CN115148304A - 一种农产品污染诊断及措施选取方法 - Google Patents
一种农产品污染诊断及措施选取方法 Download PDFInfo
- Publication number
- CN115148304A CN115148304A CN202210800348.3A CN202210800348A CN115148304A CN 115148304 A CN115148304 A CN 115148304A CN 202210800348 A CN202210800348 A CN 202210800348A CN 115148304 A CN115148304 A CN 115148304A
- Authority
- CN
- China
- Prior art keywords
- soil
- research
- index
- agricultural product
- indexes
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims description 7
- 238000010187 selection method Methods 0.000 title description 3
- 239000002689 soil Substances 0.000 claims abstract description 104
- 238000011160 research Methods 0.000 claims abstract description 82
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 36
- 210000000056 organ Anatomy 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 229910001385 heavy metal Inorganic materials 0.000 claims abstract description 20
- 230000035772 mutation Effects 0.000 claims abstract description 15
- 230000002265 prevention Effects 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 26
- 235000007164 Oryza sativa Nutrition 0.000 claims description 12
- 235000009566 rice Nutrition 0.000 claims description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 8
- 238000011109 contamination Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000005303 weighing Methods 0.000 claims description 6
- 229910052793 cadmium Inorganic materials 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 4
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 4
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 4
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 4
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 claims description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 4
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims description 4
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 229910052791 calcium Inorganic materials 0.000 claims description 4
- 239000011575 calcium Substances 0.000 claims description 4
- 229910052804 chromium Inorganic materials 0.000 claims description 4
- 239000011651 chromium Substances 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 239000010949 copper Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 229910052742 iron Inorganic materials 0.000 claims description 4
- 229910052746 lanthanum Inorganic materials 0.000 claims description 4
- FZLIPJUXYLNCLC-UHFFFAOYSA-N lanthanum atom Chemical compound [La] FZLIPJUXYLNCLC-UHFFFAOYSA-N 0.000 claims description 4
- 229910052749 magnesium Inorganic materials 0.000 claims description 4
- 239000011777 magnesium Substances 0.000 claims description 4
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims description 4
- 229910052750 molybdenum Inorganic materials 0.000 claims description 4
