CN117909913B - 一种农业面源污染数据管理方法、系统、设备及介质 - Google Patents
一种农业面源污染数据管理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117909913B CN117909913B CN202410320004.1A CN202410320004A CN117909913B CN 117909913 B CN117909913 B CN 117909913B CN 202410320004 A CN202410320004 A CN 202410320004A CN 117909913 B CN117909913 B CN 117909913B
- Authority
- CN
- China
- Prior art keywords
- agricultural
- pollution
- point source
- value
- value calculation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013523 data management Methods 0.000 title claims description 26
- 230000002159 abnormal effect Effects 0.000 claims description 107
- 238000004364 calculation method Methods 0.000 claims description 92
- 239000003905 agrochemical Substances 0.000 claims description 83
- 230000007613 environmental effect Effects 0.000 claims description 74
- 239000002352 surface water Substances 0.000 claims description 43
- 239000003344 environmental pollutant Substances 0.000 claims description 41
- 231100000719 pollutant Toxicity 0.000 claims description 41
- 229910001385 heavy metal Inorganic materials 0.000 claims description 36
- 239000002689 soil Substances 0.000 claims description 34
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000003900 soil pollution Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 21
- 239000000575 pesticide Substances 0.000 claims description 15
- 238000003911 water pollution Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 241000592344 Spermatophyta Species 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 7
- 238000004519 manufacturing process Methods 0.000 description 16
- 239000000356 contaminant Substances 0.000 description 8
- 239000003337 fertilizer Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052731 fluorine Inorganic materials 0.000 description 2
- 239000011737 fluorine Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 125000001477 organic nitrogen group Chemical group 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000361 pesticidal effect Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种农业面源污染数据管理方法、系统、设备及介质,属于专用于管理的数据处理系统领域,本发明将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值,将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,若得到的农业污染异常值大于等于设置的农业污染异常阈值,则进行农业面源污染预警,若得到的农业污染异常值小于设置的农业污染异常阈值,则不进行农业面源污染预警,对农业面源污染情况进行准确建模和评估,为农业面源污染的防治提供有效的决策支持。
Description
技术领域
本发明属于专用于管理的数据处理系统技术领域,具体的说是一种农业面源污染数据管理方法、系统、设备及介质。
背景技术
农业面源污染是指农村生产、生活活动产生的污水、废气、废物等,未经处理直接或间接排放到农田中,对农田环境造成的各种污染,从而导致生产的作物污染物含量超标,这些污染物包括各种化学物质、重金属、营养物质等,对土壤、水体、大气等环境造成长期而广泛的影响,对生态环境和人体健康造成危害;
