CN114560567A - 一种减污降碳增效的湿地植物物种筛选方法 - Google Patents
一种减污降碳增效的湿地植物物种筛选方法 Download PDFInfo
- Publication number
- CN114560567A CN114560567A CN202210252143.6A CN202210252143A CN114560567A CN 114560567 A CN114560567 A CN 114560567A CN 202210252143 A CN202210252143 A CN 202210252143A CN 114560567 A CN114560567 A CN 114560567A
- Authority
- CN
- China
- Prior art keywords
- plant
- plant species
- carbon
- wetland
- capacity
- 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
- 241000196324 Embryophyta Species 0.000 title claims abstract description 176
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 81
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012216 screening Methods 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 94
- 230000006870 function Effects 0.000 claims abstract description 78
- 230000009467 reduction Effects 0.000 claims abstract description 14
- 241000894007 species Species 0.000 claims abstract description 10
- 238000002474 experimental method Methods 0.000 claims description 27
- 230000009919 sequestration Effects 0.000 claims description 22
- 230000000243 photosynthetic effect Effects 0.000 claims description 19
- 239000000126 substance Substances 0.000 claims description 17
- 238000006731 degradation reaction Methods 0.000 claims description 16
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 14
- 230000015556 catabolic process Effects 0.000 claims description 14
- 238000009792 diffusion process Methods 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 8
- 229910052757 nitrogen Inorganic materials 0.000 claims description 7
- 229910052698 phosphorus Inorganic materials 0.000 claims description 7
- CVTZKFWZDBJAHE-UHFFFAOYSA-N [N].N Chemical compound [N].N CVTZKFWZDBJAHE-UHFFFAOYSA-N 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 239000005416 organic matter Substances 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 238000006396 nitration reaction Methods 0.000 claims description 5
- 239000013049 sediment Substances 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 4
- 230000036284 oxygen consumption Effects 0.000 claims description 4
- 230000029553 photosynthesis Effects 0.000 claims description 4
- 238000010672 photosynthesis Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 2
- 239000011574 phosphorus Substances 0.000 claims description 2
- 150000003839 salts Chemical class 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims 2
