农业面源污染风险区识别方法及系统与流程
本发明属于农业监测,具体涉及农业面源污染风险区识别方法及系统。
背景技术:
1、在现代农业技术的发展规划下,化肥和农药的科学施用,成为了提升农作物产量的重要途径。而其中农业面源污染说的就是化肥和农药等物质,在降雨或灌溉的作用下通过地表径流和土壤下渗等方式进入水体,对河流、湖泊及地下水生态系统造成的破坏。
2、目前在识别农业面源污染风险区时,往往孤立地监测特定区域内,单一污染物的浓度变化,并基于预设阈值进行风险判断。当多个区域同时出现不同污染物浓度的协同微弱变化时,即便各单一指标均未超限,其背后可能隐藏着系统性的污染扩散前兆,但是现有方法对这类低信号强度的复杂风险存在识别盲区,导致污染风险的漏报率偏高。
3、基于上述问题,本发明提供了农业面源污染风险区识别方法及系统。
技术实现思路
1、本发明的目的是提供农业面源污染风险区识别方法及系统,可以识别出可能存在的面源污染风险,并且该识别方法的多维性和可复查性较高。
2、为实现上述目的,本发明采用如下技术方案:
3、农业面源污染风险区识别方法,当监测到布设于农业用地区域内的多个监测点的污染物浓度值满足预设风险识别触发条件时,执行:
4、基于多个监测点的污染物浓度值,构建污染物传输空间模型并识别污染风险区域;基于污染风险区域,测算平均偏移量,平均偏移量为污染风险区域内部的平均污染物浓度与污染风险区域外部的平均污染物浓度的差值;并基于平均偏移量对污染物传输空间模型反馈调整,以输出最终污染风险区域;
5、其中,布设于农业用地区域内的多个监测点的污染物浓度值满足预设风险识别触发条件,包括:
6、获取单位时段内多个监测点的污染物浓度值时间序列作为第一批次数据;基于第一批次数据计算污染物浓度变化速率作为第二批次数据;复查第一批次数据与第二批次数据,若第一批次数据与预设基准之间的误差,以及第二批次数据与预设基准之间的误差,均不大于预设容差阈值,则将第一批次数据与第二批次数据确定为有效数据。
7、优选地,所述方法还包括:
8、基于第二批次数据,识别第一批次数据中污染物浓度由上升趋势转为下降趋势的时间点,并将该时间点对应的污染物浓度值标定为浓度峰值。
9、优选地,基于多个监测点的污染物浓度值,构建污染物传输空间模型并识别污染风险区域包括:
10、根据有效数据的地理来源,划定分析区域;在分析区域内,以预设初始节点为中心,构建污染物传输空间模型,并将污染物传输空间模型的包络边界定义为比对边界;
11、将位于比对边界上的监测点定义为比对节点,并将污染物浓度值大于预设风险阈值的比对节点判断为风险点;根据预设聚合规则,将空间上相邻的多个风险点所覆盖的区域识别为污染风险区域。
12、优选地,根据预设聚合规则,将空间上相邻的多个风险点所覆盖的区域识别为污染风险区域包括:
13、计算被判断为风险点的监测点数量占监测点总数的比例,并将比例与预设容许比例进行比较;
14、根据比较结果和预设筛选规则,从多个风险点中识别空间上连续的区域,并将其标记为第一级风险区;将与第一级风险区边界相邻的区域标记为第二级风险区,第一级风险区与第二级风险区共同构成污染风险区域。
15、优选地,基于污染风险区域,测算平均偏移量,基于平均偏移量对污染物传输空间模型反馈调整,以输出最终污染风险区域包括:
16、计算污染风险区域内部的平均污染物浓度与污染风险区域外部的平均污染物浓度,并将二者的差值确定为平均偏移量;将平均偏移量作为输入参数,应用于污染物传输空间模型,以生成间隔预测区域;
17、在间隔预测区域内设定虚拟监测点,并利用污染物传输空间模型提取虚拟监测点的模拟污染物浓度数据;计算模拟污染物浓度数据与间隔预测区域内的真实监测点的污染物浓度值之间的偏差;
18、将偏差作为调整依据,反馈至构建污染物传输空间模型的步骤,对污染物传输空间模型的参数重新计算,以生成调整后的污染风险区域作为最终污染风险区域。