例如公开号为CN115423640A的中国专利中涉及一种流域农业面源污染物入湖负荷估算系统、设备及终端,所述流域农业面源污染物入湖负荷估算系统包括:流域数据获取模块、污染类型判断模块、数据预处理模块、数据传输模块、中央控制模块、预测模型构建模块、预测模型优化模块、污染负荷估算模块、数据存储模块、更新显示模块。本发明通过数据预处理模块对获取的目标区域的典型流域数据以及污染类型数据进行增强处理,减小计算量,提高数据增强处理的整体效果;通过构建污染负荷预测模型并对模型进行优化,实现流域农业面源污染物入湖负荷的有效估算预测,成本低、测定方法简单,明确治理重点,实现了对目标河流流域地表水资源的有效保护和科学管理;
同时例如在公开号为CN117314019A的中国专利中公开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。
以上专利均存在本背景技术提出的问题:农业面源污染数据管理方法的问题主要包括以下几个方面:
1. 数据处理复杂:由于数据的来源多样,数据处理变得十分复杂,需要结合不同的数据格式和系统,进行数据的清洗、转换和整合,以便更好地进行数据分析;
2. 缺乏有效的数据管理机制:现有的农业面源污染数据管理机制往往缺乏有效的协调和整合,导致数据重复采集或遗漏,无法形成有效的数据驱动的决策机制;
3. 数据利用不足:在许多情况下,农业面源污染的数据并没有得到充分的利用,缺乏对数据的深入挖掘和分析,无法为农业面源污染的防治提供有效的决策支持,现有技术中均存在上述问题,为了解决这些问题,本申请设计了一种农业面源污染数据管理方法、系统、设备及介质。
发明内容
针对现有技术的不足,本发明提出了一种农业面源污染数据管理方法、系统、设备及介质。
为实现上述目的,本发明提供如下技术方案:
一种农业面源污染数据管理方法,其包括以下具体步骤:
S1、建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测;
S2、将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值;
S3、将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值;
S4、将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值;
S5、将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,若得到的农业污染异常值大于等于设置的农业污染异常阈值,则进行农业面源污染预警,若得到的农业污染异常值小于设置的农业污染异常阈值,则不进行农业面源污染预警。
在此需要说明的是,所述S1包括以下具体步骤:
S11、获取需要监测的农业面源区域,在监测的农业面源区域中构建农业面源污染监测网络;
S12、使用环境因子传感器对农业面源区域内的环境因子进行实时采集,其中包括农田土壤和地表水含量数据,获取的农业面源区域内的环境因子储存在第一储存模组中,其中污染物含量数据为重金属含量和亚硝酸盐含量;
S13、同时实时对农业化学品中有害成分使用量和使用时间进行采集,在此需要进一步说明的是,这里的农业化学品中有害成分为重金属、有机磷、无机氟和有机氮,采集的农业化学品中有害成分使用量储存在第二储存模组中。
在此需要说明的是,所述S2中环境影响值计算策略的具体内容如下:
S21、获取种植时间中农业面源区域内的环境因子数据变化曲线,其中包括农田土壤和地表水中污染物含量变化曲线;
S22、提取农田土壤中的污染物含量变化曲线,将农田土壤中的污染物含量变化曲线导入土壤污染异常值计算公式中计算土壤污染异常值,其中,土壤污染异常值计算公式为:,其中,T为种植物的种植时长,n为农田土壤中重金属和亚硝酸盐种类个数,/>为农田土壤中重金属和亚硝酸盐种类中第i个的占比系数,/>为种植t时刻时的农田土壤中重金属和亚硝酸盐种类中第i个的具体数值,/>为农田土壤中重金属和亚硝酸盐种类中第i个的安全范围最大值,同时/>。
在此需要说明的是,所述S2中环境影响值计算策略中还包括以下具体内容:
S23、提取农田地表水中的污染物含量变化曲线,将农田地表水中的污染物含量变化曲线导入地表水污染异常值计算公式中计算地表水污染异常值,其中,地表水污染异常值计算公式为:,其中,m为农田地表水中重金属和亚硝酸盐种类个数,/>为种植t时刻时的农田地表水中重金属和亚硝酸盐种类中第j个的具体数值,/>为农田地表水中重金属和亚硝酸盐种类中第j个的安全范围最大值,/>为农田地表水中重金属和亚硝酸盐种类中第j个的占比系数,/>;
S24、获取计算得到的土壤污染异常值和地表水污染异常值代入环境影响值计算公式中计算环境影响值,其中,环境影响值计算公式为:,其中,/>为土壤污染异常值占比系数,/>为地表水污染异常值占比系数,其中,/>。
在此需要说明的是,所述S3中农业化学品影响值计算策略包括以下具体内容:
获取种植时间内农业化学品中有害成分使用量和使用时间,将农业化学品中有害成分使用量和使用时间代入农业化学品影响值计算公式中进行农业化学品影响值的计算,农业化学品影响值计算公式为:,其中,Z为种植过程中的农药施加次数,/>为第z次农药施加过程距离统计时刻的时间天数间隔的数值,W为农业化学品中有害成分种类个数,/>为第z次农药施加过程第w个有害成分的使用量,/>为第w个有害成分的使用量合格范围的最大值,/>为第w个有害成分的占比系数,/>。
在此需要说明的是,所述S4中农业污染异常值包括以下具体内容:
获取计算得到的农业面源污染的环境影响值和农业化学品影响值,将得到的环境影响值和农业化学品影响值代入农业污染异常值计算公式中计算农业污染异常值,其中,农业污染异常值计算公式为:,其中,/>为环境影响值占比系数,/>为农业化学品影响值占比系数,/>;
在此需要进一步说明的是,这里的、/>、/>、/>和农业污染异常阈值的取值方式为:获取5000组农产品生产数据,500名专家对农产品生产数据的生产质量进行农业污染农产品的判断,然后将农产品生产数据代入农业污染异常值计算公式中计算农业污染异常值,将农业污染异常值和判断结果代入拟合软件中输出符合判断准确率的最优/>、/>、/>、和农业污染异常阈值的取值。
