一种农田土壤重金属污染决策系统及方法与流程

本发明涉及农田重金属污染防治技术，更具体地，涉及一种农田土壤重金属污染决策系统及方法。
背景技术：
：重金属污染是由重金属或其化合物造成的环境影响，主要由采矿、废气排放、污水灌溉和使用重金属超标等人为因素所致。土壤作为农作物生长的载体，农田土壤安全与农产品质量安全密切相关，农田土壤重金属污染已成为导致农产品质量安全问题的一个重要因素。2016年，国务院印发了《土壤污染治理行动计划》(简称“土十条”)，与此同时，地方各级人民政府也纷纷出台了相关的实施细则或配套政策，并着手开展了相关的土壤重金属污染普查、防治或监测工作，相关的普查或监测数据呈几何级数增长。但是，由于缺乏先进的数据存储和管理手段，导致农田土壤重金属污染普查或监测数据缺乏有效的统一管理，各种普查或监测数据零散分布、共享程度较低，迫切需要利用现代信息技术对海量的农田土壤重金属监测数据进行有效整合和管理。农田土壤重金属监测数据是一种多源异构数据，不仅数据量庞大，而且数据格式不统一，需要建立统一的标准对上述数据进行规范化处理。此外，由于缺乏信息处理和挖掘方法，大量已采集的农田土壤重金属监测数据被闲置起来，现有数据中蕴藏的价值没有被充分发掘。目前，农田土壤重金属污染的管理手段仍十分落后，管理工作主要是依靠人工为主，管理模式往往都是采用临时抽查或巡查的方式进行，管理成本高、效率低、管理到位难，管理手段迫切需要从“人工巡查式”方式向“基于信息技术支撑”的管理方式转变。由于缺乏基于现代信息技术的农田土壤重金属污染决策系统做支撑，难以综合考虑多方面因素以及时对某一区域的农田土壤重金属污染状况进行预警。技术实现要素：本发明提供了一种克服上述问题或者至少部分地解决上述问题的农田土壤重金属污染决策系统及方法，以解决农田土壤重金属污染管理决策中监管手段落后、信息化水平低、管理成本高、管理效率低等问题，有助于提高农田土壤重金属污染的自动化、智能化管理决策水平。根据本发明的一个方面，提供一种农田土壤重金属污染决策方法，包括：步骤s1：利用智能数据采集终端或传感器从农田土壤监测区域area内的各个监测点获取农田土壤重金属污染监测数据；所述农田土壤重金属污染监测数据经审核、校验、预处理和数据融合后，得到监测数据集dataset；其中，所述农田土壤重金属污染监测数据包括：现场采样数据、样品检测数据、监测点数据、污染源数据、调查数据和元数据；所述监测点在农田土壤监测区域area内按预设规则布设；步骤s2：对所述监测数据集dataset进行联机分析处理、空间分析或地统计分析，找出农田土壤重金属污染的影响因素，将其作为农田土壤重金属污染风险综合评估的初选指标；然后利用因子分析法、和/或灰色关联度分析法进行指标筛选和约简，得到最终评估指标；然后，综合运用客观赋权法、主观赋权法确定各指标的权重，以此构建农田土壤重金属污染风险综合评估指标体系，对所选区域area的农田土壤的重金属污染风险进行综合评估，得到所选区域area的农田土壤重金属污染风险评估值ecorisk；步骤s3：构建基于土壤和农作物协同的分级预警模型，若s2中计算出的风险评估值ecorisk大于风险阈值θ，则对所选监测区域area内的监测点进行分级预警；其中，所述分级预警模型是基于各监测点的土壤和农作物中的重金属含量协同划分预警等级；步骤s4：构建农田土壤重金属污染应急处置模型，根据所述分级预警模型的预警等级，启动对应的应急处置预案；步骤s5：构建农作物种植调整模型，针对基于所述分级预警模型得到的预警等级最高的监测点对应区域进行农作物种植结构调整。进一步地，步骤s3进一步包括：步骤s31：查询监测区域area内的所有监测点的土壤样品和农作物样品的检测数据；步骤s32：针对监测区域area内每一监测点，分别计算其土壤样品和农作物样品中每种重金属的单因素比值；令scik为第i个监测点的土壤样品中第k种重金属含量值，ccik为第i个监测点的农作物样品中第k种重金属含量值，从而可以分别得到土壤样品和农作物样品中每种重金属的单因素比值：其中，spik为土壤样品中第k种重金属的单因素比值，cpik为农作物样品中第k种重金属的单因素比值，lsck为第k种重金属在土壤中的安全阈值，lcck为第k种重金属在农作物中的安全阈值；步骤s33：计算每个监测点的土壤样品污染指数和农作物样品污染指数，公式如下：spii＝max{spi1,spi2,…,spih}cpii＝max{cpi1,cpi2,…,cpih}其中，h为参与监测预警的重金属种类数，spii为第i个监测点的土壤样品污染指数，cpii为第i个监测点的农作物样品污染指数。步骤s34：由土壤样品污染指数和农作物样品污染指数协同确定每个监测点的预警等级，其中，预警等级量化标准由领域专家制定；步骤s35：根据所获取的预警等级，按照预警标识体系中定义的颜色和图案，在地图上可视化展示预警结果。