CN118090526A - 一种基于水土流失的土壤微塑料迁移智能监测方法 - Google Patents
一种基于水土流失的土壤微塑料迁移智能监测方法 Download PDFInfo
- Publication number
- CN118090526A CN118090526A CN202410501202.8A CN202410501202A CN118090526A CN 118090526 A CN118090526 A CN 118090526A CN 202410501202 A CN202410501202 A CN 202410501202A CN 118090526 A CN118090526 A CN 118090526A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- soil
- micro
- plastic
- subarea
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 341
- 239000002689 soil Substances 0.000 title claims abstract description 208
- 238000013508 migration Methods 0.000 title claims abstract description 151
- 230000005012 migration Effects 0.000 title claims abstract description 151
- 229920003023 plastic Polymers 0.000 title claims abstract description 149
- 239000004033 plastic Substances 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 54
- 238000005070 sampling Methods 0.000 claims abstract description 118
- 229920000426 Microplastic Polymers 0.000 claims description 121
- 238000004162 soil erosion Methods 0.000 claims description 54
- 238000005259 measurement Methods 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 31
- 208000011580 syndromic disease Diseases 0.000 claims description 30
- 230000003628 erosive effect Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 22
- 239000002245 particle Substances 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 12
- 238000012937 correction Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- 238000012876 topography Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000004016 soil organic matter Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于水土流失的土壤微塑料迁移智能监测方法，涉及土壤微塑料监测技术领域，首先对监测区域内的地形数据进行分析，从而得到各监测子区域的采样点规模数据，能够为土壤微塑料迁移智能监测提供更精准的采样点位规模数据，从而提高监测的效率、准确性和可信度，随后，对监测区域内的微塑料的数据和气象数据进行分析，综合评估分析各监测子区域的微塑料迁移情况，提高了监测数据的准确性和可靠性，从而有助于深入了解微塑料污染的情况，实现监测频率的调节和智能预警控制，提高监测系统的监测效率，有助于全面把握微塑料迁移的特征和趋势，为环境保护和管理提供科学依据。
Description
技术领域
本发明涉及微塑料监测技术领域，具体为一种基于水土流失的土壤微塑料迁移智能监测方法。
背景技术
随着工业化和城市化的快速发展，土壤污染已经成为一个全球性的环境问题。近年来，人们对于微塑料污染的关注日益增加，而土壤微塑料污染作为一种新兴的环境污染问题，也逐渐引起了科学家和环保人士的广泛关注。
土壤微塑料的来源多样，主要包括塑料制品的使用、塑料垃圾的堆积和分解、废水排放等。一旦微塑料进入土壤环境，其迁移和转化过程将受到多种因素的影响，其中水土流失是主要的迁移途径之一，水土流失导致的土壤侵蚀不仅会带走土壤中的微塑料颗粒，还可能使其进入水体，造成更大范围的环境污染。因此，针对土壤微塑料迁移的智能监测显得尤为重要。
现有技术如公开号为：CN114019082A的专利申请，一种土壤有机质含量监测方法和系统，分别采集了无人机高光谱影像和地面实测土壤有机质含量，利用变量空间迭代收缩算法结合极端随机树构建SOM回归估计模型，再利用所构建的SOM回归估计模型得到土壤高光谱影像上每个像素点的有机质含量，反演得到有机质含量分布图，能够在提高土壤有机质含量监测时效性和精确性的同时，降低监测工作量和研究成本，进而实现无人机在定制的时空尺度下实现对作物和自然资源的快速监测，为精准农业提供数据支持。
现有技术如公开号为：CN115659868A的专利申请，为水热耦合的土壤水深度学习方法和土壤水热运移监测系统，能够有效避免参数过多、求解复杂等问题，并能够无监督反演土壤导热率与具有强非线性的土壤导水率，实现土壤水分与温度状态及土壤水通量的精确计算；该方法包括：步骤1，土壤水与土壤温度固定深度的时间序列数据获取；步骤2，基于土壤水动力学及本构关系构建土壤水状态网络与参数子网络；步骤3，针对土壤热运移过程构建土壤温度状态网络与热导率子网络；步骤4，训练步骤2中的土壤水神经网络，得到土壤水与通量时空分布；步骤5，联合步骤4土壤水网络的输出耦合训练土壤温度状态网络与参数子网络，得到温度时空分布，并无监督反演出热导率关系或强非线性的导水率关系。
结合上述方案发现，当前在土壤微塑料迁移智能监测中，缺乏对监测区域内的地形数据进行细致的检测，导致采样点位的选取不合理，可能无法准确反映监测区域内微塑料的实际迁移情况，且缺少进一步针对监测区域内的微塑料数据分析和气象数据进行结合性地监测分析，可能会导致无法全面了解微塑料在监测区域内的迁移行为以及无法准确评估气象因素对微塑料迁移的影响，使数据的分析不够全面和深入，可能会使监测结果缺乏科学依据，无法有效指导环境保护和管理工作。
发明内容
针对现有技术的不足，本发明提供了一种基于水土流失的土壤微塑料迁移智能监测方法，能够有效解决上述背景技术中涉及的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于水土流失的土壤微塑料迁移智能监测方法，包括通过云服务器采集监测区域内的地形分布示意图，并将监测区域进行划分得到各监测子区域，综合分析得到各监测子区域的采样点规模数据.
