CN116108730A - 不同轮作模式下土壤-农作物系统重金属富集过程模拟方法 - Google Patents

不同轮作模式下土壤-农作物系统重金属富集过程模拟方法 Download PDF

Info

Publication number
CN116108730A
CN116108730A CN202310116252.XA CN202310116252A CN116108730A CN 116108730 A CN116108730 A CN 116108730A CN 202310116252 A CN202310116252 A CN 202310116252A CN 116108730 A CN116108730 A CN 116108730A
Authority
CN
China
Prior art keywords
heavy metal
soil
crop
prediction model
enrichment process
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
Application number
CN202310116252.XA
Other languages
English (en)
Other versions
CN116108730B (zh
Inventor
杨阳
陈卫平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Research Center for Eco Environmental Sciences of CAS
Original Assignee
Research Center for Eco Environmental Sciences of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Research Center for Eco Environmental Sciences of CAS filed Critical Research Center for Eco Environmental Sciences of CAS
Priority to CN202310116252.XA priority Critical patent/CN116108730B/zh
Publication of CN116108730A publication Critical patent/CN116108730A/zh
Application granted granted Critical
Publication of CN116108730B publication Critical patent/CN116108730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Agronomy & Crop Science (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明提供了涉及不同轮作模式下土壤‑农作物系统重金属富集过程模拟方法，属于精准农业技术领域。本发明克服了现有技术中量化不同轮作模式下农田系统重金属迁移变化过程及轮作模式的长期应用风险的技术手段效果不佳的问题，本发明基于米曼氏方程和相态守恒原理，构建土壤‑农作物系统重金属累积过程预测模型，揭示不同轮作模式下土壤‑农作物系统重金属累积变化趋势，获取影响土壤‑农作物系统重金属富集过程的关键参数及其变化趋势；根据区域农业发展现状和耕地污染治理目标，应用所提出的模型开展多场景模拟，评估不同轮作措施在重金属污染农田长期应用的可持续性和潜在风险，形成区域农作物重金属污染防治优化对策，保障区域粮食安全生产。

