CN112989583B - 一种树脂包膜氮肥施用下土壤n2o排放模拟方法及系统 - Google Patents
一种树脂包膜氮肥施用下土壤n2o排放模拟方法及系统 Download PDFInfo
- Publication number
- CN112989583B CN112989583B CN202110225507.7A CN202110225507A CN112989583B CN 112989583 B CN112989583 B CN 112989583B CN 202110225507 A CN202110225507 A CN 202110225507A CN 112989583 B CN112989583 B CN 112989583B
- Authority
- CN
- China
- Prior art keywords
- parameter
- soil
- resin coated
- parameters
- model
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 100
- 239000000618 nitrogen fertilizer Substances 0.000 title claims abstract description 65
- 239000011347 resin Substances 0.000 title claims abstract description 64
- 229920005989 resin Polymers 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 99
- 235000015097 nutrients Nutrition 0.000 claims abstract description 70
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 31
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 18
- 239000002028 Biomass Substances 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 10
- 239000001272 nitrous oxide Substances 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 26
- 229910052757 nitrogen Inorganic materials 0.000 description 19
- 238000003973 irrigation Methods 0.000 description 12
- 230000002262 irrigation Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 239000003337 fertilizer Substances 0.000 description 9
- 238000011282 treatment Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013270 controlled release Methods 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 2
- 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 description 2
- 238000007605 air drying Methods 0.000 description 2
- 239000004202 carbamide Substances 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000008367 deionised water Substances 0.000 description 2
- 229910021641 deionized water Inorganic materials 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000006396 nitration reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Fertilizers (AREA)
- Fertilizing (AREA)
Abstract
本发明公开了一种树脂包膜氮肥施用下土壤N2O排放模拟方法及系统。本发明通过设计室内试验、田间试验、构建养分释放模型、结合APSIM机理模型和DREAM算法来优化模型参数，来实现树脂包膜氮肥施用下土壤N2O排放的准确模拟。
Description
技术领域
本发明涉及氧化亚氮排放领域，特别是涉及一种树脂包膜氮肥施用下土壤N2O排放模拟方法及系统。
背景技术