根据各监测子区域的采样点规模数据，对各监测子区域进行采样点布设，并获取各监测子区域内各采样点的土壤微塑料采样数据.
对各监测子区域内各采样点的土壤微塑料采样数据进行分析，得到各监测子区域内的土壤微塑料迁移特征值.
根据各监测子区域内的土壤微塑料迁移特征值，并统计结合监测区域内的气象数据，对监测区域内的微塑料迁移进行监测频率调节以及智能预警控制。
进一步地，所述分析得到各监测子区域的采样点规模数据，具体分析过程为：根据监测区域内的地形分布示意图，从中分割得到各监测子区域的地形分布示意图，并提取各监测子区域的平均高程值、各类土地覆盖面积和各监测子区域的占地总面积，同步提取数据库中存储的参照平均高程值以及各类土地界定覆盖占比，经处理得到各监测子区域的采样分布计量值.
根据各监测子区域的采样分布计量值，并与数据库中存储的各采样分布计量值区间对应的采样点规模数据进行匹配，得到各监测子区域的采样点规模数据，所述采样点规模数据包括采样点的布设密度。
进一步地，所述各监测子区域的采样分布计量值表示通过对各监测子区域的地形分布进行量化分析，是用于评估各监测子区域内的土地利用以及水土流失风险的量化结果，并作为各监测子区域的采样点规模数据的分析根据。
进一步地，所述对各监测子区域内各采样点的土壤微塑料采样数据进行分析，具体分析过程为：根据各监测子区域内各采样点的土壤微塑料采样数据，土壤微塑料采样数据包括微塑料数量、微塑料颗粒平均直径、采集时段地表最高水流速、采集时段地表累计径流量和采集时段平均监测风速。
统计各监测子区域内微塑料总数量和微塑料颗粒平均直径，并提取数据库中存储的参照微塑料数量和参照微塑料颗粒直径，经处理得到各监测子区域内的微塑料污染程度第一计量值。
统计各监测子区域内各采样点的采集时段地表最高水流速和采集时段地表累计径流量，并提取数据库中存储的单位采集时段地表最高水流速对应的微塑料污染评估因子以及单位采集时段地表累计径流量对应的微塑料污染评估因子，经处理得到各监测子区域内的微塑料污染程度第二计量值。
统计提取各监测子区域内各采样点的采集时段的土壤含水率，并与数据库中存储的监测区域在各土壤含水率区间对应的预测土壤侵蚀量以及预测土壤侵蚀深度进行匹配，得到各监测子区域内各采样点的预测土壤侵蚀量以及预测土壤侵蚀深度。
提取数据库中存储的土壤侵蚀量对应单位数值的侵蚀影响因子以及土壤侵蚀深度对应单位数值的侵蚀影响因子，经处理得到各监测子区域内的微塑料污染程度第三计量值。
统计提取各监测子区域内各采样点的采集时段平均监测风速，并与数据库中存储的监测区域在各风速区间对应的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度进行匹配，得到各监测子区域内各采样点的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度。
提取数据库中存储的土壤风蚀速率对应单位数值的侵蚀影响因子、土壤侵蚀量对应单位数值的侵蚀影响因子以及土壤侵蚀深度对应单位数值的侵蚀影响因子，经处理得到各监测子区域内的微塑料污染程度第三计量值。
进一步地，所述得到各监测子区域内的土壤微塑料迁移特征值，具体过程为：根据各监测子区域内的微塑料污染程度第一计量值、各监测子区域内的微塑料污染程度第二计量值以及各监测子区域内的微塑料污染程度第三计量值，整合分析各监测子区域内的土壤微塑料迁移特征值。
进一步地，所述各监测子区域内的土壤微塑料迁移特征值表示通过对各监测子区域内各采样点的土壤微塑料采样数据进行分析，得到的用于分析的各监测子区域内土壤微塑料污染状况的量化结果，并作为对监测区域的微塑料迁移进行监测频率调节以及智能预警控制的分析根据。
进一步地，所述统计结合监测区域内的气象数据，具体统计过程为：提取监测区域内的气象数据，气象数据包括日均降雨量、日均湿度以及日均日照时间，并提取数据库中存储的监测区域内的适宜降雨量、适宜湿度以及适宜日均日照时间，经处理得到监测区域内的土壤微塑料迁移的气象影响值。
进一步地，所述对监测区域内的微塑料迁移进行监测频率调节以及智能预警控制，具体过程为：根据各监测子区域内的土壤微塑料迁移特征值，通过累加得到监测区域内的土壤微塑料迁移特征值，并提取监测区域内的土壤微塑料迁移的气象影响值，整合分析监测区域内的土壤微塑料迁移综合指征值。
根据监测区域内的土壤微塑料迁移综合指征值，并与设定的各土壤微塑料迁移综合指征值区间对应的微塑料迁移监测频率进行比对，得到监测区域内的微塑料迁移监测频率。
根据监测区域内的土壤微塑料迁移综合指征值，并与设定的土壤微塑料迁移综合指征阈值进行比对，若监测区域内的土壤微塑料迁移综合指征值高于或等于土壤微塑料迁移综合指征阈值，则进行智能预警控制。
进一步地，所述各监测子区域内的土壤微塑料迁移特征值，具体分析条件为：
；
式中，为第j个监测子区域内的土壤微塑料迁移特征值，/>为第j个监测子区域内的微塑料污染程度第一计量值，/>为第j个监测子区域内的微塑料污染程度第二计量值，/>为第j个监测子区域内的微塑料污染程度第三计量值，/>为设定的微塑料污染程度第一计量值对应的权重因子，/>为设定的微塑料污染程度第二计量值对应的权重因子，/>为设定的微塑料污染程度第三计量值对应的权重因子，j表示各监测子区域的编号，/>，m表示监测子区域的数目。
进一步地，所述监测区域内的土壤微塑料迁移综合指征值，具体分析条件为：
；
式中，为监测区域内的土壤微塑料迁移综合指征值,/>为监测区域内的土壤微塑料迁移的气象影响值，/>为监测区域内的土壤微塑料迁移特征值,/>为设定的土壤微塑料迁移的气象影响值对应的权重因子，/>为设定的土壤微塑料迁移特征值对应的权重因子，e表示自然常数。
本发明具有以下有益效果：
