CN114210718B - 一种农产品污染治理修复方法 - Google Patents

Abstract

本案涉及一种农产品污染治理修复方法，包括产地环境数据库建立、异常数据剔除、数据均质化、污染贡献率计算及农产品治理修复五个部分；实现过程中综合利用土壤及农产品监测数据，通过异常点位删选及面积权重进行土壤监测数据均质化处理；随后通过土壤与农产品数据之间的矩阵转换，获得土壤污染贡献率，与案例库结合后进行农产品治理修复措施选取。

Description

一种农产品污染治理修复方法

技术领域

本发明属于农业环境技术领域，具体涉及一种农产品污染治理修复方法。

背景技术

我国农产品重金属污染问题日趋严重，致使人体内重金属的蓄积量不断增加，农产品重金属的有效防治是目前社会热切关注的问题。研究显示农产品安全与土壤、大气、水环境等息息相关，但目前彼此之间的传递关系研究较少，尤其是农产品和大气、水环境之间的研究；此外，土壤及农产品监测数据综合利用性低，对农产品重金属来源及污染防治等研究方面贡献较小。在面对农产品污染的治理修复过程中，由于措施针对的对象不同，如何利用现有数据来选取治理修复对象及具体措施成了现在需要解决的问题。

上述技术方法存在的主要问题有：(1)农产品与土壤、大气、水等环境之间的重金属传递关系研究较少且现有方法不成熟；(2)土壤及农产品监测数据虽较多但综合利用率低；(3)农产品污染治理修复措施缺乏针对性及实用性。

发明内容

本发明的目的是提供一种农产品污染治理修复方法，包括产地环境数据库建立、异常数据剔除、数据均质化、污染贡献率计算及农产品治理修复五个部分；本发明实现过程中综合利用土壤及农产品监测数据，通过异常点位删选及面积权重进行土壤监测数据均质化处理；随后通过土壤与农产品数据之间的矩阵转换，获得土壤污染贡献率，与案例库结合后进行农产品治理修复措施选取；本发明兼顾科学算法及实际情况，有利于保障农产品质量安全及人体健康。

为了解决上述技术问题，本发明公开了一种农产品污染治理修复方法，所述方法包括：

(1)产地环境数据库建立

(1.1)以Cd、Hg、As、Pb、Cr五项重金属中的一项或多项为作为土壤研究指标，查找明确对其有影响的土壤影响指标，获取研究区域土壤影响指标监测信息并上传至产地环境数据库；

(1.2)获取研究区域内的环境信息、土壤研究指标监测信息和农产品研究指标监测信息，上传产地环境数据库；

(3)收集已有土壤治理修复案例，获取案例信息，上传产地环境数据库，集合为案例库；

(2)异常值剔除

(2.1)空间插值

依据两点间直线距离，逐一筛选出各历史点位的最近邻k个点位，形成点位组；分别对所有点位组的土壤研究指标及土壤影响指标的原始土壤监测数据进行插值运算，插值运算采用多种不同插值方法进行；

(2.2)数据异常值删选

提取各历史点位不同插值方法下的土壤研究指标及土壤影响指标的最大值与最小值，最大最小值区间即为插值范围；将历史点位土壤研究指标及土壤影响指标的原始土壤监测数据与对应监测指标的插值范围进行对比，若原始土壤监测数据位于插值范围内，则该点位为正常点位，保留该点位，若原始土壤监测数据超出插值范围，则该点位为异常点位，删除该点位；

(3)数据均质化

(3.1)点位面积计算

采用专业软件对各正常点位进行点位单元划分，每个点位单元内均存在唯一正常点位，计算出各点位单元的面积；点位单元面积之和与研究区域总面积一致；

(3.2)面积权重计算

基于点位单元的面积分别计算各正常点位的面积权重Q，具体计算方法如下：

其中，Sx为点位单元x的面积，S为点位单元面积加；

(3.3)基于所有正常点位土壤研究指标及土壤影响指标的原始土壤监测数据、农产品研究指标的原始农产品监测数据及面积权重，分别计算出正常点位的土壤研究指标、土壤影响指标及农产品研究指标的均质值zi，具体计算公式如下：

zi＝ci×Q

其中ci为正常点位土壤研究指标及土壤影响指标的原始土壤监测数据、农产品研究指标的原始农产品监测数据；

(4)贡献率计算

(4.1)数据前处理

对经过均质化处理的土壤研究指标、土壤影响指标及农产品研究指标数据进行前处理，包括对数处理及归一化处理两步：

(4.1.1)对数处理，计算公式具体如下：

zi’＝log₁₀ ^(zi)

