CN111257250A - 陆地农产品产地高风险区域识别方法及差异化处理方法 - Google Patents
陆地农产品产地高风险区域识别方法及差异化处理方法 Download PDFInfo
- Publication number
- CN111257250A CN111257250A CN202010068932.5A CN202010068932A CN111257250A CN 111257250 A CN111257250 A CN 111257250A CN 202010068932 A CN202010068932 A CN 202010068932A CN 111257250 A CN111257250 A CN 111257250A
- Authority
- CN
- China
- Prior art keywords
- area
- distribution
- soil
- land
- agricultural product
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000004069 differentiation Effects 0.000 title claims abstract description 20
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 239000002689 soil Substances 0.000 claims description 68
- 238000009826 distribution Methods 0.000 claims description 59
- 229910001385 heavy metal Inorganic materials 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 34
- 239000003344 environmental pollutant Substances 0.000 claims description 28
- 231100000719 pollutant Toxicity 0.000 claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 229910052793 cadmium Inorganic materials 0.000 claims description 11
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 10
- 229910052745 lead Inorganic materials 0.000 claims description 10
- 229910052698 phosphorus Inorganic materials 0.000 claims description 10
- 239000011574 phosphorus Substances 0.000 claims description 10
- 235000013311 vegetables Nutrition 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 235000013399 edible fruits Nutrition 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 6
- 241000282414 Homo sapiens Species 0.000 claims description 6
- 238000011065 in-situ storage Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000003723 Smelting Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 229910052785 arsenic Inorganic materials 0.000 claims description 4
- 229910052804 chromium Inorganic materials 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 240000007087 Apium graveolens Species 0.000 claims description 3
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 claims description 3
- 235000010591 Appio Nutrition 0.000 claims description 3
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 claims description 3
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 claims description 3
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 claims description 3
- 240000008574 Capsicum frutescens Species 0.000 claims description 3
- 235000002568 Capsicum frutescens Nutrition 0.000 claims description 3
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 claims description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 claims description 3