（1）本发明通过提供一种基于水土流失的土壤微塑料迁移智能监测方法，首先对监测区域内的地形数据进行分析，从而得到各监测子区域的采样点规模数据，能够为土壤微塑料迁移智能监测提供更精准的采样点位规模数据，从而提高监测的效率、准确性和可信度，随后，对监测区域内的微塑料监测数据和气象数据进行分析，综合评估各监测子区域的微塑料迁移情况，实现监测频率的调节和智能预警控制，有助于全面把握微塑料迁移的特征和趋势，为环境保护和管理提供科学依据。
（2）本发明通过分析得到各监测子区域的采样点规模数据，有助于优化监测点位布局，提高监测效率和准确性，确保监测结果的可靠性，从而为土壤微塑料迁移智能监测提供科学依据。
（3）本发明通过分析得到各监测子区域内的土壤微塑料迁移特征值，通过对监测区域内的微塑料监测数据和气象数据进行分析，能够全面评估监测区域内的微塑料污染情况，为土壤微塑料迁移智能监测提供全面的监测数据和分析结果，进一步提高了监测数据的准确性和可靠性，从而有助于深入了解微塑料污染的情况。
（4）本发明通过监测频率的调节和智能预警控制，可以使土壤微塑料迁移监测更加灵活地应对不同的监测需求和环境变化，能够及时发现微塑料迁移的异常情况和潜在的风险，可以更加精准地分配监测资源和管理措施，优化资源利用，从而有助于及早制定和实施相应的污染治理措施，提高监测系统的监管效率。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明的方法流程示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。
请参阅图1所示，本发明实施例提供一种基于水土流失的土壤微塑料迁移智能监测方法技术方案：一种基于水土流失的土壤微塑料迁移智能监测方法，包括通过云服务器采集监测区域内的地形分布示意图，并将监测区域进行划分得到各监测子区域，综合分析得到各监测子区域的采样点规模数据。
根据各监测子区域的采样点规模数据，对各监测子区域进行采样点布设，并获取各监测子区域内各采样点的土壤微塑料采样数据。
对各监测子区域内各采样点的土壤微塑料采样数据进行分析，得到各监测子区域内的土壤微塑料迁移特征值。
根据各监测子区域内的土壤微塑料迁移特征值，并统计结合监测区域内的气象数据，对监测区域内的微塑料迁移进行监测频率调节以及智能预警控制。
具体地，分析得到各监测子区域的采样点规模数据，具体分析过程为：根据监测区域内的地形分布示意图，从中分割得到各监测子区域的地形分布示意图，并提取各监测子区域的平均高程值、各类土地覆盖面积和各监测子区域的占地总面积，同步提取数据库中存储的参照平均高程值以及各类土地界定覆盖占比，经处理得到各监测子区域的采样分布计量值。
需要说明的是，各监测子区域的采样分布计量值是通过对各监测子区域的平均高程值、各类土地覆盖面积和各监测子区域的占地总面积进行数据分析处理，得到的用于分析于分析采样点位的布置分布和规模数据的量化结果，在实施例中，不仅可以通过用卫星遥感数据获取监测区域的地形、植被覆盖和土地利用等信息，也能结合地理信息系统（GIS）技术，可以快速获取各监测子区域的土地覆盖面积和地形分布情况，并分析得到各监测子区域的采样分布计量值，还可以利用地理统计方法，如空间插值技术、克里金插值法等，对已知监测点位的数据进行空间推断和插值分析，从而推断出监测区域内其他位置的监测点位分布情况，分析得到各监测子区域的采样分布计量值，本实施例中通过以下计算方法获得，具体的计算方法如下：
；
式中，表示第j个监测子区域的采样分布计量值，/>表示第j个监测子区域的平均高程值，/>表示第j个监测子区域的第i类土地覆盖面积,/>表示参照平均高程值,/>表示第j个监测子区域的总面积,/>表示第i类土地界定覆盖占比，/>表示设定的高程值对应的修正因子，/>表示设定的土地覆盖占比对应的修正因子，j表示各监测子区域的编号，/>，m表示监测子区域的数目，i表示各类土地的编号，/>，n表示土地种类的数目。
需要说明的是，得到采样点规模数据后在各监测子区域以相应的采样点的布设密度进行布设。
需要说明的是，所述各类型土地包括耕地、林地、草地以及水域等类型的土地。
需要说明的是，所述各类土地界定覆盖占比指的是在监测区域内，不同类型的土地覆盖面积相对于总监测区域面积的比例。
在实施例中，坡度较大、土壤覆盖占比较低、植被稀疏的区域更容易发生土壤侵蚀，例如河岸、坡面、水流汇集区等区域容易受到微塑料迁移的影响，针对这些因素的考虑，可以在具体实施过程中结合土壤侵蚀敏感区域和微塑料迁移敏感区域的影响，从而确定最终采样点位的布局。
根据各监测子区域的采样分布计量值，并与数据库中存储的各采样分布计量值区间对应的采样点规模数据进行匹配，得到各监测子区域的采样点规模数据，所述采样点规模数据包括采样点的布设密度。
具体地，各监测子区域的采样分布计量值表示通过对各监测子区域的地形分布进行量化分析，是用于评估各监测子区域内的土地利用以及水土流失风险的量化结果，并作为各监测子区域的采样点规模数据的分析根据。
具体地，对各监测子区域内各采样点的土壤微塑料采样数据进行分析，具体分析过程为：根据各监测子区域内各采样点的土壤微塑料采样数据，土壤微塑料采样数据包括微塑料数量、微塑料颗粒平均直径、采集时段地表最高水流速、采集时段地表累计径流量和采集时段平均监测风速。
统计各监测子区域内微塑料总数量和微塑料颗粒平均直径，并提取数据库中存储的参照微塑料数量和参照微塑料颗粒直径，经处理得到各监测子区域内的微塑料污染程度第一计量值。
需要说明的是，各监测子区域内的微塑料污染程度第一计量值是通过对各监测子区域内微塑料总数量和微塑料颗粒平均直径进行数据分析处理，得到的用于分析微塑料污染水平的量化结果，在实施例中，可以利用遥感技术获取监测区域内的土地利用和覆盖情况，结合地面采样数据，建立微塑料污染分布模型，并推算各监测子区域内的微塑料污染程度，分析得到各监测子区域内的微塑料污染程度第一计量值，本实施例中通过以下计算方法获得，具体的计算方法如下：
，
式中为第j个监测子区域内的微塑料污染程度第一计量值,/>表示第j个监测子区域内微塑料总数量，/>表示第j个监测子区域内微塑料颗粒平均直径,/>表示参照微塑料数量，/>表示参照微塑料颗粒直径，/>表示设定的微塑料数量对应的修正因子，/>表示设定的微塑料的颗粒直径对应的修正因子，e表示自然常数。