- 230000000050 nutritive effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 238000000746 purification Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005653 Brownian motion process Effects 0.000 description 1
- 238000005537 brownian motion Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/32—Biological treatment of water, waste water, or sewage characterised by the animals or plants used, e.g. algae
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/02—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Evolutionary Biology (AREA)
- Pathology (AREA)
- Biotechnology (AREA)
- Botany (AREA)
- Biodiversity & Conservation Biology (AREA)
- Microbiology (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Treating Waste Gases (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种减污降碳增效的湿地植物物种筛选方法,包括S1、基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类;S2、根据受纳水体分类等级,分别对人工湿地植物物种的固碳能力、减污能力和景观功能赋权;S3、基于赋权结果,计算植物功能目标值,并根据植物功能目标值筛选人工湿地植物物种。本发明基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类,并对人工湿地固碳能力、减污能力、景观功能分别赋权,同时,通过对单一物种多种功能、或多种植物多种目标综合功能进行计算后,提出推荐物种。
Description
技术领域
本发明属于污水处理的技术领域,具体涉及一种减污降碳增效的湿地植物物种筛选方法。
背景技术
人工湿地是城镇污水处理厂尾水进一步提质增效的重要技术举措。目前,很多城市污水处理厂在排入地表水体前都经过人工湿地对污染物进一步去除,以利于水质进一步提升。现行的设计规范中,人工湿地首先要考虑的是对污染物的净化效果,其次是景观效果等。在我国提出碳中和、碳达峰的承诺背景下,如何更好利用人工湿地生态系统固碳能力,提升人工湿地碳汇能力,实现人工湿地净污和固碳能力双提升,已成为行业关注的一个热点,也是摆在行业面前的技术难点。
现有人工湿地植物物种筛选技术的缺点在于:
第一,更多关注单一人工湿地植物物种对污染物的去除能力,未考虑植物复合搭配后的固碳能力;
第二,更多关注人工湿地植物物种景观构造,未考虑植物群体的协同固碳能力。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种减污降碳增效的湿地植物物种筛选方法,以解决或改善上述的问题。
为达到上述目的,本发明采取的技术方案是:
一种减污降碳增效的湿地植物物种筛选方法,其包括以下步骤:
S1、基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类;
S2、根据受纳水体分类等级,分别对人工湿地植物物种的固碳能力、减污能力和景观功能赋权;
S3、基于赋权结果,计算植物功能目标值,并根据植物功能目标值筛选人工湿地植物物种。
进一步地,步骤S1具体包括:
当人工湿地出水排入受纳水体后,水功能区水环境容量减少量为0~10%,则定义为第一级人工湿地;
当人工湿地出水排入受纳水体后,水功能区水环境容量减少量为10%~30%,则定义为第二级人工湿地;
当人工湿地出水排入受纳水体后,水功能区水环境容量减少量为50%~100%,则定义为第三级人工湿地。
进一步地,步骤S2具体包括:
第一级人工湿地,固碳能力权重为A1,净污能力功能权重B1,景观功能权重为C1;
第一级人工湿地,固碳能力权重为A2,净污能力功能权重B2,景观功能权重为C2;
第一级人工湿地,固碳能力权重为A3,净污能力功能权重B3,景观功能权重为C3。
进一步地,步骤S2中人工湿地植物物种固碳能力的权重赋值的计算方法包括:
设置多组实验,每组实验中均种植不同的本地植物物种,且每组实验的温度和光照强度相同,向实验中的培养器液体中导入不同浓度的CO2;
在相同的光照强度和温度的情况下,采集多组实验中CO2的浓度作为原始的输入数据,并将对应测试得到植物物种的光合速率作为原始的输出数据,并对原始数据按比例划分为训练集和测试集;
采用BP神经网络构建CO2浓度与光合速率的非线性函数模型,并输出绘制CO2浓度与光合速率的非线性拟合曲线;
采用卡尺标定法扫描多个物种的非线性拟合曲线,通过最小二乘法将多个非线性拟合曲线拟合于同一二维直角坐标下,得到多物种的多线性拟合曲线图;
