CN103616368A - 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法 - Google Patents
一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法 Download PDFInfo
- Publication number
- CN103616368A CN103616368A CN201310605938.1A CN201310605938A CN103616368A CN 103616368 A CN103616368 A CN 103616368A CN 201310605938 A CN201310605938 A CN 201310605938A CN 103616368 A CN103616368 A CN 103616368A
- Authority
- CN
- China
- Prior art keywords
- rice
- heavy metal
- content
- soil
- dtpa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 129
- 235000009566 rice Nutrition 0.000 title claims abstract description 129
- 239000002689 soil Substances 0.000 title claims abstract description 99
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 77
- QPCDCPDFJACHGM-UHFFFAOYSA-N N,N-bis{2-[bis(carboxymethyl)amino]ethyl}glycine Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(=O)O)CCN(CC(O)=O)CC(O)=O QPCDCPDFJACHGM-UHFFFAOYSA-N 0.000 title claims abstract description 41
- 235000013339 cereals Nutrition 0.000 title claims abstract description 31
- 229960003330 pentetic acid Drugs 0.000 title abstract 4
- 238000013277 forecasting method Methods 0.000 title abstract 3
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 128
- 229910052804 chromium Inorganic materials 0.000 claims abstract description 25
- 229910052793 cadmium Inorganic materials 0.000 claims abstract description 23
- 229910052745 lead Inorganic materials 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 15
- 229910052802 copper Inorganic materials 0.000 claims abstract description 12
- 229910052785 arsenic Inorganic materials 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 229910052759 nickel Inorganic materials 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims description 26
- 229910052751 metal Inorganic materials 0.000 claims description 20
- 239000002184 metal Substances 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 235000013312 flour Nutrition 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004380 ashing Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 6
- 235000021329 brown rice Nutrition 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 239000008367 deionised water Substances 0.000 claims description 3
- 229910021641 deionized water Inorganic materials 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000009616 inductively coupled plasma Methods 0.000 claims description 3