- 240000003768 Solanum lycopersicum Species 0.000 claims description 3
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 3
- 238000001675 atomic spectrum Methods 0.000 claims description 3
- 238000013440 design planning Methods 0.000 claims description 3
- 235000005911 diet Nutrition 0.000 claims description 3
- 230000000378 dietary effect Effects 0.000 claims description 3
- 239000003651 drinking water Substances 0.000 claims description 3
- 235000020188 drinking water Nutrition 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000012851 eutrophication Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 244000144972 livestock Species 0.000 claims description 3
- 229910052753 mercury Inorganic materials 0.000 claims description 3
- 229910052751 metal Inorganic materials 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 231100001223 noncarcinogenic Toxicity 0.000 claims description 3
- 235000015097 nutrients Nutrition 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 244000144977 poultry Species 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000241 respiratory effect Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000012954 risk control Methods 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 231100000331 toxic Toxicity 0.000 claims description 3
- 230000002588 toxic effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 2
- 230000000711 cancerogenic effect Effects 0.000 claims description 2
- 231100000315 carcinogenic Toxicity 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims description 2
- 238000002161 passivation Methods 0.000 claims description 2
- 230000004907 flux Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 231100001240 inorganic pollutant Toxicity 0.000 description 2
- 239000003621 irrigation water Substances 0.000 description 2
- 238000002386 leaching Methods 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000219193 Brassicaceae Species 0.000 description 1
- 208000005623 Carcinogenesis Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000000203 accumulation affect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000036952 cancer formation Effects 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000021384 green leafy vegetables Nutrition 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Economics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Analytical Chemistry (AREA)
- Mining & Mineral Resources (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Processing Of Solid Wastes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种陆地农产品产地高风险区域识别方法及差异化处理方法，基于多变量因素的组合化交叉解析得到用于陆地农产品产地高风险区域识别的基础数据参数，并对所述多变量因素数据参数运用地理信息系统手段进行差异化多图层叠加分析，实现对于农产品产区内高风险区域的快速、准确识别。