为了保证粮食产量、降低劳动成本和减少化肥的污染与浪费，控释肥在水-热耦合作用下，养分的释放能够与作物氮素吸收基本相同步，可一次性施入来满足作物的需求，有利于作物生长速率和产量的提高，提高氮肥利用率。树脂包膜尿素是目前经常使用的一类控释氮肥。
氧化亚氮(N2O)气体不仅具有强烈的全球温室效应，还可作为催化剂持续对臭氧层造成破坏，而农田土壤是N2O气体的关键排放源之一，其排放的变化将直接或间接对区域乃至全球生态环境带来重大影响，是当前本领域研究的热点问题。但当前还缺乏对树脂包膜氮肥施用下土壤N2O排放的准确模拟方法。
发明内容
本发明的目的是提供一种树脂包膜氮肥施用下土壤N2O排放模拟方法及系统，通过设计室内试验、田间试验、构建养分释放模型、结合APSIM机理模型(可免费下载得到)和DREAM算法来优化模型参数，来实现树脂包膜氮肥施用下土壤N2O排放的准确模拟。
为实现上述目的，本发明提供了如下方案：
一种树脂包膜氮肥施用下土壤N2O排放模拟方法，包括：
设置三个试验，为室内试验、第一田间试验以及第二田间试验；
构建树脂包膜氮肥养分释放模型；
基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化；
基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化；
基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型；
基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数；
基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量。
可选地，所述树脂包膜氮肥养分释放模型的构建如下：
Nt＝N0[1-exp[-kSW，T(t-tlag)]]
其中，Nt为t时间养分释放率，N0为养分的最大释放率，t为时间，kSW，T为养分释放速率常数，SW为土壤体积含水量，T为土壤绝对温度，tlag为养分释放滞后期，kB为玻尔兹曼常数K，EB和Eb分别为kSW，T和tlag中的激活能，A、C、a、c皆为树脂包膜氮肥养分释放模型的参数。
可选地，所述第一田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
可选地，所述第二田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
可选地，所述DREAM算法如下：
S1：确定需优化参数的先验概率分布；
S2：从每个参数的先验概率分布中各抽取I个数值，并依次作为I条链的初始参数集；
S3：计算每一条链的初始参数集的概率密度函数；
S4：针对每一条链的初始参数集的每一个参数产生候选参数，并组成候选参数集；
S5：计算每一条链中候选参数集的概率密度函数，并根据所述候选参数集的概率密度函数以及所述初始参数集的概率密度函数，对所述候选参数集进行筛选；
S6：计算下一次迭代时每一条链的交叉算子取样概率值；
S7：基于每条链最后50％候选参数集中每一个参数集的概率密度对数的平均值，采用四分位间距法识别并替换异常链下一步迭代的候选参数集；
S8：针对每一个参数，计算收敛系数Rd，以上步骤S3—S8不断迭代，迭代的总次数为T，T≥50000，其中，T/10为调试迭代的次数，在T/10次之后，步骤S6停止迭代，其他步骤继续迭代，当每一个参数的Rd<1.01时，迭代终止，若未达到，则迭代至T次；
S9：根据后验概率密度构建每个参数的后验概率分布。
本发明还提供了一种树脂包膜氮肥施用下土壤N2O排放模拟系统，包括：
试验设置模块，用于设置三个试验，为室内试验、第一田间试验以及第二田间试验；
模型构建模块，用于构建树脂包膜氮肥养分释放模型；
第一参数优化模块，用于基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化；
第二参数优化模块，用于基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化；
模型更新模块，用于基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型；
第三参数优化模块，用于基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数；
产量预测模块，用于基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量。
可选地，所述树脂包膜氮肥养分释放模型的构建如下：
Nt＝N0[1-exp[-KSW，T(t-tlag)]]
其中，Nt为t时间养分释放率，N0为养分的最大释放率，t为时间，kSW，T为养分释放速率常数，SW为土壤体积含水量，T为土壤绝对温度，tlag为养分释放滞后期，kB为玻尔兹曼常数K，EB和Eb分别为kSW，T和tlag中的激活能，A、C、a、c皆为树脂包膜氮肥养分释放模型的参数。
可选地，所述第一田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
