CN1920556A - 基于gis的农业非点源污染发生潜力指数评价方法 - Google Patents
基于gis的农业非点源污染发生潜力指数评价方法 Download PDFInfo
- Publication number
- CN1920556A CN1920556A CNA2006100415382A CN200610041538A CN1920556A CN 1920556 A CN1920556 A CN 1920556A CN A2006100415382 A CNA2006100415382 A CN A2006100415382A CN 200610041538 A CN200610041538 A CN 200610041538A CN 1920556 A CN1920556 A CN 1920556A
- Authority
- CN
- China
- Prior art keywords
- index
- village
- soil
- data
- map
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 title description 3
- 239000002689 soil Substances 0.000 claims abstract description 75
- 239000003337 fertilizer Substances 0.000 claims abstract description 27
- 102100022704 Amyloid-beta precursor protein Human genes 0.000 claims abstract description 25
- 101000823051 Homo sapiens Amyloid-beta precursor protein Proteins 0.000 claims abstract description 25
- DZHSAHHDTRWUTF-SIQRNXPUSA-N amyloid-beta polypeptide 42 Chemical compound C([C@@H](C(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@H](C(=O)NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCCCN)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@H](C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)NCC(=O)N[C@@H](C(C)C)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H](C)C(O)=O)[C@@H](C)CC)C(C)C)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@@H](NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)CNC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](C)NC(=O)[C@@H](N)CC(O)=O)C(C)C)C(C)C)C1=CC=CC=C1 DZHSAHHDTRWUTF-SIQRNXPUSA-N 0.000 claims abstract description 25
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 28
- 241001465754 Metazoa Species 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 239000000126 substance Substances 0.000 claims description 19
- 229910052757 nitrogen Inorganic materials 0.000 claims description 17
- 229910052698 phosphorus Inorganic materials 0.000 claims description 16
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 14
- 239000011574 phosphorus Substances 0.000 claims description 14
- YUWBVKYVJWNVLE-UHFFFAOYSA-N [N].[P] Chemical compound [N].[P] YUWBVKYVJWNVLE-UHFFFAOYSA-N 0.000 claims description 9
- 244000144972 livestock Species 0.000 claims description 6
- 244000144977 poultry Species 0.000 claims description 6
- 239000002351 wastewater Substances 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 239000002686 phosphate fertilizer Substances 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 241001065194 Sporidesmajora pennsylvaniensis Species 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003971 tillage Methods 0.000 claims description 2
- 238000012876 topography Methods 0.000 claims description 2
- 230000004907 flux Effects 0.000 abstract 1
- 238000011835 investigation Methods 0.000 description 15
- 238000007726 management method Methods 0.000 description 13
- 230000003628 erosive effect Effects 0.000 description 12
- 238000012851 eutrophication Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 11
- 238000004162 soil erosion Methods 0.000 description 11
- 239000003344 environmental pollutant Substances 0.000 description 7
