CN107656034B - 农田面源污染对地表径流中总磷排放量影响的预测方法 - Google Patents
农田面源污染对地表径流中总磷排放量影响的预测方法 Download PDFInfo
- Publication number
- CN107656034B CN107656034B CN201710943457.XA CN201710943457A CN107656034B CN 107656034 B CN107656034 B CN 107656034B CN 201710943457 A CN201710943457 A CN 201710943457A CN 107656034 B CN107656034 B CN 107656034B
- Authority
- CN
- China
- Prior art keywords
- phosphorus
- amount
- soil
- surface runoff
- year
- 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.)
- Active
Links
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 title claims abstract description 202
- 229910052698 phosphorus Inorganic materials 0.000 title claims abstract description 202
- 239000011574 phosphorus Substances 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 239000002689 soil Substances 0.000 claims description 141
- 239000003337 fertilizer Substances 0.000 claims description 51
- 239000000575 pesticide Substances 0.000 claims description 21
- 239000004927 clay Substances 0.000 claims description 18
- 238000003973 irrigation Methods 0.000 claims description 17
- 230000002262 irrigation Effects 0.000 claims description 17
- 238000002386 leaching Methods 0.000 claims description 17
- 239000010902 straw Substances 0.000 claims description 15
- 239000005442 atmospheric precipitation Substances 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000003306 harvesting Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 4
- 239000003673 groundwater Substances 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 239000003621 irrigation water Substances 0.000 claims description 3
- 238000010899 nucleation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000002265 prevention Effects 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 14
- 239000000126 substance Substances 0.000 description 9
- 229910052757 nitrogen Inorganic materials 0.000 description 7
- 229910019142 PO4 Inorganic materials 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 3
- 239000010452 phosphate Substances 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 241001092083 Amelanchier Species 0.000 description 1
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 125000000664 diazo group Chemical group [N-]=[N+]=[*] 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003987 organophosphate pesticide Substances 0.000 description 1