- 238000010298 pulverizing process Methods 0.000 claims description 3
- 229910001220 stainless steel Inorganic materials 0.000 claims description 3
- 239000010935 stainless steel Substances 0.000 claims description 3
- 239000004575 stone Substances 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008520 organization Effects 0.000 abstract 1
- 229910052725 zinc Inorganic materials 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 230000009418 agronomic effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 231100000331 toxic Toxicity 0.000 description 3
- 230000002588 toxic effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 240000008467 Oryza sativa Japonica Group Species 0.000 description 1
- 235000007264 Triticum durum Nutrition 0.000 description 1
- 241000209143 Triticum turgidum subsp. durum Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000002354 inductively-coupled plasma atomic emission spectroscopy Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
Images
Abstract
本发明属农产品质量安全技术领域，具体涉及一种基于土壤重金属DTPA提取态含量来预测水稻籽粒重金属积累量的模型预测方法，本发明的技术要点是用0.005MDTPA提取并测定土壤的重金属提取态含量，同时取样测定相应土壤上所产稻米中的重金属含量，重金属种类主要针对目前国内稻米污染风险较大的As、Cd、Cr、Cu、Pb和Ni，然后对数据进行分析并建立预测模型，通过预测模型进行风险预测，将预测的数据与FAO/WHO规定的标准或国家规定的无公害大米标准比较，预测该地区种植稻米的重金属污染风险，目的在于提供一种绿色环保、操作方便、可靠性高的水稻籽粒重金属污染风险预测方法，从而为安全优质稻米生产基地选择及在生产上预先采取相应配套技术等提供依据。
Description
技术领域
本发明属农产品质量安全技术领域，具体涉及一种基于土壤重金属DTPA提取态含量来预测水稻籽粒重金属积累量的模型预测方法。
背景技术
不少研究表明，作物吸收和积累的重金属量主要取决于其土壤有效态含量而非全量。土壤重金属的有效性取决于土壤因子，主要包括pH、CEC、有机质含量、土壤质地以及重金属元素间的互作效应等，土壤重金属有效态有多种提取方法，其中DTPA（二乙烯三胺五乙酸）提取的土壤微量元素被认为对植物是有效的。近年来，许多研究也证实土壤重金属DTAP提取态含量是评价土壤重金属有效态（可被植物吸收）含量的较好指标，将土壤DTPA提取态含量用于研究土壤Cd与硬粒小麦籽粒Cd含量的关系。但是，重金属的土壤DTPA提取态含量与水稻籽粒积累量的关系，尚未见相关报道。
水稻是全球也是我国最重要的粮食作物，稻米是我国人民赖以生存的主粮。近年来，随着农田土壤重金属污染的加剧，稻米受重金属污染日趋严重，由此对人类健康构成了巨大的威胁，在我国，稻米重金属含量超标问题已十分突出。因此，降低稻米中有毒重金属积累量，已成为迫切需要解决的难题。
发明内容
本发明的目的在于克服现有技术中存在的上述不足，而提供一种绿色环保、操作方便、可靠性高的基于土壤重金属DTPA提取态含量的水稻籽粒重金属污染风险预测方法。
实现本发明的技术方案如下：一种基于土壤重金属DTPA提取态含量的水稻籽粒重金属污染风险预测方法，主要由以下步骤构成：
（1）取样和预处理：连续两年采集在不同地区的晚粳主产区的土壤和水稻稻穗样品，采样点均为当地有代表性的田块，水稻品种系当地主栽品种，采样时间为水稻成熟期，各点随机取样，同时取表层土壤，所取稻穗在室内自然风干30天后，脱粒，用试验用脱糙机脱成糙米，后用试验用精米机碾成精米，精米于恒温箱中70℃烘45h-49h至恒重，用不锈钢粉碎机粉碎成精米粉，过100目筛，所取土壤样品于自然室温下风干，去除小石块、水稻根系等杂质后，人工磨细，通过100目筛；
（2）样品重金属提取：采用干灰化法提取精米粉中的重金属：每份精米粉样品称1.5000g放入30ml坩埚中，将样品置于马弗炉中550℃灰化9-11 h，打开炉门，冷却后取出，加入2ml的HCl充分溶解，用去离子水稀释至25ml，用定量滤纸过滤后待测，用0.005 M DTPA提取土壤中的重金属，用电感耦合等离子体原子发射光谱法同时测定As、Cd、Cr、Cu、Pb和Ni含量，用pH计测定土壤pH，水:土比为2.5:1；