Description

不同轮作模式下土壤-农作物系统重金属富集过程模拟方法
技术领域
本发明涉及精准农业技术领域，尤其涉及不同轮作模式下土壤-农作物系统重金属富集过程模拟方法。
背景技术
重金属(镉、铅、汞等)元素毒性大，迁移性强，且易在土壤-农作物系统富集并通过食物链威胁人体健康。明晰土壤重金属迁移转化过程，降低农作物重金属富集趋势，提升土壤健康水平，是保障农产品质量安全和维护区域民众健康的关键步骤，有巨大的生态-社会-经济效益。
轮作，是指在一定时期(周期)内，在同一田块上不同年度间有顺序地轮换种植不同作物或以复种方式进行的种植方式，例如“水稻-小麦”水旱轮作模式或“大豆-小麦-玉米”轮作模式。轮作模式是世界范围内广泛采用的传统农业技术，已有两千多年的历史。现有的耕地轮作休耕制度试点工作通过粮食作物(水稻、小麦等)与重金属低吸收类农作物(玉米等)、镉超富集植物(伴矿景天等)、镉富集生物量大植物(甜高粱等)或镉富集经济作物(花生、油葵等)等品种的轮作来降低土壤重金属含量和农作物重金属富集趋势，保障粮食安全生产。这种古老方法的现实意义在于其：(i)一直作为改良土壤，防治害虫和提升农作物产量的常规手段；(ii)轮作模式较多、可选农作物品种广泛，全国范围内大部分地区均可开展；(iii)对比常规农田污染管控措施操作简单，成本经济、具有大面积应用潜力。然而，受土壤重金属含量、土壤条件和农产品种类等因素影响，应用轮作技术来降低农产品重金属富集风险的田间应用效果存在很强的不确定性，这成为制约该修复措施标准化和大面积推广的主要瓶颈。
农田土壤环境体系复杂，轮作模式对重金属在土壤中的吸附、交换、溶解和沉淀等过程均会产生显著影响。由于以上过程具有低强度、长周期，影响因素繁杂等特征，通过田间实验来研究土壤重金属的多相迁移转化规律较为困难且成本较高。通过构建模型来模拟分析不同环境和发展模式下重金属迁移变化过程，可突破现有研究仅采用定位观测以定性描述土壤重金属含量变化的技术局限。当前，对于土壤重金属迁移过程的模型研究均较为缺乏。荷兰瓦格宁根大学应用Freundlich经验方程研究了不同种植模式下土壤pH、土壤重金属活性和农作物重金属含量的变化趋势(Wageningen U R.Transfer functions forsolid-solutionpartitioning ofcadmium,copper,nickel,lead and zinc in soils:derivation of relationships for free metal ion activities and validation withindependent data[J].Cheminform,2010.)。中国科学院生态环境研究中心应用健康风险评估模型研究了烟草-水稻轮作模式和单季稻种植模式下稻米重金属镉的富集量变化，并估算了这种变化对区域民众健康带来的影响(YangY,Wang T,Li Y,et al.MitigatingCadmium Contamination ofRice Soils Supporting Tobacco–Rice Rotation inSouthern China:Win–Win or Lose–Lose？.2021.)。然而上述模型研究均未考虑到土壤容重、灌溉水量、不同农作物根长等诸多环境因子对农田系统重金属迁移变化的显著影响，且所用参数多来自于文献报道，在实际应用中存在一定的局限性和很大的不确定性，关于轮作措施开展后土壤及农产品重金属含量是否会反弹仍然未知。农田土壤重金属输入输出过程繁杂，且不同农作物重金属累积过程变异性强。如何耦合多个环境因子的变化特性，量化不同轮作模式下农田系统重金属迁移变化过程及轮作模式的长期应用风险，仍然是农田重金属污染防治研究的难点和重点问题。
发明内容
本发明的目的在于提供不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，用于评估不同轮作措施在重金属污染农田长期应用的可持续性和潜在风险，有助于降低农作物重金属超标率并提升土壤环境质量。
为了实现上述发明目的，本发明提供以下技术方案：
本发明提供了不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，包括以下步骤：
获取研究区中环境和农作物的指标参数，组成多元数据集；
基于米曼式一级动力学方程，对不同轮作模式下的农作物从土壤中吸收的重金属总量进行表征，得到轮作模式下农作物重金属富集过程预测模型；
基于相态平衡原理，对土壤重金属各相态相互作用的动力学平衡关系进行表征，得到土壤重金属富集过程形态预测模型；
基于重金属通量平衡原理，对土壤-农作物系统重金属总量变化过程进行表征，得到土壤-农作物系统重金属富集过程预测模型；
将所得轮作模式下农作物重金属富集过程预测模型、土壤重金属富集过程形态预测模型和土壤-农作物系统重金属富集过程预测模型进行耦合，构建轮作模式下土壤-农作物系统重金属富集过程预测模型；
对得到的轮作模式下土壤-农作物系统重金属富集过程预测模型进行优化，获得最优的轮作模式下土壤-农作物系统重金属富集过程预测模型；
基于所述最优的轮作模式下土壤-农作物系统重金属富集过程预测模型，根据不同轮作措施下区域土壤-农作物系统重金属富集风险及其变化趋势，获取相应的防治优化对策。
优选的，所述基于米曼式一级动力学方程，对不同轮作模式下的农作物从土壤中吸收的重金属总量进行表征，得到轮作模式下农作物重金属富集过程预测模型包括以下步骤：
基于米曼式一级动力学方程构建农作物重金属净吸收量＝农作物吸收量-农作物残体还田量；
其中，所述农作物吸收量是利用农作物根部特性和供应，结合米曼式一级动力学方程进行表征。