- 231100000719 pollutant Toxicity 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 239000005416 organic matter Substances 0.000 description 6
- 241000251468 Actinopterygii Species 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 4
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000002420 orchard Substances 0.000 description 3
- 238000009374 poultry farming Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 208000031968 Cadaver Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241001629511 Litchi Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 239000010828 animal waste Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 238000005325 percolation Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Landscapes
- Processing Of Solid Wastes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于GIS的农业非点源污染发生潜力指数评价方法，属于农业环境污染评价和预测方法领域。本发明是采用Mapinfo作为平台，建立村界、土壤类型、土地利用类型和高程四个图层，录入属性数据，计算各行政村的年径流量指数(RI)、土壤流失量指数(SPI)、化肥使用量指数(CUI)、人畜排放量指数(PAL)，运用模型，计算各行政村的非点源污染发生潜力指数(APPI)，然后通过APPI大小来比较污染发生潜力，并通过分级在GIS图上进行直观显示。通过本发明可确定污染最严重的优先控制区和影响农业非点源污染发生潜力的主要因子，可为非点源治理的决策提供技术支持和理论指导，以便增加治理措施的有效性。
Description
一、技术领域
本发明涉及农业环境污染评价和预测方法，具体地说是基于GIS(地理信息系统)的农业非点源污染发生潜力指数评价方法。
二、背景技术
非点源污染(NPS--Non-point source pollution，又称面源)是指污染物以广域的、分散的、微量的形式进入地表或地下水体。其中微量指NPS污染物的浓度通常较点源污染低，但NPS污染的总负荷却是非常巨大。
非点源污染与区域的降水过程密切相关，其量大面广、形成随机、影响滞后、影响因子复杂、监测控制难度大，主要包括农业非点源污染、城市非点源污染、矿区非点源污染和大气沉降引起的非点源污染。
非点源污染对农业生产、水资源、水生生物、水生生物栖息地和流域水文特征均有严重影响。其主要危害表现为：淤积水体，降低水体的生态功能；引起水体的富营养化，破坏水生生物的生存环境；污染饮用水源，影响人体健康；破坏自然和人文景观。
农业非点源污染是最普遍的非点源污染之一，主要指农业生产活动中，农田中的土粒、氮、磷、及其它形式的有机或无机污染物质，在降水或灌溉过程中，通过农田地表径流、农田排水和地下渗流，使大量污染物质进入水体，造成污染。由于农业活动的多样性，实践中的农业非点源污染包括土壤侵蚀、农田化肥农药的施用、农村家畜粪便与垃圾、草牧场的家畜生产、农田污水灌溉等等。我国是一个农业大国，工业污染逐渐控制和治理之后，农业非点源污染开始成为最主要的污染源。
从20世纪70年起，在发达国家，尤其在美国就开展了非点源污染特征、影响因素、单场暴雨和长期平均污染负荷输出等方面的初步认识研究(Chesters，G.，et al.Pilot Watershed Studies Summary Report.International JointCommission，Windsor，Ontario，Cananda.，1978)，并且建立了一系列非点源污染相关模型(Wiley，R.G.and Hoff，D.Chattahochee River Water QualityAnalysis and Data Requirements for Water Quality Management Models.Savannah District Corps of Engineers，Savannah.，1978)。这些模型大部分只是供小区域应用，大范围推广应用价值不大。80年代，非点源污染基础研究地域范围广、类型多样，因素分析和污染物(特别是农药)迁移机理更加深入。非点源污染模型在建立新的应用模型的基础上，重点加强了3S(RS遥感、GPS全球定位系统和GIS地理信息系统)在非点源污染定量负荷计算、管理和规划中的应用研究，并建立了相关模型和专家系统(Young，R.A.et al.AGNPS：ANon-point source Pollution Modelling for Evaluation AgriculturalWatersheds.J.Of Soil And Water Conservation，1989，March-April)。90年代，非点源污染的研究更加活跃，与非点源污染控制相关的影响因子研究层出不穷，模型和专家系统也从区域性转向流域性范围(Line D.E.et al.Nonpointsources pollution，Water.Environ.Res.，1998，70(4)：895-911)。这些模型的出现为非点源污染的研究、削减和控制提供了前所未有的方便。
我国的非点源污染的研究正式开始于上世纪八十年代(刘枫，王华东.刘培桐.流域非点源污染的量化识别方法及其在于桥水库流域的应用.地理学报1988，(4)：329-339；李怀恩、沈晋著，非点源污染数学模型，西安西北大学出版社，1996)，但由于流域基本信息缺乏、污染监测工作薄弱，已经建立的非点源污染模型大多是形式单一、功能单一的经验模型，尽管出现了一些基于非点源污染发生机理的概念模型，但模型的后续验证尚待继续进行。
自1975年以来，国家和企业投资了大量的经济、人力、物力进行点源污染治理且取得了有益成果，但对湖泊水体富营养化状况的改善成效甚微，并且富营养化的形势还在日益严重，主要原因之一就是农业非点源污染包括农业污染、分散养殖业污染、村镇生活污水污染、水土流失等等的治理没有跟上。据我国对许多湖泊水体的调查，输入湖体的污染物约有一半以上来自非点源污染源(金相灿.湖泊富营养化控制和管理理技术，北京：化学工业出版社，2001)，它们通过降雨径流等途径进入水体当前，我国对主要流域和区域的非点源污染尚缺乏成套的控制技术和适合国情的管理方法。