可选地，所述第二田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种树脂包膜氮肥施用下土壤N2O排放模拟方法及系统。该方法，包括设置三个试验，为室内试验、第一田间试验以及第二田间试验；构建树脂包膜氮肥养分释放模型；基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化；基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化；基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型；基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数；基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量。本发明通过设计室内试验、田间试验、构建养分释放模型、结合APSIM机理模型和DREAM算法来优化模型参数，来实现树脂包膜氮肥施用下土壤N2O排放的准确模拟。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例树脂包膜氮肥施用下土壤N2O排放模拟方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本发明的目的是提供一种树脂包膜氮肥施用下土壤N2O排放模拟方法及系统，通过设计室内试验、田间试验、构建养分释放模型、结合APSIM机理模型和DREAM算法来优化模型参数，来实现树脂包膜氮肥施用下土壤N2O排放的准确模拟。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，一种树脂包膜氮肥施用下土壤N2O排放模拟方法包括以下步骤：
步骤101：设置三个试验，为室内试验、第一田间试验以及第二田间试验。
室内试验用于树脂包膜氮肥养分释放模型的构建。
取土：从田间采取0～10m表层土壤，筛网(2mm)后储存在4℃下。在试验开始前，将土壤孔隙含水量调整为40％，并放在温度为20℃的暗箱中预培养一周。将土壤温度(T)设置为5个等级(5℃、10℃、15℃、20℃、25℃)。土壤孔隙含水量(W)通过风干或添加去离子水的方法来调整，包括4个处理(25％、50％、70％和100％)，共20个处理。
取样：取包膜尿素约2.5g(精确至0.001g)放入6cm×6cm的聚丙烯网袋(孔径1.0mm2)，采用脉冲热封机封口。取200g(干重)预培养土壤平均分两层放入到500ml玻璃瓶中，将网袋平铺在两层土壤的中间，并将土壤容重压缩至田间实测值。该试验在黑暗的通风培养室内进行，每个玻璃瓶用ParafilmTM膜封上，并在瓶口的膜上扎上3个小孔来进行气体交换，并减少培养期间的水分流失。每隔3天向土壤中添加去离子水来弥补蒸发水分损失。每个处理30个瓶子，分别在第2、4、6、8、10、14、21、28、42、56、70、84、98、126天进行取样，每次取3个瓶子进行取样。网袋取样后，进行至少14天的风干处理，将肥料颗粒与网袋和土壤进行手工分离，并称重。
数据计算：t时间取袋后，树脂包膜氮肥的养分释放率Nt＝w/2.5×100％，其中w为取3瓶取样处理后测量的干重平均值。
第一田间试验用于APSIM模型中N2O排放、土壤水分和土壤温度模拟的参数优化。
试验设置：采用当地农民常规氮肥施用方式，设置4个不同灌溉量处理：不灌溉，20立方米/亩，40立方米/亩，60立方米/亩。每个处理设置3次重复，共12个小区。其他田间管理措施与农民的管理措施相同。每个小区需安装一台土壤水分和温度实时记录仪，监测0-10cm土壤体积含水量和摄氏温度变化。
基础数据：获取土壤0-10cm、10-30cm、30-60cm和60-100cm的土壤容重、含水量、土壤硝态氮和铵态氮含量、饱和含水量、田间持水量，萎焉含水量、土壤有机质、pH、土壤粘粒含量。这些数值将作为APSIM模型的初始输入值。获取当地气象数据，包括每日的最高温、最低温、日照辐射和降雨量，来驱动APSIM模型的运行。获取具体管理措施，包括播种日期、密度、深度和行距，灌溉日期及灌溉量，施氮日期、施氮量、类型及深度。
N2O排放监测：采用静态箱–气相色谱法来获取N2O每日排放总量。测定频率为每星期1次，施肥、灌溉、降雨、耕作后增加取样频率。相关过程的同步测定内容包括采样箱内气温和0～0.1m土壤温度、湿度(与气体样品采集同步测定)。
土壤无机氮测定：在N2O气体采样后取表层0～0.1m的土样。通过鲜土质量、土壤含水量、流动分析仪测量值、1M KCl浸提液体积来计算土壤NH4 +-N及NO3 --N的含量。
生物量和产量测定：在作物3～5个关键生育期，每次选取10株代表性植株进行地上植株取样，于105℃杀青，80℃烘至衡重后称重。收获时各小区取4行共12m2计算生物量和产量。
第二田间试验用于嵌入树脂包膜氮肥养分释放模块的APSIM模型中关键参数的进一步优化。
试验设置：施用树脂包膜氮肥，设置4个不同灌溉量处理：不灌溉，20立方米/亩，40立方米/亩，60立方米/亩。每个处理设置3次重复，共12个小区。树脂包膜氮肥处理采用一次性施肥方式，施氮方式和施氮时间与农民底肥施用方式和时间相一致。其他田间管理措施与农民的管理措施相同。每个小区需安装一台土壤水分和温度实时记录仪，监测0-10cm土壤体积含水量和摄氏温度变化。