19、本发明还公开了农业面源污染风险区识别系统,用于执行所述的农业面源污染风险区识别方法,包括如下模块:
20、数据获取模块,用于获取布设于农业用地区域内的多个监测点的污染物浓度值,并确认污染物浓度值的有效性;
21、风险识别模块,响应于数据获取模块确认的有效数据,用于构建污染物传输空间模型,并识别污染风险区域;
22、模型调整模块,用于测算平均偏移量,并基于平均偏移量对污染物传输空间模型反馈调整,以输出最终污染风险区域;
23、处理器,用于驱动数据获取模块、风险识别模块和模型调整模块。
24、优选地,数据获取模块用于:
25、获取单位时段内多个监测点的污染物浓度值时间序列作为第一批次数据;基于第一批次数据计算污染物浓度变化速率作为第二批次数据;复查第一批次数据与第二批次数据,若第一批次数据与第二批次数据和预设基准之间的误差不大于预设容差阈值,则将第一批次数据与第二批次数据确定为有效数据,以触发风险识别模块。
26、优选地,风险识别模块用于:
27、根据有效数据的地理来源,划定分析区域;在分析区域内,以预设初始节点为中心,构建污染物传输空间模型,并将污染物传输空间模型的包络边界定义为比对边界;
28、将位于比对边界上的监测点定义为比对节点,并将污染物浓度值大于预设风险阈值的比对节点判断为风险点;根据预设聚合规则,将空间上相邻的多个风险点所覆盖的区域,识别为污染风险区域。
29、优选地,模型调整模块用于:
30、计算污染风险区域内部的平均污染物浓度与污染风险区域外部的平均污染物浓度,并将二者的差值确定为平均偏移量;
31、将平均偏移量作为输入参数,应用于污染物传输空间模型,以生成间隔预测区域;在间隔预测区域内设定虚拟监测点,并利用污染物传输空间模型提取虚拟监测点的模拟污染物浓度数据;
32、计算模拟污染物浓度数据与间隔预测区域内的真实监测点的污染物浓度值之间的偏差;将偏差作为调整依据,反馈至风险识别模块,以对污染物传输空间模型的参数重新计算,从而生成调整后的污染风险区域作为最终污染风险区域。
33、优选地,基于第二批次数据,识别第一批次数据中污染物浓度由上升趋势转为下降趋势的时间点,并将该时间点对应的污染物浓度值标定为浓度峰值。
34、有益效果
35、1、本发明通过计算批次数据与预设基准之间的误差,使其与预设容差阈值进行比较;将误差不大于预设容差阈值的数据定义为有效数据,而将误差大于预设容差阈值的数据所对应的采样时间标定为复核时段,并生成复采指令,有效识别并隔离因传感器故障或环境突变导致的异常数据,从而确保后续模型分析所用的数据真实可靠,以避免异常数据对识别结果的干扰。
36、2、本发明基于状态分类标准对有效数据进行分类后,构建污染物传输空间模型,并以该模型的包络边界作为比对边界,通过将位于比对边界上的比对节点的污染物浓度值与预设风险阈值进行比较来判断风险点,并依据预设聚合规则将空间上相邻的风险点覆盖区域识别为污染风险区域,通过将风险识别从传统的离散点位阈值判断,转变为基于空间模型的区域分析,利用污染物传输空间模型来限定分析区域和比对节点,能够更加科学地反映污染物在空间上的分布与迁移规律。
37、3、本发明在初步识别出污染风险区域后,计算该区域内外的平均污染物浓度差值,以确定平均偏移量,并将该平均偏移量作为参数应用于污染物传输空间模型,在生成的比对区域内进行模拟,并计算模拟污染物浓度数据与真实监测数据之间的偏差;根据该偏差判断是否需要调整污染风险区域的范围,从而实现了对识别结果的自我评估与优化,确保了最终污染风险区域是经过模拟验证和迭代优化的动态结论,增强了识别结果的最终准确度与可信度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com