当前，经济能力、缺少对污染过程的基础研究以及没有与流域非点源控制和管理相结合是制约我国非点源污染模型研究发展和指导污染与治理的主要因素。就我国目前的经济实力、发展水平和技术水平，在全流域同时采取治理措施显然是不现实的。如能够将有限的资金投入到非点源污染发生最大的区域，定能起到事半功倍的效果。由于目前还没有适合的评价非点源污染发生潜力和识别优先控制区的方法，使得对非点源污染的治理针对性不强，治理措施的有效性大打折扣。
三、发明内容
1、发明目的
针对农业非点源量大面广、形成随机、监测控制难度大、污染严重、分布不均、影响因子贡献不一的特点，本发明公开了一种基于GIS的农业非点源污染发生潜力指数评价方法，结合国外现在的定量化评价非点源污染的治理手段，通过筛选影响非点源污染发生主控因子，利用地理信息系统，评价典型区域内不同区域非点源污染发生潜力(Agricultural Non-point Source Pollution PotentialIndex，APPI)，建立一个农业非点源污染的优先控制区识别的初步模型，为湖泊流域非点源污染优先控制区的识别提供一个评价方法，并可进一步利用这个方法来判断非点源污染发生主控因子。
2、技术方案
基于GIS的农业非点源污染发生潜力指数评价方法是采用Mapinfo作为平台，建立村界、土壤类型、土地利用类型和高程四个图层，录入属性数据，计算各行政村的年径流量指数(RI)、土壤流失量指数(SPI)、化肥使用量指数(CUI)、人畜排放量指数(PAL)，运用模型，计算各行政村的非点源污染发生潜力指数(APPI)，然后通过APPI大小来比较污染发生潜力，并通过分级在GIS图上进行直观显示。其特点是直接通过现场调查、收集现有资料，借助GIS平台，利用模型(参数需视具体区域稍作调整)，就可以量化出区域内各点的非点源污染发生潜力，为改善环境和提高环境治理的效率提供指导。
基于GIS的农业非点源污染发生潜力指数评价方法模型的理论基础为：
APPIi＝RIiWF1+SPIiWF2+CUIiWF3+PALIiWF4
式中：RI(Runoff Index)径流指数，评价区域内的地表径流产生能力；
SPI(Sediment Production Index)泥沙产生指数，评价区域的泥沙流失潜力；CUI(Chemical Use Index)化肥使用指数，评价区域内化肥使用对非点源污染发生潜力的贡献；
PALI(People And Animal Loading Index)人畜排放指数，评价区域内人畜排泄物的发生潜力及其对水体的影响；
i表示不同的区域；
WF(Weighting Fators)表示不同指数的权重。
模型指数说明：
(1)径流指数(RI)
径流指数反映流域内由于降雨过程产生的地表径流量，在其它因素一定的情况下，径流量的大小将很大程度上决定污染物向水体的流失量。径流的产生除与降雨强度有关外还受到多种因素的影响，如降水量、土壤性质、植被覆盖等。径流指数由下式的Q确定(具体计算方法参见《湖泊富营养化调查规范》(全国主要湖泊，水库富营养化调查研究课题组编1987)附录)：
(P-Ia-Q)/S＝Q/(P-Ia) Ia＝0.2S
S＝2540/CN-25.4
式中，P为降雨量(mm)；Q为径流量(mm)；Ia为初损(mm)；F为后损(mm)；S为流域当时的最大可能滞留量，后损的上限(mm)。
式中CN为反映降雨前流域特征的一个综合参数，它与流域前期土壤湿润程度(AMC)、坡度、植被、土壤类型和土地利用状况有关，反映了降雨期间地表的水文状况。
(2)泥沙流失指数(SPI)
美国农业部经过40年的研究得出的通用土壤流失方程(ULSE，UniversalSoil Loss Equation)是估算泥沙流失常用方法，泥沙流失指数由下式X确定：
X＝1.29×E×K×LS×C×P
式中X为单位面积土壤侵蚀量(t/ha.a)，E降雨侵蚀参数；K为土壤侵蚀性参数；LS为地形参数；C为植被覆盖因子；P为管理参数。
E——降雨侵蚀参数，反映了区域中的降雨可能造成的土壤侵蚀量。每月平均侵蚀参数Ei＝1.735*10*[1.5*lg(pi^2/p)-0.8188]式中，pi为每月降雨量(mm)，p为年降雨量(mm)，将逐月降雨量相加即得全年的降雨量。
K——土壤侵蚀性参数，反映了土壤颗粒组成及有机质含量对降雨侵蚀量的影响。不同的土壤类型和不同的有机质含量表现出不同的土壤可侵蚀性。Walliams等在EPIC模型中发展了土壤可侵蚀因子K的估算方法(WalliamsJR，Renard，1983)。只要有土壤的有机碳和有机颗粒物的资料，即可估算K的数值。
LS——地形参数，由坡长和坡度角确定。该参数的确定是利用Mapbas
ic的自动测量功能选择区域内两高点之间的距离(L)及其高度差以求得坡度角(θ)，根据公式即可求得地形参数LS。对于鱼塘，地形参数设为零。
LS＝(0.045L)0.5×(65.41sin2θ+4.56sinθ+0.065)
C——植被覆盖参数，反映了植被对地面的保护作用，是侵蚀动力的抑制因子，起着水土保持的作用。变化范围在0到1之间，对于完全没有保护的裸露地面，C的最大值为1，对于保护完好的森林地区，C的最小值为0。
P——管理参数，反映了农田水土保持措施对侵蚀量的影响。在完全没有保护的地方，P值最大，为1；人为管理的力度越大，P的值越小。在理想的状况下，P值为零。
(3)化肥使用量指数(CUI)
衡量区域内化肥使用对非点源污染发生潜力的贡献的指数，计算时将各行政村内各种土地利用类型的面积占行政村总面积的比例分别乘以相应土地利用类型的氮、磷每亩平均使用量，然后对各行政村每种土地利用类型的前述乘积求和，即得到各行政村的CUI值。
(4)人畜排放量指数(PALI)
人畜禽粪便(包括渔业养殖废水)的排放也是农业非点源污染的一个重要来源，其潜在的危害也不容忽视。根据养殖业和人口数据，乘以鸡、鸭、猪、牛、羊、人等平均每年平均排放的氮、磷量，可计算出全年全镇的人畜排放量。将每个村的排放总量除以该村的面积，可得该村单位面积的人畜排放量，即人畜排放量指数(PALI)。
基于GIS的农业非点源污染发生潜力指数评价方法主要包括以下10个步骤：
(1)基础资料收集
通过实地调查或其它各种途径收集评价目标区域农业非点源污染发生潜力的基础数据；。
(2)地图资料收集与核实
收集地图、数据信息，包括最新的土地使用类型/面积图(航图或其它图纸、数据等)、土壤类型和分布图、村界图、地形和高程图等各种相关地图或数据，并进行必要的实地调查核实。
(3)地图数字化
将(2)中收集到的数据或地图，在MapInfo中，按相同投影和坐标系将地图进行矢量化，建立村界、土壤类型、土地利用类型和高程四个图层。
(4)录入属性数据
根据(1)的数据，在(3)所得图层中录入人口、各种土地使用类型、面积、对应的肥料氮、磷肥使用量、畜禽养殖、渔业养殖、废水排放量、氮磷肥浓度等数据。
(5)图层分割
在Mapinfo里，利用图层对象的分割命令，将村界图层对土地使用类型图层进行分割，所获得的图形再对土壤类型图层进行分割，所得图层再对高程图进行分割，使得每一块图斑均具有唯一的土地利用、行政归属、土壤类型和高程差。具体分割操作参看软件帮助。
(6)确定参数
在(1)(3)(4)的基础上，利用调查、研究或已有数据，通过查表、计算，确定计算指数时各自需要的CN、E、K、LS、P、C(这六个参数计算、取值见实例)，肥料使用量、废水排放量和氮磷浓度各村人口、人年均氮磷排放量参数(这些参数从调查、统计可以直接获得)。
