【技术实现步骤摘要】
本专利技术涉及农田面源污染监测，具体地说，尤其涉及一种基于多尺度的农田面源污染监测风险评估及防控方法。
技术介绍
1、农业面源污染发生具有随机性、分散性和广泛性特点，污染物输出时空异质性较强，这为面源污染的精准监测带来了很大困难。田间实地监测是表征农业面源污染物对水环境影响程度的一种评价方法，但由于农业面源污染发生过程中涉及较为复杂的环境过程和营养物质地球物理化学转化过程，随着空间尺度的扩大，还会受到点源污染的影响，因此单纯采用监测手段难以有效剥离这些非农业活动所带来的影响。
2、而人工模拟降雨法往往需要动力输出和大型运输设备，不便于携带，移动性差，组合、装卸非常不便，降雨强度等指标需要在现场率定，试验操作复杂，试验成果获取及后期处理周期长、工作量大，使用受到较大限制。此外，田间实地监测、人工模拟降雨法等传统监测方法仅限于对小尺度的农田面源污染物负荷进行测算，无法测算宏观尺度农田面源污染状况。
3、现有的农业面源污染模型多用于测算小尺度的污染负荷，且缺乏对关键源区的识别；由于数据源大多基于田块尺度流失量的监测，对污染物伴随径流产生与汇集时向流域出口迁移过程中的损失考虑不足，未能综合流域地形地貌、水文气候、植被覆盖和土地利用等因素的影响，因此模型测算结果并非流域出口的实际污染负荷，导致模型在大尺度模拟中精度不足。
技术实现思路
1、本专利技术的目的在于克服现有技术下农田面源污染监测困难、宏观尺度农业面源污染评估精度不足、缺乏关键源区识别和防控策略的问题，提供一
2、为了实现上述目的，本专利技术所采用的技术方案如下：
3、一种基于多尺度的农田面源污染监测风险评估及防控方法，包括以下步骤：
4、在典型地形和典型作物条件下，根据不同监测目的，设置农田面源污染监测点，对田块尺度的农田面源污染进行监测，利用loadest模型计算田块尺度氮磷污染通量；
5、在田块小流域关键节点安装水质水量自动监测设备，对流域尺度的农田面源污染进行监测，利用invest模型评估流域尺度面源污染，并用观测数据校正invest模型；
6、采集田块尺度和流域尺度的农田面源污染指标数据，对指标数据进行在线传输和数据存储，搭建农田面源污染在线监测预警平台，对农田面源氮磷流失进行在线监测；
7、获取农田面源污染相关数据，利用invest模型和机器学习模型评估农田面源污染，结合冷热点分析，输出目标区域农田面源污染负荷分布特征、关键源区及防控策略；
8、综合田块尺度监测、流域尺度监测、农田面源污染评估多源异构数据，利用物联网技术构建农田面源污染天地空一体化综合监测网，实现农田面源污染监测评估预警。
9、进一步地，在典型地形条件下开展典型作物田块尺度监测，典型作物代表水田、旱地、水浇地、园地4种土地利用类型；
10、建立农田氮磷流失标准化监测小区，监测指标包括径流及淋溶水量水质、小气候、土壤墒情、施肥量和灌溉水量；
11、利用loadest模型计算田块尺度氮磷流失量，综合分析土壤理化性质、作物类型、施肥方式、肥料配比、施肥量和降雨量农业环境信息对面源污染的影响。
12、进一步地，loadest模型原理如下：
13、农田面源污染物通量是在一定时间内通过某断面的污染物总量：
14、
15、式中，为τ时段内污染物通量；δt为时间间隔；np为离散时间间隔数；q为时段平均流量；c为瞬时水质；为瞬时污染物通量；
16、loadest模型是在式(1)的基础上，通过多元线性回归的方法对河流污染物通量进行估算：
17、
18、式中，a0、aj为方程系数；nv为自变量个数；xj为自变量；
19、loadest模型提供11个污染物通量回归方程，并通过aic准则和sppc准则进行参数率定和优化选择，当aic和sppc值取得最小时，为最优污染物通量回归方程；
20、
21、式中，为数据组d(xi，i＝1,n)的最大似然值；为方程参数最大似然估计值；d为方程参数个数；n为用于方程参数估值的数据组个数；
22、loadest模型基于三种统计估算方法建立参数估算方法：渐进极大似然估计amle、极大似然估计mle、最小绝对偏差方法lad；当残差服从正态分布，删失型数据采用amle进行参数估值，如式(4)；非删失型数据采用mle进行参数估值，如式(5)；当残差不服从正态分布，采用lad进行参数估值，如式(6)；
23、
24、式中，为利用amle、mvue、lad方法估算的污染物通量；a0、aj为不同方法计算出的方程系数；h(a,b,s2,α,k)为无穷级数的似然逼近函数；gm(m,s2,v)为bessel函数；a、b、v为自变量函数；α、h为gamma分布的参数；m为自由度；s2为残差方差；ek为残差误差；f为数据中删失型数据的个数。
25、进一步地，在田块小流域关键节点设置水质水量自动监测设备，开展流域尺度的水质水量原位监测，水量监测设备包括巴歇尔槽、压力水位传感器和数据采集传输器，水质监测设备包括总氮自动分析仪、总磷自动分析仪、氨氮自动分析仪和化学需氧量自动分析仪；
26、对指标数据进行在线传输和数据储存，通过污染物在线监测系统为载体实现，污染物在线监测系统包括感知层、网络层和应用层；