Description
技术领域
本发明涉及农林种植及环境治理技术领域，尤其是一种陆地农产品产地高风险区域识别技术及相关处理方法。
背景技术
农产品是人类赖以生存的来源，而产地环境质量的高低直接影响了农产品的质量好坏。农产品中的污染物来源于环境，解决环境质量安全问题是提高农产品质量安全水平的关键，其中探明农产品产地高风险区域边界及其程度是提升农产品质量安全的前提。
近些年来，随着工业点源污染和农业面源污染的加剧，土壤中某种元素或化合物含量增加，超出了土壤环境净化能力(容量)，导致土壤环境质量下降，并出现了影响人体(或生物体)健康和生态风险的现象。2005年4月至2013年 12月，我国开展了首次全国土壤污染状况调查，调查范围为中国境内(暂未含香港特别行政区、澳门特别行政区和台湾地区)的陆地国土，调查点位覆盖全部耕地，部分林地、草地、未利用地和建设用地，实际调查面积约为630万平方公里。全国土壤中超标率为16.1％，污染类型以无机污染物为主，其超标点位数占全部超标点位的82.8％。然而，原来传统的实验室内分析、现场人工访查等方式已不能满足人民生活、政府决策和社会发展的需求，快速、准确的识别主要农产品产区内的高风险区域成为炙手可热的前沿课题。
发明内容
本发明要解决的技术问题是提供一种陆地农产品产地高风险区域识别方法及差异化处理方法。
为解决上述技术问题，本发明所采取的技术方案如下。
陆地农产品产地高风险区域识别方法及差异化处理方法，该方法基于多变量因素的组合化交叉解析得到用于陆地农产品产地高风险区域识别的基础数据参数，并对所述多变量因素数据参数运用地理信息系统手段进行差异化多图层叠加分析，实现对于农产品产区内高风险区域的快速、准确识别；所述多变量因素包括：区域内污染物来源分布因素、区域内地貌及水系分布土壤类型因素、区域内敏感人群因素、区域内土壤质地类型和土体垂直构型因素、区域内种植物品种和分布因素、区域内土地利用类型因素、区域内人口密度因素，一种或多种组合。
作为本发明的一种优选技术方案，所述地理信息系统手段包括ArcGIS、 MapGIS。
作为本发明的一种优选技术方案，对于所述区域内污染物来源分布因素的解析方法为：
①多来源大数据整合分析：针对目标区域，通过政府部门搜集排污许可、企业名单抓取污染场地位置、污染物的属性以及污染物高浓度排放时间，以及网络抓取重大新闻事件、社会经济现状及发展趋势数据、中外数据库文献检索多来源的大数据分落在同一张该区域的地理信息分布图中；
②污染源空间源溯分析：在样点分布均衡性检测与匀衡化处理方法下，进行均匀采样、目的性采样以及便捷性快速原位检验；并针对不同污染物对当地环境的不同影响，对应后续污染物消减、被污染土壤修复或选择性利用方式的差异化处理。
作为本发明的一种优选技术方案，步骤②中，对所采集的土壤样品采用土壤速效养分快速检测分光仪，进行硝态氮、铵态氮、水溶性磷和速效磷Olsen-P 大量元素20分钟内检测出结果；采用原位快速原子光谱检测仪对有毒有害重金属元素如As、Hg、Pb、Cd、Cr进行现场30分钟快速检测。
作为本发明的一种优选技术方案，步骤②中，对于高氮磷累积影响水体，地下水或地表水，造成水体富营养化，进行农业面源污染防控；对于被重金属污染的土壤中，轻度污染土壤进行土地分类利用，中重度污染土壤进行综合修复。
作为本发明的一种优选技术方案，对于所述区域内地貌及水系分布土壤类型因素的解析方法为：对区域内的地貌和水系分布进行分类分析，对于旱地、水浇地、水田、山地、林地不同类型地块，各有侧重进行不同元素的分布类型划分。
作为本发明的一种优选技术方案，对于所述区域内敏感人群因素的解析方法为：
首先结合目的区域当地的产业发展规划、规模化畜禽养殖场、高投入高复种指数种植区、有色金属冶炼工矿企业区域内敏感排污因素分布区，把对应产生的排放污染物类型、每个源排放的强度和浓度排查清楚，并由此启示未来的土地利用类型分布和整个区域的设计规划；在解析过程中运用高效混合时-空检索技术降低大数据冗余，提高数据质量和可信度，提高数据挖掘分析效率和准确度，在此基础上，基于污染源头跟敏感人群如老人和儿童对农作物摄入的膳食结构、每天摄入量的农产品种类、暴露途径类参数及多参数的交叉重叠，进一步叠加农业种植结构情况，分析目标区域内的人群通过农产品重金属摄入、饮用水摄入、呼吸摄入、皮肤接触系列风险数据。
作为本发明的一种优选技术方案，对于所述区域内土壤质地类型和土体垂直构型因素的解析方法为：对于不同土壤质地、类型和垂直土体构型所构成的农产品产地高风险分布进行划分，对不同质地类型的土壤对重金属的富集系数差异进行划分。
作为本发明的一种优选技术方案，对于所述区域内种植物品种和分布因素的解析方法为：
①基于不同种植作物对污染物的富集系数不同，确定如下解析策略：以高风险的区域为修复目标，而不是以高浓度的区域为修复目标；不同作物对农产品产地的风险评估具有差异化特性，并对应差异化的区域风险控制手段，据此进行不同种植结构的调整，而非把所有成片或高浓度的污染土壤全部清除干净，避免超高的时间和人力财力物力成本；在明晰何种类型农作物对何种重金属元素的富集能力强或弱的基础上，判断通过农产品摄入各种重金属元素风险的分布；进而根据不同作物对重金属元素的吸收累积特征和土壤重金属的空间含量分布选择适宜的种植区，规避农产品种植过程中的环境风险；
②基于对农产品产地的高风险识别，对不同作物的种类通过计算而得之高风险的位置分布分析，为了控制钝化剂的施入量和施入成本，在作物生长关键期施入重金属钝化剂，通过遥感影像图识别坐果期、灌浆期及其他作物生长的关键时期，规避作物生长前期的低效钝化处理，选择在坐果期或灌浆期通过重金属钝化剂控制住重金属的活性。
作为本发明的一种优选技术方案，步骤①中，对于蔬菜Cd非致癌元素的高风险区，十字花科植物的大白菜易富集Cd，辣椒更容易富集Pb和Cd，西红柿、芹菜不易富集重金属，对应选择土壤中Pb、Cd含量较低的安全种植区域；致癌风险主要来源于As，在计算系数时As的系数进行高设定；根据不同作物对重金属元素的吸收累积特征和土壤重金属的空间含量分布，确定适宜的种植区以规避农产品种植过程中的环境风险。