（3）数据分析和建立预测模型：对步骤（2）中的数据进行方差分析，通过线性回归分析和方程拟合，稻米重金属含量与土壤重金属DTPA提取态含量的关系可用线性回归方程拟合，基于土壤重金属DTPA提取态含量x来预测水稻籽粒重金属含量y，建立预测模型：
As: y = 0.0389+0.4639x (R2 = 0.6700, p＜0.01 )
Cd: y = 0.0043+1.4196x (R2 = 0.7667, p＜0.01 )
Cr: y =0.0692+0.6315x (R2 = 0.7059, p＜0.01 )
Pb: y =-0.2227+0.1018x (R2 = 0.7213, p＜0.01 )
Ni: y =0.4395+0.4846x (R2 = 0.4709, p＜0.01 )
Cu: y =2.6195+0.4597x (R2 = 0.4946, p＜0.01 )；
（4）风险预测：采样取得土壤中重金属含量的实际数据，通过步骤（3）得到稻米中重金属含量的测试数据，根据测试数据与FAO/WHO规定的标准或国家规定无公害大米标准比较，预测该地区种植稻米的风险。
作为优选，所述对步骤（2）预测模型进行验证验证，选取连续两年6个地区种植水稻的作为试点，采样时间为水稻成熟期，每个试点各随机取，同时取表层土壤，通过步骤（2）分别测定稻米和土壤中As、Pb、Cr和Cd四种重金属含量的实际数据，根据土壤中As、Pb、Cr和Cd四种重金属DTPA提取态含量的数据通过步骤（3）得到稻米中As、Pb、Cr和Cd四种重金属含量的测试数据，然后结合实际测得的数据资料，对预测模型准确性、可靠性和优化性的验证。
作为优选，所述表层土壤的选取深度为0-15cm。
本发明具有以下优点及有益效果：1、绿色环保，不影响农业生产，不改变土壤性质，不产生二次污染；2、操作方便，提取土壤中的重金属DTPA提取态含量，即可通过预测模型预测出该土壤上所产出的稻米是否达到相关标准；3、预测准确性高，通过土壤重金属DTPA提取态含量正确预测水稻籽粒重金属的积累水平，对安全稻米的生产基地的规划、选择具有重要的指导作用，同时可以预先有目的地采取一些农艺措施来降低土壤中一些重金属的有效性或降低稻米对重金属的积累，提高所产稻米的卫生安全水平，保障消费者的身体健康。
附图说明
图1为本发明中51个试点采集的稻米中Cd含量的样品数及其频率分布图，其中，横坐标表示稻米中Cd含量，单位（mg/kg），纵坐标表示频次分布百分比。
图2为本发明中51个试点采集的稻米中Cr含量的样品数及其频率分布图，其中，横坐标表示稻米中Cr含量，单位（mg/kg），纵坐标表示频次分布百分比。
图3为本发明中51个试点采集的稻米中Pb含量的样品数及其频率分布图，其中，横坐标表示稻米中Pb含量，单位（mg/kg），纵坐标表示频次分布百分比。
图4为本发明中51个试点采集的土壤重金属As的含量与稻米重金属As含量间的关系图，其中，横坐标表示土壤中重金属As含量，单位（mg/kg），纵坐标表示稻米重金属As含量，单位（mg/kg）。
图5为本发明中51个试点采集的土壤重金属Cd的含量与稻米重金属Cd含量间的关系图，其中，横坐标表示土壤中重金属Cd含量，单位（mg/kg），纵坐标表示稻米重金属Cd含量，单位（mg/kg）。
图6为本发明中51个试点采集的土壤重金属Cr的含量与稻米重金属Cr含量间的关系图，其中，横坐标表示土壤中重金属Cr含量，单位（mg/kg），纵坐标表示稻米重金属Cr含量，单位（mg/kg）。
图7为本发明中51个试点采集的土壤重金属Pb的含量与稻米重金属Pb含量间的关系图，其中，横坐标表示土壤中重金属Pb含量，单位（mg/kg），纵坐标表示稻米重金属Pb含量，单位（mg/kg）。
图8为本发明中51个试点采集的土壤重金属Ni的含量与稻米重金属Ni含量间的关系图，其中，横坐标表示土壤中重金属Ni含量，单位（mg/kg），纵坐标表示稻米重金属Ni含量，单位（mg/kg）。
图9为本发明中51个试点采集的土壤重金属Cu的含量与稻米重金属Cu含量间的关系图，其中，横坐标表示土壤中重金属Cu含量，单位（mg/kg），纵坐标表示稻米重金属Cu含量，单位（mg/kg）。
具体实施方式
下面结合实施例对本发明作进一步说明，但本发明的实施方式不限于此。
实施例。
参见图1-9，本发明所述的基于土壤重金属DTPA提取态含量的水稻籽粒重金属污染风险预测方法，主要由以下步骤构成：
（1）分别在2002年和2003年连续两年，采集浙江省嘉兴、湖州、杭州、宁波、绍兴等晚粳主产区共51个试点（N 29°52′- N 30°50′, E 119°46′- E 121°34′）的土壤和水稻稻穗样品，其中2002年35个试点，2003年16个试点。采样点均为当地有代表性的田块，水稻品种系当地主栽品种。采样时间为水稻成熟期，各试点随机取5丛约30-40穗，同时取表层土壤（0-15 cm）1 kg。
（2）所取稻穗在室内自然风干30天后，脱粒，用试验用脱糙机脱成糙米，后用试验用精米机碾成精米，精米于恒温箱中70℃烘约48 h至恒重，用不锈钢粉碎机粉碎成精米粉，过100目筛。采用干灰化法提取精米粉中的重金属：每份样品称1.5000g左右放入30ml坩埚中，将样品置于马弗炉中550℃灰化10 h，打开炉门，冷却后取出，加入2ml 1:1（v/v） HCl充分溶解，用去离子水稀释至25ml，用定量滤纸过滤后待测。土壤样品于自然室温下风干，充分混合，去除小石块、水稻根系等杂质后，人工磨细，通过100目筛。参照Lindsay和Norvell的方法用0.005 M DTPA提取土壤中的重金属，用ICP-AES（全谱直读电感耦合等离子体原子发射光谱仪，TJA，USA）同时测定As、Cd、Cr、Cu、Pb、Ni含量。用pH计测定土壤pH，水:土比为2.5:1（v/w）。