- 239000002686 phosphate fertilizer Substances 0.000 description 1
- 229940072033 potash Drugs 0.000 description 1
- 235000015320 potassium carbonate Nutrition 0.000 description 1
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 239000008946 yang xin Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Fertilizers (AREA)
Abstract
本发明公开了一种农田面源污染对地表径流中总磷排放量影响的预测方法,按照以下步骤实施:确定农田面源污染发生区域;选择影响地表径流中总磷排放量的因素;获取种植耕地样本在第N年以及N‑X年内地表径流中总磷排放量TP以及各影响因素的数据;建立农田面源污染的地表径流中总磷排放量预测公式;采用多元统计分析法求得公式中系数;根据第N年的影响地表径流中总磷排放量的因素数据计算第N+X年的地表径流中总磷排放量。本发明精确计算了淋溶到地下水中磷的量,得到计算农田面源污染中磷进入地表径流总磷排放量的准确计算公式,剔除人为因素的过多干扰,既提高了计算结果的准确性,又实现了稳定预测功能,为农业面源污染防治提供技术支撑。
Description
技术领域
本发明属于农业水环境与污染治理学技术领域,具体涉及一种农田面源污染对地表径流中总磷排放量影响的预测方法。
背景技术
海河流域是中国粮食主产区,同时也是中国化肥消费量最大的区域之一。根据统计数据计算,2015年,山东省农作物总播种面积为11.02×106hm2,化肥施用量(纯量)为4.63×106t,播种面积平均化肥施用量(纯量)420kg/hm2远高于发达国家为防止化肥对水体造成污染而设置的225kg/hm2的安全上限。
海河流域长期以来高施肥量投入使土壤和水环境承受着巨大的压力。作物产量增加化学肥料功不可没,但由于化肥生产、供应、施用呈畸形发展,致使在施肥方面存在三个十分严重的问题,首先在化肥使用结构上,是重化肥,轻有机肥;重氮、磷肥,轻钾肥;重大量元素肥,轻中、微量元素肥。理想的氮磷钾比例为1:0.4-0.5:0.4-0.5,我国平均水平为1:0.31:0.11,海河流域氮磷钾的施用结构分别为1:0.35:0.18,氮肥、磷肥的施用偏高。在施肥品种上,长期以来比较单一,复合肥、新型肥料的品种及使用比例和发达国家相比较低,推广应用率不高,肥料种类以氮肥、磷肥为主,新型肥料品种少且推广度低,致使化肥利用效率不高,氮肥的利用率为25%-30%,磷肥利用率为10%-20%。低于发达国家10-20个百分点。另外,施肥方法落后,不仅大量肥料白白浪费,还使环境污染风险加剧,出现增肥不增产,增产不增收的现象。总之,施用量高而利用率低导致农田氮磷负荷不断增高,流失风险日益加大,加上当地大部分农田仍在施肥后采用漫灌方式灌溉,直接导致尚未被作物利用的及过量施用的化肥,以径流和淋溶的形式集中进入地表及地下水环境,农田种植过程中造成的面源污染问题不容忽视。
授权专利CN 104965057 B公开了一种农田面源污染县域地表径流总磷排放量的预测方法,该专利也是在获取农田面源污染中总磷质量平衡的各要素之后,按照污染物平衡模型建立了种农田面源污染的地表径流中总磷排放量的预测公式,但是该方法存在如下弊端:1、没有考虑到土壤原有的含磷量以及土壤对外来磷源的吸附、截留效果;2、有机磷农药是农业生产中使用量较大的农药,其对地表径流中总磷排放量的影响仅次于施用化肥,而该专利没有考虑到含磷农药的影响;3、该专利中预测公式的建立应该是基于总磷质量守恒,但是根据说明书第5页带入系数后的公式来看,进入体系磷含量和从体系中支出的磷含量并不满足质量守恒原则;4、该专利中地下淋溶流失途径流失的总磷通过测定地下淋溶水量和采集淋溶水含磷量求得定,由于地下水所处环境复杂,其储藏量不容易准确探测及测量,且地下水流动缓慢,在一年的统计期内难以混合均匀,所以检测出的磷浓度和实际偏差很大,通过上述方法测量出的地下淋溶流失途径流失的总磷量不准确,从而影响了最终计算结果的准确性。因此,急需找到一种方法来准确预测农田面源污染对地表径流中总磷排放量的影响。
发明内容
本发明提供了一种农田面源污染对地表径流中总磷排放量影响的预测方法,解决了现有技术中农田面源污染中磷对地表径流总磷排放量影响巨大,但是目前没有准确的预测方法来预测农田面源污染对地表径流总磷排放量影响的问题。
本发明提供了一种农田面源污染对地表径流中总磷排放量影响的预测方法,包括以下步骤:
步骤1,根据研究区域内的气象、地形、土壤、土壤质地、作物、农药施用、化肥施用、灌溉、水文水力和水质空间属性数据,确定农田面源污染发生区域;
步骤2,获取农田面源污染中总磷质量平衡的各要素,具体包括:秸秆还田带入磷的量JH、种植土壤中磷含量在一年内的变化量TD、化肥施用带入磷的量HS、农药施用带入磷的量NS、大气降水带入磷的量JS、灌溉带入磷的量QC、作物收获带出磷的量SD以及淋溶到地下水的磷的量LS;
