一种基于遥感的面源风险计算方法

1.本发明涉及水文学及水资源领域，具体涉及一种基于遥感的面源风险计算方法。


背景技术：

2.在流域管理中，评价非点源污染的风险是非常重要的，然而，由于景观的空间异质性、高度可变的数据以及景观和人为过程背后机制的复杂性，仍然难以准确评估污染物流失的时空变化。虽然可以利用基于物理的模型和经验模型评估非点源污染，但由于数据可用性差、程序复杂和参数不确定性，可能耗时长且难以实施，目前尚未形成一个固定的技术方法体系。


技术实现要素：

3.基于此，本发明提供了一种基于遥感的面源风险计算方法，以解决现有非点源污染的风险评估方法，难以准确评估污染物流失的时空变化的技术问题。
4.为实现上述目的，本发明提供了一种基于遥感的面源风险计算方法，其包括以下步骤：
5.1)选取作为评估对象的流域，利用遥感技术识别该流域的土地并根据土地利用类型分类，确定不同土地利用类型的源汇景观，以及利用单因子评价法确定出该流域的主要污染物；
6.2)基于主要污染物与源汇景观的划分，计算主要污染物中各污染物的景观空间负荷对比指数，并求得主要污染物中总污染物的景观空间负荷对比指数；
7.3)将归一化植被指数、河流距离、降雨侵蚀力、坡度整合到非点源污染指数的构建中，并结合景观空间负荷对比指数，构建以该流域的主要污染物的非点源污染指数作为评估指标的非点源污染指数模型，对评估对象的非点源污染风险进行评估。
8.作为本发明的进一步优选技术方案，步骤1)中，利用遥感识别土地的利用类型是在arcgis.10中生成的，并利用支持向量机svm分类器进行土地利用类型分类。
9.作为本发明的进一步优选技术方案，步骤1)中，土地利用类型包括八类，分别为：农业用地、城市建设用地、农村居民点用地、工业用地、林地、草地、水体和未利用土地，其中农业用地、城市建设用地、农村居民点用地、工业用地被视为源景观，林地、草地、水体被指视为汇景观。
10.作为本发明的进一步优选技术方案，步骤1)中，利用单因子评价法确定出该流域的主要污染物，计算公式如下：
[0011][0012]
其中，m为单因子指数，ci为第i项污染指标的实测值，co为第i项污染指标的标准值；定义单因子指数m》1时，该项污染物超标，通过单因子评价法评估出所有超标污染物，并选取至少一项单因子指数最大的污染物作为主要污染物。
[0013]
作为本发明的进一步优选技术方案，步骤2)中，各项污染物的景观空间负荷对比指数均通过以下计算公式求得：
[0014][0015]
其中：x代表污染物类别，lci
x
代表x类污染物的景观空间负荷对比指数；pi和pj分别代表子流域中源景观i和汇景观j的面积比例；m和n分别指源景观类型和汇景观类型的数量；wi和wj分别代表源景观和汇景观的污染物输出权重；和分别参考源和汇景观的洛伦兹曲线面积，并表示从景观到流域出口的流程长度。
[0016]
作为本发明的进一步优选技术方案，根据评估标准，根据评估标准，当步骤1)中确定的主要污染物的项数大于1时，主要污染物中的总污染物的景观空间负荷对比指数为主要污染物中各污染物的景观空间负荷对比指数的和，总污染物的景观空间负荷对比指数定义为lci，其中：若lci》0，表示源景观的贡献大于汇景观，可能造成非点源污染；若lci《0，表示非点源污染风险较低；lci＝0，表示污染物输出和保留之间存在动态平衡。
[0017]
作为本发明的进一步优选技术方案，步骤3)中，构建非点源污染指数的计算公式如下：
[0018][0019]
nspri
′
＝nspri-min(nspri)
[0020]
其中：nspri为非点源污染指数；v、d、r、s分别表示归一化植被指数、河流距离、降雨侵蚀力、坡度；v
max
、d
max
、r
max
、s
max
为元素v、d、r、s的最大值；nspri
′
是为了避免nspri计算的负值。
[0021]
作为本发明的进一步优选技术方案，步骤3)中，对评估对象的非点源污染风险进行评估，具体为：