其中zi’为正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据；

(4.1.2)正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据再采用z-score方法进行归一化处理，获得归一化监测值，计算公式具体如下：

其中，μ为正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据的平均值，δ为正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据标准差，计算公式为

N为正常点位数量；/>

(4.1.3)采用专业软件对所有正常点位的土壤研究指标及土壤影响指标进行矩阵转换运算，获取得分系数矩阵，所述得分系数矩阵的行为得分系数，列为主成份类别；

根据得分系数矩阵得到任意主成份E类别下土壤研究指标j与土壤影响指标i的矩阵关系式如下：

E＝m1I1+m2I2+…+miIi+mjIj

其中：mi为得分系数矩阵中土壤影响指标i对应的得分系数，mj为得分系数矩阵中土壤研究指标j对应的得分系数，Ii示意单项土壤影响指标，仅示意无取值，Ij示意土壤研究指标j，仅示意无取值；

所述专业软件包括SPSS、python等；

(4.2)土壤贡献率计算

(4.2.1)农产品研究指标j*与土壤研究指标j对应关系如下所示，通过最小二乘法求解农产品权重w_j，基于土壤研究指标j的单项主成份类别(Ej)与农产品权重关系式具体如下：

Ej＝∑yimi+yj*mj

Yj*＝w₁E₁+w₂E₂+…+w_jEj

其中，yj*为农产品研究指标j*的归一化监测值；

(4.2.2)将上述农产品研究指标j*的归一化监测值均换为土壤研究指标j的归一化监测值，相同方法求得土壤研究指标j的土壤权重V_j；分别计算所有主成份下的农产品权重与土壤权重；将各主成份类别的农产品权重和土壤权重分别构建矩阵，进而求出土壤-农产品关于研究指标j的污染相似度，即为土壤对农产品的j污染贡献率，具体公式如下：

其中cosθ_j为研究指标j的土壤-农产品污染相似度，v为农产品权重矩阵，w为土壤权重矩阵；

5.农产品治理修复

(5.1)基于研究区域农产品类型，筛选出案例库中对应农产品类型的土壤治理修复案例，明确具体治理修复措施类别及各类别的土壤污染物减少量最大值最小值，最大最小值区间即为土壤污染物减少量范围；

(5.2)筛选正常点位中农产品研究指标的原始农产品监测数据超过标准值的点位，即农产品超标点位点位数量为nj；基于土壤贡献率计算出土壤污染物减少量d_j，计算公式具体如下：

其中，cn_j*为农产品超标点位的农产品研究指标j*的原始农产品监测数据，std_j为土壤研究指标j对应的《土壤环境质量农用地土壤污染风险管控标准》中重金属监测指标j的农用地土壤污染风险筛选值；

(5.3)基于研究区域土壤污染物减少量，结合案例库中各类别治理修复措施的土壤污染物减少量范围，选取施用措施；

进一步地，所述对土壤研究指标有影响的土壤影响指标包括但不限于：镉、汞、砷、铅、铬、锌、钙、硫、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、氯、铝、镧、钼、硼、pH、CEC、SOM、土壤研究指标有效态等；

进一步地，所述土壤影响指标监测信息包括但不限于：监测指标、监测数据、监测日期、称样量、检测方法等；

进一步地，所述环境信息包括但不限于：区域面积、周边环境、污染源信息、投入品、点位代表面积等；

进一步地，土壤研究指标监测信息包括但不限于：监测指标、监测数据、监测日期、称样量、检测方法等；所述农产品研究指标监测信息包括但不限于：监测指标、监测数据、监测日期、称样量、检测方法、种植制度、农产品类型、年产量等；