- 239000011733 molybdenum Substances 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 229910052698 phosphorus Inorganic materials 0.000 claims description 4
- 239000011574 phosphorus Substances 0.000 claims description 4
- 229910052700 potassium Inorganic materials 0.000 claims description 4
- 239000011591 potassium Substances 0.000 claims description 4
- 229910052711 selenium Inorganic materials 0.000 claims description 4
- 239000011669 selenium Substances 0.000 claims description 4
- 229910052710 silicon Inorganic materials 0.000 claims description 4
- 239000010703 silicon Substances 0.000 claims description 4
- 229910052708 sodium Inorganic materials 0.000 claims description 4
- 239000011734 sodium Substances 0.000 claims description 4
- 229910052725 zinc Inorganic materials 0.000 claims description 4
- 239000011701 zinc Substances 0.000 claims description 4
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 3
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 claims description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 3
- 229910052796 boron Inorganic materials 0.000 claims description 3
- 239000000460 chlorine Substances 0.000 claims description 3
- 229910052801 chlorine Inorganic materials 0.000 claims description 3
- 229910052717 sulfur Inorganic materials 0.000 claims description 3
- 239000011593 sulfur Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 244000068988 Glycine max Species 0.000 claims description 2
- 235000010469 Glycine max Nutrition 0.000 claims description 2
- 244000017020 Ipomoea batatas Species 0.000 claims description 2
- 235000002678 Ipomoea batatas Nutrition 0.000 claims description 2
- 240000000111 Saccharum officinarum Species 0.000 claims description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 claims description 2
- 240000008042 Zea mays Species 0.000 claims description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 2
- 230000003750 conditioning effect Effects 0.000 claims description 2
- 235000005822 corn Nutrition 0.000 claims description 2
- 240000007594 Oryza sativa Species 0.000 claims 1
- 208000034809 Product contamination Diseases 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 238000012546 transfer Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 241000209094 Oryza Species 0.000 description 11
- 235000021329 brown rice Nutrition 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 229910052748 manganese Inorganic materials 0.000 description 2
- 239000011572 manganese Substances 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000011133 lead Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- 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
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Remote Sensing (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明提供一种农产品污染诊断方法，综合利用土壤及农产品各器官监测数据，通过污染相似度确定重金属传递突变环节，进而选取针对性措施，为农产品质量安全保障工作提供技术支撑；计算过程还得到了得分系数，得分系数越大，则该指标对传递过程的影响越大，在治理过程中需要重点关注，提高治理过程的准确性，预先明确农产品修复治理效果最佳环节/对象，结合研究区域实际生产情况，为农产品污染防治资金规划提供技术支撑，减少盲目实施措施的人力物力投入。