(7)计算各指数
地图上，每一个图斑均对应唯一的所处村庄、土地使用类型、土壤类型、坡度，利用步骤(6)所获得参数，计算出每个图斑的年径流量指数、土壤流失量指数、化肥使用量指数、人畜排放量指数。最后编程计算出每个村的年径流量指数、土壤流失量指数、化肥使用量指数、人畜排放量指数。
(8)权重校准
计算总区域四种类型污染负荷总量，对各指数权重进行校准，使针对该区域的模型计算结果更贴近实际。
(9)计算APPI
对各行政村的四个指数分别进行标准化，然后利用模型公式：
APPIi＝RIiWF1+SPIiWF2+CUIiWF3+PALiWF4
编程进行计算，获得各行政村的农业非点源污染发生潜力总指数APPI。
(10)评价发生潜力
根据(9)获得的APPI数据，对区域内的各行政村的进行排序和分级，确定污染最严重的区域为优先控制区。
步骤(1)中所述的基础数据包括人口数量，人口密度，养殖排放，地形地貌，土壤类型，土壤利用类型，产业结构，气象资料，降雨径流，化学物质的输入输出，植被类型，耕作方式各种相关信息。
确定主要因子。根据(9)获得的APPI数据，对照(7)所获得指数，确定影响农业非点源污染发生潜力的主要因子。
3、有益效果
本发明公开了一种基于GIS的农业非点源污染发生潜力指数评价方法，借助GIS平台，通过基础数据收集，利用评价湖泊流域污染物的发生潜力的评价模型，能够识别出污染最严重的优先控制区，同时还能确定影响农业非点源污染发生潜力的主要因子，可为非点源治理的决策提供技术支持和理论指导，以便能够将有限的控制、治理资金投入到非点源污染发生最大的区域，使非点源污染的治理针对性强，增加治理措施的有效性。
四、附图说明
图1为基于GIS的农业非点源污染发生潜力指数评价方法实施流程图；
图2为实例中农业非点源污染发生潜力指数分级图，图例中数值即为农业非点源污染发生潜力指数，数值越大，表明污染发生潜力越大。
五、具体实施方式
为了更好的实施本发明，基于GIS的农业非点源污染发生潜力指数评价方法在江苏省宜兴市大浦镇进行了试点，
大浦镇人口3.2万，镇域土地总面积为46km2，其中水域面积近1000公顷，耕地面积230公顷，人口密度大，水陆比例大，土地利用率高。
1前期资料的收集
通过当地有关部门收集大浦镇的村界图、土壤类型图、土壤使用类型图、大浦高程图、各村的养殖情况、人口资料及降雨等资料，部分通过实地考察获得。
2 GIS数据库的建立
利用Mapinfo分别对收集到的图片和航片进行图象配准(WGS84，50 North)和矢量化，得到相应矢量图层。由于图层的地理位置和比例、面积严格和实际相对应，因此图中各种面积可以采用Mapinfo程序中面积提取功能直接提取。在Mapinfo中矢量图层主要有四层：
◆村界图，根据大浦村界将大浦镇划分为19个行政区域。
◆土壤类型图，根据宜兴市第二次土壤普查资料将大浦镇土壤划分为19个区域。
◆土地利用类型图，根据大浦镇的航拍图片将大浦镇的土地利用类型划分为8种类型。
◆高程图，根据宜兴市第二次土壤普查资料获得。
建立基本的Mapinfo属性表，添加属性数据(人口、各种土地使用类型、面积、对应的肥料氮、磷肥使用量、畜禽养殖、渔业养殖、废水排放量、氮磷肥浓度。)
对图层进行分割，分割的方法见Mapinfo 7.0软件手册或软件中的“帮助”。
3计算四个指数
(1)径流指数(RI)
径流指数反映了区域内由于降雨而产生的的地表径流量。同时径流量的大小很大程度上决定了污染物向水体的流失量。径流的产生与多种因数有关，如降雨量，降雨强度，土壤性质以及植被覆盖率等等。在本实例中，降雨径流指数采用美国农业部土壤保护局(USDA-Soil Conservation Service)发展起来的用于计算农业流域次降雨径流的SCS模型进行计算：
F/S＝Q/(P-IA) (1)
式中P为降雨量(mm)；S为流域当时的最大可能滞留量(mm)；Q为径流量(mm)；IA为初损(mm)；F为后损(mm)。
根据水量平衡原理：
P＝IA+F+Q (2)
综合考虑(2)，(3)两式得：
Q＝(P-IA)2/(P+S-IA) P≥IA(3)
Q＝0 P≤IA(4)
作为初期损失量的IA不易求，为了简化计算，引进经验公式
IA＝0.2S代入(3)得(4)式
Q＝(P-0.2S)2/(P+0.8S) P≥0.2S (5)
Q＝0 P≤0.2S
同时，作为流域最大可能滞留量的S变化范围比较大，因此引入一无量纲参数CN求得：
S＝2540/CN-25.4
式中CN为反映降雨前流域特征的一个综合参数，它与流域前期土壤湿润程度，坡度，植被，土壤类型和土地利用方式有关，反映降雨期间地表的水文状况。单位为mm。
综合以上公式可知：CN的值越小，则S的值越大，相应Q值也就越小，即越容易产生径流，反之则相反。
由于区域相对较小，因此，将区域的土壤湿度统一定为II型。参照《湖泊富营养化调查规范》(全国主要湖泊，水库富营养化调查研究课题组编1987)及太湖流域其它的文献报道(焦荔，1991)，将不同土地利用的CN确定为下列数值(见表1)。
表1不同土地利用的CN数
| 土地利用 | 水文条件 | CN |
| 水田居民点，矿菜园，山地 | 中中中 | 768077 |
| 鱼塘其他 | 好差 | 10066 |
每村的RI＝∑[(∑Qi)×m]n
∑Qi指一种土壤类型一年内单次降雨径流量之和，m为该土壤类型面积，(∑Qi)×m即该土壤类型年径流量；∑[(∑Qi)×m]n指该村所有土壤类型年径流量，即为该村径流指数。
(2)泥沙流失指数(SPI)
影响土地侵蚀的因素主要有土壤特征，降雨，植被覆盖，地势以及人类活动等。本实例采用《湖泊富营养化调查规范》所给出的土壤流失方程来计算泥沙流失量：
X＝1.29·E·K·(LS)·C·P
SPI＝∑(Xi·m)n
式中：X为土壤每一图斑单位面积侵蚀量(t/ha·a)；E为降雨侵蚀参数；K为土壤侵蚀性参数；LS为地形参数；C为植被覆盖因子；P为管理参数；i为行政村每一图斑，m为该图斑土壤面积；n表示行政村所有图斑数。
参数的确定：
E——降雨侵蚀参数，反映了区域中的降雨可能造成的土壤侵蚀量。每月平均侵蚀参数：
Ei＝1.735×10×[1.5×1g(pi^2/p)-0.8188]
式中，pi为每月降雨量(mm)，p为年降雨量(mm)，将逐月降雨量相加即得全年的降雨量。本实例中的降雨数据是根据大浦镇03年的降雨统计资料进行计算。
K——土壤侵蚀性参数，反映了土壤颗粒组成及有机质含量对降雨侵蚀量的影响。不同的土壤类型和不同的有机质含量表现出不同的土壤可侵蚀性。Walliams等在EPIC模型中发展了土壤可侵蚀因子K的估算方法(WalliamsJR，Renard，1983)。只要有土壤的有机碳和有机颗粒物的资料，即可估算K的数值。
本实例应用该估算方法估算K值。具体是根据宜兴市第二次土壤普查资料中有机质含量分布图，估算大浦镇土壤的K值。获得土壤侵蚀性参数如表2所示。
表2土壤侵蚀性参数与有机质的关系
| 有机质含量(％) | K |
| ＜1.51.5-2.02.0-2.52.5-3.0＞3.0 | 0.600.530.510.490.42 |
LS——地形参数，由坡长和坡度角确定。该参数的确定是利用Mapbasic的自动测量功能选择区域内两高点之间的距离(L)及其高度差以求得坡度角(θ)，根据公式即可求得地形参数LS。对于鱼塘，地形参数设为零。