[0022]
以nspri值的大小来评估非点源污染风险，并以nspri值越大，非点源污染风险的可能性越高。
[0023]
本发明的基于遥感的面源风险计算方法，采用上述技术方案，可以达到如下有益效果：
[0024]
1)本发明基于源-汇景观理论的指数模型，相比于传统的非点源污染风险评估模型，本方法考虑了研究区内的景观斑块的空间异质性，综合了景观结构、土地利用组成、土壤侵蚀要素和气象要素，将污染物运输的地理指标纳入一个整体框架；
[0025]
2)本发明利用遥感数据建立模型，避免了输入数据的有限性，同时基于源-汇景观法，可以解决输入数据适用性有限的问题，避免了基于物理模型的参数调整、验证相关的不确定性。
附图说明
[0026]
下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0027]
图1为母猪河流域子流域水平的污染物景观空间负荷对比指数(lci)示意图(其
中，(a)、(b)分别为母猪河流域2000年和2018年的lci，根据lci值分为污染风险极低、低、中、高、极高五级)；
[0028]
图2为母猪河流域总氮swat模型模拟结果与实测值的对比(其中ns表示纳什效率系数，表示实测值和模拟值之间的拟合度；r2表示确定系数，模拟值与观测值线性的吻合程度。一般认为ns≥0.5，r2≥0.6，模拟结果要求)；
[0029]
图3为母猪河流域总磷swat模型模拟结果与实测值的对比；
[0030]
图4为母猪河流域子流域水平的非点源污染指数(nspri)值及其污染风险表征(根据非点源污染指数(nspri)，分为污染风险极低、低、中、高、极高五级)。
具体实施方式
[0031]
下面将结合附图以及具体实施方式，对本发明做进一步描述。较佳实施例中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等用语，仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
[0032]
源-汇景观法可以解决输入数据适用性有限的问题，避免与基于物理模型的参数调整和验证相关的不确定性。本发明将源-汇理论中的景观空间负荷对比指数(lci)与另外五个基于遥感数据的标准相结合构建非点源污染指数(nspri)模型，用于定量评估子流域尺度的非点源污染风险，并调查景观格局和环境因素如何影响河流的营养行为。本发明可以为利用指数模型调查非点源污染提供见解，并对管理水环境和规划土地利用以改善水质的决策提供支持。
[0033]
基于此，本发明提供了一种基于遥感的面源风险计算方法，该方法包括以下步骤：
[0034]
步骤1、选取作为评估对象的流域，利用遥感技术识别该流域的土地并根据土地利用类型分类，确定不同土地利用类型的源汇景观，以及利用单因子评价法确定出该流域的主要污染物。
[0035]
具体实施中，遥感识别土地利用覆盖分类，其遥感数据来自网络，下载地址为www.gscloud.cn。土地利用图是在arcgis 10.2中生成的，并利用支持向量机svm分类器进行土地利用类型分类，将不同土地利用类别的40至150像素设置为训练数据集，并根据混淆矩阵使用每个类别的30至100像素来评估准确性。
[0036]
在一具体实例中，土地利用类型包括八类，分别为：农业用地、城市建设用地、农村居民点用地、工业用地、林地、草地、水体和未利用土地，其中农业用地、城市建设用地、农村居民点用地、工业用地被视为源景观，林地、草地、水体被指视为汇景观。
[0037]
优选地，利用单因子评价法确定出该流域的主要污染物，计算公式如下：
[0038][0039]
其中，m为单因子指数，ci为第i项污染指标的实测值，co为第i项污染指标的标准值；定义单因子指数m》1时，该项污染物超标，通过单因子评价法评估出所有超标污染物，并选取至少一项单因子指数最大的污染物作为主要污染物。
[0040]