Description
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诊断及措施选取方法。
背景技术
研究显示农产品安全与土壤环境息息相关，且农产品各器官对重金属的吸收转化能力差异明显；目前针对土壤重金属与农产品各器官之间的传递关系研究较少，且多为盆栽实验，对农产品重金属污染防治支撑力较差，此外，农产品各器官重金属之间的关系多采用相关性分析，方法单一且缺乏验证。
上述技术方法存在的主要问题有：(1)土壤重金属及农产品各器官间的吸收转化机制不明确；(2)农产品各器官间重金属传递及吸收关系不明晰；(3) 现有研究方法不成熟且数据限制性较大；(4)农产品污染防治措施缺乏针对性及实用性。
发明内容
本发明提供了一种农产品污染诊断及措施选取方法，包括产地环境数据库建立、数据前处理、污染相似度计算及污染诊断四个部分。本发明实现过程中综合利用土壤监测数据及农产品各器官的重金属监测数据，将数据统一前处理，消除数据特征差异性；随后通过土壤及农产品各器官监测数据之间的矩阵转换，分别获得多对象间重金属含量的相似性，明确重金属传递突变环节，并结合因子分析结果确定关键影响因素，进而选取针对性防治措施；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诊断及措施选取方法，所述方法包括：
(1)产地环境数据库建立
(1.1)土壤重金属影响指标信息
明确对土壤研究指标有影响的土壤影响指标，同时获取研究区域土壤影响指标监测信息并上传至所述产地环境数据库；
(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；
(2)数据前处理
对所有土壤影响指标、土壤研究指标及农产品研究指标的监测数据进行前处理，包括对数处理及归一化处理两步：
(2.1)对数处理，计算公式具体如下：
其中xs’为标准化数据，xs为土壤影响指标/土壤研究指标/农产品研究指标的监测数据；
(2.2)标准化数据再采用z-score方法进行归一化处理，获得归一化监测值 ys，计算公式具体如下：
其中，μ为土壤影响指标/土壤研究指标/农产品研究指标标准化数据的平均值，δ为土壤影响指标/土壤研究指标/农产品研究指标标准化数据的标准差，计算公式为
N为研究区域历史点位数量；
(3)污染相似度计算
(3.1)矩阵转换
将所有土壤影响指标及土壤研究指标组合成矩阵进行矩阵运算，获取得分系数矩阵，所述得分系数矩阵的行为土壤监测指标及土壤研究指标的得分系数，列为主成份类别；
根据得分系数矩阵得到任意主成份类别E对应的土壤研究指标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对应单项土壤影响指标，仅示意无取值，Ij对应土壤研究指标j，仅示意无取值；
(3.2)污染相似度计算
分别计算土壤研究指标与农产品各器官的农产品研究指标、农产品各器官之间的农产品研究指标污染相似度，所述污染相似度的计算需要包括对象1和对象2两部分的权重求解及污染相似度计算：
所述对象1与对象2分别对应于土壤研究指标或农产品各单一器官的研究指标，且对象1和对象2不相同；
(3.2.1)通过最小二乘法求解得出各主成份类别对应的对象1的权重，单项主成份类别E与对象1权重、土壤影响指标及土壤研究指标对应得分系数的关系式具体如下：
E＝∑yimi+yjmj
yj＝w1E1+w2E2+…+wtEt
其中，yj为对象1研究指标j的归一化监测值，yi为土壤影响指标i的归一化监测值，wt为第t个主成份类别下对应的对象1权重，Et为第t个主成份类别对应数值；
(3.2.2)将上述对象1研究指标j的归一化监测值替换为对象2研究指标j 的归一化监测值，相同方法求得对象2的权重vj；
所述对象1权重与对象2权重的数据量一致，且与主成份类别数量相同；
(3.2.3)基于对象1权重和对象2权重分别构建矩阵，进而求出污染相似度cosθj，具体公式如下：
其中w为对象1权重矩阵，v为对象2权重矩阵；
(4)污染诊断
(4.1)比较计算出的污染相似度绝对值的大小差异，污染相似度绝对值最小的环节则为研究指标的传递突变环节，并依据重金属传递顺序将所述传递突变环节中涉及到的两个对象分为首环节和尾环节；
(4.2)比较传递突变环节首环节和尾环节两个对象的各主成份类别下对应下的权重大小，权重差值最大的主成份类别即为差异主成份类别；
(4.3)将差异主成份类别中所有土壤影响指标及土壤研究指标的得分系数进行大小比较，选取得分系数前2％-40％的土壤影响指标作为防控措施的治理对象。
进一步地，所述研究区域实际情况包括但不限于耕种时间、农产品类型、农产品生长情况、地方资金、措施实施难度等；
进一步地，所述传递突变环节涉及到土壤、根部的主要选取针对土壤调理的措施，传递突变环节仅涉及到地面部分的主要选取针对农产品植株阻控的措施；
进一步地，所述防治措施优先选取对传递过程影响较大的指标有作用的措施。
进一步地，所述土壤影响指标包括但不限于：锌、钙、硫、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、氯、铝、镧、钼、硼、重金属有效态、pH、CEC、 SOM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，所述土壤研究指标为Cd、Hg、As、Pb、Cr五项中的一项或多项，且土壤研究指标与农产品研究指标一致；
进一步地，所述环境信息包括但不限于：区域面积、历史点位数量、历史点位地理信息、周边环境、污染源信息、投入品信息等；土壤研究指标监测信息包括但不限于：研究指标、监测数据、监测日期、称样量、检测方法等；农产品研究指标监测信息包括但不限于：数据采集器官、研究指标、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，所述农产品类型包括水稻、玉米、大豆、红薯、甘蔗等；
进一步地，计算过程采用计算机软件进行，所述计算机软件包括SPSS、 python、Excel等；
进一步地，所述主成份类别与土壤影响指标及土壤研究指标的指标数量一致；
本发明的一种农产品污染诊断及措施选取方法，具有以下优点：