进一步地，所述应急处置模型的构建步骤包括：步骤s41：收集农田土壤重金属污染事件历史典型案例，构建农田土壤重金属污染事件应急处置典型案例数据库；步骤s42：通过对所述历史典型案例的分析，对农田土壤重金属污染事件进行分类，以与所述预警等级、危害程度、所涉重金属、响应级别相对应，每类农田土壤重金属污染事件分别制定不同的应急处置预案，以构建应急处置预案数据库；其中，每项应急处置预案包括事件性质、所涉重金属、涉及范围、危害程度、响应级别、预警等级、参与应急处置的组织机构及其职责、应急处置技术方案、应急处置所需材料、应急保障措施、匹配规则；步骤s43：利用案例推理算法，由所述典型案例数据库中筛选出与当前农田土壤重金属污染事件相似度最大的近似典型案例；利用决策树算法，从所述应急处置预案数据库中筛选出与当前农田土壤重金属污染事件相匹配的应急处置预案；步骤s44：将筛选出的近似典型案例和应急处置预案进行输出，并基于gis技术进行可视化展示。进一步地，所述农作物种植调整模型的构建步骤包括：步骤s51：根据s3中计算出的分级预警结果，将预警等级最高的监测点所代表区域作为农作物种植结构调整区域，记为区域areaadj；步骤s52：将区域areaadj内的农作物种类按种植面积由大到小依次排序，获取前n1类农作物作为备选农作物；步骤s53：将备选农作物中的任一类农作物在所述区域areaadj内的种植品种按照种植面积由大到小依次排序，获取前m1个品种作为备选品种，基于n1类备选农作物中任一类农作物的m1种品种，构建n1×m1矩阵同时令vij＝0；其中，1≤i≤n1，1≤j≤m1，vij表示第i类农作物的第j个品种对应的值，n1为备选农作物种类数，m1为每类农作物的品种数；步骤s54：面向区域areaadj内的农户，进行种植意愿问卷调查，每份问卷按矩阵v中的农作物种类和品种顺序依次列出n1×m1个品种供被调查农户选择，若被调查农户喜欢种植某个品种，则在该品种上面画一个圆圈，一个被调查农户可同时选择多个品种；依次统计第i类农作物中的第j个品种被画圆圈的总次数cntij，并令vij＝cntij；以此类推，直到统计出矩阵v中所有元素的值；步骤s55：基于所述土壤样品和农作物样品检测数据，筛选出区域areaadj内超过安全阈值的重金属hmk，得到集合hm＝{hm1,hm2,…,hmn}，通过农作物品种重金属吸附试验，从所述n1×m1个品种筛选出集合hm中任一重金属含量超过其安全阈值的品种，即若矩阵v中第i行的第j列对应的农作物品种有集合hm中任何一种重金属含量超过其安全阈值，则令vij＝-1；步骤s56：若矩阵v中元素vij＝-1，则将第i类农作物的第j个品种加入到禁止种植农作物品种列表forbiddenlist中；否则，将其加入到允许种植农作物品种列表allowlist；步骤s57：将列表forbiddenlist中农作物品种作为禁止种植的农作物品种；同时遍历矩阵v，找出矩阵v中值最大的元素vab，若vab≠-1，则将第a类农作物的第b类品种作为优先推荐种植的农作物品种；否则，将区域areaadj列为禁止种植区域。根据本发明的另一个方面，还提供一种农田土壤重金属污染决策系统，包括：数据采集模块，用于获取农田土壤重金属污染监测数据；数据管理模块，用于农田土壤重金属污染监测数据的管理；风险评估模块，用于构建农田土壤重金属污染风险综合评估指标体系，确定农田重金属污染的影响因子及其权重，对农田土壤重金属污染风险进行综合评估；分级预警模块，用于根据风险评估模块的评估结果对各监测点的农田土壤重金属污染程度进行预警，确定预警等级；应急处置模块，用于根据分级预警模块的预警等级，自动生成农田土壤重金属污染应急处置预案；种植调整模块，用于根据所述风险评估模块和所述分级预警模块的输出结果，生成农作物种植结构调整方案；信息可视化模块，用于可视化展示监测点和污染源的空间分布、污染区域范围和污染等级，以及农田土壤重金属污染事件的特征和时空动态变化情况；其中，包括：生成农田土壤重金属污染事件的文本标签云和文本语义结构树，基于timeline技术可视化展示农田土壤重金属污染事件的变化过程，或基于流式地图技术可视化动态展示农田土壤重金属污染事件的时空变化情况；数据传输模块，用于所述数据采集模块与所述数据管理模块、风险评估模块、分级预警模块、应急处置模块、种植调整模块和/或信息可视化模块之间的数据传输。进一步地，所述数据采集模块包括：任务管理子模块，用于创建、分配和下发数据采集任务；数据获取子模块，用于通过人工单条录入或批量导入、通过传感器输入、通过外部信息系统导入、通过终端采集设备输入的方式向系统输入数据。进一步地，所述数据管理模块包括：元数据管理子模块，用于元数据的添加、删除和更新；数据预处理子模，用于监测数据的审核和预处理；数据融合子模块，用于已采集监测数据的数据融合；数据查询子模块，用于根据用户自定义的查询条件实时查询已采集的监测数据；其中，所述监测数据包括：现场采样数据、监测点数据、污染源数据、样品检测数据、调查数据和元数据。