参见表1，51个采样点的土壤pH变动为4.6-8.6，平均为6.1，说明试点间土壤pH差异很大，大多表现为酸化现象。土壤的DTPA提取态重金属含量各试点差异明显。为了说明试点间的差异程度，以土壤或籽粒中各重金属含量的最大值与最小值的比值表示其绝对差（Absolute difference，AD），以变异系数（CV）表示其变异程度。在所有土壤样品中，Cd的AD最小，为4.99，Ni的AD最大，达38.10；从变异程度上看，Fe 的CV 最小，为0.281，Ni的CV最大，达1.408。
稻米重金属含量同样存在着很大的差异，且这种差异的大小因元素而异。一些营养元素的AD相对较小，如Zn、Cu和Fe，从Zn的2.25到Fe的7.33；几种植物非必需元素，除Ni外，AD值均较大，特别是Cd、Cr和Pb，分别达20.38、24.91和51.21。
参见表2，稻米重金属含量的基因型差异也十分明显，如嘉花1号和秀水110在不同地区种植时，除Cu外，其余元素均存在显著或极显著的基因型差异。
参见表3，土壤重金属有效性受土壤pH的影响，低pH （土壤酸性）下，As、Cd、Cr和Fe的有效性较高，达显著水平，而Ni和Cu的有效性较低，但不达显著水平。土壤DTPA提取态As和Pb、Cu和Zn间存在着显著正相关，说明土壤中这些重金属可能表现为复合污染。与此相似，土壤中一些元素的DTPA提取态含量间也存在显著正相关，如Cr和Fe、Pb和Zn或Cu、Ni和Cu或Zn以及Cu和Zn之间，而DTAP提取态Cr和Ni或Zn含量间存在显著的负相关，土壤重金属有效性主要受土壤理化性状的影响，众多公开试验研究已表明，土壤pH是影响土壤重金属有效性的最重要因子之一，随着土壤pH降低（土壤酸化），土壤As、Cd、Ni、Fe、Cr和Cu等有效态含量增加。
表1. 不同稻米和土壤样品的重金属含量和土壤pH值(pH and metal content in soil and rice grain samples collected from the different locations)
注明： CV,变异系数(coefficient of variation)。
表2. 嘉花1号和秀水110在不同地区种植时的稻米重金属含量（Heavy metal concentrations in rice grains of two rice genotypes, Jiahua 1 and Xiushui 110）
注明： * , **和ns分别表示差异显著、极显著和不显著(* , ** and ns mean the significance at 95% (p<0.05), 99% (p<0.01) probability levels and no significance, respectively)。
表3. 稻米与土壤重金属含量之间的相关性（The correlation coefficients among metal concentrations in rice grains and soils）
注明： * 和**分别表示差异显著和极显著(* and ** mean the significance at 95% (p<0.05) and 99% (p<0.01) probability levels, respectively)。
（3）数据分析和建立预测模型：用DPS （Data Processing System）软件对步骤（2）中的数据进行方差分析（ANOVA），通过线性回归分析和方程拟合，稻米重金属含量与土壤重金属DTPA提取态含量的关系可用线性回归方程较好拟合，基于土壤重金属DTPA提取态含量（x）来预测水稻籽粒重金属含量（y），建立预测模型为（参见图4-9）：
As: y = 0.0389+0.4639x (R2 = 0.6700, p＜0.01 )
Cd: y = 0.0043+1.4196x (R2 = 0.7667, p＜0.01 )
Cr: y =0.0692+0.6315x (R2 = 0.7059, p＜0.01 )
Pb: y =-0.2227+0.1018x (R2 = 0.7213, p＜0.01 )
Ni: y =0.4395+0.4846x (R2 = 0.4709, p＜0.01 )
Cu: y =2.6195+0.4597x (R2 = 0.4946, p＜0.01 )；预测模型中的R2 是决定系数，p<0.01是具体是通过统计，分析模型与实际的符合程度R2是否达到极显著水平，如达显著或极显著水平，就表明该模型的符合程度较高，可应用。
可见，稻米中一些重金属的含量，包括As、Pb、Cr、Cd、Ni、Cu，与土壤重金属DTPA提取态含量具有极显著正相关，说明土壤重金属DTPA提取态含量是评价土壤重金属有效态含量的一个良好指标，同时土壤重金属DTPA含量反映了土壤pH的影响程度，基于已建立的预测模型，稻米重金属含量可根据土壤重金属DTPA提取态含量进行预测。
（4）预测模型的验证：
FAO/WHO提出的谷物Cd、Cr、Pb和As的最大许可值（AMV）分别为0.1、1.0、0.2和0.4 mg/kg（Codex Alimentarius Commission，2000），这样，根据这一标准，本试验所采集的51稻米样品中，有33.3%、5.0%和21.6%的样品分别高于Cd、Cr和Pb的AMV，但没有样品出现As超标。我国也对谷类中一些主要有毒重金属规定了AMV，农业部最近颁布的“无公害食品——大米”标准（NY5115-2002）为：Cd 0.2 mg/kg，Pb 0.2 mg/kg，As 0.5 mg/kg，国家标准也限定了粮食中Cr含量，为1.0 mg/kg（GB14961-94），因此，对照我国的标准，所取样品中有9.8%、5.0%和21.6%分别表现Cd、Cr和Pb超标，但没有发现超过FAO/WHO的As（0.4 mg/kg）、Cu（10.0 mg/kg）和Zn（50 mg/kg）标准的样品（参见图1-3）。由此可见，目前对浙江省晚粳稻安全生产影响最大的重金属是Cd、Pb和Cr。
