本發(fā)明涉及環(huán)境保護(hù)技術(shù)領(lǐng)域,具體涉及一種基于作物信息遙感精確反演的非點(diǎn)源污染源強(qiáng)估算方法。
背景技術(shù):
名詞解釋:
非點(diǎn)源污染指溶解性或固體物質(zhì)在大面積降雨和徑流沖刷作用下匯入受納水體(河流、湖泊等)而引起的水體污染,其主要來源包括農(nóng)藥化肥的過量使用、農(nóng)村生活污水等。
污染源是指造成環(huán)境污染的污染物發(fā)生源,通常指向環(huán)境中排放的有害物質(zhì)或?qū)Νh(huán)境產(chǎn)生的有害影響的場所、設(shè)備或人體。
污染源強(qiáng)主要用于計(jì)算污染物的總量。
農(nóng)業(yè)面源污染是最為重要且分布最廣泛的面源污染。全球30%~50%的地表已受到非點(diǎn)源污染的影響。非點(diǎn)源污染已成為江河湖泊,尤其是巢湖、太湖、滇池等湖泊水質(zhì)惡化的主要原因;非點(diǎn)源污染主要集中在水土流失嚴(yán)重的地區(qū)和農(nóng)業(yè)區(qū),然而長期以來中國重點(diǎn)控制點(diǎn)源污染,側(cè)重城市環(huán)境管理,至今尚未把非點(diǎn)源污染納入水污染總量控制中去,導(dǎo)致中國非點(diǎn)源研究相對滯后。
非點(diǎn)源污染具有隨機(jī)性、時(shí)空差異性、潛伏性和滯后性等特點(diǎn),其地理邊界和位置難以準(zhǔn)確的識(shí)別和確定,加上涉及范圍廣、影響因素及作用過程復(fù)雜多樣,對它的形成機(jī)理尚不清楚。目前的非點(diǎn)源污染二元模型中,受限于長期連續(xù)同步監(jiān)測數(shù)據(jù)匱乏,常使用統(tǒng)計(jì)分析方法對模型各參數(shù)進(jìn)行估算,造成非點(diǎn)源污染源強(qiáng)估算模型存在較大的精度與不確定性問題。
非點(diǎn)源污染模型的構(gòu)建必須與農(nóng)業(yè)生產(chǎn)活動(dòng)聯(lián)系,考慮農(nóng)作物生長機(jī)理、耕作方式、施肥、灌溉、收割等,涉及農(nóng)業(yè)生產(chǎn)的方方面面。這也是非點(diǎn)源污染模型構(gòu)建的一大難點(diǎn)。傳統(tǒng)的抽樣或監(jiān)測手段在空間分布上和時(shí)間跨度上都有局限,缺乏動(dòng)態(tài)性數(shù)據(jù)支持,導(dǎo)致污染累計(jì)過程不清。另外,不同作物其產(chǎn)生的非點(diǎn)源污染是不同的,目前作物類型區(qū)分不明確,常常用統(tǒng)一的標(biāo)準(zhǔn)來估算污染源強(qiáng),造成精確度不夠。對于大面積非點(diǎn)源污染源強(qiáng)估算,傳統(tǒng)的方法在進(jìn)行農(nóng)田施肥量估算時(shí),由于缺乏準(zhǔn)確的物候信息,很難進(jìn)行不同區(qū)域不同作物的施肥量估算,往往將整個(gè)作物的生長周期作為一個(gè)參數(shù)來計(jì)算,在存在多茬種植時(shí)容易造成很大的誤差。
綜上所述,目前國內(nèi)外非點(diǎn)源污染模型偏向應(yīng)用型,模型具有明顯的區(qū)域性,不利于推廣,由于受缺乏實(shí)測的詳盡的非點(diǎn)源污染負(fù)荷各環(huán)節(jié)監(jiān)測資料,模型存在的不確定性等的影響,模擬結(jié)果缺乏有效的驗(yàn)證、缺乏可靠性。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足,提供了一種基于作物信息遙感精確反演的非點(diǎn)源污染源強(qiáng)估算方法,利用高時(shí)間分辨率、高空間分辨率數(shù)據(jù)的融合數(shù)據(jù)對研究區(qū)內(nèi)非點(diǎn)源污染的時(shí)空分布進(jìn)行反演估算,獲取作物的施肥節(jié)點(diǎn)和種植面積,進(jìn)而估算出非點(diǎn)源污染源強(qiáng)。
為解決上述技術(shù)問題,本發(fā)明提供了一種基于作物信息遙感精確反演的非點(diǎn)源污染源強(qiáng)估算方法,其特征是,包括以下步驟:
步驟s1,獲取連續(xù)的同類型同一物候作物的高時(shí)間分辨率遙感圖像;
步驟s2,提取遙感圖像的evi時(shí)序數(shù)據(jù),得到此作物的物候曲線;以獲取作物不同施肥節(jié)點(diǎn)不同施肥類型的施肥量;
步驟s3,將高空間分辨率和高時(shí)間分辨率的遙感數(shù)據(jù)進(jìn)行estarfm時(shí)空融合,提取融合后遙感圖像的evi時(shí)序數(shù)據(jù);
步驟s4,根據(jù)融合后的evi時(shí)序數(shù)據(jù)得到作物不同施肥節(jié)點(diǎn)的種植面積;
步驟s5,根據(jù)作物不同施肥節(jié)點(diǎn)的施肥量和種植面積,估算非點(diǎn)源污染源強(qiáng)。
進(jìn)一步的,在步驟s4中,時(shí)間節(jié)點(diǎn)t是否種植此作物類型i判別模型為:
式中,tai為作物i的生長判定系數(shù),evit為特征時(shí)間節(jié)點(diǎn)t的evi值,evit0為植被生長起始點(diǎn)t0的evi值,且t>t0;判定時(shí),如果tai>a,則說明該目標(biāo)區(qū)域有作物類型i種植;
根據(jù)遙感圖像信息計(jì)算此作物的種植面積:
計(jì)算在施肥節(jié)點(diǎn)時(shí)刻作物的種植面積,需要先判斷在施肥節(jié)點(diǎn)時(shí)作物是否還有種植,因此,先根據(jù)判別模型計(jì)算
進(jìn)一步,種植區(qū)的土地分為平耕地和坡耕地,平耕地或坡耕地的種植面積計(jì)算過程:
進(jìn)一步的,依據(jù)估算模型計(jì)算出污染源強(qiáng),模型公式如下:
平耕地污染源強(qiáng)估算模型:
坡耕地污染源強(qiáng)估算模型:
式中,qf為平耕地農(nóng)田產(chǎn)生的非點(diǎn)源污染物排放總量;qs為坡耕地農(nóng)田產(chǎn)生的非點(diǎn)源污染物排放總量;i為作物類型;n為總類型數(shù);j為污染物指標(biāo)類型,m為類型數(shù);k為施肥的時(shí)間節(jié)點(diǎn),pi為施肥的時(shí)間節(jié)點(diǎn)數(shù),aik為作物類型i在施肥節(jié)點(diǎn)k的種植面積,ωijk為作物類型i在施肥節(jié)點(diǎn)k施肥類型j的重量;εf為平耕地修正系數(shù),εs為坡耕地修正系數(shù)。
進(jìn)一步的,將農(nóng)田種植作物類型分為糧食、雜糧和蔬菜共三個(gè)類型。
進(jìn)一步的,對遙感圖像進(jìn)行s-g濾波。
進(jìn)一步的,施肥類型包括氮、磷和氨氮3種類型。
與現(xiàn)有技術(shù)相比,本發(fā)明所達(dá)到的有益效果是:本發(fā)明充分考慮農(nóng)作物非點(diǎn)源污染負(fù)荷是隨著不同施肥的時(shí)間節(jié)點(diǎn)而累積的,通過遙感的技術(shù)方法從空間上準(zhǔn)確的提取作物類型,通過作物物候特征和施肥節(jié)點(diǎn),確定施肥量隨作物生長的累積過程,為非點(diǎn)源污染源強(qiáng)提供更為精確的估算值。
附圖說明
圖1是本發(fā)明方法的流程圖。
具體實(shí)施方式
下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案,而不能以此來限制本發(fā)明的保護(hù)范圍。
如圖1所示,本發(fā)明的一種基于作物信息遙感精確反演的非點(diǎn)源污染源強(qiáng)估算方法,包括以下步驟:
步驟s1,獲取連續(xù)的同類型同一物候作物的高時(shí)間分辨率遙感圖像;
基于多年的土地利用數(shù)據(jù),將農(nóng)田種植分為糧食種植區(qū)、雜糧種植區(qū)和蔬菜種植區(qū),相應(yīng)的,本發(fā)明中將作物類型主要分為糧食、雜糧和蔬菜共三個(gè)類型。
遙感圖像中包含多種類型作物,以遙感圖像中某一類型的作物圖像作為目標(biāo)區(qū)域,選擇同類型同一物候的作物在某時(shí)間段內(nèi)連續(xù)的高時(shí)間分辨率的遙感數(shù)據(jù)序列備用,確定像元全部為同類型同一物候的作物。在本發(fā)明中用變量i代表作物類型;n為總類型數(shù)(本發(fā)明中n為3)。此處先選擇作物類型i的高時(shí)間分辨率遙感圖像作為目標(biāo)區(qū)域。