步骤3,根据步骤1确定的农田面源污染发生区域和步骤2获取的各要素,选择研究区域内多个种植耕地样本,且种植耕地样本≥8,并根据各个种植耕地样本的历史统计数据,分别获取各个种植耕地样本在第N年以及N-X年内地表径流中总磷排放量TP、秸秆还田带入磷的量JH、种植土壤中磷含量在一年内的变化量TD、化肥施用带入磷的量HS、农药施用带入磷的量NS、大气降水带入磷的量JS、灌溉带入磷的量QC、作物收获带出磷的量SD以及淋溶到地下水中磷的量LS;
其中,所述N代表年份,所述X的数值为1、2或3;
淋溶到地下水中磷的量LS通过以下方法计算:
获取种植耕地样本内土壤物理粘粒含量百分比,然后将土壤物理性粘粒含量百分比进行标准化处理,获得土壤质地系数;以农田土壤中总磷淋失的重要程度为依据,对土壤进行权重赋值,得到土壤质地系数权重,再根据公式(1)计算土壤中总磷淋溶指数k:
k=土壤质地系数×土壤质地系数权重 (1)
再将总磷淋溶指数带入公式(2)中计算当年淋溶到地下水的磷的量LS:
LSN=k×(JHN+TDN+HSN+NSN+JSN+QCN-SDN) (2)
其中,等式左边为第N年全年淋溶到地下水的磷的量,等式右边为第N年影响地表径流中总磷排放量的因素数据;
步骤4,根据污染物平衡模型建立种农田面源污染的地表径流中总磷排放量预测公式(3):
TPN=a×JHN-X+b×TDN-X+c×HSN-X+d×NSN-X+e×JSN-X
+f×QCN-X-g×SDN-X-h×LSN-X (3)
其中,a、b、c、d、e、f、g、h为回归系数;等式左边为第N年的地表径流中总磷排放量,等式右边为第N-X年影响地表径流中总磷排放量的因素数据;
步骤5,将步骤3中获取的相应数据带入步骤4中的预测公式中,采用多元统计分析法求得系数a、b、c、d、e、f、g、h的值;
步骤6,在步骤4的预测公式中带入a、b、c、d、e、f、g、h值、第N年的影响地表径流中总磷排放量的各因素数据,即可求得第N+X年的地表径流中总磷排放量。
优选的,所述秸秆还田带入磷的量JH通过测定作物播种面积、秸秆还田比例以及秸秆中的含磷量求得;所述种植土壤中磷含量在一年内的变化量TD通过测定年初与年末种植土壤中的含磷量的差值求得;所述化肥施用带入磷的量HS通过测定化肥施用量以及化肥中的含磷量求得;所述农药施用带入磷的量NS通过测定含磷农药施用量以及含磷农药中磷的含量求得;所述大气降水带入磷的量JS通过测定农田年降水量和降水中含磷量求得;所述灌溉带入磷的量QC通过测定灌溉量和灌溉用水中含磷量求得;所述地表径流中总磷排放量TP通过测定地表径流水量和地表径流中含磷量求得。
优选的,测定种植土壤中的含磷量时,土壤层取样深度为30-60cm。
优选的,所述步骤3中获取种植耕地样本内土壤物理性粘粒含量百分比时,土壤层取样深度为30-60cm。
优选的,所述步骤3中标准化处理按照公式(4)进行计算:
D=Z×100/100 (4)
其中,D表示土壤质地系数,Z表示土壤的土壤粘粒含量百分比。
与现有技术相比,本发明的有益效果在于:
本发明克服现有技术的不足,提供农田面源污染对地表径流中总磷排放量影响的预测方法,全面考虑到了面源污染中磷的各种来源,尤其是考虑到了淋溶到地下水中磷的量,并将其精确计算,然后收集地表径流中总磷排放量与各影响因素的历史数据,得到计算农田面源污染中磷进入地表径流总磷排放量的准确计算公式,实现了计算结果稳定性,剔除人为因素的过多干扰。该方法既提高了计算结果的准确性,又实现了稳定预测功能,为农业面源污染防治提供技术支撑。
附图说明
图1为德州、滨州地区2016年、2018年地表径流中来自农田面源污染的总磷排放图。
具体实施方式
为了使本领域技术人员更好地理解本发明的技术方案能予以实施,下面结合附图以及具体实施例对本发明作进一步说明,但所举实施例不作为对本发明的限定。
需要说明的是,若未特别说明,以下实施例的方法中所提及指标的测定,均采用本领域的常规方法。
本实施例选择位于山东省北部的德州和滨州作为研究区域,属暖温带半湿润易旱气候,年平均温度12.2℃,冬季寒冷干燥,夏季炎热多雨,平均年降水量为500-600mm,全年主要降水集中在6、7、8三个月,年蒸发量为1040mm左右,无霜期200d左右,耕作制度以小麦-玉米轮作为主,2000年以后地下水埋深在28-30m。研究区域内地形平坦,肥料、农药投入量高,灌溉条件好,同时氮磷流失量高。
本发明一种农田面源污染对地表径流中总磷排放量影响的预测方法,具体按照以下步骤实施:
步骤1,根据德州和滨州区域内的气象、地形、土壤、土壤质地、作物、农药施用、化肥施用、灌溉、水文水力和水质空间属性数据,确定农田面源污染发生区域;
步骤2,获取农田面源污染中总磷质量平衡的各要素,具体包括:秸秆还田带入磷的量JH、种植土壤中磷含量在一年内的变化量TD、化肥施用带入磷的量HS、农药施用带入磷的量NS、大气降水带入磷的量JS、灌溉带入磷的量QC、作物收获带出磷的量SD以及淋溶到地下水的磷的量LS;
其中,秸秆还田带入磷的量JH通过测定作物播种面积、秸秆还田比例以及秸秆中的含磷量求得;种植土壤中磷含量在一年内的变化量TD通过测定年初与年末种植土壤中的含磷量的差值求得;化肥施用带入磷的量HS通过测定化肥施用量以及化肥中的含磷量求得;农药施用带入磷的量NS通过测定含磷农药施用量以及含磷农药中磷的含量求得;大气降水带入磷的量JS通过测定农田年降水量和降水中含磷量求得;灌溉带入磷的量QC通过测定灌溉量和灌溉用水中含磷量求得;地表径流中总磷排放量TP通过测定地表径流水量和地表径流中含磷量求得。