一种农业面源污染数据管理系统,其基于上述一种农业面源污染数据管理方法实现,其具体包括:污染监测网络建立模块、环境影响值计算模块、农业化学品影响值计算模块、农业污染异常值计算模块、数据对比模块、预警模块和控制模块,所述污染监测网络建立模块用于建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测,所述环境影响值计算模块用于将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值,所述农业化学品影响值计算模块用于将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值。
在此需要说明的是,所述农业污染异常值计算模块用于将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值,所述数据对比模块用于将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,所述预警模块用于进行农业面源污染预警。
在此需要说明的是,所述控制模块用于控制污染监测网络建立模块、环境影响值计算模块、农业化学品影响值计算模块、农业污染异常值计算模块和数据对比模块的运行。
一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的一种农业面源污染数据管理方法。
一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如上述的一种农业面源污染数据管理方法。
与现有技术相比,本发明的有益效果是:
本发明建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测,将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值,将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值,将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值,将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,若得到的农业污染异常值大于等于设置的农业污染异常阈值,则进行农业面源污染预警,若得到的农业污染异常值小于设置的农业污染异常阈值,则不进行农业面源污染预警,对农业面源污染情况进行准确建模和评估,为农业面源污染的防治提供有效的决策支持。
附图说明
图1为本发明一种农业面源污染数据管理方法流程示意图;
图2为本发明一种农业面源污染数据管理方法S1步具体流程示意图;
图3为本发明一种农业面源污染数据管理方法S2步具体流程示意图;
图4为本发明一种农业面源污染数据管理系统构架示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。
实施例1
请参阅图1-图3,本发明提供的一种实施例:一种农业面源污染数据管理方法,其包括以下具体步骤:S1、建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测;
S2、将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值;
S3、将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值;
S4、将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值;
S5、将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,若得到的农业污染异常值大于等于设置的农业污染异常阈值,则进行农业面源污染预警,若得到的农业污染异常值小于设置的农业污染异常阈值,则不进行农业面源污染预警。
在本实施例中需要说明的是,S1包括以下具体步骤:
S11、获取需要监测的农业面源区域,在监测的农业面源区域中构建农业面源污染监测网络;
S12、使用环境因子传感器对农业面源区域内的环境因子进行实时采集,其中包括农田土壤和地表水含量数据,获取的农业面源区域内的环境因子储存在第一储存模组中,其中污染物含量数据为重金属含量和亚硝酸盐含量;
S13、同时实时对农业化学品中有害成分使用量和使用时间进行采集,在此需要进一步说明的是,这里的农业化学品中有害成分为重金属、有机磷、无机氟和有机氮,采集的农业化学品中有害成分使用量储存在第二储存模组中。
在本实施例中需要说明的是,S2中环境影响值计算策略的具体内容如下:
S21、获取种植时间中农业面源区域内的环境因子数据变化曲线,其中包括农田土壤和地表水中污染物含量变化曲线;
S22、提取农田土壤中的污染物含量变化曲线,将农田土壤中的污染物含量变化曲线导入土壤污染异常值计算公式中计算土壤污染异常值,其中,土壤污染异常值计算公式为:,其中,T为种植物的种植时长,n为农田土壤中重金属和亚硝酸盐种类个数,/>为农田土壤中重金属和亚硝酸盐种类中第i个的占比系数,/>为种植t时刻时的农田土壤中重金属和亚硝酸盐种类中第i个的具体数值,/>为农田土壤中重金属和亚硝酸盐种类中第i个的安全范围最大值,同时/>。
下面是一个简化的C语言代码示例,用于计算土壤污染异常值。请注意,这个代码示例假设污染物数据是预先知道的,并且以某种方式输入到程序中;
#include <stdio.h>
// 定义结构体来存储污染物数据
typedef struct {
double ximax; // 安全范围最大值
double ci; // 占比系数
} Pollutant;
// 函数声明
double calculateIntegral(double x[], int n, int t);
double calculateAbnormalValue(Pollutant pollutants[], int n, int t);
int main() {
// 假设污染物种类个数和种植时长是预先知道的
int n = 污染物种类个数 */;
int T = /* 种植时长 */;
// 污染物数据结构数组
Pollutant pollutants[n];