采用上述技术方案所产生的有益效果在于：本发明公开了一种渔业等水产品以外的陆地上农产品产地高风险区域识别技术方法，本发明的方法可以从陆地中的田块到县、市、省、流域等不同区域尺度下的农产品产地农田进行重金属、氮、磷元素等无机污染物的高风险区域空间分布的识别与划分，运用地理信息系统手段(如ArcGIS、MapGIS等)分不同图层叠加分析，对区域内污染物来源分布、当地地貌和水系分布、土壤类型、质地和土体构型、种植区域、土地利用类型、人口密度及敏感人群等进行详细解析；为快速、准确的识别主要农产品产区内的高风险区域提供有力的科技支撑。
附图说明
图1为不同类型蔬菜重金属富集系数差异图。
图2为不同类型蔬菜重金属元素输出通量差异图。
图3为不同质地土壤重金属全量对比图。
图4为不同土壤质地重金属元素富集系数对比图。
图5为不同土壤类型对重金属元素富集系数对比图。
图6为河北平原区不同土壤质地分布图。
图7为河北平原区大气干湿沉降Cd输入通量图。
图8为河北平原区灌溉水Cd输入通量图。
图9为河北平原区化肥Cd输入通量图。
图10为河北省平原区土壤全量Cd风险识别图。
图11为河北省平原区土壤全量Hg风险识别图。
具体实施方式
以下实施例详细说明了本发明。本发明所使用的各种原料及各项设备均为常规市售产品，均能够通过市场购买直接获得。
在以下实施例的描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
实施例1、对区域内污染物源头分布的解析；
(1)多来源大数据整合技术针对某个区域，通过政府部门搜集排污许可、企业名单抓取污染场地位置、污染物的属性以及污染物高浓度排放的时间等大数据；以及网络抓取重大新闻事件、社会经济现状及发展趋势数据、中外数据库文献检索等一系列多来源的大数据分落在同一张该区域的地理信息分布图中。
(2)采用污染源空间源溯方法在样点分布均衡性检测与匀衡化处理方法下，进行均匀采样、目的性采样以及便捷性快速原位检验，对所采集的土壤样品采用土壤速效养分快速检测分光仪，进行硝态氮、铵态氮、水溶性磷和速效磷(Olsen-P)等大量元素20分钟内检测出结果；采用原位快速原子光谱检测仪对有毒有害重金属元素如As、Hg、Pb、Cd、Cr等进行现场30分钟快速检测。
针对不同污染物对当地的环境影响不同，需要采取后续的污染物消减、被污染土壤的修复或选择性利用方式不同。如高氮磷累积影响水体，地下水或地表水，造成水体富营养化，需要进行农业面源污染防控；被重金属污染的土壤中，会通过农田上种植的作物最终进入食物链而影响人类健康，轻度污染土壤需要进行土地分类利用，中重度污染土壤进行综合修复等。
实施例2、对区域内地貌、水系分布的解析
特别是在丘陵、山区，有采矿用地与河谷交错，山地径流、农田、水系的交叉分布的区域，属于重金属的高风险区。(例如南方的鱼米之乡，湖南40％农田超标，江西也很严重)。旱地、水浇地、水田、山地、林地等等，各有侧重进行不同元素的分布类型划分。如Cd：红色的区域是分布浓度比较高的(平均400-500，而一般的环境标准都是0.几)，绿色的区域是分布浓度比较低的。Pb 分布高的区域，Cr的源头排放不太多。
实施例3、对区域内敏感因素识别分布的解析；
(1)结合当地产业发展规划，规模化畜禽养殖场、高投入高复种指数种植区、有色金属冶炼工矿企业等区域内敏感排污因素分布区，把可能产生的排放污染物类型、每个源排放的强度和浓度不同)排查清楚，这些也会启示，未来的土地利用类型分布和整个区域的设计规划。运用高效混合时间、空间检索技术，降低大数据冗余，提高数据质量和可信度，提高数据挖掘分析效率和准确度。
(2)污染源头可以跟敏感人群(如老人和儿童)对农作物摄入的膳食结构、每天摄入量的农产品种类、暴露途径的参数、的重叠情况，同时叠加农业种植结构，来分析当地区域内的人群通过农产品摄入重金属、饮用水的摄入、呼吸的摄入、皮肤接触等一系列的风险是什么。某县为例，分布着164家矿产冶炼企业，加上大大小小的小作坊共400多家。采选企业的特点：废水排放为主，冶炼企业的特点：大气传输，范围比较广，顺着风向扩散到被污染区域，来影响周边的农产品差地。为后期查明高风险区域提供了很好的指示。
实施例4、对区域内农业种植类型分布的解析(图1-图2)
(1)不同种植作物对污染物的富集系数不同。因此，应以高风险的区域为修复目标，而不是以高浓度的区域为修复目标。把钱用在刀刃上。不同作物对农产品产地的风险评估也有差异，这些区域的风险控制手段也各不相同，可以进行不同种植结构的调整，而非把所有的成片或高浓度的污染土壤全部清除干净，否则会花很长很长的时间和很高的成本。湖南某些地块的超标都是上百倍。因此，应以把其恢复到《土壤环境质量标准》以内的修复为目标是万万不可取的。
通过本团队的研究，明晰了哪种类型农作物对哪种重金属元素的富集能力强或弱，可判断通过农产品摄入各种重金属元素(如Cd、Pb等)风险的分布。例如：蔬菜的Cd(非致癌的元素)的高风险区，十字花科植物的大白菜易富集 Cd，辣椒更容易富集Pb和Cd，所以就应选择土壤中Pb、Cd含量较低的安全种植区域；而致癌的风险主要来源于As，在计算系数时，As的系数相当高。但西红柿、芹菜就不易富集重金属。因此，我们可以根据不同作物对重金属元素的吸收累积特征和土壤重金属的空间含量分布，来选择适宜的种植区，规避农产品种植过程中的环境风险。
本团队研究表明，不同类型蔬菜间重金属元素的输出通量呈现出较大差异 (除Hg元素以外)，因此居民对食用不同种类的蔬菜摄入量也不同。As、Cr和 Cd元素的输出通量以根菜类蔬菜为主，而Pb元素的输出通量以叶菜类蔬菜为主，果菜类蔬菜的各元素输出通量在各类型蔬菜中均最低。
(2)在作物生长关键期(如坐果期或灌浆期)施入重金属钝化剂，可以通过遥感影像图来识别这一关键时期。若是在作物生长的前期，我们施入重金属钝化剂，顶多是减少重金属往作物茎秆部位迁移，重金属富集并不是能直接影响到食品安全，因此对人体影响健康较小；但是到了坐果期或灌浆期，重金属会顺着茎秆向农作物的可食部位迁移，因此，坐果期或灌浆期是关键时期，在此时期控制住重金属的活性。若想控制钝化剂的施入量和施入成本，则选择在作物籽粒或果实生长时期施入。我们通过对农产品产地的高风险识别，对不同作物的种类、通过计算而得之高风险的位置分布分析。例如，标红的地区，是通过我们的初步识别的高风险区。
