CN115759420A - 一种基于离子活度理论的农作物重金属富集水平混合变量预测方法 - Google Patents

Abstract

本发明提供了一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，涉及模拟环境动态模型技术领域，所述方法包括以下步骤：(1)获取样本地块的土壤基础理化性质、土壤重金属全量、土壤重金属溶解态含量和农作物重金属含量，分别建立数据集；(2)采用相关结合回归分析，确定影响土壤重金属溶解态含量的关键因子及其交互关系；(3)耦合农作物重金属吸收过程，确定影响的关键因子以及其与农作物重金属含量和土壤重金属溶解态含量的动态交互关系，构建农作物重金属富集水平混合变量预测模型；本发明所述方法模拟重金属“总量—溶解态含量—农作物富集量”富集链转化过程，量化不同土壤因子变化过程及其对农作物重金属富集趋势的影响。

Description

一种基于离子活度理论的农作物重金属富集水平混合变量预 测方法

技术领域

本发明涉及模拟环境动态模型技术领域，尤其涉及一种基于离子活度理论的农作物重金属富集水平混合变量预测方法。

背景技术

重金属(镉、铬、砷、铜、铅、汞等)是生物体非必需元素，其毒性大，迁移性强，且易在农作物(水稻、小麦和蔬菜等)中富集。长期食用重金属超标的农作物会引发骨质疏松、高血压和肾功能衰竭等多种疾病。近年来，由于工业“三废”的排放、矿山开采、化肥和农药添加、污水灌溉及生活垃圾排放等原因，农作物重金属超标事件频发，对身体健康来讲，存在严重的安全隐患。以重金属镉(Cd)为例，部分污染地区以Cd污染农产品为主食的高暴露风险人群仅需4.7～8.3年就能达到Cd中等毒害水平(累积2.6g Cd)，10～20年可能会出现“痛痛病”等Cd严重毒害症状(累积3.8g Cd)，15～30年就可能达到Cd致死剂量(累积5.4g Cd)。量化农作物重金属富集过程，降低农作物重金属富集趋势是制定区域重金属污染防治对策，保障粮食安全和维护区域民众健康的关键步骤。

外源重金属在进入农田土壤后，以水合离子、复杂的无机物或有机化合物存在于土壤中。土壤重金属的植物可利用性主要受重金属离子在土壤表面吸附-解吸过程的影响，与土壤pH、土壤质地和共存阴阳离子等变量显著相关。由于重金属沿“总量—溶解态含量—农作物富集量”富集链条的变化过程具有低强度、长周期、相互作用的耦合特征，常规监测难以揭示其动态变化。模型研究不受时间和空间限制，与试验观测的结合是明晰区域农田重金属生物有效性变化过程和农作物重金属富集趋势的有效手段。

美国康奈尔大学应用固液分配系数(K_d)来表征土壤重金属在总量和溶解态相间的分配特征，并通过回归方程揭示出土壤pH是影响K_d的关键因子。美国加州大学河滨分校等应用富集因子来表征美国加州农作物重金属富集能力，并结合固液分配系数(K_d)来描述砷、镉和铅在“土壤-土壤溶液-农作物”间的迁移特性。以上经验模型通过极大的简化和假设来描述农作物重金属富集过程，难以拓展推广。表面络合模型通过计算土壤酸碱平衡常数来量化重金属在土壤微界面的形态分配平衡，如土壤粘土矿物的Two-site模型，有机质的NICA-Donnan模型和针铁矿的CD-MUSIC模型。此类机理模型可有效预测土壤溶液及农作物重金属富集量，但均未涉及元素交互过程，且所用软件(ECOSAT、MINTEQ、PHREEQ等)不一，参数获取难度大，在实际应用中不确定性较强。Langmuir和Freundlich等温吸附模型可用于获取重金属在不同土壤中的最大吸附量和吸附强度，多用于表征重金属在均质及非均质界面的竞争吸附行为，对轻中度重金属污染为主的农田具有一定指导意义。然而，我国农田土壤重金属污染格局多样，区域污染风险突出，农作物重金属富集过程变异性强。如何耦合多个环境混合变量的变化特性，模拟“重金属总量—重金属溶解态含量—农作物重金属富集量”迁移转化过程，揭示关键影响因子的影响程度及调控阈值并预测农作物重金属富集水平，优化区域农田重金属污染防治优技术，是我国农田重金属污染防治研究的关键步骤。上述模型研究均以单一变量或同量纲变量为关键参数，未将土壤pH、土壤微量元素交互作用与农作物重金属富集过程进行关联，且所用参数多为来自于国外文献报道中的常数或固定值，在实际应用中存在较大的不确定性。