// 初始化污染物数据
for (int i = 0; i < n; i++) {
// 读取或设置每个污染物的安全范围最大值和占比系数
pollutants[i].ximax = /* 读取或设置安全范围最大值 */;
pollutants[i].ci = /* 读取或设置占比系数 */;
}
// 农田土壤中污染物含量的数据数组
double x[T];
// 初始化污染物含量数据
for (int t = 0; t < T; t++) {
// 读取或设置每个时刻的污染物含量
x[t] = /* 读取或设置时刻t的污染物含量 */;
}
// 计算每个时刻的污染物含量积分
double integrals[T];
for (int t = 0; t < T; t++) {
integrals[t] = calculateIntegral(x, n, t);
}
// 计算土壤污染异常值
double abnormalValue = calculateAbnormalValue(pollutants, n, T);
// 输出结果
printf("土壤污染异常值: %f\n", abnormalValue);
return 0;
}
// 计算种植t时刻时的污染物含量积分
double calculateIntegral(double x[], int n, int t) {
double integral = 0.0;
for (int i = 0; i < n; i++) {
integral += x[t] * x[t]; // 示例:简单地使用污染物含量的平方作为积分值
}
return integral;
}
// 计算土壤污染异常值
double calculateAbnormalValue(Pollutant pollutants[], int n, int t) {
double sumCI = 0.0;
for (int i = 0; i < n; i++) {
sumCI += pollutants[i].ci;
}
double abnormalValue = 0.0;
for (int i = 0; i < n; i++) {
double integral = calculateIntegral(x, n, t);
abnormalValue += pollutants[i].ci * (integral / pollutants[i].ximax);
}
return abnormalValue / sumCI;
}
这个代码示例是一个基础框架,实际应用中需要根据具体情况进行调整和完善;
在本实施例中需要说明的是,S2中环境影响值计算策略中还包括以下具体内容:
S23、提取农田地表水中的污染物含量变化曲线,将农田地表水中的污染物含量变化曲线导入地表水污染异常值计算公式中计算地表水污染异常值,其中,地表水污染异常值计算公式为:,其中,m为农田地表水中重金属和亚硝酸盐种类个数,/>为种植t时刻时的农田地表水中重金属和亚硝酸盐种类中第j个的具体数值,/>为农田地表水中重金属和亚硝酸盐种类中第j个的安全范围最大值,/>为农田地表水中重金属和亚硝酸盐种类中第j个的占比系数,/>;
S24、获取计算得到的土壤污染异常值和地表水污染异常值代入环境影响值计算公式中计算环境影响值,其中,环境影响值计算公式为:,其中,/>为土壤污染异常值占比系数,/>为地表水污染异常值占比系数,其中,/>。
在本实施例中需要说明的是,S3中农业化学品影响值计算策略包括以下具体内容:
获取种植时间内农业化学品中有害成分使用量和使用时间,将农业化学品中有害成分使用量和使用时间代入农业化学品影响值计算公式中进行农业化学品影响值的计算,农业化学品影响值计算公式为:,其中,Z为种植过程中的农药施加次数,/>为第z次农药施加过程距离统计时刻的时间天数间隔的数值,W为农业化学品中有害成分种类个数,/>为第z次农药施加过程第w个有害成分的使用量,/>为第w个有害成分的使用量合格范围的最大值,/>为第w个有害成分的占比系数,/>。
在本实施例中需要说明的是,S4中农业污染异常值包括以下具体内容:
获取计算得到的农业面源污染的环境影响值和农业化学品影响值,将得到的环境影响值和农业化学品影响值代入农业污染异常值计算公式中计算农业污染异常值,其中,农业污染异常值计算公式为:,其中,/>为环境影响值占比系数,/>为农业化学品影响值占比系数,/>;
在本实施例中需要进一步说明的是,这里的、/>、/>、/>和农业污染异常阈值的取值方式为:获取5000组农产品生产数据,500名专家对农产品生产数据的生产质量进行农业污染农产品的判断,然后将农产品生产数据代入农业污染异常值计算公式中计算农业污染异常值,将农业污染异常值和判断结果代入拟合软件中输出符合判断准确率的最优/>、、/>、/>和农业污染异常阈值的取值。
通过本实施例能够实现:建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测,将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值,将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值,将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值,将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,若得到的农业污染异常值大于等于设置的农业污染异常阈值,则进行农业面源污染预警,若得到的农业污染异常值小于设置的农业污染异常阈值,则不进行农业面源污染预警,对农业面源污染情况进行准确建模和评估,为农业面源污染的防治提供有效的决策支持。
实施例2