基于多线性拟合曲线图得到不同植物物种的CO2浓度饱和点位,以及该点位对应的光合速率值,并根据该光合速率对植物物种CO2浓度饱和点位对应的数值进行权重赋值,权重赋值为bn,n代表第n组实验。
进一步地,还包括获取不同组实验中植物物种的光合固碳量:
在植物物种CO2浓度饱和点的情况下,确定参考时间段,在参考时间段内设定若干测试时间点,在设定的各测试时间点分别测定植物物种的固碳量;
随机选择每组实验中的一株目标植物,标记初始时间点下的目标植物中面积相同的植物叶片,并记录植物叶片面积相同的数量;
剪下已标记的部分数量的植物叶片,烘干至恒重后,记录其在t1时刻的质量,并计算烘干后单片植物叶片质量m1,m1为对应t1时刻的叶片烘干后的质量;
同时,在t2时刻,剪下部分数量的植物叶片,烘干至恒重后,记录其在t2,时刻的质量,计算烘干后单片植物叶片质量m2,直至计算到tj时刻的烘干后单片植物叶片质量mj;
计算相邻时刻的叶片质量差值,并测定质量差值中的碳含量mc,并计算相邻时刻碳含量的积累量,除以其对应的时间,得到目标植物单片叶片的碳积累速率,乘以目标植物的叶片数量,得到目标植物单位时间内的碳积累速率Vc;
根据不同植物物种的单位时间内的碳积累速率进行权重赋值,权重赋值为an,n代表第n组实验。
进一步地,计算湿地植物物种固碳能力目标值:
Mc固=an*Vc+bn*C饱和
其中,Mc固为植物物种固碳能力目标值,C饱和为植物物种培养器中C饱和点位对应的数值,an的权重赋值为0.6~0.8,bn的权重赋值为0.2~0.4,且an+bn=1。
进一步地,计算人工湿地景观功能目标值,其具体包括:
计算人工湿地水动力指标,水力停留时间τ为:
其中,τ为水力停留时间,V为湿地体积,Q为湿地进水流量;
基于Fick定律,计算物质在人工湿地中的分子扩散系数:
D=-F*dz/dk
其中,F为物质在水中沿作用面法线方向k的通量;k为物质的浓度,单位为mg/L;D为物质在水体中的分子扩散系数,单位为cm2/s;
计算人工湿地景观功能目标值W:
W=0.3D+0.45τ。
进一步地,人工湿地植物物种的减污能力判断方法为:
通过检测人工湿地中氨氮净变化量判断人工湿地植物物种的减污能力:
氨氮净变化量=BOD降解产生量-硝化反应消耗量-植物吸收量+沉积物降解产生量;
BOD降解产生量=Y1·SBOD
植物吸收量=UPp·(P-R)·F(N,P)
沉积物降解产生量=Y1·SSOD
其中,Y1为有机物中氮的含量;UPP为植物吸收的氨氮量,K4为20℃下硝化反应的速率,θ4为温度调整系数,BOD为水体BOD的浓度,SBOD为有机物分解耗氧浓度,T为水体温度值,P为光合作用产氧量,R为有机物分解耗氧量,F(N,P)为氮、磷营养盐限制函数,DO为水体溶解氧浓度,KS-N1为亚硝酸盐降解半饱和浓度,SSOD为沉积物中有机物降解过程的需氧量;
计算人工湿地植物物种的减污能力功能目标值:
N氨氮=0.25氨氮净变化量。
进一步地,步骤S3中基于赋权结果,计算植物功能目标值:
α1=Mc固*Ai*植物量+N氨氮*Bi+W*Ci*植物量
αn=α1+α2+α3+...αe
其中,αe为第e种植物物种单一作用时的人工湿地植物物种功能目标值,αn为多种植物物种混合时的人工湿地植物物种功能目标值,Ai取值A1、A2或A3;Bi取值B1、B2或B3;Ci取值C1、C2或C3。
本发明提供的减污降碳增效的湿地植物物种筛选方法,具有以下有益效果:
本发明基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类,并对人工湿地固碳能力、减污能力、景观功能分别赋权,同时,通过对单一物种多种功能、或多种植物多种目标综合功能进行计算后,提出推荐物种。
本发明可根据不同区域的个性化需求,进行合理赋权,利用计算求取的植物功能目标值,筛选得到适合人工湿地的植物物种,有效地解决了人工湿地处理后受纳水体分类的问题。
本发明通过实验模拟,求取植物物种在液体中的最高CO2浓度饱和点,并配合该植物物种CO2浓度饱和点的情况下,计算植物物种的固碳能力;并对CO2浓度饱和点和植物本身光合作用固碳能力进行赋值,得到湿地植物物种固碳能力目标值。
本发明分别对水力停留时间τ,即水力的流动性,以及物质在人工湿地中的分子扩散系数进行赋权,以计算表示人工湿地景观功能目标值。
本发明以氨氮净变化量表示人工湿地植物物种的减污能力,当然,也可采用其它元素或者物质变化进行判断,同时,采用对氨氮净变化量赋值的计算,以得到人工湿地植物物种的减污能力功能目标值。
本发明根据对人工湿地的等级分类,分别对植物物种固碳能力目标值、人工湿地景观功能目标值和人工湿地植物物种的减污能力功能目标值进行赋值,以得到植物功能目标值,植物功能目标值越高,则代表其综合功能能力最优,其对应的单一物种或者多种物种,最适合于该人工湿地的种植。
附图说明
图1为减污降碳增效的湿地植物物种筛选方法的多线性拟合曲线图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例,本方案的减污降碳增效的湿地植物物种筛选方法,包括以下步骤:
步骤S1、基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类;
步骤S2、根据受纳水体分类等级,对人工湿地固碳能力、减污能力和景观功能分别赋权;
步骤S3、基于赋权结果,计算植物功能目标值,并根据植物功能目标值筛选人工湿地植物物种。
本发明以受纳水体水功能区域环境容量达标和人工湿地生态系统固碳能力提升为目标,基于人工湿地的净污能力、固碳能力、景观功能等要素构建目标函数,根据不同区域个性化需求,合理赋权,计算得到人工湿地植物物种最优组合方式。