发明内容

本发明的目的在于提供一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，模拟重金属在“总量—溶解态含量—农作物富集量”富集链的迁移转化过程，量化不同土壤因子动态变化过程及其对农作物重金属富集趋势的影响程度，推导出不同驱动因子变化规律及其调控阈值，预测农作物重金属富集趋势。

为了实现上述发明目的，本发明提供以下技术方案：

本发明提供了一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，包括以下步骤：

(1)获取样本地块的土壤基础理化性质、土壤重金属全量、土壤重金属溶解态含量和农作物重金属含量，分别建立对应数据集；

(2)采用相关分析结合回归分析处理数据集，基于米曼式吸附方程确定影响土壤重金属溶解态含量的关键因子以及其交互关系；

为不同农作物土壤重金属溶解态含量，P_i为影响土壤重金属溶解态含量的关键因子，β₁、β₂为拟合参数；

(3)根据步骤(2)所得，耦合农作物重金属吸收过程，确定影响农作物重金属吸收的关键因子以及其与农作物重金属含量和不同农作物土壤重金属溶解态含量的动态交互关系，基于离子活度理论构建农作物重金属富集水平混合变量预测模型，获取关键因子动态调控阈值。

优选的，步骤(1)所述土壤基础理化性质包括土壤pH、土壤阳离子交换量和土壤有机碳含量。

优选的，步骤(3)中所述农作物重金属富集水平混合变量预测模型为模拟重金属富集链条“土壤重金属全量-土壤重金属溶解态含量-农作物重金属含量”的变化过程。

优选的，步骤(3)中所述农作物重金属富集水平混合变量预测模型为：

为不同农作物重金属含量，

为不同农作物土壤重金属溶解态含量，pH为土壤pH，α₁、α₂和α₃为拟合参数。

本发明还提供了所述农作物重金属富集水平混合变量预测方法所得农作物重金属富集水平混合变量预测模型在模拟农作物重金属富集量变化趋势中的应用。

本发明还提供了所述农作物重金属富集水平混合变量预测方法所得农作物重金属富集水平混合变量预测模型在评估不同修复策略在污染农田施用的可持续性中的应用。

优选的，所述农作物重金属富集水平混合变量预测模型耦合蒙特卡洛随机模拟法进行应用。

本发明提供了一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，在田间开展了实际应用，结果显示按配比施用的石灰和锌肥可有效降低水稻、小麦和蔬菜Cd富集水平。本发明提出的基于离子活度理论的农作物重金属富集水平混合变量预测模型运行稳定，表现良好，能够准确地预测农作物重金属富集水平且推导出相应的土壤pH和土壤Zn:Cd比安全阈值，对于大田应用中石灰或肥料施用量的调整具有指导意义，提高农作物重金属防治工作效率，避免加重区域重金属污染趋势，保障粮食的安全生产。

附图说明

图1为实施例1菜地土壤Cd溶解态含量与土壤pH和蔬菜Cd含量的回归关系(a为菜地土壤Cd溶解态含量与土壤pH的回归关系；b为蔬菜Cd含量与菜地土壤Cd溶解态含量的回归关系)；

图2为实施例1农作物重金属富集水平混合变量预测模型在区域实施例1蔬菜地的应用效果；

图3为实施例1不同土壤pH下区域蔬菜Cd含量变化情况；

图4为实施例2小麦土壤Cd溶解态与土壤pH和小麦土壤Cd:Zn比的回归关系(a为小麦土壤Cd溶解态与土壤pH的回归关系；b为小麦土壤Cd:Zn比与土壤Cd溶解态含量的回归关系)；