步骤3,根据步骤1确定的农田面源污染发生区域和步骤2获取的各要素,在研究区域内选择18个种植耕地样本,各样本区域见表1,并根据各个种植耕地样本的历史统计数据,分别获取各个种植耕地样本在2016年内地表径流中总磷排放量TP以及2014年内秸秆还田带入磷的量JH、种植土壤中磷含量在一年内的变化量TD、化肥施用带入磷的量HS、农药施用带入磷的量NS、大气降水带入磷的量JS、灌溉带入磷的量QC、作物收获带出磷的量SD以及淋溶到地下水的磷的量LS。具体数据见表1。
表1研究区域内2016年地表径流中总磷排放量以及2014年地表径流中总
磷排放量及影响因素
其中,淋溶到地下水的磷的量LS通过以下方法计算:
获取种植耕地样本内土壤物理粘粒含量百分比,然后将土壤物理性粘粒含量百分比进行标准化处理,获得土壤质地系数;以农田土壤中总磷淋溶的重要程度为依据,对土壤进行权重赋值,得到土壤质地系数权重,再根据公式(1)计算土壤中总磷淋溶指数k:
k=土壤质地系数×土壤质地系数权重 (1)
再将总磷淋溶指数k带入公式(2)中计算淋溶到地下水的磷的量LS:
LSN=k×(JHN+TDN+HSN+NSN+JSN+QCN-SDN) (2)
其中,等式左边为第N年全年淋溶到地下水的磷的量,等式右边为第N年影响地表径流中总磷排放量的因素数据;
其中,所述标准化处理按照公式(4)进行计算:
D=Z×100/100 (4)
式中D表示土壤质地系数,Z表示土壤的土壤粘粒含量百分比。
根据卡钦斯基土壤质地分类标准可以知道,土壤物理性粘粒含量百分比与土壤质地具有可靠的对应关系,而土壤质地是土壤中磷淋溶难易的最重要决定因素。因此,可以依据土壤物理性粘粒含量百分比评价土壤中磷淋溶的难易。
因此,在计算之前,首先对18个种植耕地样本的土壤质地进行确定,然后对土壤物理性粘粒含量百分比按照公式(4)进行标准化处理,得到表3所示的标准化值,在标准化处理的过程中,表3中各个土壤质地标准化值进行计算的时候,取表1中相应土壤质地的土壤物理性粘粒含量百分比的平均值。具体计算数据见表2-4。
表2卡钦斯基土壤质地分类标准
表3土壤质地的质地系数标准化值
需要说明的是,土壤质地系数权重的赋值方法,可以采用主观赋值法、客观赋值法、主客观综合集成赋值法等本领域常用的权重赋值方法,其中主观赋值法主要是由专家根据经验进行主观判断而获得权重赋值;客观赋值法是根据历史数据研究指标之间的相关关系或者指标与评估结果的关系进行综合评估而获得权重赋值;主客观综合集成赋值法则是结合了主观赋值法和客观赋值法的优点,最终获得权重赋值的方法。
本发明采用主观赋值法对土壤进行权重赋值,实验中选择50名土壤专家,以农田土壤中磷淋溶的重要程度为依据,分别对土壤权重进行赋值,具体结果见表4。
表4土壤的权重值赋值
土壤质地 | 土壤质地系数权重 |
砂土 | 0.5 |
砂壤 | 0.5 |
轻壤 | 0.4 |
中壤 | 0.4 |
重壤 | 0.3 |
轻粘土 | 0.3 |
中粘土 | 0.2 |
重粘土 | 0.1 |
对18个种植耕地样本的土壤质地进行确定,其中,土壤质地数据来源参照山东省第二次土壤普查资料统计,然后根据表4的土壤权重值赋值对各种植耕地样本进行权重值赋值,当一个种植耕地样本区域中土壤质地涉及到多种类型时,根据各类型土壤占耕地总面积的百分比乘以表4中土壤权重值赋值后加和得到,具体数据见表5。
表5 18个种植耕地样本的土壤质地系数权重
样本区域 | 土壤质地 | 土壤质地系数权重 |
滨城区 | 壤、轻壤、中壤、重壤 | 0.4 |
沾化县 | 轻壤、中壤 | 0.4 |
惠民县 | 轻壤、中壤 | 0.4 |
阳信县 | 砂壤、轻壤 | 0.4 |
无棣县 | 轻壤、中壤 | 0.4 |
博兴县 | 轻壤、中壤 | 0.4 |
邹平县 | 轻壤、中壤 | 0.4 |
德城区 | 轻壤、中壤 | 0.4 |
庆云县 | 中壤、重壤、轻粘土 | 0.3 |
临邑县 | 中壤、重壤、轻粘土 | 0.3 |
齐河县 | 轻壤、中壤 | 0.4 |
平原县 | 轻壤、中壤 | 0.4 |
夏津县 | 砂土、轻壤、中壤 | 0.4 |
武城县 | 轻壤、中壤 | 0.4 |
乐陵市 | 轻壤、中壤 | 0.4 |
陵城区 | 轻壤、中壤 | 0.4 |
宁津县 | 砂壤、轻壤、中壤、重壤 | 0.4 |
禹城市 | 轻壤、中壤 | 0.4 |
将表3中得到的土壤质地系数和表5中得到的土壤质地系数权重带入公式(1)中,计算得到各种植耕地样本中总磷淋溶指数k值,再将k值与表1中2014年地表径流中总磷排放量影响因素值带入公式(2)中,即得到2014年淋溶到地下水的磷的量LS,具体数值见表1。
需要说明的是,测定种植土壤中的含磷量时,土壤层取样深度为30-60cm;获取种植耕地样本内土壤物理性粘粒含量百分比时,土壤层取样深度也为30-60cm。
步骤4,根据污染物平衡模型建立种农田面源污染的地表径流中总磷排放量预测公式(3):
TPN=a×JHN-X+b×TDN-X+c×HSN-X+d×NSN-X+e×JSN-X
+f×QCN-X-g×SDN-X-h×LSN-X (3)
其中,a、b、c、d、e、f、g、h为回归系数;等式左边为第N年的地表径流中总磷排放量,等式右边为第N-X年影响地表径流中总磷排放量的因素数据;其中,X为1、2或3。