优选的，所述农作物根部特性采用Verhulst-Pearl逻辑生长函数进行模拟。
优选的，所述基于相态平衡原理，对土壤重金属各相态相互作用的动力学平衡关系进行表征，得到土壤重金属富集过程形态预测模型包括以下步骤：
基于相态平衡原理构建土壤重金属元素总量＝土壤重金属溶液相+土壤重金属吸附相+土壤重金属矿物相+土壤重金属有机相+土壤重金属残渣相；
其中，所述土壤重金属溶液相和土壤重金属吸附相的变化应用Freundlich吸附方程进行表征，所述土壤重金属矿物相的沉淀-溶解过程应用一级动力学溶质模型表征，所述重金属有机相的矿化过程应用一级动力学成矿模型表征。
优选的，所述基于重金属通量平衡原理，对土壤-农作物系统重金属总量变化过程进行表征，得到土壤-农作物系统重金属富集过程预测模型包括以下步骤：
基于重金属通量平衡原理构建用于描述土壤-农作物系统重金属总量的变化过程，包括输入过程和输出过程；
所述输入过程包括大气输入源、灌溉输入源、施肥输入源和轮作模式中的秸秆还田输入源；
所述输出过程包括农作物净吸收过程、经农作物根部和土壤剖面的下渗过程和地表径流过程。
优选的，所述经农作物根部和土壤剖面的下渗过程采用包气带水分运移模型Richards方程进行表征。
优选的，所述将所得轮作模式下农作物重金属富集过程预测模型、土壤重金属富集过程形态预测模型和土壤-农作物系统重金属富集过程预测模型进行耦合，构建轮作模式下土壤-农作物系统重金属富集过程预测模型包括以下步骤：
耦合子模型构建轮作模式下土壤-农作物系统重金属富集过程预测模型的同时，结合敏感性分析方法获取影响土壤-农作物系统重金属富集过程的关键参数及其变化趋势。
优选的，所述对得到的轮作模式下土壤-农作物系统重金属富集过程预测模型进行优化包括以下步骤：
应用所构建的轮作模式下土壤-农作物系统重金属富集过程预测模型，
通过实测参数和Monte Carlo随机抽样方法对模拟结果进行多次抽样，比较观测值和预测值差异，优化模型输入参数，提高模型预测精度。
优选的，所述根据不同轮作措施下区域土壤-农作物系统重金属富集风险及其变化趋势，获取相应的防治优化对策包括以下步骤：
基于所构建的轮作模式下土壤-农作物系统重金属富集过程预测模型，结合区域农业发展需求开展多场景模拟，预测不同轮作措施下区域土壤-农作物系统重金属富集风险及其变化趋势，评估不同轮作措施在重金属污染农田长期应用的可持续性和潜在风险，获取区域农作物重金属污染防治优化对策。
本发明的技术效果和优点：
(1)基于米曼氏方程和相态守恒原理，构建土壤-农作物系统重金属累积过程预测模型，揭示不同轮作模式下土壤-农作物系统重金属累积变化趋势，获取影响土壤-农作物系统重金属富集过程的关键参数及其变化趋势。
(2)根据区域农业发展现状和耕地污染治理目标，应用所提出的模型开展多场景模拟，评估不同轮作措施在重金属污染农田长期应用的可持续性和潜在风险，形成区域农作物重金属污染防治优化对策，保障区域粮食安全生产。
附图说明
图1为轮作模式下土壤-农作物系统重金属富集过程预测模型构建框架；
图2为小麦-玉米轮作模式下农作物Cd富集量；
图3为小麦秸秆和玉米秸秆还田途径造成的土壤Cd增加通量；
图4为小麦-玉米轮作模式下土壤Cd累积量变化特征；
图5为土壤-农作物系统Cd富集过程预测模型涉及的敏感性参数；
图6为小麦-玉米轮作模式下土壤Cd累积量预测精度；
图7为不同场景下区域农田土壤Cd累积量变化特征。
具体实施方式
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。
首先构建轮作系统重金属富集框架，轮作模式下土壤-农作物系统重金属富集过程预测模型构建框架如图1所示，将轮作模式下土壤重金属富集过程细化为(i)农作物重金属净吸收过程；(ii)土壤重金属相态平衡过程；(iii)土壤-农作物系统重金属通量平衡过程，各过程核心方程描述如下。
(i)农作物重金属净吸收过程
将农作物重金属净吸收过程进一步细化为农作物重金属吸收过程和农作物还田过程，其计算公式如方程2所示。
Unet＝Uplant-Ureturn(2)
式中，Unet表示农作物重金属净吸收量(mg DW kg-1)，Uplant和Ureturn分别代表农作物吸收量和农作物残体还田量(mg DWkg-1)。
农作物重金属吸收过程取决于农作物根部特性(根部吸收Jplant)和供应(即土壤溶液浓度Csol)两方面，应用经典的米曼式(Michaelis-Menton)一级动力学方程进行表征，计算公式如方程3所示。
Figure BDA0004079460460000061
式中，Jplant是根系重金属吸收通量(mg DWkg-1)，Jmax为根部最大入渗速率(μmol·cm-1·hr-1)，Km为根部渗透系数(mol·L-1)，Csol为土壤溶液中重金属元素浓度(μg·L-1)。
结合植物根部生长特性，植物吸收量Uplant描述为方程4。
Figure BDA0004079460460000062
式中，R(t)是不同农作物在土壤层中的根密度函数；z表示纵坐标值，取向上为正；d表示土层深度(cm)。
植物根部生长特性采用经典的Verhulst-Pearl逻辑生长函数进行模拟，核心方程参见公式5。
Figure BDA0004079460460000063
式中R0表示最初根长密度(cm cm-3)；Rm表示最大根长密度(cm cm-3)；d0表示最初根深(cm)；dmax表示最大根深(cm)；t0表示小麦开始季节(day)；th表示小麦收获时间(th)。
综合公式3和5，则农作物重金属吸收量Uplant随时间t的变化过程描述为方程6。
Figure BDA0004079460460000064