1.本发明综合利用土壤及农产品各器官监测数据，通过污染相似度确定重金属传递突变环节，进而选取针对性措施，为农产品质量安全保障工作提供技术支撑；计算过程还得到了得分系数，得分系数越大，则该指标对传递过程的影响越大，在治理过程中需要重点关注，提高治理过程的准确性。
2.本发明计算获得农产品各器官之间的污染相似度，通过污染相似度绝对值比较进一步明晰重金属在农产品体内的传输吸收能力；此外通过影响主因的筛选明确各土壤影响指标对重金属传输的阻碍能力；
3.本发明预先明确农产品修复治理效果最佳环节/对象，结合研究区域实际生产情况，为农产品污染防治资金规划提供技术支撑，减少盲目实施措施的人力物力投入，与正常农产品污染防治工作相比，节约近15％的时间及近20％资金投入。
附图说明
图1为一种农产品污染诊断及措施选取方法技术流程图；
图2为T县历史点位分布图；
图3为各器官农产品权重分布图；
图4为土壤权重分布图；
图5为相似度绝对值分布图；
图6为传递突变环节权重差异分布图；
图7为变异主成份得分系数分布图；
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)通过查阅论文、会议资料、询问专家等方式，确认Cd、Hg、As、Pb、 Cr五项土壤主要重金属的影响指标信息，包括锌、汞、钙、硫、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、氯、铝、镧、钼、硼等；此次研究选取Cd为研究指标，收集T县已有的影响土壤Cd的土壤影响指标监测数据，确认包括汞、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、土壤Cd及农产品(均为水稻)根部、茎部、叶部和糙米四个器官中Cd的监测信息，确定历史点位共计148个，点位分布情况见图2；
2.数据前处理
选取excel分析工具，将148个点位的土壤影响指标、土壤Cd及水稻四个器官(根部、茎部、叶部和糙米)的Cd均进行对数处理及归一化处理，获得各指标的归一化监测值；
3.污染相似度计算
(1)选取SPSS分析工具，将土壤影响指标及土壤Cd的归一化监测值进行主成份分析，获得得分系数矩阵，矩阵共包括20个主成份类别，每类别主成份对应20个得分系数；
(2)依据计算公式，分别带入水稻四个器官(根部、茎部、叶部和糙米) Cd的归一化监测值，计算出各器官对应的农产品权重，结果见图3；将土壤Cd 归一化监测值代替水稻根部的Cd归一化监测值，计算出对应的土壤权重，结果见图4；
(3)基于根部、茎部、叶部和糙米四个器官的农产品权重及土壤权重分别构建矩阵，通过污染相似度公式分别计算出土壤与水稻各器官的相似度及水稻各器官之间的污染相似度；
4.污染诊断
(1)比较分析土壤与水稻根部、茎部，水稻相连器官之间的污染相似度绝对值大小，确定传递突变环节为茎-米环节，结果见图5；茎-叶环节虽然相似度绝对值也较小，但叶部未与籽粒部分直接相连，故不分析此环节；
(2)比较水稻茎部的权重和糙米部分的权重大小，确定权重差值最大的为第20个主成份类别，即为差异主成份，结果见图6；
(3)比较差异主成份中土壤影响指标及土壤Cd指标对应的得分系数，确定影响最较大的指标包含Mn、Na、Si、Se、Al等，结果见图7；T县水稻目前正处于接穗时期，结合相关实验，选取喷施降Cd类叶面阻控剂中可阻碍Mn、 Na、Si、Se、Al等指标传递的药物进行稻米污染防控。
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)
1.一种农产品污染诊断及措施选取方法，其特征在于，所述方法包括：
(1)产地环境数据库建立
(1.1)土壤重金属影响指标信息
明确对土壤研究指标有影响的土壤影响指标，同时获取研究区域土壤影响指标监测信息并上传至所述产地环境数据库；
(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；
(2)数据前处理
对所有土壤影响指标、土壤研究指标及农产品研究指标的监测数据进行前处理，包括对数处理及归一化处理两步：
(2.1)对数处理，计算公式具体如下：
其中xs’为标准化数据，xs为土壤影响指标/土壤研究指标/农产品研究指标的监测数据；
(2.2)标准化数据再采用z-score方法进行归一化处理，获得归一化监测值ys，计算公式具体如下：
其中，μ为土壤影响指标/土壤研究指标/农产品研究指标标准化数据的平均值，δ为土壤影响指标/土壤研究指标/农产品研究指标标准化数据的标准差，计算公式为
N为研究区域历史点位数量；
(3)污染相似度计算
(3.1)矩阵转换
将所有土壤影响指标及土壤研究指标组合成矩阵进行矩阵运算，获取得分系数矩阵，所述得分系数矩阵的行为土壤监测指标及土壤研究指标的得分系数，列为主成份类别；
根据得分系数矩阵得到任意主成份类别E对应的土壤研究指标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对应单项土壤影响指标，仅示意无取值，Ij对应土壤研究指标j，仅示意无取值；
(3.2)污染相似度计算
分别计算土壤研究指标与农产品各器官的农产品研究指标、农产品各器官之间的农产品研究指标污染相似度，所述污染相似度的计算需要包括对象1和对象2两部分的权重求解及污染相似度计算：
所述对象1与对象2分别对应于土壤研究指标或农产品各单一器官的研究指标，且对象1和对象2不相同；
(3.2.1)通过最小二乘法求解得出各主成份类别对应的对象1的权重，单项主成份类别E与对象1权重、土壤影响指标及土壤研究指标对应得分系数的关系式具体如下：
E＝∑yimi+yjmj
yj＝w1E1+w2E2+…+wtEt
其中，yj为对象1研究指标j的归一化监测值，yi为土壤影响指标i的归一化监测值，wt为第t个主成份类别下对应的对象1权重，Et为第t个主成份类别对应数值；
(3.2.2)将上述对象1研究指标j的归一化监测值替换为对象2研究指标j的归一化监测值，相同方法求得对象2的权重vj；
所述对象1权重与对象2权重的数据量一致，且与主成份类别数量相同；
(3.2.3)基于对象1权重和对象2权重分别构建矩阵，进而求出污染相似度cosθj，具体公式如下：
其中w为对象1权重矩阵，v为对象2权重矩阵；
(4)污染诊断
(4.1)比较计算出的污染相似度绝对值的大小差异，污染相似度绝对值最小的环节则为研究指标的传递突变环节，并依据重金属传递顺序将所述传递突变环节中涉及到的两个对象分为首环节和尾环节；
(4.2)比较传递突变环节首环节和尾环节两个对象的各主成份类别下对应下的权重大小，权重差值最大的主成份类别即为差异主成份类别；
(4.3)将差异主成份类别中所有土壤影响指标及土壤研究指标的得分系数进行大小比较，选取得分系数前2％-40％的土壤影响指标作为防控措施的治理对象。