步骤2、基于主要污染物与源汇景观的划分，计算主要污染物中各污染物的景观空间负荷对比指数，并求得主要污染物中总污染物的景观空间负荷对比指数。
[0041]
在一具体实例中，由上述步骤1确定出流域的主要污染物为两项，分别记作α和β，则α和β两项主要污染物的景观空间负荷对比指数的计算公式，以及主要污染物中总污染物的景观空间负荷对比指数的计算公式，分别如下：
[0042][0043][0044]
lci＝lci
α
+lci
β
[0045]
其中：pi和pj分别代表子流域源景观i和汇景观j的面积比例；m和n分别指源景观类型和汇景观类型的数量；α和β分别代表主要的两种污染物；w
iα
和w
jα
分别代表源景观和汇景观的污染物α输出权重；w
iβ
和w
jβ
分别代表源景观和汇景观的污染物β污染物输出权重；和分别参考源和汇景观的洛伦兹曲线面积，并表示从景观至流域出口的流程长度；lci
α
和lci
β
分别表示主要污染物α和主要污染物β的景观空间负荷对比指数；lci表示总污染物景观空间负荷对比指数。
[0046]
对所得lci进行如下定义：若lci》0，表示源景观的贡献大于汇景观，可能造成非点源污染；若lci《0，表示非点源污染风险较低；lci＝0，表示污染物输出和保留之间存在动态平衡。
[0047]
步骤3、为了说明地质和气象要素在非点源污染中的作用，本发明将归一化植被指数、河流距离、降雨侵蚀力、坡度和整合到非点源污染指数的构建中，并结合景观空间负荷对比指数，构建以该流域的主要污染物的非点源污染指数作为评估指标的非点源污染指数模型，对评估对象的非点源污染风险进行评估。
[0048]
具体实施中，构建非点源污染指数的计算公式如下：
[0049][0050]
nspri
′
＝nspri-min(nsprt)
[0051]
其中：nspri为非点源污染指数；v、d、r、s分别表示归一化植被指数、河流距离、降雨侵蚀力、坡度；v
max
、d
max
、r
max
、s
max
为元素v、d、r、s的最大值；nspri
′
是为了避免nspri计算的负值。以nspri值的大小来评估非点源污染风险，并以nspri值越大，非点源污染风险的可能性越高。其中，坡度因子代表地形对土壤侵蚀的影响，数据来源srtm30m dem((http://www.gscloud.cn)；使用侵蚀生产力影响计算器(epic)模型估算土壤可蚀性系数；从陆地卫星图像中提取的ndvi，测量植被的污染物截留能力。
[0052]
实际应用中，可利用swat模型模拟非点源污染负荷，通过将nspri与swat模拟结果进行相关性分析，来判断非点源指数模型的准确性，即利用swat模型模拟河道中污染物负荷的变化来实现。选择纳什效率系数和确定系数作为流量、各污染物负荷的目标函数对模型进行校正，即可通过对比模拟和实测值结果，达到判断本发明中非点源污染指数评估模型的准确性。
[0053]
将本方法应用于中国山东省母猪河流域，利用遥感研究了母猪河流域非点源污染风险的时空变化，以及在子流域尺度上土地利用的组成和模式、环境特征和面源污染风险之间的关系，如图1所示，分别以2000年和2018年的染物景观空间负荷对比指数进行对比分。以主要污染物为氮和磷进行非点源污染指数评估，通过成功地建立swat模型模拟非点源污染负荷，具有令人满意的精度，验证了流域nspri的可靠性，结果如图2和3，图中实测值为非点源污染指数评估值。如图4，母猪河流域51个子流域的污染物浓度与nspri之间的相关分析表明，swat结果与nspri显著正相关(r》0.84，p《0.01)，这表明构建的非点源评估指数与子流域的非点源污染负荷有显著相关性，非点源污染指数模型具有可靠性。
[0054]
虽然以上描述了本发明的具体实施方式，但是本领域熟练技术人员应当理解，这些仅是举例说明，可以对本实施方式做出多种变更或修改，而不背离本发明的原理和实质，本发明的保护范围仅由所附权利要求书限定。