式中Gbio表示农作物生物量增加速率(kg ha-1day-1)。
农作物残体直接进行还田可有效避免残体腐烂发酵，杀灭害虫，并可提升土壤有机质，由此造成的土壤重金属再次输入过程用公式7进行表征。
Figure BDA0004079460460000071
式中Ureturn表示由还田措施再次输入土壤的重金属量(mg kg-1cm-1)；Tr表示还田持续时间(day)；Rf表示生物量还田系数(％)，表示还田生物量占农作物总生物量的百分比。
基于米曼式方程，不同轮作模式下的农作物从土壤中吸收的重金属总量表示为公式8。
Figure BDA0004079460460000072
Figure BDA0004079460460000073
式中，
Figure BDA0004079460460000074
表示不同轮作模式下农作物重金属净吸收总量，j表示不同轮作模式，例如：小麦-玉米、小麦-烟草、小麦-莴笋、小麦-水稻-油菜等。Un i et(i＝1，2，...,n)表示轮作模式中农作物i重金属吸收量，n表示作物种类总数。
(ii)土壤重金属相态平衡过程
土壤重金属含量在土壤—农作物系统中的迁移转化并不取决于总量变化，而是取决于土壤重金属形态较为活跃的一部分，这一过程变化遵循相态平衡原理，表征为公式10。
Ct＝Cs+Cad+Cmin+Corg+Cres(10)
式中Ct(mgkg-1)为土壤重金属元素总量，t表示累积时间(day)，Cs，Cad，Cmin，Corg和Cres分别表示土壤重金属的形态组成，包括溶液相、吸附相、矿物相、有机相和残渣相(mgkg-1)。
土壤重金属生物有效性转化过程是连接农作物和土壤两个重金属累积过程的枢纽。农作物从土壤中吸收的重金属主要是指土壤重金属总量中的生物可利用态，包括土壤溶液相和土壤吸附相，用公式11表征。
Q＝ Cs +Cad (11)
式中，Q表示土壤重金属生物可利用相态(mg kg-1)。
土壤重金属溶液相和土壤重金属吸附相变化应用Freundlich吸附方程进行表征，具体方程分别参见公式12和公式13。
Cs＝ θ×Csol (12)
Cad＝ Kd×Csol (13)
式中，θ是土壤体积含水率(cm3·cm-3)，Csol是土壤溶液重金属元素浓度(mg L-1)，Kd表示土壤-溶液重金属固液分配系数(mg L-1)。
对于其他土壤重金属相态，重金属矿物相的沉淀-溶解过程可应用一级动力学溶质模型表征，重金属有机相的矿化过程可应用一级动力学成矿模型表征，重金属残渣态在土壤—农作物系统中含量低且变化较小，在模拟过程中可忽略。具体方程分别参见公式14、公式15和公式16。
Figure BDA0004079460460000081
Figure BDA0004079460460000082
Cres＝0(16)
式中，
Figure BDA0004079460460000083
表示土壤重金属矿物相Cmin随时间t的变化过程(mg kg-1day-1)；kf和kb分别是反应的正向和反向速率(hr-1)；Cmin是重金属矿物相含量(mg·L-1)；kim为一级矿化速率(hr-1)，Corg为重金属有机相含量(mg·L-1)。
综合公式10～16，土壤重金属各相态相互作用的动力学平衡关系可由方程17和方程18表示。
Ct＝Q + Cmin + Corg (17)
Figure BDA0004079460460000084
(iii)土壤-农作物系统重金属通量平衡过程
土壤-农作物系统重金属总量变化过程主要包括输入过程和输出过程两个子过程，在重金属总量变化过程中遵守通量守恒原理。其中，输入过程主要包括大气输入源(Iatm，mgkg-1)，灌溉输入源(Iirri，mgkg-1)，施肥输入源(Iagro，mgkg-1)和轮作模式中的秸秆还田输入源(Ureturn，mgkg-1)，用公式19表征。
I＝Iatm+Iirr+Iagro+Ureturn(19)
式中，I表示土壤重金属总输入量(mgkg-1)。
大气输入源(Iatmos，mgkg-1),灌溉输入源(Iirri，mgkg-1)，施肥输入源(Iagro，mgkg-1)计算公式分别为方程20，方程21和方程22。秸秆还田输入源(Ureturn，mgkg-1)计算方程参看过程(i)中的公式7。
Figure BDA0004079460460000091
Iirr＝Wirr×Cirr(21)
Iagro＝Wagro×Cagro×nagro(22)
式中，Watm表示月沉降量(mg)；d表示土壤深度(cm)；n表示观测月数；Wirr表示单位时间内净灌溉水量(L·h-1)；Cirr表示灌溉水重金属含量(mg·L-1)；Wagro表示单次施肥量(kgha-1)；Cagro表示所施肥料中重金属含量(mg·kg-1)；nagro表示轮作模式中的施肥次数。
输出过程主要包括农作物净吸收过程(Unet，mgkg-1)、经农作物根部和土壤剖面的下渗过程(L，mgkg-1)和地表径流(R，mgkg-1)过程，用公式23表征。
U＝Unet+L+R(23)
式中，U表示土壤重金属总输出量(mgkg-1)；L表示土壤重金属经农作物根部和土壤剖面的下渗量(mg kg-1)；R表示土壤重金属经径流散失的量。
农作物净吸收过程(Unet，mg kg-1)计算方程参看过程(i)中的公式6。土壤重金属经农作物根部和土壤剖面的下渗过程描述包气带水流运移的Richard方程来模拟，核心方程参看公式24。
Figure BDA0004079460460000101
式中，q表示土壤重金属渗透系数(cm day-1)；θ是体积含水率(cm3·cm-3)；D(θ,q)表示水动力弥散系数(cm day-1)；