如图4所示,一种农业面源污染数据管理系统,其基于上述一种农业面源污染数据管理方法实现,其具体包括:污染监测网络建立模块、环境影响值计算模块、农业化学品影响值计算模块、农业污染异常值计算模块、数据对比模块、预警模块和控制模块,污染监测网络建立模块用于建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测,环境影响值计算模块用于将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值,农业化学品影响值计算模块用于将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值;农业污染异常值计算模块用于将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值,数据对比模块用于将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,预警模块用于进行农业面源污染预警;控制模块用于控制污染监测网络建立模块、环境影响值计算模块、农业化学品影响值计算模块、农业污染异常值计算模块和数据对比模块的运行。
实施例3
本实施例提供一种电子设备,包括:处理器和存储器,其中,存储器中存储有可供处理器调用的计算机程序;
处理器通过调用存储器中存储的计算机程序,执行上述的一种农业面源污染数据管理方法。
该电子设备可因配置或性能不同而产生比较大的差异,能够包括一个或一个以上的处理器(Central Processing Units,CPU)和一个或一个以上的存储器,其中,该存储器中存储有至少一条计算机程序,该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种农业面源污染数据管理方法。该电子设备还能够包括其他用于实现设备功能的部件,例如,该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件,以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当计算机程序在计算机设备上运行时,使得计算机设备执行上述的一种农业面源污染数据管理方法。
例如,计算机可读存储介质能够是只读存储器(Read-Only Memory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、只读光盘(Compact Disc Read-OnlyMemory,简称:CD-ROM)、磁带、软盘和光数据存储设备等。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,根据A确定B并不意味着仅仅根据A确定B,还能够根据A和/或其它信息确定B。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种农业面源污染数据管理方法,其特征在于,其包括以下具体步骤:
S1、建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测;
S2、将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值;
S3、将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值;
S4、将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值;
S5、将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,若得到的农业污染异常值大于等于设置的农业污染异常阈值,则进行农业面源污染预警,若得到的农业污染异常值小于设置的农业污染异常阈值,则不进行农业面源污染预警;所述S2中环境影响值计算策略的具体内容如下:
S21、获取种植时间中农业面源区域内的环境因子数据变化曲线,其中包括农田土壤和地表水中污染物含量变化曲线;
S22、提取农田土壤中的污染物含量变化曲线,将农田土壤中的污染物含量变化曲线导入土壤污染异常值计算公式中计算土壤污染异常值,其中,土壤污染异常值计算公式为:,其中,T为种植物的种植时长,n为农田土壤中重金属和亚硝酸盐种类个数,/>为农田土壤中重金属和亚硝酸盐种类中第i个的占比系数,/>为种植t时刻时的农田土壤中重金属和亚硝酸盐种类中第i个的具体数值,/>为农田土壤中重金属和亚硝酸盐种类中第i个的安全范围最大值,同时/>;所述S2中环境影响值计算策略中还包括以下具体内容:
S23、提取农田地表水中的污染物含量变化曲线,将农田地表水中的污染物含量变化曲线导入地表水污染异常值计算公式中计算地表水污染异常值,其中,地表水污染异常值计算公式为:,其中,m为农田地表水中重金属和亚硝酸盐种类个数,/>为种植t时刻时的农田地表水中重金属和亚硝酸盐种类中第j个的具体数值,/>为农田地表水中重金属和亚硝酸盐种类中第j个的安全范围最大值,/>为农田地表水中重金属和亚硝酸盐种类中第j个的占比系数,/>;
S24、获取计算得到的土壤污染异常值和地表水污染异常值代入环境影响值计算公式中计算环境影响值,其中,环境影响值计算公式为:,其中,为土壤污染异常值占比系数,/>为地表水污染异常值占比系数,其中,/>;所述S3中农业化学品影响值计算策略包括以下具体内容:
获取种植时间内农业化学品中有害成分使用量和使用时间,将农业化学品中有害成分使用量和使用时间代入农业化学品影响值计算公式中进行农业化学品影响值的计算,农业化学品影响值计算公式为:,其中,Z为种植过程中的农药施加次数,/>为第z次农药施加过程距离统计时刻的时间天数间隔的数值,W为农业化学品中有害成分种类个数,/>为第z次农药施加过程第w个有害成分的使用量,/>为第w个有害成分的使用量合格范围的最大值,/>为第w个有害成分的占比系数,/>;
所述S4中农业污染异常值计算策略包括以下具体内容:
获取计算得到的农业面源污染的环境影响值和农业化学品影响值,将得到的环境影响值和农业化学品影响值代入农业污染异常值计算公式中计算农业污染异常值,其中,农业污染异常值计算公式为:,其中,/>为环境影响值占比系数,/>为农业化学品影响值占比系数,/>。
2.如权利要求1所述的一种农业面源污染数据管理方法,其特征在于,所述S1包括以下具体步骤:
S11、获取需要监测的农业面源区域,在监测的农业面源区域中构建农业面源污染监测网络;