步骤5,将表1中的数据带入公式(3),采用多元统计分析法,将表1中的数据输入R统计计算语言程序,求得系数a为0.01578、b为0.04094、c为0.001892、d为0.009589、e为0.02384、f为0.001475、g为0.01186、h为0.06708;回归分析的拟合度R2=0.9137。
步骤6,在公式(3)中带入上述a、b、c、d、e、f、g、h值、2016年影响地表径流中总磷排放量的各因素数据,即可求得第2018年的地表径流中总磷排放量,其中2016年影响地表径流中总磷排放量的因素数据见表6,2018年的地表径流中总磷排放量见表7。
表6研究区域内2016年地表径流中总磷排放量及影响因素
表7 2018年地表径流中总磷排放量
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,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种农田面源污染对地表径流中总磷排放量影响的预测方法,其特征在于,包括以下步骤:
步骤1,根据研究区域内的气象、地形、土壤、土壤质地、作物、农药施用、化肥施用、灌溉、水文水力和水质空间属性数据,确定农田面源污染发生区域;
步骤2,获取农田面源污染中总磷质量平衡的各要素,具体包括:秸秆还田带入磷的量JH、种植土壤中磷含量在一年内的变化量TD、化肥施用带入磷的量HS、农药施用带入磷的量NS、大气降水带入磷的量JS、灌溉带入磷的量QC、作物收获带出磷的量SD以及淋溶到地下水中磷的量LS;
步骤3,根据步骤1确定的农田面源污染发生区域和步骤2获取的各要素,选择研究区域内多个种植耕地样本,且种植耕地样本≥8,并根据各个种植耕地样本的历史统计数据,分别获取各个种植耕地样本在第N年以及N-X年内地表径流中总磷排放量TP、秸秆还田带入磷的量JH、种植土壤中磷含量在一年内的变化量TD、化肥施用带入磷的量HS、农药施用带入磷的量NS、大气降水带入磷的量JS、灌溉带入磷的量QC、作物收获带出磷的量SD以及淋溶到地下水的磷的量LS;
其中,所述N代表年份,所述X的数值为1、2或3;
淋溶到地下水的磷的量LS通过以下方法计算:
获取种植耕地样本内土壤物理粘粒含量百分比,土壤层取样深度为30-60cm,然后将土壤物理性粘粒含量百分比进行标准化处理,获得土壤质地系数;以农田土壤中总磷淋失的重要程度为依据,对土壤进行权重赋值,得到土壤质地系数权重,再根据下述公式(1)计算土壤中总磷淋溶指数k:
k=土壤质地系数×土壤质地系数权重 (1)
再将总磷淋溶指数带入公式(2)中计算当年淋溶到地下水的磷的量LS:
LSN=k×(JHN+TDN+HSN+NSN+JSN+QCN-SDN) (2)
其中,等式左边为第N年全年淋溶到地下水的磷的量,等式右边为第N年影响地表径流中总磷排放量的因素数据;
步骤4,根据污染物平衡模型建立种农田面源污染的地表径流中总磷排放量预测公式(3):
TPN=a×JHN-X+b×TDN-X+c×HSN-X+d×NSN-X+e×JSN-X+f×QCN-X-g×SDN-X-h×LSN-X (3)
其中,a、b、c、d、e、f、g、h为回归系数;等式左边为第N年的地表径流中总磷排放量,等式右边为第N-X年影响地表径流中总磷排放量的因素数据;
步骤5,将步骤3中获取的相应数据带入步骤4中的预测公式中,采用多元统计分析法求得系数a、b、c、d、e、f、g、h的值;
步骤6,在步骤4的预测公式中带入a、b、c、d、e、f、g、h值、第N年的影响地表径流中总磷排放量的各因素数据,即可求得第N+X年的地表径流中总磷排放量。
2.根据权利要求1所述的农田面源污染对地表径流中总磷排放量影响的预测方法,其特征在于,所述秸秆还田带入磷的量JH通过测定作物播种面积、秸秆还田比例以及秸秆中的含磷量求得;所述种植土壤中磷含量在一年内的变化量TD通过测定第N年开始以及第N年结束后种植土壤中的含磷量的差值求得;所述化肥施用带入磷的量HS通过测定化肥施用量以及化肥中的含磷量求得;所述农药施用带入磷的量NS通过测定含磷农药施用量以及含磷农药中磷的含量求得;所述大气降水带入磷的量JS通过测定农田年降水量和降水中含磷量求得;所述灌溉带入磷的量QC通过测定灌溉量和灌溉用水中含磷量求得;所述地表径流中总磷排放量TP通过测定地表径流水量和地表径流中含磷量求得。
3.根据权利要求2所述的农田面源污染对地表径流中总磷排放量影响的预测方法,其特征在于,测定种植土壤中的含磷量时,土壤层取样深度为30-60cm。
4.根据权利要求1所述的农田面源污染对地表径流中总磷排放量影响的预测方法,其特征在于,所述步骤3中标准化处理按照公式(4)进行计算:
D=Z×100/100 (4)
其中,D表示土壤质地系数,Z表示土壤的土壤粘粒含量百分比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710943457.XA CN107656034B (zh) | 2017-10-11 | 2017-10-11 | 农田面源污染对地表径流中总磷排放量影响的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710943457.XA CN107656034B (zh) | 2017-10-11 | 2017-10-11 | 农田面源污染对地表径流中总磷排放量影响的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107656034A CN107656034A (zh) | 2018-02-02 |
