CN104965057B

CN104965057B - 一种农田面源污染县域地表径流总磷排放量的预测方法

Info

Publication number: CN104965057B
Application number: CN201510303193.2A
Authority: CN
Inventors: 刘申; 刘宏斌; 雷秋良; 翟丽梅; 王洪媛; 武淑霞
Original assignee: Institute of Agricultural Resources and Regional Planning of CAAS
Current assignee: Institute of Agricultural Resources and Regional Planning of CAAS
Priority date: 2015-03-27
Filing date: 2015-06-04
Publication date: 2017-05-10
Anticipated expiration: 2035-06-04
Also published as: CN104965057A

Abstract

本发明提出一种农田面源污染县域地表径流总磷排放量预测方法，包括步骤：1)通过农田面源污染发生分区，获取不同分区中县级行政区划范围，针对一种分区的县级生物化学检测，获得N年县级地表径流总磷排放量；2)选择N‑x年影响地表径流总磷排放量的磷排放量数据，建立与N年地表径流总磷县级预测模型；3)应用地表径流总磷县级预测模型，通过N年影响地表径流总磷排放量的数据，求得第N+x年的地表径流总磷排放量。本发明提出的方法，针对县域农田面源污染地表径流总磷无法预测的难题，在农田面源污染发生区划的基础上，建立地表径流总磷排放量预测模型，预测农田地表径流总磷排放量，为农业面源污染防治提供技术支撑。

Description

一种农田面源污染县域地表径流总磷排放量的预测方法

技术领域

本发明属于测量领域，具体涉及一种总磷排放量的预测方法。

背景技术

农业面源污染是农田生态环境质量下降、地表水富营养化、地下水硝酸盐污染、农田生产能力降低的重要原因。系统氮磷缺损(投入>产出),会降低土壤肥力,造成作物减产；系统氮磷盈余(投入<产出)会增加土壤氮磷的流失风险，威胁地表水和地下水环境。但是由于农业污染具有非点源污染的特征，随机性强，监测十分困难。区县是我国最为稳定的行政区划，是行政调节或指导农业生产的有效单位。准确预测县域尺度的总氮排放量对农药、肥料、种子的使用管理、作物种植均有重要意义。

目前用于农田面源污染氮磷排放预测研究方法主要有面源污染物理模型法。面源污染物理模型是基于对污染物产生、迁移过程进行模拟的机理模型，应用较多的有SWAT、AGNPS、HSPF、ANSWERS等。面源污染物理模型法不仅可以估算污染物输出负荷，模拟污染物产生、迁移、转化过程，并可对面源污染的发展进行预测，但此类模型研究范围以流域为主,结构复杂，基础数据、参数数据需求量大，计算效率低(Tripathi et al.,2003；Beher etal.,2006；Panagopoulos et al.,2011；Shang et al.,2012；Niraula et al.,2012；Niraula et al.,2013；吴春玲,2013；邓欧平等,2013)。基于含磷量数据预测总磷排放量通常是以流域或田块为地理基准，存在获取数据困难、计算时间太长的缺陷。

目前，我国还没有县域尺度上农田面源污染预测模型，因此，如何全面、实时、准确地预测县域农田面源污染发展趋势将有利于今后科学防治农业面源污染。

发明内容

针对本领域的不足之处，本发明的目的是提供一种农田面源污染县域地表径流总磷排放量预测方法。

实现本发明目的的技术方案为：

一种农田面源污染县域地表径流总磷排放量的预测方法，包括步骤：

1)基于全国各区县地貌、气候、肥料施用等自然因素，确定农田面源污染发生区划，确定各农田面源污染地表径流总磷发生分区及各分区涉及县级行政区划范围；

2)基于县级区域的生物化学检测，获得第N年和第N-x年全国各县的农田面源污染造成的总磷地表径流排放量(SB)，x为1～5的正整数；

3)选择影响总磷地表径流排放量(SB)的磷排放量数据：种子带入途径(ZT)、化肥施用途径(FH)、有机肥施用途径(FY)、大气降水途径(SJ)、灌溉带入途径(SG)、秸秆还田途径(JT)、作物收获带出途径(ZS)、地下淋溶流失途径(SX)、和秸秆移除途径(JY)的磷排放量数据，

建立地表径流总磷县域预测模型如下所示：

SX＝a+b×ZT+c×FH+d×FY+e×SJ+f×SG+g×JT+h×ZS+i×SB+j×JY

(1)

式(1)中，a为常数项，b、c、d、e、f、g、h、i、j为回归系数；等式左边为第N年的总磷地表径流排放量，等式右边为影响总磷地表径流排放量的磷排放量数据为第N-x年的数据；

