CN110570914B - 测量沼液营养成分含量的方法 - Google Patents
测量沼液营养成分含量的方法 Download PDFInfo
- Publication number
- CN110570914B CN110570914B CN201910757552.XA CN201910757552A CN110570914B CN 110570914 B CN110570914 B CN 110570914B CN 201910757552 A CN201910757552 A CN 201910757552A CN 110570914 B CN110570914 B CN 110570914B
- Authority
- CN
- China
- Prior art keywords
- biogas slurry
- content
- value
- total
- turbidity
- 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
- 239000002002 slurry Substances 0.000 title claims abstract description 120
- 235000021049 nutrient content Nutrition 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 28
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 64
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 36
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 36
- 239000011574 phosphorus Substances 0.000 claims abstract description 36
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims abstract description 35
- 229910052700 potassium Inorganic materials 0.000 claims abstract description 35
- 239000011591 potassium Substances 0.000 claims abstract description 35
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 31
- 239000000126 substance Substances 0.000 claims abstract description 8
- 210000003608 fece Anatomy 0.000 claims description 26
- 239000005416 organic matter Substances 0.000 claims description 19
- 235000015097 nutrients Nutrition 0.000 claims description 10
- 238000013178 mathematical model Methods 0.000 claims description 6
- 239000010871 livestock manure Substances 0.000 claims description 5
- 239000007787 solid Substances 0.000 claims description 5
- 244000144972 livestock Species 0.000 claims description 4
- 238000000691 measurement method Methods 0.000 claims description 4
- 244000144977 poultry Species 0.000 claims description 4
- 241000287828 Gallus gallus Species 0.000 claims description 3
- 239000011368 organic material Substances 0.000 claims 2
- 238000012216 screening Methods 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004064 recycling Methods 0.000 abstract 1
- 239000007788 liquid Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000009264 composting Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000003113 dilution method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012284 sample analysis method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
- G01N27/06—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a liquid
-
- 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
- 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
- G01N33/1826—Organic contamination in 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E50/00—Technologies for the production of fuel of non-fossil origin
