一种农业大水面面源污染多源动态监测方法及系统与流程

本发明涉及水环境监测，尤其涉及一种农业大水面面源污染多源动态监测方法及系统。

背景技术：

1、农业大水面包含湖泊、水库、连片养殖塘堰等水体，是农业灌溉供水、水产养殖生产、区域生态涵养的核心载体，其水质状况直接关系农产品质量安全与流域生态健康。受农田降雨径流氮磷流失、水产养殖饵料残留、散养畜禽排泄物冲刷等多重因素影响，农业面源污染具有排放分散、成因复杂、时空异质性强、突发波动大的典型特征，难以通过固定点位实现全域精准捕捉，长期以来都是水环境管控的重点与难点。高效、精准、全域覆盖的动态监测技术，是开展农业面源污染治理、保障水体水质安全的核心前提。

2、传统大水面水质监测主要依赖人工定期采样结合实验室检测，以及少量岸基固定在线监测站点。人工采样方式检测周期长、人力成本高，采样点位数量有限，仅能反映采样点局部的水质状况，无法刻画大尺度水域的污染空间分布，且难以捕捉降雨径流引发的突发性面源污染过程。固定在线监测站可实现连续高频检测，但本质仍为点式监测，若要覆盖大面积水域需布设大量站点，建设与运维成本高昂，且多数岸基站仅能部署于近岸区域，水域中央及偏远区域普遍存在监测盲区，无法完整呈现全域污染的动态演化规律。

3、近年来，卫星遥感与无人机遥感技术逐步应用于水环境监测，可实现大范围、非接触式的水质反演，弥补了点位监测的覆盖短板。但卫星遥感受云层覆盖、大气条件、太阳耀斑干扰显著，影像有效率低，且重访周期较长，难以满足逐日动态监测需求；无人机高光谱监测灵活度高、反演精度较好，但受续航能力限制，单次作业覆盖范围有限，难以独立承担大水面常态化监测任务。现有多源监测融合方案多采用固定权重的简单加权融合，未结合数据质量、空间距离、水文过程动态调整融合策略，融合精度稳定性不足；且多数方案仅输出水质参数分布结果，缺乏面源污染溯源分析与扩散趋势预测能力，发现污染异常后无法快速定位汇入来源、预判影响范围，难以直接支撑污染管控与应急处置。因此，亟需一种多源协同、时空自适应、兼具监测评估与预警溯源能力的农业大水面面源污染动态监测方法。

技术实现思路

1、针对上述存在的技术不足，本发明的目的是提出一种农业大水面面源污染多源动态监测方法，旨在解决现有技术中单源监测覆盖与精度难以兼顾、多源融合权重固化、缺乏溯源预测与闭环优化机制，导致大水面面源污染监测精度低、时效性差且管理支撑能力不足的技术问题。

2、为解决上述技术问题，本发明采用如下技术方案：本发明提供一种农业大水面面源污染多源动态监测方法。

3、所述一种农业大水面面源污染多源动态监测方法包括：

4、步骤s10：同步采集卫星遥感影像、岸基水质传感、气象水文及无人机巡检多源数据，经辐射校正、时空对齐与网格划分预处理，输出标准化时空数据集、水体空间分区网格及传感器标定参数；

5、步骤s20：基于步骤s10得到的标准化时空数据集，执行遥感影像水质反演与原位传感时序分析，输出单源水质参数结果、时序异常特征及对应置信度指标；

6、步骤s30：基于步骤s10的水体空间分区网格及步骤s20输出的单源水质参数结果与置信度指标，采用时空自适应加权融合机制执行多源数据融合，输出融合后水质参数分布图与融合残差序列；

7、步骤s40：基于步骤s30输出的水质参数分布图及步骤s10的气象水文数据，引入面源污染扩散模型执行污染溯源与动态风险评估，输出污染风险等级、污染源溯源结果及扩散预测范围；

8、步骤s50：根据步骤s40输出的污染评估结果及步骤s30输出的融合残差序列，执行监测点位动态优化与模型参数迭代校准，输出监测调度指令并反馈更新融合权重与扩散模型参数。

9、优选地，所述步骤s10中，同步采集卫星遥感影像、岸基水质传感、气象水文及无人机巡检多源数据，经辐射校正、时空对齐与网格划分预处理，得到标准化时空数据集、水体空间分区网格及传感器标定参数的步骤，具体包括：

10、步骤s101：同步获取多光谱卫星遥感影像、岸基固定站点的氨氮、总磷、溶解氧水质时序数据，同时采集风速、风向、水位、流量气象水文数据以及无人机高光谱巡检影像数据；

11、步骤s102：对遥感与无人机影像执行辐射定标、大气校正与几何配准，对原位传感数据进行野值剔除与滑动滤波；以统一大地坐标系与时间戳为基准完成多源数据时空对齐，生成标准化时空数据集；

12、步骤s103：按水域地形与水文特征将监测水面划分为若干均等网格单元，标定各岸基站点的空间坐标与传感系数，输出水体空间分区网格及传感器标定参数。

13、优选地，所述步骤s20中，基于步骤s10得到的标准化时空数据集，执行遥感影像水质反演与原位传感时序分析，输出单源水质参数结果、时序异常特征及对应置信度指标的步骤，具体包括：

