[发明专利]基于作物信息遥感精确反演的非点源污染源强估算方法

说明书

本发明公开了基于作物信息遥感精确反演的非点源污染源强估算方法，包括步骤：1，获取连续的同类型同一物候作物的高时间分辨率遥感图像；2，提取遥感图像的EVI时序数据，得到此作物的物候曲线；以获取作物不同施肥节点不同施肥类型的施肥量；3，将高空间分辨率和高时间分辨率的遥感数据进行ESTARFM时空融合，提取融合后遥感图像的EVI时序数据；4，根据融合后的EVI时序数据得到作物不同施肥节点的种植面积；5，根据作物不同施肥节点的施肥量和种植面积，估算非点源污染源强。本发明通过遥感图像准确的提取作物类型，通过作物物候特征和施肥信息，确定施肥量随作物生长的累积过程，为非点源污染源强提供更为精确的估算值。

技术领域

本发明涉及环境保护技术领域，具体涉及一种基于作物信息遥感精确反演的非点源污染源强估算方法。

背景技术

名词解释：

非点源污染指溶解性或固体物质在大面积降雨和径流冲刷作用下汇入受纳水体(河流、湖泊等)而引起的水体污染，其主要来源包括农药化肥的过量使用、农村生活污水等。

污染源是指造成环境污染的污染物发生源，通常指向环境中排放的有害物质或对环境产生的有害影响的场所、设备或人体。

污染源强主要用于计算污染物的总量。

农业面源污染是最为重要且分布最广泛的面源污染。全球30％～50％的地表已受到非点源污染的影响。非点源污染已成为江河湖泊，尤其是巢湖、太湖、滇池等湖泊水质恶化的主要原因；非点源污染主要集中在水土流失严重的地区和农业区，然而长期以来中国重点控制点源污染，侧重城市环境管理，至今尚未把非点源污染纳入水污染总量控制中去，导致中国非点源研究相对滞后。

非点源污染具有随机性、时空差异性、潜伏性和滞后性等特点，其地理边界和位置难以准确的识别和确定，加上涉及范围广、影响因素及作用过程复杂多样，对它的形成机理尚不清楚。目前的非点源污染二元模型中，受限于长期连续同步监测数据匮乏，常使用统计分析方法对模型各参数进行估算，造成非点源污染源强估算模型存在较大的精度与不确定性问题。

非点源污染模型的构建必须与农业生产活动联系，考虑农作物生长机理、耕作方式、施肥、灌溉、收割等，涉及农业生产的方方面面。这也是非点源污染模型构建的一大难点。传统的抽样或监测手段在空间分布上和时间跨度上都有局限，缺乏动态性数据支持，导致污染累计过程不清。另外，不同作物其产生的非点源污染是不同的，目前作物类型区分不明确，常常用统一的标准来估算污染源强，造成精确度不够。对于大面积非点源污染源强估算，传统的方法在进行农田施肥量估算时，由于缺乏准确的物候信息，很难进行不同区域不同作物的施肥量估算，往往将整个作物的生长周期作为一个参数来计算，在存在多茬种植时容易造成很大的误差。

综上所述，目前国内外非点源污染模型偏向应用型，模型具有明显的区域性，不利于推广，由于受缺乏实测的详尽的非点源污染负荷各环节监测资料，模型存在的不确定性等的影响，模拟结果缺乏有效的验证、缺乏可靠性。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于作物信息遥感精确反演的非点源污染源强估算方法，利用高时间分辨率、高空间分辨率数据的融合数据对研究区内非点源污染的时空分布进行反演估算，获取作物的施肥节点和种植面积，进而估算出非点源污染源强。

为解决上述技术问题，本发明提供了一种基于作物信息遥感精确反演的非点源污染源强估算方法，其特征是，包括以下步骤：

步骤S1，获取连续的同类型同一物候作物的高时间分辨率遥感图像；

步骤S2，提取遥感图像的EVI时序数据，得到此作物的物候曲线；以获取作物不同施肥节点不同施肥类型的施肥量；

步骤S3，将高空间分辨率和高时间分辨率的遥感数据进行ESTARFM时空融合，提取融合后遥感图像的EVI时序数据；