- Y02E50/30—Fuel from waste, e.g. synthetic alcohol or diesel
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Strategic Management (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Food Science & Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Medicinal Chemistry (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
Abstract
本发明提供了一种测量沼液营养成分含量的方法,涉及农业资源利用技术领域。测量沼液营养成分含量的方法,包括如下步骤:(a)根据沼液理化指标的平均相关系数,确定表征沼液主要养分含量的简易指标;(b)以简易指标建立计算沼液主要养分含量的模型。本发明利用两种简单易测的物理指标代替分析沼液营养成分的传统化学方法,具有简便省时和降低成本的效益,可进行大量、快速测定,为沼气工程正常运行及沼液合理利用提供主要养分含量数据,有利于沼液资源化利用、减少沼气工程的二次污染。参照沼液有机质和氮磷钾分析的一般收费标准(35元/指标),采用本方法可减少分析时间85%,降低分析成本90%以上。
Description
技术领域
本发明涉及农业资源利用技术领域,尤其是涉及一种测量沼液营养成分含量的方法。
背景技术
我国沼气生产已经开始步入以大型化工程为主的发展阶段,沼渣好人沼液的合理处置与资源化利用成为制约沼气工程经济效益和生态效应的重要瓶颈。沼液含有多种速效养分,可作为农业生产的优质肥源,但是大型沼气工程连续排放出数量巨大的沼液,远远超过沼气工程有效辐射范围内农作物施肥所需的消纳量,非作物生产季节的沼液处置更令诸多沼气生产企业棘手。
沼液资源化利用的首要环节是确定特定企业和批次沼液的主要成分含量。及时掌握沼液中营养成分含量的变化,有助于确定沼液使用的合理数量、沼液浓缩的工艺参数和沼液产品的成分强化。各种沼液主要成分的种类一般比较稳定,但成分含量受发酵生物、发酵原料、发酵季节好人发酵工艺等的影响很大,不但不同沼气工程的沼液成分含量变异巨大,同一沼气工程不同批次和时间出料的沼液成分含量不同,而且沼液出料后的储存条件和时间长短也显著影响沼液成分含量。对于沼气工程运营者或沼液利用企业来说,利用传统的实验室样品分析方法进行沼液成分含量测定,需要对对沼液样品进行物理和化学等预处理,测定耗时耗力,成本昂贵,经常性频繁测定沼液成分几乎不具有可操作性。若能利用沼液中某些容易测定成分的含量预测主要成分的含量则可大大节省时间、人力和费用,具有显著的实践指导意义。
为此,国内外研究者一直致力于寻求简便、快速好人高效的沼液成分分析方法。研究发现,利用鸡粪堆肥过程中电导率(EC)和干物质(DM)含量等基本理化指标变化开发的线性模型可预测氮磷钾(NPK)等主要营养元素含量,利用猪粪的酸碱度(pH)值、EC值、总固体物(TS)和DM含量等基本理化指标也可以预测猪粪沼液的营养成分和金属元素含量。然现有沼液成分预测方法和模型存在拟合精度不高、回归公式截距较大。例如,利用pH或TS预测沼液NH4-N含量的线性模型截距为1000mg/L、预测TN、TP和K的模型截距分别为7735mg/L、4149mg/L和5551mg/L,明显妨碍这些模型的预测精度和实用性。考虑到沼液营养成分的多样性和含量的波动性,进一步开发更加精准的沼液成分估计方法和模型势在必行。
有鉴于此,特提出本发明。
发明内容
本发明的目的在于提供一种测量沼液营养成分含量的方法,以期至少部分地解决上述技术问题的至少之一。
本发明提供的测量沼液营养成分含量的方法,包括如下步骤:
(a)根据沼液理化指标的平均相关系数,确定表征沼液主要养分含量的简易指标;
(b)以简易指标建立计算沼液主要养分含量的模型。
进一步的,所述步骤(a)中,所述简易指标选自浊度值、色度值、EC值和总氮含量。
进一步的,所述步骤(a)中,所述简易指标选自浊度值和EC值。
进一步的,所述步骤(b)中,所述沼液主要养分含量包括有机质含量、全氮含量、总磷含量和全钾含量。
进一步的,利用浊度值表征沼液主要养分含量的公式为:
有机质(g/L)=0.0051×浊度值,相关系数0.972;
全氮(g/L)=0.001×浊度值+0.258,相关系数0.986;
总磷(g/L)=0.00008×浊度值+0.0394,相关系数0.968;
全钾(g/L)=0.0002×浊度值+0.3744,相关系数0.872。
进一步的,利用EC值表征沼液主要养分含量的公式为:
有机质(g/L)=0.18×EC值(mS/cm)1.5158,相关系数0.907。
全氮(g/L)=0.0115×EC值(mS/cm)2.0397,相关系数0.975。
总磷(g/L)=0.0335×EXP{0.13×EC值(mS/cm)},相关系数0.964。
全钾(g/L)=0.5785×EXP{0.02×EC值(mS/cm)},相关系数0.924。
进一步的,利用EC值和浊度值估计沼液钾含量的数学模型,全钾(g/L)=0.5295×EXP{0.02×EC值(mS/cm)}+0.00005×浊度值,相关系数0.955。
进一步的,利用EC值估计沼液总氮和总磷含量的数学模型,总氮含量(g/L)=0.0115×EC值(mS/cm)2.0397和总磷含量(g/L)=0.0335×EXP{0.13×EC值(mS/cm)};
利用浊度值估计沼液有机质和总磷含量的数学模型,有机质含量(g/L)=0.0051×浊度值和总磷含量(g/L)=0.00008×浊度值+0.0394;
利用EC值和浊度值估计沼液钾含量的数学模型,全钾含量(g/L)=0.5295×EXP{0.02×EC值(mS/cm)}+0.00005×浊度值。
进一步的,所述沼液选自以畜禽为原料的沼液或以植物为原料的沼液,优选为畜禽为原料的沼液,进一步优选为牛粪沼液、鸡粪沼液和猪粪沼液,更进一步优选为牛粪沼液。
进一步的,所述步骤(a)中,所述沼液理化指标选自浊度值、色度值、EC值、全氮含量、含固率、总磷含量、总钾含量、有机质含量和pH值。
本发明相对于现有技术具有以下有益效果:
(1)利用两种简单易测的物理指标代替分析沼液营养成分的传统化学方法,具有简便省时和降低成本的效益,可进行大量、快速测定,为沼气工程正常运行及沼液合理利用提供主要养分含量数据,有利于沼液资源化利用、减少沼气工程的二次污染。参照沼液有机质和氮磷钾分析的一般收费标准(35元/指标),采用本方法可减少分析时间85%,降低分析成本90%以上。
(2)建立的以EC值和浊度值为自变量估算沼液有机质和氮磷钾含量的5个数学模型具有较高估算精度和可靠性,对同批次沼液养分含量估计的准确度可达95%以上。
(3)本发明快速、简便和低成本的特点大大提高了沼液主要营养成分频繁检测在的经济和技术可行性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是EC值与有机质(g/L)的相关性;
图2是EC值与总氮(g/L)的相关性;
图3是EC值与总磷(g/L)的相关性;
图4是EC值与钾(g/L)的相关性;
图5是浊度值与有机质(g/L)的相关性;
图6是浊度值与总氮(g/L)的相关性;
图7是浊度值与总磷(g/L)的相关性;
图8是浊度值与钾(g/L)的相关性。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。实施例中未注明具体条件者,按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者,均为可以通过市售购买获得的常规产品。
为了有助于更清楚的理解本发明,下面将结合实施例和对比例对本发明的技术方案进行进一步地说明。
实施例
(一)表征牛粪沼液主要养分含量的简易指标确定
对来自甘肃省某大型沼气企业的6个批次牛粪沼液进行了理化性状分析,结果显示:不同批次沼液的理化指标之间相关性较差,任意采样时间所得的指标值或不同批次沼液的指标均值均无法可靠的表征任意批次沼液的养分含量。
对其中3个批次牛粪液的9个理化指标(浊度值、色度值、EC值、全氮(TN)含量、含固率、总磷(TP)含量、总钾(K)含量、有机质(OM)含量和pH值)进行回归分析,发现在36对相关性较强的关系中,23对为线性关系、8对为指数关系、5对为幂函数关系,同一批次沼液的各指标间(pH除外)相关性远远高于不同批次沼液的指标间相关性。
把相同批次牛粪沼液配制成不同浓度时,各指标(特别是养分含量指标)之间相关性进一步提高,即使在截距为0的情况下,有机质(OM)与总氮(TN)和钾(K)含量、TN与总磷(TP)、TP与钾(K)含量之间存在显著正相关关系(表1)。
表1某沼气企业同批次牛粪沼液养分含量相关性
分析9个指标与其它指标间的平均相关系数发现,浊度值、色度值的平均相关系数最高(在0.95以上),EC值(mS/cm)、全氮含量(g/L)、含固率(%)、总磷含量(g/L)和钾含量(g/L)平均相关系数居中(在0.90-0.92间),pH值和有机质含量(g/L)与其它指标的平均相关系数最低,在0.90以下(表2)。一些易测指标与其它指标具有较高相关性,主要养分(有机质与NPK)含量间相关性也较好(相关系数在0.90以上),表明利用某些简单易测指标来估计或预测牛粪沼液的主要养分含量具有可行性。
表2某沼气企业同批次牛粪沼液9个理化指标的平均相关系数
在平均相关系数较高的浊度值、色度值、EC值和总氮含量4项中,总氮含量的测定方法较复杂、过程较繁琐,虽然用于估计沼液浓度的可靠性较好,但其本身测定费时、费力。测定色度值的稀释法过程简单,但结果判断受人为因素的影响较大。所以,这二个指标作为估计沼液养分含量的简易指标可行性不强。
EC值(mS/cm)与主要养分指标的相关系数均在0.90以上(图1-4),其与有机质含量、全氮含量、总磷含量和全钾含量的相关系数分别为0.907、0.975、0.964和0.924,是可用于估计牛粪沼液养分含量的较好简易指标。
浊度值与沼液主要养分指标的平均相关系数为0.950(图5-8),其与有机质、全氮、总磷含量的相关系数分别为0.972、0.986和0.968,但与全钾含量的相关系数较低(仅为0.866),亦可作为预测牛粪沼液主要养分含量(全钾含量除外)简易指标的较理想选择。
(二)估计牛粪沼液主要养分含量的模型
综合考虑沼液各指标的测定易难程度、可靠性及其与主要养分含量的相关性,EC值、浊度值和色度值与主要养分含量间的平均相关系数及指标测定方法的可靠性,我们认为浊度值和EC值是可用于表征沼液有机质和氮磷钾含量的适宜指标,不但测定方法较简单,而且可利用仪器进行大量快速测定,受操作人员主观判断影响小,测定结果较可靠。
利用浊度值表征沼液主要养分含量的公式为:
有机质(g/L)=0.0051×浊度值,相关系数0.972。
全氮(g/L)=0.001×浊度值+0.258,相关系数0.986。
总磷(g/L)=0.00008×浊度值+0.0394,相关系数0.968。
全钾(g/L)=0.0002×浊度值+0.3744,相关系数0.872。
利用EC值表征沼液主要养分含量的公式为:
有机质(g/L)=0.18×EC值(mS/cm)1.5158,相关系数0.907。
全氮(g/L)=0.0115×EC值(mS/cm)2.0397,相关系数0.975。
总磷(g/L)=0.0335×EXP{0.13×EC值(mS/cm)},相关系数0.964。
全钾(g/L)=0.5785×EXP{0.02×EC值(mS/cm)},相关系数0.924。
考虑到利用这两个简易指标估测沼液总钾含量的相关系数都不够高(未达到0.95),利用线性规划方法建立以EC值和浊度值为自变量的二元一次模型。
全钾(g/L)=0.5295×EXP{0.02×EC值(mS/cm)}+0.00005×浊度值,相关系数可达到0.955。
(三)模型的验证
为了检验以上模型估测牛粪沼液主要成分含量的精度,我们利用来自甘肃省三个大(中)型沼气工程的6个沼液样品进行验证。实测各样品主要成分含量(表3),利用沼液电导率(EC)值和浊度值(TV)估计的6个样品主要营养成分含量(表4)。对模型估算值和实测值进行回归分析结果显示,利用电导率(EC)值可以很好的估计沼液有机质、总氮和总磷含量,利用浊度值可以较好的估计沼液有机质和总磷含量,利用线性规划方法整合EC值和浊度值进行钾含量预测的精度显著高于利用两个简易指标单独预测的结果,预测值和实测值的相关系数达到0.965(表5),表明本研究所建立的利用EC值和浊度值估测沼液主要养分含量的方法和模型具有较高准确度和可靠性,EC值和浊度值可作为表征沼液主要养分含量的简易指标。