基础数据：获取土壤0-10cm、10-30cm、30-60cm和60-100cm的土壤容重、含水量、土壤硝态氮和铵态氮含量、饱和含水量、田间持水量，萎焉含水量、土壤有机质、pH、土壤粘粒含量。这些数值将作为APSIM模型的初始输入值。获取当地气象数据，包括每日的最高温、最低温、日照辐射和降雨量，来驱动APSIM模型的运行。获取具体管理措施，包括播种日期、密度、深度和行距，灌溉日期及灌溉量，施氮日期、施氮量、类型及深度。
N2O排放监测：采用静态箱–气相色谱法来获取N2O每日排放总量。测定频率为每星期1次，施肥、灌溉、降雨、耕作后增加取样频率。相关过程的同步测定内容包括采样箱内气温和0～0.1m土壤温度、湿度(与气体样品采集同步测定)。
土壤无机氮测定：在N2O气体采样后取表层0～0.1m的土样。通过鲜土质量、土壤含水量、流动分析仪测量值、1M KCl浸提液体积来计算土壤NH4 +-N及NO3 --N的含量。
生物量和产量测定：在作物3～5个关键生育期，每次选取10株代表性植株进行地上植株取样，于105℃杀青，80℃烘至衡重后称重。收获时各小区取4行共12m2计算生物量和产量。
步骤102：构建树脂包膜氮肥养分释放模型。模型构建如下：
Nt＝N0[1-exp[-KSW，T(t-tlag)]]
其中，Nt为t时间养分释放率(％)，N0为养分的最大释放率(％)，t为时间(d)，kSW，T为养分释放速率常数，SW为土壤体积含水量(％)，T为土壤绝对温度(K)，等于摄氏温度加上273.15K，tlag为养分释放滞后期，即养分开始释放需要的天数，kB为玻尔兹曼常数K，8.617×10-5eV/K，EB和Eb分别为kSW，T和tlag中的激活能，A、C、a、c皆为树脂包膜氮肥养分释放模型的参数。
N0取值范围70％～100％，EB和Eb取值范围都为0.1～1.0eV，A取值范围0～4，a取值范围0～50，C和c的取值范围都为0～100。通过室内试验数据(土壤体积含水量、土壤温度和养分释放率)，利用步骤DREAM算法对以上7个参数进行优化，其先验概率分布都为均匀分布，其中实测值类型为1，即养分释放率。
步骤103：基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化。
步骤104：基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化。
APSIM模型中N2O排放参数：Kmax(最大硝化速率)的取值范围为6～60；KNH4(Kmax/2时的铵态氮浓度)的取值范围为6～186；K2(硝化中N2O-N排放占比)的取值范围为0.001～0.005；Kdenit(反硝化系数)的取值范围为0.0005～0.0018；P(反硝化水分影响幂指数)的取值范围为0.5-5。APSIM模型中的土壤水分参数：SWCON的取值范围为0.2～0.8；APSIM模型中的土壤温度参数：BoundaryLayerConductance的取值范围为0～100。APSIM模型中的作物参数及取值范围可根据不同作物来确定，假定其个数为S。
通过第一田间试验获取的数据(N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N和NO3 --N含量，以及作物生物量和产量)，利用DREAM算法对以上7+S个参数进行优化，其先验概率分布都为均匀分布，其实测值类型为7，即N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N和NO3 --N含量，以及作物生物量和产量。
步骤105：基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型。
将优化后的树脂包膜氮肥养分释放模型嵌入APSIM模型中，作为APSIM模型中的氮素供应模块，可用于模拟树脂包膜氮肥施用下的作物生长动态。嵌入树脂包膜氮肥养分释放模块的APSIM模型共涉及14+S个参数，包括优化后的树脂包膜氮肥养分释放模型中的7个关键参数和优化后的APSIM模型中的7+S个关键参数。
步骤106：基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数。
通过第二田间试验获取的数据(N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N和NO3 --N含量，以及作物生物量和产量)利用DREAM算法对以上14+S个参数进行优化，先验概率分布为通过步骤103和步骤104获取的后验概率分布，其实测值类型为7，即N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N和NO3 --N含量，以及作物生物量和产量。
步骤107：基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量。
获取未来或以前气象数据，包括每日的最高温、最低温、日照辐射和降雨量，来驱动APSIM模型的运行。设定具体管理措施，包括播种日期、密度、深度和行距，灌溉日期及灌溉量，施氮日期、施氮量、类型及深度。
通过步骤105获取了14+S个参数的后验概率分布，采用马尔科夫链蒙特卡洛方法对14+S个参数进行M次(M≥1000)取样，然后在气象数据和管理数据的驱动下即可进行树脂包膜氮肥施用下进行M次模拟，并可计算出N2O在作物生长季的累积排放(每日累加)的平均值、标准差和置信区间。
