养殖场粪污还田后环境污染的风险评估方法及系统

1.本发明涉及风险评估技术领域，具体涉及一种养殖场粪污还田后环境污染的风险评估方法及系统。


背景技术：

2.当前，我国畜禽养殖业正快速从家庭养殖形式转化到规模化养殖场形式，随着养殖数量和养殖规模的增加，会产生大量的畜禽粪污。对养殖场粪污进行资源化利用，实现粪污还田，是解决畜禽养殖污染问题的根本出路，也是破解农业面源污染难题、践行绿色发展理念的重要举措。
3.现有的评估方法对养殖场粪污还田后对土壤中的元素含量、粪污还田的区域选择、粪污还田的经济支出、粪污还田后对农作物的生长促进作用进行等探究，同时对粪污还田后造成的二次水环境污染研究较少，多是研究农田化肥施用引起的面源污染问题。畜禽粪污还田与化肥施用存在相似也存在一些不同之处，粪污中氮磷污染物可能从土壤中扩散到河流，会对农田周围附近的水域环境造成破坏，现有的评估方法无法对养殖场粪污还田后二次污染水环境风险进行准确客观的评估。


技术实现要素：

4.针对上述技术问题，本发明提出了一种养殖场粪污还田后环境污染的风险评估方法及系统，通过结合还田粪污的污染源头和污染过程，构建粪污还田后营养过剩的水环境风险综合评价模型，采用二元语义方法融合模型中名义型指标和数量型指标，并运用烟花算法求解权重，得到客观的养殖场还田粪污污染水环境的风险等级。
5.为实现上述目的，本发明所提出了一种养殖场粪污还田后环境污染的风险评估方法，其特殊之处在于，包括以下步骤：步骤s1：对目标养殖场设定风险评估指标，以构建水环境污染因子模型，所述风险评估指标分为名义型指标和数量型指标；步骤s2：对所述名义型指标进行等级量化获取风险指标值；并计算所述数量型指标的风险指标值；步骤s3：基于所述水环境污染因子模型，设定基本语言评价集；基于所述基本语言评价集，将所述风险指标值转化为二元语义值；步骤s4：采用加权平均owa算子对所述二元语义值进行融合，建立权重单目标规划模型；步骤s5：采用烟花算法对所述权重单目标规划模型进行求解，得到综合二元语义值，以确定目标养殖场粪污还田后对周围水环境造成污染的风险等级。
6.优选地，所述名义型指标包括：原水存储类型、圈舍清粪方式；所述数量型指标包括：河道距离因子、土壤阻力因子、总猪当量、氮因子、磷因子。
7.优选地，计算所述氮因子、磷因子的风险指标值的公式为：
式中，n表示养殖场畜禽的种类数，ui表示第i类畜禽的存栏量，pi表示第i类畜禽粪尿综合排放系数，取值范围为30％-40％，vi表示第i类畜禽的粪污年排泄量，单位为公斤，ci表示第i类畜禽每吨粪污中所含有的氮元素或磷元素的重量，单位为公斤。
8.优选地，计算所述土壤阻力因子的风险指标值的方位包括：根据不同土壤类型对粪污污水的阻力比较，将土壤类型对粪污污水的阻力进行等级量化为：式中，x5表示土壤类型，risk5表示土壤类型对污水的阻力；计算养殖场粪污还田后的土壤对污水综合阻力值 ，其中，k表示粪污还田区域内栅格点的个数，risk
5i
表示土壤栅格点类型对污水的阻力。
9.优选地，计算所述河道距离因子的风险指标值的方法包括以下步骤：步骤a：获取目标养殖场经度、纬度和坡度(x0,y0,z0)以及水域分布经纬度坡度数据集ω1，其中ω1={(x,y,z)|x:水域点经度 y:水域点纬度 z:水域点坡度}；步骤b：遍历数据集ω1，比较目标养殖场的坡度z0和水域点坡度zi∈ω1，若z
i≤
z0，则选取子数据集；步骤c：遍历数据集ω2，计算目标养殖场到数据集ω2水域点的距离di，其中，；步骤d，挑选距离最小dk，dk=arg(min(di))，则养殖场粪污还田后水域纳污点的经纬度为(xk,yk)，养殖场粪污还田后到河流纳污点的距离为dk，即为河道距离因子。
10.优选地，步骤s3中计算所述风险指标值转化为二元语义值的方法包括：步骤s301：设定所述原水储存类型的自然语言评价集s
a=