LS＝(0.045L)0.5×(65.41sin2θ+4.56sinθ+0.065)
C——植被覆盖参数，反映了植被对地面的保护作用，是侵蚀动力的抑制因子，起着水土保持的作用。变化范围在0到1之间，对于完全没有保护的裸露地面，C的最大值为1，对于保护完好的森林地区，C的最小值为0。根据不同土地利用类型年植被覆盖率的统计情况(蔡崇法等，2000)，C值的确定结果如表3所示。
表3不同土地利用类型的植被覆盖参数
| 土地使用类型 | 植被覆盖率 | C |
| 水田居民点，厂矿菜地山地鱼塘 | 252010800 | 0.400.420.450.0021 |
P——管理参数，反映了农田水土保持措施对侵蚀量的影响。在完全没有保护的地方，P值最大，为1；人为管理的力度越大，P的值越小。在理想的状况下，P值为零。参考《湖泊富营养化调查规范》(全国主要湖泊，水库富营养化调查研究课题组编1987)，不同土地利用类型P值的确定结果如表4所示。
表4不同土地利用类型的管理因子
| 土地使用类型 | 管理因子 |
| 水田居民点，厂矿菜地山地鱼塘 | 0.60.350.450.90 |
(3)化肥使用量指数(CUI)
化肥的使用是造成农业非点源污染的一个重要的因素。在本实例中，根据不同土地利用类型的施肥量的大小，将不同利用类型土地的CUI划分为不同的等级。高，中，低和不使用。其对应的指标分别为3，2，1，0。将所划分区域内的不同利用类型土地的面积占区域总面积的百分比乘以对应的指数即可获得该区域的CUI值。不同利用类型土地的施肥调查统计和级别划分如表5所示。
表5不同土地利用类型的氮磷指数
| 土地使用类型 | 氮肥 | 磷肥 | ||
| 施用量(kg/ha.a) | 划分级别 | 施用量(kg/ha.a) | 划分级别 | |
| 水田菜地 | 585635 | 33 | 39.383 | 23 |
(4)人畜排放量指数(PALI)
人畜粪便的排放也是导致农业非点源污染的一个重要的因素。根据太湖地区的有关调查结果，确定每人每年排放氮磷包括人粪尿、污水、垃圾、和渔业、畜禽养殖的具体排放量。根据大浦2002年人口普查资料以及大浦家禽养殖情况的统计，即可计算出大浦镇各个行政村全年氮磷的人畜排放量，再将该值除以对应行政村的面积，既得到每个行政村的人畜排放指数。
(4)确定权重
依据模型原理中所述的公式：
APPI＝RIi·WF1+SPIi·WF2+PALIi·WF3+CUIi·WF4
可知，要得到给定区域的非点源污染指数APPI，需要在求得各个区域单个指数的基础上，对各个指数赋予一定的权重并相加而得。在各个指数已知的前提下，对各个指数赋予不同的权重将对最终的评价结果产生影响。四个指数的权重确定方法为：将全镇的氮磷污染负荷分为四类——随地表径流流失的氮磷污染负荷(不包括农田/旱地/果园)、随泥沙流失的氮磷和人畜/渔业排放的氮磷污染负荷、农田/旱地/果园流失氮磷污染负荷(分别对应径流指数、泥沙流失指数、人畜排放指数和化肥流失指数)，这四类氮磷污染负荷之和为全镇氮磷污染总负荷，将四类氮磷污染负荷分别除以全镇氮磷污染总负荷，得到四个指数的权重。根据本实例所研究区域的氮磷污染负荷，单个指数的权重如下：
RI(WF1)——0.12 SPI(WF2)——0.04
PALI(WF3)——0.48 CUI(WF4)——0.36
(5)模型计算
应用地理信息系统对数据的提取和计算功能进行编程计算，得到所划分行政区域的各自的年径流量指数、泥沙流失量指数、人畜排放量指数以及化肥使用量指数，并对各个数据采用标准化方法处理，使之更具有可比性。标准化方法采用美国PENNSYLVANIA水土资源保护局在评价非点源污染发生潜力中所用的标准化方法，即将各指数与同组指数算术平均值的差值除以同组指数的标准偏差。再根据公式
APPI＝RIi·WF1+SPIi·WF2+PALIi·WF3+CUIi·WF4
计算出各行政村的非点源污染发生潜力指数(APPI)，结果简表6。
表6大浦镇各行政村非点源污染发生潜力指数
| 村名 | SPI | RI | CUI | PALI | APPI | 排序 |
| 南园村 | 5.32 | -6.57 | -11.06 | -4.20 | -6.59 | 19 |
| 尤谟村 | -2.24 | 2.24 | -0.45 | -0.44 | -0.18 | 12 |
| 张泽村 | -1.85 | 1.58 | -0.13 | -0.81 | -0.31 | 13 |
| 山林村 | 5.42 | -6.47 | -8.70 | -4.02 | -5.65 | 18 |
| 大树村 | 6.97 | -6.98 | -4.15 | -5.47 | -4.73 | 17 |
| 双庙村 | 0.81 | 0.18 | 4.70 | -2.86 | 0.35 | 7 |
| 洋岸村 | 6.12 | -6.05 | 2.29 | -3.40 | -1.35 | 16 |
| 南湾村 | -7.59 | 7.01 | -3.21 | -0.57 | -0.83 | 15 |
| 施荡村 | -5.13 | 4.96 | -1.18 | -0.99 | -0.47 | 14 |
| 郭家村 | 1.24 | -0.16 | 4.41 | -0.31 | 1.45 | 6 |
| 北塘村 | 0.24 | 0.17 | 2.04 | -1.27 | 0.15 | 10 |
| 毛旗村 | -3.58 | 3.24 | -1.35 | 0.39 | -0.02 | 11 |
| 方钱村 | -1.23 | 0.58 | -1.03 | 12.79 | 5.83 | 1 |
| 浦北村 | 6.23 | -5.54 | 4.85 | 3.55 | 2.98 | 3 |
| 大浦村 | -2.30 | 2.12 | 0.81 | 9.26 | 4.93 | 2 |
| 浦南村 | -2.25 | 2.24 | 2.62 | 2.46 | 2.32 | 4 |
| 汤庄村 | -5.36 | 5.52 | 1.38 | -1.33 | 0.34 | 8 |
| 渭渎村 | -4.29 | 4.57 | 1.48 | -1.34 | 0.29 | 9 |
| 洋渚村 | 3.48 | -2.63 | 6.69 | -1.45 | 1.49 | 5 |
(6)污染潜力分级
利用Mapinfo的建立专题图层功能，对各行政村的非点源污染发生潜力指数(APPI)进行分级，得到非点源污染发生潜力最大的区域(如图2所示，图例中APPI指数最大者为非点源污染发生潜力最大的区域。)
(7)非点源污染发生潜力及主要影响因子评价
由区域非点源污染潜力专题图层(图2)可以看出：方钱村、大浦村、浦北村以及浦南村是非点源污染潜力指数较大的区域。通过表6(非点源污染指数)可看出方钱村在SPI，RI和CUI这三个指数上与其它村相比较没有明显优势，但是其PALI指数却明显高于其它区域，这是由于这两个村的养殖业比较发达造成的。方钱村的家禽养殖量达到27830只，是所有村中最多的。大浦村的APPI指数比较高主要是因为其家庭养殖的规模也比较大，总的家禽数量达到21000只，仅次于方钱村，导致了其PALI指数比较大。浦北村的APPI指数较高是因为其CUI指数是所有村中最高的，这也是由浦北村的农田面积占村庄面积的比例最高导致的；同时浦北村的家禽养殖量和泥沙流失指数也很高。浦南村虽然单个指数都不很高，但由于其各项指标比较均匀偏高，尤其是人畜排放指数和化肥指数偏高，导致其APPI指数也较高。