实施例5、对区域内土壤质地、类型和垂直土体构型分布的解析(图6)
不同土壤质地、类型和垂直土体构型的对农产品产地的高风险分布也有较大影响。如砂质土壤的淋失风险较粘土土壤高很多，而垂直土体构型中通体砂壤的土体比上砂下粘的土体有更高的淋失风险。而不同质地、类型的土壤对重金属的富集系数差异也很大(如图3、4、5)。
实施例6、河北平原分析实例
参见附图7-11，以河北省平原区为例：分别对河北平原区土壤全量Cd风险、大气干湿沉降Cd输入通量、灌溉水Cd输入通量、化肥Cd输入通量、土壤全量 Cd风险进行了解析和识别；为快速、准确的识别主要农产品产区内的高风险区域提供有力的科学支撑。
以上所述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精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：该方法基于多变量因素的组合化交叉解析得到用于陆地农产品产地高风险区域识别的基础数据参数，并对所述多变量因素数据参数运用地理信息系统手段进行差异化多图层叠加分析，实现对于农产品产区内高风险区域的快速、准确识别；所述多变量因素包括：区域内污染物来源分布因素、区域内地貌及水系分布土壤类型因素、区域内敏感人群因素、区域内土壤质地类型和土体垂直构型因素、区域内种植物品种和分布因素、区域内土地利用类型因素、区域内人口密度因素，一种或多种组合。
2.根据权利要求1所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：所述地理信息系统手段包括ArcGIS、MapGIS。
3.根据权利要求1所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：对于所述区域内污染物来源分布因素的解析方法为：
①多来源大数据整合分析：针对目标区域，通过政府部门搜集排污许可、企业名单抓取污染场地位置、污染物的属性以及污染物高浓度排放时间，以及网络抓取重大新闻事件、社会经济现状及发展趋势数据、中外数据库文献检索多来源的大数据分落在同一张该区域的地理信息分布图中；
②污染源空间源溯分析：在样点分布均衡性检测与匀衡化处理方法下，进行均匀采样、目的性采样以及便捷性快速原位检验；并针对不同污染物对当地环境的不同影响，对应后续污染物消减、被污染土壤修复或选择性利用方式的差异化处理。
4.根据权利要求3所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：步骤②中，对所采集的土壤样品采用土壤速效养分快速检测分光仪，进行硝态氮、铵态氮、水溶性磷和速效磷Olsen-P大量元素20分钟内检测出结果；采用原位快速原子光谱检测仪对有毒有害重金属元素如As、Hg、Pb、Cd、Cr进行现场30分钟快速检测。
5.根据权利要求3所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：步骤②中，对于高氮磷累积影响水体，地下水或地表水，造成水体富营养化，进行农业面源污染防控；对于被重金属污染的土壤中，轻度污染土壤进行土地分类利用，中重度污染土壤进行综合修复。
6.根据权利要求1所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：对于所述区域内地貌及水系分布土壤类型因素的解析方法为：对区域内的地貌和水系分布进行分类分析，对于旱地、水浇地、水田、山地、林地不同类型地块，各有侧重进行不同元素的分布类型划分。
7.根据权利要求1所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：对于所述区域内敏感人群因素的解析方法为：
首先结合目的区域当地的产业发展规划、规模化畜禽养殖场、高投入高复种指数种植区、有色金属冶炼工矿企业区域内敏感排污因素分布区，把对应产生的排放污染物类型、每个源排放的强度和浓度排查清楚，并由此启示未来的土地利用类型分布和整个区域的设计规划；在解析过程中运用高效混合时-空检索技术降低大数据冗余，提高数据质量和可信度，提高数据挖掘分析效率和准确度，在此基础上，基于污染源头跟敏感人群如老人和儿童对农作物摄入的膳食结构、每天摄入量的农产品种类、暴露途径类参数及多参数的交叉重叠，进一步叠加农业种植结构情况，分析目标区域内的人群通过农产品重金属摄入、饮用水摄入、呼吸摄入、皮肤接触系列风险数据。
8.根据权利要求1所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：对于所述区域内土壤质地类型和土体垂直构型因素的解析方法为：对于不同土壤质地、类型和垂直土体构型所构成的农产品产地高风险分布进行划分，对不同质地类型的土壤对重金属的富集系数差异进行划分。
9.根据权利要求1所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：对于所述区域内种植物品种和分布因素的解析方法为：
①基于不同种植作物对污染物的富集系数不同，确定如下解析策略：以高风险的区域为修复目标，而不是以高浓度的区域为修复目标；不同作物对农产品产地的风险评估具有差异化特性，并对应差异化的区域风险控制手段，据此进行不同种植结构的调整，而非把所有成片或高浓度的污染土壤全部清除干净，避免超高的时间和人力财力物力成本；在明晰何种类型农作物对何种重金属元素的富集能力强或弱的基础上，判断通过农产品摄入各种重金属元素风险的分布；进而根据不同作物对重金属元素的吸收累积特征和土壤重金属的空间含量分布选择适宜的种植区，规避农产品种植过程中的环境风险；
②基于对农产品产地的高风险识别，对不同作物的种类通过计算而得之高风险的位置分布分析，为了控制钝化剂的施入量和施入成本，在作物生长关键期施入重金属钝化剂，通过遥感影像图识别坐果期、灌浆期及其他作物生长的关键时期，规避作物生长前期的低效钝化处理，选择在坐果期或灌浆期通过重金属钝化剂控制住重金属的活性。
