CN103294923B - 水稻田非点源污染流出负荷的观测方法及系统 - Google Patents

Abstract

本发明公开了一种水稻田非点源污染流出负荷的观测方法及系统，所述观测方法根据采集的水深数值和降雨、灌溉、人工排水等信息，得到水稻田的蒸散发和渗漏损失量过程线，并进而得到水稻田出现排水的日期和对应的日流出水量，再由日流出水量和对应日期的污染物浓度数值计算得到所需的水稻田污染流出负荷。与现有观测方法相比，本发明为水稻田的非点源污染流出负荷的观测提供了一条新的途径，克服了非点源污染流出负荷因降雨具有随机性所造成无法及时观测的难题，并且，本发明简便易行，结果合理、可靠，实用性高。

Description

水稻田非点源污染流出负荷的观测方法及系统

技术领域

本发明属于农业非点源污染负荷的野外观测领域，具体涉及到一种水稻田非点源污染流出负荷的观测方法，以及应用该方法的观测系统。

背景技术

非点源污染(NonpointSourcePollution，NPS)，也称为面源污染(DiffusePollution)，是指在降雨径流的冲刷和淋溶作用下，大气中、地面和地下的污染物进入江河、湖泊和海洋等水体而造成的水体污染。相对于点源污染，非点源污染具有时间上的随机性和间歇性、空间分布上的广泛性以及污染物组成和负荷的不确定性等特点，这些特点使得对非点源污染负荷进行定量观测难度增大。特别是对于水稻田，实际中往往在降雨过程中存在多个径流流出口，难以通过同步观测出口径流流量和水质过程的传统方法来推求水稻田非点源污染的流出负荷。

水稻在生长期内长期处于水淹状态，其非点源污染流出主要包括两部分，其一为在较大降雨过程中由于田面水水深超过田间最低田埂高度导致田面水外溢引起非点源污染流出；其二为水稻田晒田开始时或降雨期内调整生长期水稻田内水深时，进行人工排水导致的非点源污染流出。

目前，对于水稻田非点源污染负荷的观测方法主要有输出系数法、非点源模型估算法和径流池试验法等。

输出系数法是指利用污染物输出系数来估算流域输出的面源污染负荷，其特点在于能够利用土地利用状况等资料，是一种简便的集总式面源污染负荷估算方法，其核心是输出系数的确定，选取的是某种特定土地利用类型的年平均输出系数。而对于场次降雨引起的非点源污染流失，输出系数的获得需要通过传统的野外定量观测水稻田径流流出过程和径流水质变化过程来获得，其观测存在较大难度和不确定性，使得通过输出系数法估算的场次降雨非点源污染流出结果精度难以保证。

非点源模型估算法一般采用的模型包括SWAT和AGNPS等数学模型，是基于径流曲线数和通用土壤流失方程等建立的方法。由于模型模拟步长一般为日，无法模拟详细的基于场次降雨的非点源污染流失过程，且模型最终还需要采用野外观测的非点源污染场次数据来进行模型校核和验证。

径流池试验法则是通过在水稻田出水口设立具有一定容积的防渗径流池，根据测量由出水口流入径流池内的总径流量和各种污染物的浓度来估算场次降雨过程中水稻田非点源污染流出负荷和输出系数，估算结果具有较高的精度。该方法适用于具有单一出口的水稻田，通常应用于试验站而不是任意的野外水稻田。对于野外水稻种植过程中田间通常存在多个径流出水口以及现场难以设置径流池的实际情况，该方法存在明显的局限性。

发明内容

针对现有技术存在的问题，本发明提供一种水稻田非点源污染流出负荷的观测方法，同时，本发明还提供一种实施该方法的观测系统。

为实现上述目的，本发明的一种水稻田非点源污染流出负荷的观测方法，包括以下步骤：

1)获取被观测水稻田出现排水时的流出水量及对应的流出日期，具体包括：

①采集水稻生长期内田内的水深数值，得到以时间为横轴的水稻田水深变化过程线；

②采集水稻田的降雨信息，得到降雨量数值及对应的降雨日期；

③采集进行灌溉的日期和进行人工排水的日期；

④从水稻生长期内去除降雨日、灌溉日和人工排水日，以其余的时间作为率定期，根据步骤①得到的水稻田水深变化过程线，计算率定期内水稻田每天的蒸散发和渗漏损失量(E_i+F_i)，第i日的蒸散发和渗漏损失量(E_i+F_i)为第i+1日和第i日的水深差值，第i日为率定期内的任意一天，得出率定期内以时间为横轴的蒸散发和渗漏损失量散点图，将各散点连成平滑曲线，得到水稻生长期内的蒸散发和渗漏损失量过程线；