统计各监测子区域内各采样点的采集时段地表最高水流速和采集时段地表累计径流量，并提取数据库中存储的单位采集时段地表最高水流速对应的微塑料污染评估因子以及单位采集时段地表累计径流量对应的微塑料污染评估因子，经处理得到各监测子区域内的微塑料污染程度第二计量值。
需要说明的是，各监测子区域内的微塑料污染程度第二计量值是通过对各监测子区域内各采样点的采集时段地表最高水流速和采集时段地表累计径流量进行数据分析处理，得到的用于分析微塑料污染水平的量化结果，在实施例中，可以基于水文模型和微塑料迁移模型，结合监测区域的地形、土壤类型、降雨等气象数据，对微塑料在土壤中的迁移和分布进行数值模拟和预测，估算各监测子区域内的微塑料污染程度，分析得到各监测子区域内的微塑料污染程度第二计量值，本实施例中通过以下计算方法获得，具体的计算方法如下：
，式中,/>为第j个监测子区域内的微塑料污染程度第二计量值,/>表示第j个监测子区域内第r个采样点的采集时段地表最高水流速，/>表示第j个监测子区域内第r个采样点的采集时段地表累计径流量,表示单位采集时段地表最高水流速对应的微塑料污染评估因子，/>表示单位采集时段地表累计径流量对应的微塑料污染评估因子，r表示各采样点的编号，/>，b表示采样点的数目，e表示自然常数。
统计提取各监测子区域内各采样点的采集时段的土壤含水率，并与数据库中存储的监测区域在各土壤含水率区间对应的预测土壤侵蚀量以及预测土壤侵蚀深度进行匹配，得到各监测子区域内各采样点的预测土壤侵蚀量以及预测土壤侵蚀深度；提取数据库中存储的土壤侵蚀量对应单位数值的侵蚀影响因子以及土壤侵蚀深度对应单位数值的侵蚀影响因子，经处理得到各监测子区域内的微塑料污染程度第三计量值。
统计提取各监测子区域内各采样点的采集时段平均监测风速，并与数据库中存储的监测区域在各风速区间对应的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度进行匹配，得到各监测子区域内各采样点的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度。
提取数据库中存储的土壤风蚀速率对应单位数值的侵蚀影响因子、土壤侵蚀量对应单位数值的侵蚀影响因子以及土壤侵蚀深度对应单位数值的侵蚀影响因子，经处理得到各监测子区域内的微塑料污染程度第三计量值。
需要说明的是，各监测子区域内的微塑料污染程度第三计量值是通过对各监测子区域内的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度进行数据分析处理，得到的用于分析微塑料迁移与土壤侵蚀之间关系的量化结果，在实施例中，可以基于土壤风蚀和侵蚀的数值模拟模型，结合监测区域的地形、气象、土壤类型等数据，对土壤风蚀速率、土壤侵蚀量和土壤侵蚀深度进行模拟和预测，分析得到各监测子区域内的微塑料污染程度第三计量值，本实施例中通过以下计算方法获得，具体的计算方法如下：
，式中，/>为第j个监测子区域内的微塑料污染程度第三计量值,/>为第j个监测子区域内第r个采样点的预测土壤侵蚀量,/>为第j个监测子区域内第r个采样点的预测土壤侵蚀深度，/>表示土壤侵蚀量对应单位数值的侵蚀影响因子，/>表示土壤侵蚀深度对应单位数值的侵蚀影响因子,e表示自然常数。
在实施例中，在各采样点位设置采集时段地表最高水流速计和采集时段地表累计径流量计，通过实时监测记录采集时段地表最高水流速和采集时段地表累计径流量的数据，采集时段地表最高水流速可通过流速计等设备直接测量得到，一般以米/秒（m/s）为单位，采集时段地表累计径流量是指采集时段内通过各采样点的水量。
在实施例中，在各采样点位设置风速计或风速传感器进行监测，记录风速数据。
在实施例中，土壤含水率的变化会影响土壤的稳定性和抗蚀性，从而影响土壤侵蚀的程度，通常情况下，土壤含水率较高时，可能会增加产生径流的风险，而形成的径流可能会带走土壤表层和其中的微塑料颗粒，加剧土壤侵蚀的程度。
可以根据采集各采样点位的风速数据和相关的风蚀速率模型，计算各监测点位的风蚀速率，指单位时间内单位面积被侵蚀的土壤质量。
在实施例中，可以在各采样点位设置土壤侵蚀监测装置，如侵蚀板、侵蚀桩等，土壤侵蚀量指单位时间内单位面积土地的土壤流失量。
具体地，得到各监测子区域内的土壤微塑料迁移特征值，具体过程为：根据各监测子区域内的微塑料污染程度第一计量值、各监测子区域内的微塑料污染程度第二计量值以及各监测子区域内的微塑料污染程度第三计量值，整合分析各监测子区域内的土壤微塑料迁移特征值。
具体地，各监测子区域内的土壤微塑料迁移特征值表示通过对各监测子区域内各采样点的土壤微塑料采样数据进行分析，得到的用于分析的各监测子区域内土壤微塑料污染状况的量化结果，并作为对监测区域的微塑料迁移进行监测频率调节以及智能预警控制的分析根据。
具体地，统计结合监测区域内的气象数据，具体统计过程为：提取监测区域内的气象数据，气象数据包括日均降雨量、日均湿度以及日均日照时间，并提取数据库中存储的监测区域内的适宜降雨量、适宜湿度以及适宜日均日照时间，经处理得到监测区域内的土壤微塑料迁移的气象影响值。
需要说明的是，监测区域内的土壤微塑料迁移的气象影响值是通过对各监测子区域内的气象数据中的日均降雨量、日均湿度以及日均日照时间进行数据分析处理，得到的用于分析土壤微塑料迁移受气象条件影响程度的量化结果，在实施例中，可以收集历史气象数据，如气象站记录的气象观测数据或者卫星遥感数据，通过对这些数据进行统计分析，可以得到监测区域内不同时期的降雨量和湿度等气象计量值，本实施例中通过以下计算方法获得，具体的计算方法如下：
；
