一种基于遥感的水环境污染“源-汇”风险识别方法及系统技术方案

本发明专利技术公开了一种基于遥感的水环境污染“源

【技术实现步骤摘要】
一种基于遥感的水环境污染“源
‑
汇”风险识别方法及系统


[0001]本专利技术属于环境污染识别与防控
，具体涉及一种基于遥感的水环境污染“源
‑
汇”风险识别方法及系统。

技术介绍

[0002]面源污染的识别和防控远比水质受到污染后再治理更加省时省力。面源污染具有分布广、污染源多、治理难、成本高等，是湖泊流域生态环境污染的主要贡献者。洱海流域在点源污染得到有效遏制后，上游种植业非点源污染成为最大污染源，而控制面源污染是改善洱海水质的决定因素。
[0003]面源污染的防治对水环境的改善具有重要意义，但农民的经济利用同时也要兼顾。因此通过面源污染“源
‑
汇”风险格局的划分，快速识别面源污染发生的高风险区域并重点防控，对保护洱海流域生态环境提供技术与决策支持具有一定的价值。
[0004]我国由于数据共享机制不完善，对于交叉较多的学科，非相关邻域研究人员想获取其他研究学科的数据较难，对于像水文水质数据由于具有保密性很难获取，也是研究面源污染常用数据。而遥感技术具有全天时、全天候、观测面积广、数据综合性和可比性强等特点，可应用于监视天气状况、自然灾害、环境污染等方面，对于缺少数据的研究人员遥感的运用就显得格外重要。
[0005]随着各国航天技术的发展，各种对地观测卫星不断发射，多平台、多传感器、多种分辨率的卫星提供多种来源的遥感数据，并可免费获取或申请获取，精度从千米级可到亚米级，低成本、便捷的获取方式对于一定尺度范围内的相关研究提供了研究数据，满足各种要求的研究需要。同时结合无人机、GIS技术、位置定位技术、景观学、生态学等相关学科，使得遥感技术在多学科、多技术的交叉应用上更加突出，在保护环境如水体的监测治理等方面具有独特的优势。
[0006]源
‑
汇”风险是“源
‑
汇”景观理论的借用，最初是用来研究大气污染中CO2的来源与吸收，后来被引入到景观生态学当中，发展为“源
‑
汇”景观理论。“源
‑
汇”方法将流域景观赋予“源”、“汇”属性，并依据源汇景观指数评价流域内景观对面源污染贡献的影响，以此识别流域内面源污染的风险强弱。
[0007]传统农业面源污染的产生是氮、磷等元素流失、转移并富集的过程，而新污染物（塑料、重金属、电池等）也会造成面源污染，其造成的危害则更为严重、持久。
[0008]尽管预测面源污染发生程度的方法很多，但有的对研究区域的基础资料要求高，有的缺乏预测的精确性或适用性不强。流域内并非所有的耕地都会对水体造成污染，识别出可能是高污染的区域并重点防控，实现生态效益和经济效益的和谐共存是保护生态环境追求的目标。通过构建影响氮磷等污染物的阻力评价体系，以阻力成本的方式来识别面源污染的“源
‑
汇”风险程度，是研究洱海流域上游非点源污染的有益尝试。