具体数据参见表4，取连续两年上述51个试点中的6个作为试点，种植品种为秀水110，采样时间为水稻成熟期，每个试点各随机取5丛约30-40穗，同时取表层土壤（0-15 cm）1 kg，通过步骤（2）分别测定稻米和土壤中As、Pb、Cr和Cd等四种重金属含量的数据，根据土壤中的As、Pb、Cr和Cd等四种重金属含量的数据通过预测模型计算出稻米中As、Pb、Cr和Cd等四种重金属含量的预测值，通过预测值与实测数据比较，结果表明，实测数据与预测值的差异较小，因此，基于已建立的预测模型，稻米重金属含量可根据土壤重金属DTPA提取态含量进行预测。
表4. 利用预测模型与特殊模型对6个点秀水110稻米四种重金属含量的实测值与预测值的比较（Measured and predicted values based on the common and the special regression models for grain As, Pb, Cr and Cd concentrations of rice cultivar Xuishui 110 grown in 6 diverse locations）
注明：DTPA-S, 土壤DTPA提取态含量(DTPA-extracted soil content);MGV, 稻米中的实测值(Measured value in grain); PGV-C, 基于预测模型的预测值(Predicted value in grain based on common regression model)。
（5）风险预测：FAO/WHO提出的谷物Cd、Cr、Pb和As的最大许可值（AMV）分别为0.1、1.0、0.2和0.4 mg/kg（Codex Alimentarius Commission，2000），我国也对谷类中一些主要有毒重金属规定了AMV，农业部最近颁布的“无公害食品——大米”标准（NY5115-2002）为：Cd 0.2 mg/kg，Pb 0.2 mg/kg，As 0.5 mg/kg，国家标准也限定了粮食中Cr含量，为1.0 mg/kg（GB14961-94），对照FAO/WHO提出的谷类重金属AMV，根据通用预测模型可以计算出生产安全晚粳米的土壤重金属DTPA提取态含量临界值，Cd、Cr和Pb分别为0.0674 mg/kg、1.4740mg/kg和4.3736 mg/kg，根据这一标准可以预测，即如果土壤中这三种重金属的DTPA提取态含量超过其相应临界值，则表明在这些田块上生产的稻米其相应重金属超标的风险较大，通过选用籽粒重金属积累低的品种或通过适宜的农艺技术，如合理的水分管理，降低籽粒重金属含量，生产出低于稻米中最大许可含量（AMV）的安全稻米。
本发明的预测模型对安全稻米的生产基地的规划、选择具有重要的指导作用，同时可以预先有目的地采取一些农艺措施来降低土壤中一些重金属的有效性或降低稻米对重金属的积累，提高所产稻米的卫生安全水平，保障消费者的身体健康。
Claims (3)
1.一种基于土壤重金属DTPA提取态含量的水稻籽粒重金属污染风险预测方法，其特征在于：主要由以下步骤构成：
（1）取样和预处理：连续两年采集在不同地区的晚粳主产区的土壤和水稻稻穗样品，采样点均为当地有代表性的田块，水稻品种系当地主栽品种，采样时间为水稻成熟期，各点随机取样，同时取表层土壤，所取稻穗在室内自然风干30天后，脱粒，用试验用脱糙机脱成糙米，后用试验用精米机碾成精米，精米于恒温箱中70℃烘45h-49h至恒重，用不锈钢粉碎机粉碎成精米粉，过100目筛，所取土壤样品于自然室温下风干，去除小石块、水稻根系等杂质后，人工磨细，通过100目筛；
（2）样品重金属提取：采用干灰化法提取精米粉中的重金属：每份精米粉样品称1.5000g放入30ml坩埚中，将样品置于马弗炉中550℃灰化9-11 h，打开炉门，冷却后取出，加入2ml的HCl充分溶解，用去离子水稀释至25ml，用定量滤纸过滤后待测，用0.005 M DTPA提取土壤中的重金属，用电感耦合等离子体原子发射光谱法同时测定As、Cd、Cr、Cu、Pb和Ni含量，用pH计测定土壤pH，水:土比为2.5:1；
（3）数据分析和建立预测模型：对步骤（2）中的数据进行方差分析，通过线性回归分析和方程拟合，稻米重金属含量与土壤重金属DTPA提取态含量的关系可用线性回归方程拟合，基于土壤重金属DTPA提取态含量x来预测水稻籽粒重金属含量y，建立预测模型：
As: y = 0.0389+0.4639x (R2 = 0.6700, p＜0.01 )
Cd: y = 0.0043+1.4196x (R2 = 0.7667, p＜0.01 )
Cr: y =0.0692+0.6315x (R2 = 0.7059, p＜0.01 )
Pb: y =-0.2227+0.1018x (R2 = 0.7213, p＜0.01 )
Ni: y =0.4395+0.4846x (R2 = 0.4709, p＜0.01 )
Cu: y =2.6195+0.4597x (R2 = 0.4946, p＜0.01 )；