Figure BDA0004079460460000102
表示压力水头函数(cm d-1)。
土壤土壤重金属渗透系数应用美国环保局提出的溶质运移评估方程进行计算，具体参看公式25。
Figure BDA0004079460460000103
式中，q为淋失金属总量(mg kg yr-1)；P为年平均降雨量(cm·yr-1)；i为年平均灌水量(cm·yr-1)；Ev为年平均蒸散量(cm·yr-1)；θ为土壤体积含水率(cm3·cm-3)；d为土壤混合深度(cm)；ρ为土壤容重(g·cm-3)；Kd表示土壤-溶液重金属固液分配系数(mg L-1)。
土壤水分压力水头变化与农作物根部生长关系密切，可以细分为根部起始吸水阶段(h0)，根部吸水速率增长阶段(h1)，根部吸水速率极值阶段(h2)，和根部吸水停止阶段(h3)。在轮作模式中，h0，h2和h3只与农作物种类有关，用农作物吸水常数进行表征。h1变化取决于农作物种类及其潜在蒸腾速率，具体计算公式参看方程26。
Figure BDA0004079460460000104
式中P2H为高蒸腾速率下的压力水头(cm)；P2L为低潜在蒸腾速率下的压力水头(cm)；r2H为高蒸腾速率(cm hr-1)；r2L为低潜在蒸腾速率(cm hr-1)；Tp表示潜在蒸腾速率(cmhr-1)。
与农作物吸收(Unet)和土壤下渗(L)相比，通过地表径流(R)损失的土壤重金属含量极低，变化较小，可以忽略不计。
结合公式，土壤-农作物系统重金属输出过程进一步表述为方程27。
Figure BDA0004079460460000111
基于以上方程，对土壤-农作物轮作模式下的3个主要过程(农作物重金属净吸收过程；土壤重金属相态平衡过程；土壤-农作物系统重金属通量平衡过程)进行耦合，则轮作模式下的土壤-农作物重金属富集过程可表征为公式28-30。
Figure BDA0004079460460000112
Figure BDA0004079460460000113
Figure BDA0004079460460000114
同时，应用Morris分类筛选法进行参数敏感性分析，识别轮作模式下土壤-农作物系统重金属富集过程的关键影响参数。该方法通过在变量阈值范围内随机改变参数值以计算变量对模型结果的影响程度，其计算公式为如下：
Figure BDA0004079460460000115
式中ei为Morris灵敏度判别系数，Y0为参数率定后计算结果初始值，初始值Yi+1和Yi为模型第i+1次和第i次的运行结果，Pi+1和Pi为模型第i+1次和第i次模型运算参数值相对于率定参数后参数值变化的百分率，n为模型运行次数。参考国内外研究，将参数分为高敏感参数(|ei|≥1)，敏感参数(0.2≤|ei|＜1)，中敏感参数(0.04≤|ei|＜0.2)和不敏感参数(0≤|ei|＜0.05)等4类。
模型所需的初始条件、土壤水动力学参数及根系吸收参数由区域调查实测得出。模型模拟结果通过可决系数(R2)和均方根误差(RMSE)进行检验，R2数值越大，RMSE数值越小，预测结果越精准。R2和RMSE计算公式参看方程32和方程33。
Figure BDA0004079460460000121
Figure BDA0004079460460000122
式中ypi表示目标变量的预测值，yi表示目标变量观测值。
基于以上框架，选择“镉麦风波”事件发生地河南某市为研究区，以小麦-玉米这一当地主推的轮作模式为研究案例，通过区域调查和采样分析获取多源参数，建立土壤-小麦-玉米Cd污染防治专题数据库，结果如表1所示。
表1土壤-小麦-玉米轮作系统Cd含量特征
Figure BDA0004079460460000123
由表1可知，区域土壤Cd含量变化幅度较大(0.202～17.8mg·kg-1)，变异系数高达144％。土壤Cd平均值为1.52±2.19mg·kg-1，是当地土壤背景值(0.073mg·kg-1)的20.8倍，72.3％的土壤样品Cd含量高于风险筛选值(0.6mg·kg-1)。研究区小麦Cd平均值为0.198±0.201mg·kg-1(表1)，为国家粮食安全标准(0.1mg·kg-1，GB2762-2022)的2倍，超标率为58.3％。研究区玉米籽粒Cd平均值为0.0045±0.0026mg·kg-1(表1)，玉米籽粒全部达标且籽粒Cd含量远远小于国家粮食安全标准(0.1mg·kg-1，GB2762-2022)。研究区小麦Cd富集系数平均值为0.146±0.06，而玉米籽粒Cd富集系数平均值为0.0040±0.0031。可见研究区小麦Cd富集能力显著高于玉米，通过小麦-玉米轮作模式来降低土壤Cd含量并提升粮食产量和质量具备一定可行性。
基于米曼氏方程，构建轮作模式下农作物重金属富集过程预测模型，对区域小麦和玉米Cd时空变化过程进行模拟，并对深翻耕措施的可持续性和有效性进行评估。模型参数参见表2，模型运行结果如图2和图3所示，图2中：(a)小麦籽粒Cd富集量；(b)玉米籽粒Cd富集量；(c)小麦-玉米Cd净吸收通量，图3中(a)小麦秸秆还田途径；(b)玉米秸秆还田途径；(c)小麦-玉米秸秆还田途径Cd总通量。
表2不同轮作模式下农作物Cd富集过程设定参数
Figure BDA0004079460460000131
由图2可知，在研究区当前Cd输入模式和轮作模式下，小麦籽粒Cd含量仍然在逐步增加，连续耕作50年后区域小麦Cd平均含量由初始值0.198mg·kg-1增加到0.475mg·kg-1，显著高于国家粮食安全标准(0.1mg kg-1)；在研究区当前Cd输入模式和轮作模式下，玉米籽粒Cd含量增加缓慢，连续耕作50年后区域玉米籽粒Cd平均含量接近国家粮食安全标准(0.1mg kg-1)。即研究区小麦-玉米轮作模式小麦籽粒Cd含量仍然在持续增加，污染风险较高。而玉米籽粒Cd含量在50年后也会超标，但增加速率缓慢，整体风险可控；小麦和玉米净吸收通量逐年增加，在20年后增速显著提升，50年尺度上最大吸收通量高达3.68g ha- 1year-1。