{贴膜防渗地类型，水泥地类型，砖池类型}；步骤s302：设定所述圈舍清粪方式的自然语言评价集sb={机械干清粪式，人工干清粪式，垫草垫料式，水泡粪式，水冲粪式}；步骤s303：基于所述sa和sb的最大粒度，设定基本语言评价集s
t
={低，较低，中等，较高，高}；步骤s304：采用如下公式计算所述名义型指标的二元语义值：式中，n(t)表示自然语言评价集的粒度，n(t')表示基本语言评价集的粒度，sm表示s
t
中的第m个元素，αm表示评价结果与sm之间的差别，αm∈[-0.5,0.5]；
步骤s305，将所述风险指标值进行正向化、归一化、标准化处理，以计算所述数量型指标的二元语义值。
[0011]
优选地，步骤s4中所述权重单目标规划模型的表达式为：式中，表示第q个养殖场综合二元语义指标值，表示第k个养殖场综合二元语义指标值，m表示目标区域内目标养殖场的数量；式中，g表示所述基本语言评价集的粒度。
[0012]
优选地，所述方法还包括以下步骤：基于所述水环境污染因子模型，进行消融实验，依次删除所述风险评估指标中的一个，通过步骤s2~步骤s3，重新确定风险等级，并与未删除风险评估指标前计算得出的风险等级进行比较，以确定该风险评估指标对于目标养殖场的重要程度；删除风险评估指标后风险等级提高，说明该风险评估指标的重要程度高，删除风险评估指标后风险等级降低，说明该风险评估指标的重要程度低。
[0013]
本发明还提供了一种养殖场粪污还田后环境污染的风险评估系统，所述系统包括指标数据录入模块，水环境污染因子模型构建模块，二元语义转换模块，污染风险计算模块，指标重要性分析模块和显示模块；所述指标数据录入模块，用于录入待评估养殖场的各项风险评估指标数据，所述风险指标数据包括两个名义型指标：原水存储类型、圈舍清粪方式和五个数量型指标：河道距离因子、土壤阻力因子、总猪当量、氮因子、磷因子；所述水环境污染因子模型构建模块，用于对各项风险评估指标数据进行配置，并保存为水环境污染因子模型文件；所述二元语义转换模块，用于依据所述水环境污染因子模型文件，确定基本语言评价集，并计算所述各项风险评估指标与基本语言评价集相对应的二元语义值，并输入所述污染风险计算模块；所述污染风险计算模块，采用加权平均owa算子对所述二元语义值进行融合，建立权重单目标规划模型；并采用烟花算法对所述权重单目标规划模型进行求解，得到综合二元语义值，以确定目标养殖场粪污还田后对周围水环境造成污染的风险等级，并将风险等级输入显示模块；所述指标重要性分析模块，用于计算所述风险指标的重要程度信息，并将重要程度信息输入显示模块；所述显示模块，用于结合地图信息，将所述污染风险计算模块的计算结果和所述指标重要性分析模块的计算结果编辑成图，并进行展示。
[0014]
优选地，所述指标重要性分析模块分析指标重要性的具体方法为：基于所述水环
境污染因子模型文件，进行消融实验，依次删除所述风险评估指标中的一个，并通过二元语义转换模块和污染风险计算模块重新确定风险等级，并与未删除风险评估指标前计算得出的风险等级进行比较，以确定该风险评估指标对于目标养殖场的重要程度；删除风险评估指标后风险等级提高，说明该风险评估指标的重要程度高，删除风险评估指标后风险等级降低，说明该风险评估指标的重要程度低。
[0015]
本发明的有益效果在于：考虑了养殖场本身的风险指标，再结合粪污还田的氮磷流失因子过程，构建综合评价模型，来确定粪污还田后营养过剩的水环境风险；采用二元语义融合养殖场名义型指标和数量型指标，采用烟花算法求解权重，与以往研究相比较，本发明考虑了还田粪污的污染源头，并给出合理的指标量化，得到更加客观、准确的养殖场的风险等级划分，并且能为养殖场的建址和搬迁时提供一种全新的思路。
附图说明
[0016]
图1为本发明实施例提出的粪污还田后水环境污染风险评价指标体系；图2为本发明实施例中目标区域的自然地理数据集；图3为本发明实施例中删除指标后养殖场风险等级变化。