S12、使用环境因子传感器对农业面源区域内的环境因子进行实时采集,其中包括农田土壤和地表水含量数据,获取的农业面源区域内的环境因子储存在第一储存模组中,其中污染物含量数据为重金属含量和亚硝酸盐含量;
S13、同时实时对农业化学品中有害成分使用量和使用时间进行采集,采集的农业化学品中有害成分使用量储存在第二储存模组中。
3.一种农业面源污染数据管理系统,其基于如权利要求1-2任一项的所述一种农业面源污染数据管理方法实现,其特征在于,其具体包括:污染监测网络建立模块、环境影响值计算模块、农业化学品影响值计算模块、农业污染异常值计算模块、数据对比模块、预警模块和控制模块,所述污染监测网络建立模块用于建立农业面源污染监测网络,实现环境因子的监测和农业化学品使用量的监测,所述环境影响值计算模块用于将监测得到的环境因子数据导入环境影响值计算策略中计算农业面源污染的环境影响值,所述农业化学品影响值计算模块用于将获取得到的农业化学品使用量数据导入农业化学品影响值计算策略中计算农业面源污染的农业化学品影响值。
4.如权利要求3中所述的一种农业面源污染数据管理系统,其特征在于,所述农业污染异常值计算模块用于将计算得到的环境影响值和农业化学品影响值代入农业污染异常值计算策略中输出农业面的农业污染异常值,所述数据对比模块用于将计算得到的农业污染异常值与设置的农业污染异常阈值进行对比,所述预警模块用于进行农业面源污染预警。
5.如权利要求4中所述的一种农业面源污染数据管理系统,其特征在于,所述控制模块用于控制污染监测网络建立模块、环境影响值计算模块、农业化学品影响值计算模块、农业污染异常值计算模块和数据对比模块的运行。
6.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行权利要求1-2任一项所述的一种农业面源污染数据管理方法。
7.一种计算机可读存储介质,其特征在于:储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-2任意一项所述的一种农业面源污染数据管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410320004.1A CN117909913B (zh) | 2024-03-20 | 2024-03-20 | 一种农业面源污染数据管理方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410320004.1A CN117909913B (zh) | 2024-03-20 | 2024-03-20 | 一种农业面源污染数据管理方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117909913A CN117909913A (zh) | 2024-04-19 |
CN117909913B true CN117909913B (zh) | 2024-05-14 |
Family
ID=90689587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410320004.1A Active CN117909913B (zh) | 2024-03-20 | 2024-03-20 | 一种农业面源污染数据管理方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117909913B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019122798A1 (en) * | 2017-12-20 | 2019-06-27 | Intellitect Water Ltd | A water network monitor, monitoring system and method |
CN116106265A (zh) * | 2023-01-12 | 2023-05-12 | 中科合肥智慧农业协同创新研究院 | 基于高光谱遥感的小流域农业面源污染智能化监测预警方法及系统 |
CN117558107A (zh) * | 2024-01-12 | 2024-02-13 | 济南天楚科技有限公司 | 一种基于物联网的农业环境监测系统 |
CN117630319A (zh) * | 2024-01-26 | 2024-03-01 | 深圳市天地互通科技有限公司 | 一种基于大数据的水质监测预警方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6990459B2 (en) * | 2000-08-22 | 2006-01-24 | Deere & Company | System and method for developing a farm management plan for production agriculture |
-
2024
- 2024-03-20 CN CN202410320004.1A patent/CN117909913B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019122798A1 (en) * | 2017-12-20 | 2019-06-27 | Intellitect Water Ltd | A water network monitor, monitoring system and method |
CN116106265A (zh) * | 2023-01-12 | 2023-05-12 | 中科合肥智慧农业协同创新研究院 | 基于高光谱遥感的小流域农业面源污染智能化监测预警方法及系统 |
CN117558107A (zh) * | 2024-01-12 | 2024-02-13 | 济南天楚科技有限公司 | 一种基于物联网的农业环境监测系统 |
CN117630319A (zh) * | 2024-01-26 | 2024-03-01 | 深圳市天地互通科技有限公司 | 一种基于大数据的水质监测预警方法及系统 |
Non-Patent Citations (2)
Title |
---|