其中，Ym为14+S个参数每次取样下N2O排放在作物生长季的累积排放的模拟值，
σ(Y)和
分别为其对应的平均值、标准差和置信区间
其中，DREAM算法如下：
1)确定需优化参数的先验概率分布，假定参数的个数为D。
2)随机从每个参数的先验概率分布中各抽取I个数值，并依次作为I条链的初始参数集θ(θi，i＝1，2，...，I)，I≥10。并计算出每个参数的标准差
3)计算每一条链初始参数集的概率密度函数。
在构建的模型中运行步骤2)中的参数集，并利用实测和模拟的结果来计算概率密度函数π(θi)，计算公式如下：
其中，Y为实测数值的集合，K为全部实测值的类型，J为每一类型对应的全部实测值总数，
为k类型每一个实测值的方差，
为k类型第j个实测值，
参数集θi下k类型第j个模拟值。
每个实测值在某一固定时间的重复测量个数为N，则该实测值
该实测值方差为
4)针对每一条链的初始参数集的每一个参数
产生下一步迭代的候选参数
并组成候选参数集
去替代下一步迭代时步骤3)中的初始参数集。
其中，r1(m)和r2(l)为随机选择的成对链，r1(m)≠r2(l)≠i，m＝1，2，...，δ，l＝1，2，...，δ，d＝1，2，...，D，e和ε分别从均匀分布μ(-0.1，0.1)和正态分布η(0，10-6)中随机取样获取，δ从样本{1，2，3}中进行随机均匀取样获取，
在第i条链从均匀分布U[0，1]中进行第d次取样获取，CRi从样本CR{1/3，2/3，3/3}中按照概率pCR{1/3，1/3，1/3}获取第i条链阈值数。
d*为第i条链D次取样中
的个数(若d*＝0，则
d*＝1)。
5)候选参数集的筛选。
依据步骤3)中的公式，计算每一条链候选参数集θi*的概率密度函数π(θi*)。
若
(αU从均匀分布U[0，1]中随机取样)，则接受候选参数集，否则不接受候选参数集。
6)更新下一次迭代时每一条链的交叉算子取样概率值pCR。
针对每一条链，计算
统计CRi＝1/3的链的个数，并计算CRi＝1/3时对应jp的平均值
统计CRi＝2/3的链的个数，并计算CRi＝2/3时对应jp的平均值
统计CRi＝3/3的链的个数，并计算CRi＝3/3时对应jp的平均值
计算下一次迭代时I条链从样本CR{1/3，2/3，3/3}中取样时对应pCR值：
7)采用四分位间距法来移除异常链。
计算每条链最后50％候选参数集中每一个参数集
的概率密度对数的平均值
公式如下：
采用四分位法计算出I条链以上数值的下四分位值
和上四分位值
若
则该值对应的这条路为异常链，其下一步的候选参数集从其他非异常链的候选参数集中随机筛选。
8)针对每一个参数，计算其收敛系数Rd。
以上步骤3)-8)需要不断迭代，迭代的总次数为T(T≥50000)，其中，T/10为调试迭代的次数，在T/10次之后，步骤6)停止迭代，其他步骤继续迭代，当每一个参数的Rd＜1.01时，迭代终止，若未达到，则迭代至T次。
9)依据后验概率密度来构建每个参数的后验概率分布：
其中，
和
分别为模型参数θ后验分布的均值和方差。
本发明还提供了一种树脂包膜氮肥施用下土壤N2O排放模拟系统，包括：
试验设置模块，用于设置三个试验，为室内试验、第一田间试验以及第二田间试验；
模型构建模块，用于构建树脂包膜氮肥养分释放模型；
第一参数优化模块，用于基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化；
第二参数优化模块，用于基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化；
模型更新模块，用于基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型；
第三参数优化模块，用于基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数；
产量预测模块，用于基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种树脂包膜氮肥施用下土壤N2O排放模拟方法，其特征在于，包括：
设置三个试验，为室内试验、第一田间试验以及第二田间试验；
构建树脂包膜氮肥养分释放模型；
基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化；
基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化；
基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型；
基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数；
基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量；
所述树脂包膜氮肥养分释放模型的构建如下：
Nt＝N0[1-exp[-kSW，T(t-tlag)]]
其中，Nt为t时间养分释放率，N0为养分的最大释放率，t为时间，kSW,T为养分释放速率常数，SW为土壤体积含水量，T为土壤绝对温度，tlag为养分释放滞后期，kB为玻尔兹曼常数K，EB和Eb分别为kSW,T和tlag中的激活能，A、C、a、c皆为树脂包膜氮肥养分释放模型的参数；