CN107656034B true CN107656034B (zh) | 2020-06-30 |
Family
ID=61116586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710943457.XA Active CN107656034B (zh) | 2017-10-11 | 2017-10-11 | 农田面源污染对地表径流中总磷排放量影响的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107656034B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464434B (zh) * | 2020-10-28 | 2021-12-07 | 中国农业科学院农业资源与农业区划研究所 | 一种灌溉农用地面源污染排放量预测方法及系统 |
CN112348241B (zh) * | 2020-10-28 | 2024-01-05 | 中国农业科学院农业资源与农业区划研究所 | 一种保护地农用地面源污染排放量预测方法及系统 |
CN112541611B (zh) * | 2020-10-28 | 2024-03-29 | 中国农业科学院农业资源与农业区划研究所 | 一种雨养农用地面源污染排放量预测方法及系统 |
CN112684118B (zh) * | 2020-12-31 | 2022-12-20 | 南京信息工程大学 | 一种大气臭氧污染的便捷预警方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239729B (zh) * | 2014-09-22 | 2017-08-08 | 中国水利水电科学研究院 | 一种基于水循环的农田面源污染测算方法及装置 |
CN104715288B (zh) * | 2015-02-03 | 2018-08-28 | 华北电力大学 | 一种非线性农业非点源污染控制方法 |
CN104965057B (zh) * | 2015-03-27 | 2017-05-10 | 中国农业科学院农业资源与农业区划研究所 | 一种农田面源污染县域地表径流总磷排放量的预测方法 |
CN104778505B (zh) * | 2015-03-27 | 2018-02-23 | 中国农业科学院农业资源与农业区划研究所 | 一种农田面源污染县域地下淋溶总氮排放量的预测方法 |
CN104764867B (zh) * | 2015-03-27 | 2017-05-10 | 中国农业科学院农业资源与农业区划研究所 | 一种农田面源污染县域地下淋溶总磷排放量的预测方法 |
CN105911250B (zh) * | 2016-04-13 | 2017-10-10 | 河北省农林科学院农业资源环境研究所 | 一种评价农田土壤中硝态氮淋失的方法及应用 |
-
2017
- 2017-10-11 CN CN201710943457.XA patent/CN107656034B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107656034A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Azad et al. | Developing an optimization model in drip fertigation management to consider environmental issues and supply plant requirements | |
Oweis et al. | Evapotranspiration and water use of full and deficit irrigated cotton in the Mediterranean environment in northern Syria | |
Kumar et al. | Simulation of salt dynamics in the root zone and yield of wheat crop under irrigated saline regimes using SWAP model | |
Phogat et al. | Evaluation of water movement and nitrate dynamics in a lysimeter planted with an orange tree | |
CN107656034B (zh) | 农田面源污染对地表径流中总磷排放量影响的预测方法 | |
Wiyo et al. | Effect of tied-ridging on soil water status of a maize crop under Malawi conditions | |
Deb et al. | Numerical evaluation of nitrate distributions in the onion root zone under conventional furrow fertigation | |