图5为实施例2农作物重金属富集水平混合变量预测模型在区域实施例2小麦地的应用效果；

图6为实施例2不同土壤Cd:Zn比下区域小麦籽粒Cd含量变化情况；

图7为实施例3水稻土壤Cd溶解态与土壤pH和水稻土壤Cd:Zn比的回归关系(a为水稻土壤Cd溶解态与土壤pH的回归关系；b为稻土壤Cd:Zn比与土壤Cd溶解态含量的回归关系)；

图8为实施例3农作物重金属富集水平混合变量预测模型在区域实施例2水稻田的应用效果；

图9为实施例3不同水稻土壤Cd:Zn比下区域稻米Cd含量变化情况(a为Cd/Zn＞1:300，b为Cd/Zn＜1:300)。

具体实施方式

本发明提供了一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，包括以下步骤：

(1)获取样本地块的土壤基础理化性质、土壤重金属全量、土壤重金属溶解态含量和农作物重金属含量，分别建立对应数据集；

(2)采用相关分析结合回归分析处理数据集，基于米曼式吸附方程确定影响土壤重金属溶解态含量的关键因子以及其交互关系；

为不同农作物土壤重金属溶解态含量，P_i为影响土壤重金属溶解态含量的关键因子，β₁、β₂为拟合参数；

(3)根据步骤(2)所得，耦合农作物重金属吸收过程，确定影响农作物重金属吸收的关键因子以及其与农作物重金属含量和不同农作物土壤重金属溶解态含量的动态交互关系，基于离子活度理论构建农作物重金属富集水平混合变量预测模型，获取关键因子动态调控阈值。

在本发明中，步骤(1)获取样本地块的土壤基础理化性质、土壤重金属全量、土壤重金属溶解态含量和农作物重金属含量，分别建立对应数据集；所述土壤基础理化性质优选的包括土壤pH、土壤阳离子交换量和土壤有机碳含量；所述土壤重金属全量、土壤重金属溶解态含量和农作物重金属含量根据当地土壤污染物的具体状况具体选择所测量重金属的种类，土壤重金属全量优选的包括土壤镉总量、土壤铬总量、土壤砷总量、土壤铜总量、土壤镍总量、土壤汞总量和土壤Zn总量中的一种或多种。

在本发明中，步骤(2)采用相关分析结合回归分析处理数据集，基于米曼式吸附方程确定影响土壤重金属溶解态含量的关键因子以及其交互关系；

为不同农作物土壤重金属溶解态含量，P_i为影响土壤重金属溶解态含量的关键因子，β₁、β₂为拟合参数。

在本发明中，步骤(3)根据步骤(2)所得影响土壤重金属溶解态含量的关键因子以及其交互关系，耦合农作物重金属吸收过程，确定影响农作物重金属吸收的关键因子以及其与农作物重金属含量和不同农作物土壤重金属溶解态含量的动态交互关系，基于离子活度理论构建农作物重金属富集水平混合变量预测模型，获取关键因子动态调控阈值；所述农作物重金属富集水平混合变量预测模型为模拟重金属富集链条“土壤重金属全量-土壤重金属溶解态含量-农作物重金属含量”的变化过程；所述农作物重金属富集水平混合变量预测模型优选为：

为不同农作物重金属含量，

为不同农作物土壤重金属溶解态含量，pH为土壤pH，α₁、α₂和α₃为拟合参数。

在本发明步骤(3)中，影响农作物重金属吸收的关键因子以及其与农作物重金属含量和不同农作物土壤重金属溶解态含量的动态交互关系，所述重金属富集动态交互关系在不同农作物中包括三种竞争关系，重金属线性竞争吸附、非线性竞争吸附以及弱竞争吸附，均可用上述农作物重金属富集水平混合变量预测模型表示。

土壤-农作物系统重金属富集过程复杂，影响因子众多，其关键在于土壤表面复杂的离子竞争吸附行为。土壤表面含有大量官能团，土壤表面活性位点表面在元素竞争吸附过程中都会发生质子化(≡ROH₂+)和去质子化反应(≡RO^-)，不同元素类别和土壤环境带来的主要是该过程的强度和顺序差异。将参与缓冲反应的物质(交换性阳离子、无定型铝氧化物等)简化为表面活性位点(≡ROH)，则土壤表面的离子竞争吸附行为可表征为质子化和去质子化过程，即其形态变化为：

基于表面络合模型理论，土壤表面离子活性位点(R_T)以3种形态存在：

R_T＝R+RM+RH(2)

式中R_T，R，RM和RH分别代表总吸附点，活性吸附点，结合位点和质子化位点。

依据Freundlich吸附方程，重金属M²⁺和土壤H⁺在土壤表面的吸附可分别采用公式3和4表示：

式中K_M和K_H分别为重金属M²⁺和土壤H⁺的Freundlich吸附参数。

国内外学者对农作物重金属富集问题的研究经历了“总量-形态-生物可利用性-生物有效性”的发展历程，并于近年达成共识，即农作物重金属富集水平取决于土壤重金属离子活度水平(生物有效性)，可用公式5表示：

式中

为农作物重金属吸收量，K_species为农作物专性吸收参数。

耦合方程1-5，则基于离子活度的农作物重金属吸附过程可以表征为公

式6：

结合实验室参数实测，基于离子活度理论的农作物重金属富集水平混合变量预测模型可进一步表征为：

为不同农作物重金属含量(mg DWkg^-1)，

为不同土壤重金属溶解态含量(mg L^-1)，

为土壤H⁺含量(mol L^-1)，α₁、α₂和α₃为拟合参数。

土壤H⁺含量

可由土壤pH转化得到(公式8)，不同土壤重金属溶解态含量

可由米曼式方程获取(公式9)。

式中pH为土壤pH，P_i为除土壤pH外影响重金属元素M²⁺竞争吸附的关键变量，β₁和β₂为拟合参数。

本发明还提供了所述农作物重金属富集水平混合变量预测方法所得农作物重金属富集水平混合变量预测模型在模拟农作物重金属富集量变化趋势中的应用。

本发明还提供了所述农作物重金属富集水平混合变量预测方法所得农作物重金属富集水平混合变量预测模型在评估不同修复策略在污染农田施用的可持续性中的应用。

本发明所述农作物重金属富集水平混合变量预测模型，在模拟农作物重金属富集量变化趋势中的应用和在评估不同修复策略在污染农田施用的可持续性中的应用，优选的农作物重金属富集水平混合变量预测模型耦合蒙特卡洛随机模拟法进行应用。

下面结合实施例对本发明提供的技术方案进行详细的说明，但是不能把它们理解为对本发明保护范围的限定。

实施例1

重金属镉弱竞争吸附的非线性问题

选择蔬菜镉污染事件发生地南方某县为研究区，区域调查采集537对土壤—蔬菜配对样品，通过实验室分析获取区域土壤基本理化性质，见表1。

表1蔬菜地土壤基本理化性质

如图1a所示，回归分析蔬菜田土壤Cd可利用态

受蔬菜土壤pH(pH_veg)影响显著，当土壤pH<5.0时土壤可利用态显著上升。定义蔬菜田土壤Cd可利用态

为因变量，定义土壤pH(pH_veg)为自变量，基于米曼式吸附方程得到具体公式为

蔬菜地土壤Zn与蔬菜Cd含量(M_veg)相关性较弱，但蔬菜Cd含量与土壤Cd可利用态含量显著相关，定义蔬菜土壤Cd可利用态

为自变量，定义蔬菜Cd含量(M_veg)为因变量，定义土壤Cd可利用态

为自变量，基于米曼式吸附方程得到具体公式为

如图1中的b所示，可决系数高达0.616。重金属Cd在小麦和水稻体内均经“木质部-韧皮部-籽粒”的运输途径，Cd与Zn在水稻和小麦根部的竞争吸附行为较为明显；与水稻和小麦相比，蔬菜对于重金属的富集过程较为简单。另外，蔬菜生长季短且每年可种植多季，其累计施肥量显著高于水稻田和小麦田，导致菜地土壤酸化较为严重。再次，蔬菜品种较多，即使同为叶菜不同品种间(参见表1中的小白菜和生菜)Cd富集程度差异较大。这些可能是造成蔬菜Cd富集水平受土壤Cd可利用态和土壤pH影响较大，但蔬菜Cd富集水平与土壤Zn相关性较弱的主要原因。

蔬菜重金属富集过程中元素竞争吸附作用较弱，主要影响因子为土壤pH和土壤Cd溶解态，涉及变量较少，因此在构建模型时可设定竞争吸附模块数值为0；基于离子活度理论和所搭建的Cd污染菜地数据库，构建蔬菜Cd富集水平混合变量预测模型：

M_veg为蔬菜Cd富集水平(mg DWkg^-1)，

为菜地土壤Cd溶解态含量(mg L^-1)，

为土壤H离子(mol L^-1，[H⁺]＝10^(-1×pH))。

如图1所示，耦合所推导出的土壤Cd溶解态和土壤pH的回归关系(图1中的a)、蔬菜Cd含量与土壤Cd溶解态的回归关系(图1中的b)，蔬菜Cd富集水平混合变量预测模型为：

应用所构建的模型针对研究区土壤pH开展蔬菜Cd富集水平预测，结果如图2所示，模拟方程通过显著性检验且预测偏差在95％置信区间内。在此基础上针对菜地土壤pH进行多场景模拟，模拟次数设定为10000次，结果如图3所示，蔬菜Cd含量随着土壤pH升高而降低，特别是当土壤pH>5.0后蔬菜Cd含量下降较为显著。即在Cd污染菜地，可通过施加石灰或生物炭等措施来调控pH进而降低蔬菜Cd富集水平，考虑到菜地的严重酸化现状，直接将土壤pH提升至中性并不现实，且过高用量石灰和矿物肥会影响蔬菜生长，因此可通过阶梯式pH提升方式来降低蔬菜Cd富集趋势，pH＝5.0可作为菜地土壤pH调控的初步阈值，该模型预测结果在随后的大田实验中进一步得到证实。

实施例2

重金属镉强竞争吸附的线性问题

选择小麦镉污染事件发生地北方某县为研究区，区域调查采集143对土壤—小麦配对样品，通过实验室分析获取区域土壤基本理化性质，见表2。

表2小麦田土壤基本理化性质

如图4所示，回归分析土壤Cd可利用态

受土壤pH(pH_wheat)和土壤Cd:Zn比(Cd/Zn_wheat)影响较为显著。其中，土壤pH影响土壤Cd活化条件。定义土壤Cd可利用态

为因变量，定义土壤pH(pH_wheat)为自变量，基于米曼式方程得到具体公式为

即土壤Cd溶解态含量随pH增加而降低(图4中的a)。Zn²⁺和Cd²⁺有相同的核外电子构型，土壤Zn通过影响土壤胶体对Cd²⁺的选择性吸附进而影响土壤Cd溶出水平，可用土壤Cd:Zn比(Cd/Zn_wheat)来表征。定义土壤Cd可利用态

为因变量，定义土壤Cd:Zn比(Cd/Zn_wheat)为自变量，基于米曼式方程得到具体公式为

可决系数高达0.667，即土壤Cd溶解态含量随土壤Cd:Zn比增加而增加(图4中的b)。

基于离子活度理论和所搭建的小麦田数据库，构建小麦籽粒Cd富集水平混合变量预测模型，其基本方程如下：

其中M_wheat为小麦籽粒Cd富集水平(mg DWkg^-1)，

为小麦田土壤Cd溶解态含量(mg L^-1)，

为土壤H离子(mol L^-1，[H⁺]＝10^(-1×pH))。

耦合所推导出的土壤Cd溶解态和土壤pH的回归关系，土壤Cd溶解态和土壤Cd:Zn比的回归关系，小麦籽粒Cd富集水平混合变量预测模型可进一步转化为如下公式：

应用所构建的模型针对研究区土壤H⁺和土壤Cd:Zn比开展小麦籽粒Cd富集水平预测，模拟方程可决系数达到0.791，通过显著性检验且预测偏差在95％置信区间内(图5)。模拟结果显示小麦籽粒Cd含量随着土壤pH升高而降低，随着土壤Cd:Zn比增加而增加(即麦田土壤Zn与Cd呈拮抗作用)，与区域观测结果较为一致。

考虑到区域小麦田为碱性土壤，pH变化幅度较小，因此针对土壤Cd:Zn比进行多场景模拟，模拟次数设定为10000次(图6)。结果显示土壤Zn的增加可降低小麦Cd的富集，当土壤Cd:Zn比>1：120时小麦籽粒降Cd效果比较显著，当土壤Cd:Zn比>1：200时小麦籽粒降Cd效率逐渐降低(图6)。即通过施加锌肥来降低河南重金属污染农田小麦籽粒Cd富集风险时，锌肥的施加量必须保证土壤Zn达到土壤Cd含量的120倍以上，但不建议超过200倍。该模型预测结果在随后的大田实验中进一步得到证实。

实施例3

重金属镉强竞争吸附的非线性问题

选择水稻镉污染事件发生地南方某县典型酸性水稻产区为研究区，区域调查采集343对土壤—水稻配对样品，通过实验室分析获取区域土壤基本理化性质，见表3。

表3水稻田土壤基本理化性质

回归分析(参见图7)发现土壤Cd可利用态

受土壤pH(pH_rice)和土壤Cd:Zn比(Cd/Zn_rice)影响显著。稻田土壤pH是影响土壤Cd活化的关键因素。定义土壤Cd可利用态

为因变量，定义土壤pH(pH_rice)为自变量，基于米曼式方程得到具体公式为

即土壤Cd溶解态含量随pH增加而降低，在土壤pH<5.9时最为显著(图7中的a)。稻田土壤Zn通过影响土壤胶体对Cd²⁺的选择性吸附进而影响土壤Cd溶出水平，可用土壤Cd:Zn比(Cd/Zn_rice)来表征。然而，稻田淹水和排水措施相互交替，与小麦田相比环境更为复杂，土壤Cd和Zn的竞争吸附行为表现为非线性关系(图7中的b)。当土壤pH<5.9时，土壤Cd与土壤Zn关系较弱。当土壤pH>5.9且土壤Cd:Zn比>0.003时(Cd/Zn_rice>1:300)，稻米Cd含量随土壤Cd:Zn比增加而增加(图7中的b)。定义土壤Cd溶解态含量

为因变量，定义土壤Cd:Zn比(Cd/Zn_rice)为自变量，基于米曼式方程得到具体公式为

当土壤pH>5.9时且土壤Cd:Zn比<0.003时(Cd/Zn_rice<1:300)，稻米Cd含量随土壤Cd:Zn比增加而降低，基于米曼式方程得到具体公式为

(图7中的b)。

基于离子活度理论和所搭建的稻田数据库，构建稻米Cd富集水平混合变量预测模型(这里只针对图7b中的镉强竞争吸附的非线性问题，图7a中的弱竞争吸附问题解决方案参见案例1)。

当土壤pH>5.9且土壤Cd:Zn比>0.003时(Cd/Zn_rice>1:300)，基本方程如下：

其中M_rice为稻米Cd富集水平(mg DW kg^-1)，

为稻田土壤Cd溶解态含量(mg L^-1)，

为土壤H离子(mol L^-1，

)。

耦合所推导出的土壤Cd溶解态和土壤pH的回归关系，土壤Cd溶解态和土壤Cd:Zn比的回归关系，上述公式可进一步转化为如下公式：

同理，当土壤pH>5.9且土壤Cd:Zn比<0.003时(Cd/Zn_rice<1:300)，基本方程如下：

其中M_rice为稻米Cd富集水平(mg DW kg^-1)，

为稻田土壤Cd溶解态含量(mg L^-1)，

为土壤H离子(mol L^-1，

)。

耦合所推导出的土壤Cd溶解态和土壤pH的回归关系，土壤Cd溶解态和土壤Cd:Zn比的回归关系，上述公式可进一步转化为如下公式：

应用所构建的模型针对研究区水稻田土壤H⁺和土壤Cd:Zn比开展稻米Cd富集水平预测，模拟方程可决系数达到0.730，通过显著性检验且预测偏差在95％置信区间内(图8)。模拟结果显示稻米Cd含量随着土壤pH升高而降低，随土壤Cd:Zn比变化而呈现增加和降低两种趋势，pH＝5.9和土壤Cd:Zn比＝1:300是调节土壤pH和土壤Zn含量水平的两个关键调控阈值，与区域观测结果较为一致。

考虑到南方酸性水稻田土壤Cd和Zn竞争吸附的非线性关系，针对区域土壤不同Cd:Zn比开展多场景模拟，模拟次数设定为10000次(图9)。结果显示区域稻田Cd和Zn反应过程复杂，拮抗和协同关系同时存在。当水稻田土壤pH>5.9且土壤Cd:Zn>1:300时，土壤Zn和Cd呈协同作用，稻米Cd含量随着土壤Cd:Zn比增加而增加(图9中的a)。当水稻田土壤pH>5.9且土壤Cd:Zn<1:300时，土壤Zn和Cd呈拮抗作用，稻米Cd含量随着土壤Cd:Zn比增加而降低(图9中的b)。以上结果说明在严重酸化区域(pH<5.9)，应通过施加石灰或生物炭等措施来降低稻米Cd富集趋势。在土壤pH>5.9时，可通过施加锌肥来控制稻米Cd富集，但是只有在保证土壤Zn含量为土壤Cd含量的300～400倍时，该措施才有助于降低稻米Cd富集量，施加锌肥过少(导致土壤Cd:Zn>1:300时)反而会促进稻米Cd的吸收，加重区域Cd污染趋势，该模型预测结果在随后的大田实验中进一步得到证实。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，其特征在于，包括以下步骤：

(1)获取样本地块的土壤基础理化性质、土壤重金属全量、土壤重金属溶解态含量和农作物重金属含量，分别建立对应数据集；

(2)采用相关分析结合回归分析处理数据集，基于米曼式吸附方程确定影响土壤重金属溶解态含量的关键因子以及其交互关系；

为不同农作物土壤重金属溶解态含量，P_i为影响土壤重金属溶解态含量的关键因子，β₁、β₂为拟合参数；

(3)根据步骤(2)所得，耦合农作物重金属吸收过程，确定影响农作物重金属吸收的关键因子以及其与农作物重金属含量和不同农作物土壤重金属溶解态含量的动态交互关系，基于离子活度理论构建农作物重金属富集水平混合变量预测模型，获取关键因子动态调控阈值。

2.如权利要求1所述一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，其特征在于，步骤(1)所述土壤基础理化性质包括土壤pH、土壤阳离子交换量和土壤有机碳含量。

3.如权利要求1所述一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，其特征在于，步骤(3)中所述农作物重金属富集水平混合变量预测模型为模拟重金属富集链条“土壤重金属全量-土壤重金属溶解态含量-农作物重金属含量”的变化过程。

4.如权利要求1所述一种基于离子活度理论的农作物重金属富集水平混合变量预测方法，其特征在于，步骤(3)中所述农作物重金属富集水平混合变量预测模型为：

为不同农作物重金属含量，

为不同农作物土壤重金属溶解态含量，pH为土壤pH，α₁、α₂和α₃为拟合参数。

5.权利要求1～4任一项所述农作物重金属富集水平混合变量预测方法所得农作物重金属富集水平混合变量预测模型在模拟农作物重金属富集量变化趋势中的应用。

6.权利要求1～4任一项所述农作物重金属富集水平混合变量预测方法所得农作物重金属富集水平混合变量预测模型在评估不同修复策略在污染农田施用的可持续性中的应用。

7.如权利要求5或6所述农作物重金属富集水平混合变量预测模型的应用，其特征在于，所述农作物重金属富集水平混合变量预测模型耦合蒙特卡洛随机模拟法进行应用。

Images