饮用水水源地环境风险源本底清单确定及更新方法和装置制造方法及图纸

本发明专利技术公开了一种饮用水水源地环境风险源本底清单确定及更新方法和装置，属于水源地监测领域。该方法融合卫星遥感信息与现场信息获取水源地环境风险源的更新数据，自动更新水源地环境风险源本底清单，形成真实的风险源清单，该清单可用于水源地环境整治、现场执法、现场督查。一方面充分发挥卫星遥感专题信息覆盖面广，空间定位准确的优势，省时省力，另一方面发挥现场核查时便于收集风险源各种属性信息及现场照片的优势。本发明专利技术可以生成全面反映水源地情况的真实风险源，全面反映水源地全域情况，风险源数据获取难度和成本更低，时效性好，提高了水源地环境风险源获取的便捷性、经济性、真实性，是可以用于水源地环境执法、环境监督的问题清单。督的问题清单。督的问题清单。

【技术实现步骤摘要】
饮用水水源地环境风险源本底清单确定及更新方法和装置


[0001]本专利技术涉及水源地监测领域，特别是指一种饮用水水源地环境风险源本底清单确定及更新方法和装置。

技术介绍

[0002]解决饮用水水源地突出环境问题，是我国饮用水水源地环境保护工作的首要任务，可用于环境执法管理的风险源清单是进行水源地保护的工作起点，是保证保护效果的基础数据。现在的环境风险源清单形成方法有两种：第一种为行政单位根据现场信息、逐级上报形成；第二种为基于卫星遥感提取的问题清单。
[0003]行政单位根据现场信息、逐级上报的方式形成的水源地环境风险源清单的准确性完全依赖最低一级行政单位的问题清单确定方式。通常环境风险源清单确定方法为以地方日常环境监管名单内的工业企业为代表的点源类环境问题。因为成规模且手续齐全，一直是环境保护工作监管的重点，名单内的点源类风险源可以较为准确的进入名单。但是由于饮用水水源保护区面积较大、地处偏远，在整个水源地“面”上的规模较小、不在名单的“小散乱污”类企业与排污口，发现困难，此类环境问题，通常不能全面进入清单。所以，行政单位根据现场信息、逐级上报形成风险源清单在“点”上的信息表达的比较准确，在“面”上的信息难以全面覆盖，且时效性较差、成本高、客观性差、全面性不能保证。
[0004]基于卫星遥感提取的风险源问题清单可以兼顾到水源保护区面上的信息，但受限于遥感影像看不到目标内部的情况，导致有些信息类别判断有误，或是某些污染类管理信息在卫星影像上没有反映，即遥感信息存在“易定位，难定性”的特点。
专利
技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种饮用水水源地环境风险源本底清单确定及更新方法和装置，本专利技术可以科学、全面、快速的获取水源保护区环境风险源问题清单，为水源地环境保护执法监管提供技术支撑。
[0006]本专利技术提供技术方案如下：
[0007]第一方面，本专利技术提供一种饮用水水源地环境风险源本底清单确定及更新方法，所述方法包括：
[0008]S1：获取覆盖饮用水水源地的遥感影像并在所述遥感影像上提取得到环境风险源空间分布图，所述环境风险源空间分布图包括风险源斑块以及风险源斑块的类别；
[0009]S2：为每个风险源斑块生成现场核查任务清单，所述现场核查任务清单包括每个风险源斑块中心点的经纬度信息、每个风险源斑块外围边界的空间位置信息以及每个风险源斑块的类别；
[0010]S3：获取根据每个风险源斑块的现场核查任务清单核查得到的现场风险源信息，所述现场风险源信息包括现场核查得到的风险点的位置信息、风险点的类别、风险点的影响范围以及风险点的照片；
[0011]S4：以风险点的位置信息为基准，将所述现场风险源信息融合到所述环境风险源空间分布图上；
[0012]S5：确定风险点的影响范围包含于对应的风险源斑块中的比例，若所述比例超过设定的阈值，则认为遥感影像提取的风险源斑块与现场核查得到的现场风险源信息为同一风险源，并建立风险源斑块与现场风险源信息的联系；
[0013]S6：若所述比例未超过设定的阈值，则遍历该风险源斑块周围的风险源斑块，并重复S5，直至查找到与现场核查得到的现场风险源信息为同一风险源的风险源斑块；
[0014]S7：将建立联系的风险源斑块与现场风险源信息更新到饮用水水源地环境风险源历史本底清单中。
[0015]进一步的，所述风险点的影响范围通过如下模型确定：
[0016]D
i
＝S
m
(C
m
,x
i
,y
i
)；
[0017]其中，D
i
为第i个风险点的影响范围，S
m
为风险点影响范围计算模型，C
m
为风险点的风险类型，m＝1,2,3，m为1对应点源类风险，m为2对应面源类风险，m为3对应移动类风险；x
i
与y
i
分别为第i个风险点的经度与纬度；
[0018]点源类风险的风险点影响范围计算模型为S1＝G1(a,b,c,d,e,f1,g1)；
[0019]其中，G1为点源类风险确定模型；
[0020]a表示风险点与饮用水水源地的关系，包括风险点位于饮用水水源地一级保护区、二级保护区或准保护区；
[0021]b表示水系信息，包括水系空间分布、水系流向和水系流量；
[0022]c表示降雨信息，包括降雨频率、降雨时间分布和降雨量；
[0023]d表示路网信息，包括路宽、路网分布和路网密度；
[0024]e表示交通管控信息，包括是否允许危、废品运输、运输频次和防范措施；
[0025]f1表示企业信息，包括原材料、产品信息、生产工艺、生产过程的排放信息，所述生产过程的排放信息包括废气、废液、固废的排放量和排放地点；
[0026]g1表示风向信息，指常年主要风向及风速；
[0027]面源类风险的风险点影响范围计算模型为S2＝G2(a,b,c,f2,g2,h2,k2,u2,v2)；
[0028]其中，G2为面源类风险确定模型；
[0029]f2表示面源类型及规模，所述面源类型包括农业类、居民区类、畜禽养殖类和水产养殖类，所述农业类的规模为农业种植面积，所述居民区类的规模为居民区面积及人口数量，所述畜禽养殖类与水产养殖类的规模为养殖数量；
[0030]g2表示土壤性质，包括土壤类型、土壤酸碱度和土壤肥力；
[0031]h2表示施肥信息，肥料类型及年均施用量；
[0032]k2表示坡度信息；
[0033]u2表示种植信息，包括种植类型和种植结构；
[0034]v2表示平均产污量，对应不同类型面源的平均产污量；
[0035]移动类风险的风险点影响范围计算模型为S3＝G3(a,b,d,e)；
[0036]其中，G3为移动类风险确定模型。
[0037]进一步的，所述风险点的影响范围为圆形，所述圆形以风险点的位置为圆心，并以特定的尺寸为半径。
[0038]进一步的，所述S1包括：
[0039]获取覆盖饮用水水源地的遥感影像；
[0040]对所述遥感影像进行预处理，所述预处理包括正射校正、大气校正和图像融合；
[0041]利用已知的饮用水水源地边界对所述遥感影像进行图像裁剪运算，得到饮用水水源地的遥感影像；
[0042]对所述饮用水水源地的遥感影像，利用环境风险源提取神经网络模型，获得饮用水水源地的环境风险源空间分布图。
[0043]进一步的，所述环境风险源提取神经网络模型的输入层神经元个数为i，隐含层神经元节点数为j，输出层神经元数目为m；输入层神经元与隐含层神经元的连接权值为w，隐含层神经元与输出层神经元的连接权值为v；隐含层神经元阈值为θ，输出层神经元阈值为u；所述w、v、u、θ基于引力智能优化算法自适应更新；
[0044]所述输入层神经元的输入为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种饮用水水源地环境风险源本底清单确定及更新方法，其特征在于，所述方法包括：S1：获取覆盖饮用水水源地的遥感影像并在所述遥感影像上提取得到环境风险源空间分布图，所述环境风险源空间分布图包括风险源斑块以及风险源斑块的类别；S2：为每个风险源斑块生成现场核查任务清单，所述现场核查任务清单包括每个风险源斑块中心点的经纬度信息、每个风险源斑块外围边界的空间位置信息以及每个风险源斑块的类别；S3：获取根据每个风险源斑块的现场核查任务清单核查得到的现场风险源信息，所述现场风险源信息包括现场核查得到的风险点的位置信息、风险点的类别、风险点的影响范围以及风险点的照片；S4：以风险点的位置信息为基准，将所述现场风险源信息融合到所述环境风险源空间分布图上；S5：确定风险点的影响范围包含于对应的风险源斑块中的比例，若所述比例超过设定的阈值，则认为遥感影像提取的风险源斑块与现场核查得到的现场风险源信息为同一风险源，并建立风险源斑块与现场风险源信息的联系；S6：若所述比例未超过设定的阈值，则遍历该风险源斑块周围的风险源斑块，并重复S5，直至查找到与现场核查得到的现场风险源信息为同一风险源的风险源斑块；S7：将建立联系的风险源斑块与现场风险源信息更新到饮用水水源地环境风险源历史本底清单中。2.根据权利要求1所述的饮用水水源地环境风险源本底清单确定及更新方法，其特征在于，所述风险点的影响范围通过如下模型确定：D