进一步地，所述案例信息包括但不限于农产品种类、修复措施类型、土壤特征、重金属污染物减少量、修复成本等；

进一步地，所述插值运算选取多种空间插值方法，所述空间插值方法包括但不限于：克里金插值、反距离插值、局部多项式插值、样条函数插值等；

进一步地，所述k范围为5-8；

进一步地，所述点位组与历史点位数量一致；

进一步地，采用专业软件进行插值运算，所述专业软件包括GS⁺、Arcgis、python等；

进一步地，所述所有插值方法的插值栅格数量、大小均一致；

进一步地，所述历史点位存在任一土壤研究指标或土壤影响指标的原始土壤监测数据超出插值范围，则删除该点位；

进一步地，所述数据均质化的所有计算均基于正常点位开展；

进一步地，所述点位单元划分方法包括但不限于泰森多边形划分；

本发明的一种农产品污染治理修复方法，具有以下优点：

1.本发明综合利用农产品与土壤的监测数据，通过矩阵转换将农产品研究指标与土壤对应指标置于同一坐标系下，利用矩阵相似度测算土壤对农产品污染的贡献率，科学提升结果准确率，为农产品质量安全保障工作提供技术支撑；

2.本发明结合历史案例完成农产品治理修复措施筛选，为土壤治理修复措施的择优选取提供数据支撑，减少盲目实施土壤治理修复措施的人力物力投入；

3.本发明同时考虑土壤数据形态分布及空间分布，基于插值结果进行异常点位剔除，保障了后续治理修复措施选取的准确性，与正常监测工作相比，可以在节约时间的同时节省资金投入；

附图说明

图1为农产品污染治理修复方法技术路线图；

图2为T县历史监测点位分布图；

图3为正常点位点位单元划分示意图；

图4为土壤权重及农产品权重分布图；

具体实施方式

下面通过实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”，“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

实施例1

1.产地环境数据库建立

(1)确认Cd为土壤研究指标，通过查阅论文、会议资料、询问专家等方式，收集相关土壤影响指标信息，包括汞、砷、铅、铬、锌、汞、钙、硫、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、氯、铝、镧、钼、硼等；收集T县历史土壤监测信息，确认已有土壤影响指标包括汞、砷、铅、铬、锌、钙、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、铝、镧、钼共计19项；

(2)收集T县环境信息，确定历史点位共计148个；收集历史点位的土壤Cd原始土壤监测数据及农产品(均为水稻)Cd原始农产品监测数据；

(3)收集相关项目材料、资料文献等，获取水稻镉治理修复案例共计78例，涉及到土壤治理修复措施包括施用生石灰、添加有机肥及添加土壤调理剂3类；

2.异常值剔除

(1)采用Python编程工具，逐一计算T县历史点位两两之间的距离，单位为米；分别挑选距离各历史点位最近的5个点位，共组成148个点位组；

(2)分析T县土壤特征，采用Arcgis软件，选取普通克里金、简单克里金、反距离插值和局部多项式四种插值方法，分别对上述148个点位组中的19项土壤影响指标及土壤Cd进行空间插值；以0.004为单位设置栅格尺寸，则所有插值方法下T县栅格均为12246个；

(3)分别提取148个历史点位的土壤Cd及各项土壤影响指标的插值数据及插值范围，将土壤Cd原始土壤监测数据及各项土壤影响指标的原始土壤监测数据与插值范围进行对比；筛选出超出插值范围的异常点位8个，且所有点位均为单项指标异常点位，将挑选出的异常点位进行删除，保留的正常点位分布详见图3；

3.数据均质化

(1)采用Arcgis软件，选取泰森多边形分割工具将T县划分为140个点位单元，所有点位单元内均存在唯一正常点位(图3)；计算出所有点位单元的面积，单位为米，并依据计算公式分别计算出所有正常点位的面积权重；

