CN117999897A - 一种治理灌溉区用地盐碱化污染的综合性方法 - Google Patents
一种治理灌溉区用地盐碱化污染的综合性方法 Download PDFInfo
- Publication number
- CN117999897A CN117999897A CN202410418947.8A CN202410418947A CN117999897A CN 117999897 A CN117999897 A CN 117999897A CN 202410418947 A CN202410418947 A CN 202410418947A CN 117999897 A CN117999897 A CN 117999897A
- Authority
- CN
- China
- Prior art keywords
- soil
- value
- depth
- conductivity
- carbon content
- 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
- 238000003973 irrigation Methods 0.000 title claims abstract description 78
- 230000002262 irrigation Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000002689 soil Substances 0.000 claims abstract description 817
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 180
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 179
- 239000002028 Biomass Substances 0.000 claims abstract description 134
- 235000010469 Glycine max Nutrition 0.000 claims abstract description 113
- 244000068988 Glycine max Species 0.000 claims abstract description 113
- 239000003513 alkali Substances 0.000 claims abstract description 79
- 230000000813 microbial effect Effects 0.000 claims abstract description 76
- 150000001875 compounds Chemical class 0.000 claims abstract description 66
- 244000005700 microbiome Species 0.000 claims description 101
- 238000009826 distribution Methods 0.000 claims description 30
- 239000000047 product Substances 0.000 claims description 30
- 238000012952 Resampling Methods 0.000 claims description 28
- 239000002361 compost Substances 0.000 claims description 28
- 150000003839 salts Chemical class 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 23
- 239000005416 organic matter Substances 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 239000010440 gypsum Substances 0.000 claims description 22
- 229910052602 gypsum Inorganic materials 0.000 claims description 22
- 239000002910 solid waste Substances 0.000 claims description 22
- 238000012876 topography Methods 0.000 claims description 22
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 18
- 241000894006 Bacteria Species 0.000 claims description 17
- 238000011161 development Methods 0.000 claims description 16
- 230000035699 permeability Effects 0.000 claims description 16
- 239000000843 powder Substances 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 claims description 15
- 229910052921 ammonium sulfate Inorganic materials 0.000 claims description 15
- 235000011130 ammonium sulphate Nutrition 0.000 claims description 15
- 235000015097 nutrients Nutrition 0.000 claims description 15
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims description 14
- 230000001965 increasing effect Effects 0.000 claims description 13
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 10
- 230000009286 beneficial effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 230000001737 promoting effect Effects 0.000 claims description 10
- 229910052717 sulfur Inorganic materials 0.000 claims description 10
- 239000011593 sulfur Substances 0.000 claims description 10
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 238000009264 composting Methods 0.000 claims description 9
- -1 biochar Substances 0.000 claims description 8
- 239000006227 byproduct Substances 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 239000013505 freshwater Substances 0.000 claims description 7
- 239000010902 straw Substances 0.000 claims description 7
- 239000002023 wood Substances 0.000 claims description 7
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims description 6
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims description 6
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000035558 fertility Effects 0.000 claims description 6
- 238000003958 fumigation Methods 0.000 claims description 6
- 239000003621 irrigation water Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 229910019142 PO4 Inorganic materials 0.000 claims description 4
- 239000002154 agricultural waste Substances 0.000 claims description 4
- 238000005056 compaction Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 238000011010 flushing procedure Methods 0.000 claims description 4
- 238000002386 leaching Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 239000010813 municipal solid waste Substances 0.000 claims description 4
- 239000010452 phosphate Substances 0.000 claims description 4
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000003381 solubilizing effect Effects 0.000 claims description 4
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 claims description 3
- 229910001424 calcium ion Inorganic materials 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims description 3
- 238000007710 freezing Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000010815 organic waste Substances 0.000 claims description 3
- 230000001590 oxidative effect Effects 0.000 claims description 3
- 229910001415 sodium ion Inorganic materials 0.000 claims description 3
- 238000004856 soil analysis Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 abstract description 8
- 239000002699 waste material Substances 0.000 abstract description 4
- 239000010410 layer Substances 0.000 description 17
- 230000006872 improvement Effects 0.000 description 9
- 238000007619 statistical method Methods 0.000 description 8
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 239000002344 surface layer Substances 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 239000002585 base Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000020477 pH reduction Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- OTYBMLCTZGSZBG-UHFFFAOYSA-L potassium sulfate Chemical compound [K+].[K+].[O-]S([O-])(=O)=O OTYBMLCTZGSZBG-UHFFFAOYSA-L 0.000 description 2
- 229910052939 potassium sulfate Inorganic materials 0.000 description 2
- 235000011151 potassium sulphates Nutrition 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 235000015112 vegetable and seed oil Nutrition 0.000 description 2
- 239000008158 vegetable oil Substances 0.000 description 2
- 241000186361 Actinobacteria <class> Species 0.000 description 1
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 235000016068 Berberis vulgaris Nutrition 0.000 description 1
- 241000335053 Beta vulgaris Species 0.000 description 1
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000244365 Ligusticum sinense Species 0.000 description 1
- 241000736262 Microbiota Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 241000589180 Rhizobium Species 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000000416 exudates and transudate Anatomy 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 230000015784 hyperosmotic salinity response Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 235000013379 molasses Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 244000052769 pathogen Species 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002688 soil aggregate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Soil Conditioners And Soil-Stabilizing Materials (AREA)