（4）风险预测：采样取得土壤中重金属含量的实际数据，通过步骤（3）得到稻米中重金属含量的测试数据，根据测试数据与FAO/WHO规定的标准或国家规定无公害大米标准比较，预测该地区种植稻米的重金属污染风险。
2.根据权利要求1所述的基于土壤重金属DTPA提取态含量的水稻籽粒重金属污染风险预测方法，其特征在于：所述对步骤（2）预测模型进行验证验证，选取连续两年6个地区种植水稻的作为试点，采样时间为水稻成熟期，每个试点各随机取样，同时取表层土壤，通过步骤（2）分别测定稻米和土壤中As、Pb、Cr和Cd四种重金属含量的实际数据，根据土壤中As、Pb、Cr和Cd四种重金属DTPA提取态含量的数据通过步骤（3）得到稻米中As、Pb、Cr和Cd四种重金属含量的测试数据，然后结合实际测得的数据资料，对预测模型准确性、可靠性和优化性的验证。
3.根据权利要求1或2所述的基于土壤重金属DTPA提取态含量的水稻籽粒重金属污染风险预测方法，其特征在于：所述表层土壤的选取深度为0-15cm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310605938.1A CN103616368B (zh) | 2013-11-26 | 2013-11-26 | 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310605938.1A CN103616368B (zh) | 2013-11-26 | 2013-11-26 | 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103616368A true CN103616368A (zh) | 2014-03-05 |
| CN103616368B CN103616368B (zh) | 2016-07-06 |
Family
ID=50167074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310605938.1A Active CN103616368B (zh) | 2013-11-26 | 2013-11-26 | 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103616368B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104034718A (zh) * | 2014-05-19 | 2014-09-10 | 宁波大学 | Icp-aes测定土壤中镉含量的方法 |
| CN104686267A (zh) * | 2015-03-26 | 2015-06-10 | 四川省农业科学院分析测试中心 | 早期预测稻米中重金属镉含量的方法 |
| CN106124467A (zh) * | 2016-06-21 | 2016-11-16 | 何文 | 一种土壤活性态砷、铋、锑的检测方法 |
| CN106599578A (zh) * | 2016-12-13 | 2017-04-26 | 南京财经大学 | 一种预测精米中重金属含量的方法 |
| CN107478580A (zh) * | 2017-07-31 | 2017-12-15 | 中国科学院遥感与数字地球研究所 | 基于高光谱遥感的土壤重金属含量估算方法及装置 |
| CN108154305A (zh) * | 2017-12-27 | 2018-06-12 | 广州安食通信息科技有限公司 | 一种食品安全检测信息管理平台及其实现方法 |
| CN109632776A (zh) * | 2018-12-19 | 2019-04-16 | 湖北省食品质量安全监督检验研究院 | 快速选择性检测食品中添加铝的方法及试剂盒 |
| CN111462834A (zh) * | 2019-11-14 | 2020-07-28 | 中国科学院地理科学与资源研究所 | 一种植物中镉过量的概率值的预测方法及系统 |
| CN112345622A (zh) * | 2020-10-09 | 2021-02-09 | 广电计量检测（湖南）有限公司 | 一种土壤有效态镉的测试方法 |
| CN112348691A (zh) * | 2020-10-30 | 2021-02-09 | 农业农村部环境保护科研监测所 | 一种原位识别农产品重金属含量潜在超标区域的方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101696968A (zh) * | 2009-10-14 | 2010-04-21 | 四川农业大学 | 监测土壤重金属含量的新方法 |
-
2013
- 2013-11-26 CN CN201310605938.1A patent/CN103616368B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101696968A (zh) * | 2009-10-14 | 2010-04-21 | 四川农业大学 | 监测土壤重金属含量的新方法 |
Non-Patent Citations (4)
| Title |
|---|
| 吴志强等: "贵州黔西北铅锌矿区土壤重金属污染及生物有效性研究", 《安全与环境工程》 * |
| 林蕾等: "基于不同终点测定土壤中Zn的毒性阈值及其田间验证", 《农业环境科学学报》 * |
| 程旺大等: "晚粳稻籽粒中As、Cd、Cr、Ni、Pb等重金属含量的基因型与环境效应及其稳定性", 《作物学报》 * |
| 黄锦孙等: "田间土壤外源铜镍在小麦中的累积及其毒害研究", 《环境科学》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104034718A (zh) * | 2014-05-19 | 2014-09-10 | 宁波大学 | Icp-aes测定土壤中镉含量的方法 |
| CN104686267A (zh) * | 2015-03-26 | 2015-06-10 | 四川省农业科学院分析测试中心 | 早期预测稻米中重金属镉含量的方法 |
| CN104686267B (zh) * | 2015-03-26 | 2017-08-25 | 四川省农业科学院分析测试中心 | 早期预测稻米中重金属镉含量的方法 |
| CN106124467A (zh) * | 2016-06-21 | 2016-11-16 | 何文 | 一种土壤活性态砷、铋、锑的检测方法 |
| CN106599578A (zh) * | 2016-12-13 | 2017-04-26 | 南京财经大学 | 一种预测精米中重金属含量的方法 |
| CN106599578B (zh) * | 2016-12-13 | 2018-10-16 | 南京财经大学 | 一种预测精米中重金属含量的方法 |
| CN107478580B (zh) * | 2017-07-31 | 2020-08-25 | 中国科学院遥感与数字地球研究所 | 基于高光谱遥感的土壤重金属含量估算方法及装置 |
| CN107478580A (zh) * | 2017-07-31 | 2017-12-15 | 中国科学院遥感与数字地球研究所 | 基于高光谱遥感的土壤重金属含量估算方法及装置 |
| CN108154305A (zh) * | 2017-12-27 | 2018-06-12 | 广州安食通信息科技有限公司 | 一种食品安全检测信息管理平台及其实现方法 |
| CN109632776A (zh) * | 2018-12-19 | 2019-04-16 | 湖北省食品质量安全监督检验研究院 | 快速选择性检测食品中添加铝的方法及试剂盒 |
| CN111462834A (zh) * | 2019-11-14 | 2020-07-28 | 中国科学院地理科学与资源研究所 | 一种植物中镉过量的概率值的预测方法及系统 |
| CN112345622A (zh) * | 2020-10-09 | 2021-02-09 | 广电计量检测（湖南）有限公司 | 一种土壤有效态镉的测试方法 |
| CN112348691A (zh) * | 2020-10-30 | 2021-02-09 | 农业农村部环境保护科研监测所 | 一种原位识别农产品重金属含量潜在超标区域的方法及装置 |
| CN112348691B (zh) * | 2020-10-30 | 2022-05-13 | 农业农村部环境保护科研监测所 | 一种原位识别农产品重金属含量潜在超标区域的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103616368B (zh) | 2016-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103616368A (zh) | 一种基于土壤重金属dtpa提取态含量的水稻籽粒重金属污染风险预测方法 | |
| Velasquez et al. | Soil macrofauna as an indicator for evaluating soil based ecosystem services in agricultural landscapes | |
| Martinez-Feria et al. | Rye cover crop effects on maize: A system-level analysis | |
| Cheng et al. | Soil quality evaluation for navel orange production systems in central subtropical China | |
| Liu et al. | Analysis of spatio-temporal variation of crop yield in China using stepwise multiple linear regression | |
| El‐Hendawy et al. | A comparison of screening criteria for salt tolerance in wheat under field and controlled environmental conditions | |
| Zhou et al. | Quantitative and detailed spatiotemporal patterns of drought in China during 2001–2013 | |
| Zhao et al. | Distribution of high-yield and high-yield-stability zones for maize yield potential in the main growing regions in China | |
| Pinno et al. | Maximizing natural trembling aspen seedling establishment on a reclaimed boreal oil sands site | |