技术实现思路

[0009]本专利技术的目的在于提供一种基于遥感的水环境污染“源
‑
汇”风险识别方法及系统，利用遥感+多学科的技术识别面源污染“源
‑
汇”风险的关键区域，进行重点管控，避免一刀切模式。
[0010]本专利技术的具体技术方案为：一种基于遥感的水环境污染“源
‑
汇”风险识别方法，包括以下步骤：步骤（1）：遥感影像预处理和遥感解译得到土地利用；步骤（2）：选取影响面源污染的土地利用、地形地貌、人口、植被指数、土壤等阻力因子构建阻力评价体系；步骤（3）：根据阻力因子评价体系建立，使用栅格计算器计算研究区的阻力基面和阻力面；步骤（4）：在阻力面的基础上，划分“源
‑
汇”风险等级，识别水体面源污染“源
‑
汇”风险格局，利用风险转移矩阵分析研究区的风险转移变化。
[0011]优选的是，所述步骤（1）中，遥感影像预处理包括：对下载的遥感数据可进行融合、去云去噪、图像增强、辐射校正、几何校正、大气校正、镶嵌、裁剪等预处理；遥感解译包括：进行实地调查，选取各地物的蓝本，建立解译标志，以TM的7个波段和其他遥感数据以及NDVI、NDBI和NDWI三个指数值等作为初始数据；基于Matlab GUI开发GA
‑
SVM算法软件对初始数据寻优，得到支持向量机分类器的最优参数γ和C，进而对遥感影像分类；将高分辨率数据与多源遥感数据融合，提高空间分辨率，采用支持随机向量分类方法进行监督分类；使用波段运算、影像融合、决策树、机器学习等方法来提高土地利用解译的精度。
[0012]优选的是，所述归一化植被指数:NDVI= ((NIR
ꢀ‑ꢀ
R)/(NIR + R))其中：NIR 为近红外段的像素值R 为红光波段的像素值；归一化建筑指数:NDBI = (SWIR
‑
NIR) / (SWIR + NIR)其中：SWIR为短波红外波段，NIR为近红外波段；归一化水体指数:NDWI = (Green
ꢀ‑ꢀ
NIR)/(Green+NIR)其中：Green为绿波段，NIR为近红外波段。
[0013]优选的是，所述步骤（2）中，阻力评价体系构建方法为：1）选取土地利用类型、相对高程、坡度、地形湿润指数、人口密度、土壤可蚀性和植被指数7个因子；2）根据选取的7 个阻力因子，参考相关文献和Delphi专家打分法为各因子权重赋值；3）同一因子的不同等级也有不同的阻碍作用，依据文献或自然断点法利用重分类工具划分五个等级，分别赋予对应因子阻力系数值为1、3、5、7、9，以此构建阻力基面评价指标体系。
[0014]优选的是，所述步骤1）中：地形湿润指数：使用Arcgis基于DEM计算地形湿度指数，计算Slope，填洼，水流方向，汇流累积量，单位面积的汇流量，地形湿度指数计算，公式如下：
TWI = ln [CA/Slope]其中，TWI是地形湿润指数，CA是通过网格单元排水的局部上坡集水区，slope是每个网格单元最陡的向外坡度，以落差/距离衡量，即坡度角度的tan值；土壤可蚀性是标准小区上单位降雨侵蚀力所引起的土壤流失量。USLE 的表达式为：A = R
ꢀ×
K
×
L
ꢀ×
S
ꢀ×
C
ꢀ×
P式中：A为单位面积上多年的平均土壤流失量，R为降雨侵蚀力因子，K为土壤可蚀性因子，L为坡长因子，S为坡度因子，C为覆盖
‑
管理因子，P为水土保持措施因子;植被指数：基于高光谱图像的植被指数由三个步骤组成：波段选择、可饱和带重构和索引结构重新定义；首先，选取4个代表性波段，构建增强植被指数即EVI，以消除复杂城市地表因素的干扰；其次，通过指数函数重构易饱和波段即 760 nm，形成优化的增强植被指数即 OEVI；最后，将红边即689 nm和绿边即520 nm波段之和的分母加入到OEVI中，重新定义了指数结构，进一步增强了植被的光谱信息，以此计算植被指数即NDVI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感的水环境污染“源