Abstract
本发明提供了一种治理灌溉区用地盐碱化污染的综合性方法，属于土壤治理技术领域，本发明包括以下步骤：S1划分子区域；S2采集土壤样本；S3获取土壤数据；S4地形调整；S5制定治理措施。本发明通过划分子区域、采集土壤样本并获取土壤数据，综合考虑了土壤电导率、pH值、有机碳含量和微生物生物量多个指标，能够全面了解土壤的化学和生物特性，能够有针对性地对不同子区域的具体情况采取相应的措施，并选择合适的土壤盐碱复合调理剂，避免了不必要的成本浪费，从而全面改善土壤结构，降低土壤盐碱度，提升大豆生长环境的整体品质。
Description
技术领域
本发明属于土壤治理技术领域，特别是一种治理灌溉区用地盐碱化污染的综合性方法。
背景技术
中温带半湿润季风气候地区具有冬季寒冷干燥，夏季炎热多雨等特点，这种气候条件适宜大豆的生长发育，随着实施大中型灌溉区续建配套与现代化改造项目，灌溉区的大豆种植面积逐年增多。然而，由于施肥不当，尤其是使用含盐量高的化学肥料，会增加土壤中的盐分负担，进而导致土壤盐碱化问题的出现；某些地区的土壤具有高蒸发量，尤其在夏季，加剧了盐分的积累；此外，在灌溉区地势较低的地方，排水不畅会导致灌溉水在土壤表面蓄水或内涝，加速地表蒸发，促进盐分的积累；这些因素导致灌溉区内部分大豆用地出现轻度到中度盐碱化问题，进而抑制了大豆的生长和发育，高盐度影响植物根系的吸收能力，导致水分和营养元素的吸收不足；盐碱土壤还会影响土壤中的微生物活性和营养元素循环，进而引起土壤中氮、磷、钾等营养元素的不平衡，影响大豆的正常生长和发育。因此，治理灌溉区大豆用地盐碱化问题刻不容缓，但当前面临着诸多挑战和难题：
1、土壤盐碱化程度准确评估：在采样的时候，需要考虑到灌溉、排水和地形等因素的空间异质性，如何确保采集的样本能够真实反映研究区域的土壤状况是一个难题，土壤盐分在垂直方向上的分布不均匀性，因为盐分可以随着水分的上升和下降在土壤剖面中移动，导致不同深度的盐分积累情况可能迥然不同；如何准确评估研究区域的综合土壤数据，也是一个难题；
2、土壤改良技术的选择和应用的挑战：不同程度的盐碱化需要采取不同的土壤改良措施，如何根据综合土壤数据选择适合条件的改良方法并合理应用存在挑战；
3、经济成本：治理土壤盐碱化污染是一项成本高昂的任务，不同程度的盐碱化需要采取不同的改良措施，因此选择适当的改良材料至关重要，然而，这些材料通常包括特殊的土壤改良剂、有机物质或其他化学品，它们的采购和应用成本较高；特别是对于盐碱土壤而言，需要大量的特殊改良剂来中和盐分并改善土壤结构，这进一步增加了治理的经济负担，因此，在治理过程中，如何在成本上取得平衡，选择和使用适当的土壤改良材料是一个重要的挑战。
发明内容
本发明的目的是针对现有的技术存在上述问题，提出了一种治理灌溉区用地盐碱化污染的综合性方法。
本发明的目的可通过下列技术方案来实现：一种治理灌溉区用地盐碱化污染的综合性方法，所述综合性方法用于治理灌溉区大豆用地盐碱化污染，所述综合方法包括以下步骤：
S1划分子区域：根据地形、土壤类型和灌溉设施分布因素，将灌溉区内大豆用地划分为若干子区域；
划分子区域的目的在于根据不同的地形、土壤类型和灌溉设施分布因素，将灌溉区内的大豆用地划分为若干子区域，以便更精细地了解每个区域的土壤状况和特点，这有助于有针对性地采取针对性的治理措施，提高治理效率和效果。
S2采集土壤样本：从每个子区域采集土壤样本；每个子区域的土壤样本包括土壤电导率样本、土壤pH值样本、土壤有机碳含量样本和土壤微生物生物量样本；
土壤电导率样本包括若干0-10厘米深度土壤电导率样本和若干10-30厘米深度土壤电导率样本和若干30-60厘米深度土壤电导率样本；
土壤pH值样本包括若干0-10厘米深度土壤pH值样本、若干10-30厘米深度土壤pH值样本；
土壤有机碳含量样本包括若干0-10厘米深度土壤有机碳含量样本、若干10-30厘米深度土壤有机碳含量样本；
土壤微生物生物量样本包括若干0-10厘米深度土壤微生物生物量样本、若干10-30厘米深度土壤微生物生物量样本；
土壤电导率样本：表层土壤（0-10厘米深度）：大豆的根系主要分布在表层土壤中，而盐碱化问题通常首先影响表层土壤，因此，采集0-10厘米深度的土壤电导率样本可以反映大豆根系所处的主要生长环境，以及受盐碱化影响的程度；中层土壤（10-30厘米深度）：这一深度范围内的土壤电导率样本能够提供关于土壤盐碱化情况的更深入了解，即使大豆的根系主要分布在表层土壤中，但中层土壤的盐碱化状况也可能对大豆的生长产生影响，尤其是在灌溉条件下，因此，采集10-30厘米深度的土壤电导率样本有助于评估整个根系生长区域的盐碱化程度；深层土壤（30-60厘米深度）：虽然大豆的根系主要分布在表层和中层土壤中，但深层土壤的状况同样对大豆的生长和发育具有一定的影响，特别是在灌溉条件下，深层土壤中的盐分和水分状况会影响到土壤中水分的运移和根系的生长深度；因此，采集深层土壤样本能够全面评估土壤的垂直分布特征，为确定大豆生长环境的整体状况提供重要参考，综合采集不同深度的土壤电导率样本能够全面评估土壤的盐碱化程度，为制定针对性的治理方案提供科学依据。
土壤PH值样本：0-10厘米深度：因此0-10厘米深度的土壤pH值样本能够直接反映大豆根系所处的土壤环境，这个深度范围内的土壤pH值变化对大豆的生长影响较为直接和重要；10-30厘米深度：10-30厘米深度的土壤pH值样本可以提供更全面的土壤信息，这个深度范围内的土壤pH值变化可以反映出土壤的垂直变化情况，同时也能够间接反映出地下水位变化对土壤的影响；综合采集不同深度的土壤pH值样本可以全面了解土壤的酸碱状况，并帮助评估不同深度土壤的盐碱化情况，为制定针对性的治理措施提供科学依据。
土壤有机碳含量样本：0-10厘米深度：这个深度范围内的土壤有机碳含量样本能够反映大豆根系所处的土壤层的有机质含量，因此，0-10厘米深度的土壤有机碳含量样本可以提供关于大豆生长的直接影响因素；10-30厘米深度：10-30厘米深度的土壤有机碳含量样本可以提供更全面的土壤信息；这个深度范围内的土壤有机碳含量变化反映了土壤的垂直分布情况，同时也反映了地下水位变化对土壤有机质的影响。
土壤微生物生物量样本：0-10厘米深度：这个深度范围内的土壤微生物活动更为活跃，因此，0-10厘米深度的土壤微生物生物量样本可以更准确地反映大豆根系所处的土壤层的微生物群落和活性水平；10-30厘米深度：10-30厘米深度的土壤微生物生物量样本可以提供更全面的微生物信息，这个深度范围内的土壤微生物群落受到不同程度的影响，同时也可以反映土壤微生物群落在不同深度的分布情况；综合采集不同深度的土壤微生物生物量样本可以全面了解土壤微生物群落的分布和活性水平，评估土壤健康状况，为灌溉区盐碱化治理提供科学依据。
S3获取土壤数据：通过对每个子区域的土壤样本进行分析，得到每个子区域的土壤数据，土壤数据包括土壤电导率值数据、土壤pH值数据、土壤有机碳含量值数据和土壤微生物生物量值数据；
土壤电导率值数据：土壤电导率是衡量土壤中盐分含量的重要指标，与土壤中的盐分含量成正比，反映了土壤的盐碱化程度，较高的土壤电导率值通常意味着较高的盐分含量，会抑制作物的吸水能力，影响作物的正常生长，通过分析土壤电导率值数据，可以准确判断灌溉区内不同子区域的盐碱化程度，进而采取相应的改良措施。
土壤pH值数据：土壤pH值是反映土壤酸碱状态的重要指标，直接影响到土壤中营养元素的有效性和微生物的活性，不适宜的pH值会影响作物的吸收营养和生长，通过分析土壤pH值数据，可以了解土壤的酸碱状况，及时采取措施调整土壤pH值。
土壤有机碳含量值数据：土壤有机碳含量反映了土壤的肥力和有机质水平，是影响土壤结构和促进作物生长的重要因素，有机碳的提高可以增加土壤的保水性和通气性，促进根系发展；通过分析土壤有机碳含量值数据，可以评估土壤的肥力状况，为施肥和改良土壤提供依据。
土壤微生物生物量值数据：土壤微生物生物量反映了土壤中微生物的活性和多样性，是土壤健康和生态功能的重要指标，土壤微生物在有机质分解、营养循环、增强作物抗病力等方面发挥着关键作用，通过分析土壤微生物生物量值数据，可以评估土壤健康状况，指导合理施用生物肥料和采取农业管理措施，以促进土壤微生物群落的平衡发展。
S4地形调整：通过地形测绘和分析，使用土地平整或造坡的技术，调整大豆用地，使大豆用地子区域达到预定的坡度目标，大豆用地子区域的坡度为0.5%-3%；
安装地下排水管或构建排水沟渠，以便于水分在土壤内部的移动和排出；
使用0.5%至3%的坡度进行大豆用地区域的调整，旨在优化水分管理，灌溉不便利的子区域倾向于选择0.5%-1%的低坡度，以最大限度地减少水分流失，提高水分利用率；灌溉便利的子区域采用中等坡度1%-2%，这样既可以保证良好的排水，又能充分利用自然降水和灌溉水；土壤类型排水性差的子区域使用2%-3%的较高坡度，以促进快速有效的水分排除，防止根区水分过饱和。
S5制定治理措施：
S5.1深翻松土：将土壤进行深翻松土处理，深翻的深度设定为30-45厘米，以打破土壤紧实层，增加土壤深层的透气性和水分渗透性，为大豆根系生长提供良好环境；
大豆的根系生长较为浅表，一般主要分布在土壤表层的0-30厘米深度范围内。因此，将深翻松土的深度设定在30-45厘米之间，可以确保土壤紧实层被有效打破，同时不会过度干扰大豆的根系分布，这样做有助于增加土壤的通气性和水分渗透性，为大豆根系提供更好的生长环境，从而提高大豆的生长发育和产量。
S5.2应用土壤盐碱复合调理剂：向经过深翻松土处理后的土壤中加入土壤盐碱复合调理剂；土壤盐碱复合调理剂分为A类土壤盐碱复合调理剂和B类土壤盐碱复合调理剂；
土壤电导率值为2-4 dS/m盐碱性大豆用地采用A类土壤盐碱复合调理剂，A类土壤盐碱复合调理剂分为A1类土壤盐碱复合调理剂和A2类土壤盐碱复合调理剂；
土壤PH值为7.0-7.5时，采用A1类土壤盐碱复合调理剂，A1类土壤盐碱复合调理剂为生石膏粉、生物碳和固废堆肥中的至少一种；
土壤PH值为7.6-8.5时，采用A2类土壤盐碱复合调理剂，A2类土壤盐碱复合调理剂为生石膏粉料、生物碳，固废堆肥和硫酸铵中的至少一种；
灌溉区土壤电导率值为2-4 dS/m盐碱性大豆用地，大部分情况的土壤PH值范围在7.0到8.5之间。
在A1类土壤盐碱复合调理剂和A2类土壤盐碱复合调理剂中，当土壤有机碳含量值高于4%时，不使用生物碳；当土壤微生物生物量值大于500μg C/g 土壤时，不使用固废堆肥；
当土壤有机碳含量值高于4%时不使用生物碳的原因是因为土壤已经具有较高的有机质含量，进一步添加生物碳会导致土壤有机质过度积累，从而影响土壤结构和通气性，甚至引发其他问题，如土壤缺氧等，因此，选择不添加生物碳是为了避免潜在的负面影响，保持土壤的良好状态；
对于土壤微生物生物量值大于500μg C/g土壤时不使用固废堆肥的情况原因如下：单位解释：“μg C/g土壤”单位解释：土壤微生物生物量值是通过氯仿熏蒸提取法获得，在熏蒸过程中，氯仿熏蒸是用来杀死土壤样品中的微生物，从而使微生物细胞内的有机碳释放到土壤溶液中，这个过程确保了所测定的有机碳主要来源于微生物，而不是土壤本身的有机物，在提取过程，使用硫酸钾溶液提取土样中的溶解性有机碳，包括熏蒸样本和未熏蒸样本，使得可以比较这两个样本中的有机碳含量差异，这个差异反映了土壤微生物的生物量碳。
这个单位直接反映了测量的对象和目的，其中，“μg C”表示微克级别的碳，这是测量土壤微生物生物量的核心；“/g土壤”表明这是相对于每克土壤来说的，提供了一个标准化的比较基准；
使用“μg C/g土壤”单位，能够直观反映出土壤微生物生物量的多少，有助于科研人员了解土壤微生物活性的水平和土壤健康状态，这个单位也便于将不同研究或不同样地的数据进行比较，通过量化土壤中的微生物生物量碳，研究者可以评估土壤的生物质和生态功能。
具体来说，当土壤微生物生物量值高于500μg C/g时，表示以下情况：
1、土壤中有丰富的有机质来源，例如植物残渣、根系分泌物等，这些有机质提供了微生物生长和繁殖所需的碳源，
2、土壤中的环境条件适宜微生物的生存和活动，例如适宜的温度、湿度和氧气水平。
3、土壤中存在大量的微生物群落，包括细菌、真菌、放线菌等，它们在土壤生态系统中扮演着重要角色，如分解有机物、循环养分、抑制病原体等。
这样的土壤具有良好的农业生产潜力，因为土壤微生物活跃度高通常与土壤肥力和作物生长状况密切相关，总之，土壤微生物生物量值大于500μg C/g显示出土壤中微生物群落丰富、活跃度高，这对于土壤的生态健康和农业生产都具有积极的意义。固废堆肥是经过微生物处理后得来的，本身固废堆肥中含有大量的微生物群落，微生物量满足的情况下，再加入固废堆废会导致土壤微生物群落的失衡或不良反应，过多的微生物会导致养分的过度消耗或者过度释放，从而破坏土壤中的养分平衡，影响植物的生长和发育。
在土壤电导率值为4-8 dS/m、土壤PH值为8.6-9.5大豆用地的子区域采用B类土壤盐碱复合调理剂；B类土壤盐碱复合调理剂包括生石膏粉、生物碳、酸化有机堆肥、硫磺、硫酸铵和土壤复合菌营养液；
S5.3灌溉淋洗：采用若干次淡水灌溉，通过淡水灌溉水将大豆用地土壤中的盐分冲洗到下层或排出，直至土壤的盐碱度降至预设目标。
优选的，在步骤S1中，划分子区域的过程如下：通过地形图和地形测量数据，识别地势高低、坡度以及低洼地区，使划分的子区域地形均匀，避免跨越明显的地形变化，影响灌溉和排水效率；
依据现有灌溉设施的布局和条件，将灌溉设施覆盖均匀、灌溉效率一致的区域作为一个单独的子区域，
基于土壤图或通过现场采样进行土壤分析，将具有同一土壤特性的区域归为同一子区域。
优选的，在步骤S3中，土壤电导率值数据得到过程如下：
A1采用土壤电导率检测仪分别对若干0-10厘米深度土壤电导率样本、若干10-30厘米深度土壤电导率样本和若干30-60厘米深度土壤电导率样本进行检测，得到若干0-10厘米深度土壤电导率原始值数据、若干10-30厘米深度土壤电导率原始值数据和若干30-60厘米深度土壤电导率原始值数据；
A2计算若干0-10厘米深度土壤电导率原始值数据的平均值，得到0-10厘米深度土壤电导率值σ1；计算若干0-10厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤电导率值的σ1的20%，进行重新采样；
A3计算若干10-30厘米深度土壤电导率原始值数据的平均值，得到10-30厘米深度土壤电导率值σ2；计算若干10-30厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤电导率值σ2的20%，进行重新采样；
A4计算若干30-60厘米深度土壤电导率原始值数据的平均值，得到30-60厘米深度土壤电导率值σ3；计算若干30-60厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过30-60厘米深度土壤电导率值σ3的20%，进行重新采样；
A5采用电导率值公式进行计算，得到土壤电导率值；电导率值公式为：土壤电导率值=电导率权重系数1×σ1+电导率权重系数2×σ2+电导率权重系数3×σ3，其中电导率权重系数1为0.7-08，电导率权重系数2为0.2-0.3，电导率权重系数3为0-0.1，电导率权重系数1+电导率权重系数2+电导率权重系数3=1。
灌溉区不同深度电导率权重系数的得出过程如下：
1、数据收集与分析：
大豆根系分布密度调查：通过查询灌溉区历史大豆根系分布密度数据，收集大豆根系在0-10厘米、10-30厘米、30-60厘米深度的根系分布密度数据；