⑤根据上述得到的水深变化过程线、蒸散发和渗漏损失量过程线以及采集的降雨信息，由水量平衡关系式(I)计算水稻生长期内水稻田出现排水时的日流出水量R_out，j，并同时得到出现排水的日期，

R_out，j＝H_j+P_j-H_j+1-(E_j+F_j)(I)

式中，H_j、H_j+1分别为第j日和第j+1日的水深数值，P_j为第j日降雨量数值，(E_j+F_j)为第j日的蒸散发和渗漏损失量，第j日为水稻生长期内的任意一天；

2)采集水稻生长期内水稻田水中污染物浓度，得到以时间为横轴的污染物浓度散点图，将各散点连线，得到水稻生长期内水稻田水中污染物浓度变化过程线；

3)从步骤2)得到的污染物浓度变化过程线上查取水稻田出现排水的各排水日的污染物浓度数值，根据污染物浓度数值和所对应排水日的日流出水量R_out，j以及水稻田的面积，按已知方法进行计算即得到所需的水稻田出现排水时各排水日的日污染流出负荷。

进一步，所述水深数值由设置在被观测水稻田内的水位自动记录仪进行采集，水位自动记录仪每间隔半小时采集一次。

进一步，由所述水位自动记录仪采集的多个水深数值，在去除其中个别的异常波动数据，去噪并进行平滑处理后，并以每日零时的水深作为所需的日水深数值。

进一步，所述降雨信息由设置在被观测水稻田处的自记雨量器进行采集，自记雨量器每隔10分钟采集一次降雨信息。

进一步，所述步骤2)具体为：在被观测水稻田内选取具有代表性的多个位置作为采集点，定期采集多个位置的田面水样品，测量每个样品中污染物的浓度，取平均值作为采集日期下的所述污染物浓度。

实施上述观测方法的一种水稻田非点源污染流出负荷的观测系统，包括水深采集装置、降雨信息采集装置、污染物浓度采集装置、灌溉日期和人工排水日期记录装置、数据处理装置；其中，

水深采集装置设置在被观测水稻田内，用于采集水稻生长期内水稻田内每天的水深数值；

降雨信息采集装置设置在被观测水稻田处，用于采集水稻田的日降雨量和对应的降雨日期；

污染物浓度采集装置用于采集水稻田内的田面水，并对水样进行分析处理后，得到所需的污染物浓度数值；

数据处理装置首先对水深数值、降雨信息、灌溉日期、人工排水日期进行处理，得到被观测水稻田出现排水的日期及对应的日流出水量数值，然后再根据日流出水量和所对应日期的污染物浓度数值，计算得到所需的水稻田出现排水时各排水日的日污染流出负荷；数据处理装置的具体处理过程为：

首先以水稻生长期内去除降雨日、灌溉日、人工排水日后的其余日期作为率定期，根据水深数值计算率定期内水稻田每天的蒸散发和渗漏损失量，第i日的蒸散发和渗漏损失量(E_i+F_i)为第i+1日和第i日的水深差值，第i日为率定期内的任意一天，得到以时间为横轴的蒸散发和渗漏损失量散点图，将散点图连线，得到水稻生长期内的蒸散发和渗漏损失量过程线；

然后，根据水深数值、蒸散发和渗漏损失量过程线、降雨信息，由式：R_out，j＝H_j+P_j-H_j+1-(E_j+F_j)计算得到水稻生长期内水稻田出现排水时的日流出水量R_out，j和所对应的排水日期，式中，H_j、H_j+1分别为第j日和第j+1日的水深数值，P_j为第j日降雨量数值，(E_j+F_j)为第j日的蒸散发和渗漏损失量，第j日为水稻生长期内的任意一天；

最后，根据污染物浓度数值和日流出水量数值，计算得到所需的水稻生长期内各排水日的日污染流出负荷。

与目前国内外水稻田非点源污染流出负荷观测方法相比，本发明为水稻田的非点源污染流出负荷观测提供了一条新的途径，解决了传统径流观测试验方法难以应用于多出口和最低出水口高度在生长期中不唯一的径流观测难题，同时克服了非点源污染流出负荷因降雨具有随机性所造成无法及时观测的难题，并且，本发明简便易行，结果合理、可靠，实用性高。

附图说明

图1为实施例中水稻生长期日降雨量，田内水深变化过程线及水稻生长期划分图；

图2为实施例中水稻生长期日降雨量，田内水深变化与蒸散发和渗漏损失量过程线；

图3为实施例中水稻生长期内氨氮和硝氮污染物浓度变化过程线。

具体实施方式

下面以2012年北京市海淀区上庄镇的京西稻种植基地为研究对象，对本发明进行说明。

实施例

北京市海淀区上庄镇的京西稻种植基地于2012年5月30日进行插秧，10月28日进行收割，生长期共152天。根据水稻生长特性，将水稻生长期分为移苗返青期、分蘖期、拔节孕穗期和成熟期四个阶段。2012年5月30日-6月6日为移苗返青期，6月7日-7月17日为分蘖期，7月18日-8月22日为拔节孕穗期，8月23日-10月28日为成熟期。2012年水稻生长期内共施肥2次，基肥和追肥各一次。

在研究区域选取具有代表性的一块水稻田进行观测，被观测水稻田的面积约为5000m²。安装水稻田非点源污染负荷的观测系统，采集信息数据，并对数据进行处理。被观测的水稻田非点源污染流出负荷观测方法具体如下：

步骤1.获取被观测水稻田出现排水时的流出水量及对应的流出日期，具体包括：

步骤1.1在水稻田内安装水位自动记录仪，保证水位自动记录仪工作稳定。自2012年5月30日起，水位自动记录仪每隔半小时对水稻田内的水深进行一次数据采集，采集到的多个水深数值，在去除其中个别的异常波动数据，去噪并进行平滑处理后，以每日零时的水深作为所需的日水深数值，并得到以时间为横轴的水稻田水深变化过程线，如图1所示。

步骤1.2在水稻田处安装自记雨量器作为降雨信息采集装置，每间隔10分钟采集一次降雨信息，得到所需的日降雨量数值及对应的降雨日期，如图1所示。

步骤1.3由灌溉日期和人工排水日期记录装置，采集记录进行灌溉的日期和进行人工排水的日期。

步骤1.4从水稻生长期内去除降雨日、灌溉日和人工排水日，以其余的时间作为率定期，根据步骤1.1得到的水稻田水深变化过程线，计算率定期内水稻田每天的蒸散发和渗漏损失量(E_i+F_i)，第i日的蒸散发和渗漏损失量(E_i+F_i)为第i+1日和第i日的水深差值，第i日为率定期内的任意一天，得出率定期内以时间为横轴的蒸散发和渗漏损失量散点图，将各散点按时间顺序连成平滑曲线，得到水稻生长期内的蒸散发和渗漏损失量过程线，结果如图2所示。

水稻田非点源污染通常在两种情况下发生：一是为晒田或为调整水深进行人工排水，二是出现较大降雨时，田内水深超过最低田埂高度而出现溢流。因此，水稻田出现排水一般在降雨日和人工排水日。

根据水量平衡分析可知，水稻田的蒸散发和渗漏损失量与降雨量、水稻田的出入水量和前后日的水深数值差值有关，只有当上述数值都已知时才能得到蒸散发和渗漏损失量。因水稻田出入水量无法得知，所以排除了产生出入水量时的日期——即降雨日、人工排水日和灌溉日，将水稻生长期的其余时间作为蒸散发和渗漏损失量的率定期。此时，水稻田内降雨量和出入水量均为0，前后日的水深数值差值由前日的蒸散发和渗漏损失量所引起。即通过前后日的水深数值之差可得到前日的蒸散发和渗漏损失量。

步骤1.5根据上述得到的水深变化过程线、蒸散发和渗漏损失量过程线以及采集的降雨信息，由水量平衡关系式(I)计算水稻生长期内水稻田出现排水时的日流出水量R_out，j(R_out，j＞0，mm)，并同时得到出现排水的日期，

R_out，j＝H_j+P_j-H_j+1-(E_j+F_j)(I)