表3模型检验所用沼液样本主要成分含量
表4利用EC值和浊度值估计的沼液养分含量
表5利用EC值和浊度值估计的沼液养分含量与实测值的相关性
综上所述,可以单独利用EC值估计牛粪沼液总氮和总磷含量,估算模型分别为:总氮含量(g/L)=0.0115×EC值(mS/cm)2.0397和总磷含量(g/L)=0.0335×EXP{0.13×EC值(mS/cm)}。可单独利用浊度值估计牛粪沼液有机质和总磷含量,估算模型分别为:有机质含量(g/L)=0.0051×浊度值和总磷含量(g/L)=0.00008×浊度值+0.0394。估计牛粪沼液钾含量宜采用以EC值和浊度值为自变量的二元一次方程:全钾含量(g/L)=0.5295×EXP{0.02×EC值(mS/cm)}+0.00005×浊度值。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种测量沼液营养成分含量的方法,其特征在于,包括如下步骤:
(a)根据沼液的9个理化指标,包括浊度值、色度值、EC值、全氮含量、含固率、总磷含量、总钾含量、有机质含量和pH值,分析9个理化指标与其它各指标间的平均相关系数,筛选出相关系数中平均值较高且测定方法简单易行的浊度值和EC值2项指标,作为估算表征沼液主要养分有机质含量、全氮含量、总磷含量和全钾含量的简易指标;
(b)以简易指标建立估算沼液主要养分含量的模型;
利用浊度值估算表征沼液主要养分含量的公式为:
有机质= 0.0051×浊度值,浊度值与有机质含量的相关系数为0.972;其中,有机质含量单位为g/L;
全氮= 0.001×浊度值+0.258,浊度值与全氮含量的相关系数为0.986;其中,全氮含量单位为g/L;
总磷= 0.00008×浊度值+0.0394,浊度值与总磷含量的相关系数为0.968;其中,总磷含量单位为g/L;
利用EC值估算表征沼液主要养分含量的公式为:
全氮= 0.0115×EC值2.0397,EC值与全氮含量的相关系数为0.975;其中,全氮含量单位为g/L,EC值单位为mS/cm;
总磷= 0.0335×EXP{0.13×EC值},EC值与总磷含量的相关系数为0.964;其中,总磷含量单位为g/L,EC值单位为mS/cm;
利用EC值和浊度值估计沼液钾含量的数学模型为:
全钾=0.5295×EXP{0.02×EC值}+0.00005×浊度值,EC值和浊度值与全钾含量的相关系数为0.955;其中,全钾含量单位为g/L,EC值单位为mS/cm。
2.根据权利要求1所述的测量沼液营养成分含量的方法,其特征在于,所述沼液选自以畜禽粪污为原料的沼液或以植物为原料的沼液。
3.根据权利要求2所述的测量沼液营养成分含量的方法,其特征在于,所述沼液为畜禽粪污为原料的沼液。
4.根据权利要求3所述的测量沼液营养成分含量的方法,其特征在于,所述沼液为牛粪沼液、鸡粪沼液和猪粪沼液。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757552.XA CN110570914B (zh) | 2019-08-19 | 2019-08-19 | 测量沼液营养成分含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757552.XA CN110570914B (zh) | 2019-08-19 | 2019-08-19 | 测量沼液营养成分含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110570914A CN110570914A (zh) | 2019-12-13 |
CN110570914B true CN110570914B (zh) | 2023-05-23 |
Family
ID=68775645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910757552.XA Active CN110570914B (zh) | 2019-08-19 | 2019-08-19 | 测量沼液营养成分含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110570914B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600117B (zh) * | 2022-12-16 | 2023-06-20 | 济宁市任城区畜牧兽医事业发展中心(济宁市任城区动物疫病预防控制中心、济宁市任城区动物卫生检疫中心) | 一种畜牧粪便成分检测与识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102010112A (zh) * | 2010-09-27 | 2011-04-13 | 南京宏博环保实业有限公司 | 一种禽畜废弃物处理方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120179373A1 (en) * | 2011-01-11 | 2012-07-12 | University Of Seoul Industry Cooperation Foundation | Method for measuring total phosphorus using multi-parameter water quality data |
KR101339511B1 (ko) * | 2011-01-26 | 2013-12-10 | 한국환경공단 | 수질 다 항목을 이용한 총 질소 예측 장치 및 방법 |
BR102012004750B1 (pt) * | 2012-03-02 | 2021-09-08 | G-Meta Consultoria Participação e Serviços Ltda | Processo anaeróbio de produção de biogás com alto teor de metano por biodigestão de resíduos orgânicos e dispositivo de aceleração a este relacionado |