综上所述，根据非点源污染指数APPI的数值，大浦镇的方钱村、大浦村、浦北村以及浦南村是非点源污染优先控制区，其次是洋渚村、郭家村和双庙村。其中座主要的影响因子为人畜排放所致。
参照试点结果，国家高技术研究发展计划的“河网区面源污染控制成套技术”的子专题，在江苏省宜兴市大浦镇建立了示范工程，投入经费3300万，分配如下：涉及人畜排放部分投入经费约50％，涉及肥料流失部分投入经费约30％，涉及径流流失部分投入经费约15％，涉及泥沙流失(不包括农田/旱地/果园)投入经费约15％。并且将主要示范工程设在污染最重的方钱村、大浦村、浦北村、浦南村、汤庄村、渭渎村和毛旗村。经两年的示范工程建设和运行，结果达到项目要求。
Claims (4)
1、一种基于GIS的农业非点源污染发生潜力指数评价方法，其主要包括以下步骤：
(1)基础资料收集
收集评价目标区域农业非点源污染发生潜力的基础数据；
(2)地图资料收集与核实
收集地图、数据信息，包括最新的土地使用类型/面积图、航图、土壤类型和分布图、村界图、地形和高程图各种相关地图或数据，并进行实地调查核实；
(3)地图数字化
将(2)中收集到的数据或地图，在MapInfo中，按相同投影和坐标系将地图进行矢量化，建立村界、土壤类型、土地利用类型和高程四个图层；
(4)录入属性数据
根据(1)的数据，在(3)所得图层中录入人口、各种土地使用类型、面积、对应的肥料氮、磷肥使用量、畜禽养殖、渔业养殖、废水排放量、氮磷肥浓度数据；
(5)图层分割
在Mapinfo里，利用图层对象的分割命令，将村界图层对土地使用类型图层进行分割，所获得的图形再对土壤类型图层进行分割，所得图层再对高程图进行分割，使得每一块图斑均具有唯一的土地利用、行政归属、土壤类型和高程差；
(6)确定参数
在(1)(3)(4)的基础上，确定计算指数时各自需要的CN、E、K、LS、P、C，肥料使用量、废水排放量和氮磷浓度各村人口、人年均氮磷排放量参数；
(7)计算各指数
每一个图斑均对应唯一的所处村庄、土地使用类型、土壤类型、坡度，利用步骤(6)所获得参数，计算出每个图斑的年径流量指数、土壤流失量指数、化肥使用量指数、人畜排放量指数，再计算出每个村的年径流量指数、土壤流失量指数、化肥使用量指数、人畜排放量指数；
(8)权重校准
计算总区域四种类型污染负荷总量，对各指数权重进行校准；
(9)计算APPI
对各村的四个指数分别进行标准化，然后利用模型公式：
APPIi＝RIiWF1+SPIiWF2+CUIiWF3+PALiWF4
进行计算，获得各村的农业非点源污染发生潜力总指数APPI，其中RI为径流指数，CUI为化肥使用指数，SPI为泥沙产生指数，PALI为人畜排放指数，i表示不同的区域，WF表示不同指数的权重；
(10)评价发生潜力
根据(9)获得的APPI数据，对区域内的各村的进行排序和分级，确定污染最严重的区域为优先控制区。
2、根据权利要求1所述的基于GIS的农业非点源污染发生潜力指数评价方法，其特征在于根据步骤(9)获得的APPI数据，对照(7)所获得指数，可以确定影响农业非点源污染发生潜力的主要因子。
3、根据权利要求1所述的基于GIS的农业非点源污染发生潜力指数评价方法，其特征在于步骤(1)中所述的基础数据包括人口数量，人口密度，养殖排放，地形地貌，土壤类型，土壤利用类型，产业结构，气象资料，降雨径流，化学物质的输入输出，植被类型，耕作方式各种相关信息。
4、根据权利要求2或3所述的基于GIS的农业非点源污染发生潜力指数评价方法，，其特征在于：步骤(9)中标准化的方法采用美国PENNSYLVANIA水土资源保护局在评价非点源污染发生潜力中所用的标准化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2006100415382A CN1920556A (zh) | 2006-09-13 | 2006-09-13 | 基于gis的农业非点源污染发生潜力指数评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2006100415382A CN1920556A (zh) | 2006-09-13 | 2006-09-13 | 基于gis的农业非点源污染发生潜力指数评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1920556A true CN1920556A (zh) | 2007-02-28 |
Family
ID=37778321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2006100415382A Pending CN1920556A (zh) | 2006-09-13 | 2006-09-13 | 基于gis的农业非点源污染发生潜力指数评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1920556A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101846512A (zh) * | 2010-06-03 | 2010-09-29 | 东南大学 | 一种土地巡查实现方法 |
| CN101882184A (zh) * | 2010-05-25 | 2010-11-10 | 中冶赛迪工程技术股份有限公司 | 基于gis技术和aermode模型的大气环评系统与环评方法 |
| CN101949920A (zh) * | 2010-09-15 | 2011-01-19 | 上海岩土工程勘察设计研究院有限公司 | 确定污染土壤污染程度的方法 |
| CN102034002A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种高分辨率的全分布式水文模型topx的设计方法 |
| CN102236844A (zh) * | 2011-07-20 | 2011-11-09 | 广州甘蔗糖业研究所 | 一种田间调查的自动化管理方法 |
| CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
| CN102768677A (zh) * | 2012-06-15 | 2012-11-07 | 武汉理工大学 | 一种微气候和热环境数据信息图及显示方法 |
| CN104036145A (zh) * | 2014-06-25 | 2014-09-10 | 安徽省环境科学研究院 | 一种生态系统减轻水环境非点源污染服务价值评估方法 |
| CN104239729A (zh) * | 2014-09-22 | 2014-12-24 | 中国水利水电科学研究院 | 一种基于水循环的农田面源污染测算方法及装置 |
| CN104240138A (zh) * | 2013-06-14 | 2014-12-24 | 中国科学院城市环境研究所 | 一种定量评价区域太阳能资源开发潜力的方法 |