‑
汇”风险识别方法，其特征在于，包括以下步骤：步骤（1）：遥感影像预处理和遥感解译得到土地利用；步骤（2）：选取影响面源污染的土地利用、地形地貌、人口、植被指数、土壤等阻力因子构建阻力评价体系；步骤（3）：根据阻力因子评价体系建立，使用栅格计算器计算研究区的阻力基面和阻力面；步骤（4）：在阻力面的基础上，划分“源
‑
汇”风险等级，识别水体面源污染“源
‑
汇”风险格局，利用风险转移矩阵分析研究区的风险转移变化。2.一种如权利要求1所述的基于遥感的水环境污染“源
‑
汇”风险识别方法，其特征在于，所述步骤（1）中，遥感影像预处理包括：对下载的遥感数据可进行融合、去云去噪、图像增强、辐射校正、几何校正、大气校正、镶嵌、裁剪等预处理；遥感解译包括：进行实地调查，选取各地物的蓝本，建立解译标志，以TM的7个波段和其他遥感数据以及NDVI、NDBI和NDWI三个指数值等作为初始数据；基于Matlab GUI开发GA
‑
SVM算法软件对初始数据寻优，得到支持向量机分类器的最优参数γ和C，进而对遥感影像分类；将高分辨率数据与多源遥感数据融合，提高空间分辨率，采用支持随机向量分类方法进行监督分类；使用波段运算、影像融合、决策树、机器学习等方法来提高土地利用解译的精度。3.一种如权利要求2所述的于遥感的水环境污染“源
‑
汇”风险识别方法，其特征在于，所述归一化植被指数:NDVI= ((NIR
ꢀ‑ꢀ
R)/(NIR + R))其中：NIR 为近红外段的像素值R 为红光波段的像素值；归一化建筑指数:NDBI = (SWIR
‑
NIR) / (SWIR + NIR)其中：SWIR为短波红外波段，NIR为近红外波段；归一化水体指数:NDWI = (Green
ꢀ‑ꢀ
NIR)/(Green+NIR)其中：Green为绿波段，NIR为近红外波段。4.一种如权利要求1所述的基于遥感的水环境污染“源
‑
汇”风险识别方法，其特征在于，所述步骤（2）中，阻力评价体系构建方法为：1）选取土地利用类型、相对高程、坡度、地形湿润指数、人口密度、土壤可蚀性和植被指数7个因子；2）根据选取的7 个阻力因子，参考相关文献和Delphi专家打分法为各因子权重赋值；3）同一因子的不同等级也有不同的阻碍作用，依据文献或自然断点法利用重分类工具划分五个等级，分别赋予对应因子阻力系数值为1、3、5、7、9，以此构建阻力基面评价指标体系。5.一种如如权利要求4所述的基于遥感的水环境污染“源
‑
汇”风险识别方法，其特征在于，所述步骤1）中：地形湿润指数：使用Arcgis基于DEM计算地形湿度指数，计算Slope，填洼，水流方向，汇流累积量，单位面积的汇流量，地形湿度指数计算，公式如下：TWI = ln [CA/Slope]其中，TWI是地形湿润指数，CA是通过网格单元排水的局部上坡集水区，slope是每个网
格单元最陡的向外坡度，以落差/距离衡量，即坡度角度的tan值；土壤可蚀性是标准小区上单位降雨侵蚀力所引起的土壤流失量；USLE 的表达式为：A = R
ꢀ×
K
×
L
ꢀ×
S
ꢀ×
C
ꢀ×
P式中：A为单位面积上多年的平均土壤流失量，R为降雨侵蚀力因子，K为土壤可蚀性因子，L为坡长因子，S为坡度因子，C为覆盖
‑
管理因子，P为水土保持措施因子;植被指数：基于高光谱图像的植被指数由三个步骤组成：波段选择、可饱和带重构和索引结构重新定义；首先，选取4个代表性波段，构建增强植被指数即EVI，以消除复杂城市地表因素的干扰；其次，通过指数函数重构易饱和波段即 760 nm，形成优化...

【专利技术属性】
技术研发人员：曾维军，董亚坤，王钰，
申请(专利权)人：云南农业大学，
类型：发明
国别省市：