(2)结合正常点位土壤Cd原始土壤监测数据、各项土壤影响指标的原始土壤监测数据及水稻Cd的原始农产品监测数据，依据计算公式完成数据均质化处理；

4.贡献率计算

(1)将140个正常点位的土壤及农产品Cd均质数据进行对数处理及归一化处理，然后使用SPSS对土壤Cd及各项土壤影响指标进行主成份分析，获得得分系数矩阵；结果显示共包括7个主成份；

(2)依据计算公式，带入农产品Cd归一化监测值后分别计算出7个主成份对应的农产品权重；将有效态Cd归一化监测值代替农产品Cd归一化监测值，分别计算出7个主成份对应的土壤权重，结果见图4；

(3)基于农产品权重和土壤权重分别构建矩阵，通过污染相似度公式计算出土壤对农产品Cd污染的相似度为0.3369，即T县农产品(水稻)存在Cd污染，且土壤对其的污染贡献率为33.69％。

5.农产品治理修复

(1)分别挑选出3类土壤治理修复措施的对应案例，确定各类措施的土壤降镉量范围；

(2)筛选确定正常点位中存在111个水稻镉超标点位，依据土壤污染物减少量公式，计算出T县土壤镉减少量为0.0002mg/平方千米时才能保障农产品质量安全，且结合案例库相关类别降镉量范围后推荐选取施用石灰。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (10)

1.一种农产品污染治理修复方法，其特征在于，所述方法包括：

(1)产地环境数据库建立

(1.1)以Cd、Hg、As、Pb、Cr五项重金属中的一项或多项作为土壤研究指标，查找明确对其有影响的土壤影响指标，获取研究区域土壤影响指标监测信息并上传至产地环境数据库；

(1.2)获取研究区域内的环境信息、土壤研究指标监测信息和农产品研究指标监测信息，上传产地环境数据库；

(1.3)收集已有土壤治理修复案例，获取案例信息，上传产地环境数据库，集合为案例库；

(2)异常值剔除

(2.1)空间插值

依据两点间直线距离，逐一筛选出各历史点位的最近邻k个点位，形成点位组；分别对所有点位组的土壤研究指标及土壤影响指标的原始土壤监测数据进行插值运算，插值运算采用多种不同插值方法进行；

(2.2)数据异常值删选

提取各历史点位不同插值方法下的土壤研究指标及土壤影响指标的最大值与最小值，最大最小值区间即为插值范围；将历史点位土壤研究指标及土壤影响指标的原始土壤监测数据与对应监测指标的插值范围进行对比，若原始土壤监测数据位于插值范围内，则该点位为正常点位，保留该点位，若原始土壤监测数据超出插值范围，则该点位为异常点位，删除该点位；

(3)数据均质化

(3.1)点位面积计算

采用专业软件对各正常点位进行点位单元划分，每个点位单元内均存在唯一正常点位，计算出各点位单元的面积；点位单元面积之和与研究区域总面积一致；

(3.2)面积权重计算

基于点位单元的面积分别计算各正常点位的面积权重Q，具体计算方法如下：

其中，Sx为点位单元x的面积，S为点位单元面积加；

(3.3)基于所有正常点位土壤研究指标及土壤影响指标的原始土壤监测数据、农产品研究指标的原始农产品监测数据及面积权重，分别计算出正常点位的土壤研究指标、土壤影响指标及农产品研究指标的均质值zi，具体计算公式如下：

zi＝ci×Q

其中ci为正常点位土壤研究指标及土壤影响指标的原始土壤监测数据、农产品研究指标的原始农产品监测数据；

(4)贡献率计算

(4.1)数据前处理

对经过均质化处理的土壤研究指标、土壤影响指标及农产品研究指标数据进行前处理，包括对数处理及归一化处理两步：

(4.1.1)对数处理，计算公式具体如下：

zi’＝log₁₀ ^(zi)

其中zi’为正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据；

(4.1.2)正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据再采用z-score方法进行归一化处理，获得归一化监测值，计算公式具体如下：

其中，μ为正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据的平均值，δ为正常点位土壤研究指标、土壤影响指标及农产品研究指标的对数处理数据标准差，计算公式为