本发明的有益效果主要概括如下：(1)可实现农田土壤重金属污染的风险评估、分级预警、应急处置，以及农作物种植结构调整等智能决策，解决了现有技术中存在的智能化水平低、成本高、效率低等问题。例如：综合考虑农田土壤重金属污染的多方面因素，构建农田土壤重金属污染风险综合评估指标体系，并以此构建分级预警模型和应急处理模型；同时，构建了农作物种植调整模型，可对污染风险级别较高或预警级别最高的监测区域，进行农作物种植种类和品种调整，以避免造成农产品质量安全风险。(2)可以对海量的、多源异构的农田土壤重金属污染监测数据进行融合和统一管理，解决了农田土壤重金属污染监测数据零散分布、共享程度低、难以实时查询和高效汇总等问题。总之，本发明能够显著提高农田土壤重金属污染的管理精度和决策水平。附图说明图1为本发明实施例中一种农田土壤重金属污染决策方法的流程示意图；图2为本发明实施例中一种农田土壤重金属污染决策系统的结构示意图；图3为本发明实施例中土壤或农作物样品的编码结构示意图；图4为本发明实施例中土壤或农作物样品的二维码标签示意图。具体实施方式下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。参见图1所示，一种农田土壤重金属污染决策方法，包括：步骤s1：利用智能数据采集终端或传感器从农田土壤监测区域area内的各个监测点获取农田土壤重金属污染监测数据；所述农田土壤重金属污染监测数据经审核、校验、预处理和数据融合后，得到监测数据集dataset；其中，所述农田土壤重金属污染监测数据，包括：现场采样数据、样品检测数据、监测点数据、污染源数据、调查数据和元数据；其中，所述监测点在农田土壤监测区域area内按预设规则布设；一般在监测区域内均匀布设监测点，即将监测区域area划分为若干个面积基本相同的网格区域，每个监测点代表一个网格区域，在实践中可以根据实际情况对重点关注的网格区域再加密布设监测点；其中，现场采样数据是指，在采集土壤样品或农作物样品时，利用智能数据采集终端或传感器等工具，同步记录的与监测点有关系的相关属性信息；例如：采样点的位置、当地主要农作物、采样地块属性、周边污染源、污灌情况、现场图片、样品编号、土类名称、采样深度、土壤ph值等；其中，样品检测数据是指土壤样品或农作物样品中的每种重金属含量数据，一般需要经过专业的实验室检测得到；步骤s2：对所述监测数据集dataset进行联机分析处理(olap)、空间分析或地统计分析，找出农田土壤重金属污染的影响因素，将其作为农田土壤重金属污染风险综合评估的初选指标；然后利用因子分析法、和/或灰色关联度分析法进行指标筛选和约简，得到最终评估指标；然后，综合利用客观赋权法、主观赋权法确定各指标的权重，以此构建农田土壤重金属污染风险综合评估指标体系，对所选监测区域area的农田土壤的重金属污染风险进行综合评估，得到所选监测区域area的农田土壤重金属污染风险评估值ecorisk；步骤s3：构建基于土壤和农作物协同的分级预警模型，若步骤s2中计算出的风险评估值ecorisk大于风险阈值θ，则对所选监测区域area内的监测点进行分级预警；其中，所述分级预警模型是基于各监测点的土壤和农作物中的重金属含量协同划分预警等级；步骤s4：构建农田土壤重金属污染应急处置模型，根据所述分级预警模型的预警等级，启动对应的应急处置预案；步骤s5：构建农作物种植调整模型，针对基于所述分级预警模型得到的预警等级最高的监测点对应的区域进行农作物种植结构调整。具体地，农田土壤监测区域area内设置多个监测点，对每个监测点采用智能数据采集终端或传感器等方式采集监测点的相关属性信息(即现场采样数据)，并采集土壤样品和农作物样品经实验室化验检测后得到样品检测数据。所述监测点的相关属性信息包括：采样点的经纬度、所在村组、农作物种类、采样地块属性、周边污染源、污灌情况、样品图片、采样现场图片、土壤样品编号、土类名称、采样深度、土壤ph值、农作物样品编号等相关属性数据。所采集的土壤样品和农作物样品由专业实验室检测化验后，即得到土壤样品和农作物样品中的重金属含量检测数据，该重金属含量检测数据以及相关属性数据统称为农田土壤重金属污染监测数据。具体地，采集到农田土壤重金属污染监测数据后，需要先对该监测数据进行审核、校验、预处理和数据融合处理，得到监测数据集dataset。具体地，需要监测的重金属包括：cd(镉)、hg(汞)、as(砷)、pb(铅)、cr(铬)等，重金属种类可根据实际需要通过系统进行配置。具体地，农田土壤重金属污染监测数据需要从多个方面综合考虑获取数据，使所获取的监测数据能够包含重金属污染多方面的因素，以提高决策的系统性和准确性。具体地，经处理后的农田土壤重金属污染监测数据，用于构建农田土壤重金属污染风险综合评估指标体系。综合运用主观赋权法和客观赋权法确定各指标的权重，对监测区域area内的农田土壤重金属污染的风险进行综合评估，得到风险评估结果，即农田土壤重金属污染风险评估值ecorisk。