为监测区域内的土壤微塑料迁移的气象影响值,/>为监测区域内的日均降雨量,为监测区域内的日均湿度,/>为监测区域内的日均日照时间,/>为监测区域内的适宜降雨量、/>为监测区域内的适宜湿度,/>为监测区域内的适宜日均日照时间,/>为设定的降雨量对应的修正因子，/>为设定的湿度对应的修正因子，/>为设定的日照时间对应的修正因子。
本实施方案中，监测区域内的气象数据来源为气象局或气象服务提供商的网站或数据库中获取。
本实施方案中，对日均降雨量、日均湿度和日均日照时间的分析，可以了解不同季节和气象条件下微塑料迁移的变化趋势，帮助预测微塑料迁移的季节性变化，气象因素如降雨量和湿度可能会影响土壤的侵蚀和水流情况，从而影响微塑料的迁移路径和速度,而日照时间的变化可能影响土壤温度和湿度，进而影响微塑料的分布和迁移速率。
本实施方案中，监测区域内的土壤微塑料迁移的气象影响值提供了关于微塑料迁移与气象条件之间关系的量化结果，有助于深入理解微塑料迁移的机制和影响因素，为环境保护和管理提供科学依据。
具体地，对监测区域内的微塑料迁移进行监测频率调节以及智能预警控制，具体过程为：根据各监测子区域内的土壤微塑料迁移特征值，通过累加得到监测区域内的土壤微塑料迁移特征值，并提取监测区域内的土壤微塑料迁移的气象影响值，整合分析监测区域内的土壤微塑料迁移综合指征值。
需要说明的是，所述累加得到监测区域内的土壤微塑料迁移特征值，是通过所有的监测子区域内的土壤微塑料迁移特征值进行累加得到。
根据监测区域内的土壤微塑料迁移综合指征值，并与设定的各土壤微塑料迁移综合指征值区间对应的微塑料迁移监测频率进行比对，得到监测区域内的微塑料迁移监测频率。
需要说明的是，所述迁移监测频率表示对微塑料在监测区域内的迁移情况进行监测或采样的时间间隔。
根据监测区域内的土壤微塑料迁移综合指征值，并与设定的土壤微塑料迁移综合指征阈值进行比对，若监测区域内的土壤微塑料迁移综合指征值高于或等于土壤微塑料迁移综合指征阈值，则进行智能预警控制。
需要说明的是，所述智能预警控制为监测到监测区域内的土壤微塑料迁移综合指征值高于或等于土壤微塑料迁移综合指征阈值，系统就会触发预警信号。
本实施方案中，各监测子区域内的土壤微塑料迁移特征值，不仅可以使用历史数据进行模式识别和分析得到，还可以通过以下计算方法获得，具体的计算方法如下：
；
式中，为第j个监测子区域内的土壤微塑料迁移特征值，/>为第j个监测子区域内的微塑料污染程度第一计量值，/>为第j个监测子区域内的微塑料污染程度第二计量值，/>为第j个监测子区域内的微塑料污染程度第三计量值，/>为设定的微塑料污染程度第一计量值对应的权重因子，/>为设定的微塑料污染程度第二计量值对应的权重因子，/>为设定的微塑料污染程度第三计量值对应的权重因子，j表示各监测子区域的编号，/>，m表示监测子区域的数目。
具体地，监测区域内的土壤微塑料迁移综合指征值，不仅可以使用历史数据进行模式识别和分析得到，还可以通过以下计算方法获得，具体的计算方法如下：
；式中，/>为监测区域内的土壤微塑料迁移综合指征值,/>为监测区域内的土壤微塑料迁移的气象影响值，/>为监测区域内的土壤微塑料迁移特征值,/>为设定的土壤微塑料迁移的气象影响值对应的权重因子，/>为设定的土壤微塑料迁移特征值对应的权重因子，e表示自然常数。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。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 (10)
1.一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于，包括：
通过云服务器采集监测区域内的地形分布示意图，并将监测区域进行划分得到各监测子区域，综合分析得到各监测子区域的采样点规模数据；
根据各监测子区域的采样点规模数据，对各监测子区域进行采样点布设，并获取各监测子区域内各采样点的土壤微塑料采样数据；
对各监测子区域内各采样点的土壤微塑料采样数据进行分析，得到各监测子区域内的土壤微塑料迁移特征值；
根据各监测子区域内的土壤微塑料迁移特征值，并统计结合监测区域内的气象数据，对监测区域内的微塑料迁移进行监测频率调节以及智能预警控制。
2.根据权利要求1所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述分析得到各监测子区域的采样点规模数据，具体分析过程为：
根据监测区域内的地形分布示意图，从中分割得到各监测子区域的地形分布示意图，并提取各监测子区域的平均高程值、各类土地覆盖面积和各监测子区域的占地总面积，同步提取数据库中存储的参照平均高程值以及各类土地界定覆盖占比，经处理得到各监测子区域的采样分布计量值；
根据各监测子区域的采样分布计量值，并与数据库中存储的各采样分布计量值区间对应的采样点规模数据进行匹配，得到各监测子区域的采样点规模数据，所述采样点规模数据包括采样点的布设密度。
3.根据权利要求2所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述各监测子区域的采样分布计量值表示通过对各监测子区域的地形分布进行量化分析，是用于评估各监测子区域内的土地利用以及水土流失风险的量化结果，并作为各监测子区域的采样点规模数据的分析根据。
4.根据权利要求1所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述对各监测子区域内各采样点的土壤微塑料采样数据进行分析，具体分析过程为：
根据各监测子区域内各采样点的土壤微塑料采样数据，土壤微塑料采样数据包括微塑料数量、微塑料颗粒平均直径、采集时段地表最高水流速、采集时段地表累计径流量和采集时段平均监测风速；
统计各监测子区域内微塑料总数量和微塑料颗粒平均直径，并提取数据库中存储的参照微塑料数量和参照微塑料颗粒直径，经处理得到各监测子区域内的微塑料污染程度第一计量值；