本实施例步骤S1进一步的技术方案,其具体包括:
基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类:
若人工湿地出水排入受纳水体后,水功能区水环境容量减少量为0~10%,则定义为第一级人工湿地;
若人工湿地出水排入受纳水体后,水功能区水环境容量减少量为10%~30%,则定义为第二级人工湿地;
若人工湿地出水排入受纳水体后,水功能区水环境容量减少量为50%~100%,则定义为第三级人工湿地。
本实施例步骤S2进一步的技术方案,其具体包括:
根据受纳水体分类等级,对人工湿地固碳能力、减污能力和景观功能分别赋权:
第一级人工湿地,固碳能力权重为A1,净污能力功能权重B1,景观功能权重为C1;
第一级人工湿地,固碳能力权重为A2,净污能力功能权重B2,景观功能权重为C2;
第一级人工湿地,固碳能力权重为A3,净污能力功能权重B3,景观功能权重为C3。
固碳能力权重、净污能力功能权重和景观功能权重的赋值,可根据受纳水体分类等级进行合理赋权,其具体权值,可根据植物功能目标值函数进行优化求解得到,权重可作为函数的参数进行求解,可采用多元线性回归方法求解,也可采用其它方法求解,在本实施例不进行详细描述。
人工湿地植物物种固碳能力的计算,其具体包括:
设置多组实验,每组实验中均种植不同的本地植物物种,且每组实验的温度和光照强度相同以及其它参数均相同,向实验中的培养器液体中导入不同浓度的CO2,以探究植物的CO2浓度饱和点。
在相同的光照强度和温度的情况下,采集多组实验中CO2的浓度作为原始的输入数据,并将对应测试得到植物物种的光合速率作为原始的输出数据,并对原始数据按比例划分为训练集和测试集。
采用BP神经网络构建CO2浓度与光合速率的非线性函数模型,并输出绘制CO2浓度与光合速率的非线性拟合曲线。
参考图1,并采用卡尺标定法扫描多个物种的非线性拟合曲线,通过最小二乘法将多个非线性拟合曲线拟合于同一二维直角坐标下,得到多物种的多线性拟合曲线图。
基于多线性拟合曲线图得到不同植物物种的CO2浓度饱和点位,以及该点位对应的光合速率值,并根据该光合速率对植物物种CO2浓度饱和点位对应的数值进行权重赋值,权重赋值为bn,n代表第n组实验。
获取不同组实验中植物物种的光合固碳量,其具体包括:
在植物物种CO2浓度饱和点的情况下,确定参考时间段,在参考时间段内设定若干测试时间点,在设定的各测试时间点分别测定植物物种的固碳量;
随机选择每组实验中的一株目标植物,标记初始时间点下的目标植物中面积相同的植物叶片,并记录植物叶片面积相同的数量;
在实际操作时,可选择叶片面积相差较小的植物,并假设植物的每一叶片面积相同。
剪下部分数量的植物叶片,烘干至恒重后,记录其在t1时刻的质量,并计算烘干后单片植物叶片质量m1,m1为对应t1时刻的叶片烘干后的质量;
同时,在t2时刻,剪下部分数量的植物叶片,烘干至恒重后,记录其在t2,时刻的质量,计算烘干后单片植物叶片质量m2,直至计算到tj时刻的烘干后单片植物叶片质量mj;
计算相邻时刻的叶片质量差值,并测定质量差值中的碳含量mc,并计算相邻时刻碳含量的积累量,除以其对应的时间,得到目标植物单片叶片的碳积累速率,乘以目标植物的叶片数量,得到目标植物单位时间内的碳积累速率Vc。
为便于计算和减少计算误差,相邻时刻的时间不应该间隔太长,一般在30min-1h之间,且假设光合作用的增重均在叶片上,不考虑茎秆的光合作用和呼吸作用。
根据不同植物物种的单位时间内的碳积累速率进行权重赋值,权重赋值为an,n代表第n组实验。
计算湿地植物物种固碳能力目标值:
Mc固=an*Vc+bn*C饱和
其中,Mc固为植物物种固碳能力目标值,C饱和为植物物种培养器中碳饱和点位对应的数值,an的权重赋值为0.6~0.8,bn的权重赋值为0.2~0.4,且an+bn=1。
计算人工湿地景观功能目标值,其具体包括:
计算人工湿地水动力指标,水力停留时间τ为:
其中,τ为水力停留时间,V为湿地体积,Q为湿地进水流量;
人工湿地的入流和出流过程,能够引起水位的快速升降,有利于水体的混合,不同季节水库入流水体的密度不同。出流过程和排水口的垂向位置对湿地水动力影响很大,出流流量的大小决定了水体在湿地中的平均滞留时间,也就是水力停留时间,它反映湿地水体交换能力的强弱,是人工湿地景观功能的重要指标。
基于Fick定律,计算物质在人工湿地中的分子扩散系数:
D=-F*dz/dk
其中,F为物质在水中沿作用面法线方向k的通量;k为物质的浓度,单位为mg/L;D为物质在水体中的分子扩散系数,单位为cm2/s;分子扩散是在浓度差或其他推动力作用下,分子、原子等布朗运动引起的物质空间的迁移现象,浓度扩散是最普遍的扩散现象;紊动扩散是由于水体紊动引起的物质传递,紊动扩散作用的强弱与水体紊动强度密切相关,分子扩散系数是人工湿地景观功能的重要指标。
计算人工湿地景观功能目标值W:
W=0.3D+0.45τ
人工湿地植物物种的减污能力判断方法为:
通过检测人工湿地中氨氮净变化量判断人工湿地植物物种的减污能力,当然也可通过其他物质的变化量以计算植物物种的净化能力。
氨氮净变化量=BOD降解产生量-硝化反应消耗量-植物吸收量+沉积物降解产生量;
BOD降解产生量=Y1·SBOD
植物吸收量=UPp·(P-R)·F(N,P)
沉积物降解产生量=Y1·SSOD
其中,Y1为有机物中氮的含量;UPP为植物吸收的氨氮量;
计算人工湿地植物物种的减污能力功能目标值:
N氨氮=0.25氨氮净变化量。
步骤S3,基于赋权结果,计算植物功能目标值:
α1=Mc固*Ai*植物量+N氨氮*Bi+W*Ci*植物量
