CN105009768A - 一种流域尺度氮素化肥最大允许投入量的确定方法 - Google Patents

Abstract

本发明涉及一种流域尺度氮素化肥最大允许投入量的确定方法，该方法包括以下步骤：(1)选取典型研究区；(2)构建典型研究区面源污染的模型，并模拟验证；(3)建立氮素化肥投入量与氮素输出浓度的响应关系；(4)根据目标研究区环境规划及环境分区水质要求，确定保证目标研究区地表水水质安全的总氮浓度限值；(5)确定目标研究区氮素化肥最大允许投入量。本发明提供的方法在流域尺度农业面源污染防控管理技术领域具有非常好的应用前景。

Description

一种流域尺度氮素化肥最大允许投入量的确定方法

技术领域

本发明涉及农业环境保护技术领域，具体涉及一种确定流域尺度氮素化肥最大允许投入量的确定方法。

背景技术

农业面源污染通常指在农业生产活动中，农田中的泥沙、营养盐、农药及其他污染物，在灌溉或降水过程中通过地表径流、壤中流、农田排水和下渗进入水体而造成的地表和地下水环境污染。

氮素化肥的高投入被认为是农业面源污染的主要来源之一，因此迫切需要划定氮素化肥投入的限制性标准及其确定方法，以制定基于农业面源污染防治目标的氮素养分管理方案。

现有氮素化肥检测方法的报道有：

对比文献CN201410442797公开了一种农田氮素投入阈值的计算方法，它是经过对比种植获得数据，继而得到农田作物的产量氮素阈值和农田的环境氮素投入阈值，进而确定农田土壤类型，修正后，计算农田氮素投入阈值。

对比文献CN201310632685公开了一种稻田氮肥施用量的确定方法，它提出了建立稻田施氮量与作物产量和环境指标的直线平台模型，基于直线平台反映的数据信息确定稻田合理施氮量。目前，氮素化肥投入量的确定一般多集中在以产量为考核目标的农学效应方面，而以环境效应为考量目标的方法也多局限于基于“超过作物养分需求的过量养分易发生流失”的风险理论。基于过量养分流失风险理论的氮素化肥投入量确定方法由于缺乏考虑地形、气候等因素对养分流失的影响，无法定量养分在流域内的流失过程，因此无法定量评估氮素化肥投入对目标水体造成的水环境效应。

鉴于以上方法的局限性，有必要建立一种综合考虑氮素流失因素，以对目标水体的环境影响为考核目标的流域尺度氮素化肥投入量的确定方法。

发明内容

本发明的目的是提供一种依据本发明，在建立氮素化肥投入量与氮素输出浓度响应关系的基础上，只需通过调查获知目标研究区的地表水水质安全目标，即可快速确定该研究区氮素化肥最大允许投入量的方法。解决农作物产能和污染之间的矛盾，减少对环境的污染，有利于农业产业的可持续健康发展。

为解决上述问题本发明拟采用的技术方案，确定流域尺度氮素化肥最大允许投入量的方法。

本发明的方法包括以下步骤：

1)选取典型研究区；

2)构建典型研究区面源污染的模型，并模拟验证；

3)建立氮素化肥投入量与氮素输出浓度的响应关系；

4)根据目标研究区环境规划及环境分区水质要求，确定保证目标研究区地表水水质安全的总氮浓度限值；

5)确定目标研究区氮素化肥最大允许投入量。

上述方法中：

步骤1)中典型区域的要求是：①典型性与目标研究区的气象、水文、地形等自然及种植模式、农田管理措施等人为特征一致；涵盖目标研究区主要的土壤类型及土地利用方式；②数据完整易于收集模型模拟所需要的DEM、土壤、土地利用图等空间数据及土壤属性、气象、水文等属性数据；③便利性所处位置交通便利，且为封闭流域，出口较为单一，便于开展水文监测。