统计各监测子区域内各采样点的采集时段地表最高水流速和采集时段地表累计径流量，并提取数据库中存储的单位采集时段地表最高水流速对应的微塑料污染评估因子以及单位采集时段地表累计径流量对应的微塑料污染评估因子，经处理得到各监测子区域内的微塑料污染程度第二计量值；
统计提取各监测子区域内各采样点的采集时段的土壤含水率时段平均监测风速，并与数据库中存储的监测区域在各土壤含水率风速区间对应的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度进行匹配，得到各监测子区域内各采样点的预测土壤风蚀速率、预测土壤侵蚀量以及预测土壤侵蚀深度；
提取数据库中存储的土壤风蚀速率对应单位数值的侵蚀影响因子、土壤侵蚀量对应单位数值的侵蚀影响因子以及土壤侵蚀深度对应单位数值的侵蚀影响因子，经处理得到各监测子区域内的微塑料污染程度第三计量值。
5.根据权利要求4所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述得到各监测子区域内的土壤微塑料迁移特征值，具体过程为：
根据各监测子区域内的微塑料污染程度第一计量值、各监测子区域内的微塑料污染程度第二计量值以及各监测子区域内的微塑料污染程度第三计量值，整合分析各监测子区域内的土壤微塑料迁移特征值。
6.根据权利要求1所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述各监测子区域内的土壤微塑料迁移特征值表示通过对各监测子区域内各采样点的土壤微塑料采样数据进行分析，得到的用于分析的各监测子区域内土壤微塑料污染状况的量化结果，并作为对监测区域的微塑料迁移进行监测频率调节以及智能预警控制的分析根据。
7.根据权利要求1所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述统计结合监测区域内的气象数据，具体统计过程为：
提取监测区域内的气象数据，气象数据包括日均降雨量、日均湿度以及日均日照时间，并提取数据库中存储的监测区域内的适宜降雨量、适宜湿度以及适宜日均日照时间，经处理得到监测区域内的土壤微塑料迁移的气象影响值。
8.根据权利要求7所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述对监测区域内的微塑料迁移进行监测频率调节以及智能预警控制，具体过程为：
根据各监测子区域内的土壤微塑料迁移特征值，通过累加得到监测区域内的土壤微塑料迁移特征值，并提取监测区域内的土壤微塑料迁移的气象影响值，整合分析监测区域内的土壤微塑料迁移综合指征值；
根据监测区域内的土壤微塑料迁移综合指征值，并与设定的各土壤微塑料迁移综合指征值区间对应的微塑料迁移监测频率进行比对，得到监测区域内的微塑料迁移监测频率；
根据监测区域内的土壤微塑料迁移综合指征值，并与设定的土壤微塑料迁移综合指征阈值进行比对，若监测区域内的土壤微塑料迁移综合指征值高于或等于土壤微塑料迁移综合指征阈值，则进行智能预警控制。
9.根据权利要求5所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述各监测子区域内的土壤微塑料迁移特征值，具体分析条件为：
；
式中，为第j个监测子区域内的土壤微塑料迁移特征值，/>为第j个监测子区域内的微塑料污染程度第一计量值，/>为第j个监测子区域内的微塑料污染程度第二计量值，/>为第j个监测子区域内的微塑料污染程度第三计量值，/>为设定的微塑料污染程度第一计量值对应的权重因子，/>为设定的微塑料污染程度第二计量值对应的权重因子，/>为设定的微塑料污染程度第三计量值对应的权重因子，j表示各监测子区域的编号，/>，m表示监测子区域的数目。
10.根据权利要求8所述的一种基于水土流失的土壤微塑料迁移智能监测方法，其特征在于：所述监测区域内的土壤微塑料迁移综合指征值，具体分析条件为：
；式中，/>为监测区域内的土壤微塑料迁移综合指征值,/>为监测区域内的土壤微塑料迁移的气象影响值，/>为监测区域内的土壤微塑料迁移特征值,/>为设定的土壤微塑料迁移的气象影响值对应的权重因子，/>为设定的土壤微塑料迁移特征值对应的权重因子，e表示自然常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410501202.8A CN118090526A (zh) | 2024-04-25 | 2024-04-25 | 一种基于水土流失的土壤微塑料迁移智能监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410501202.8A CN118090526A (zh) | 2024-04-25 | 2024-04-25 | 一种基于水土流失的土壤微塑料迁移智能监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118090526A true CN118090526A (zh) | 2024-05-28 |
Family
ID=91142506
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410501202.8A Pending CN118090526A (zh) | 2024-04-25 | 2024-04-25 | 一种基于水土流失的土壤微塑料迁移智能监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118090526A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018105046A (ja) * | 2016-12-27 | 2018-07-05 | 富士通株式会社 | 土壌侵食地域推定方法および土壌侵食地域推定装置 |
