一种基于时空交互关系的土壤镉风险预测方法

技术特征：
1.一种基于时空交互关系的土壤镉风险预测方法，其特征在于，步骤如下：s1、获取目标预测区域内多个不同历史时期与土壤cd污染相关的数据集，并通过数据的提取和交叉验证，得到不同历史时期目标预测区域内的土壤cd污染企业空间点位分布数据，以及不同历史时期目标预测区域内各采样点的土壤cd浓度和土壤ph；s2、针对每一个历史时期，使用核密度法对该历史时期目标预测区域内的土壤cd污染企业空间点位分布数据进行核密度分析，得到污染企业密度值，同时基于该历史时期目标预测区域内各采样点的土壤cd浓度和土壤ph，通过插值方法得到目标预测区域内的土壤cd浓度空间分布和土壤ph空间分布，结合不同ph范围对应的土壤cd浓度风险筛选值，确定目标预测区域内不同位置的土壤cd风险级别；s3、针对每一个历史时期，对目标预测区域进行网格化后，统计各网格内的土壤cd风险级别与污染企业密度值，再对该历史时期土壤cd风险级别与污染企业密度值进行双变量局部空间自相关分析，得到土壤cd与污染企业的时空交互关系；s4、针对每一个历史时期，根据对应的所述土壤cd风险级别、受体脆弱性和所述时空交互关系，按照预设的风险区分级标准进行目标预测区域内不同等级土壤cd风险区的识别；s5、获取目标预测区域内每一个历史时期对应的土壤cd风险演变影响因素，结合各历史时期的土壤cd风险区识别结果，运用斑块生成土地利用模拟模型(plus)实现对目标预测区域内未来土壤cd风险区的预测。2.如权利要求1所述的基于时空交互关系的土壤镉风险预测方法，其特征在于，所述s1中，所述与土壤cd污染相关的数据集包括与土壤cd污染相关的涉土企业数据、poi数据、历史工业企业数据和多时期高分辨率遥感影像，以及不同时期土壤采样点数据；其中，涉土企业数据包括与土壤cd污染相关的企业的名称及其所属地市，poi数据包括企业名称及其经纬度信息；历史工业企业数据包括企业名称和生产活动年份；土壤采样点数据包括不同采样点处的土壤cd浓度和土壤ph数据。3.如权利要求2所述的基于时空交互关系的土壤镉风险预测方法，其特征在于，所述s1中，所述土壤cd污染企业空间点位分布数据的获取方法为：s11、将所述与土壤cd污染相关的涉土企业数据中的非结构化数据转换为结构化数据，从而得到与土壤cd污染相关的涉土企业名称；对所述涉土企业名称、以及历史工业企业数据和poi数据中的企业名称分别进行分词处理，提取企业名称中不同层级的实体，随后进行相似度匹配，将企业名称中各层级实体完全匹配的涉土企业作为污染企业，将历史工业企业数据中该污染企业的生产活动年份和poi数据中的地理位置信息关联至该污染企业中，得到含地理位置和生产活动年份的污染企业数据。s12、从多时期高分辨率遥感影像信息中提取每个污染企业及其周边场地在各生产活动年份的高分辨率遥感影像，然后使用基于深度学习的图像语义分割模型，对每个污染企业对应的高分辨率遥感影像数据进行建筑物特征提取，以判断各生产活动年份中影像区域内是否存在建筑或者企业工厂，实现不同年份污染企业空间点位分布的遥感验证，剔除未通过遥感验证的污染企业数据，按生产年份对剩余污染企业数据进行划分，得到不同历史时期目标预测区域内的土壤cd污染企业空间点位分布数据。4.如权利要求3所述的基于时空交互关系的土壤镉风险预测方法，其特征在于，所述s11中，企业名称使用分词引擎jieba进行分词处理，被分为行政区划、字号、行业、组织形式
四个层级的实体，随后通过计算编辑距离进行相似度匹配，若两个企业名称中四个层级的实体完全匹配，则视为这两个企业名称匹配。5.如权利要求3所述的基于时空交互关系的土壤镉风险预测方法，其特征在于，所述s12中，所述基于深度学习的图像语义分割模型为u-net卷积神经网络模型；在对高分辨率遥感影像进行建筑物特征提取时，根据不同历史时期污染企业的经纬度及其对应遥感影像上的信息获取该点位周边相应的遥感影像；对获取的遥感影像进行数据预处理，生成相应的标注数据并运用u-net卷积神经网络模型进行训练建模；再利用训练好的u-net卷积神经网络模型对高分辨率遥感影像进行图像分割，返还的结果图中的每个像元有建筑与非建筑两类；将属于同一生产年份的返还的结果图与污染企业数据进行比较，若污染企业所在位置在返还的结果图中存在建筑，则说明该点位的污染企业真实存在；若污染企业所在位置在返还的结果图中只存在非建筑，则说明该点位的污染企业并不存在，将该污染企业信息进行二次审查以判断该点位是否存在污染企业。