土壤电导率对大豆生长影响的研究：通过查询灌溉区历史大豆根系分布密度数据，明确0-10厘米、10-30厘米和30-60厘米深度土壤电导率对大豆生长发育的具体影响；
利用灌溉区大豆产量历史数据，明确0-10厘米、10-30厘米和30-60厘米深度土壤电导率土壤电导率与大豆产量之间的相关性；
2、定量分析：基于收集到的数据进行统计分析，确定不同深度的土壤电导率的实际影响大小，采用多元回归分析统计方法，量化灌溉区0-10厘米、10-30厘米和30-60厘米深度的土壤电导率对大豆产量的具体影响，最终确定电导率权重系数1、电导率权重系数2和电导率权重系数3。
大豆的根系通常分为主根和侧根，在生长初期，大豆的主根系主要分布在土壤表层，大约在0-10厘米的范围内；随着生长的延伸，大豆的主根系逐渐向下延伸，同时发展出更多的侧根，使根系范围扩大到10-30厘米深度的土壤中。在生长期末期，大豆的根系延伸到30-60厘米深度的土壤中，但主要根系仍然集中在较浅的土层；因此，大豆的根系范围主要集中在0-30厘米深度的土壤中，其中较为活跃和密集的根系分布在0-10厘米深度范围内，考虑到根系的分布情况，针对大豆生长特性进行土壤电导率值的采样和计算时，需要更加重视较浅层土壤的电导率情况。
通过加权平均计算，可以将不同深度土壤的电导率值综合起来，得到一个整体的土壤电导率值，更真实的反应子区域的电导率值，有助于决策者更全面地了解子区域的盐碱化程度，并制定相应的治理方案。
优选的，在步骤S3中，土壤pH值数据得到过程如下：
B1采用土壤pH计或土壤酸碱度计分别对若干0-10厘米深度土壤pH值样本和若干10-30厘米深度土壤pH值样本，得到若干0-10厘米深度土壤pH原始值数据和若干10-30厘米深度土壤pH原始值数据；
B2计算若干0-10厘米深度土壤pH原始值数据的平均值，得到0-10厘米深度土壤电导率值X1,计算若干0-10厘米深度土壤pH原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤电导率值X1的20%，重新采样；计算若干10-25厘米深度土壤pH原始值数据的平均值，得到10-30厘米深度土壤电导率值X2，计算若干10-30厘米深度土壤pH原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤电导率值X2的20%，重新采样；
B3采用PH值公式进行计算，得到土壤PH值；PH值公式为：土壤PH值=PH权重系数1×X1+PH权重系数2×X2，其中PH权重系数1为0.75-0.8，PH权重系数2为0.2-0.25；PH权重系数1+PH权重系数2=1。
灌溉区不同深度PH权重系数的得出过程如下：
1、数据收集与分析：
大豆根系分布密度调查：通过查询灌溉区历史大豆根系分布密度数据，收集大豆根系在0-10厘米、10-30厘米深度的根系分布密度数据；
土壤PH值对大豆生长影响的研究：通过查询灌溉区历史大豆根系分布密度数据，明确0-10厘米、10-30厘米深度土壤PH值对大豆生长发育的具体影响；
利用灌溉区大豆产量历史数据，明确0-10厘米、10-30厘米深度土壤PH值与大豆产量之间的相关性，
2、定量分析：基于收集到的数据进行统计分析，确定不同深度的土壤PH值的实际影响大小，采用多元回归分析统计方法，量化灌溉区0-10厘米、10-30厘米深度的土壤PH值对大豆产量的具体影响，最终确定PH权重系数1和PH权重系数2。
土壤的酸碱性分布通常呈现梯度状，表现为表层土壤的pH值相对较高，而深层土壤的pH值则较低，针对这种分布情况，需要更多地关注表层土壤的pH值对大豆生长的影响，大豆根系生长特性：大豆的根系主要分布在土壤的0-30厘米深度范围内，尤其是在生长初期，更多的根系集中在较浅的土层中（0-10厘米），因此，较浅层土壤的pH值对大豆的生长影响更为显著；
PH权重系数1：分配给0-10厘米深度土壤pH值的权重系数较高，因为这一深度范围内土壤的pH值更直接地影响着大豆的生长，因此，PH权重系数1的取值范围较大（0.75-0.8），以确保更多地反映表层土壤的pH情况。
PH权重系数2：分配给10-30厘米深度土壤pH值的权重系数较低，因为这一深度范围内土壤的pH值对大豆的生长影响相对较小，因此，PH权重系数2的取值范围较小（0.2-0.25），以确保在综合计算中对深层土壤pH值的影响进行适当考虑，但不会过分影响整体土壤pH值的结果。
优选的，在步骤S3中，土壤有机碳含量值数据得到过程如下：
C1分别对若干0-10厘米深度土壤有机碳含量样本和若干10-30厘米深度土壤有机碳含量样本采用土壤有机碳含量测定法进行处理，得到若干0-10厘米深度土壤有机碳含量原始值数据和若干10-30厘米深度土壤有机碳含量原始值数据；
土壤有机碳含量测定法包括以下内容：通过高温燃烧的方式将土壤有机碳含量样本的碳元素氧化成二氧化碳，通过测定二氧化碳的含量，计算出土壤有机碳含量样本的总碳含量；利用盐酸与土壤有机碳含量样本反应，通过测定释放的二氧化碳的量，计算出土壤有机碳含量样本中无机碳含量；土壤有机碳含量为总碳含量减去无机碳含量；