农业面源污染治理的技术与政策研究进展;王萌;周丽丽;耿润哲;;环境与可持续发展;20200216(第01期);第98-103页 * |
土壤重金属污染遥感监测研究进展;沈文娟;蒋超群;侍昊;王春红;李明诗;;遥感信息;20141215(第06期);第112-117页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117909913A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nayak et al. | Groundwater level forecasting in a shallow aquifer using artificial neural network approach | |
Yang et al. | Coupling Xinanjiang model and SWAT to simulate agricultural non-point source pollution in Songtao watershed of Hainan, China | |
Kim et al. | Artificial neural network models of watershed nutrient loading | |
CN111210128A (zh) | 一种基于人工智能及随机自适应阈值的湿地预警方法 | |
Chen et al. | Artificial neural network modelling of concentrations of nitrogen, phosphorus and dissolved oxygen in a non‐point source polluted river in Zhejiang Province, southeast China | |
Zhao et al. | A Bayesian method for multi-pollution source water quality model and seasonal water quality management in river segments | |
Jain et al. | Evaluation of AMC-dependent SCS-CN-based models using watershed characteristics | |
Stamenković et al. | Prediction of nitrate concentration in Danube River water by using artificial neural networks | |
Giri et al. | Integrating statistical and hydrological models to identify implementation sites for agricultural conservation practices | |
CN115187417A (zh) | 深层土壤中重质有机污染物原位修复方法、装置和设备 | |
Wade et al. | Over-parameterised, uncertain ‘mathematical marionettes’—How can we best use catchment water quality models? An example of an 80-year catchment-scale nutrient balance | |
Çinar et al. | Application of an unsupervised artificial neural network technique to multivariant surface water quality data | |
CN117909913B (zh) | 一种农业面源污染数据管理方法、系统、设备及介质 | |
CN113111964A (zh) | 场地污染特征分析方法、装置、电子设备和存储介质 | |
Chtioui et al. | Moisture prediction from simple micrometeorological data | |
CN117371727A (zh) | 一种基于物联网的智慧农业监测与规划方法及系统 | |
Confalonieri et al. | An integrated procedure to evaluate hydrological models | |
Endreny | Forest buffer strips: Mapping the water quality benefits | |
Zia et al. | A low-complexity machine learning nitrate loss predictive model–towards proactive farm management in a networked catchment | |
Ardana et al. | Groundwater Level Forecasting Using Multiple Linear Regression and Artificial Neural Network Approaches | |
CN116384268A (zh) | 基于水污染的污染源溯源方法、装置以及设备 | |
CN115775042A (zh) | 基于贝叶斯理论的农作物重金属富集风险预测方法及系统 | |
CN114626965A (zh) | 一种区域生态承载力边界阈值检测方法及装置 | |
CN114864015A (zh) | 水体富营养化检测方法、装置、设备及存储介质 | |
Tadesse et al. | Modeling landscape wind erosion processes on rangelands using the APEX 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 |