具体实施方式
[0017]
本发明提出了一种养殖场粪污还田后环境污染的风险评估方法，为了使本发明的技术方案、技术特点及优点表述更清楚，以某区域内养殖场为例，对本发明进行进一步详细说明。
[0018]
实施例的技术方案包括以下步骤：步骤s1：对目标养殖场设定风险评估指标，以构建水环境污染因子模型，所述风险评估指标分为名义型指标和数量型指标；本发明实施例中，选取河道距离因子、土壤阻力因子、总猪当量、氮因子、磷因子作为数量型指标，选取原水储存类型、圈舍清粪方式作为名义型指标，所构建的水环境污染因子模型如图1所示。
[0019]
步骤s2：对所述名义型指标进行等级量化获取风险指标值；并计算所述数量型指标的风险指标值；1）猪当量因子按存栏量折算：1头猪为1个猪当量，100头生猪相当于15头牛、2500只家禽。
[0020]
2）氮因子和磷因子氮因子和磷因子根据公式进行计算，n表示养殖场畜禽的种类数，ui表示第i类畜禽的存栏量，pi表示第i类畜禽粪尿综合排放系数，取值范围为30％-40％，vi表示第i类畜禽的粪污年排泄量，单位为公斤，ci表示第i类畜禽每吨粪污中所含有的氮元素或磷元素的重量，单位为公斤；粪尿排泄量以及粪尿中氮磷含量如表1所示。
[0021]
3）原水储存类型和圈舍清粪方式对养殖场圈舍清粪方式和原水存储类型风险进行等级量化：其中，x6表示原水储存类型，risk6表示原水储存类型对粪污还田营养过剩污染水环境的风险；x7圈舍清粪方式，risk7表示圈舍清粪方式对粪污还田营养过剩污染水环境的风险，选取对应等级的量化值，作为养殖场的圈舍清粪方式和原水存储类型的风险指标值。
[0022]
4）河道距离因子粪污还田后，随雨水冲刷或是地表径流到达附近河道，地势坡度是影响粪污污水走向主要因素，粪污污水总是从高坡度的区域流向低坡度的区域。结合地势坡度和河流点位置确定养殖场粪污还田后所对应的河流纳污点，计算步骤如下：步骤a：获取目标养殖场经度、纬度和坡度(x0,y0,z0)以及水域分布经纬度坡度数据集ω1，其中ω1={(x,y,z)|x:水域点经度，y:水域点纬度，z:水域点坡度}；步骤b：遍历数据集ω1，比较目标养殖场的坡度z0和水域点坡度zi∈ω1，若z
i≤
z0，则选取子数据集；步骤c：遍历数据集ω2，计算目标养殖场到数据集ω2水域点的距离di，其中，；步骤d，挑选距离最小dk，dk=arg(min(di))，则养殖场粪污还田后水域纳污点的经纬度为(xk,yk)，养殖场粪污还田后到河流纳污点的距离为dk，即为河道距离因子。
[0023]
5）土壤阻力因子如图2所示，为目标区域内自然地理数据集；根据不同土壤类型对粪污污水的阻力比较，将土壤类型对粪污污水的阻力进行等级量化：其中x5表示土壤类型，risk5表示土壤类型对污水的阻力。以养殖场为圆心，距离最近河流纳污点为半径画圆，圆内所有土壤类型的综合值为该养殖场粪污还田后，土壤对粪
污的阻力值。养殖场粪污还田后的土壤对污水综合阻力值，其中，k表示粪污还田区域内土壤栅格点的个数，risk
5i
表示土壤栅格点类型对污水的阻力。
[0024]
步骤s3：基于所述水环境污染因子模型，设定基本语言评价集；基于所述基本语言评价集，将所述风险指标值转化为二元语义值。
[0025]
为了克服主观评价的缺点，采用二元语义理论的主观评价方法，将名义型指标用二元语义的形式表达出来。
[0026]
二元语义的概念为：二元语义是采用一个二元组（sm，αm）（m=1,2,...，m）表示语言评价信息，其中sm为预先定义好的语言评价集s中第m个元素，它表示初始语言评价集中与语言评价结果最贴近的语言短语，αm称为符号转移值，表示评价结果与sm之间的差别，αm∈[-0.5,0.5]。
[0027]
设实数β∈[0,t]，表示是语言评价集s经集结方法得到的数值结果，则实数β与二元组的相互转化关系可由如下的函数表示：其中，t表示语言评价集的粒度，表示将实数β转化成二元组（s