10.根据权利要求9所述的陆地农产品产地高风险区域识别方法及差异化处理方法，其特征在于：步骤①中，对于蔬菜Cd非致癌元素的高风险区，十字花科植物的大白菜易富集Cd，辣椒更容易富集Pb和Cd，西红柿、芹菜不易富集重金属，对应选择土壤中Pb、Cd含量较低的安全种植区域；致癌风险主要来源于As，在计算系数时As的系数进行高设定；根据不同作物对重金属元素的吸收累积特征和土壤重金属的空间含量分布，确定适宜的种植区以规避农产品种植过程中的环境风险。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068932.5A CN111257250B (zh) | 2020-01-21 | 2020-01-21 | 陆地农产品产地高风险区域识别方法及差异化处理方法 |
| AU2020100440A AU2020100440A4 (en) | 2020-01-21 | 2020-03-23 | The high-risk area identification method and differential processing method for land agricultural product producing areas |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068932.5A CN111257250B (zh) | 2020-01-21 | 2020-01-21 | 陆地农产品产地高风险区域识别方法及差异化处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111257250A true CN111257250A (zh) | 2020-06-09 |
| CN111257250B CN111257250B (zh) | 2021-06-08 |
Family
ID=70374744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010068932.5A Active CN111257250B (zh) | 2020-01-21 | 2020-01-21 | 陆地农产品产地高风险区域识别方法及差异化处理方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111257250B (zh) |
| AU (1) | AU2020100440A4 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112240869A (zh) * | 2020-11-16 | 2021-01-19 | 内蒙古自治区农牧业科学院 | 一种基于高分遥感影像的草原地块信息提取方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288247B (zh) * | 2020-10-20 | 2024-04-09 | 浙江大学 | 一种基于空间交互关系的土壤重金属风险识别方法 |
| CN113032993B (zh) * | 2021-03-22 | 2022-11-18 | 中国科学院城市环境研究所 | 一种衡量土地利用对流域非点源污染迁移影响的评价方法 |
| CN113340821B (zh) * | 2021-06-15 | 2023-02-14 | 陕西地建土地工程技术研究院有限责任公司 | 一种城市建设用地表层土壤重金属污染快速识别方法 |
| CN114444252B (zh) * | 2021-11-25 | 2022-08-26 | 中国科学院生态环境研究中心 | 基于环境容量及自然消减模型的土壤环境承载力计算方法 |
| CN114971234B (zh) * | 2022-05-11 | 2023-04-07 | 北京中色测绘院有限公司 | 一种土壤普查技术方法 |
| CN116091941B (zh) * | 2023-01-18 | 2023-10-27 | 生态环境部卫星环境应用中心 | 饮用水水源保护区生活面源污染负荷快速调查方法和装置 |
| CN116242987A (zh) * | 2023-02-24 | 2023-06-09 | 四川省环境政策研究与规划院 | 一种土壤重金属高背景区范围识别方法 |
| CN116384624B (zh) * | 2023-03-13 | 2023-09-05 | 中国科学院生态环境研究中心 | 用于深翻耕措施的区域土壤最优翻耕深度确定方法及系统 |
| CN117196156B (zh) * | 2023-10-19 | 2024-02-06 | 北京建工环境修复股份有限公司 | 一种污染原位治理智能规划方法、系统及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201897593U (zh) * | 2010-06-01 | 2011-07-13 | 青岛科技大学 | 便携式氮磷面源污染测量装置 |
| CN105205617A (zh) * | 2015-10-21 | 2015-12-30 | 中南财经政法大学 | 基于土地利用方式的土壤重金属层次健康风险评价方法 |
| CN106570767A (zh) * | 2016-10-26 | 2017-04-19 | 中国农业科学院农业质量标准与检测技术研究所 | 风险监测信息系统中监测数据的统计分析方法以及装置 |
| CN107578146A (zh) * | 2017-08-10 | 2018-01-12 | 大连理工大学 | 一种农药应用的土壤环境承载力的定量评价方法 |
| CN107767032A (zh) * | 2017-09-27 | 2018-03-06 | 北京农业信息技术研究中心 | 一种农田土壤重金属污染决策系统及方法 |