步骤2)中：

所述面源污染模型可以采用SWAT模型、AGNPS模型或HSPF模型等。

所述面源污染模型构建包括空间数据与属性数据的构建。空间数据包括DEM、土壤图及土地利用图，其中：

DEM数据，从国家基础信息中心下载，为模型提供基本的地理空间信息；

土壤图，从中科院南土所1:100万的土壤类型图提取，为模型提供土壤的类型及分布等信息；

土地利用图，从当地国土资源部门收集，为模型提供土地利用的类型与分布等信息。

属性数据包括气象数据、土壤属性数据、农田管理数据等，其中：气象数据，从国家气象数据共享网下载，包括温度、湿度、风速、太阳辐射、降雨量等；土壤属性数据，通过土壤类型转制，查阅二次土壤普查数据库及土壤取样分析获得，包括土壤质地、机械组成、含水量、导水率等物理性质及土壤碳、氮、磷含量等化学性质；农田管理数据，通过农户调查和查阅统计数据获得，包括耕作数据(耕作方式、时间、深度)、施肥数据(肥料种类、施用时间、方式及施用量)及灌溉数据(灌溉水来源、灌溉方式、时间及灌溉水量)。

所述面源污染模拟，应用构建的面源污染模型，通过水系提取、子流域划分、HRU(水文响应单元)生成、气象及土壤、管理参数输入等过程运转模型，并根据典型研究区实测的径流、泥沙、氮负荷等数据对模型进行参数校准和验证。

收集流域出口河流流量、泥沙含量及总氮浓度等实测数据，并将模型模拟结果与实测数据进行比较，验证模型适用性。

所述流量数据通过选用Waterlog H-3553气泡水位计自动监测获得；

所述泥沙含量及总氮浓度通过自行采集河流水样，并进行实验室分析获得。

步骤3)中：建立氮素化肥投入量与氮素输出浓度响应关系，通过调查收集目标研究区的氮素化肥习惯性施肥量，并以该值为参考标准，设定习惯性施肥、减施20％、减施40％、减施60％、减施80％、不施等几种施肥情景，应用验证后的面源污染模型，分别模拟不同情景下目标研究区的径流、氮素输出量，计算径流中氮素的浓度。通过对不同情境下氮素化肥投入量与流域氮素输出浓度进行回归分析建立氮素化肥投入与氮素输出浓度的响应关系方程。

步骤4)中：根据目标研究区环境规划及环境分区水质要求，确定保证目标研究区地表水水质安全的总氮浓度限值。

步骤5)中：将保证目标研究区地表水水质安全的总氮浓度限值代入建立的氮素化肥投入量与流域氮素输出浓度响应关系式，确定目标研究区氮素化肥的最大允许投入量。

本发明提供的确定方法具有以下优点：

1、本发明公开的根据流域地表水环境要求计算研究区最大允许施氮量，能够只需通过调查获知研究区的地表水水质安全目标，即可快速确定该研究区氮素化肥最大允许投入量，该方法便捷、可行有效。利用该方法确定的流域尺度氮素化肥最大允许投入量，既能够避免氮肥的浪费，又可以减少对环境的污染，改善农业的生态环境。本方法简单易操作，在流域尺度农业面源污染防控管理技术领域具有非常好的应用前景。

2、该发明以大区域(目标研究区)的代表性小流域(典型研究区)面源污染相关数据为基础构建面源污染模型(实例选取SWAT模型)，并通过实测数据对构建的模型进行校准、验证。

3、通过调查收集目标研究区的氮素化肥习惯性施肥量，并以该值为参考标准，设定习惯性施肥、减施20％、减施40％、减施60％、减施80％、不施等几种施肥情景，应用验证后的面源污染模型，分别模拟不同情景下目标研究区的径流、氮素输出量，计算径流中氮素的浓度。通过对不同情境下氮素化肥投入量与流域氮素输出浓度进行回归分析建立氮素化肥投入与氮素输出浓度的响应关系方程。

4、查阅目标研究区相关水环境保护资料，确定氮素浓度的最高限值。

5、将目标研究区的氮素浓度最高限值代入建立的氮素化肥投入与氮素输出浓度的响应关系方程,计算目标研究区氮素浓度最高限值下的氮素化肥投入量，即目标研究区氮素化肥投入的最大允许量。

该发明的特点为通过目标研究区内的典型研究区构建的面源污染模型建立目标研究区氮素化肥投入与氮素输出浓度的响应关系，一、区别于他人仅局限于根据本研究区数据构建模型来评估本区不同施肥情景产生的水环境效应(未向大范围扩展，也未提出流域尺度氮素化肥投入最大允许量)；二、本发明提出了基于目标水体水质控制目标的流域尺度氮素化肥投入最大允许量，区别于他人根据农学效应(产量水平)和养分流失风险提出的田块尺度氮肥投入阈值(由于从田块流失的氮素向目标水体迁移过程中，沟渠、河道对氮素具有衰减作用。上述两种方法无法直接定量评估氮素化肥施用对目标水体的环境效应，仅能做出定量的风险评估)如：文献CN201410442797和CN201310632685。

6、本发明在有机氮肥、磷、钾等其他肥料施用及其他条件保持现状情况下，旨在通过建立的氮素化肥投入与氮素输出浓度的响应关系，确定氮素化肥的最大允许投入量。

附图说明

图1为凤羽河流域位置图；

图2为常规有机肥施用条件下不同氮素化肥投入量梯度流域总氮输出浓度。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

洱海，是苍山洱海国家级自然保护区，是我国城郊湖泊中得到较好保护而幸存的一颗高原明珠，洱海兼具生产生活、发电、航运、旅游、养殖、调节气候等多种功能，被人称为母亲湖，但近年来由于过量施肥、施肥结构不合理、农田排水直接进入河流等一系列因素，洱海中总氮超过0.2mg/L。

实施例1

1、选取云南高原湖泊区洱海流域的子流域-凤羽河流域作为典型研究区。凤羽河流域地处东经99°51′31〞－100°01′46〞，北纬25°52′48〞－26°05′52〞，位于云南西部大理州洱源县城西南，是洱海流域一个典型子流域(风雨河流域位置图见图1)。

该流域的地形为山地丘陵，海拔2072-3621m，流域面积219km²。气候属北亚热带高原季风气候，四季温差不大，年均温度13.9℃；年平均降水量745mm，冬春干旱，夏秋多雨，雨旱两季分明，5-10月为雨季，雨天多，降雨量大且集中；11月至次年4月为旱季，天气晴朗干燥，雨量稀少。土地利用方式以水田、旱地、林地和荒草地为主，主要作物有水稻、玉米、大蒜、蚕豆和油菜。土壤类型以麻黑汤土、麻灰汤土、棕红土和水稻土为主。

2、收集典型研究区的空间数据和属性数据，空间数据包括数字高程图(DEM)、土壤图、土地利用图，属性数据包括气象数据、土壤属性数据、农田管理数据，建立SWAT(Soil and Water Assessment Tool)面源污染模型数据库，运行模型进行径流、氮素输出模拟。

SWAT模型数据库包括空间数据与属性数据，其中：

A、空间数据包括DEM、土壤图及土地利用图，其中：

DEM数据，从国家基础信息中心下载，为模型提供基本的地理空间信息；

土壤图，从中科院南土所1:100万的土壤类型图提取，为模型提供土壤的类型及分布等信息；

土地利用图，从当地国土资源部门收集，为模型提供土地利用的类型与分布等信息。

B、属性数据包括气象数据、土壤属性数据、农田管理数据等，其中：

气象数据，从国家气象数据共享网下载，包括温度、湿度、风速、太阳辐射、降雨量等；

土壤属性数据，通过土壤类型转制，查阅二次土壤普查数据库及土壤取样分析获得，包括土壤质地、机械组成、含水量、导水率等物理性质及土壤碳、氮、磷含量等化学性质；

农田管理数据，通过农户调查和查阅统计数据获得，包括耕作数据(耕作方式、时间、深度)、施肥数据(肥料种类、施用时间、方式及施用量)及灌溉数据(灌溉水来源、灌溉方式、时间及灌溉水量)。通过水系提取、子流域划分、HRU(水文响应单元)生成、气象等过程运转模型，模拟典型研究区-凤羽河流域流量、泥沙含量及氮输出量。

3、根据凤羽河流域出口河流流量、泥沙含量及总氮浓度等实测数据对模型结果进行校准验证，其中：

流量数据通过选用Waterlog H-3553气泡水位计自动监测获得；

泥沙含量及总氮浓度通过自行采集河流水样，并进行实验室分析获得。

根据上述实测数据，采用SWAT-CUP软件，分别对流域流量、泥沙、总氮等模型模拟结果进行校准、验证。校准、验证期流量、泥沙、总氮模拟结果与实测数据的r²、Ens均较好；说明SWAT模型在该流域具有较好的适用性。

4、通过农户问卷，调查目标研究区主要作物单位面积氮素化肥施氮量，得出目标研究区-洱海流域的氮素化肥习惯性施用水平为392kg N ha^-1a^-1。

以习惯性施肥为标准，设定习惯性施肥、减施20％、减施40％、减施60％、减施80％、不施氮素化肥等施肥情景，应用验证后的SWAT模型，分别模拟不同情景下凤羽河流域流量、氮输出量，计算流域氮输出浓度；不同情景下凤羽河流域流量、氮输出量及输出浓度见下表。

表1：凤羽河流域流量、氮输出量及输出浓度

通过对不同情景下氮素化肥投入量与流域氮输出浓度进行回归分析建立氮素化肥投入与氮素输出浓度的响应关系，拟合曲线见图2，关系式为y＝0.0008x+0.8357(其中y为总氮输出浓度，x为氮素化肥施用量)。

5、确定保证洱海流域水质安全的总氮浓度限值。

根据《水质较好湖泊生态环境保护总体规划(2013－2020年)》要求，洱海流域入湖水质应保持或优于地表水环境质量标准(GB 3838-2002)Ⅲ类，即总氮浓度≤1.0mg L^-1，因此将浓度1.0mg L^-1设定为洱海流域水质安全的总氮浓度限值。

(6)计算洱海流域氮素化肥的最大允许投入量。将洱海流域水质控制的总氮浓度限值1.0mg L^-1代入氮素化肥投入与氮素输出浓度的响应关系式y＝0.0007x+0.8425，计算得出洱海流域氮素化肥的最大允许投入量为225kgN ha^-1a^-1。

实验例2：

采用李曼曼等(河北农业大学，李曼曼，SWAT模型在洱海流域的径流模拟研究，2012年)等收集制备的SWAT模型，对于数据的进一步处理，采用本发明实施例1中对SWAT数据处理的后续步骤。

结果与实施例1的结果类似。

虽然，上文中已经用一般性说明、具体实施方式及试验，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或改进，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或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种流域尺度氮素化肥最大允许投入量的确定方法，其特征在于，该方法按以下步骤进行：

(1)选取典型研究区；

(2)构建典型研究区面源污染的模型，并模拟验证；

(3)建立氮素化肥投入量与氮素输出浓度的响应关系；

(4)根据目标研究区环境规划及环境分区水质要求，确定保证目标研究区地表水水质安全的总氮浓度限值；

(5)确定目标研究区氮素化肥最大允许投入量。

2.根据权利要求1所述的方法，其特征在于，步骤1)中典型研究区域的选择要求是：①典型性与目标研究区的包括气象、水文、地形等自然及种植模式、农田管理措施的人为特征一致；涵盖目标研究区主要的土壤类型及土地利用方式；②数据完整易于收集模型模拟所需要的包括DEM、土壤、土地利用图等空间数据及土壤属性、气象、水文的属性数据；③便利性所处位置交通便利，且为封闭流域，出口较为单一，便于开展水文监测。

3.根据权利要求1所述的方法，其特征在于，所述步骤2)典型研究区面源污染的模型为SWAT模型、AGNPS模型或HSPF模型。

4.根据权利要求1所述的方法，其特征在于，所述步骤2)中所述面源污染模型构建包括空间数据与属性数据的构建。

5.根据权利要求4所述的方法，其特征在于，所述空间数据包括DEM、土壤图及土地利用图；所述属性数据包括气象数据、土壤属性数据、农田管理数据。

6.根据权利要求1所述的方法，其特征在于，所述步骤2)的面源污染模拟是应用构建的面源污染模型，通过包括水系提取、子流域划分、HRU生成、气象及土壤、管理参数输入的过程运转模型，并根据典型研究区实测的径流、泥沙、氮负荷等数据对模型进行参数校准和验证；

收集包括流域出口河流流量、泥沙含量及总氮浓度的实测数据，并将模型模拟结果与实测数据进行比较，验证模型适用性。

7.根据权利要求1所述的方法，其特征在于，步骤3)中：建立氮素化肥投入量与氮素输出浓度响应关系，通过调查收集目标研究区的氮素化肥习惯性施肥量，并以该值为参考标准，设定习惯性施肥、减施20％、减施40％、减施60％、减施80％、不施六种施肥情景，应用验证后的面源污染模型，分别模拟不同情景下目标研究区的径流、氮素输出量，计算径流中氮素的浓度，通过对不同情境下氮素化肥投入量与流域氮素输出浓度进行回归分析建立氮素化肥投入与氮素输出浓度的响应关系方程。

8.根据权利要求1所述的方法，其特征在于，步骤5)中：将保证目标研究区地表水水质安全的总氮浓度限值代入建立的氮素化肥投入量与流域氮素输出浓度响应关系式，确定目标研究区氮素化肥的最大允许投入量。