m，
αm）的形式，round是四舍五入取整算子。
[0028]
本发明实施例中设定的名义型指标包括圈舍清粪方式和原水存储类型，根据数据集中两个指标的等级分类，确定了该两个指标自然语言评价集sa、sb如下：s
a=
{贴膜防渗地类型，水泥地类型，砖池类型}；sb={机械干清粪式，人工干清粪式，垫草垫料式，水泡粪式，水冲粪式}；其中圈舍清粪方式语言评价集sa的粒度t1=5，原水存储类型语言评价集sb的粒度t2=3，由于两者的粒度不一样，因此需要将不同粒度语言信息进行一致化，即将不同粒度语言评价信息用同一粒度基本语言评价集合当中的元素表示，一般基本语言评价集选取集合粒度尽可能高，用尽可能高的语言粒度将不确定性降至最小。因为sa、sb中的语言评价集均表示养殖场对河流产生风险的等级，故选取基本语言评价集s
t
为养殖场对河流产生风险的等级：s
t
={低，较低，中等，较高，高}；采用语言变量转换函数tf映射不同粒度之间的语言评价集合，实现语言评价集sa、sb向基本语言评价集s
t
的转化；其中n(t)表示原来语言评价集合的粒度，n(t
′
)表示基本语言评价集s
t
的粒度，其中sm为预先定义好的语言评价集s
t
中五个元素中对应的一个，它表示初始语言评价集中与基本语言评价结果最贴近的语言短语，αm表示评价结果与sm之间的差别，且αm∈[-0.5,
0.5]。因为圈舍清粪方式语言评价集合sa等价于基本语言评价集s
t
，故其二元语义中的所有αm为0，再通过上述二元语义方法，将其转化为统一的二元语义的形式。
[0029]
然后将本发明实施例中的数量型指标：总猪当量、氮因子、磷因子、河道距离因子、土壤阻力因子五个数量型指标转化成二元语义。首先将这些指标进行正向化、归一化、标准化，将其值作为表示语言评价短语集集结运算的数值结果β，从而将其转化成二元语义的形式如下：步骤s4：采用加权平均owa算子对所述二元语义值进行融合，建立权重单目标规划模型。
[0030]
具体地，将本发明实施例中针对目标养殖场设定的七个风险评估指标的二元语义值(s,α)j，融合成一个综合二元语义指标值(s,α)
mix
，(s,α)j表示第j个指标的二元语义值，(s,α)
mix
中的s表示养殖场对河流产生风险的等级，表示为基本语言评价集s
t
中五个元素中对应的一个，α表示该等级与真实情况的相差程度，具体的融合公式为：对应的一个，α表示该等级与真实情况的相差程度，具体的融合公式为：是与函数相关联的权重向量，。
[0031]
指标权重向量ω的选择应使所有指标对所有养殖场的总偏差最大，偏差越大表示该权重的选取对这些指标区分度越大，表示这些指标选取能反映养殖场的风险的信息越多，为此，构造单目标规划模型如下：其中，表示第q个养殖场综合二元语义指标值，表示第k个养殖场综合二元语义指标值，m表示目标区域内目标养殖场的数量；其中g表示上述基本语言评价集的粒度。
[0032]
步骤s5：采用烟花算法对所述权重单目标规划模型进行求解，得到综合二元语义值，以确定目标养殖场粪污还田后对周围水环境造成污染的风险等级。
[0033]
具体地，采用烟花算法对单目标规划权重模型进行搜索求解，得到最优解如表2所示：
这四种数量型指标时，土壤阻力值时的权重ω5的值都是最大的，跟原来未删除指标时保持一致。而在删除名义型指标原水存储类型x6时，土壤阻力因子x5时的权重ω5的值变小，圈舍清粪方式x7的指标权重ω7增大，说明在采用二元语义的方法时，若是删除一个名义型指标，会将权重信息转移到另一个名义型指标上去，圈舍清粪方式x7是影响还田粪污对水环境造成污染风险较为重要的指标。
[0035]
但是删除名义型指标圈舍清粪方式x7时，土壤阻力值时的权重ω5的值依然最大，作为另外一个名义型指标的原水存储类型x