| CN109711681A (zh) * | 2018-12-12 | 2019-05-03 | 天津大学 | 一种基于ArcGIS的全区域环境风险评价方法 |
| CN109902913A (zh) * | 2019-01-10 | 2019-06-18 | 天津大学 | 一种大气污染叠加风险区识别及评价方法 |
-
2020
- 2020-01-21 CN CN202010068932.5A patent/CN111257250B/zh active Active
- 2020-03-23 AU AU2020100440A patent/AU2020100440A4/en not_active Ceased
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201897593U (zh) * | 2010-06-01 | 2011-07-13 | 青岛科技大学 | 便携式氮磷面源污染测量装置 |
| CN105205617A (zh) * | 2015-10-21 | 2015-12-30 | 中南财经政法大学 | 基于土地利用方式的土壤重金属层次健康风险评价方法 |
| CN106570767A (zh) * | 2016-10-26 | 2017-04-19 | 中国农业科学院农业质量标准与检测技术研究所 | 风险监测信息系统中监测数据的统计分析方法以及装置 |
| CN107578146A (zh) * | 2017-08-10 | 2018-01-12 | 大连理工大学 | 一种农药应用的土壤环境承载力的定量评价方法 |
| CN107767032A (zh) * | 2017-09-27 | 2018-03-06 | 北京农业信息技术研究中心 | 一种农田土壤重金属污染决策系统及方法 |
| CN109711681A (zh) * | 2018-12-12 | 2019-05-03 | 天津大学 | 一种基于ArcGIS的全区域环境风险评价方法 |
| CN109902913A (zh) * | 2019-01-10 | 2019-06-18 | 天津大学 | 一种大气污染叠加风险区识别及评价方法 |
Non-Patent Citations (9)
| Title |
|---|
| 刘发欣: "区域土壤及农产品中重金属的人体健康风险评估", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 朱权 等: "基于WebGIS的农产品产地污染评价系统设计与实现", 《农业环境科学学报》 * |
| 李志宏 等: "太湖流域农业氮磷面源污染现状及防治对策", 《中国农学通报》 * |
| 李珊珊 等: "重要风险区域土壤重金属污染特征及来源分析", 《资源环境与工程》 * |
| 王琦 等: "一种基于风险管控的稻田土壤重金属污染分级方法", 《生态环境学报》 * |
| 章卫 等: "基于小流域农业面源污染氮磷负荷评价方法的研究", 《江西科学》 * |
| 蔡保新 等: "云南某锡矿区主要农作物重金属富集差异性", 《地质通报》 * |
| 贺莉萍: "基于GIS和风险评估模型对矿区农用地土壤重金属污染和学龄儿童健康的研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 韩玉婷: "脆弱人群重金属污染暴露解析与影响分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112240869A (zh) * | 2020-11-16 | 2021-01-19 | 内蒙古自治区农牧业科学院 | 一种基于高分遥感影像的草原地块信息提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111257250B (zh) | 2021-06-08 |
| AU2020100440A4 (en) | 2020-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111257250B (zh) | 陆地农产品产地高风险区域识别方法及差异化处理方法 | |
| Mirzaei et al. | Ecological and health risks of soil and grape heavy metals in long-term fertilized vineyards (Chaharmahal and Bakhtiari province of Iran) | |
| Chen et al. | Identification of trace element sources and associated risk assessment in vegetable soils of the urban–rural transitional area of Hangzhou, China | |
| Gong et al. | Assessing heavy-metal contamination and sources by GIS-based approach and multivariate analysis of urban–rural topsoils in Wuhan, central China | |
| Sauer et al. | Runoff water quality from poultry litter‐treated pasture and forest sites | |
| Ewing et al. | Fog water and ecosystem function: heterogeneity in a California redwood forest | |
| Chapman et al. | The nitrogen composition of streams in upland Scotland: some regional and seasonal differences | |