| CN110766191A (zh) * | 2019-08-27 | 2020-02-07 | 东华理工大学 | 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法 |
| CN112345722A (zh) * | 2020-10-29 | 2021-02-09 | 深圳中神电子科技有限公司 | 一种基于大数据分析的水质监测分析处理系统 |
| KR20220105797A (ko) * | 2021-01-21 | 2022-07-28 | 공주대학교 산학협력단 | 표토환경 변화 예측 모형을 활용하여 토양유실량을 예측하는 장치 및 그 방법 |
| CN115188436A (zh) * | 2022-07-14 | 2022-10-14 | 南京大学 | 一种复杂河网区微塑料通量计算方法 |
| CN116430007A (zh) * | 2023-03-24 | 2023-07-14 | 河北大学 | 一种微塑料在土壤环境中的风险评价方法 |
| CN117313303A (zh) * | 2023-05-08 | 2023-12-29 | 郑州大学 | 一种考虑水体不同运动状态的微塑料迁移轨迹预测方法 |
-
2024
- 2024-04-25 CN CN202410501202.8A patent/CN118090526A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018105046A (ja) * | 2016-12-27 | 2018-07-05 | 富士通株式会社 | 土壌侵食地域推定方法および土壌侵食地域推定装置 |
| CN110766191A (zh) * | 2019-08-27 | 2020-02-07 | 东华理工大学 | 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法 |
| CN112345722A (zh) * | 2020-10-29 | 2021-02-09 | 深圳中神电子科技有限公司 | 一种基于大数据分析的水质监测分析处理系统 |
| KR20220105797A (ko) * | 2021-01-21 | 2022-07-28 | 공주대학교 산학협력단 | 표토환경 변화 예측 모형을 활용하여 토양유실량을 예측하는 장치 및 그 방법 |
| CN115188436A (zh) * | 2022-07-14 | 2022-10-14 | 南京大学 | 一种复杂河网区微塑料通量计算方法 |
| CN116430007A (zh) * | 2023-03-24 | 2023-07-14 | 河北大学 | 一种微塑料在土壤环境中的风险评价方法 |
| CN117313303A (zh) * | 2023-05-08 | 2023-12-29 | 郑州大学 | 一种考虑水体不同运动状态的微塑料迁移轨迹预测方法 |
Non-Patent Citations (4)
| Title |
|---|
| YANTING WANG ET AL.: "Soil erosion is a major drive for nano & micro-plastics to enter riverine systems from cultivated land", 《WATER RESEARCH》, vol. 256, 9 April 2024 (2024-04-09), pages 1 - 9 * |
| 周耀华等: "径流场监测结果在武汉黄陂区水土流失预测中的应用", 水土保持研究, vol. 20, no. 06, 31 December 2013 (2013-12-31), pages 10 - 13 * |
| 朱丽;: "线形工程水土流失预测――以国家高速公路网大庆至广州公路双辽至通辽段为例", 阴山学刊(自然科学版), vol. 22, no. 02, 30 June 2008 (2008-06-30), pages 32 - 36 * |
| 董姝楠等: "土壤-地下水中微塑料迁移的影响因素及机制研究进展", 农业工程学报, vol. 36, no. 14, 31 July 2020 (2020-07-31), pages 1 - 8 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tao et al. | Using fractal downscaling of satellite precipitation products for hydrometeorological applications | |
| Ahani et al. | An investigation of trends in precipitation volume for the last three decades in different regions of Fars province, Iran | |
| Nied et al. | Flood-initiating catchment conditions: a spatio-temporal analysis of large-scale soil moisture patterns in the Elbe River basin | |
| Zeng et al. | Mapping future droughts under global warming across China: A combined multi-timescale meteorological drought index and SOM-Kmeans approach | |
| Bachour et al. | Wavelet-multivariate relevance vector machine hybrid model for forecasting daily evapotranspiration | |