已知從遙感圖像中提取的evi(增強(qiáng)植被指數(shù))能夠很好地反映高植被覆蓋區(qū)的植被生長狀況。
evi的計(jì)算公式為:
式中:g為放大系數(shù),ρnir為近紅外波段地表反射率,ρred為紅波段地表反射率,ρblue為藍(lán)波段地表反射率,l為土壤背景調(diào)節(jié)系數(shù),c1,c2為大氣修正紅光、藍(lán)光校正系數(shù),本實(shí)施例中取l=1,c1=6,c2=7.5,g=2.5。
選擇高時(shí)間分辨率的遙感數(shù)據(jù),由于傳感器,云層大氣等因素影響,不可避免的會(huì)產(chǎn)生一些噪聲,在evi數(shù)據(jù)使用前可進(jìn)行濾波和重構(gòu)。s-g濾波器對這些噪聲有較好的去除作用,并且其重構(gòu)的時(shí)序數(shù)據(jù)能夠清晰描述序列的長期變化趨勢以及局部的突變信息,對植被指數(shù)時(shí)序數(shù)據(jù)的重構(gòu)有較好的適用性。利用s-g濾波算法,evi時(shí)序數(shù)據(jù)進(jìn)行重構(gòu)。s-g濾波是1964年savitzky和golay提出的一種應(yīng)用最小二乘法確定加權(quán)系數(shù)進(jìn)行移動(dòng)窗口加權(quán)平均的濾波方法,移動(dòng)窗口的大小對時(shí)序數(shù)據(jù)的重建效果起主要作用。
步驟s2,提取遙感圖像的evi時(shí)序數(shù)據(jù),得到此作物的物候曲線;以獲取作物不同施肥節(jié)點(diǎn)不同施肥類型的施肥量。
濾波后的遙感圖像取出了噪聲,提取此遙感圖像的evi時(shí)序數(shù)據(jù),可以獲得此作物的物候曲線,由物候曲線可以知道此作物播種、發(fā)芽、生長、成熟的全生長周期規(guī)律。
在作物的整個(gè)生長周期內(nèi)需要在不同的時(shí)間節(jié)點(diǎn)進(jìn)行施肥,通常施用的肥料類型主要包括氮、磷和氨氮3種類型。并且在不同的時(shí)間節(jié)點(diǎn),施肥的量與作物的生長規(guī)律和當(dāng)?shù)氐氖┓柿?xí)慣均有關(guān)。根據(jù)作物的生長規(guī)律和當(dāng)?shù)氐氖┓史绞剑_定不同施肥節(jié)點(diǎn)不同施肥類型的施肥量(重量),此施肥節(jié)點(diǎn)是指根據(jù)作物的情況應(yīng)該進(jìn)行施肥的時(shí)間節(jié)點(diǎn),在本發(fā)明中用變量k代表作物施肥的時(shí)間節(jié)點(diǎn),pi為施肥的時(shí)間節(jié)點(diǎn)總數(shù)。
步驟s3,將高空間分辨率和高時(shí)間分辨率的遙感數(shù)據(jù)進(jìn)行estarfm時(shí)空融合,提取融合后遙感圖像的evi時(shí)序數(shù)據(jù)。
estarfm融合模型由starfm模型的基礎(chǔ)上發(fā)展而來的,其考慮到了模擬數(shù)據(jù)與基準(zhǔn)數(shù)據(jù)之間的時(shí)間差異,并引入混合像元分解理論,一定程度上克服了starfm在地物類型復(fù)雜情況下適用性較差的缺點(diǎn)(gao,2006;zhu,2010)。estarfm(enhancedspatialandtemporaladaptivereflectancefusionmodel),利用高空間分辨率和高時(shí)間分辨率的反射率數(shù)據(jù)在像元距離,光譜,獲取時(shí)間等信息的差異,模擬出modis數(shù)據(jù)對應(yīng)時(shí)相的landsat反射率數(shù)據(jù),具體計(jì)算過程參見現(xiàn)有技術(shù)。
融合后的遙感數(shù)據(jù)具有高空間高時(shí)間分辨率的特征,landsat數(shù)據(jù)按時(shí)間順序放在一起組成一個(gè)數(shù)據(jù)集,即為evi時(shí)序數(shù)據(jù)(物候曲線)。