CN103708678A (zh) * | 2013-12-19 | 2014-04-09 | 浙江农林大学 | 多级过滤养猪场废水回收养分的方法 |
-
2019
- 2019-08-19 CN CN201910757552.XA patent/CN110570914B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102010112A (zh) * | 2010-09-27 | 2011-04-13 | 南京宏博环保实业有限公司 | 一种禽畜废弃物处理方法 |
Non-Patent Citations (1)
Title |
---|
三峡水库蓄水后的富营养化趋势分析;孟春红;赵冰;;农业环境科学学报(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110570914A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Anaerobic digestion: A review on process monitoring | |
Drosg et al. | Analysis and characterisation of biogas feedstocks | |
Moody et al. | Using biochemical methane potential assays to aid in co-substrate selection for co-digestion | |
Kafle et al. | Comparison on batch anaerobic digestion of five different livestock manures and prediction of biochemical methane potential (BMP) using different statistical models | |
Ros et al. | Predicting soil N mineralization: Relevance of organic matter fractions and soil properties | |
Triolo et al. | Near Infrared Reflectance Spectroscopy (NIRS) for rapid determination of biochemical methane potential of plant biomass | |
Raposo et al. | Predictive regression models for biochemical methane potential tests of biomass samples: Pitfalls and challenges of laboratory measurements | |
Cazaudehore et al. | Determination of chemical oxygen demand of agricultural wastes by combining acid hydrolysis and commercial COD kit analysis | |
CN110514618A (zh) | 全局全要素条件下多个不同规模化奶牛场粪水运移路线上氮磷含量的快速预测方法 | |
US20130130308A1 (en) | Process for directly measuring multiple biodegradabilities | |
Vannecke et al. | Evaluation of the 5 and 8 pH point titration methods for monitoring anaerobic digesters treating solid waste | |
CN110570914B (zh) | 测量沼液营养成分含量的方法 | |
Catenacci et al. | Development of statistical predictive models for estimating the methane yield of Italian municipal sludges from chemical composition: a preliminary study | |
Vindis et al. | Anaerobic digestion of maize hybrids for methane production | |
CN111060477B (zh) | 厌氧共发酵原料生化甲烷势近红外光谱快速检测方法 | |
CN115660455A (zh) | 一种三水统筹下水质评价体系模型构建系统、设备及终端 | |
Bao et al. | Detection of volatile fatty acids in anaerobic digestion system by near infrared spectroscopy | |
CN102680529B (zh) | 一种有机肥养分含量快速分析方法 | |
CN110987510A (zh) | 一种土壤检测方法 | |
CN110596332A (zh) | 金枪鱼鱼肉鲜度的检测方法 | |
Silva et al. | Effects of storage time in pig slurry to enhance bioenergy recovery | |
CN110779947B (zh) | 用预处理强度评价木质纤维素原料厌氧消化性能的方法 | |
CN106338573B (zh) | 一种测定农业沼气工程厌氧发酵系统中有机酸含量的方法 | |
CN110257486A (zh) | 一种基于纤维素酶基因表征堆肥腐熟度的方法 | |
CN112863596B (zh) | 一种基于细菌群落数据好氧发酵腐殖质化程度预测模型的构建和预测的方法 |
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 |