式中，H_j、H_j+1分别为第j日和第j+1日的水深数值(mm)，P_j为第j日降雨量数值(mm)，(E_j+F_j)为第j日的蒸散发和渗漏损失量(mm)，第j日为水稻生长期内的任意一天，计算结果如表1所示。

表1

将连续降雨/排水的时间段划分成场次降雨/排水，如表1所示，在水稻生长期内，共观测到18场降雨，其中有10场降雨产生了径流流出，形成了非点源污染。此外，水稻生生长过程中共有3次排水晒田过程，排水时均形成了非点源污染。

步骤2.在研究区域被观测水稻田内布设4个采样点，基本能反映整个田内水体的水质状况。通过污染物浓度采集装置，于每周三和周六采集水稻田内所选的4个采样点处的田面水，选取氨氮为污染物研究指标，测量每个田面水样品中氨氮浓度，测量4组样品中氨氮浓度后，取其平均值作为采集日期下氨氮的平均浓度。由采集日期和对应的氨氮浓度得到以时间为横轴的氨氮浓度散点图，将各散点连线，得到水稻生长期内水稻田水中氨氮浓度变化过程线，如图3所示。

同样，选取硝氮为污染物研究指标，得到水稻生长期内水稻田水中硝氮浓度变化过程线，如图3所示。

步骤3从步骤2.得到的污染物浓度变化过程线上查取水稻田出现排水的各排水日的污染物浓度数值，根据污染物浓度数值和所对应排水日的日流出水量R_out，j(径流深度，mm)以及水稻田的面积(被观测水稻田的面积约为5000m²)，根据非点源污染流出负荷的概念计算得到所需的水稻田出现排水时各排水日的日污染流出负荷，计算结果如表2所示。

表2

由表2得出生长期内各排水日的污染物流出负荷，经数据处理，可进一步得到所需的场次降雨/排水水稻田非点源污染物流出负荷，再进一步得到所需的生长期内水稻田非点源污染物流出负荷。

由步骤1.获得的水稻田出现排水时的流出水量及对应的流出日期，和步骤2.得到的污染物浓度变化过程线上查取水稻田出现排水的各排水日的污染物浓度数值，根据污染物输出系数的概念，还可计算得到水稻生长期内氮素污染物输出系数，结果如下，

氨氮的输出系数：

硝氮的输出系数：

与国内对水稻田氮素的非点源输出系数相关研究数据相比，如表3所示，得出本发明的水稻田非点源污染负荷的观测方法计算得到的结果合理、可靠。

表3国内水稻田氮素非点源输出系数

	时间	研究区域	污染物类别	输出系数(kg/hm2)
					朱丹丹等	2007	大庆地区	TN	16.08
史志华等	2002	汉江中下游地区	TN	26.37
					张大弟等	1997	上海郊区	TN	26.5

	时间	研究区域	污染物类别	输出系数(kg/hm2)
					杨林章等	2004	太湖典型稻麦轮作区	TN	34.1
刘亚琼等	2011	北京地区	TN	20.2

虽然，上文中已经用一般性说明和具体实施方式对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改和改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改和改进，均属于本发明要求保护的范围。

Claims (8)

1.一种水稻田非点源污染流出负荷的观测方法，包括以下步骤：

1）获取被观测水稻田出现排水时的流出水量及对应的流出日期，具体包括：

①采集水稻生长期内田内的水深数值，得到以时间为横轴的水稻田水深变化过程线；

②采集水稻田的降雨信息，得到降雨量数值及对应的降雨日期；

③采集进行灌溉的日期和进行人工排水的日期；

④从水稻生长期内去除降雨日、灌溉日和人工排水日，以其余的时间作为率定期，根据步骤①得到的水稻田水深变化过程线，计算率定期内水稻田每天的蒸散发和渗漏损失量（E_i+F_i），第i日的蒸散发和渗漏损失量（E_i+F_i）为第i+1日和第i日的水深差值，第i日为率定期内的任意一天，得出率定期内以时间为横轴的蒸散发和渗漏损失量散点图，将各散点连成平滑曲线，得到水稻生长期内的蒸散发和渗漏损失量过程线；

⑤根据上述得到的水深变化过程线、蒸散发和渗漏损失量过程线以及采集的降雨信息，由水量平衡关系式（I）计算水稻生长期内水稻田出现排水时的日流出水量R_out,j，并同时得到出现排水的日期，

R_out,j=H_j+P_j-H_j+1-（E_j+F_j）（I）

式中，H_j、H_j+1分别为第j日和第j+1日的水深数值，P_j为第j日降雨量数值，（E_j+F_j）为第j日的蒸散发和渗漏损失量，第j日为水稻生长期内的任意一天；

2）采集水稻生长期内水稻田水中污染物浓度，得到以时间为横轴的污染物浓度散点图，将各散点连线，得到水稻生长期内水稻田水中污染物浓度变化过程线；

3）从步骤2）得到的污染物浓度变化过程线上查取水稻田出现排水的各排水日的污染物浓度数值，根据污染物浓度数值和所对应排水日的日流出水量R_out,j以及水稻田的面积，按已知方法进行计算即得到所需的水稻田出现排水时各排水日的日污染流出负荷。

2.如权利要求1所述的观测方法，其特征在于，所述水深数值由设置在被观测水稻田内的水位自动记录仪进行采集，水位自动记录仪每间隔半小时采集一次。

3.如权利要求2所述的观测方法，其特征在于，由所述水位自动记录仪采集的多个水深数值，在去除其中个别的异常波动数据，去噪并进行平滑处理后，以每日零时的水深作为所需的日水深数值。

4.如权利要求1所述的观测方法，其特征在于，所述降雨信息由设置在被观测水稻田处的自记雨量器进行采集，自记雨量器每隔10分钟采集一次降雨信息。

5.如权利要求1所述的观测方法，其特征在于，所述步骤2）具体为：在被观测水稻田内选取具有代表性的多个位置作为采集点，定期采集多个位置的田面水样品，测量每个样品中污染物的浓度，取平均值作为采集日期下的所述污染物浓度。

6.一种实施上述权利要求1至5任一观测方法的水稻田非点源污染流出负荷的观测系统，其特征在于，所述观测系统包括水深采集装置、降雨信息采集装置、污染物浓度采集装置、灌溉日期和人工排水日期记录装置、数据处理装置；其中，

水深采集装置设置在被观测水稻田内，用于采集水稻生长期内水稻田内每天的水深数值；

降雨信息采集装置设置在被观测水稻田处，用于采集水稻田的日降雨量和对应的降雨日期；

污染物浓度采集装置用于采集水稻田内的田面水，并对水样进行分析处理后，得到所需的污染物浓度数值；

数据处理装置首先对水深数值、降雨信息、灌溉日期、人工排水日期进行处理，得到被观测水稻田出现排水的日期及对应的日流出水量数值，然后再根据日流出水量和所对应日期的污染物浓度数值，计算得到所需的水稻田出现排水时各排水日的日污染流出负荷；数据处理装置的具体处理过程为：

首先以水稻生长期内去除降雨日、灌溉日、人工排水日后的其余日期作为率定期，根据水深数值计算率定期内水稻田每天的蒸散发和渗漏损失量，第i日的蒸散发和渗漏损失量（E_i+F_i）为第i+1日和第i日的水深差值，第i日为率定期内的任意一天，得到以时间为横轴的蒸散发和渗漏损失量散点图，将散点图连线，得到水稻生长期内的蒸散发和渗漏损失量过程线；

然后，根据水深数值、蒸散发和渗漏损失量过程线、降雨信息，由式：R_out,j=H_j+P_j-H_j+1-（E_j+F_j）计算得到水稻生长期内水稻田出现排水时的日流出水量R_out,j和所对应的排水日期，式中，H_j、H_j+1分别为第j日和第j+1日的水深数值，P_j为第j日降雨量数值，（E_j+F_j）为第j日的蒸散发和渗漏损失量，第j日为水稻生长期内的任意一天；

最后，根据污染物浓度数值和日流出水量数值，计算得到所需的水稻生长期内各排水日的日污染流出负荷。

7.如权利要求6所述的观测系统，其特征在于，所述水深采集装置由设置在被观测水稻田内的水位自动记录仪构成，水位自动记录仪每间隔半小时采集一次。

8.如权利要求6所述的观测系统，其特征在于，所述降雨信息采集装置由设置在被观测水稻田处的自记雨量器构成，自记雨量器每隔10分钟采集一次降雨信息。