步驟s4,根據(jù)融合后的evi時(shí)序數(shù)據(jù)得到作物不同施肥節(jié)點(diǎn)的種植面積。
根據(jù)物候曲線的特征,取曲線上兩個(gè)具有不同特征的點(diǎn),判別該區(qū)域內(nèi)是否有作物類型種植,此作物類型判別模型為:
式中,tai為作物i的生長判定系數(shù),evit為特征時(shí)間節(jié)點(diǎn)t的evi值,evit0為植被生長起始點(diǎn)t0的evi值,且t>t0。判定時(shí),如果tai>a,則說明該目標(biāo)區(qū)域有作物類型i種植,此a為設(shè)定值,可由不同作物的經(jīng)驗(yàn)值確定。
已知遙感圖像的每個(gè)像素都具有面積的含義,基于獲取的各種植面積上種植的作物,根據(jù)某時(shí)間節(jié)點(diǎn)的遙感圖像信息計(jì)算此作物的種植面積:
估算污染源強(qiáng)時(shí)候?qū)τ谄礁睾推赂氐墓浪愎绞遣煌模虼诉€需進(jìn)一步判斷此種植區(qū)是屬于平耕地還是坡耕地。通過坡度數(shù)據(jù)(dem)數(shù)據(jù)得到坡度信息,判斷的具體過程如下:
如果耕地的坡度slope≤b(式中,slope為坡度,b為坡耕地設(shè)定的數(shù)值),則判斷該地塊為平耕地,否則為坡耕地。
農(nóng)田污染源強(qiáng)主要考慮將農(nóng)田施用的肥料作為污染源,估算其污染物總量,因此需要計(jì)算在施肥節(jié)點(diǎn)時(shí)刻作物的種植面積,而在計(jì)算此值之前需要先判斷在施肥節(jié)點(diǎn)時(shí)作物是否還有種植。
因此,先根據(jù)判別模型計(jì)算
步驟s5,根據(jù)作物不同施肥節(jié)點(diǎn)的施肥量和種植面積,估算非點(diǎn)源污染源強(qiáng)。
估算待監(jiān)測區(qū)域的所有作為類型的污染物總量時(shí),按照以上步驟計(jì)算出所有作物類型的施肥量和種植面積,在依據(jù)以下估算模型計(jì)算出污染源強(qiáng),模型公式如下:
平耕地污染源強(qiáng)估算模型:
坡耕地污染源強(qiáng)估算模型:
式中,qf為平耕地農(nóng)田產(chǎn)生的非點(diǎn)源污染物排放總量;qs為坡耕地農(nóng)田產(chǎn)生的非點(diǎn)源污染物排放總量;i為作物類型;n為總類型數(shù)(本實(shí)施例中為3);j為污染物指標(biāo)類型(或者稱為施用的肥料類型,也可簡稱為施肥類型),主要包括氮、磷和氨氮3種類型,m為類型數(shù);k為施肥的時(shí)間節(jié)點(diǎn),pi為施肥的時(shí)間節(jié)點(diǎn)數(shù),aik為作物類型i在施肥節(jié)點(diǎn)k的種植面積(在平耕地模型中指平耕地面積,在坡耕地模型中指坡耕地面積),ωijk為作物類型i在施肥節(jié)點(diǎn)k施肥類型j的重量;εf為平耕地修正系數(shù),土壤、化肥和降水量為其影響因子,此數(shù)值通常采用經(jīng)驗(yàn)值,εs為坡耕地修正系數(shù),坡度、土壤、化肥和降水量為其影響因子,此數(shù)值通常采用經(jīng)驗(yàn)值。
本發(fā)明旨在充分考慮農(nóng)作物非點(diǎn)源污染負(fù)荷是隨著不同施肥的時(shí)間節(jié)點(diǎn)而累積的,通過遙感的技術(shù)方法從空間上準(zhǔn)確的提取作物類型,通過作物物候特征和施肥節(jié)點(diǎn),確定施肥隨作物生長的累積過程,為非點(diǎn)源污染負(fù)荷提供更為精確的估算值。
以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式,應(yīng)當(dāng)指出,對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說,在不脫離本發(fā)明技術(shù)原理的前提下,還可以做出若干改進(jìn)和變型,這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。