由图3可知，区域还田途径造成的土壤Cd增加通量显著高于小麦和玉米的净吸收通量。由图3a和图3b可知，小麦秸秆还田造成的Cd输入输出通量差显著高于玉米，可见小麦秸秆还田途径对于区域土壤Cd累积影响显著。由图3c可知，区域小麦-玉米轮作模式下，秸秆还田造成的总输入通量高达28.1g ha-1year-1，约为小麦和玉米净吸收通量(3.68g ha- 1year-1)的7.64倍。即去除秸秆是降低区域农田土壤Cd累积量的有效措施。
在揭示区域小麦和玉米Cd时空变化过程的基础上，基于相态平衡原理，构建土壤重金属富集过程形态预测模型，结合实测参数模拟各相态相互作用的动力学平衡过程。然后，基于重金属通量平衡原理，构建土壤-农作物系统重金属富集过程预测模型，量化土壤-农作物系统重金属输入输出过程。模型参数参见表3和表4，模型运行结果如图4所示，图4中：(a)土壤Cd生物可利用相；(b)土壤Cd矿物相和有机相；(c)土壤Cd总量。
由图4可知，区域土壤Cd生物可利用相(溶液相+有机相)逐年增加，在联系耕作30年后(2050年)后，区域土壤Cd生物可利用相增加速度显著提升；在土壤Cd增加过程中，土壤Cd矿物相和有机相较为稳定，增加趋势缓慢；在当前区域Cd输入模式下，小麦-玉米轮作模式应用50年后区域小麦田表土Cd平均含量由初始值1.52mg·kg-1增加到2.03mg·kg-1，区域Cd污染风险较为严重。
表3不同轮作模式下区域农田表土Cd累积模拟过程设定参数
Figure BDA0004079460460000141
Figure BDA0004079460460000151
表4不同轮作模式下土壤压力水头设定参数
Figure BDA0004079460460000152
耦合不同子模型，构建轮作模式下土壤-农作物系统重金属富集过程预测模型，应用敏感性分析方法，获取影响土壤-农作物系统重金属富集过程的关键参数，分析结果图5所示。
由图5可知，固液分配系数和根部渗透系数为影响模型预测结果的高敏感参数(|ei|≥1)。农作物还田系数、土壤体积含水率、大气沉降量、灌溉水量、肥料Cd含量、灌溉水Cd含量、土壤容重等参数为影响模型预测结果的敏感参数(0.2≤|ei|＜1)，土壤容重为中敏感参数(0.04≤|ei|＜0.2)，其他参数为不敏感参数(0≤|ei|＜0.05)。由此可知，调整还田措施、降低区域大气和灌溉水污染、调整施肥措施、增加土壤翻耕频率等措施有助于降低区域土壤Cd累积趋势并保障粮食安全生产。
应用所构建的轮作模式下土壤-农作物系统重金属富集过程预测模型，结合实测参数和Monte Carlo随机抽样方法模拟2022年土壤Cd累积量变化过程，并与课题组2022年在研究区的大面积采样结果进行对比验证。结果参见图6。由图6可知，模型可决系数R2为0.772，绝大部分数值均在95％置信区间内，模型不确定性较低，预测结果较为精准。
应用所构建的轮作模式下土壤-农作物系统重金属富集过程预测模型开展区域多场景模拟，模拟结果如图7所示，图7中：(a)玉米秸秆去除途径；(b)小麦-玉米秸秆去除途径；(c)区域综合优化措施。
在前面的讨论中(参看图2、图3和图5)，秸秆还田途径造成的土壤Cd输入通量约为小麦和玉米净吸收通量的7.64倍，且还田系数、根部渗透系数对模型结果影响较大。研究区在玉米收获后距离小麦种植时间较长，可进行玉米秸秆去除，去除结果如图7所示。由图7可知，玉米秸秆去除有助于降低区域区域土壤镉累积速率，但是不能改变土壤镉累积趋势，区域土壤镉在当前环境条件下仍然会持续增加，并于2060年超过1.7mg kg-1，污染形势仍然较高；如果增加机械和人力，在小麦收获后迅速进行小麦秸秆去除，实现小麦-玉米秸秆的全去除后，区域土壤Cd累积量开始逐步下降，并于2070年降低至国家设定的碱性土壤Cd轻度超标标准(1.2mg kg-1)以下，污染风险由中重度降低至轻度。由之前的敏感性分析可知(参看图5)，调整还田措施、降低区域大气和灌溉水污染、调整施肥措施、增加土壤翻耕频率等措施可提升或降低影响土壤-农作物系统Cd富集过程的关键参数，进而降低区域土壤Cd累积趋势并保障粮食安全生产，以上综合优化措施的场景模拟结果参看图7，综合优化措施下，区域农田土壤Cd含量显著下降，并于2070年降低至1.0mg kg-1以下，此时小麦籽粒Cd含量下降至0.14mg kg-1左右，与土壤调理剂的联合施用可保证大部分小麦籽粒的达标生产。考虑到不同地区土壤性质和污染形势差别较大，不同地区可根据各自的农业发展规划和农田重金属污染防治目标，选取效率更高、成本更经济、更适合当地的轮作模式(如小麦-烟草、小麦-莴笋等，烟草和莴笋的模型模拟参数在表2和表3中给出)。
由以上实施例可知，本发明提供了基于米曼氏方程和相态守恒原理构建的土壤-农作物系统重金属累积过程预测模型，能够准确地重现小麦、玉米等农作物在轮作模式中的重金属富集过程，土壤重金属相态变化过程以及土壤重金属累积变化过程，量化不同农作物轮作措施在区域重金属污染农田应用的效率和潜在风险，相较于传统统计学模型其适用性更广，应用潜力更大，并可对区域农田土壤重金属污染防治对策进行评估和优化，为区域重金属污染防治、粮食安全生产和决策建议提供有力的数据支撑。
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 (9)

1.不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，包括以下步骤：
获取研究区中环境和农作物的指标参数，组成多元数据集；
基于米曼式一级动力学方程，对不同轮作模式下的农作物从土壤中吸收的重金属总量进行表征，得到轮作模式下农作物重金属富集过程预测模型；
基于相态平衡原理，对土壤重金属各相态相互作用的动力学平衡关系进行表征，得到土壤重金属富集过程形态预测模型；
基于重金属通量平衡原理，对土壤-农作物系统重金属总量变化过程进行表征，得到土壤-农作物系统重金属富集过程预测模型；
将所得轮作模式下农作物重金属富集过程预测模型、土壤重金属富集过程形态预测模型和土壤-农作物系统重金属富集过程预测模型进行耦合，构建轮作模式下土壤-农作物系统重金属富集过程预测模型；
对得到的轮作模式下土壤-农作物系统重金属富集过程预测模型进行优化，获得最优的轮作模式下土壤-农作物系统重金属富集过程预测模型；
基于所述最优的轮作模式下土壤-农作物系统重金属富集过程预测模型，根据不同轮作措施下区域土壤-农作物系统重金属富集风险及其变化趋势，获取相应的防治优化对策。
2.根据权利要求1所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述基于米曼式一级动力学方程，对不同轮作模式下的农作物从土壤中吸收的重金属总量进行表征，得到轮作模式下农作物重金属富集过程预测模型包括以下步骤：
基于米曼式一级动力学方程构建农作物重金属净吸收量＝农作物吸收量-农作物残体还田量；
其中，所述农作物吸收量是利用农作物根部特性和供应，结合米曼式一级动力学方程进行表征。
3.根据权利要求2所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述农作物根部特性采用Verhulst-Pearl逻辑生长函数进行模拟。
4.根据权利要求1所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述基于相态平衡原理，对土壤重金属各相态相互作用的动力学平衡关系进行表征，得到土壤重金属富集过程形态预测模型包括以下步骤：
基于相态平衡原理构建土壤重金属元素总量＝土壤重金属溶液相+土壤重金属吸附相+土壤重金属矿物相+土壤重金属有机相+土壤重金属残渣相；
其中，所述土壤重金属溶液相和土壤重金属吸附相的变化应用Freundlich吸附方程进行表征，所述土壤重金属矿物相的沉淀-溶解过程应用一级动力学溶质模型表征，所述重金属有机相的矿化过程应用一级动力学成矿模型表征。
5.根据权利要求4所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述基于重金属通量平衡原理，对土壤-农作物系统重金属总量变化过程进行表征，得到土壤-农作物系统重金属富集过程预测模型包括以下步骤：
基于重金属通量平衡原理构建用于描述土壤-农作物系统重金属总量的变化过程，包括输入过程和输出过程；
所述输入过程包括大气输入源、灌溉输入源、施肥输入源和轮作模式中的秸秆还田输入源；
所述输出过程包括农作物净吸收过程、经农作物根部和土壤剖面的下渗过程和地表径流过程。
6.根据权利要求5所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述经农作物根部和土壤剖面的下渗过程采用包气带水分运移模型Richards方程进行表征。
7.根据权利要求1所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述将所得轮作模式下农作物重金属富集过程预测模型、土壤重金属富集过程形态预测模型和土壤-农作物系统重金属富集过程预测模型进行耦合，构建轮作模式下土壤-农作物系统重金属富集过程预测模型包括以下步骤：
耦合子模型构建轮作模式下土壤-农作物系统重金属富集过程预测模型的同时，结合敏感性分析方法获取影响土壤-农作物系统重金属富集过程的关键参数及其变化趋势。
8.根据权利要求1所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述对得到的轮作模式下土壤-农作物系统重金属富集过程预测模型进行优化包括以下步骤：
应用所构建的轮作模式下土壤-农作物系统重金属富集过程预测模型，
通过实测参数和MonteCarlo随机抽样方法对模拟结果进行多次抽样，比较观测值和预测值差异，优化模型输入参数，提高模型预测精度。
9.根据权利要求8所述的不同轮作模式下土壤-农作物系统重金属富集过程模拟方法，其特征在于，所述根据不同轮作措施下区域土壤-农作物系统重金属富集风险及其变化趋势，获取相应的防治优化对策包括以下步骤：
基于所构建的轮作模式下土壤-农作物系统重金属富集过程预测模型，结合区域农业发展需求开展多场景模拟，预测不同轮作措施下区域土壤-农作物系统重金属富集风险及其变化趋势，评估不同轮作措施在重金属污染农田长期应用的可持续性和潜在风险，获取区域农作物重金属污染防治优化对策。
CN202310116252.XA 2023-02-09 2023-02-09 不同轮作模式下土壤-农作物系统重金属富集过程模拟方法 Active CN116108730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310116252.XA CN116108730B (zh) 2023-02-09 2023-02-09 不同轮作模式下土壤-农作物系统重金属富集过程模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310116252.XA CN116108730B (zh) 2023-02-09 2023-02-09 不同轮作模式下土壤-农作物系统重金属富集过程模拟方法