所述DREAM算法如下：
S1：确定需优化参数的先验概率分布；
S2：从每个参数的先验概率分布中抽取I个数值，并依次作为I条链的初始参数集；
S3：计算每一条链的初始参数集的概率密度函数；
S4：针对每一条链的初始参数集的每一个参数产生候选参数，并组成候选参数集；
S5：计算每一条链中候选参数集的概率密度函数，并根据所述候选参数集的概率密度函数以及所述初始参数集的概率密度函数，对所述候选参数集进行筛选；
S6：计算下一次迭代时每一条链的交叉算子取样概率值；
S7：基于每条链最后50％候选参数集中每一个参数集的概率密度对数的平均值，采用四分位间距法识别并替换异常链下一步迭代的候选参数集；
S8：针对每一个参数，计算收敛系数Rd，以上步骤S3—S8不断迭代，迭代的总次数为T，T≥50000，其中，T/10为调试迭代的次数，在T/10次之后，步骤S6停止迭代，其他步骤继续迭代，当每一个参数的Rd<1.01时，迭代终止，若未达到，则迭代至T次；
S9：根据后验概率密度构建每个参数的后验概率分布。
2.根据权利要求1所述的树脂包膜氮肥施用下土壤N2O排放模拟方法，其特征在于，所述第一田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
3.根据权利要求1所述的树脂包膜氮肥施用下土壤N2O排放模拟方法，其特征在于，所述第二田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
4.一种树脂包膜氮肥施用下土壤N2O排放模拟系统，其特征在于，包括：
试验设置模块，用于设置三个试验，为室内试验、第一田间试验以及第二田间试验；
模型构建模块，用于构建树脂包膜氮肥养分释放模型；
第一参数优化模块，用于基于所述室内试验的试验数据，采用DREAM算法对所述树脂包膜氮肥养分释放模型的参数进行优化；
第二参数优化模块，用于基于所述第一田间试验的试验数据，采用DREAM算法对APSIM模型中的N2O排放参数、土壤水分、温度参数和作物参数进行优化；
模型更新模块，用于基于优化后的树脂包膜氮肥养分释放模型以及优化后的APSIM模型构建更新后的APSIM模型；
第三参数优化模块，用于基于所述第二田间试验的试验数据，采用DREAM算法对所述更新后的APSIM模型中的养分释放参数、N2O排放参数、土壤水分、温度参数和作物参数进行优化，得到优化后的参数；
产量预测模块，用于基于所述优化后的参数、管理数据和气象数据预测氧化亚氮排放量；
所述树脂包膜氮肥养分释放模型的构建如下：
Nt＝N0[1-exp[-kSW，T(t-tlag)]]
其中，Nt为t时间养分释放率，N0为养分的最大释放率，t为时间，kSW,T为养分释放速率常数，SW为土壤体积含水量，T为土壤绝对温度，tlag为养分释放滞后期，kB为玻尔兹曼常数K，EB和Eb分别为kSW,T和tlag中的激活能，A、C、a、c皆为树脂包膜氮肥养分释放模型的参数；
所述DREAM算法如下：
S1：确定需优化参数的先验概率分布；
S2：从每个参数的先验概率分布中抽取I个数值，并依次作为I条链的初始参数集；
S3：计算每一条链的初始参数集的概率密度函数；
S4：针对每一条链的初始参数集的每一个参数产生候选参数，并组成候选参数集；
S5：计算每一条链中候选参数集的概率密度函数，并根据所述候选参数集的概率密度函数以及所述初始参数集的概率密度函数，对所述候选参数集进行筛选；
S6：计算下一次迭代时每一条链的交叉算子取样概率值；
S7：基于每条链最后50％候选参数集中每一个参数集的概率密度对数的平均值，采用四分位间距法识别并替换异常链下一步迭代的候选参数集；
S8：针对每一个参数，计算收敛系数Rd，以上步骤S3—S8不断迭代，迭代的总次数为T，T≥50000，其中，T/10为调试迭代的次数，在T/10次之后，步骤S6停止迭代，其他步骤继续迭代，当每一个参数的Rd<1.01时，迭代终止，若未达到，则迭代至T次；
S9：根据后验概率密度构建每个参数的后验概率分布。
5.根据权利要求4所述的树脂包膜氮肥施用下土壤N2O排放模拟系统，其特征在于，所述第一田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
6.根据权利要求4所述的树脂包膜氮肥施用下土壤N2O排放模拟系统，其特征在于，所述第二田间试验的试验数据包括N2O排放，0-10cm土壤体积含水量、温度、NH4 +-N、NO3 --N含量、作物生物量以及作物产量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110225507.7A CN112989583B (zh) | 2021-03-01 | 2021-03-01 | 一种树脂包膜氮肥施用下土壤n2o排放模拟方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110225507.7A CN112989583B (zh) | 2021-03-01 | 2021-03-01 | 一种树脂包膜氮肥施用下土壤n2o排放模拟方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112989583A CN112989583A (zh) | 2021-06-18 |
