CN110188507A - 一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法 - Google Patents
一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法 Download PDFInfo
- Publication number
- CN110188507A CN110188507A CN201910516264.5A CN201910516264A CN110188507A CN 110188507 A CN110188507 A CN 110188507A CN 201910516264 A CN201910516264 A CN 201910516264A CN 110188507 A CN110188507 A CN 110188507A
- Authority
- CN
- China
- Prior art keywords
- soil
- inwelling
- rice
- influence
- farmland
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 412
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000002715 modification method Methods 0.000 title claims abstract description 20
- 230000008439 repair process Effects 0.000 title claims abstract description 12
- 150000003839 salts Chemical class 0.000 claims abstract description 124
- 239000003337 fertilizer Substances 0.000 claims abstract description 77
- 239000003516 soil conditioner Substances 0.000 claims abstract description 56
- 239000003895 organic fertilizer Substances 0.000 claims abstract description 31
- 238000005516 engineering process Methods 0.000 claims abstract description 27
- 241000209094 Oryza Species 0.000 claims description 167
- 235000007164 Oryza sativa Nutrition 0.000 claims description 165
- 235000009566 rice Nutrition 0.000 claims description 165
- 239000003795 chemical substances by application Substances 0.000 claims description 129
- 230000000694 effects Effects 0.000 claims description 72
- 238000000034 method Methods 0.000 claims description 40
- 230000009418 agronomic effect Effects 0.000 claims description 27
- 235000015097 nutrients Nutrition 0.000 claims description 23
- 230000003595 spectral effect Effects 0.000 claims description 16
- 238000002310 reflectometry Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 239000005416 organic matter Substances 0.000 claims description 10
- 239000013535 sea water Substances 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 235000021049 nutrient content Nutrition 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 238000000746 purification Methods 0.000 abstract description 6
- 230000003750 conditioning effect Effects 0.000 abstract description 2
- 235000002639 sodium chloride Nutrition 0.000 description 124
- 238000012545 processing Methods 0.000 description 85
- 238000004519 manufacturing process Methods 0.000 description 59
- 238000002474 experimental method Methods 0.000 description 48
- 230000001965 increasing effect Effects 0.000 description 37
- 239000004021 humic acid Substances 0.000 description 34
- QJZYHAIUNVAGQP-UHFFFAOYSA-N 3-nitrobicyclo[2.2.1]hept-5-ene-2,3-dicarboxylic acid Chemical compound C1C2C=CC1C(C(=O)O)C2(C(O)=O)[N+]([O-])=O QJZYHAIUNVAGQP-UHFFFAOYSA-N 0.000 description 31
- 229910052700 potassium Inorganic materials 0.000 description 29
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 28
- 239000011591 potassium Substances 0.000 description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 25
- 244000046052 Phaseolus vulgaris Species 0.000 description 20
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 20
- 238000012360 testing method Methods 0.000 description 20
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 18
- 238000012549 training Methods 0.000 description 16
- 210000003608 fece Anatomy 0.000 description 15
- 238000011835 investigation Methods 0.000 description 15
- 239000010871 livestock manure Substances 0.000 description 15
- 241000196324 Embryophyta Species 0.000 description 13
- 230000006872 improvement Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 230000007423 decrease Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 229910052757 nitrogen Inorganic materials 0.000 description 10
- 239000010902 straw Substances 0.000 description 10
- 238000003306 harvesting Methods 0.000 description 9
- 229910052698 phosphorus Inorganic materials 0.000 description 9
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 8
- 239000011574 phosphorus Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- DLYUQMMRRRQYAE-UHFFFAOYSA-N tetraphosphorus decaoxide Chemical compound O1P(O2)(=O)OP3(=O)OP1(=O)OP2(=O)O3 DLYUQMMRRRQYAE-UHFFFAOYSA-N 0.000 description 8
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 7
- 239000004202 carbamide Substances 0.000 description 7
- 238000012876 topography Methods 0.000 description 7
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000013475 authorization Methods 0.000 description 6
- 239000010977 jade Substances 0.000 description 6
- 239000011780 sodium chloride Substances 0.000 description 6
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000035558 fertility Effects 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 5
- 239000010931 gold Substances 0.000 description 5
- 229910052737 gold Inorganic materials 0.000 description 5
- 230000001976 improved effect Effects 0.000 description 5
- 150000002500 ions Chemical class 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000005086 pumping Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 4
- 244000207867 Pistia stratiotes Species 0.000 description 4
- 235000006440 Pistia stratiotes Nutrition 0.000 description 4
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 description 4
- 150000001768 cations Chemical class 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 230000004720 fertilization Effects 0.000 description 4
- 230000009545 invasion Effects 0.000 description 4
- 238000003973 irrigation Methods 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 238000001310 location test Methods 0.000 description 4
- -1 salt ion Chemical class 0.000 description 4
- 229910001415 sodium ion Inorganic materials 0.000 description 4
- 230000007480 spreading Effects 0.000 description 4
- 238000003892 spreading Methods 0.000 description 4
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 238000003556 assay Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000011575 calcium Substances 0.000 description 3
- 229910052791 calcium Inorganic materials 0.000 description 3
- 229910001424 calcium ion Inorganic materials 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000010612 desalination reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000013401 experimental design Methods 0.000 description 3
- 238000009313 farming Methods 0.000 description 3
- 238000010348 incorporation Methods 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 235000010755 mineral Nutrition 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 238000010899 nucleation Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 239000010908 plant waste Substances 0.000 description 3
- CHWRSCGUEQEHOH-UHFFFAOYSA-N potassium oxide Chemical compound [O-2].[K+].[K+] CHWRSCGUEQEHOH-UHFFFAOYSA-N 0.000 description 3
- 229910001950 potassium oxide Inorganic materials 0.000 description 3
- 239000004016 soil organic matter Substances 0.000 description 3
- 230000002195 synergetic effect Effects 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 208000003643 Callosities Diseases 0.000 description 2
- 206010020649 Hyperkeratosis Diseases 0.000 description 2
- 208000019025 Hypokalemia Diseases 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- LAZOHFXCELVBBV-UHFFFAOYSA-N [Mg].[Ca].[Si] Chemical compound [Mg].[Ca].[Si] LAZOHFXCELVBBV-UHFFFAOYSA-N 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000005904 alkaline hydrolysis reaction Methods 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000005342 ion exchange Methods 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 238000006386 neutralization reaction Methods 0.000 description 2
- 229940072033 potash Drugs 0.000 description 2
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 description 2
- 235000015320 potassium carbonate Nutrition 0.000 description 2
- 208000007645 potassium deficiency Diseases 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- YYRMJZQKEFZXMX-UHFFFAOYSA-L calcium bis(dihydrogenphosphate) Chemical compound [Ca+2].OP(O)([O-])=O.OP(O)([O-])=O YYRMJZQKEFZXMX-UHFFFAOYSA-L 0.000 description 1
- 229910000389 calcium phosphate Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 125000002091 cationic group Chemical group 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000003841 chloride salts Chemical class 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000013270 controlled release Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007762 localization of cell Effects 0.000 description 1
- SWHAQEYMVUEVNF-UHFFFAOYSA-N magnesium potassium Chemical compound [Mg].[K] SWHAQEYMVUEVNF-UHFFFAOYSA-N 0.000 description 1
- 238000009332 manuring Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 235000019691 monocalcium phosphate Nutrition 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- RECVMTHOQWMYFX-UHFFFAOYSA-N oxygen(1+) dihydride Chemical compound [OH2+] RECVMTHOQWMYFX-UHFFFAOYSA-N 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003415 peat Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010850 salt effect Methods 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000013268 sustained release Methods 0.000 description 1
- 239000012730 sustained-release form Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/02—Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Fertilizers (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明属于土壤调理技术领域，公开了一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法，包括：对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律；构建基于多源卫星数据的土壤盐渍化参数反演模型，对土壤盐渍化动态监测；筛选适宜海水倒灌农田的土壤改良剂；创建海水倒灌农田土壤改良技术模式，培育适宜作物生长的条件。本发明的有机肥(绿宝丰200公斤/亩、精制椰糠300公斤/亩)+土壤改良剂(泰中兴农25公斤/亩)+作物配方肥(40公斤/亩)这种模式与对照相比该模式能够实现作物增产22％‑38％，土壤盐分下降约32.31％‑55.21％。
Description
技术领域
本发明属于土壤调理技术领域，尤其涉及一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法。
背景技术
目前，最接近的现有技术：海水倒灌指的是海水经地表到达陆地，海水入侵，指的是海水经地下到达陆地。海水倒灌，这是我国沿海地区普遍存在且日趋严重的问题，其成因主要取决于地质结构、岩层密度和取水量。目前由于海水倒灌使沿海地区的土壤变的盐渍化严重，大面积的土壤中成分发生了严重的变化，使农作物无法正常的生长，为沿海地区的农业生产造成了较大的影响。目前仍然没有完整的方案对海水倒灌土地进行监测、评价与改良，没有有效的改良方法，使土壤恢复使用。
综上所述，现有技术存在的问题是：目前仍然没有完整的方案对海水倒灌土地进行监测、评价与改良，没有有效的改良方法，使土壤恢复使用。
发明内容
针对现有技术存在的问题，本发明提供了一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法。
本发明是这样实现的，一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法，包括以下步骤：
步骤一，对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律：采用周期性采集海水倒灌区农田土壤样品和测定土壤盐分、养分和盐分离子构成相结合的方法，获取不同时期不同区域土壤盐分含量状况，从时间和空间角度总结梳理盐分变化规律；
步骤二，构建基于多源卫星数据的土壤盐渍化参数反演模型：基于多源卫星遥感数据的光谱特征参数，构建土壤盐渍化参数反演模型，对土壤盐渍化动态监测；
步骤三，筛选适宜海水倒灌农田的土壤改良剂：选择不同程度(轻、中、重度)盐渍化农田，开展定位试验的方法；考察土壤改良剂施用后对土壤盐分的影响以及对水稻生长和产量的影响，综合评价土壤改良剂改良土壤效果，筛选出相对适宜当地的土壤改良剂品种；
步骤四，创建海水倒灌农田土壤改良技术模式：在海水倒灌农田区施用一定量的生物有机肥的基础上施用前期筛选出来的改良剂，同时配施作物专用肥，培育适宜作物生长的条件。
进一步，所述步骤一的对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律包括：
(1)农田土壤盐分变化情况；
(2)土壤pH及有机质变化规律；
(3)土壤养分含量及其变化规律。
进一步，所述步骤二的构建基于多源卫星数据的土壤盐渍化参数反演模型包括：
(1)土壤盐度测量与土壤盐度反演；
基于NDVI、SI敏感光谱指数建立土壤盐渍化遥感反演模型(SRSI)，并拟合实测土壤含盐度与反演参数的定量关系，建立基于多源卫星数据的土壤盐渍化参数反演模型：
其中，ρr表示红光波段的反射率，ρb表示蓝光波段的反射率，ρnir表示近红外波段的反射率。
(2)无人机土壤盐度监测与反演；
以野外实验的实测光谱、盐度和无人机航飞的高光谱数据为基础，分析盐渍化农田的光谱响应模型，并且根据星载多光谱数据和无人机高光谱数据的特点，构建盐度反演模型。
(3)基于Landsat-8数据的土壤盐渍化变化。
进一步，所述步骤三的筛选适宜海水倒灌农田的土壤改良剂包括：
通过测量不同改良剂对农田土壤盐分的影响、不同改良剂对农田土壤养分的影响、不同改良剂对水稻产量的影响、不同改良剂对水稻农艺性状的影响，筛选适宜海水倒灌农田的土壤改良剂。
进一步，不同改良剂对农田土壤盐分的影响包括：
(1)对轻度盐渍化农田土壤盐分的影响；
(2)对中度盐渍化农田土壤盐分的影响；
(3)对重度盐渍化农田土壤盐分的影响。
进一步，不同改良剂对水稻产量的影响包括：
(1)对轻度盐渍化水田水稻产量的影响；
(2)对中度盐渍化水田水稻产量的影响；
(3)对重度盐渍化水田水稻产量的影响。
进一步，不同改良剂对水稻农艺性状的影响包括：
(1)对轻度盐渍化农田水稻农艺性状的影响；
(2)对中度盐渍化农田水稻农艺性状的影响；
(3)对重度盐渍化农田水稻农艺性状的影响；
(4)不同盐渍化程度间水稻农艺性状的比较。
综上所述，本发明的优点及积极效果为：
本发明在海水倒灌农田区施用一定量的生物有机肥，有利于培肥土壤和改良土壤物理结构；施用前期筛选出来的改良剂，有利于降低或吸附土壤溶液中的盐分；同时配施作物专用肥，可以通过这样的模式，培育适宜作物生长的条件来克服盐害。
本发明通过对海水倒灌土地进行了监测、评价与改良方法的详细实验，验证了各种改良剂对不同程度盐渍化土壤的影响，有效促进了土壤的改良，促使土壤恢复使用。通过3年的定位试验，筛选出“天脊”、“喜培”、“爱施乐”和“泰中兴农”4个品种土壤改良剂，较适合于项目区海水倒灌农田土壤改良。与对照相比，施用四种土壤改良剂后可加快土壤盐分脱盐速率20％左右，提高作物产量16％。综合评价4个品种当中，“泰中兴农”是较为经济，效果较好，并且农民易接受。有机肥(绿宝丰 200公斤/亩、精制椰糠300公斤/亩)+土壤改良剂(泰中兴农25公斤/亩)+作物配方肥(40公斤/亩)这种模式与对照相比该模式能够实现作物增产22％-38％，土壤盐分下降约32.31％-55.21％。
本发明了解了农田土壤盐分的变化规律，围绕海水倒灌农田后盐分滞留而导致当季作物绝收后续无法种植问题，采用周期性采集海水倒灌区农田土壤样品和测定土壤盐分、养分和盐分离子构成相结合的方法，获取不同时期不同区域土壤盐分含量状况，进而从时间和空间角度总结梳理盐分变化规律。通过项目的实施，基本摸清了农田土壤盐分含量的变化规律，在发生海水倒灌之后12个月的时间内，土壤盐分的下降速度最明显，总体来说随着时间的推移，加上气候和人为因素的叠加影响，土壤盐分一直处于下降趋势。近期的监测结果表明，铺前镇潭澜洋和罗豆农场罗豆洋土壤盐渍化基本消除。
本发明构建了基于多源卫星数据的土壤盐渍化参数反演模型，通过裸地和植被覆盖两种类型的土壤盐渍化光谱响应机理，分析土壤盐渍化光谱响应与土壤盐度的敏感性关系，基于多源卫星遥感数据的光谱特征参数，构建了土壤盐渍化参数反演模型，实现土壤盐渍化的动态监测。
本发明筛选出一批适宜海水倒灌农田的土壤改良剂，围绕如何运用土壤改良剂加快解决海水倒灌农田土壤含盐量高、不适合普通农作物生长的问题，选择不同程度(轻、中、重度)盐渍化农田，开展小区定位试验的方法；重点考察土壤改良剂施用后对土壤盐分的影响，以及对水稻生长和产量的，综合评价土壤改良剂改良土壤效果，进而筛选出相对适宜当地的土壤改良剂品种。通过3年的定位试验，筛选出“天脊”、“喜培”、“爱施乐”和“泰中兴农”4个品种土壤改良剂，较适合于项目区海水倒灌农田土壤改良。与对照相比，施用四种土壤改良剂后可加快土壤盐分脱盐速率20％左右，提高作物产量16％。综合评价4个品种当中，“泰中兴农”是较为经济，效果较好，并且农民易接受。
本发明创建了海水倒灌农田土壤改良技术模式，围绕如何改良海水倒灌农田，加快恢复农业生产步伐，本发明在海水倒灌农田区施用一定量的生物有机肥(目的在于培肥土壤和改良土壤物理结构)的基础上施用前期筛选出来的改良剂(目的在于降低或吸附土壤溶液中的盐分)，同时配施作物专用肥，通过这样的模式，尽量培育适宜作物生长的条件来克服盐害。三年的示范结果表明：有机肥(绿宝丰200公斤/亩、精制椰糠300公斤/亩)+土壤改良剂(泰中兴农25公斤/亩)+作物配方肥(40公斤/亩)这种模式与对照相比该模式能够实现作物增产22％-38％，土壤盐分下降约32.31％-55.21％。
附图说明
图1是本发明实施例提供的海水倒灌农田土壤盐渍化监测、评价和修复改良方法流程图。
图2是本发明实施例提供的铺前潭澜洋土壤盐分变化情况示意图。
图3是本发明实施例提供的铺前海水倒灌区农田重度盐渍化和轻度盐渍化面积变数图。
图4是本发明实施例提供的铺前海水倒灌区农田土壤pH及有机质变化规律示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为解决背景技术中目前仍然没有完整的方案对海水倒灌土地进行监测、评价与改良，没有有效的改良方法，使土壤恢复使用的问题。本发明提供了一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法。
下面结合附图对本发明的技术方案作详细描述。
如图1所示，本发明实施例提供的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，包括以下步骤：
S101：对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律：采用周期性采集海水倒灌区农田土壤样品和测定土壤盐分、养分和盐分离子构成相结合的方法，获取不同时期不同区域土壤盐分含量状况，从时间和空间角度总结梳理盐分变化规律；
S102：构建基于多源卫星数据的土壤盐渍化参数反演模型：基于多源卫星遥感数据的光谱特征参数，构建土壤盐渍化参数反演模型，对土壤盐渍化动态监测；
S103：筛选适宜海水倒灌农田的土壤改良剂：选择不同程度(轻、中、重度)盐渍化农田，开展定位试验的方法；考察土壤改良剂施用后对土壤盐分的影响以及对水稻生长和产量的影响，综合评价土壤改良剂改良土壤效果，筛选出相对适宜当地的土壤改良剂品种；
S104：创建海水倒灌农田土壤改良技术模式：在海水倒灌农田区施用一定量的生物有机肥的基础上施用前期筛选出来的改良剂，同时配施作物专用肥，培育适宜作物生长的条件。
进一步，步骤一的对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律包括：
(1)农田土壤盐分变化情况；
(2)土壤pH及有机质变化规律；
(3)土壤养分含量及其变化规律。
进一步，步骤二的构建基于多源卫星数据的土壤盐渍化参数反演模型包括：
(1)土壤盐度测量与土壤盐度反演；
基于NDVI、SI敏感光谱指数建立土壤盐渍化遥感反演模型(SRSI)，并拟合实测土壤含盐度与反演参数的定量关系，建立基于多源卫星数据的土壤盐渍化参数反演模型：
其中，ρr表示红光波段的反射率，ρb表示蓝光波段的反射率，ρnir表示近红外波段的反射率。
(2)无人机土壤盐度监测与反演；
以野外实验的实测光谱、盐度和无人机航飞的高光谱数据为基础，分析盐渍化农田的光谱响应模型，并且根据星载多光谱数据和无人机高光谱数据的特点，构建盐度反演模型。
(3)基于Landsat-8数据的土壤盐渍化变化。
进一步，步骤三的筛选适宜海水倒灌农田的土壤改良剂包括：
通过测量不同改良剂对农田土壤盐分的影响、不同改良剂对农田土壤养分的影响、不同改良剂对水稻产量的影响、不同改良剂对水稻农艺性状的影响，筛选适宜海水倒灌农田的土壤改良剂。
进一步，不同改良剂对农田土壤盐分的影响包括：
(1)对轻度盐渍化农田土壤盐分的影响；
(2)对中度盐渍化农田土壤盐分的影响；
(3)对重度盐渍化农田土壤盐分的影响。
进一步，不同改良剂对水稻产量的影响包括：
(1)对轻度盐渍化水田水稻产量的影响；
(2)对中度盐渍化水田水稻产量的影响；
(3)对重度盐渍化水田水稻产量的影响。
进一步，不同改良剂对水稻农艺性状的影响包括：
(1)对轻度盐渍化农田水稻农艺性状的影响；
(2)对中度盐渍化农田水稻农艺性状的影响；
(3)对重度盐渍化农田水稻农艺性状的影响；
(4)不同盐渍化程度间水稻农艺性状的比较。
下面结合具体实验对本发明的技术效果作进一步描述。
1.铺前海水倒灌区农田土壤盐渍化监测与评价
(1)农田土壤盐分变化情况
三年来，省农科院农业环境与土壤研究所组织科技人员在铺前镇潭澜洋项目区共开展8次土壤盐渍化监测工作，共采集土壤样品804份，测试化验水溶性盐分、pH、土壤养分等土壤指标8459项次，编绘专题图件84幅。
表1
三年来，铺前镇海水倒灌区土壤盐分平均值已从海水倒灌时的0.65％(重度盐渍化)，下降至现在的0.11％(接近非盐渍化)，下降率83.07％，海水倒灌区农田土壤基本恢复到灾前水平。
从图2可以看出，随着时间的推移，重度盐渍化和轻度盐渍化农田面积逐渐缩小，到2016年12月时，项目区域内土壤盐分含量基本减小到0.2％以内，最后两次的监测结果也基本维持相同的水平，盐分含量变化不大。
(2)土壤pH及有机质变化规律
从图3和表2，可以看出监测期内土壤有机质含量变化有增有减，但变化规律性不强；同样，土壤pH值也呈现同样的变化情况。
表2
(3)土壤养分含量及其变化规律
表3列出土壤各种指标的变化情况，每次监测土壤各种指标含量均有变化，但是变化规律性不强。土壤氯离子平均含量范围在2.74-3.00mg/kg之间，硫酸根离子含量在289.12-449.89mg/kg之间，远高于氯离子含量，可见本次海水倒灌产生的盐渍是以硫酸盐性为主；整体而言，土壤碱解氮含量处于中等偏上含量水平，有效磷含量较丰富，均超过了海南省土壤有效磷分级中的一级含量水平，土壤速效钾含量处于中等水平，交换性钙和镁含量也处于中等水平。
表3
不同时间土壤各种化学性状均呈现不同含量，有些指标先降低后升高，有些先升高后降低。
2、罗豆海水倒灌区农田土壤盐渍化监测与评价
(1)农田土壤盐分变化情况
三年来，课题组成员在罗豆农场罗豆洋项目区共开展8次土壤盐渍化监测工作，共采集土壤样品1368份，测试化验水溶性盐分、pH、土壤养分等土壤指标15000余项次，编绘专题图件88幅。
表4
监测发现三年来，罗豆农场罗豆洋倒灌区土壤盐分平均值已从海水倒灌是的0.52％(重度盐渍化)，下降至现在的 0.07％(非盐渍化)，下降率86.10％，海水倒灌区农田土壤基本恢复到灾前水平，属非盐渍化土壤。
随着时间的推移，重度盐渍化和轻度盐渍化农田面积逐渐缩小，到2015年12月时，项目区域内土壤盐分含量基本上以轻度盐渍化和非盐渍化分布为主，最后两次的监测结果表明，轻度盐渍化农田分布面积逐步缩小。
(2)土壤pH及有机质变化规律
从表5，可以看出监测期内土壤有机质含量变化有增有减，变化小且平缓，变化规律性不强；同样，土壤pH值也呈现同样的变化情况。
表5
(3)土壤养分含量及其变化规律
下表6列出土壤各种指标的变化情况，每次监测土壤各种指标含量均有变化，但是变化规律性不强。土壤氯离子平均含量范围在2.21-2.77mg/kg之间，硫酸根离子含量在258.66-321.45mg/kg之间，远高于氯离子含量，可见本次海水倒灌产生的盐渍是以硫酸盐性为主；整体而言，土壤碱解氮含量处于中等偏上含量水平(137.40-156.02mg/kg之间)，有效磷含量较丰富，均超过了海南省土壤有效磷分级中的一级含量水平，土壤速效钾含量处于中等水平，交换性钙和镁含量也处于中等水平。
表6
不同时间土壤各种化学性状均呈现不同含量，有些指标先降低后升高，有些先升高后降低；总体而言，变化不大，较为均衡。
3、土壤盐渍化遥感监测
选择了罗豆农场罗豆洋作为遥感监测区域，开展土壤盐渍化测量与雷达反演，试图探索高空监测土壤盐渍化的技术，提高监测效率，降低成本。
(1)土壤盐度测量与土壤盐度反演
表7罗豆和铺前地区土壤样品测量结果
实测光谱曲线示例。利用包络线等光谱分析方法，综合分析得到盐渍化土壤的光谱响应特征，并依据光谱特征选定遥感数据盐渍化监测的敏感波段。对于裸露土壤，红光波段和蓝光波段对含盐度有着较高的敏感性，基于红光和蓝光波段计算的盐分指数(SI)能较好的反映裸地的盐渍化程度。对于相同或者相近的植被类型，植被的生长状况与土壤含盐度具有高度的相关性，归一化植被指数(NDVI)随着土壤含盐度的增加而减小，可作为判别土壤盐渍化的间接参数。本发明基于NDVI、 SI敏感光谱指数建立土壤盐渍化遥感反演模型(SRSI)，并拟合实测土壤含盐度与反演参数的定量关系，最终建立基于多源卫星数据的土壤盐渍化参数反演模型。
其中，ρr表示红光波段的反射率，ρb表示蓝光波段的反射率，ρnir表示近红外波段的反射率。
(2)基于Landasat-8数据的盐度反演模型的：
从大气校正后的Landsat-8影像上裁剪出研究区域，利用建立的盐度反演模型反演研究区域的总盐度。由于总盐度模型只适合裸地和植被覆盖区域的总盐度反演，因此水体和建筑物的总盐度结果是无效的。从整个研究区来看，西面的总盐度高于东面，这可能是由于西面临近海水，海水倒灌现象更严重；研究区的北面的总盐度低于南面，这可能是由于北面的地势较高，北面受到海水倒灌的影响较小；另外沿着河流两侧的耕地盐度整体较高，这可能是由于海水通过河流倒灌至耕地中。
(3)无人机土壤盐度监测与反演
表8海南省罗豆和铺前地区土壤样品测量结果表
以野外实验的实测光谱、盐度和无人机航飞的高光谱数据为基础，进一步分析盐渍化农田的光谱响应模型，并且根据星载多光谱数据和无人机高光谱数据的特点，构建盐度反演模型。
通过分析了盐渍化农田的光谱特性，找出了盐渍化农田含盐度的敏感波段，以及不同敏感波段的最佳模型，即基于波长 1054nm处反射率的幂函数模型是盐渍化农田泥土的含盐度反演的最佳模型。利用无人机数据相应敏感波段的数据反演盐渍化农田的土壤含盐度。两端都是水塘，中间部分是农田，农田由水体和裸土组成。为了从无人机高光谱影像上反演土壤含盐度，首先需要对地表做粗略分类，利用监督分类方法将研究区分为水体、裸土和植被三类。针对不同的类型，利用不同的敏感波段和最佳模型反演研究区的土壤含盐度，结果整个研究区的土壤含盐度小于1.3mg/g,大部分在0.8mg/g，这块区域整体上盐渍化程度较轻。
(4)基于Landsat-8数据的土壤盐渍化变化
为了监测2016年至2017年间研究区农田盐渍化的变化情况，收集2016年7月23日和2017年9月12日的Landsat-8 数据，两景影像季节相近，无云覆盖且质量较好。利用基于盐度指数的含盐度反演方法，估算两景影像的土壤含盐度。2017 年的土壤盐渍化情况比2016有所改善，尤其是沿着河流两侧农田的盐渍化情况改善明显。将2016年至2017年之间盐渍化变化情况分为五类：显著增强、轻微增强、不变、轻微减轻和明显减轻。如表10所示，盐渍化减轻的区域占研究区面积的 75％，盐渍化增强的区域占4％，另外21％区域的盐渍化变化不明显。
表9 2016年7月23日至2017年9月12日盐渍化变化统计表
(5)盐渍化土壤水盐变化规律的研究
(5-1)盐渍化土壤盐分组成
土壤盐分组成主要是受成土母质和地下水离子组成的影响，不同离子在土壤中具有不同的迁移特征。罗豆地区因其地理临海，海拔接近海平面，受台风影响海水入侵严重，气象条件使得积盐与脱盐过程频繁交替进行，以及受各类盐基离子的化学特性差异和在土壤介质中移动能力等因素的影响，不仅导致了土壤表面上离子组成及其离子平衡程度的时空分布差异性，也必然导致土壤剖面上盐基离子总量的时空分布差异性。
表10海水入侵后土壤盐分组成
从上表10可以看出罗豆地区盐渍化土壤中盐份组成差异较大。对于阳离子来说，低度盐渍化土壤主要以Ca2+为主并且有减少的趋势：而高度盐渍化则以Na+为主，尤其是高度盐渍化土壤，Na+占阳离子比例的77％左右，由此可以看出该地区从低盐渍化到高盐渍化，土壤阳离子从Ca2+为主转为以Na+为主。反映了盐分在形成过程中水盐相互作用的内在关系：当土壤为非盐渍土低溶解度的碳酸盐类首先析出沉淀，盐分对作物无明显的抑制作用；当有盐渍化现象发生时，硫酸盐、氯化物盐类相继沉淀生成，尤其是以钠离子交换土壤颗粒的钙离子危害作物生长为标。
(5-2)不同施肥措施下盐渍化土壤盐分含量影响
实验设计：盐分动态实验设定为长期定点实验，按土壤含盐量梯度，选高、中、低三个盐区作为实验区；同时，在实验小区旁边别选出一块撂荒地(面积2亩、土壤含盐量4.04g/kg，与中盐区土壤含盐量相同)作为不动地，观察自然状态下土壤盐分变化。采样土层分4层，分别为：0-10cm、10-30cm、30-50cm、50-70cm，在作物种植前和收获后各采集一次。
表层(0-10cm)土壤盐分和中度盐渍化土壤一季作物后改良剂对表层土壤水溶性盐含量。2015年经过一季水稻栽培后，中度盐渍化土壤盐分含量与播种前相比，撂荒区降低了9.82％，CK降低了38.53％，说明农业措施是改善土壤盐渍化的有效措施，天然降雨可以淋溶一部分土壤盐分离子，但由于蒸散的原因，部分盐分又会重新汇集到地表，所以远不如农业措施带来的效果显著。
针对2015年的实验结论，2016年继续观察撂荒和施肥状态下土壤盐分的变化情况。选择设撂荒与耕作两个处理，其中耕作分不施肥、施有机肥、施无机肥，四个处理，三次重复，随机排列，撂荒为对照。施肥处理如下：
有机肥：生物有机肥(有机质≥45,总养分N-P2O5-K2O≥5％)；硅钙镁钾复混肥(N-P2O5-K2O＝5-5-8≥18％， CaO-SiO2-MgO＝14-13-3≥30％)。
无机肥：尿素(N≥46％)，过磷酸钙(P2O5≥16％)，钾肥(KCL≥17％)。
撂荒状态下，经过2年的自然变化，土壤盐分含量降到1.1g/kg，3年后降至0.7g/kg，达到适种要求。说明实验区域降雨充沛，自然蒸降条件下，如不受其他因素干扰，3年后受灾农田可以恢复到健康状态。
土壤剖面方向土壤盐分含量变化规律，无机肥使土壤盐分下降明显，可能的原因是无机肥含有较多的游离态离子，在土壤表层比较活跃，短期内对土壤盐分影响明显；有机肥含有较多的有机质，短期内降解不完全，阻碍了各种离子的活动能力。
6.土壤改良剂的筛选及施用技术
(1)土壤改良剂的筛选
为摸清不同改良剂改良盐渍化农田土壤效果，筛选适宜当地即经济、效果又明显，并且有利于推广的品种；在铺前镇潭榄村潭榄洋选择了重、中和低三种盐渍化程度土壤进行定点小区实验。三年来累计连续布置了5造水稻实验，实验水稻品种为特优458，除改良剂不同外，其余水肥管理均保持一致，实验共计14个处理，每个处理3次重复，每个小区面积16m2。在水稻插秧前，采集土壤本底值样品，进行测试化验，待水稻收获后各小区分别采集土壤样品，测试土壤水溶性盐总量、pH 值、碱解氮、有效磷和速效钾等土壤理化指标。三种盐渍化程度农田土壤理化性状见下表：
表11
表12参与实验的土壤改良剂品种及其主要成分含量
(2)不同改良剂对农田土壤盐分的影响
1)对轻度盐渍化农田土壤盐分的影响
实验前采集了土壤样品，分析化验得出土壤平均含盐量为1.21g/kg，对照土壤盐渍化程度分类标准，判断其属于轻度盐渍化土壤。并于2015年7月至2017年11月间，实施了五茬实验，实验结果见表13：
表13
从上表13可以看出，水稻收获后土壤盐分含量差异较大，盐分最大的处理是对照(不施任何改良剂)盐分为1.09g/kg，最小的是天脊改良剂处理的小区，盐分为0.82g/kg，与对照相比下降小区盐分下降最大的是“天脊”改良剂，下降了24.21％，其次是“爱施乐”改良剂，与对照相比下降了23.41％；与土壤本底值盐分相比，下降幅度最大的是“天脊”改良剂，下降了 32.31％，其次是“爱施乐”改良剂；下降幅度不明显的改良剂有“山东农大Ⅰ”、“泰中兴农”等土壤改良剂。总的来说，“天脊”、“爱施乐”、“富力邦”、“黄腐殖酸钾”、“喜培”在轻度盐渍化农田土壤小区实验中表现较好，在所有的改良剂中对于降低土壤盐分效果最明显。
第二茬收获后，土壤测试分析发现，除了处理7(山东农大Ⅰ)和处理14(对照)土壤盐分依然略微高于非盐渍化土壤标准外，其余各处理土壤盐分均降到了1g/kg以下，为非盐渍化土壤。
2)对中度盐渍化农田土壤盐分的影响
实验前采集了土壤样品，分析化验得出土壤平均含盐量为4.68g/kg，对照土壤盐渍化程度分类标准，判断其属于中度盐渍化土壤。并于2015年7月至2017年11月间，实施了五茬实验，实验结果见表14：
表14
从上表14可以看出，第一茬水稻收获后土壤盐分含量均有所下降，但下降差异较大，盐分下降最大的处理是天脊，下降幅度最小的是对照(不施任何改良剂)，与对照相比盐分下降最大的是“天脊”改良剂，下降了23.37％，其次是“喜培”改良剂，与对照相比下降了23.64％；与土壤本底值盐分相比，具有不同程度下降，下降幅度范围为47.58％-59.97％。总的来说，“天脊”、“喜培”、“金A6+1”“富力邦”四种改良剂在中度盐渍化农田土壤中改良效果较好。
第二茬收获后，土壤测试分析发现，“泰中兴农”改良剂是所有改良剂中，土壤盐分下降最快的改良剂，下降幅度显著高于其他改良剂。其次是“金A6+1”、“爱施乐”和“富力邦”。对照与第一茬收获后土壤盐分含量相比，土壤盐分下降了0.5 g/kg。第三、四、五茬，土壤盐分的变化规律与第二茬类似，通过五茬水稻实验，可以发现土壤改良剂改良土壤效果主要体现在第一和第二茬，第三茬后由于土壤中盐分含量已经较低，或接近于非盐渍化土壤标准了，因此在消除土壤盐分的过程中作用不显著。
具体来说，在中度盐渍化土壤中，不同改良剂改良土壤效果差异显著，其中，“泰中兴农”、“爱施乐”和“富力邦”的效果最为明显。
3)对重度盐渍化农田土壤盐分的影响
实验前采集了重度盐渍化地区土壤样品，分析化验得出土壤平均含盐量为9.56g/kg，对照土壤盐渍化程度分类标准，确定其属于中度盐渍化土壤。并于2015年7月至2017年11月间，实施了五茬实验，实验结果见表15：
表15
从上表15可以看出，第一茬水稻收获后土壤盐分含量均有所下降，但下降差异较大，盐分下降幅度最大的改良剂是“喜培”，下降幅度最小的是对照(不施任何改良剂)，与对照相比盐分下降了64.46％，其次是“泰中兴农”改良剂，与对照相比下降了62.07％；与土壤本底值盐分相比，下降幅度范围为64.13％-64.46％。总的来说，“泰中兴农”、“喜培”、“天脊”、“伯洪”和“富力邦”四种改良剂在重度盐渍化农田土壤中改良效果较好。
第二茬收获后，土壤盐分最低的是“伯洪”改良剂处理后的小区，土壤盐分含量仅为2.39g/kg，其余改良剂处理的小区土壤盐分下降程度未达到显著水平，直到第四茬收获后，各种改良剂处理的小区土壤盐分含量基本达到了非盐渍化水平，与对照相比，下降幅度均较显著。综合判断，表现较好的改良剂有“泰中兴农”、“喜培”、“伯洪”和“富力邦”。
(3)不同改良剂对农田土壤养分的影响(罗豆)
实验区海拔接近海平面，台风来临之季，极易带来海水入侵，大量海盐沉积改变了农田盐渍成分，造成土壤板结、土壤微生物活动能源降低、营养元素利用率减小等问题，导致作物生长发育不良，甚至死亡而无法耕作。因此，土壤改良在生产中成为急需解决的问题。在研究和生产中应用较多的土壤改良技术有种植绿肥、合理轮作、增施有机肥等措施，然而这些方法在罗豆海水倒灌区均存在一定局限性。而土壤改良剂在一定程度上能够松土、保湿、改良土壤理化性状，改善土壤盐渍化，促进植物对水分和养分的吸收。实验地土壤养分见下表16:
表16
在施肥基础上(施生物有机肥300kg/mu、硅钙镁复混肥50kg/mu)，水稻收获后采集土壤养分，进行室内分析测试和数据分析。不同改良剂对低盐(轻度盐渍化)农田土壤养分的影响：
表17
不同改良剂对高盐(重度盐渍化)农田土壤养分的影响：
表18
不同改良剂均能提高土壤中有机质、碱解氮、有效磷、速效钾含量，相比对照CK，高盐区各指标分别增加了 10.78-17.37％、17.71-41.00％、18.91-70.21％、11.21-38.51％；低盐区各指标分别增加了8.21-21.54％、17.07-48.15％、 15.96-77.23％、7.50-34.44％。大部分改良剂能达到显著性差异。说明施用土壤改良剂有利于土壤中速效性氮元素、磷元素、钾元素以及有机质的转化。
土壤养分是土壤肥力的核心。在生产上，常用土壤N、P、K等养分含量的多少来衡量土壤肥力的高低。本发明结果表明：土壤改良剂能提高土壤中速效养分含量可能由以下两个方面原因造成；一方面，由于土壤改良剂具有很强的离子交换能力，可以吸附土壤中的Na+、Cl－等离子，增强了养分离子的代换量，将养分离子从矿物中代换出来，因此提高了土壤中速效养分含量；另一方面，施用土壤改良剂能改良土壤结构，增加土壤团粒的含量和团粒结构的稳定性，形成大量的土壤微孔隙，从而增强了土壤的蓄水通气性。因水的热容比空气大，水分含量增大，调温和控温能力增强，土壤温度不会过高或过低，土壤中的水、肥、气和热达到相互谐调状态，相应的土壤微生物和酶的活性均会提高，活化土壤养分，致使土壤速效养分增多。
在没有改良剂的条件下，以CK为基础，盐渍地在统一施肥基础上(施生物有机肥300kg/mu、硅钙镁复混肥 50kg/mu)，无论高盐区，还是低盐区，均能显著提高土壤有机质和氮磷钾含量。说明施肥在提高土壤养分的同时，有利于土壤盐渍化的改善(收获后高盐区、低盐区土壤水溶性盐含量分别为4.49g/kg/2.32g/kg)。
综合来看，在当地常规施肥的基础上，配合施用土壤改良剂，能提高整个生育期土壤中有机质、碱解氮、速效磷和速效钾含量，提高作物产量，改善土壤盐渍化现状，可在生产上进一步推广应用。
(4)不同改良剂对水稻产量的影响
1)对轻度盐渍化水田水稻产量的影响
2015年的实验情况见下表，轻度盐渍化实验增产效果最好的是安杰改良剂，增产率达到55.17％，其次是富力邦，增产率为45.54％，增产效果最差的是伯洪，增产率仅为17.28％，表现最好分别是安杰、富力邦、爱施乐、喜培和天脊，其亩产量为383kg、359kg、355kg、354kg和346kg。
表19
2016年的实验情况见下表，轻度盐渍化实验增产效果最好的是泰中兴隆改良剂，增产率达到25.2％，其次是腐殖酸缓释肥，增产率为20.1％，增产效果最差的是山东农大Ⅱ，增产率仅为5.1％，总体来看，表现最好分别泰中兴农、腐殖酸缓释肥、富力邦和安杰，其亩产量为327.35kg、314.14kg、313.04kg和303.79kg。
表20
2017年的实验情况见下表，轻度盐渍化实验增产效果最好的是腐殖酸缓释肥改良剂，增产率达到27.4％，其次是山农大Ⅰ，增产率为22.6％，第三是金A6+1，增产率为20.7％，总体来看，表现最好分别腐殖酸缓释肥、山农大Ⅰ、金A6+1 和高品质腐殖酸，其亩产量为3371.02kg、356.79kg、351.32kg和346.39kg。
表21
综合上述情况，三年的轻度盐渍化土壤改良剂实验表明，泰中兴农、腐殖酸缓释肥、天脊、喜培和安杰对于提高稻谷产量效果比其它的土壤改良剂效果要好，考虑到成本情况下，建议把泰中兴农进行推广示范，农民比较容易接受。
2)对中度盐渍化水田水稻产量的影响
2015年的实验情况如下表所示，水稻稻谷产量增产效果最好的是喜培改良剂，增产率达到47.8％，其次是天脊，增产率为36.2％，第三是爱施乐，增产率为35.5％，增产效果最差的是伯洪，增产率仅为4.5％，表现最好分别是喜培、天脊、爱施乐、腐殖酸缓释肥和富力邦，其亩产量为358.1kg、329.8kg、328.3kg、311.1kg和303.5kg。
表22
2016年的实验情况如下表所示，水稻稻谷产量增产效果最好的是天脊改良剂，增产率达到15.8％，其次是泰中兴农，增产率为14.6％，第三是伯洪，增产率为14.1％，增产效果最差的是爱施乐，增产率仅为3.7％，表现最好分别的天脊、泰中兴农、伯洪、安杰和山东农大Ⅱ，其亩产量为344.09kg、340.35kg、338.95kg、338.01kg和329.82kg。
表23
2017年的实验情况如下表所示，水稻稻谷产量增产效果最好的是安杰改良剂，增产率达到17.9％，其次是黄腐殖酸钾，增产率为14.9％，第三是天脊，增产率为14.2％，增产效果最差的是爱施乐，增产率仅为5.0％，表现最好的安杰、黄腐殖酸钾、天脊、高品质腐殖酸和伯洪，其亩产量为385.8kg、375.9kg、373.8kg、371.6kg和370.5kg。
表24
综合上述中度盐渍化土壤改良剂筛选三年实施情况，表明泰中兴农、天脊、伯洪和安杰对于提高稻谷产量效果比其它的土壤改良剂效果要好，考虑节本增效情况，泰中兴是农民比较容易接受的改良剂。
3)对重度盐渍化水田水稻产量的影响
2015年的实验情况如下表所示，水稻稻谷产量增产效果最好的是喜培改良剂，增产率达到54.5％，其次是伯洪，增产率为51.5％，第三是天脊，增产率为45％，增产效果最差的是高品质腐殖酸，增产率仅为23％。由于第一茬实验，土壤本底值含盐量较高，相比对照改良剂的改良效果较为明显，都有不同程度的增产，综合来看，增产效果较好的改良剂有喜培、伯洪、天脊、安杰和腐殖酸缓释肥，其产量相比对照都保持增产42％以上，其亩产量分别为327.58kg、321.06kg、3307.38 kg、306.14kg和301.17kg。
表25
2016年的实验情况如下表所示，水稻稻谷产量增产效果最好的是山东农大Ⅰ改良剂，稻谷产量为312.62kg/亩，相比对照增产率达到28.9％，其次是天脊，稻谷亩产量为306.02kg，增产率为26.2％，第三是高品质腐殖酸，产量为301.95kg/ 亩，相比对照增产率为24.5％，增产效果最差的是山东农大Ⅱ，亩产量仅为268.15kg，增产率仅为10.6％。由于土壤本底值含盐量较高，相比对照改良剂的改良效果还是比较明显，但是由于整块田的含盐量下降了很多，各土壤改良剂的产量差异显著性不强。综合来看，山东农大Ⅰ、天脊、高品质腐殖酸、伯洪和泰中兴农，对于水稻增产效果最好。
表26
2017年的实验情况如下表所示，水稻稻谷产量增产效果最好的是腐殖酸缓释肥，稻谷产量为372.66kg/亩，相比对照增产率达到27.4％，其次是山东农大Ⅰ，稻谷亩产量为358.37kg，增产率为20.7％，第三是金A6+1，产量为352.88kg/ 亩，相比对照增产率为20.6％，增产效果最差的是爱施乐，亩产量仅为310kg，增产率仅为6.0％。由于实验第三年了，土壤评价含盐量基本接近非盐渍化水平了，相比对照增产效果没有前两年的效果好。就本年度实验，综合来看，腐殖酸缓释肥、山东农大Ⅰ、金A6+1、高品质腐殖酸和天脊，增产效果最为明显。
表27
综合上述重度盐渍化土壤改良剂筛选三年实施情况，表明腐殖酸缓释肥、天脊、高品质腐殖酸和山东农大Ⅰ，对于提高稻谷产量效果比其它的土壤改良剂效果要好，综合发现重度盐渍化农田土壤中腐殖酸类的改良剂改良土壤效果比较好。
对于水稻增产效果情况来看，三年三种盐渍化程度(轻、中、重)的定位实验初步表明，在轻、中度盐渍化农田中矿物质类的改良剂效果较好，如泰中兴农和天脊；而在重度盐渍化农田当中，对于稻谷增产效果较好的改良剂要属腐殖酸类的，如本实验条件下的高品质腐殖酸和腐殖酸缓释肥等。
(5)不同改良剂对水稻农艺性状的影响
农业性状是水稻生长发育的重要指标，同时也是构成产量的性状指标，不仅受土壤性状的影响，同时也受气候和病虫害的双影响，为全面评价不同改良剂的改良土壤效果，在开展盐分、养分评价时，也开展了水稻农艺性状的考量。
1)对轻度盐渍化农田水稻农艺性状的影响
不同土壤改良剂对水稻有效穗的影响差异不显著，但经土壤改良剂处理过的水稻，其有效穗均高于对照，说明在盐渍化农田土壤中施用土壤改良剂有助于提高水稻的有效穗。
不同土壤改良剂对水稻株高的影响，相比对照施用土壤改良剂后均有显著提高水稻株高，但是不同土壤改良剂间差异不显著。
不同土壤改良剂对稻谷千粒重的影响，与对照相比施用土壤改良剂也不能显著提高其千粒重，但是施用土壤改良剂对于增加稻谷千粒重具有一定的促进作用，受盐渍化的影响各改良剂处理的倒灌千粒重依然低于正常值。
2)对中度盐渍化农田水稻农艺性状的影响
不同土壤改良剂对水稻有效穗的影响差异各不相同，伯洪处理其水稻有效穗显著高于泰中兴农、富力邦、高品质腐殖酸、金A6+1、爱施乐、喜培、安杰和对照，但是伯洪、黄腐殖酸钾、山东农大Ⅰ、山东农大Ⅱ、腐殖酸缓释肥和天脊之间差异不显著。
不同土壤改良剂对水稻株高的影响，相比对照施用土壤改良剂后均有显著提高水稻株高，但是不同土壤改良剂间差异不显著。
在中度盐渍化土壤中，不同土壤改良剂对稻谷千粒重的影响，各处理间存在较大差异，对照处理稻谷千粒重最小；泰中兴农、黄腐殖酸钾、伯洪、山东农大Ⅰ和喜培显著高于富力邦、高品质腐殖酸、金A6+1、山东农大Ⅱ、活性腐殖酸缓释肥、爱施乐、天脊、安杰和对照；但是富力邦、高品质腐殖酸、金A6+1、山东农大Ⅱ、活性腐殖酸缓释肥、爱施乐、天脊、安杰改良剂处理后水稻千粒重所有增加，但是各改良剂之间差异不显著。
3)对重度盐渍化农田水稻农艺性状的影响
从下表中可以看出：重度盐渍化土壤中，不同土壤改良剂对水稻有效穗的影响存在较大差异性，基本排序是腐殖酸类的改良剂＞矿物质类改良剂＞对照，从下表中还可以发现，伯洪改良处理后，水稻有效穗显著高于其他改良剂，其他改良剂与对照间有差异但不显著；水稻株高的情况比较简单，有差异但不显著，伯洪改良剂处理显著高于对照，但与其他改良剂之间差异不显著；不同土壤改良剂对稻谷千粒重的影响基本上没有太大的差异。
表28
4)不同盐渍化程度间水稻农艺性状的比较
不同改良剂对不同程度下盐渍化农田种植的水稻农艺性状的影响是有差异的，纵向比较了有效穗、株高和千粒重3 个性状指标。
水稻有效穗的分析结果表明：在重度盐渍化的土壤中，泰中兴农、富力邦和伯洪效果最明显，三种改良剂处理过的小区，水稻有效穗均多于轻度和中度盐渍化农田；在中度盐渍化农田中，活性腐殖酸控释肥和天脊效果优于其他改良剂；在轻度盐渍农田中，木本泥炭和喜培效果优于其他改良剂。
水稻株高的情况比较简单，基本上所有的改良剂在轻度盐渍化农田土壤中的效果最明显，其次是在中度盐渍化农田，效果最差则是在重度盐渍化农田。
稻谷千粒重的分析表明，所有改良剂处理过的盐渍化农田当中，均是轻度盐渍农田收获的稻谷千粒重最大；其次是中度盐渍化农田；而在重度盐渍化农田中，收获稻谷千粒重均值最小。
综合来看，水稻农艺性状的优劣除了与改良剂有关，最重要的还是与土壤中本底值的盐分含量关系密切，基本上所有的改良剂在轻度盐渍化农田土壤中的效果最明显，其次是在中度盐渍化农田，效果最差则是在重度盐渍化农田。
3、改良剂用量
(1)泰中兴农改良剂实验
实验地点选在罗豆农场东阳村，水稻品种为特优458；肥料为：尿素(含N46％)，富岛水稻配方肥(21-6-26)，泰中兴农土壤调理剂。实验目的在于筛选较适宜的水稻配方肥用量+土壤改良剂最佳组合，实验设7个处理，3次重复。
小区面积16㎡(4.0m×4.0m)，移植规格为20cm×20cm，实验施肥方法为：各处理土壤调理剂当基肥一次性施用，各处理配方肥50％当基肥，植后10天施50％配方肥和尿素。实验设计如下：
表29
由下表看出，习惯施肥处理产量最低，为311.3kg/667m2，其余处理稻谷产量都显著增加，相对习惯施肥处理增幅为7.9～38.1％，以处理3产量最高，达429.9kg/667m2，增产38.1％；等量配方肥下(1～3，6)，随着土壤调理剂施用量的增加，稻谷产量也显著增加，相对处理6增幅为16.5～27.9％；等量土壤调理剂下(3～5)，随着配方肥施用量的增加，稻谷产量也增加，相对处理5增幅为2.4～19.5％；以上分析得出，亩施用40公斤配方肥加25公斤土壤调理剂(处理3)效果最好。
表30
(2)天脊土壤改良剂实验
实验地点选在罗豆农场东阳村罗豆洋，水稻品种为特优458；肥料为：尿素(含N46％)，富岛水稻配方肥(21-6-26)，天脊土壤调理剂。实验目的在于筛选较适宜当地的天脊土壤改良剂用量的，实验设6个处理，3次重复。
小区面积16㎡(4.0m×4.0m)，移植规格为20cm×20cm，实验施肥方法为：各处理土壤调理剂当作基肥一次性施用，各处理配方肥50％当基肥，植后10天施50％配方肥和尿素。实验设计如下：
表31
由下表看出，对照(习惯施肥)处理产量最低，为300.3kg/亩，其余处理稻谷产量随着天脊改良剂施用的增加而增加，经LSD法多重比较发现，处理3、处理4、处理5和处理6产量显著高于处理1和处理2，处理1与处理2产量相互间差异性不显，处理3、处理4、处理5和处理6之间产量差异不显著；从产量增加的幅度来看，处理3、处理4、处理5和处理6之间产量是逐渐增加的，但是随着天脊改良剂施用量每亩达到20公斤后，其增产幅度逐渐下降，尤其是处理6与处理 5之间的增产幅度小于处理5与处理4之间的增产幅度，因此，可以初步判定本实验条件下，考虑节本增效情况下，处理5 的是一个最佳处理，也即亩施用天脊改良剂25公斤时水稻增产效果最好。
表32
(3)高品质腐殖酸用量实验
实验地点选在铺前镇潭榄村潭澜洋，水稻品种为特优458；肥料为：尿素(含N46％)，富岛水稻配方肥(21-6-26)；改良剂为高品质腐殖酸。实验目的在于探明较适宜当地的高品质腐殖酸土壤改良剂的适宜用量，并进行实验示范，实验设7 个处理，3次重复。小区面积16㎡(4.0m×4.0m)，移植规格为20cm×20cm，实验施肥方法为：各处理土壤调理剂当作基肥一次性施用，各处理配方肥50％当基肥，植后10天施50％配方肥和尿素。实验设计如下：
表33
由下表看出，对照(习惯施肥)处理产量最低，为333.83kg/亩，其余处理稻谷产量随着天脊改良剂施用的增加而增加，经LSD法多重比较发现，处理3、处理4、处理5、处理6和处理7产量显著高于处理1和处理2，处理1与处理2产量相互间差异性不显，处理5、处理6和处理7显著高于处理4和处理3，处理5、处理6和处理7之间产量差异不显著；从产量增加的幅度来看，处理3—处理7之间产量是逐渐增加的，但是随着高品质腐殖酸改良剂施用量每亩达到150公斤后，其增产幅度逐渐下降，尤其是处理5、处理6与处理7之间的增产幅度明显小于处理3与处理2之间的增产幅度，因此，基本判定本实验条件下，在考虑节本增效情况下，处理4的是一个最佳实验处理，即高品质腐殖酸亩施用200公斤时水稻经济效益最高。
表34
(4)有机肥田间小区实验
不同品种有机肥筛选实验
实验地点位于海南省文昌市铺前镇潭榄村潭榄洋，实验水稻品种为特优458，水稻移栽时间为2017年3月中旬，插秧时叶片数为4叶左右，每穴秧苗株数为2株，株行距为20cm×20cm。实验期间无特殊气候因素影响，每个处理3次重复，每个小区面积为18m2(4m×4.5m)。以纯氮10公斤/亩、五氧化二磷5公斤/亩和氧化钾10公斤/每亩作为常规施肥，分3次施用(基肥50％、蘖肥30％、穗肥20％)，在常规施肥之前一次性施用不同种类(品牌)有机肥作为基肥，其他日常管理均一致。实验具体方案见下表：
表35
专家组对现场种植的水稻小区实验进行了随机实割测产，测产结果如下表所示：
表36
由上表可知，对照处理稻谷产量387.6kg/亩，所有有机肥处理相比对照均有增产效果，增产范围在22.9-72.6kg/亩，增产幅度为5.9-18.7％。其中，“椰糠精制”、“中和泓润”的增产幅度较大，分别达到18.73％和18.23％，综合考虑肥料价格情况时，建议把“椰糠精制”有机肥作物本地推广品种。
(5)中和泓润有机肥不同用量实验
实验地点位于海南省文昌市铺前镇潭榄村潭榄洋，实验水稻品种为特优458，水稻移栽时间为2017年3月中旬，插秧时叶片数为4叶左右，每穴秧苗株数为2株，株行距为20cm×20cm。实验期间无特殊气候因素影响，每个处理3次重复，每个小区面积为20m2(4m×5m)。以纯氮10公斤/亩、五氧化二磷5公斤/亩和氧化钾10公斤/每亩作为常规施肥，分3次施用(基肥50％、蘖肥30％、穗肥20％)，在常规施肥之前一次性施用5种不同用量的中和泓润有机肥作为基肥，其他日常管理均一致。实验具体方案见下表：
表37
专家组对现场种植的水稻小区实验进行了随机实割测产，测产结果如下表所示：
表38
对照稻谷产量386.68kg/亩，不同有机肥施用量均较对照增产，增产范围在24.7-66.3kg/亩，增产幅度为6.4-17.2％。施用有机肥有助于提高作物产量，在每亩施用泓润有机肥0～1200kg范围内，水稻产量随着有机肥施用量的增加而增加；当每亩用量超过900kg后，增产幅度降低，综合考虑有机肥的价格问题，处理2即每亩施用600kg中和泓润有机肥是最适宜当地的有机肥用量。
(6)其他实验情况
水稻秸秆还田实验
秸秆还田是当今世界上普遍重视的一项培肥地力的措施，不仅能降低秸秆焚烧所造成的大气污染，而且对于实现国务院提出的到2020年化肥农药使用量零增长目标意义重大。秸秆还田能增加土壤有机质，改良土壤结构，使土壤疏松，孔隙度增加，容量减轻，促进微生物活力和作物根系的发育。实验研究表明：秸秆还田一般可增产5％～10％，对于促进农业节水、节成本、增产、增效功不可没。
实验为8个处理，3次重复，三个秸秆还田量梯度，分两组实验：一组加“腐杆灵”，另一组不加“腐杆灵”。
通过一季水稻实验，结果表明：缺钾区域，随着秸秆还田量的增加，水稻产量逐渐增加，秸秆全量(450kg)还田处理的稻谷产量最高，为289.90kg/亩，说明秸秆还田后能够释放出一定量的钾素供作物吸收，进而提高产量；减半量施钾区域，基本上也是随着秸秆还田量的增加，水稻产量逐渐增加，秸秆全量(450kg)还田处理的稻谷产量最高，为381.83kg/亩，说明5kg/亩的纯钾施用量，仍然不足于作物吸收，水稻依然靠秸秆还田腐解释放出钾供作物吸收；全量施钾区域，基本上也是随着秸秆还田量的增加，水稻产量逐渐增加，秸秆全量(450kg)还田处理和0kg还田处理的稻谷产量差异达到显著水平，而不同秸秆量还田处理之间稻谷产量差异不显著，间接说明10kg/亩的纯钾施用量，仍然不足于作物吸收，但是秸秆还田后基本能够满足单季水稻对钾的需求。
(7)水浮莲矿化灰分还田实验
实验地点位于海南省文昌市罗豆农场罗豆洋，实验水稻品种为特优458，水稻移栽时间为2017年2月初，插秧时叶片数为4叶左右，每穴秧苗株数为2株，株行距为20cm×20cm。
实验设12个处理，每个处理3次重复，每个小区面积为16m2(4m×4m)。以纯氮10公斤/亩、五氧化二磷5公斤/ 亩和氧化钾10公斤/每亩作物常规施肥，在常规施肥的基础上设置不施钾肥和施50％钾肥两个梯度作为产量限制因子，同时，配施3个梯度用量的水浮莲灰分，总共12个处理。水浮莲灰分作为基肥一次性施入，常规施肥分3次施用(基肥50％、蘖肥30％、穗肥20％)，其他日常管理均一致。
两造水稻实验表明：缺钾区域，随着水浮莲灰分还田量的增加，水稻产量逐渐增加，450kg/亩灰分还田处理的稻谷产量最高，为308.7kg/亩，说明灰分还田后能够释放出一定量的钾素供作物吸收，进而提高产量；减半量施钾区域，基本上也是随着灰分还田量的增加，水稻产量逐渐增加，450kg/亩灰分还田处理的稻谷产量最高，为361.2kg/亩，说明5kg/亩的纯钾施用量，仍然不足于水稻对钾的吸收，或者说土壤中的钾依然不够，不足的钾依然靠灰分还田后释放；全量施钾区域，基本上也是随着灰分量还田量的增加，水稻产量逐渐增加，450kg/亩灰分还田处理和0kg灰分还田处理的稻谷产量差异达到显著水平，而不同灰分量还田处理之间稻谷产量差异不显著，间接说明10kg/亩的纯钾施用量，仍然不足于作物吸收，但是灰分还田后基本能够满足单季水稻对钾的需求。
4、海水倒灌农田土壤改良技术示范
(1)2015年示范效果
1)罗豆示范区示范效果
2015年11月18日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》建立的水稻示范区进行现场测产验收。专家组认真听取了项目实施负责人汇报，实地考察了现场并进行实割测产，经质疑，形成如下意见：示范区选择在文昌市罗豆农场东阳村盐渍化农田，土壤平均盐分0.39％，前作水稻；示范田地势均匀，无严重土传病害。项目采用土壤改良技术(水稻秸秆还田400 kg/亩+泰中兴农改良剂50公斤/亩+椰糠精制有机肥500公斤/亩+水稻专用肥50公斤/亩)，试验过程采用人工机井抽水，排涝正常，无特殊气象因素影响；示范品种特优458(审定编号：琼审稻2010015)，面积60亩。专家组在种植现场随机设点实割，结果：实割面积2.37亩，收湿谷902.14公斤，经晒干，干谷重721.71公斤，折亩产304.52公斤。
2)铺前示范区示范效果
2015年11月29日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》建立的水稻示范区进行现场测产验收。专家组认真听取了项目实施负责人汇报，实地考察了现场并进行实割测产，经质疑，形成如下意见：示范区选择在文昌市埔前镇潭榄村潭榄洋盐渍化农田，土壤平均盐分0.36％，前作水稻；示范田地势均匀，无严重土传病害。项目采用土壤改良技术(水稻秸秆还田400kg/亩+泰中兴农改良剂50公斤/亩+椰糠精制有机肥500公斤/亩+富岛水稻配方肥50公斤/亩)，试验过程采用机电水泵抽水，排涝正常，无特殊气象因素影响；示范品种特优458(审定编号：琼审稻2010015)，面积60亩。专家组在现场选择有代表性的中等产量的田块，以及对照处理区均用联合收割机实割，结果：示范区实割面积1.68亩，实收湿稻谷574.14 公斤，干谷重459.31公斤，折亩产273.4公斤。
(2)2016年示范效果
1)罗豆示范效果(上半年)
2016年6月21日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》建立的水稻示范区进行现场测产验收。专家组认真听取了项目实施负责人汇报，实地考察了现场并进行实割测产，经质疑，形成如下意见：
示范区选择在文昌市罗豆农场东阳村盐渍化农田，土壤平均盐分0.39％，前作水稻；示范田地势均匀，无严重土传病害。项目采用土壤改良技术(水稻秸秆还田400kg/亩+泰中兴农改良剂50公斤/亩+椰糠精制有机肥500公斤/亩+水稻专用肥50 公斤/亩)，试验过程采用人工机井抽水，排涝正常，无特殊气象因素影响；示范品种特优458(审定编号：琼审稻2010015)，面积60亩。专家组在种植现场随机设点实割，结果：实割面积2.37亩，收湿谷1295.00公斤，经晒干，干谷重1010.10公斤，折亩产426.20公斤。专家组一致认为：项目完成了亩产超过300～400公斤的产量考核指标。
2)罗豆示范效果(下半年)
2016年11月15日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》进行现场测产验收。专家组认真听取了项目情况介绍，查阅相关资料，实地考察了现场并进行实割测产，经质疑和讨论，形成如下意见：
示范地点文昌市罗豆农场东阳村，示范品种杂交稻“特优458”，面积60亩；项目采用土壤改良技术(水稻秸秆还田400 kg/亩+泰中兴农改良剂50公斤/亩+椰糠精制有机肥500公斤/亩+水稻专用肥40公斤/亩)，设有对照处理区，面积0.9亩；示范品种正值抽穗扬花期时遭遇“莎莉嘉”台风，结实率偏低。专家组随机选择有代表性田块采用联合收割机进行测产，示范区实割面积1.9亩，实收湿谷735.6公斤，晒干后(以标准水分13.5％计)，干谷重575.8公斤，折亩产303.1公斤；对照处理区实割面积0.9亩，实收湿谷311.9公斤，晒干后(以标准水分13.5％计)，干谷重217.8公斤，折亩产242.0公斤。示范区平均亩产303.1公斤，比对照处理区亩增产61.1公斤，超过亩产300～400公斤的产量考核指标。
3)铺前示范效果(上半年)
2016年6月29日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》建立的水稻示范区进行现场测产验收。专家组认真听取了项目实施负责人汇报，实地考察了现场并进行实割测产，经质疑，形成如下意见：示范区选择在文昌市埔前镇潭榄村潭榄洋，属盐渍化农田，土壤平均盐分0.36％，前作水稻，示范田地势均匀，无严重土传病害。项目采用土壤改良技术(水稻秸秆还田400kg/亩+泰中兴农改良剂50公斤/亩+椰糠精制有机肥500公斤/亩+富岛水稻配方肥50公斤/亩)，试验过程采用机电水泵抽水，排涝正常，无特殊气象因素影响；示范品种特优458(审定编号：琼审稻2010015)，面积60亩，专家组在现场选择有代表性的中等产量的田块，以及对照处理区均用联合收割机实割，结果：示范区亩产干谷377.37公斤，对照区平均亩产干谷305.9公斤。专家组一致认为：项目完成了示范区亩产超过300～400公斤的产量考核指标，亩产量示范比对照增产 71.45公斤。
4)铺前示范效果(下半年)
2016年11月8日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》进行现场测产验收。专家组认真听取了项目情况介绍，查阅相关资料，实地考察了现场并进行实割测产，经质疑和讨论，形成如下意见：示范地点文昌市埔前镇潭榄村潭榄洋，示范品种杂交稻“特优458”，面积60亩；项目采用土壤改良技术(水稻秸秆还田400kg/亩+泰中兴农改良剂50公斤/亩+椰糠精制有机肥500公斤/亩+水稻专用肥40公斤/亩)，设有对照处理区，面积0.93亩。专家组随机选择有代表性田块采用联合收割机进行测产，结果示范区平均亩产315.4公斤，比对照处理区亩增产39.4公斤，超过亩产300～400公斤的产量考核指标。
(3)2017年示范效果
1)罗豆示范效果
2017年6月8日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》(HNGDhs01)建立的水稻示范区进行现场测产验收。专家组认真听取了项目实施汇报，实地考察了现场并进行实割测产，经质疑，形成如下意见：示范区位于文昌市罗豆农场东阳村，前作水稻，示范田地势平坦，肥力均匀；项目采用土壤改良技术(泰中兴农改良剂50公斤/亩+洋浦绿宝丰农资有限公司生产的中和泓润生物有机肥200公斤/亩+水稻专用肥40公斤/亩)，采用人工机井抽水灌溉；示范品种特优458(审定编号：琼审稻2010015)，面积60亩，专家组在现场选择有代表性田块和对照处理区均用联合收割机实割，结果示范区亩产335.8公斤，对照区亩产折亩产263.3。
2)铺前示范效果(上半年)
2017年6月21日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广项目》(HNGDhs01)建立的水稻示范区进行现场测产验收。专家组认真听取了项目实施汇报，实地考察了现场并进行实割测产，经质疑，形成如下意见：示范区位于文昌市铺前镇潭榄村潭榄洋，前作水稻，示范田地势平坦，肥力均匀；项目采用土壤改良技术(泰中兴农改良剂50公斤/亩+洋浦绿宝丰农资有限公司生产的中和泓润生物有机肥200公斤/亩+水稻专用肥40公斤/亩)，采用电机抽水灌溉，无特殊气象因素影响，中等管理水平；示范品种特优458(审定编号：琼审稻2010015)，面积60亩；专家组在现场选择有代表性的土壤改良技术田块和对照田块，分别用联合收割机实割测产，测产结果示范区亩产408.0公斤干谷。土壤改良技术示范区比对照区增产76.0kg/ 亩，增产幅度为18.63％。专家组一致认为：实施土壤改良技术后较大幅度地提高了水稻产量。
3)铺前示范效果(下半年)
2017年11月10日，海南省科学技术厅组织有关专家对海南省农业科学院农业环境与土壤研究所承担的《海水倒灌农田土壤盐渍化监测、评价和修复改良技术研究与示范推广》项目建立的水稻示范区进行现场测产验收。专家组认真听取了项目情况介绍，查阅相关材料，实地考察了现场并进行实割测产，经质疑与讨论，形成如下意见：示范地点文昌市铺前镇潭榄村潭榄洋，示范品种杂交稻“特优458”，项目采用土壤改良技术(水稻秸秆还田400kg/亩+泰中兴农改良剂50公斤/亩+ 椰糠精制有机肥500公斤/亩+水稻专用肥40公斤/亩)，采用人工机井抽水灌溉，并设对照处理处，面积0.6亩；专家组在现场选择有代表性田块采用联合收割机进行测产，结果示范区折亩产323.7公斤干谷，亩产286.7公斤干谷，比对照处理区亩增产36.9公斤，超过了亩产300-400公斤的产量考核指标，项目完成了预期的产量考核指标。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，所述海水倒灌农田土壤盐渍化监测、评价和修复改良方法包括以下步骤：
步骤一，对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律：采用周期性采集海水倒灌区农田土壤样品和测定土壤盐分、养分和盐分离子构成相结合的方法，获取不同时期不同区域土壤盐分含量状况，从时间和空间角度总结梳理盐分变化规律；
步骤二，构建基于多源卫星数据的土壤盐渍化参数反演模型：基于多源卫星遥感数据的光谱特征参数，构建土壤盐渍化参数反演模型，对土壤盐渍化动态监测；
步骤三，筛选适宜海水倒灌农田的土壤改良剂：选择不同程度盐渍化农田，开展定位试验的方法；考察土壤改良剂施用后对土壤盐分的影响以及对水稻生长和产量的影响，综合评价土壤改良剂改良土壤效果，筛选出相对适宜当地的土壤改良剂品种；
步骤四，创建海水倒灌农田土壤改良技术模式：在海水倒灌农田区施用一定量的生物有机肥的基础上施用前期筛选出来的改良剂，同时配施作物专用肥，培育适宜作物生长的条件。
2.如权利要求1所述的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，所述步骤一的对农田土壤盐渍化进行监测，获取农田土壤盐分的变化规律包括：
(1)农田土壤盐分变化情况；
(2)土壤pH及有机质变化规律；
(3)土壤养分含量及其变化规律。
3.如权利要求1所述的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，所述步骤二的构建基于多源卫星数据的土壤盐渍化参数反演模型包括：
(1)土壤盐度测量与土壤盐度反演；
基于NDVI、SI敏感光谱指数建立土壤盐渍化遥感反演模型SRSI，并拟合实测土壤含盐度与反演参数的定量关系，建立基于多源卫星数据的土壤盐渍化参数反演模型：
其中，ρr表示红光波段的反射率，ρb表示蓝光波段的反射率，ρnir表示近红外波段的反射率；
(2)无人机土壤盐度监测与反演；
以实测光谱、盐度和无人机航飞的高光谱数据为基础，分析盐渍化农田的光谱响应模型，并且根据星载多光谱数据和无人机高光谱数据的特点，构建盐度反演模型；
(3)基于Landsat-8数据的土壤盐渍化变化。
4.如权利要求1所述的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，所述步骤三的筛选适宜海水倒灌农田的土壤改良剂包括：
通过测量不同改良剂对农田土壤盐分的影响、不同改良剂对农田土壤养分的影响、不同改良剂对水稻产量的影响、不同改良剂对水稻农艺性状的影响，筛选适宜海水倒灌农田的土壤改良剂。
5.如权利要求4所述的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，不同改良剂对农田土壤盐分的影响包括：
(1)对轻度盐渍化农田土壤盐分的影响；
(2)对中度盐渍化农田土壤盐分的影响；
(3)对重度盐渍化农田土壤盐分的影响。
6.如权利要求4所述的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，不同改良剂对水稻产量的影响包括：
(1)对轻度盐渍化水田水稻产量的影响；
(2)对中度盐渍化水田水稻产量的影响；
(3)对重度盐渍化水田水稻产量的影响。
7.如权利要求4所述的海水倒灌农田土壤盐渍化监测、评价和修复改良方法，其特征在于，不同改良剂对水稻农艺性状的影响包括：
(1)对轻度盐渍化农田水稻农艺性状的影响；
(2)对中度盐渍化农田水稻农艺性状的影响；
(3)对重度盐渍化农田水稻农艺性状的影响；
(4)不同盐渍化程度间水稻农艺性状的比较。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910516264.5A CN110188507A (zh) | 2019-06-14 | 2019-06-14 | 一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910516264.5A CN110188507A (zh) | 2019-06-14 | 2019-06-14 | 一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110188507A true CN110188507A (zh) | 2019-08-30 |
Family
ID=67721921
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910516264.5A Pending CN110188507A (zh) | 2019-06-14 | 2019-06-14 | 一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110188507A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111512727A (zh) * | 2020-04-30 | 2020-08-11 | 海南大学 | 一种热带区域海水倒灌农地的生态修复方法 |
| CN112229771A (zh) * | 2020-08-27 | 2021-01-15 | 南昌工程学院 | 基于悬浮物示踪的江水倒灌入湖遥感监测方法 |
| CN115176547A (zh) * | 2022-03-21 | 2022-10-14 | 塔里木大学 | 一种盐渍化土壤开垦方案制定方法 |
| CN115508292A (zh) * | 2022-09-20 | 2022-12-23 | 中国科学院南京土壤研究所 | 基于机器学习的土壤剖面氮素含量高光谱检测及可视化方法 |
| CN116757099A (zh) * | 2023-08-18 | 2023-09-15 | 中国科学院南京土壤研究所 | 一种土壤盐分反演及盐渍化风险评估方法、装置及设备 |
| CN116912676A (zh) * | 2023-06-05 | 2023-10-20 | 广东省水利水电科学研究院 | 一种水浮莲变化检测方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053142A (zh) * | 2009-10-27 | 2011-05-11 | 上海市环境科学研究院 | 一种利用敏感植物监测土壤盐渍化程度的方法 |
| CN104123673A (zh) * | 2013-04-24 | 2014-10-29 | 新疆林业科学院 | 参与式小尺度农田生态系统土地退化评价指标体系 |
| CN107371767A (zh) * | 2017-09-11 | 2017-11-24 | 滨州学院 | 一种滨海盐渍化地区冬小麦高效生产技术体系 |
-
2019
- 2019-06-14 CN CN201910516264.5A patent/CN110188507A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102053142A (zh) * | 2009-10-27 | 2011-05-11 | 上海市环境科学研究院 | 一种利用敏感植物监测土壤盐渍化程度的方法 |
| CN104123673A (zh) * | 2013-04-24 | 2014-10-29 | 新疆林业科学院 | 参与式小尺度农田生态系统土地退化评价指标体系 |
| CN107371767A (zh) * | 2017-09-11 | 2017-11-24 | 滨州学院 | 一种滨海盐渍化地区冬小麦高效生产技术体系 |
Non-Patent Citations (4)
| Title |
|---|
| 张冬明等: "海水倒灌农田土壤盐分空间变异特征", 《土壤》 * |
| 曹启民等: "海南海水倒灌区土壤盐渍化遥感监测技术与应用", 《2019年度中国科技成果杂志1-16》 * |
| 海南省科学技术厅: "海水倒灌农田灾后土壤修复关键技术研究与示范推广", 《DOST.HAINAN.GOV.CN/KJCG/CGGG/2019/11/201905/T20190514_2563274.HTML》 * |
| 陈实等: "北疆农区土壤盐渍化遥感监测及其时空特征分析", 《地理科学》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111512727A (zh) * | 2020-04-30 | 2020-08-11 | 海南大学 | 一种热带区域海水倒灌农地的生态修复方法 |
| CN112229771A (zh) * | 2020-08-27 | 2021-01-15 | 南昌工程学院 | 基于悬浮物示踪的江水倒灌入湖遥感监测方法 |
| CN115176547A (zh) * | 2022-03-21 | 2022-10-14 | 塔里木大学 | 一种盐渍化土壤开垦方案制定方法 |
| CN115176547B (zh) * | 2022-03-21 | 2024-05-10 | 塔里木大学 | 一种盐渍化土壤开垦方案制定方法 |
| CN115508292A (zh) * | 2022-09-20 | 2022-12-23 | 中国科学院南京土壤研究所 | 基于机器学习的土壤剖面氮素含量高光谱检测及可视化方法 |
| CN115508292B (zh) * | 2022-09-20 | 2024-05-28 | 中国科学院南京土壤研究所 | 基于机器学习的土壤剖面氮素含量高光谱检测及可视化方法 |
| CN116912676A (zh) * | 2023-06-05 | 2023-10-20 | 广东省水利水电科学研究院 | 一种水浮莲变化检测方法、装置、电子设备及存储介质 |
| CN116757099A (zh) * | 2023-08-18 | 2023-09-15 | 中国科学院南京土壤研究所 | 一种土壤盐分反演及盐渍化风险评估方法、装置及设备 |
| CN116757099B (zh) * | 2023-08-18 | 2024-03-19 | 中国科学院南京土壤研究所 | 一种土壤盐分反演及盐渍化风险评估方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110188507A (zh) | 一种海水倒灌农田土壤盐渍化监测、评价和修复改良方法 | |
| Chen et al. | Lateral spacing in drip-irrigated wheat: The effects on soil moisture, yield, and water use efficiency | |
| Boselli et al. | Cover crops during transition to no-till maintain yield and enhance soil fertility in intensive agro-ecosystems | |
| Bogaard et al. | Combining functional weed ecology and crop stable isotope ratios to identify cultivation intensity: a comparison of cereal production regimes in Haute Provence, France and Asturias, Spain | |
| Wei et al. | Effects of irrigation methods and salinity on CO2 emissions from farmland soil during growth and fallow periods | |
| Ladha et al. | How extensive are yield declines in long-term rice–wheat experiments in Asia? | |
| 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 | |
| Kazemi et al. | Analysis of cotton production by energy indicators in two different climatic regions | |
| Qiang et al. | Combined effects of urea type and placement depth on grain yield, water productivity and nitrogen use efficiency of rain-fed spring maize in northern China | |
| Li et al. | Effects of Organic Mulch on Soil Moisture and Nutrients in Karst Area of Southwest China. | |
| Zhang et al. | Plastic shed production intensified secondary soil salinization in perennial fruit production systems | |
| Zhang et al. | Spatial distribution patterns and influencing factors of soil carbon, phosphorus, and C: P ratio on farmlands in southeastern China | |
| Ali et al. | Management of salt-affected soils | |
| Molua et al. | Assessing the impact of climate on crop water use and crop water productivity: The CROPWAT analysis of three districts in Cameroon | |
| Leng et al. | Evaluating the effects of biodegradable film mulching and topdressing nitrogen on nitrogen dynamic and utilization in the arid cornfield | |
| Krevh et al. | Long-term analysis of soil water regime and nitrate dynamics at agricultural experimental site: Field-scale monitoring and numerical modeling using HYDRUS-1D | |
| Abdelraouf et al. | Field and modelling study for deficit irrigation strategy on roots volume and water productivity of wheat | |
| CN108249987A (zh) | 一种含活性微生物的复合肥料及其制备方法 | |
| CN108207161B (zh) | 烟田原位松土促养分增效的耕作方法 | |
| Palani et al. | Soil Fertility Evaluation to Adopt Climate-Smart Agriculture in Mambattu Village, Maduranthakam Block of Kanchipuram District, Tamil Nadu, India | |
| Verma et al. | Effect of neem (Azadirachta indica L.), mustard (Brassica juncea) de-oiled seed cake and bio-fertilizer on the growth and yield of wheat (Triticum aestivum L.) | |
| CN113016517A (zh) | 一种氮肥减施条件下不结球白菜的种植方法 | |
| Rioux et al. | Land degradation assessment in small island developing states (SIDS) | |
| Wickama | Influence of biophysical aspects on the performance of sustainable land management measures in the Usambara highlands of Tanzania | |
| Peprah | Mitigating land degradation with chemical fertilizer application in the Asunafo Forest, Ghana |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190830 |