具体地，农田土壤重金属污染监测数据经处理后，可以通过联机分析处理(olap)、gis空间分析或地统计分析方法确定农田土壤重金属污染的初选指标。联机分析处理、gis空间分析或地统计分析方法可以单独使用，也可以将其中的两种或三种结合使用。例如：对农田土壤重金属污染监测数据进行olap数据分析时，通过钻取、上卷、切片、切块以及旋转等操作，生成多维数据视图。在生成的不同维度的数据视图中，可以非常直观地看到导致农田土壤重金属污染的各种影响因素所占的比重。确定农田土壤重金属污染影响因素，将其作为农田土壤重金属污染风险评估的初选指标。具体地，确定农田土壤重金属污染的初选指标后，再采用因子分析法、灰色关联度分析法、粒子群算法和/或多目标优化问题求解法等方法，确定农田土壤重金属污染的关键影响因子，即农田土壤重金属污染风险评估的最终评估指标。例如，采用因子分析法，通过对变量间相关关系探测，将原始变量进行分类。即将相关性高的变量分为一组，用共性因子代替该组变量，还能够减少分析变量个数，简化运算，提高运算效率。通过灰色关联度分析法，能够分析各影响因素之间的关联性，通过关联性分析，可以对指标进行约简，得到最终评估指标。例如：假设现有11个指标，分别为：x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11。现利用因子分析法，对指标进行约简。首先，计算出各指标之间的关联系数，如表1所示：表1各指标之间的关联系数其中，相关系数临界值为：α＝0.05时，r＝0.25；α＝0.01时，r＝0.33。进而，得到因子载荷矩阵：表2因子载荷矩阵表3简化后的因子载荷矩阵简化因子1因子2因子3因子4因子5因子6x10.68x20.90x30.96x40.57x50.620.59x6-0.88x70.73x80.89x90.85x100.55x110.96从表3我们可以将上述11个指标简化为6个因子指标，分别记为：y1、y2、y3、y4、y5、y6。其中，y1＝0.73*x7+0.89*x8+0.55*x10(1)y2＝0.68*x1+0.90*x2+0.57*x4(2)y3＝0.62*x5-0.88*x6(3)y4＝0.59*x5+0.96*x11(4)y5＝0.85*x9(5)y6＝0.96*x3(6)具体地，确定关键影响因子后，将关键影响因子作为最终评估指标。每一个关键影响因子对应作为一个最终评估指标，并综合运用主观赋权法和客观赋权法分别确定每个最终评估指标的权重。主观赋权法可采用专家打分法、delphi法等，客观赋值法可采用熵值法、均方差法、多目标规划法等。具体地，由主观赋权法确定的最终评估指标的权重为主观权重，由客观赋权法确定的最终评估指标的权重为客观权重。由所确定的各最终评估指标的主观权重和客观权重，确定该最终评估指标的最终权重。设分别为所确定的第i个最终评估指标的主观权重和客观权重，则第i个最终评估指标的最终权重wi为：其中，n为指标个数，λ为平滑指数(1＜λ＜1)，通常取λ＝0.5。然后，确定每项最终评估指标的分数，其取值范围为[0,100]，其得分由专家打分确定。其中，为了使专家确定的分数更准确，需要针对最终评估指标进行离散化处理，即进行分级量化。例如：部门指标的分类标准如下表所示。表4部门指标的分类标准然后，根据上述分级量化标准，确定每项最终评估指标的分数。其中，超高风险、高风险、中风险、低风险、无风险对应的取值范围分别为：[90,100)、[80,90)、[60,80)、[30,60)、[0,30)。最后，根据所得到的各最终评估指标的最终权重以及经量化分级处理后的指标评价结果，即可得到该农田土壤监测区域的综合评估得分ecorisk，即风险评估结果为：其中，ecorisk为最终的综合评估得分，wi为第i个指标的最终权重，scorei为第i个最终评估指标的分数。具体地，可以根据领域专家意见设定风险阈值θ的值，若风险综合评估得分ecorisk高于风险阈值θ，则对该监测区域进行重点监控，或通过所构建的分级预警模型进行分级预警。其中，风险阈值的划分，可以参照表4中不同风险等级对应的取值范围。例如：可设定风险阈值为80，若风险综合评估分数高于80，则代表该区域具有高风险或超高风险。进一步地，构建基于农田土壤和农作物协同的分级预警模型，在对农田土壤中的重金属污染风险进行评估后，根据其风险评估结果，再确立农田重金属污染的预警等级。根据重金属污染的风险评估结果以及重金属的污染指数划分预警等级，使预警等级的划分依据更充分、划分标准更准确，能够起到更好的预警作用，以及时的对农田土壤重金属污染情况做出相应处理。在另一个具体的实施例中，构建农田土壤重金属污染应急处置模型，用以根据所述风险评估结果、所述分级预警模型的预警等级，启动对应的应急处置预案。具体地，建立分级预警模型后，还可在该分级预警模型的基础上，根据分级预警模型的预警等级，建立全面、快速响应的应急处理预案，以及时处理农田重金属污染事件。