6 的指标权重ω6并没有增大，依然很小，这说明原水存储类型x6对于养殖场对河流产生污染风险的影响并不大。
[0036]
再采用七种权重分别回代入评价模型，重新计算养殖场的综合二元语义值，从而确定风险等级，并和原来的养殖场风险等级进行比较，结果如图3所示。
[0037]
根据图3，一方面，删除指标总猪当量x1、氮因子x2、磷因子x3、距离河道最小距离x4、土壤阻力因子x5这五种数量型指标时，以及名义型指标圈舍清粪方式x7时，养殖场的风险等级上升，所以这些指标对衡量养殖场对河流产生污染的风险是很重要的；另一方面，删除指标原水存储类型x6时，发现养殖场总体风险降低，再次说明该指标衡量养殖场对河流产生污染的风险不是很重要。
[0038]
其次，对其中的23家高风险养殖场进行灵敏度分析，以确定对养殖场风险等级评估有影响的指标。分别选取七个指标的在数据集中的最小值和最大值，在此区间中，将指标值划分为十个区间，计算指标在这些区间的端点处取值，其他指标值不变时养殖场的风险等级，从而判断仅仅通过该指标的变化是否能改变养殖场的风险等级，将高风险养殖场变为低风险养殖场。
[0039]
从灵敏度分析的结果可以看出，土壤阻力因子、河道距离因子对养殖场风险等级的降低反映较为灵敏。
[0040]
对于距离因子指标，当取值在0.0173~0.1149时，养殖场对河流污染从高风险等级变成较高风险等级养殖场，风险等级降低；对于土壤阻力因子指标，当取值0~106.89时，养殖场对河流污染从高风险等级变成较高风险等级养殖场，风险等级降低。
[0041]
但是对于不同养殖场，风险等级的变化的具体区间不一样，这和养殖场本身的其他指标有关，譬如养殖数量和养殖规模等。这能为我们养殖场建址和搬迁时提供参考意见，在考虑经济条件下，可设置养殖场的位置到周围河道的距离0.1149km，且其附近的土壤阻力值106.89，因此，当养殖场的污染源因子很大时，氮磷流失迁移因子取值较大，可缓冲粪污还田后对水环境污染。
[0042]
本发明还提供了一种养殖场粪污还田后环境污染的风险评估系统，所述系统包括指标数据录入模块，水环境污染因子模型构建模块，二元语义转换模块，污染风险计算模块，指标重要性分析模块和显示模块；所述指标数据录入模块，用于录入待评估养殖场的各项风险评估指标数据，所述风险指标数据包括两个名义型指标：原水存储类型、圈舍清粪方式和五个数量型指标：河道距离因子、土壤阻力因子、总猪当量、氮因子、磷因子；所述水环境污染因子模型构建模块，用于对各项风险评估指标数据进行配置，并保存为水环境污染因子模型文件；所述二元语义转换模块，用于依据所述水环境污染因子模型文件，确定基本语言
评价集，并计算所述各项风险评估指标与基本语言评价集相对应的二元语义值，并输入所述污染风险计算模块；所述污染风险计算模块，采用加权平均owa算子对所述二元语义值进行融合，建立权重单目标规划模型；并采用烟花算法对所述权重单目标规划模型进行求解，得到综合二元语义值，以确定目标养殖场粪污还田后对周围水环境造成污染的风险等级，并将风险等级输入显示模块；所述指标重要性分析模块，用于计算所述风险指标的重要程度信息，并将重要程度信息输入显示模块；具体地，基于所述水环境污染因子模型文件，进行消融实验，依次删除所述风险评估指标中的一个，并通过二元语义转换模块和污染风险计算模块重新确定风险等级，并与未删除风险评估指标前计算得出的风险等级进行比较，以确定该风险评估指标对于目标养殖场的重要程度；删除风险评估指标后风险等级提高，说明该风险评估指标的重要程度高，删除风险评估指标后风险等级降低，说明该风险评估指标的重要程度低。
[0043]
所述显示模块，用于结合地图信息，将所述污染风险计算模块的计算结果和所述指标重要性分析模块的计算结果编辑成图，并进行展示。
[0044]
本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。