i
＝S
m
(C
m
,x
i
,y
i
)；其中，D
i
为第i个风险点的影响范围，S
m
为风险点影响范围计算模型，C
m
为风险点的风险类型，m＝1,2,3，m为1对应点源类风险，m为2对应面源类风险，m为3对应移动类风险；x
i
与y
i
分别为第i个风险点的经度与纬度；点源类风险的风险点影响范围计算模型为S1＝G1(a,b,c,d,e,f1,g1)；其中，G1为点源类风险确定模型；a表示风险点与饮用水水源地的关系，包括风险点位于饮用水水源地一级保护区、二级保护区或准保护区；b表示水系信息，包括水系空间分布、水系流向和水系流量；c表示降雨信息，包括降雨频率、降雨时间分布和降雨量；d表示路网信息，包括路宽、路网分布和路网密度；e表示交通管控信息，包括是否允许危、废品运输、运输频次和防范措施；f1表示企业信息，包括原材料、产品信息、生产工艺、生产过程的排放信息，所述生产过程的排放信息包括废气、废液、固废的排放量和排放地点；g1表示风向信息，指常年主要风向及风速；面源类风险的风险点影响范围计算模型为S2＝G2(a,b,c,f2,g2,h2,k2,u2,v2)；其中，G2为面源类风险确定模型；f2表示面源类型及规模，所述面源类型包括农业类、居民区类、畜禽养殖类和水产养殖
类，所述农业类的规模为农业种植面积，所述居民区类的规模为居民区面积及人口数量，所述畜禽养殖类与水产养殖类的规模为养殖数量；g2表示土壤性质，包括土壤类型、土壤酸碱度和土壤肥力；h2表示施肥信息，肥料类型及年均施用量；k2表示坡度信息；u2表示种植信息，包括种植类型和种植结构；v2表示平均产污量，对应不同类型面源的平均产污量；移动类风险的风险点影响范围计算模型为S3＝G3(a,b,d,e)；其中，G3为移动类风险确定模型。3.根据权利要求1所述的饮用水水源地环境风险源本底清单确定及更新方法，其特征在于，所述风险点的影响范围为圆形，所述圆形以风险点的位置为圆心，并以特定的尺寸为半径。4.根据权利要求1-3任一所述的饮用水水源地环境风险源本底清单确定及更新方法，其特征在于，所述S1包括：获取覆盖饮用水水源地的遥感影像；对所述遥感影像进行预处理，所述预处理包括正射校正、大气校正和图像融合；利用已知的饮用水水源地边界对所述遥感影像进行图像裁剪运算，得到饮用水水源地的遥感影像；对所述饮用水水源地的遥感影像，利用环境风险源提取神经网络模型，获得饮用水水源地的环境风险源空间分布图。5.根据权利要求4所述的饮用水水源地环境风险源本底清单确定及更新方法，其特征在于，所述环境风险源提取神经网络模型的输入层神经元个数为i，隐含层神经元节点数为j，输出层神经元数目为m；输入层神经元与隐含层神经元的连接权值为w，隐含层神经元与输出层神经元的连接权值为v；隐含层神经元阈值为θ，输出层神经元阈值为u；所述w、v、u、θ基于引力智能优化算法自适应更新；所述输入层神经元的输入为饮用水水源地的遥感影像的光谱信息x
i
和空间纹理信息y
i
；所述隐含层神经元的输入为：所述隐含层神经元的输出为：O
j
＝f(I
j-θ
j
)＝f(net
j
)；所述输出层神经元的输入为：所述输出层神经元的输出为：O
m
＝f(I
m-u
m
)＝f(net
m
)；其中，所述输出层神经元的输出即为饮用水水源地的环境风险源空间分布图，f为环境风险源提取神经网络模型使用的函数。6.根据权利要求5所述的饮用水水源地环境风险源本底清单确定及更新方法，其特征在于，所述环境风险源提取神经网络模型通过如下过程训练得到：将饮用水水源地的遥感影像的光谱信息x
i
和空间纹理信息y
i
输入所述输入层神经元；建立引力智能优化算法与环境风险源提取神经网络模型中w、v、u、θ之间的映射关系，其中，引力智能优化算法中各个粒子k(k＝1,2,
…
,NP)的维度为i*j+j*m+j+m，NP为粒子个
数，各个粒子的位置向量为确定引力智能优化算法的参数，构造种群：包括粒子个数NP；通过随机初始化每个粒子的位置向量P
k
初始化w、v、u、θ；初始化每个粒子的速度向量V
k
＝0；最大适应度值计算次数T
max
；引力常量初始值为G0；利用初始化的每个粒子的位置向量P
k
，计算得到所述输出层神经元输出...

【专利技术属性】
技术研发人员：姚延娟，杨海军，徐奥，荣学谦，朱海涛，檀畅，吴艳婷，李亚龙，胡晶晶，刘慧明，王飞，徐宁宁，吴强，
申请(专利权)人：生态环境部卫星环境应用中心，
类型：发明
国别省市：