2.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述研究区域实际情况包括：耕种时间、农产品类型、农产品生长情况、地方资金、措施实施难度。
3.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述传递突变环节涉及到土壤、根部的主要选取针对土壤调理的措施，传递突变环节仅涉及到地面部分的主要选取针对农产品植株阻控的措施。
4.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述防治措施优先选取对传递过程影响较大的指标有作用的措施。
5.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述土壤影响指标包括：锌、钙、硫、铁、锰、磷、钾、钠、镁、硒、氮、硅、铜、氯、铝、镧、钼、硼、重金属有效态、pH、CEC、SOM。
6.如权利要求1所述的一种农产品污染诊断及措施选取方法，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。
7.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述土壤研究指标为Cd、Hg、As、Pb、Cr五项中的一项或多项，且土壤研究指标与农产品研究指标一致。
8.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述环境信息包括：区域面积、历史点位数量、历史点位地理信息、周边环境、污染源信息、投入品信息等；土壤研究指标监测信息包括：研究指标、监测数据、监测日期、称样量、检测方法等；农产品研究指标监测信息包括：数据采集器官、研究指标、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。
9.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述农产品类型包括水稻、玉米、大豆、红薯、甘蔗。
10.如权利要求1所述的一种农产品污染诊断及措施选取方法，其特征在于，所述主成份类别与土壤影响指标及土壤研究指标的指标数量一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210800348.3A CN115148304A (zh) | 2022-07-06 | 2022-07-06 | 一种农产品污染诊断及措施选取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210800348.3A CN115148304A (zh) | 2022-07-06 | 2022-07-06 | 一种农产品污染诊断及措施选取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115148304A true CN115148304A (zh) | 2022-10-04 |
Family
ID=83412887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210800348.3A Pending CN115148304A (zh) | 2022-07-06 | 2022-07-06 | 一种农产品污染诊断及措施选取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115148304A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115389691A (zh) * | 2022-10-31 | 2022-11-25 | 山东正实环保科技有限公司 | 一种基于气相色谱仪器的环境监测方法 |
| CN115758888A (zh) * | 2022-11-17 | 2023-03-07 | 厦门智康力奇数字科技有限公司 | 一种基于多机器学习算法融合的农产品安全风险评估方法 |
-
2022
- 2022-07-06 CN CN202210800348.3A patent/CN115148304A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115389691A (zh) * | 2022-10-31 | 2022-11-25 | 山东正实环保科技有限公司 | 一种基于气相色谱仪器的环境监测方法 |
| CN115758888A (zh) * | 2022-11-17 | 2023-03-07 | 厦门智康力奇数字科技有限公司 | 一种基于多机器学习算法融合的农产品安全风险评估方法 |
| CN115758888B (zh) * | 2022-11-17 | 2024-04-23 | 厦门智康力奇数字科技有限公司 | 一种基于多机器学习算法融合的农产品安全风险评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cooper et al. | Genotype-by-management interactions for grain yield and grain protein concentration of wheat | |
| CN115148304A (zh) | 一种农产品污染诊断及措施选取方法 | |
| Raun et al. | Optical sensor‐based algorithm for crop nitrogen fertilization | |
| Munson et al. | Principles and practices in plant analysis | |
| Smale et al. | Estimating the economic impact of breeding nonspecific resistance to leaf rust in modern bread wheats | |
| Niedbała et al. | Application of artificial neural networks for multi-criteria yield prediction of winter wheat | |
| Gourley et al. | The development and application of functions describing pasture yield responses to phosphorus, potassium and sulfur in Australia using meta-data analysis and derived soil-test calibration relationships | |
| Asghari-Zakaria et al. | Sequential path analysis of yield components in potato | |
| Villordon et al. | Using growing degree days, agrometeorological variables, linear regression, and data mining methods to help improve prediction of sweetpotato harvest date in Louisiana | |
| Vozhehova et al. | Spring row crops productivity prediction using normalized difference vegetation index | |
| Johnson et al. | Application of infrared spectroscopy for estimation of concentrations of macro-and micronutrients in rice in sub-Saharan Africa | |
| Rezende et al. | Establishment of specific DRIS standards for mango cultivars Tommy Atkins, Kent and Keitt compared to generic standards in the Sub-Middle São Francisco Valley | |
| Beillouin et al. | Azodyn-Barley, a winter-barley crop model for predicting and ranking genotypic yield, grain protein and grain size in contrasting pedoclimatic conditions | |
| Fournier et al. | A predictive model based on a pluviothermic index for leathery pocket and fruitlet core rot of pineapple cv.‘Queen’ | |
| Letta | Genotype-environment interactions and correlation among some stability parameters of yield in durum wheat (Triticum durum Desf) genotypes grown in South East Ethiopia. | |
| Santhosh et al. | A Compendium Probabilistic Prospective for Predicting Coffee Crop Yield Based on Agronomical Factors | |
| Stoyanov | Tendencies in the reaction of the yield of Bulgarian triticale cultivars under contrasting environments. | |
| N'DJOLOSSÈ et al. | Agro-morphological characterization of preselected cashew (Anacardium occidentale L.) mother trees in Benin farmer's plantations | |
| Pérez Zapata et al. | Plant analysis based on the DRIS system: Programming interface with a case study in plantain crop (Musa AAB) | |
| Sehgal et al. | Developing functional relationships between sesame growth, development, and nitrogen nutrition during early season | |
| Soe et al. | Adoption of improved soybean varieties and differences in technical efficiency between improved and local soybean varieties in Southern Shan State, Myanmar | |
| Masuya et al. | Mining a yield-trial database to identify high-yielding cultivars by simulation modeling: A case study for rice | |
| Devi et al. | Preliminary the diagnosis and recommendation integrated system (DRIS) norms for evaluating the nutritional status of mango | |
| Antwi et al. | Simulation of major soil nutrients requirement for maize production using the QUEFTS model in the Northern region of Ghana | |
| Sessiz et al. | Some Physical, Mechanical and Ripening Properties of the Boğazkere Grape (Vitis vinifera L.) and Theirs Relationships |
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 |