流域水环境质量精细化估算及分析的方法及系统与流程

本发明属于流域水环境质量监测，尤其涉及一种基于控制单元的流域水环境质量精细化估算及分析的方法、系统。

背景技术：

1、良好的水环境是实现可持续发展的内在要求，准确地掌握流域水环境质量的空间分布差异，明晰影响因素对水环境质量贡献的空间差异，对进一步开展流域水环境治理具有重要的现实意义。目前，基于少量的控制断面水质监测数据，仅能体现控制单元的总体水质，无法反映控制单元内部水环境质量的差异，不利于掌握整个流域水环境质量的时空变化特征，限制了流域水环境治理措施的有效实施。

2、基于经验模型的方案，结合控制断面监测站点数据和相关地理信息数据，在空间上精细化估算流域水环境质量，可能是解决该问题的潜在手段。目前，基于经验模型的方案，已在人口、经济、粮食产量等方面取得了丰富的成果，但在流域水环境质量估算方面仍以机理模型为主。此外，相关研究的影响因素分析主要基于全局模型，对因变量和自变量之间空间非平稳性影响缺乏关注。

3、通过上述分析，现有技术存在的问题及缺陷为：

4、(1)控制断面水质监测数据仅能反映控制单元的总体水质情况，却无法反映控制单元内部水环境质量差异，无法为控制单元内水环境综合治理提供数据支持。

5、(2)忽视空间非平稳性的分析方案，不能有效地反映因变量和自变量之间的关系。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于控制单元的流域水环境质量精细化估算及分析的方法、系统。

2、本发明是这样实现的，一种基于控制单元的流域水环境质量精细化估算及分析的方法，以长江流域为例，采用地理加权随机森林回归模型的流域水环境质量精细化估算及分析的方法包括以下步骤：

3、步骤一，对基础数据集进行相应的预处理；

4、步骤二，构建基于地理加权的随机森林回归模型的水环境质量模型；

5、步骤三，对水质指标模型进行评估；

6、步骤四，进行单项指标水质评价。

7、进一步，步骤一所述基础数据集包括控制断面水质监测数据、控制单元数据、数字高程模型、土地覆盖数据、人口密度、工厂兴趣点数据和气象数据。

8、进一步，步骤一所述数据预处理，控制断面水质监测数据和控制单元数据预处理通过arcgis10.2的连接工具将控制断面的水质监测数据赋予控制单元；

9、数字高程模型数据预处理通过arcgis10.2的坡度分析工具基于数字高程模型数据，计算获得坡度数据；

10、土地覆盖数据预处理通过二分类提取法从该数据集中筛选出三种土地覆盖类型(耕地、林地、不透水面)，即将该类用地类型设置为1，其他土地覆盖类型设置为0，基于提取出的单个土地覆盖类型，通过arcgis10.2的聚合工具按均值统计，将30m的土地覆盖类型聚合至1km；

11、人口密度数据来源于世界人口项目，提供2000至2020年间100米的全球范围人口栅格数据；

12、工厂兴趣点数据预处理通过arcgis10.2核密度分析，设置带宽为5km，获得工厂的核密度；

13、气象数据预处理以全国气象要素站点的监测数据作为输入数据，筛选温度和降雨量气象数据用于水环境质量的估算。

14、进一步，所述步骤一中所有预处理获得的影响因素数据转为albers_conic_equal_area投影，并采用双线性插值法重采样空间分辨率30×30m的像元。

15、进一步，步骤二所述地理加权随机森林回归模型是基于局部回归思想，通过引入空间权重矩阵，对全局随机森林回归模型的扩展，地理加权随机森林回归模型的简化表达：

16、yi＝a(ui,vi)xi+e，i＝1:n

17、其中，yi是观测点i的统计值，a(ui,vi)xi是在观测点i位置上校准的局部随机森林回归模型的预测结果，且(ui,vi)是观测点i的坐标，e是误差项。

18、所述地理加权随机森林回归模型基于r包“spatialml”进行地理加权回归。

19、进一步，步骤三所述水质指标模型通过确定系数(r2)、均方根误差(rmse)和均方根误差观测值标准差比值(rsr)进行评估，公式如下：

20、

21、

22、

23、其中，n是数据数量，yoi是统计值，ymi是预测值，和分别表示统计值和预测值的平均值。

24、进一步，步骤四所述通过地理加权随机森林回归模型精细化估算长江流域水环境质量，再根据地表水环境质量标准的极限值进行单项指标水质评价。

25、本发明的另一目的在于提供一种基于控制单元，采用地理加权随机森林回归模型的水质评估系统，所述基于地理加权随机森林回归模型的水质评估系统包括：

26、数据预处理模块，用于获取基础数据，并对基础数据集进行相应的预处理；

27、模型构建模块，用于构建基于地理加权的随机森林回归模型；

28、水质评估模块，用于评估水质指标模型；

29、水质评价模块，用于进行单项指标水质评价。

30、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

31、第一，本发明的地理加权随机森林模型用于处理和解释空间非平稳性问题。该模型借鉴了地理加权回归的思想，对传统的随机森林模型进行扩展，不仅获得了处理非线性问题和空间非平稳性问题的能力，还能通过可视化的手段，简单、直接地将非平稳性呈现。

32、第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：

33、本发明基于地理加权随机森林回归模型，对水质监测数据和相关影响因素进行建模，探索该方案在流域水环境质量精细化估算中的可行性；采用空间非平稳性的方法，明晰水环境质量和相关影响因素之间关系在空间上的变化情况，为流域水环境综合治理提供科学依据。

34、第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：

35、步骤一中的数据预处理：通过对控制单元和控制断面水质监测数据的连接，可以将水质监测结果与控制单元的地理位置信息相结合，为后续的水环境质量模型提供更加准确的数据输入。同时，通过对高程、土地覆盖、人口密度、工厂兴趣点和气象数据的预处理，可以为模型提供更加全面、细致、准确的环境因子数据，提高了模型的预测精度。

36、步骤二中的水环境质量模型：采用基于地理加权的随机森林回归模型，通过将环境因子数据和水质监测数据进行结合，可以较好地反映环境因子对水环境质量的影响，并对水质进行准确的估算和预测。此外，地理加权的方法可以充分考虑地理位置因素对水环境质量的影响，提高了模型的预测精度。

37、步骤三中的水质指标模型评估：通过对水环境质量模型的评估，可以确定模型的预测精度和可靠性，为后续的单项指标水质评价提供保障。

38、步骤四中的单项指标水质评价：通过对单项水质指标的评价，可以对流域水环境质量进行全面、细致、准确的分析，为流域的水环境管理和保护提供科学依据。

39、该方法和系统采用了多种数据预处理技术、基于地理加权的随机森林回归模型和单项指标水质评价方法，为流域水环境质量的精细化估算和分析提供了有效途径和技术支持。