在另一个具体的实施例中，构建农作物种植调整模型，基于所述分级预警模型的预警等级与所述农作物种植调整模型，对预警等级最高的监测区域进行农作物种植结构调整。具体地，在构建的分级预警模型或应急处置模型的基础上，还可以再进一步调整农田土壤重金属监测区域内种植的农作物种类和品种，以降低重金属对农作物的积累等不利影响，在保障农产品质量安全的同时，可有效利用宝贵的土地资源。在另一个具体的实施例中，步骤s3进一步包括：步骤s31：查询监测区域area内的所有监测点的土壤样品和农作物样品的检测数据；步骤s32：针对监测区域area内每一监测点，分别计算其土壤样品和农作物样品中每种重金属的单因素比值；令scik为第i个监测点的土壤样品中第k种重金属含量值，ccik为第i个监测点的农作物样品中第k种重金属含量值，从而可以分别得到土壤样品和农作物样品中每种重金属的单因素比值：其中，spik为土壤样品中第k种重金属的单因素比值，cpik为农作物样品中第k种重金属的单因素比值，lsck为第k种重金属在土壤中的安全阈值，lcck为第k种重金属在农作物中的安全阈值；步骤s33：计算每个监测点的土壤样品污染指数和农作物样品污染指数，公式如下：spii＝max{spi1,spi2,…,spih}cpii＝max{cpi1,cpi2,…,cpih}其中，h为参与监测预警的重金属种类数，spii为第i个监测点的土壤样品污染指数，cpii为第i个监测点的农作物样品污染指数。步骤s34：由土壤样品污染指数和农作物样品污染指数协同确定每个监测点的预警等级，其中，预警等级量化标准由领域专家制定；步骤s35：根据所获取的预警等级，按照预警标识体系中定义的颜色和图案，在地图上可视化展示预警结果。具体地，结合农田土壤重金属污染风险综合评估指标体系的风险评估结果，对风险评估结果大于风险阈值的农田土壤监测区域进行预警分析，并划分预警等级。具体地，查询农田土壤的监测区域area内的所有监测点的土壤样品和农作物样品的检测数据。令scik为第i个监测点的土壤样品中第k种重金属含量值，ccik为第i个监测点的农作物样品中第k种重金属含量值，从而可以分别得到土壤样品和农作物样品中每种重金属的单因素比值：其中，spik为土壤样品中第k种重金属的单因素比值，cpik为农作物样品中第k种重金属的单因素比值，lsck为第k种重金属在土壤中的安全阈值，lcck为第k种重金属在农作物中的安全阈值。每种重金属在土壤中的安全阈值参照《gb15618-1995土壤环境质量标准》，本实施例中每种重金属在土壤中的安全阈值如表5所示：表5农田土壤中重金属含量的安全阈值(mg/kg)每种重金属在农作物中安全阈值可参照《gb2762-2017食品安全国家标准食品中污染物限量》，本实施例中的农作物为水稻，每种重金属在水稻中的安全阈值如表6所示：表6水稻中重金属含量的安全阈值(mg/kg)镉≤汞≤砷≤铅≤铬≤水稻0.200.020.200.201.00从而，可以分别得到每个监测点的土壤样品污染指数和农作物样品污染指数：spii＝max{spi1,spi2,…,spih}(11)cpii＝max{cpi1,cpi2,…,cpih}(12)其中，h为参与监测预警的重金属种类数，spii为第i个监测点的土壤样品污染指数，cpii为第i个监测点的农作物样品污染指数。具体地，由土壤样品污染指数和农作物样品污染指数共同确定每个监测点的预警等级。本实施例中，农田土壤重金属污染预警等级量化标准如表7所示：表7农田土壤重金属污染预警等级划分标准具体地，根据所获取的预警等级，按照预警标识体系中定义的颜色和图案，在地图上可视化展示预警结果。其中，预警等级ⅰ级、ⅱ级、ⅲ级、ⅳ级，依次用蓝色、黄色、橙色、红色表示，除颜色不同之外，每种预警等级还具有不同的图案。在发布预警时，预警内容包括：预警等级、起始时间、涉及的重金属种类及风险级别、可能影响范围、警示事项、应采取的措施和发布机关。在另一个具体的实施例中，所述应急处置模型的构建步骤包括：步骤s41：收集农田土壤重金属污染事件历史典型案例，构建农田土壤重金属污染事件应急处置典型案例数据库；步骤s42：通过对所述历史典型案例的分析，对农田土壤重金属污染事件进行分类，以与所述预警等级、危害程度、所涉重金属、响应级别相对应，每类农田土壤重金属污染事件分别制定不同的应急处置预案，以构建应急处置预案数据库；其中，每项应急处置预案包括事件性质、所涉重金属、涉及范围、危害程度、响应级别、预警等级、参与应急处置的组织机构及其职责、应急处置技术方案、应急处置所需材料、应急保障措施、匹配规则；步骤s43：利用案例推理算法，由所述典型案例数据库中筛选出与当前农田土壤重金属污染事件相似度最大的近似典型案例；利用决策树算法，从所述应急处置预案数据库中筛选出与当前农田土壤重金属污染事件相匹配的应急处置预案；步骤s44：将筛选出的近似典型案例和应急处置预案进行输出，并基于gis技术进行可视化展示。