14、步骤s201：基于预处理后的多光谱与高光谱影像，通过经验比值法与偏最小二乘回归模型反演各网格的水质浓度参数，同时根据影像云量、信噪比计算遥感反演置信度；

15、步骤s202：对岸基水质时序数据进行滑动窗口统计与时序异常检测，提取浓度突变、持续超标等异常特征，同时根据数据完整度与设备状态计算原位监测置信度；

16、步骤s203：统一输出各网格单元的单源水质参数结果、时序异常特征及对应置信度指标，置信度取值范围为0至1。

17、优选地，所述步骤s201中遥感反演置信度按云量分级，云量小于10%时置信度取0.9，云量10%-30%时置信度取0.7，云量大于30%时置信度取0.4以下。

18、优选地，所述步骤s30中，基于步骤s10的水体空间分区网格及步骤s20输出的单源水质参数结果与置信度指标，采用时空自适应加权融合机制执行多源数据融合，输出融合后水质参数分布图与融合残差序列的步骤，具体包括：

19、步骤s301：以水体空间分区网格为基本单元，以单源置信度为基础权重，结合空间距离衰减系数与时间衰减系数，构建时空自适应加权融合模型；

20、步骤s302：对每个网格单元的多源水质参数进行加权融合，得到全水域连续分布的水质参数栅格数据，生成融合后水质参数分布图；

21、步骤s303：计算原位站点位置的融合值与实测值的偏差作为融合残差，输出融合后水质参数分布图与融合残差序列。

22、优选地，所述步骤s40中，基于步骤s30输出的水质参数分布图及步骤s10的气象水文数据，引入面源污染扩散模型执行污染溯源与动态风险评估，输出污染风险等级、污染源溯源结果及扩散预测范围的步骤，具体包括：

23、步骤s401：以水质参数分布图为初始浓度场，结合风速、风向、水位、流量水文参数，构建二维水动力-水质耦合扩散模型；

24、步骤s402：采用逆向追踪算法定位高浓度区域的污染来源方向与汇入位置，输出污染源溯源结果；正向模拟未来24小时污染扩散趋势，划定扩散预测范围；

25、步骤s403：按水质浓度超标倍数划分污染风险等级，分为轻风险、中风险、重风险三级，输出污染风险等级、污染源溯源结果及扩散预测范围。

26、优选地，所述步骤s50中，根据步骤s40输出的污染评估结果及步骤s30输出的融合残差序列，执行监测点位动态优化与模型参数迭代校准，输出监测调度指令并反馈更新融合权重与扩散模型参数的步骤，具体包括：

27、步骤s501：针对高风险与高残差区域，生成无人机加密巡检与移动监测点位调度指令，补充监测数据；

28、步骤s502：基于新增监测数据与融合残差统计结果，迭代优化多源融合的权重系数与扩散模型的参数，反馈更新步骤s30的融合权重与步骤s40的扩散模型参数；

29、步骤s503：当连续3个周期融合残差均低于设定阈值时，置位监测稳态标志，输出监测调度指令与稳态标志。

30、本发明还提供一种农业大水面面源污染多源动态监测系统，包括：

31、多源数据采集预处理模块：用于同步采集卫星遥感影像、岸基水质传感、气象水文及无人机巡检多源数据，经辐射校正、时空对齐与网格划分预处理，输出标准化时空数据集、水体空间分区网格及传感器标定参数；

32、单源水质反演分析模块：用于基于多源数据采集预处理模块得到的标准化时空数据集，执行遥感影像水质反演与原位传感时序分析，输出单源水质参数结果、时序异常特征及对应置信度指标；

33、时空自适应融合模块：用于基于多源数据采集预处理模块的水体空间分区网格及单源水质反演分析模块输出的单源水质参数结果与置信度指标，采用时空自适应加权融合机制执行多源数据融合，输出融合后水质参数分布图与融合残差序列；

34、污染溯源风险评估模块：用于基于时空自适应融合模块输出的水质参数分布图及多源数据采集预处理模块的气象水文数据，引入面源污染扩散模型执行污染溯源与动态风险评估，输出污染风险等级、污染源溯源结果及扩散预测范围；

35、动态优化闭环校准模块：用于根据污染溯源风险评估模块输出的污染评估结果及时空自适应融合模块输出的融合残差序列，执行监测点位动态优化与模型参数迭代校准，输出监测调度指令并反馈更新融合权重与扩散模型参数。

36、本发明还提供一种农业大水面面源污染多源动态监测设备，所述农业大水面面源污染多源动态监测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的农业大水面面源污染多源动态监测程序，所述农业大水面面源污染多源动态监测程序被所述处理器执行时实现上述方法。

37、本发明还提供一种计算机程序产品，所述计算机程序产品包括农业大水面面源污染多源动态监测程序，所述农业大水面面源污染多源动态监测程序被处理器执行时实现上述方法。

38、本发明的有益效果在于：

39、通通过整合卫星遥感、岸基传感、无人机巡检与气象水文多源数据，兼顾了大范围覆盖与高精度原位观测的优势，构建了天地一体的监测数据底座，解决了传统单源监测范围与精度难以兼顾的问题，为面源污染全域动态监测提供了多维度数据支撑。

40、采用时空自适应加权融合机制，结合数据置信度、空间距离与时间衰减动态分配融合权重，替代固定权重的简单融合，使融合结果更贴合实际水质分布，有效降低了云层遮挡、站点稀疏等因素带来的融合误差，提升了全域水质分布图的整体精度。

41、引入水动力-水质耦合扩散模型，实现了从现状监测到污染溯源与扩散预测的延伸，不仅能呈现当前污染分布，还可定位污染汇入来源、预判扩散趋势，为面源污染管控与应急处置提供了决策依据。

42、通过污染风险与融合残差驱动的监测点位动态优化，结合模型参数迭代校准，形成了“监测-融合-评估-优化”的闭环管理体系，可自动针对高风险、高误差区域补充监测，持续提升系统的监测精度与适应能力。