6.如权利要求1所述的一种基于时空交互关系的土壤cd风险预测方法，其特征在于，所述s3的具体方法如下：针对每一个历史时期，对所述土壤cd风险级别进行划分后，根据目标预测区域的边界，得到其最小外接矩形所围成的范围；然后以该最小外接矩形的某个顶点开始，生成格网和对应的网格点；运用网格点提取不同历史时期污染企业核密度和土壤cd风险分级值，分别代表边界中不同历史时期污染企业的聚集程度和土壤cd风险水平；将带有土壤cd风险级别与污染企业密度值的网格点进行双变量局部莫兰分析，得到二者的时空交互关系，具体公式如下：其中和分别是变量a和b在网格i和网格j上的不同历史时期土壤cd风险级别和污染企业密度，变量a和b分别代表网格内不同历史时期土壤cd风险级别与污染企业密度；w
ij
为网格i和网格j的空间权重矩阵，根据网格i和网格j之间的欧式距离权重所得；i
ab
表示网格i处的a属性与网格j处b属性的局部莫兰指数；当i
ab
显著为正时，则网格i处的土壤cd风险级别与网格j处的污染企业密度具有显著的局部正相关关系；当i
ab
显著为负时，则认为网格i处的土壤cd风险级别与网格j处的污染企业密度具有显著的局部负相关关系；当i
ab
不显著时，则认为网格i处的土壤cd风险级别与网格j处的污染企业密度无明显的时空交互关系。7.如权利要求1所述的一种基于时空交互关系的土壤cd风险预测方法，其特征在于，所述s4中，在预设的风险区分级标准中，土壤cd风险区被分为高、中、低三种风险控制区和风险不确定区。8.如权利要求1所述的一种基于时空交互关系的土壤cd风险预测方法，其特征在于，所述受体脆弱性为人口密度。9.如权利要求1所述的一种基于时空交互关系的土壤cd风险预测方法，其特征在于，所述s5中，所述斑块生成土地利用模拟模型通过提取历史时期之间各等级土壤cd风险区的变化特征，并采用随机森林算法逐一对各土壤cd风险演变影响因素进行挖掘，获取各等级的土壤cd风险区的变化发生概率以及各土壤cd风险演变影响因素对变化特征的贡献，最终在变化发生概率的约束下，基于最新的土壤cd风险演变影响因素，实现对目标预测区域内未
来土壤cd风险区的预测。10.如权利要求1所述的一种基于时空交互关系的土壤cd风险预测方法，其特征在于，所述斑块生成土地利用模拟模型实现对目标预测区域内未来土壤cd风险区的预测的具体步骤如下：首先，将两个历史时期的各等级土壤cd风险区进行叠加分析，从中提取每种等级土壤cd风险区的变化特征；其次，基于随机森林模型建立每种等级土壤cd风险区发生变化的发生概率，并计算各土壤cd风险演变影响因素对每种土地利用变化的贡献率，发生概率用于估计网格单元中每种等级土壤cd风险区的动态变化趋势；最后，通过整合时间序列的土壤cd风险区数据和模型产生的组合概率来预测未来各等级的土壤cd风险区，其中通过以下公式估计网格单元p未来被k等级的土壤cd风险区占用的组合概率：其中表示网格单元p在迭代时间t从原始等级的土壤cd风险区转换到目标k等级的土壤cd风险区的组合概率；p
p,k
表示网格单元p上目标k等级的土壤cd风险区出现的概率；表示在迭代时间t对应网格单元p上目标k等级的土壤cd风险区的邻域效应；表示在迭代时间t上目标k等级的土壤cd风险区的惯性系数；sc
c
→
k
表示从原始c等级的土壤cd风险区到目标k等级的土壤cd风险区的转换成本；斑块生成土地利用模拟模型使用轮盘赌选择机制来确定哪种土地利用类型将占据网格单元。

技术总结
本发明公开了一种基于时空交互关系的土壤镉风险预测方法，其具体如下：首先，获取目标预测区域内多个不同历史时期与土壤Cd污染相关的数据集，并通过数据的提取和交叉验证，得到不同历史时期目标预测区域内的土壤Cd污染企业空间点位分布数据，以及不同历史时期目标预测区域内各采样点的土壤Cd浓度和土壤pH；然后对不同时期土壤Cd风险级别与污染企业密度值进行双变量局部空间自相关分析，得到土壤Cd与污染企业的时空交互关系；最后对目标预测区域不同时期土壤Cd风险进行识别并运用斑块生成土地利用模拟模型对未来土壤Cd风险类别进行预测。本发明扩展了现有土壤Cd分区的方法和思路，对进一步管理与预防土壤Cd污染具有重要的理论与实际意义。的理论与实际意义。的理论与实际意义。


技术研发人员：史舟 江叶枫 周炼清 伍温强
受保护的技术使用者：浙江大学
技术研发日：2022.03.10
技术公布日：2022/7/12