具体地，根据历史农田土壤重金属污染典型案例，构建农田土壤重金属污染事件应急处置典型案例数据库。特别地，所采用的历史重金属污染事件为典型案例，具有代表性，可为当前的应急处置工作提供借鉴。通过对历史典型案例的分析，总结农田土壤重金属污染的典型特征，并对农田土壤重金属污染事件进行分类，同时结合农田土壤重金属污染分级预警的等级量化标准，分别为每一类事件制定相应的应急处置预案，以此构建农田土壤重金属污染应急处置预案数据库。具体地，在对历史重金属污染事件进行筛选或分类时，可以依据风险评估模型的评估结果或分级预警模型的预警等级筛选出具有代表性的重金属污染事件历史典型案例。例如，所筛选出来的历史典型案例，其中导致污染事件发生的因素是农田土壤监测区域内较易发生或未来潜在发生率较高的因素，以便于根据其实际处理方案制备更完善的应急处置预案。具体地，筛选出历史典型案例后，根据历史典型案例的历史农田土壤重金属污染监测数据中的污染指数，确定该历史典型案例与由分级预警模型确立的预警等级之间的对应关系。具体地，每一应急处置预案至少应包含如下信息：事件性质、所涉重金属、涉及范围、危害程度、响应级别、预警等级、参与应急处置的组织机构及其职责、应急处置技术方案、应急处置所需材料、应急保障措施、匹配规则。进一步地，构建应急处置预案数据库后，将农田土壤重金属进行监测而得到的农田土壤重金属污染监测数据与发生重金属污染事件的历史农田土壤重金属污染监测数据进行比对，根据二者的相似度，确定所采取的应急处置预案。基于该应急处置预案数据库，当发生重金属污染事件时，将当前的农田土壤重金属污染监测数据与历史农田土壤重金属污染监测数据进行比较，采用决策树算法，或者将情景分析法分别与案例推理算法、决策树算法相结合运用的方法，确定二者的相似度。根据当前的农田土壤重金属污染监测数据最相近的历史农田土壤重金属污染监测数据，可以推导得出其所在的预警等级，进而输出相匹配的应急处置预案，以便快速、及时有效的处理重金属污染事件。具体地，对二者相似度的衡量可采用决策树算法，或者将情景分析法分别与案例推理算法、决策树算法相结合运用。例如：利用决策树算法进行应急处置的过程：(1)构建应急管理决策分类树，分类树上的每一个节点分别对应应急预案的属性；。(2)利用信息增益法进行分类属性度量。设cs为应急预案的集合，设共有n个分类属性，记为ck(k＝1,2,…,n)。设lk为ck类分类属性对应的样本，则数据样本可划分为：l1,l2,…,ln。则分类属性的信息增益为：其中，pi为第i类数据样本出现的概率，可用|li|/|cs|进行估计。设分类属性x有|x|个不同取值，记为：{x1,x2,…,x|x|}，把cs按分类属性x进行划分，则分类属性x的期望信息为：从而可以得到分类属性x的信息增益：gain(x)＝info(cs)-infox(cs)(15)依次选择信息增益最大的属性，作为分类树的节点，最终构造出应急预案决策树。当出现重金属污染事件时，通过比对，找到与当前重金属污染事件相似度最大的农田土壤重金属污染监测数据，即可输出对应的应急处置预案。进一步地，确定应急处置预案后，还可以基于gis技术进行可视化展示。例如，可以使用arcgis、google地图、百度地图等gis技术，在线动态展示典型案例和应急处置预案，可以基于流式地图技术可视化动态展示农田土壤重金属污染事件应急处置过程中的时空变化情况。在另一个具体的实施例中，所述农作物种植调整模型的构建步骤包括：步骤s51、根据s3中计算出的分级预警结果，将预警等级最高的监测点所代表区域作为农作物种植结构调整区域，记为区域areaadj；步骤s52、将区域areaadj内的农作物种类按种植面积由大到小依次排序，获取前n1类农作物作为备选农作物；步骤s53、将备选农作物中的任一类农作物在所述区域areaadj内的种植品种按照种植面积由大到小依次排序，获取前m1个品种作为备选品种，基于n1类备选农作物中任一类农作物的m1种品种，构建n1×m1矩阵同时令vij＝0；其中，1≤i≤n1，1≤j≤m1，vij表示第i类农作物的第j个品种对应的值，n1为备选农作物种类数，m1为每类农作物的品种数；步骤s54、面向区域areaadj内的农户，进行种植意愿问卷调查，每份问卷按矩阵v中的农作物种类和品种顺序依次列出n1×m1个品种供被调查农户选择，若被调查农户喜欢种植某个品种，则在该品种上面画一个圆圈，一个被调查农户可同时选择多个品种；依次统计第i类农作物中的第j个品种被画圆圈的总次数cntij，并令vij＝cntij；以此类推，直到统计出矩阵v中所有元素的值；步骤s55、基于所述土壤样品和农作物样品检测数据，筛选出区域areaadj内超过安全阈值的重金属hmk，得到集合hm＝{hm1,hm2,…,hmn}，通过农作物品种重金属吸附试验，从所述n1×m1个品种筛选出集合hm中任一重金属含量超过其安全阈值的品种，即若矩阵v中第i行的第j列对应的农作物品种有集合hm中任何一种重金属含量超过其安全阈值，则令vij＝-1；步骤s56、若矩阵v中元素vij＝-1，则将第i类农作物的第j个品种加入到禁止种植农作物品种列表forbiddenlist中；否则，将其加入到允许种植农作物品种列表allowlist；步骤s57、将列表forbiddenlist中农作物品种作为禁止种植的农作物品种；同时遍历矩阵v，找出矩阵v中值最大的元素vab，若vab≠-1，则将第a类农作物的第b类品种作为优先推荐种植的农作物品种；否则，将区域areaadj列为禁止种植区域。具体地，实际中农田土壤监测区域area内可能会有多个监测点达到最高预警等级，这些监测点所代表的区域areaadj在地理空间上可能不是连续的，可以按行政区划把区域areaadj进一步划分为若干个子区域。例如：可以按照所属乡镇或村组，把areaadj进一步划分为n个子区域areaadj＝{areaadj1,…,areaadjn}。为简化描述，本实施例中所述的区域areaadj是指已经过处理在地理空间上连续的区域。在实际应用中，若areaadj有n个子区域，只需将步骤s5循环运行n次即可。具体地，在区域areaadj内，按照种植面积由大到小顺序，依次列出区域areaadj内种植的农作物种类，选择前n1类农作物作为备选种类。具体地，筛选出备选农作物后，再按照种植面积由大到小顺序，对前述n1类备选农作物中的任一类备选农作物的品种进行筛选。例如，备选农作物中第i类农作物在区域areaad内的品种vij(1≤i≤n1，1≤j≤m1)进行筛选。每一类备选农作物选择前m1个种植品种作为备选品种，构建备选品种n1×m1矩阵同时令vij＝0；其中，1≤i≤n1，1≤j≤m1，vij表示第i类农作物的第j个品种对应的值，n1为备选农作物的种类数量，m1为每类农作物的品种数量。具体地，面向区域areaadj内的农户，对其种植意愿进行统计分析。例如，按矩阵v中的备选农作物的种类和品种顺序依次列出n1×m1个品种供被调查农户选择，若被调查农户喜欢种植某个品种，则在该品种上面画一个圆圈，一个被调查农户可同时选择多个品种。依次统计第i类农作物中的第j个品种被画圆圈的总次数cntij，并令vij＝cntij；以此类推，直到统计出矩阵v中所有元素的值。具体地，基于区域areaadj内的农田土壤重金属污染监测数据，按照分级预警模型的预警等级，筛选出areaadj内农田土壤中存在高预警等级重金属hmk的种植区域，得到集合hm＝{hm1,hm2,…,hmn}，通过农作物品种重金属吸附试验，从n1×m1个品种中筛选出集合hm中任一个种植区域内重金属含量为高预警等级的品种，即若矩阵v中第i行的第j列对应的农作物品种有集合hm中任何一种高预警等级的重金属，则令vij＝-1。其中，每种重金属在土壤或农作物中的安全阈值，可按相关技术标准或国家法律法规规定的最大限值进行确定。例如：可参照《gb15618-1995土壤环境质量标准》和《全国农产品产地重金属安全评估技术规定》评定，农作物(即农产品)样品重金属含量是否超标参照《gb2762-2012食品安全国家标准食品中污染物限量》评定。除通过开展农作物品种重金属吸附试验之外，也可以通过专家咨询、文献研究等手段，将本领域公认的对重金属抗性较高的品种或现有文献报道中对重金属抗性较高的品种，判定为不超标品种。具体地，若矩阵v中元素vij＝-1，则将第i类备选农作物的第j个种植品种加入到禁止种植农作物品种列表forbiddenlist中；否则，将其加入到允许种植农作物品种列表allowlist；具体地，将列表forbiddenlist中农作物品种作为禁止种植的农作物品种；同时遍历矩阵v，找出矩阵v中值最大的元素vab。若vab≠-1，则将第a类农作物的第b类品种作为优先推荐种植的农作物种植品种；具体地，利用在线地图可视化展示所选区域范围内禁止种植的农作物种植品种和优先推荐种植的农作物种植品种。参见图2所示，本发明还提供一种农田土壤重金属污染决策系统，包括：数据采集模块101，用于获取农田土壤重金属污染监测数据；数据管理模块102，用于农田土壤重金属污染监测数据的管理；风险评估模块104，用于构建农田土壤重金属污染风险综合评估指标体系，确定农田重金属污染的影响因子及其权重，对农田土壤重金属污染风险进行综合评估；具体地，确定农田土壤重金属污染的有效影响因子、污染范围边界、污染类型和风险等级；分级预警模块105，用于根据风险评估模块的评估结果对各监测点的农田土壤重金属污染程度进行预警，确定预警等级；具体地，分级预警模块是根据农田土壤重金属污染的当前风险评估结果、历史变化趋势、发展势态、可能造成的危害程度等因素选取预警指标，预警结果可分为不同的预警等级，分别用不同的图案和颜色标示；应急处置模块106，用于根据分级预警模块的预警等级，自动生成农田土壤重金属污染应急处置预案，并输出快速处理农田重金属污染事件的应急处置预案；种植调整模块107，用于根据所述风险评估模块和所述分级预警模块的输出结果，生成农作物种植结构调整方案；信息可视化模块103，用于可视化展示监测点和污染源的空间分布、污染区域范围和污染等级，以及农田土壤重金属污染事件的特征和时空动态变化情况；所述信息可视化模块包括生成农田土壤重金属污染事件的文本标签云和文本语义结构树，基于timeline技术可视化展示农田土壤重金属污染事件的变化过程，或基于流式地图技术可视化动态展示农田土壤重金属污染事件的时空变化情况；数据传输模块108，用于所述数据采集模块与所述数据管理模块、风险评估模块、分级预警模块、应急处置模块、种植调整模块和/或信息可视化模块之间的数据传输。