αn=α1+α2+α3+...αe
其中,αe为第e种植物物种单一作用时的人工湿地植物物种功能目标值,αn为多种植物物种混合时的人工湿地植物物种功能目标值,Ai取值A1、A2或A3;Bi取值B1、B2或B3;Ci取值C1、C2或C3。
当为多种植物物种共同作用时,则相对于单一物种的植物量会发生变化,具体会减少。在具体操作时,可根据得到的植物功能目标值的大小,进行物种的选择。
其中,本实施例的参数Ai、Bi和Ci可通过多元线性回归模型进行求解,以得到最优解。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (9)
1.一种减污降碳增效的湿地植物物种筛选方法,其特征在于,包括以下步骤:
S1、基于人工湿地尾水排入的受纳水体水环境容量,对受纳水体进行分类;
S2、根据受纳水体分类等级,分别对人工湿地植物物种的固碳能力、减污能力和景观功能赋权;
S3、基于赋权结果,计算植物功能目标值,并根据植物功能目标值筛选人工湿地植物物种。
2.根据权利要求1所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,步骤S1具体包括:
当人工湿地出水排入受纳水体后,水功能区水环境容量减少量为0~10%,则定义为第一级人工湿地;
当人工湿地出水排入受纳水体后,水功能区水环境容量减少量为10%~30%,则定义为第二级人工湿地;
当人工湿地出水排入受纳水体后,水功能区水环境容量减少量为50%~100%,则定义为第三级人工湿地。
3.根据权利要求2所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,步骤S2具体包括:
第一级人工湿地,固碳能力权重为A1,净污能力功能权重B1,景观功能权重为C1;
第一级人工湿地,固碳能力权重为A2,净污能力功能权重B2,景观功能权重为C2;
第一级人工湿地,固碳能力权重为A3,净污能力功能权重B3,景观功能权重为C3。
4.根据权利要求3所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,步骤S2中人工湿地植物物种固碳能力的权重赋值的计算方法包括:
设置多组实验,每组实验中均种植不同的本地植物物种,且每组实验的温度和光照强度相同,向实验中的培养器液体中导入不同浓度的CO2;
在相同的光照强度和温度的情况下,采集多组实验中CO2的浓度作为原始的输入数据,并将对应测试得到植物物种的光合速率作为原始的输出数据,并对原始数据按比例划分为训练集和测试集;
采用BP神经网络构建CO2浓度与光合速率的非线性函数模型,并输出绘制CO2浓度与光合速率的非线性拟合曲线;
采用卡尺标定法扫描多个物种的非线性拟合曲线,通过最小二乘法将多个非线性拟合曲线拟合于同一二维直角坐标下,得到多物种的多线性拟合曲线图;
基于多线性拟合曲线图得到不同植物物种的CO2浓度饱和点位,以及该点位对应的光合速率值,并根据该光合速率对植物物种CO2浓度饱和点位对应的数值进行权重赋值,权重赋值为bn,n代表第n组实验。
5.根据权利要求4所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,还包括获取不同组实验中植物物种的光合固碳量:
在植物物种CO2浓度饱和点的情况下,确定参考时间段,在参考时间段内设定若干测试时间点,在设定的各测试时间点分别测定植物物种的固碳量;
随机选择每组实验中的一株目标植物,标记初始时间点下的目标植物中面积相同的植物叶片,并记录植物叶片面积相同的数量;
剪下已标记的部分数量的植物叶片,烘干至恒重后,记录其在t1时刻的质量,并计算烘干后单片植物叶片质量m1,m1为对应t1时刻的叶片烘干后的质量;
同时,在t2时刻,剪下部分数量的植物叶片,烘干至恒重后,记录其在t2,时刻的质量,计算烘干后单片植物叶片质量m2,直至计算到tj时刻的烘干后单片植物叶片质量mj;
计算相邻时刻的叶片质量差值,并测定质量差值中的碳含量mc,并计算相邻时刻碳含量的积累量,除以其对应的时间,得到目标植物单片叶片的碳积累速率,乘以目标植物的叶片数量,得到目标植物单位时间内的碳积累速率Vc;
根据不同植物物种的单位时间内的碳积累速率进行权重赋值,权重赋值为an,n代表第n组实验。
6.根据权利要求5所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,计算湿地植物物种固碳能力目标值:
Mc固=an*Vc+bn*C饱和
其中,Mc固为植物物种固碳能力目标值,C饱和为植物物种培养器中C饱和点位对应的数值,an的权重赋值为0.6~0.8,bn的权重赋值为0.2~0.4,且an+bn=1。
8.根据权利要求7所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,人工湿地植物物种的减污能力判断方法为:
通过检测人工湿地中氨氮净变化量判断人工湿地植物物种的减污能力:
氨氮净变化量=BOD降解产生量-硝化反应消耗量-植物吸收量+沉积物降解产生量;
BOD降解产生量=Y1·SBOD
植物吸收量=UPp·(P-R)·F(N,P)
沉积物降解产生量=Y1·SSOD
其中,Y1为有机物中氮的含量;UPP为植物吸收的氨氮量,K4为20℃下硝化反应的速率,θ4为温度调整系数,BOD为水体BOD的浓度,SBOD为有机物分解耗氧浓度,T为水体温度值,P为光合作用产氧量,R为有机物分解耗氧量,F(N,P)为氮、磷营养盐限制函数,DO为水体溶解氧浓度,KS-N1为亚硝酸盐降解半饱和浓度,SSOD为沉积物中有机物降解过程的需氧量;
计算人工湿地植物物种的减污能力功能目标值:
N氨氮=0.25氨氮净变化量。
9.根据权利要求8所述的减污降碳增效的湿地植物物种筛选方法,其特征在于,步骤S3中基于赋权结果,计算植物功能目标值:
α1=Mc固*Ai*植物量+N氨氮*Bi+P*Ci*植物量
αn=α1+α2+α3+...αe
其中,αe为第e种植物物种单一作用时的人工湿地植物物种功能目标值,αn为多种植物物种混合时的人工湿地植物物种功能目标值,Ai取值A1、A2或A3;Bi取值B1、B2或B3;Ci取值C1、C2或C3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210252143.6A CN114560567B (zh) | 2022-03-15 | 2022-03-15 | 一种减污降碳增效的湿地植物物种筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210252143.6A CN114560567B (zh) | 2022-03-15 | 2022-03-15 | 一种减污降碳增效的湿地植物物种筛选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114560567A true CN114560567A (zh) | 2022-05-31 |
CN114560567B CN114560567B (zh) | 2023-04-18 |
Family
ID=81719753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210252143.6A Active CN114560567B (zh) | 2022-03-15 | 2022-03-15 | 一种减污降碳增效的湿地植物物种筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114560567B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105776554A (zh) * | 2016-03-28 | 2016-07-20 | 舟山光大检测研究院有限公司 | 用于船舶修造含盐污水处理的人工湿地植物的筛选与配置方法 |
CN113625806A (zh) * | 2021-08-28 | 2021-11-09 | 西北农林科技大学 | 面向碳中和需求的效率最优温室植物调控方法 |
-
2022
- 2022-03-15 CN CN202210252143.6A patent/CN114560567B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105776554A (zh) * | 2016-03-28 | 2016-07-20 | 舟山光大检测研究院有限公司 | 用于船舶修造含盐污水处理的人工湿地植物的筛选与配置方法 |
CN113625806A (zh) * | 2021-08-28 | 2021-11-09 | 西北农林科技大学 | 面向碳中和需求的效率最优温室植物调控方法 |
Non-Patent Citations (1)
Title |
---|
王磊等: "北方人工湿地植物的筛选与配置技术研究", 《黑龙江生态工程职业学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114560567B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sehar et al. | Role of the biofilms in wastewater treatment | |
Liu et al. | Nutrient removal from horticultural wastewater by benthic filamentous algae Klebsormidium sp., Stigeoclonium spp. and their communities: From laboratory flask to outdoor Algal Turf Scrubber (ATS) | |
Ponnuswamy et al. | Isolation and characterization of green microalgae for carbon sequestration, waste water treatment and bio-fuel production | |
Patel et al. | PHYTOREMEDIATION POTENTIAL OF DUCKWEED(LEMNAMINOR L: A TINY AQUATIC PLANT) IN THE REMOVAL OF POLLUTANTS FROM DOMESTIC WASTEWATER WITH SPECIAL REFERENCE TO NUTRIENTS | |
Silva et al. | Drivers of phytoplankton, bacterioplankton, and zooplankton carbon biomass in tropical hydroelectric reservoirs | |
Paule et al. | A photosynthetic rotating annular bioreactor (Taylor–Couette type flow) for phototrophic biofilm cultures | |
