CN109117984A - 稻田径流量预测及氮磷流失估测方法 - Google Patents

稻田径流量预测及氮磷流失估测方法 Download PDF

Info

Publication number
CN109117984A
CN109117984A CN201810751790.5A CN201810751790A CN109117984A CN 109117984 A CN109117984 A CN 109117984A CN 201810751790 A CN201810751790 A CN 201810751790A CN 109117984 A CN109117984 A CN 109117984A
Authority
CN
China
Prior art keywords
rainfall
rice field
runoff
nitrogen
phosphorus
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
Application number
CN201810751790.5A
Other languages
English (en)
Other versions
CN109117984B (zh
Inventor
沙之敏
陈平
曹林奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201810751790.5A priority Critical patent/CN109117984B/zh
Publication of CN109117984A publication Critical patent/CN109117984A/zh
Application granted granted Critical
Publication of CN109117984B publication Critical patent/CN109117984B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G01N33/18—Water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Food Science & Technology (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Pathology (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种稻田径流量预测及氮磷流失估测方法，首先建立稻田降雨和径流量的产流模型，为Ri＝0.899×Pi‑14.017或Ri＝0.899×Qi‑14.017，Pi表示间隔降雨时单次降雨量，Qi表示连续数天持续降雨时总降雨量，Ri为基于降雨量产生的径流量，稻田产生径流时，在稻田出水口取径流水，连续数天持续降雨产生径流时，只在稻田出水口取径流水一次，第i次取样所得氮磷浓度分别用Cni和Cpi表示，一年内稻田总氮流失量用以下公式计算，一年内稻田总磷流失量用以下公式计算，公式中，i为表示第i次取样，j为一年内取样总次数，100为单位换算系数。与现有技术相比，本发明方法能够通过降雨量直接预测稻田产生的径流量，避免了田间安装流量计计算径流时的精度问题，同时降低安装径流计的费用。

Description

稻田径流量预测及氮磷流失估测方法
技术领域
本发明涉及水文预测技术领域，尤其是涉及一种稻田径流量预测及氮磷流失估测方法。
背景技术
水稻(Oryza sativa)是我国最主要的粮食作物之一。绿色革命之后，大量化肥和农药的使用保证了我国水稻产量的持续增长，江苏和上海地区某些稻田氮肥的施用量高达350kg N/hm2，而水稻氮的利用率仅仅25％左右，磷肥的利用率也只有15％—25％。我国水稻种植过程中稻田大部分时间处于淹水状态，尤其在降雨过程中极易产生地表径流排水，因此驱动稻田中施肥投入的氮磷通过地表径流的形式流失到环境中，进而造成对水环境的污染。黄东风等人的研究表明我国常规施肥的稻田，其氮素径流流失可高达42.9kg N/hm2。也有研究结果则显示，在上海郊区常规稻田中氮素的径流流失负荷为16.68kg N/hm2。稻田中施肥投入的氮将有大量通过地表径流的方式流失到周边环境中，在经过一系列的迁移转化后对水体环境造成了严重的危害。
目前计算稻田径流流失的主要方法是通过在田边安装流量计，在强降雨稻田产生径流后通过流量计来计算稻田流失的水量，进而计算稻田径流中带走的氮和磷的负荷。而目前流量计测流量的技术存在以下弊端：1、敏感度高的流量计在稍有降雨就开始计数，而往往少量的降雨不能导致稻田的径流；2、敏感度低的流量计在稻田有较小径流产生时没有感应到，因此不能及时计数而导致流量偏低；3、安装流量计费用较高，且流量计仅适合于小区试验，大区域试验流量计安装并使用难度较大。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种稻田径流量预测及氮磷流失估测方法。
本发明的目的可以通过以下技术方案来实现：
一种稻田径流量预测及氮磷流失估测方法，包括以下步骤：
建立稻田降雨和径流量的产流模型，所述产流模型为：
Ri＝0.899×Pi-14.017，或Ri＝0.899×Qi-14.017，式中，Pi表示间隔降雨时单次降雨量，Qi表示连续数天持续降雨时总降雨量，Pi与Qi单位均为mm，Ri为基于降雨量产生的径流量，单位为mm；
在一年内，稻田产生径流时，在稻田出水口取径流水，连续数天持续降雨产生径流时，只在稻田出水口取径流水一次，
对取得的径流水进行处理并测定水中氮磷浓度，第i次取样所得氮磷浓度分别用Cni和Cpi表示，单位为mg·L-1，
一年内稻田总氮流失量用以下公式计算，
一年内稻田总磷流失量用以下公式计算，
公式中，i为正整数，表示第i次取样，j为正整数，为一年内取样总次数，100为单位换算系数。
在间隔降雨时(即非连续降雨时)，第i天降雨量与径流量的关系为：
Ri＝0.899×Pi-14.017
式中Pi为第i天的降雨量，单位为mm，Ri为第i天产生的径流量，单位为mm；当Pi≥15.59mm时，稻田开始产生地表径流，Pi＜15.59mm时，稻田不产生地表径流。
当连续数天持续降雨时，总降雨量Qi为每天降雨量的加和，即Qi＝P1’+P2’+……Pi’；P1’为第1天的降雨量，P2’为第2天的降雨量，Pi’为连续降雨第i天的降雨量，Qi单位为mm，在连续数天持续降雨时，所产生的总径流量Ri＝0.899×Qi-14.017，Ri单位为mm；当Qi≥15.59mm时，稻田开始产生地表径流，Qi＜15.59mm时，稻田不产生地表径流。
所述稻田上作物为水稻。
所述稻田土地类型为水田。
所述稻田埂高度高于田面水10cm。
基于计算得到的氮的总流失量、磷的总流失量，估测面源污染。估测方法为本领域常用技术方法。
稻田降雨和径流量的产流模型是根据长期测坑定位试验站的径流观测数据和降雨观测数据，通过二者相关性的分析得到的经验方程。
本发明利用长期测坑定位试验站的径流观测数据和降雨观测数据，通过二者相关性的分析得到经验方程，用于上海地区稻田径流量、氮磷流失负荷的估算，一方面降低了设备投入，另一方面可以大区域应用，是简单可行的方法。
本发明的方法能够通过降雨量直接预测稻田产生的径流量，避免了田间安装流量计计算径流时的精度问题，或者降低安装径流计的费用。
与现有技术相比，本发明的技术效果体现在：
1.本发明的方法根据降雨量，可以简单，直观，高效，准确的预测稻田产生的径流量。
2.本发明设备要求低，成本低廉，易于推广。
3.本发明可以用于区域大面积氮磷流失及面源污染状况的评估。
附图说明
图1为实施例1年度径流量模拟与实测值比较；
图2为实施例2年度径流量模拟与实测值比较。
具体实施方式
一种稻田径流量预测及氮磷流失估测方法，包括以下步骤：
建立稻田降雨和径流量的产流模型，所述产流模型为：Ri＝0.899×Pi-14.017，或Ri＝0.899×Qi-14.017，式中，Pi表示间隔降雨时单次降雨量，Qi表示连续数天持续降雨时总降雨量，Pi与Qi单位均为mm，Ri为基于降雨量产生的径流量，单位为mm；
在一年内，稻田产生径流时，在稻田出水口取径流水，连续数天持续降雨产生径流时，只在稻田出水口取径流水一次，对取得的径流水进行处理并测定水中氮磷浓度，第i次取样所得氮磷浓度分别用Cni和Cpi表示，单位为mg·L-1，
一年内稻田总氮流失量用以下公式计算，
一年内稻田总磷流失量用以下公式计算，
公式中，i为正整数，表示第i次取样，j为正整数，为一年内取样总次数，100为单位换算系数。
在间隔降雨时(即非连续降雨时)，第i天降雨量与径流量的关系为：Ri＝0.899×Pi-14.017，式中Pi为第i天的降雨量，单位为mm，Ri为第i天产生的径流量，单位为mm；当Pi≥15.59mm时，稻田开始产生地表径流，Pi＜15.59mm时，稻田不产生地表径流。
当连续数天持续降雨时，总降雨量Qi为每天降雨量的加和，即Qi＝P1’+P2’+……Pi’；P1’为第1天的降雨量，P2’为第2天的降雨量，Pi’为连续降雨第i天的降雨量，Qi单位为mm，在连续数天持续降雨时，所产生的总径流量Ri＝0.899×Qi-14.017，Ri单位为mm；当Qi≥15.59mm时，稻田开始产生地表径流，Qi＜15.59mm时，稻田不产生地表径流。
上述稻田上作物为水稻，上述稻田土地类型为水田，上述稻田埂高度高于田面水10cm。基于计算得到的氮的总流失量、磷的总流失量，估测面源污染。估测方法为本领域常用技术方法。稻田降雨和径流量的产流模型是根据长期测坑定位试验站的径流观测数据和降雨观测数据，通过二者相关性的分析得到的经验方程。
下面结合附图和具体实施例对本发明进行详细说明。
实施例1
以测坑2015年降雨数据来计算径流量，以上海地区作为本发明的应用地区，采用本发明的方法预测该地区稻田的农田径流量。本发明步骤如下：
1、选择长三角地区稻田，田埂高度20cm，水稻灌水后田面水高度10cm左右。
2、设置化肥和有机肥处理，化肥处理每公顷施用以尿素、过磷酸钙、氯化钾为肥源的纯氮300公斤、五氧化二磷60公斤和氧化钾60公斤；有机肥处理每公顷施用鸡粪有机肥取决于鸡粪中氮含量，有机肥中氮的施用量与化肥一致。
3、在有强降雨稻田产生径流时，测坑径流会顺着径流管流入坑底部收集桶中，并通过自动计数仪精准计算流入桶中的水量。
4、根据降雨量及产流方程模拟产生的径流量并与测试径流量做对比。
5、测试不同处理径流水体中氮磷的浓度并计算不同处理氮磷年度流失量。
6、结果如附图1与表1所示。
表1径流中氮磷流失负荷
化肥处理 有机肥处理
氮流失负荷(kg/ha) 12.58 9.12
磷流失负荷(kg/ha) 1.55 2.84
实施例2
试验地位于上海市青浦区练塘镇某地块，田埂高度20cm，水稻灌水后田面水高度10cm左右。设置化肥和有机肥处理，化肥处理每公顷施用以尿素、过磷酸钙、氯化钾为肥源的纯氮300公斤、五氧化二磷60公斤和氧化钾60公斤；有机肥处理每公顷施用鸡粪有机肥取决于鸡粪中氮含量，有机肥中氮的施用量与化肥一致，根据降雨量及产流方程模拟本地块产生的径流量。通过测试不同处理径流水体中氮磷的浓度并计算不同处理氮磷年度流失量。结果如图2与表2所示。
表2径流中氮磷流失负荷
化肥处理 有机肥处理
氮流失负荷(kg/ha) 11.31 9.85
磷流失负荷(kg/ha) 1.84 3.04
根据实施例1、2数据可知，本发明的方法根据降雨量，可以简单，直观，高效，准确的预测稻田产生的径流量。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和使用发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (8)

1.一种稻田径流量预测及氮磷流失估测方法，其特征在于，包括以下步骤：
建立稻田降雨和径流量的产流模型，所述产流模型为：
Ri＝0.899×Pi-14.017，或Ri＝0.899×Qi-14.017，式中，Pi表示间隔降雨时单次降雨量，Qi表示连续数天持续降雨时总降雨量，Pi与Qi单位均为mm，Ri为基于降雨量产生的径流量，单位为mm；
在一年内，稻田产生径流时，在稻田出水口取径流水，连续数天持续降雨产生径流时，只在稻田出水口取径流水一次，
对取得的径流水进行处理并测定水中氮磷浓度，第i次取样所得氮磷浓度分别用Cni和Cpi表示，单位为mg·L-1，
一年内稻田总氮流失量用以下公式计算，
一年内稻田总磷流失量用以下公式计算，
公式中，i为正整数，表示第i次取样，j为正整数，为一年内取样总次数，100为单位换算系数。
2.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，在间隔降雨时，第i天降雨量与径流量的关系为：
Ri＝0.899×Pi-14.017
式中Pi为第i天的降雨量，单位为mm，Ri为第i天产生的径流量，单位为mm；当Pi≥15.59mm时，稻田开始产生地表径流，Pi＜15.59mm时，稻田不产生地表径流。
3.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，当连续数天持续降雨时，总降雨量Qi为每天降雨量的加和，即Qi＝P1’+P2’+……Pi’；P1’为第1天的降雨量，P2’为第2天的降雨量，Pi’为连续降雨第i天的降雨量，Qi单位为mm，
在连续数天持续降雨时，所产生的总径流量Ri＝0.899×Qi-14.017，Ri单位为mm；
当Qi≥15.59mm时，稻田开始产生地表径流，Qi＜15.59mm时，稻田不产生地表径流。
4.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，所述稻田上作物为水稻。
5.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，所述稻田土地类型为水田。
6.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，所述稻田埂高度高于田面水10cm。
7.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，基于计算得到的氮的总流失量、磷的总流失量，估测面源污染。
8.根据权利要求1所述的一种稻田径流量预测及氮磷流失估测方法，其特征在于，稻田降雨和径流量的产流模型是根据长期测坑定位试验站的径流观测数据和降雨观测数据，通过二者相关性的分析得到的经验方程。
CN201810751790.5A 2018-07-10 2018-07-10 稻田径流量预测及氮磷流失估测方法 Active CN109117984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810751790.5A CN109117984B (zh) 2018-07-10 2018-07-10 稻田径流量预测及氮磷流失估测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810751790.5A CN109117984B (zh) 2018-07-10 2018-07-10 稻田径流量预测及氮磷流失估测方法

Publications (2)

Publication Number Publication Date
CN109117984A true CN109117984A (zh) 2019-01-01
CN109117984B CN109117984B (zh) 2020-06-19

Family

ID=64862565

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810751790.5A Active CN109117984B (zh) 2018-07-10 2018-07-10 稻田径流量预测及氮磷流失估测方法

Country Status (1)

Country Link
CN (1) CN109117984B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109682944A (zh) * 2019-02-21 2019-04-26 生态环境部南京环境科学研究所 稻田氮磷检测系统
CN111599418A (zh) * 2020-06-16 2020-08-28 北京嘉博文生物科技有限公司 一种有机废弃物资源的农业面源污染的评估方法和应用
CN112348241A (zh) * 2020-10-28 2021-02-09 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
CN112541611A (zh) * 2020-10-28 2021-03-23 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

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102087681A (zh) * 2010-11-30 2011-06-08 浙江大学 预测稻田化肥尿素氮多维通量迁移转化的模型
CN102288229A (zh) * 2011-05-11 2011-12-21 中国水利水电科学研究院 径流量模拟预测方法
CN103020390B (zh) * 2012-12-31 2019-02-05 昆明理工大学 一种预测降雨量和径流量相似度的模型
KR20140103589A (ko) * 2013-02-18 2014-08-27 아주대학교산학협력단 Ｍａｐｌｅ 기상예보자료를 이용한 홍수예측 방법 및 그 장치
CN103150615B (zh) * 2013-03-28 2016-05-25 中国水利水电科学研究院 径流预测方法
CN107273686B (zh) * 2017-06-15 2018-08-17 水利部交通运输部国家能源局南京水利科学研究院 雨洪径流氮磷输出负荷预测方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109682944A (zh) * 2019-02-21 2019-04-26 生态环境部南京环境科学研究所 稻田氮磷检测系统
CN111599418A (zh) * 2020-06-16 2020-08-28 北京嘉博文生物科技有限公司 一种有机废弃物资源的农业面源污染的评估方法和应用
CN111599418B (zh) * 2020-06-16 2023-06-13 北京嘉博文生物科技有限公司 一种有机废弃物资源的农业面源污染的评估方法和应用
CN112348241A (zh) * 2020-10-28 2021-02-09 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
CN112541611A (zh) * 2020-10-28 2021-03-23 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
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

Also Published As

Publication number Publication date
CN109117984B (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN109117984A (zh) 稻田径流量预测及氮磷流失估测方法
Kumar et al. Estimation of carbon stock for greenhouse gas emissions from hydropower reservoirs
Gardner Assessing the effect of climate change on mean annual runoff
Agam et al. Evaporative loss from irrigated interrows in a highly advective semi-arid agricultural area
Blanka et al. Projected changes in the drought hazard in Hungary due to climate change
Cai et al. Simulation of the soil water balance of wheat using daily weather forecast messages to estimate the reference evapotranspiration
CN104345131B (zh) 一种稻田氮磷径流流失负荷的田间尺度估算方法
Singer et al. Cover crop effects on nitrogen load in tile drainage from Walnut Creek Iowa using root zone water quality (RZWQ) model
Flesch et al. Data filtering for inverse dispersion emission calculations
KR101820093B1 (ko) 자동관개시스템
Rathjens et al. SWAT model calibration of a grid-based setup
Brümmer et al. Fluxes of total reactive atmospheric nitrogen (ΣNr) using eddy covariance above arable land
CN112287301A (zh) 一种基于全球水文模型的全球尺度水力发电能力的评估方法
Rajendran et al. Runoff prediction in an ungauged catchment of Upper Deduru Oya Basin, Sri Lanka: A comparison of HEC-HMS and WEAP models
CN111260159A (zh) 一种气象水文耦合洪水测报法
CN102819050B (zh) 一种测定流域蒸发量的方法
CN103020444B (zh) 一种基于瞬时光合速率积分的“天”尺度初级生产力的估测方法
Wu et al. Impact of surface and underground water uses on streamflow in the upper-middle of the Weihe River basin using a modified WetSpa model
Li et al. Evaluating the effect of transpiration in hydrologic model simulation through parameter calibration
CN103033274A (zh) 一种日照温度概率密度的测定方法
Langland Changes in streamflow and water quality in selected nontidal sites in the Chesapeake Bay Basin, 1985-2003
CN102236831A (zh) 一种预测城市用地规模的方法
Robinson et al. Modeling nutrient export from coastal California watersheds
CN106918279A (zh) 一种用于测量树干生长量的装置和方法
Kim et al. A drought index designed for field-scale water management

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