具体地，通过传感器111、外部信息系统112和/或终端采集设备113采集农田土壤重金属监测数据，所采集的农田土壤重金属监测数据通过网络110输送至数据传输模块108，数据传输模块108将数据输送至数据采集模块101。由数据采集模块101采集的监测数据建立监测数据库109，并由数据管理模块102对监测数据库109中的监测数据进行管理。同时，监测数据库109用于风险评估模块104、分级预警模块105、应急处置模块106和种植调整模块107的构建和结果输出。在另一个具体的实施例中，数据采集模块进一步包括：采集任务管理子模块1011和数据获取子模块1012。其中，采集任务管理子模块1011用于创建、分配和下发数据采集任务。其中，数据获取子模块1012用于向系统输入数据，输入方式包括：人工单条录入或批量导入、通过传感器输入、通过外部信息系统导入、通过终端采集设备输入。在另一个具体的实施例中，数据管理模块进一步包括：元数据管理子模块1021、数据预处理子模块1022、数据融合子模块1023、数据查询子模块1024。元数据管理子模块用于元数据的添加、删除和更新；数据预处理子模块用于监测数据的审核和预处理；数据融合子模块用于已采集监测数据的数据融合；数据查询子模块用于根据用户自定义的查询条件实时查询已采集的监测数据。具体地，监测数据包括：现场采样数据、监测点数据、污染源数据、样品检测数据、调查数据和元数据。具体地，上述数据采集模块中的数据采集任务是以工程项目的形式进行组织和管理，将一个自然年度内研究目的相同或研究经费来源渠道相同的数据采集工作称为一个数据采集工程项目，一个数据采集工程项目可分为若干项采集任务。其中，一个数据采集工程项目可分别在n2个时间阶段进行n3次数据采集，每次数据采集可采集人员、采集机构细分为若干项采集任务；其中，n2为大于0的整数，n3的值可自定义。其中，一项采集任务包含以下信息：需要采集的监测点列表、采集类型、采集人员编号、采集起止时间、所属数据采集工程、所属数据采集工程的时间阶段。其中，监测点元数据项包括：监测点编号、地理位置、经纬度、创建年份、状态；污染源元数据项包括：污染源编号、污染源类型、地理位置、经纬度、创建年份、状态。其中，污染源类型包括：工矿企业类型和污水灌区类型。其中，工矿企业类型的污染源元数据，其数据项还包括：污染源名称、污染源途径(分为：废气、废水、废渣)、污染物种类。其中，污水灌区类型的污染源元数据，其数据项还包括：污染水体名称、始灌时间、污水来源类别(包括：城市生活污水、城市混合污水、金属矿山开采与冶炼企业污水、石化企业废水、其它工矿企业业废水)、灌溉方式(分为：纯污灌、清污混灌、间歇污灌)、灌溉现状(分为：仍采用、不采用)。其中，样品元数据，其数据项包括：样品编码、样品类型、所属数据采集工程、监测点编号、采样人、检测机构、检测人、审核人、重金属含量等。其中，所述的样品编号、监测点编号和污染源编号，均是由系统根据用户自定义的规则自动生成，具有全局唯一性。其中，样品编号是由20位数字构成，编码结构由工程项目信息、行政区域信息、流水码等3大部分组成，细分为采样年份、项目编号、项目阶段、升级代码、地市级代码、县区代码、乡镇代码、流水码等8小层，如图3所示。样品编号可以存储在一维条码标签、二维码标签(如图4所示)、rfid电子标签中，数据采集人员可以使用终端采集设备113扫描一维条码、二维码标签或感知rfid电子标签以自动输入样品编码，并自动与所述系统中的监测点信息进行关联；本发明的一种农田土壤重金属污染决策系统及方法，基于所获取的农田土壤重金属污染监测数据，依次构建农田土壤重金属污染风险综合评估指标体系、分级预警模型、应急处置模型和种植调整模型，根据重金属污染的影响权重和污染指数等多方面综合考虑，能够有效的提高预警的准确性，并针对性的、及时快速的输出应急处置预案，对可能发生的重金属污染事件进行及时、快速的处理；同时，还能够根据农田土壤重金属污染风险评估和分级预警结果，对特别严重污染区域进行农作物种类和品种调整，以减少重金属在农作物中的积累，避免造成农产品质量安全问题。最后，本发明的方法和系统仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12