27、水质水量自动监测设备为感知层，安装在污染物监测点现场及影响污染物排放的工艺节点，用于监控污染物排放状况和过程参数并完成与上位机通讯；
28、数据采集传输设备为网络层，采集水质水量自动监测设备数据，完成数据存储及与监控中心数据传输的单片机、工控机、嵌入式计算机、可编程自动化控制器或可编程控制器；
29、监控中心为应用层，安装在各级主管部门，通过网络与自动监测设备链接并对其发出查询和控制指令。
30、进一步地，利用田块尺度和流域尺度的观测数据对invest模型结果进行校正，通过调节borselli k参数，并计算不同borselli k参数下的拟合优度来评价模型输出误差，拟合优度的统计量为决定系数r2，r2最大值为1，r2的值越接近1，说明模型模拟值较观测值误差小；
31、
32、式中，y观测为观测值；为观测值的平均值；y模拟为模拟值；为模拟值的平均值。
33、进一步地，invest模型原理如下：
34、首先对氮磷流失负荷按照比例进行地表和次表层的分配，计算公式为：
35、loadsurf,p＝(1-proportionsubsurface)×l本文档来自技高网...
【技术保护点】
1.一种基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，在典型地形条件下开展典型作物田块尺度监测，典型作物代表水田、旱地、水浇地、园地4种土地利用类型；
3.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，LOADEST模型原理如下：
4.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，在田块小流域关键节点设置水质水量自动监测设备，开展流域尺度的水质水量原位监测，水量监测设备包括巴歇尔槽、压力水位传感器和数据采集传输器，水质监测设备包括总氮自动分析仪、总磷自动分析仪、氨氮自动分析仪和化学需氧量自动分析仪；
5.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，利用田块尺度和流域尺度的观测数据对InVEST模型结果进行校正，通过调节Borselli K参数，并计算不同Borselli K参数下的拟合优度来评价模型输出误差，拟合优度的
6.根据权利要求5所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，InVEST模型原理如下：
7.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，监测预警平台包括远程智慧控制平台、预警平台和氮磷面源流失监测平台，实现对农田面源氮磷流失进行在线监测和预警；
8.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，通过氮磷流失评估，利用遥感、无人机和气象站获取流域内农田分布、地形坡度、气象数据，采用InVEST模型的NDR模块，结合田块尺度及流域尺度的观测数据进行InVEST参数校正与优化验证，最终模拟流域尺度的氮磷营养物的输出量。
9.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，通过区域农田面源评估，采用机器学习模型、引入专业外调软件“外调助手”，获取目标区域种植面积、土壤类型、耕作方式、土壤养分、施肥方式、土地利用方式、地形坡度和历年气象数据基本信息；
10.根据权利要求9所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，ArcGIS冷热点分析原理如下：
...【技术特征摘要】
1.一种基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，在典型地形条件下开展典型作物田块尺度监测，典型作物代表水田、旱地、水浇地、园地4种土地利用类型；
3.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，loadest模型原理如下：
4.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，在田块小流域关键节点设置水质水量自动监测设备，开展流域尺度的水质水量原位监测，水量监测设备包括巴歇尔槽、压力水位传感器和数据采集传输器，水质监测设备包括总氮自动分析仪、总磷自动分析仪、氨氮自动分析仪和化学需氧量自动分析仪；
5.根据权利要求1所述的基于多尺度的农田面源污染监测风险评估及防控方法，其特征在于，利用田块尺度和流域尺度的观测数据对invest模型结果进行校正，通过调节borselli k参数，并计算不同borselli k参数下的拟合优度来评价模型输出误差，拟合优度的统计量为决定系数r2，r2最大值为1，r2的值越接近1，说明模型模拟值较观测...
【专利技术属性】
技术研发人员：李永涛，吴国豪，张振，郑湘建，杨行健，林学明，莫竣程，吴欣，何晓明，胡凌硕，王青伟，蒙雨，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。