Publications (2)

Publication Number Publication Date
CN116108730A true CN116108730A (zh) 2023-05-12
CN116108730B CN116108730B (zh) 2023-07-14

Family

ID=86253956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310116252.XA Active CN116108730B (zh) 2023-02-09 2023-02-09 不同轮作模式下土壤-农作物系统重金属富集过程模拟方法

Country Status (1)

Country Link
CN (1) CN116108730B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230930A (zh) * 2011-03-29 2011-11-02 中国科学院南京土壤研究所 一种田间试验模拟系统及其制造方法
CN107356583A (zh) * 2017-08-16 2017-11-17 广西师范大学 一种用四苯硼钠配体调控纳米银催化活性表面增强拉曼光谱测定nh4+的方法
US20180148390A1 (en) * 2016-10-25 2018-05-31 Waterscience, Inc. Method and composition for retaining nutrients in soil at planting sites
CN114417604A (zh) * 2022-01-18 2022-04-29 中国科学院生态环境研究中心 基于质量平衡原理的土壤重金属累积过程概率模拟方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102230930A (zh) * 2011-03-29 2011-11-02 中国科学院南京土壤研究所 一种田间试验模拟系统及其制造方法
US20180148390A1 (en) * 2016-10-25 2018-05-31 Waterscience, Inc. Method and composition for retaining nutrients in soil at planting sites
CN107356583A (zh) * 2017-08-16 2017-11-17 广西师范大学 一种用四苯硼钠配体调控纳米银催化活性表面增强拉曼光谱测定nh4+的方法
CN114417604A (zh) * 2022-01-18 2022-04-29 中国科学院生态环境研究中心 基于质量平衡原理的土壤重金属累积过程概率模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHIQIANG CAO ET AL.: "Different crop rotation patterns vary heavy metals behavior in soils under plastic sheds: Evidence from field research", PROCESS SAFETY AND ENVIRONMENTAL PROTECTION, pages 543 - 552 *
陈璘涵: "不同植物及其种植模式修复轻中度镉污染土壤潜力的比较", 中国优秀硕士学位论文全文数据库工程科技Ⅰ辑, pages 027 - 24 *

Also Published As

Publication number Publication date
CN116108730B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
Wu et al. Effect of different drip fertigation methods on maize yield, nutrient and water productivity in two-soils in Northeast China
Kibe et al. Water–nitrogen relationships for wheat growth and productivity in late sown conditions
Li et al. Evaluation and application of ORYZA2000 for irrigation scheduling of puddled transplanted rice in north west India
Marteau et al. The onset of the rainy season and farmers’ sowing strategy for pearl millet cultivation in Southwest Niger
Affholder et al. The yield gap of major food crops in family agriculture in the tropics: Assessment and analysis through field surveys and modelling
Aubinet et al. Carbon sequestration by a crop over a 4-year sugar beet/winter wheat/seed potato/winter wheat rotation cycle
Inman-Bamber et al. Water relations in sugarcane and response to water deficits
TEPE et al. Critical period of weed control in chickpea under non-irrigated conditions
MacCarthy et al. Modeling nutrient and water productivity of sorghum in smallholder farming systems in a semi-arid region of Ghana
Skocaj et al. Nitrogen management guidelines for sugarcane production in Australia: can these be modified for wet tropical conditions using seasonal climate forecasting?
Yarami et al. Physiological growth and gas exchange response of saffron (Crocus sativus L.) to irrigation water salinity, manure application and planting method
Yang et al. Estimation of groundwater use by crop production simulated by DSSAT‐wheat and DSSAT‐maize models in the piedmont region of the North China Plain
Krishnamurthy et al. Large variation for salinity tolerance in the core collection of foxtail millet (Setaria italica (L.) P. Beauv.) germplasm
Shao et al. Yield and water use response of winter wheat to winter irrigation in the North China Plain
Temesgen et al. Assessment of strip tillage systems for maize production in semi-arid Ethiopia: Effects on grain yield, water balance and water productivity
Li et al. Modification of CSM-CROPGRO-Cotton model for simulating cotton growth and yield under various deficit irrigation strategies
Xiangxiang et al. Logistic model analysis of winter wheat growth on China's Loess Plateau
Lin et al. Soybean and maize simulation under different degrees of soil erosion
Siopongco et al. Root growth and water extraction response of doubled-haploid rice lines to drought and rewatering during the vegetative stage
Bates et al. Variable-rate mechanical crop adjustment for crop load balance in ‘Concord’vineyards
Jiang et al. Effects of different cropping systems on ammonia nitrogen load in a typical agricultural watershed of South China
Ashok K et al. Water and nitrogen management effects on biomass accumulation and partitioning in two potato cultivars
Mohanty et al. Estimating impact of puddling, tillage and residue management on wheat (Triticum aestivum, L.) seedling emergence and growth in a rice–wheat system using nonlinear regression models
CN112541611B (zh) 一种雨养农用地面源污染排放量预测方法及系统
CN116108730B (zh) 不同轮作模式下土壤-农作物系统重金属富集过程模拟方法

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