N为正常点位数量；

(4.1.3)采用专业软件对所有正常点位的土壤研究指标及土壤影响指标进行矩阵转换运算，获取得分系数矩阵，所述得分系数矩阵的行为得分系数，列为主成份类别；

根据得分系数矩阵得到任意主成份E类别下土壤研究指标j与土壤影响指标i的矩阵关系式如下：

E＝m1I1+m2I2+…+miIi+mjIj

其中：mi为得分系数矩阵中土壤影响指标i对应的得分系数，mj为得分系数矩阵中土壤研究指标j对应的得分系数，Ii示意单项土壤影响指标，仅示意无取值，Ij示意土壤研究指标j，仅示意无取值；

所述专业软件包括SPSS、python；

(4.2)土壤贡献率计算

(4.2.1)农产品研究指标j*与土壤研究指标j对应关系如下所示，通过最小二乘法求解农产品权重w_j，基于土壤研究指标j的单项主成份类别Ej与农产品权重关系式具体如下：

Ej＝∑yimi+yj*mj

Yj*＝w₁E₁+w₂E₂+…+w_jEj

其中，yj*为农产品研究指标j*的归一化监测值；

(4.2.2)将上述农产品研究指标j*的归一化监测值均换为土壤研究指标j的归一化监测值，相同方法求得土壤研究指标j的土壤权重V_j；分别计算所有主成份下的农产品权重与土壤权重；将各主成份类别的农产品权重和土壤权重分别构建矩阵，进而求出土壤-农产品关于研究指标j的污染相似度，即为土壤对农产品的j污染贡献率，具体公式如下：

其中cosθ_j为研究指标j的土壤-农产品污染相似度，v为农产品权重矩阵，w为土壤权重矩阵；

(5)农产品治理修复

(5.1)基于研究区域农产品类型，筛选出案例库中对应农产品类型的土壤治理修复案例，明确具体治理修复措施类别及各类别的土壤污染物减少量最大值最小值，最大最小值区间即为土壤污染物减少量范围；

(5.2)筛选正常点位中农产品研究指标的原始农产品监测数据超过标准值的点位，即农产品超标点位点位数量为nj；基于土壤贡献率计算出土壤污染物减少量d_j，计算公式具体如下：

其中，cn_j*为农产品超标点位的农产品研究指标j*的原始农产品监测数据，std_j为土壤研究指标j对应的《土壤环境质量农用地土壤污染风险管控标准》中重金属监测指标j的农用地土壤污染风险筛选值；

(5.3)基于研究区域土壤污染物减少量，结合案例库中各类别治理修复措施的土壤污染物减少量范围，选取施用措施。

2.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所述对土壤研究指标有影响的土壤影响指标包括：镉、汞、砷、铅、铬、锌、钙、硫、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、氯、铝、镧、钼、硼、pH、CEC、SOM、土壤研究指标有效态。

3.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所述土壤影响指标监测信息包括：监测指标、监测数据、监测日期、称样量、检测方法。

4.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所述环境信息包括：区域面积、周边环境、污染源信息、投入品、点位代表面积。

5.如权利要求2所述的一种农产品污染治理修复方法，其特征在于，土壤研究指标监测信息包括：监测指标、监测数据、监测日期、称样量、检测方法。

6.如权利要求2所述的一种农产品污染治理修复方法，其特征在于所述农产品研究指标监测信息包括：监测指标、监测数据、监测日期、称样量、检测方法、种植制度、农产品类型、年产量

7.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所述案例信息包括农产品种类、修复措施类型、土壤特征、重金属污染物减少量、修复成本。

8.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所述插值运算选取多种空间插值方法，所述空间插值方法包括：克里金插值、反距离插值、局部多项式插值、样条函数插值。

9.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所有所述插值方法的插值栅格数量、大小均一致。

10.如权利要求1所述的一种农产品污染治理修复方法，其特征在于，所述历史点位存在任一土壤研究指标或土壤影响指标的原始土壤监测数据超出插值范围，则删除该点位。

Images