| Zhang et al. | Converting paddy fields to Lei bamboo (Phyllostachys praecox) stands affected soil nutrient concentrations, labile organic carbon pools, and organic carbon chemical compositions | |
| Hou et al. | Comprehensive assessment of fertilization, spatial variability of soil chemical properties, and relationships among nutrients, apple yield and orchard age: A case study in Luochuan County, China | |
| Ruisi et al. | Tillage effects on yield and nitrogen fixation of legumes in Mediterranean conditions | |
| Slobodian et al. | Cultivation‐induced effects on belowground biomass and organic carbon | |
| Tian et al. | Evaluation of soil quality in major grain-producing region of the North China Plain: Integrating minimum data set and established critical limits | |
| CN103658162A (zh) | 一种在土壤重金属轻中度污染农田上持续生产安全晚粳稻米的方法 | |
| Jibrin et al. | Simulating planting date and cultivar effects on dryland maize production using CERESmaize model | |
| Lawal et al. | Properties, classification and agricultural potentials of lateritic soils of Minna in sub-humid agroecological zone, Nigeria | |
| Lötter et al. | Seasonal variation in the nitrogen nutrition and carbon assimilation in wild and cultivated Aspalathus linearis (rooibos tea) | |
| Li et al. | A comprehensive index for assessing regional dry-hot wind events in Huang-Huai-Hai Region, China | |
| CN108398480A (zh) | 叶菜中镉污染风险监测预警方法 | |
| Zhao et al. | A quantification of the effects of erosion on the productivity of purple soils | |
| Li et al. | The key driving factors of irrigation water productivity based on soil spatio-temporal characteristics | |
| Maulood et al. | Soil quality index models for assessing walnut orchards in northern Erbil Province, Iraq | |
| Sarker et al. | On-farm evaluation and system productivity of Wheat-Jute-T. Aman rice cropping pattern in char area of Bangladesh | |
| Luo et al. | Responses of ecosystem water use efficiency to drought in the Lancang–Mekong River Basin |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 314016 Jiaxing Academy of Agricultural Sciences, Shuangqiao, Xiuzhou District, Jiaxing City, Zhejiang Province Patentee after: Jiaxing Academy of Agricultural Sciences Address before: 314016 Jiaxing Academy of Agricultural Sciences, Shuangqiao, Xiuzhou District, Jiaxing City, Zhejiang Province Patentee before: Jiaxing Academy of Agricultural Sciences, Zhejiang Province |