| CN114462518B (zh) | 考虑多要素空间依赖性的区域蒸散发变化归因分析方法 | |
| CN110930048A (zh) | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 | |
| Velluet et al. | Building a field-and model-based climatology of local water and energy cycles in the cultivated Sahel–annual budgets and seasonality | |
| Meydani et al. | Daily reservoir inflow forecasting using weather forecast downscaling and rainfall-runoff modeling: Application to Urmia Lake basin, Iran | |
| Biazar et al. | Estimation of evaporation from saline-water with more efficient input variables | |
| Xu et al. | Research on spatial and temporal characteristics of drought based on GIS using Remote Sensing Big Data | |
| Mohseni et al. | Spatial and temporal monitoring of drought conditions using the satellite rainfall estimates and remote sensing optical and thermal measurements | |
| Wang et al. | Evaluation of multi‐source precipitation data in a watershed with complex topography based on distributed hydrological modeling | |
| Haddjeri et al. | Exploring the sensitivity to precipitation, blowing snow, and horizontal resolution of the spatial distribution of simulated snow cover | |
| CN117494419A (zh) | 一种多模型耦合的流域水土流失遥感监测方法 | |
| Zanella et al. | Internet of things for hydrology: Potential and challenges | |
| Nasseri et al. | A comparison between direct and indirect frameworks to evaluate impacts of climate change on streamflows: case study of Karkheh River basin in Iran | |
| Zhan et al. | Impulse Weibull distribution for daily precipitation and climate change in China during 1961–2011 | |
| CN118090526A (zh) | 一种基于水土流失的土壤微塑料迁移智能监测方法 | |
| Solaimani et al. | Evaluation of TerraClimate gridded data in investigating the changes of reference evapotranspiration in different climates of Iran | |
| Yariyan et al. | Spatial analysis of environmental factors influencing dust sources in the east of Iran using a new active-learning approach | |
| Zanella et al. | Sensor networks, data processing, and inference: the hydrology challenge | |
| Tong et al. | Vegetation exposure to ozone over the continental United States: Assessment of exposure indices by the Eta-CMAQ air quality forecast model | |
| Ma et al. | Long-term changes in surface soil moisture based on CCI SM in Yunnan Province, Southwestern China | |
| Suman et al. | Unveiling the climatic origin of streamflow persistence through multifractal analysis of hydro-meteorological datasets of India |
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 |