选择该农田面源污染发生分区内所有县级行政区划数据，代入所述数学模型中，用多元统计分析法求得a～j的数值；

4)应用马尔科夫分析方法，在所述预测模型中代入步骤2)求得的a～j的数值、第N年的影响总磷地表径流排放量的磷排放量数据，求得第N+2年的总磷地表径流排放量(SB)。

优选地，所述x为1～3的正整数。

其中，所述的总磷排放量数据中，种子带入途径(ZT)通过测量县域农田不同种子播种量、不同种子中的含磷量求得；化肥施用途径(FH)和有机肥施用途径(FY)根据县域农田不同种植模式面积、化肥与有机肥施用量求得；大气降水途径(SJ)通过测定农田年降水量和降水中含磷量确定；灌溉带入途径(SG)通过测定灌溉量和灌溉用水中含磷量来确定；秸秆还田途径(JT)、秸秆移除途径(JY)和作物收获带出途径(ZS)通过作物播种面积、秸秆还田比例、秸秆移除比例以及测定秸秆和籽粒中的含磷量求得；地表径流流失途径(SB)通过测定地表径流水量和采集地表径流水含磷量求得；地下淋溶流失途径(SX)通过测定地下淋溶水量和采集淋溶水含磷量求得定。

其中，所述选择的县级行政区划应属于同一个农田面源污染发生区，所述农田面源污染发生区为南方湿润区、南方湿润丘陵区、北方高原区、东北半湿润平原区、西北干旱区、西北干旱半干旱区中的一种。

本发明的有益效果在于：

针对县域农田面源污染地表径流总磷无法预测的难题，在农田面源污染发生区划的基础上，基于农业生态学物质循环理论，提出地表径流总磷影响因素，建立地表径流总磷排放量预测模型，预测农田地表径流总磷排放量，为农业面源污染防治提供支撑。

附图说明

图1农田面源污染途径示意图。

图中，1是种子带入途径、2是化肥施用途径、3是有机肥施用途径、4是大气降水途径、5是灌溉带入途径、6是秸秆还田途径、7是作物收获带出途径、8是地下淋溶流失途径、9是地表径流流失途径、10是秸秆移除途径。

具体实施方式

现以以下实施例来说明本发明，但不用来限制本发明的范围。实施例中使用的手段，如无特别说明，均使用本领域常规的手段。

实施例1：

本实施例选择黄淮海半湿润平原区农田面源污染地表径流总磷排放量预测。

黄淮海半湿润平原区包括黄河、淮河、海河流域中下游的北京、天津、河北、山东、河南大部以及苏北、皖北、黄河支流的汾渭盆地和长江流域的南阳盆地，共计636个县，耕地面积2735万ha，土壤类型以潮土、褐土、棕壤为主。该区地形平坦，肥料投入量高，灌溉条件好。主要考虑肥料和农药淋溶污染，特别是集约化蔬菜种植区；在棉区和露地蔬菜种植区地膜残留污染较为普遍。

预测方法包括步骤：

1)基于全国各区县地貌、气候、肥料投入等农田面源污染发生影响因素，聚类各县域农田面源污染地表径流总磷排放类型，统计黄淮海半湿润平原区内相同类型区县，统计其中全部县份的总磷排放量(SB)和地下淋溶影响因素导致的磷排放量；

统计的磷排放量数据中，种子带入途径(ZT)通过测量县域农田不同种子播种量、不同种子中的含磷量求得；化肥施用途径(FH)和有机肥施用途径(FY)根据县域农田不同种植模式面积、化肥与有机肥施用量求得；大气降水途径(SJ)通过测定农田年降水量和降水中含磷量确定；灌溉带入途径(SG)通过测定灌溉量和灌溉用水中含磷量来确定；秸秆还田途径(JT)、秸秆移除途径(JY)和作物收获带出途径(ZS)通过作物播种面积、秸秆还田比例、秸秆移除比例以及测定秸秆和籽粒中的含磷量求得；地下淋溶流失途径(SX)通过测定地下淋溶水量和采集淋溶水含磷量求得定。

2)结合统计数据和实地监测数据，设定预测数学模型的步长x为2年，核算黄淮海半湿润平原区内区县农田面源污染2012年地表径流总磷排放量(SB)和2010年影响因素磷通量。