| CN104345131A (zh) * | 2014-11-06 | 2015-02-11 | 浙江大学 | 一种稻田氮磷径流流失负荷的田间尺度估算方法 |
| CN106503447A (zh) * | 2016-10-31 | 2017-03-15 | 中科宇图科技股份有限公司 | 一种非点源污染排放清单快速处理方法 |
| CN106920203A (zh) * | 2017-03-13 | 2017-07-04 | 北京麦堆科技有限公司 | 基于gis系统的城市经济信息分析计算方法及系统 |
| WO2017133093A1 (zh) * | 2016-02-03 | 2017-08-10 | 东南大学 | 一种城市微气候数字地图 |
| CN107704684A (zh) * | 2017-10-09 | 2018-02-16 | 中国科学院生态环境研究中心 | 非点源磷污染指数模型的构建及交互应用方法 |
| CN109508292A (zh) * | 2018-11-05 | 2019-03-22 | 北京师范大学 | 水土流失野外调查与评价系统的测试方法 |
| CN109784769A (zh) * | 2019-02-19 | 2019-05-21 | 北京市农林科学院 | 一种农业面源污染风险识别方法 |
| CN111639707A (zh) * | 2020-05-29 | 2020-09-08 | 河南大学 | 一种基于gis技术的土地污染控制方法 |
| CN111882182A (zh) * | 2020-07-13 | 2020-11-03 | 黄河水利委员会黄河水利科学研究院 | 一种适用于灌区的农业非点源污染风险诊断方法 |
| CN112232680A (zh) * | 2020-10-19 | 2021-01-15 | 三峡大学 | 基于Copula函数的流域氮代谢环境风险评价方法 |
-
2006
- 2006-09-13 CN CNA2006100415382A patent/CN1920556A/zh active Pending
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101882184A (zh) * | 2010-05-25 | 2010-11-10 | 中冶赛迪工程技术股份有限公司 | 基于gis技术和aermode模型的大气环评系统与环评方法 |
| CN101882184B (zh) * | 2010-05-25 | 2012-02-22 | 中冶赛迪工程技术股份有限公司 | 基于gis技术和aermode模型的大气环评系统与环评方法 |
| CN101846512A (zh) * | 2010-06-03 | 2010-09-29 | 东南大学 | 一种土地巡查实现方法 |
| CN101949920A (zh) * | 2010-09-15 | 2011-01-19 | 上海岩土工程勘察设计研究院有限公司 | 确定污染土壤污染程度的方法 |
| CN102034002A (zh) * | 2010-12-16 | 2011-04-27 | 南京大学 | 一种高分辨率的全分布式水文模型topx的设计方法 |
| CN102236844A (zh) * | 2011-07-20 | 2011-11-09 | 广州甘蔗糖业研究所 | 一种田间调查的自动化管理方法 |
| CN102628852A (zh) * | 2012-03-13 | 2012-08-08 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
| CN102628852B (zh) * | 2012-03-13 | 2014-12-31 | 北京工业大学 | 基于污染物来源识别技术的大气污染源分级方法 |
| CN102768677A (zh) * | 2012-06-15 | 2012-11-07 | 武汉理工大学 | 一种微气候和热环境数据信息图及显示方法 |
| CN102768677B (zh) * | 2012-06-15 | 2015-05-06 | 武汉理工大学 | 一种微气候和热环境数据信息图及显示方法 |
| CN104240138A (zh) * | 2013-06-14 | 2014-12-24 | 中国科学院城市环境研究所 | 一种定量评价区域太阳能资源开发潜力的方法 |
| CN104036145A (zh) * | 2014-06-25 | 2014-09-10 | 安徽省环境科学研究院 | 一种生态系统减轻水环境非点源污染服务价值评估方法 |
| CN104239729A (zh) * | 2014-09-22 | 2014-12-24 | 中国水利水电科学研究院 | 一种基于水循环的农田面源污染测算方法及装置 |
| CN104239729B (zh) * | 2014-09-22 | 2017-08-08 | 中国水利水电科学研究院 | 一种基于水循环的农田面源污染测算方法及装置 |
| CN104345131A (zh) * | 2014-11-06 | 2015-02-11 | 浙江大学 | 一种稻田氮磷径流流失负荷的田间尺度估算方法 |
| WO2017133093A1 (zh) * | 2016-02-03 | 2017-08-10 | 东南大学 | 一种城市微气候数字地图 |
| CN106503447A (zh) * | 2016-10-31 | 2017-03-15 | 中科宇图科技股份有限公司 | 一种非点源污染排放清单快速处理方法 |
| CN106503447B (zh) * | 2016-10-31 | 2020-01-14 | 中科宇图科技股份有限公司 | 一种非点源污染排放清单快速处理方法 |
| CN106920203A (zh) * | 2017-03-13 | 2017-07-04 | 北京麦堆科技有限公司 | 基于gis系统的城市经济信息分析计算方法及系统 |
| CN107704684A (zh) * | 2017-10-09 | 2018-02-16 | 中国科学院生态环境研究中心 | 非点源磷污染指数模型的构建及交互应用方法 |
| CN109508292A (zh) * | 2018-11-05 | 2019-03-22 | 北京师范大学 | 水土流失野外调查与评价系统的测试方法 |
| CN109508292B (zh) * | 2018-11-05 | 2020-06-12 | 北京师范大学 | 水土流失野外调查与评价系统的测试方法 |
| CN109784769A (zh) * | 2019-02-19 | 2019-05-21 | 北京市农林科学院 | 一种农业面源污染风险识别方法 |
| CN111639707A (zh) * | 2020-05-29 | 2020-09-08 | 河南大学 | 一种基于gis技术的土地污染控制方法 |
| CN111882182A (zh) * | 2020-07-13 | 2020-11-03 | 黄河水利委员会黄河水利科学研究院 | 一种适用于灌区的农业非点源污染风险诊断方法 |