| CN112989583B true CN112989583B (zh) | 2023-05-12 |
Family
ID=76351828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110225507.7A Active CN112989583B (zh) | 2021-03-01 | 2021-03-01 | 一种树脂包膜氮肥施用下土壤n2o排放模拟方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112989583B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108564246A (zh) * | 2018-03-01 | 2018-09-21 | 北京师范大学 | 一种农田土壤氧化亚氮温室气体排放估算方法及装置 |
| CN109978265A (zh) * | 2019-03-28 | 2019-07-05 | 中国农业科学院农业信息研究所 | 一种控释肥农田养分释放速率估算方法及系统 |
| CN110443720A (zh) * | 2019-08-28 | 2019-11-12 | 黑龙江八一农垦大学 | 构建灌水量、氮肥及生物炭对东北寒地稻田ch4生长季排放量影响模型的方法 |
| CN111178789A (zh) * | 2020-02-17 | 2020-05-19 | 北京师范大学 | 一种面向水-土-能综合管理的农业温室气体评估方法 |
-
2021
- 2021-03-01 CN CN202110225507.7A patent/CN112989583B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108564246A (zh) * | 2018-03-01 | 2018-09-21 | 北京师范大学 | 一种农田土壤氧化亚氮温室气体排放估算方法及装置 |
| CN109978265A (zh) * | 2019-03-28 | 2019-07-05 | 中国农业科学院农业信息研究所 | 一种控释肥农田养分释放速率估算方法及系统 |
| CN110443720A (zh) * | 2019-08-28 | 2019-11-12 | 黑龙江八一农垦大学 | 构建灌水量、氮肥及生物炭对东北寒地稻田ch4生长季排放量影响模型的方法 |
| CN111178789A (zh) * | 2020-02-17 | 2020-05-19 | 北京师范大学 | 一种面向水-土-能综合管理的农业温室气体评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| Underestimation of N2O emissions in a comparison of the DayCent, DNDC, and EPIC models;Richard K. Gaillard 等;《Ecological Applications》(第3期);1-47 * |
| 基于APSIM模型不同水氮处理下N2O的排放研究;马晨光 等;《灌溉排水学报》;第39卷(第11期);120-129 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112989583A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Suitable fertilizer application depth can increase nitrogen use efficiency and maize yield by reducing gaseous nitrogen losses | |
| Katayanagi et al. | Validation of the DNDC-Rice model to discover problems in evaluating the nitrogen balance at a paddy-field scale for single-cropping of rice | |
| Cheng et al. | Evaluation of AquaCrop model for greenhouse cherry tomato with plastic film mulch under various water and nitrogen supplies | |
| Wu et al. | Improving the AquaCrop model to achieve direct simulation of evapotranspiration under nitrogen stress and joint simulation-optimization of irrigation and fertilizer schedules | |
| CN114781135A (zh) | 一种区域农业种植系统净温室气体排放综合估算方法及系统 | |
| CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
| Wu et al. | Comparison of three models for simulating N2O emissions from paddy fields under water-saving irrigation | |
| Ezekiel et al. | Calibrating and validating AquaCrop model for maize crop in Northern zone of Nigeria | |
| Jiang et al. | Comparison of RZWQM2 and DNDC models to simulate greenhouse gas emissions under combined inorganic/organic fertilization in a subsurface-drained field | |
| Hu et al. | Nitrogen mineralization simulation dynamic in tobacco soil | |
| CN116401882A (zh) | 基于多因子胁迫的地表臭氧对冬小麦产量影响评估方法 | |
| Yoshida et al. | Quantitative evaluation of spatial distribution of nitrogen loading in the Citarum River basin, Indonesia | |
| Naeem et al. | Recent change in ecosystem water use efficiency in China mainly dominated by vegetation greening and increased CO2 | |
| CN112989583B (zh) | 一种树脂包膜氮肥施用下土壤n2o排放模拟方法及系统 | |
| Ren et al. | A dynamic ammonia emission model and the online coupling with WRF-Chem (WRF-SoilN-Chem v1. 0): Development and evaluation | |
| Zhao et al. | Climate-smart management for increasing crop yield and reducing greenhouse gas emission in Beijing-Tianjin-Hebei region, China | |
| Timsina et al. | Addressing sustainability of rice-wheat systems: analysis of long-term experimentation and simulation | |
| CN112949179B (zh) | 一种树脂包膜氮肥施用下冬小麦生长模拟方法及系统 | |
| Xie et al. | Modeling methane emissions from paddy rice fields under elevated atmospheric carbon dioxide conditions | |
| Amirouche et al. | Calibration and validation of the AquaCrop model for the culture lettuce (Lactuca sativa L.) under fertilization levels in pluvial condition. | |
| Sun et al. | Tillage reversal of long-term no-till soil increases crop yield while mitigating yield-scaled growing season GHG fluxes in a black Chernozem cropped to barley (Hordeum vulgare L.) | |
| CN111398565A (zh) | 一种在田间原位状态下监测土壤氮素矿化特征的方法 | |
| CN113673160A (zh) | 一种面向作物水分高效利用的多孔材料优化埋设方法 | |
| Gabriel et al. | Calibration of WAVE in irrigated maize: fallow vs. cover crops | |
| Cheng et al. | Performance evaluation of AquaCrop model greenhouse cherry tomato with plastic film mulch under various water and nitrogen supplies |
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 |