| Dogan et al. | Heavy metal accumulation in the bark and leaves of Juglans regia planted in Artvin City, Turkey | |
| Jordan et al. | Traits of surface water pollution under climate and land use changes: A remote sensing and hydrological modeling approach | |
| King et al. | Validation of paired watersheds for assessing conservation practices in the Upper Big Walnut Creek watershed, Ohio | |
| Santelmann et al. | The influence of airborne road dust on the chemistry of Sphagnum mosses | |
| Glenn et al. | An analysis of the relationship between land use and arsenic, vanadium, nitrate and boron contamination in the Gulf Coast aquifer of Texas | |
| Wang et al. | Determining and mapping the spatial mismatch between soil and rice cadmium (Cd) pollution based on a decision tree model | |
| Pacaldo et al. | Carbon sequestration in fine roots and foliage biomass offsets soil CO 2 effluxes along a 19-year chronosequence of shrub willow (Salix x dasyclados) biomass crops | |
| Swails et al. | Spatio-temporal variability of peat CH4 and N2O fluxes and their contribution to peat GHG budgets in Indonesian forests and oil palm plantations | |
| Mast et al. | Environmental Characteristics and Water Quality of Hydrologic Benchmark Network Stations in the West-central United States, 1963-95: 1999-2000 | |
| Santos et al. | The role of forest in mitigating the impact of atmospheric dust pollution in a mixed landscape | |
| Yang et al. | Use of hyperspectral imagery to detect affected vegetation and heavy metal polluted areas: A coal mining area, China | |
| Gómez et al. | Lateral transfer of organic carbon and phosphorus by water erosion at hillslope scale in southern Spain olive orchards | |
| Méndez-Rodríguez et al. | Assessment of trace metals in soil, vegetation and rodents in relation to metal mining activities in an arid environment | |
| Liu et al. | Assessment of heavy metal pollution in urban agricultural soils of Jilin City, China | |
| Lu et al. | Interaction of climate change, potentially toxic elements (PTEs), and topography on plant diversity and ecosystem functions in a high-altitude mountainous region of the Tibetan Plateau | |
| Yang et al. | Quantitative landscape reconstruction and erosion history during the past 1,100 years in the Skogaryd Research Catchment, southern Sweden | |
| Nizamutdinov et al. | Sediments from cryoconite holes and dirt cones on the surface of Svalbard glaciers: main chemical and physicochemical properties | |
| Leavitt et al. | Bio-monitoring in Western North America: What Can Lichens Tell Us About Ecological Disturbances? |
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 |