| CN112232680A (zh) * | 2020-10-19 | 2021-01-15 | 三峡大学 | 基于Copula函数的流域氮代谢环境风险评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1920556A (zh) | 基于gis的农业非点源污染发生潜力指数评价方法 | |
| Hashemi et al. | Review of scenario analyses to reduce agricultural nitrogen and phosphorus loading to the aquatic environment | |
| Di Luzio et al. | Integration of watershed tools and swat model into basins 1 | |
| Chen et al. | Spatiotemporal patterns and source attribution of nitrogen pollution in a typical headwater agricultural watershed in Southeastern China | |
| Wu et al. | The simulation research of dissolved nitrogen and phosphorus non-point source pollution in Xiao-Jiang watershed of Three Gorges Reservoir area | |
| Hong et al. | Small-scale watershed extended method for non-point source pollution estimation in part of the Three Gorges Reservoir Region | |
| CN106326405A (zh) | 一种水库流域生态保护方法 | |
| Jianchang et al. | Validation of an agricultural non-point source (AGNPS) pollution model for a catchment in the Jiulong River watershed, China | |
| Lai et al. | Preliminary study on assessment of nutrient transport in the Taihu Basin based on SWAT modeling | |
| Rattan et al. | Evaluating diffuse and point source phosphorus inputs to streams in a cold climate region using a load apportionment model | |
| Vigiak et al. | Trapping efficiencies of cultivated and natural riparian vegetation of northern Laos | |
| Wu et al. | Simulation of nitrogen and phosphorus loads in the Dongjiang River basin in South China using SWAT | |
| Luo et al. | Evaluation of Agricultural Non-point Source Pollution: A Review | |
| Xiaowen | The simulation research on agricultural non-point source pollution in Yongding River in Hebei province | |
| Kebede et al. | Modeling of Phosphorous Load and Transport Pathways in Dhidhessa Catchment, Oromiya, Ethiopia | |
| Yoon et al. | Applicability study of ecological impact assessment using AQUATOX model in Paldang Reservoir, South Korea | |
| Tripathi et al. | Micro watershed modeling in india using GIS technologies and agricultural policy environmental extender (APEX) model. A case study | |
| Pan et al. | Development of an agricultural water resource programming model for the Shuyang town watershed under uncertainty. | |
| Basin | Soil and Water Assessment Tool (SWAT) simulated sediment and nutrient yields in | |
| Singh | Modeling of water quality in Canard River watershed | |
| Mwendwa | Detailed Soil Survey and Spatial Variability of Selected Soil Properties in Upper Kabete Campus Field, University of Nairobi, Kenya | |
| Mosiej | Rural water management as important factor of sustainable rural development in Poland–some aspects | |
| Lei | Analysis of land use changes and water resources in lowland catchments of Northern Germany | |
| BAOBAB | Application of SWAT and Development of a Water Quality Predictive Model for Water Resources Management in Rural Basins | |
| Lei et al. | Management methods and demonstration on pollution load control of Song-Liao River Basin |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Open date: 20070228 |