Mo et al. | Water and sediment runoff and soil moisture response to grass cover in sloping citrus land, Southern China. | |
Jiang et al. | Simulating hydrologic cycle and crop production in a subsurface drained and sub-irrigated field in Southern Quebec using RZWQM2 | |
Chen et al. | A conceptual agricultural water productivity model considering under field capacity soil water redistribution applicable for arid and semi-arid areas with deep groundwater | |
Liu et al. | A field-validated surrogate crop model for predicting root-zone moisture and salt content in regions with shallow groundwater | |
Moreels et al. | Simulating nitrate leaching in bare fallow soils: a model comparison | |
Jiang et al. | Evaluating RZ-SHAW model for simulating surface runoff and subsurface tile drainage under regular and controlled drainage with subirrigation in southern Ontario | |
Guo et al. | Optimizing the strategies of mulched brackish drip irrigation under a shallow water table in Xinjiang, China, using HYDRUS-3D | |
Bali et al. | Nutrient and salinity management for spinach production under sprinkler irrigation in the low desert region of California | |
Stulina et al. | Using RZWQM to search improved practices for irrigated maize in Fergana, Uzbekistan | |
Ariyanto et al. | Actual evapotranspiration model based on the irrigation volume of the maize fields on Alfisols. | |
Ndulue et al. | DRAINMOD simulation of drain spacing impact on canola yield in heavy clay soils in the Canadian prairies | |
CN104813789A (zh) | 一种兼顾区域产量与环境风险的北京地区冬小麦分区施氮的方法 | |
Mupangwa | Water and nitrogen management for risk mitigation in semi-arid croping systems | |
Cordeiro et al. | Simulating the hydrological impacts of land use conversion from annual crop to perennial forage in the Canadian Prairies using the Cold Regions Hydrological Modelling platform | |
Rice et al. | IRRIGATION AND NITRATE MOVEMENT EVALUATI ON IN CONVENTIONAL AND ALTERNATE–FURROW IRRIGATED COTTON | |
Napoli et al. | Modeling soil and nutrient runoff yields from an Italian vineyard using SWAT | |
Wang et al. | Development of a coupled water quality model | |
Laghari et al. | Perceptive research on wheat evapotranspiration in Pakistan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |