降雨场景的农业面源污染产生量回归模型包括丰水年农业面源污染产生量回归模型、平时年农业面源污染产生量回归模型和枯水年农业面源污染产生量回归模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311599700.2A CN117314019B (zh) | 2023-11-28 | 2023-11-28 | 一种农业面源污染产生量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311599700.2A CN117314019B (zh) | 2023-11-28 | 2023-11-28 | 一种农业面源污染产生量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314019A CN117314019A (zh) | 2023-12-29 |
CN117314019B true CN117314019B (zh) | 2024-04-12 |
Family
ID=89260760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311599700.2A Active CN117314019B (zh) | 2023-11-28 | 2023-11-28 | 一种农业面源污染产生量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314019B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050112700A (ko) * | 2004-05-27 | 2005-12-01 | (주)웹솔루스 | 비점오염원 모니터링 방법 및 시스템 |
CN113011993A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 基于标准数据的农业污染源入水体负荷量测算方法 |
CN113011992A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
CN113902344A (zh) * | 2021-11-18 | 2022-01-07 | 中水三立数据技术股份有限公司 | 一种基于模型的水环境水质目标管控方法 |
CN115587667A (zh) * | 2022-11-04 | 2023-01-10 | 深圳市生态环境智能管控中心 | 智慧环保平台水环境管理系统的污染分析管理模块及方法 |
CN116305757A (zh) * | 2022-12-21 | 2023-06-23 | 天津科技大学 | 一种基于swat和plus分析不同情景下农业面源污染的方法 |
-
2023
- 2023-11-28 CN CN202311599700.2A patent/CN117314019B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050112700A (ko) * | 2004-05-27 | 2005-12-01 | (주)웹솔루스 | 비점오염원 모니터링 방법 및 시스템 |
CN113011993A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 基于标准数据的农业污染源入水体负荷量测算方法 |
CN113011992A (zh) * | 2021-03-19 | 2021-06-22 | 中国水利水电科学研究院 | 一种基于标准数据的流域农业面源污染入河系数测算方法 |
CN113902344A (zh) * | 2021-11-18 | 2022-01-07 | 中水三立数据技术股份有限公司 | 一种基于模型的水环境水质目标管控方法 |
CN115587667A (zh) * | 2022-11-04 | 2023-01-10 | 深圳市生态环境智能管控中心 | 智慧环保平台水环境管理系统的污染分析管理模块及方法 |
CN116305757A (zh) * | 2022-12-21 | 2023-06-23 | 天津科技大学 | 一种基于swat和plus分析不同情景下农业面源污染的方法 |
Non-Patent Citations (3)
Title |
---|
发展生态农业控制洱海流域农业面源污染;李晓莲;杨怀钦;;农业环境与发展(第03期);全文 * |
新安江流域土地利用结构对水质的影响;曹芳芳;李雪;王东;赵越;王玉秋;;环境科学(第07期);第2582-2587页 * |
潮河流域非点源污染控制关键因子识别及分区;耿润哲;王晓燕;庞树江;殷培红;;中国环境科学(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117314019A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Coupling the water-energy-food-ecology nexus into a Bayesian network for water resources analysis and management in the Syr Darya River basin | |
CN110689173A (zh) | 一种灌区农业灌溉用水需求决策方法及系统 | |
CN110674467B (zh) | 基于swat模型的水文过程对气候变化的响应监测方法 | |
Yang et al. | Classifying floods by quantifying driver contributions in the Eastern Monsoon Region of China | |
D'Agostino et al. | Assessing the results of scenarios of climate and land use changes on the hydrology of an Italian catchment: modelling study | |
CN113011992B (zh) | 一种基于标准数据的流域农业面源污染入河系数测算方法 | |
Liu et al. | Optimization of planning structure in irrigated district considering water footprint under uncertainty | |
Kisaka et al. | Potential of deterministic and geostatistical rainfall interpolation under high rainfall variability and dry spells: case of Kenya’s Central Highlands | |
CN112528516B (zh) | 一种耦合土地利用类型和气候变化的流域水环境管理方法 | |
CN113011993A (zh) | 基于标准数据的农业污染源入水体负荷量测算方法 | |
CN111563661B (zh) | 一种节水减排量的确定方法、装置及设备 | |
Ojeda-Bustamante et al. | Using spatial information systems to improve water management in Mexico | |
Dang et al. | Development of an integrated hydrological-irrigation optimization modeling system for a typical rice irrigation scheme in Central Vietnam | |
Zema et al. | Improving management scenarios of water delivery service in collective irrigation systems: A case study in Southern Italy | |
CN117314019B (zh) | 一种农业面源污染产生量评估方法 | |
Abdul Karim et al. | FAO 56 model and remote sensing for the estimation of crop-water requirement in main branch canal of the Bhadra Command area, Karnataka State | |
US20230349880A1 (en) | Method and System for Characterising the Soil Moisture Characteristics of Management Zones in Both Time and Space, Specific to Zone-Based Management for Variable Rate Crop Inputs | |
AMPOFO et al. | Modeling soil water balance of an agricultural watershed in the Guinea Savannah Agro-ecological Zone; a case of the Tono irrigation dam watershed | |
Kijne | Salinisation in irrigated agriculture in Pakistan: mistaken predictions | |
Easter | Improving village irrigation systems: An example from India | |
Georgakakos et al. | Potential value of operationally available and spatially distributed ensemble soil water estimates for agriculture | |
Zadsar et al. | Using SWAT model to investigate the impact of Rangeland management practices on water conservation (case study: Gorganroud Watershed, Golestan, Iran) | |
CN113793006A (zh) | 一种基于尺度效应的农业节水潜力分析方法及系统 | |
CN105844366A (zh) | 一种区域尺度种植业面源氮损失量统计方法 | |
Wang et al. | Research on runoff simulation in Ningxia Section of the Yellow River Basin based on improved SWAT model. |
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 |