其中总磷地下淋溶影响因素包括种子带入途径(ZT)、化肥施用途径(FH)、有机肥施用途径(FY)、大气降水途径(SJ)、灌溉带入途径(SG)、秸秆还田途径(JT)、作物收获带出途径(ZS)、地下淋溶流失途径(SX)和秸秆移除途径(JY)，相互关系见图1。

表1 2012年县域地表径流总磷排放量及2010年影响因素(吨)

3)应用马尔科夫分析方法，建立地表径流总磷县域预测模型如下所示：

SX＝a+b×ZT+c×FH+d×FY+e×SJ+f×SG+g×JT+h×ZS+i×SB+j×JY

(1)

4)将2012年地表径流总磷排放量、2010年份对应的地表径流磷排放量各影响因素的数值输入R统计软件，采用多元统计分析法，求得总磷排放量预测模型中常数项a的值、回归系数b、c、d、e、f、g、h、i、j的值。

SB＝4614+(-0.121)×ZT+(-0.000367)×FH+(-0.0007048)×FY+(3.328)×SJ+(0.03928)×SG+(-0.04686)×JT+(0.003354)×ZS+(0.1917)×SX+(-0.03005)×JY

回归分析的拟合度R²＝0.9181

5)基于上式中确定了的常数项a的值、回归系数b、c、d、e、f、g、h、i、j的值，代入2012年地表径流磷排放量各影响因素的数值(表2)，预测2014年黄淮海半湿润平原区农田面源污染总磷排放量(SB，表3)，为农田面源污染防治提供技术支撑。

表2 2012年县域地表径流总磷排放量影响因素(吨)

表3 2014年县域地表径流总磷预测排放量(吨)

区县代码	2014年SB
		210113	5
210114	34
		210122	31
210123	24
		210124	5
210181	11
		210211	23
210212	19
		210213	40

以上的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通工程技术人员对本发明的技术方案作出的各种变型和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims

1.一种农田面源污染县域地表径流总磷排放量的预测方法，其特征在于，包括步骤：

1)基于全国各区县地貌、气候、肥料施用的自然因素，确定农田面源污染发生区划，确定各农田面源污染地表径流总磷发生分区及各分区涉及县级行政区划范围；

2)基于县级区域的生物化学检测，获得第N年和第N-x年全国各县的农田面源污染造成的地表径流总磷排放量SB，x为预测模型的步长，x为1～5的正整数中的一个；

3)选择影响地表径流总磷排放量SB的磷排放量数据：种子带入途径ZT、化肥施用途径FH、有机肥施用途径FY、大气降水途径SJ、灌溉带入途径SG、秸秆还田途径JT、作物收获带出途径ZS、地下淋溶流失途径SX、和秸秆移除途径JY的磷排放量数据，

建立地表径流总磷的县级行政区划预测模型如下所示：

SB＝a+b×ZT+c×FH+d×FY+e×SJ+f×SG+g×JT+h×ZS+i×SX+j×JY (1)

式(1)中，a为常数项，b、c、d、e、f、g、h、i、j为回归系数；等式左边为第N年的地表径流总磷排放量，等式右边影响地表径流总磷排放量的磷排放量数据为第N-x年的数据；

选择该农田面源污染发生分区内所有县级行政区划数据，代入所述预测模型中，用多元统计分析法求得a～j，向预测模型中代入求得的a～j的数值、第N年的影响地表径流总磷排放量的磷排放量数据，求得第N+x年的地表径流总磷排放量SB，各步骤中x为同一个值。

2.根据权利要求1所述的预测方法，其特征在于，所述x为1～3的正整数中的一个。

3.根据权利要求1所述的预测方法，其特征在于，总磷排放量数据中，种子带入途径ZT通过测量县域农田不同种子播种量、不同种子中的含磷量求得；化肥施用途径FH和有机肥施用途径FY根据县域农田不同种植模式面积、化肥与有机肥施用量求得；大气降水途径SJ通过测定农田年降水量和降水中含磷量确定；灌溉带入途径SG通过测定灌溉量和灌溉用水中含磷量来确定；秸秆还田途径JT、秸秆移除途径JY和作物收获带出途径ZS通过作物播种面积、秸秆还田比例、秸秆移除比例以及测定秸秆和籽粒中的含磷量求得；地表径流总磷排放量SB通过测定地表径流水量和采集地表径流水含磷量求得；地下淋溶流失途径SX通过测定地下淋溶水量和采集淋溶水含磷量求得定。

4.根据权利要求1所述的预测方法，其特征在于，所述选择的县级行政区划属于同一个农田面源污染发生区，所述农田面源污染发生区为南方湿润区、北方高原区、东北半湿润平原区、西北干旱区中的一种。