Porrello et al. | Reduction of aquaculture wastewater eutrophication by phytotreatment ponds system: II. Nitrogen and phosphorus content in macroalgae and sediment | |
Dunalska et al. | Ecosystem metabolism in a lake restored by hypolimnetic withdrawal | |
Deyab et al. | Comparative studies of phytoplankton compositions as a response of water quality at North El-Manzala Lake, Egypt | |
Wan et al. | Nutrient capture and recycling by periphyton attached to modified agrowaste carriers | |
Mulling et al. | Changes in the planktonic microbial community during residence in a surface flow constructed wetland used for tertiary wastewater treatment | |
CN114560567B (zh) | 一种减污降碳增效的湿地植物物种筛选方法 | |
El Ouarghi et al. | Hydrodynamics and oxygen balance in a high-rate algal pond | |
Kataoka et al. | Distribution of the harmful bloom-forming cyanobacterium, Microcystis aeruginosa, in 88 freshwater environments across Japan | |
Deyab et al. | Seasonal patterns in phytoplankton growth, composition, and predominance in relation to water quality at Northwest El-Manzala Lake, Egypt | |
Aponasenko et al. | The effect of tributaries on the environmental conditions in the Enisei River | |
Desai et al. | Elucidation of tidal spatial-temporal variation of physico-chemical and nutrient parameters of estuarine water at South Gujarat | |
CN114262061A (zh) | 一种用于地表污染水体生物治理的生态浮床组合 | |
CN109368805B (zh) | 一种治理黑臭水体的人工湿地系统及其运行方法 | |
Chaichana et al. | Unialgal Blooms of Cyanobacteria in Oxidation Ponds of the King's Royally Initiated Laem Phak Bia Environmental Research and Development Project, Thailand. | |
Gorme et al. | Seasonal changes of plant biomass at a constructed wetland in a livestock watershed area | |
Ariesyady et al. | The Distribution of Microalgae in a Stabilization Pond System of a Domestic Wastewater Treatment Plant in a Tropical Environment (Case Study: Bojongsoang Wastewater Treatment Plant). | |
Shea et al. | Teaching water quality analysis using a constructed wetlands microcosm in a non-science majors environmental science laboratory | |
Li et al. | Impact of soil inorganic nitrogen on bacterial phylogeny in estuarine intertidal zones: a study of nitrogen metabolism | |
Mu et al. | Advances in Studies on Nitrogen and Phosphorus Removal by Microalgal-Bacterial Consortia |
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 |