C2计算若干0-10厘米土壤有机碳含量原始值数据的平均值，得到0-10厘米土壤有机碳含量值Y1；计算若干0-10厘米土壤有机碳含量原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤有机碳含量值Y1的20%,重新采样；计算若干10-30厘米土壤有机碳含量原始值数据的平均值，得到10-30厘米土壤有机碳含量值Y2，计算若干10-30厘米土壤有机碳含量原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤有机碳含量值Y2的20%,重新采样；
C3采用土壤有机碳含量公式进行计算，得到土壤有机碳含量值；土壤有机碳含量公式为：土壤有机碳含量值=土壤有机碳含量权重系数1×Y1+土壤有机碳含量权重系数2×Y2，其中土壤有机碳含量权重系数1为0.7-0.8，土壤有机碳含量权重系数2为0.2-0.3，土壤有机碳含量权重系数1+土壤有机碳含量权重系数2=1。
灌溉区不同深度土壤有机碳含量权重系数的得出过程如下：
1、数据收集与分析：
大豆根系分布密度调查：通过查询灌溉区历史大豆根系分布密度数据，收集大豆根系在0-10厘米、10-30厘米深度的根系分布密度数据；
土壤有机碳含量值对大豆生长影响的研究：通过查询灌溉区历史大豆根系分布密度数据，明确0-10厘米、10-30厘米深度土壤有机碳含量对大豆生长发育的具体影响；
利用灌溉区大豆产量历史数据，明确0-10厘米、10-30厘米深度土壤有机碳含量与大豆产量之间的相关性，
2、定量分析：基于收集到的数据进行统计分析，确定不同深度的土壤有机碳含量的实际影响大小，采用多元回归分析统计方法，量化灌溉区0-10厘米、10-30厘米深度的土壤有机碳含量对大豆产量的具体影响，最终确定有机碳含量权重系数1和有机碳含量权重系数2。
在大豆用地子区域内，表层土壤的有机碳含量通常较高，而深层土壤的有机碳含量则相对较低，这种分布情况受到植物残留物的分解和土壤生物活动的影响，大豆的根系主要分布在土壤的表层（0-30厘米深度范围内），尤其是在生长初期，更多的根系集中在较浅的土层中（0-10厘米），因此，需要更多地关注表层土壤的有机碳含量对大豆生长的影响。
优选的，在步骤S3中，土壤微生物生物量值数据得到过程如下：
D1分别对若干0-10厘米深度土壤微生物生物量样本和若干10-30厘米深度土壤微生物生物量样本采用氯仿熏蒸提取技术进行检测，得到若干0-10厘米深度土壤微生物生物量原始值数据和若干10-30厘米深度土壤微生物生物量原始值数据；在采取土壤微生物生物量样本后，将收集到的土壤微生物生物量样本转移到无菌袋或容器中，并在3-5°C条件下运输至实验室；如果不能立即进行分析，将土壤微生物生物量样本在不大于-20°C的温度冷冻保存，以保持微生物组成稳定；
D2分别对若干0-10厘米深度土壤微生物生物量原始值数据和若干10-30厘米深度土壤微生物生物量原始值数据，计算若干0-10厘米土壤微生物生物量原始值数据平均值，得到0-10厘米土壤微生物生物量值Z1,计算若干0-10厘米土壤微生物生物量原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤微生物生物量值Z1的20%,重新采样；计算若干10-30厘米土壤微生物生物量原始值数据平均值，得到10-30厘米土壤微生物生物量值Z2,计算若干10-30厘米土壤微生物生物量原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤微生物生物量值Z2的20%,重新采样；
D3采用土壤微生物生物量公式进行计算，得到土壤微生物生物量值；土壤微生物生物量公式为：土壤微生物生物量值=土壤微生物生物量权重系数1×Y1+土壤微生物生物量权重系数2×Y2，其中土壤微生物生物量权重系数1为0.75-0.85，土壤微生物生物量权重系数2为0.15-0.25，土壤微生物生物量权重系数1+土壤微生物生物量权重系数2=1。
3-5°C运输条件：这个温度范围旨在减缓微生物的代谢活动，从而防止微生物群落结构在运输过程中发生变化，保持低温可以减少微生物的活动，降低样本中微生物数量和组成的变化；
将土壤样品保存在低于-20°C温度下，可以有效地防止样品中的微生物活动和化学反应，从而保持样品的稳定性；
氯仿熏蒸提取法：
熏蒸：将部分土壤微生物生物量样本与无水氯仿在密闭容器中共同熏蒸24-48小时，使土壤微生物死亡并释放细胞内的有机物；
提取：使用硫酸钾溶液提取熏蒸和未熏蒸土样中的溶解性有机碳；
测定：通过分光光度计或有机碳分析仪测定溶解性有机碳的含量；
计算：生物量碳=（熏蒸土样中的碳含量 - 未熏蒸土样中的碳含量）/提取效率，其中提取效率为0.45。
灌溉区不同深度土壤微生物生物量权重系数的得出过程如下：
1、数据收集与分析：
大豆根系分布密度调查：通过查询灌溉区历史大豆根系分布密度数据，收集大豆根系在0-10厘米、10-30厘米深度的根系分布密度数据；
土壤微生物生物量值对大豆生长影响的研究：通过查询灌溉区历史大豆根系分布密度数据，明确0-10厘米、10-30厘米深度土壤微生物生物量对大豆生长发育的具体影响；
利用灌溉区大豆产量历史数据，明确0-10厘米、10-30厘米深度土壤微生物生物量与大豆产量之间的相关性，
2、定量分析：基于收集到的数据进行统计分析，确定不同深度的土壤微生物生物量的实际影响大小，采用多元回归分析统计方法，量化灌溉区0-10厘米、10-30厘米深度的土壤微生物生物量对大豆产量的具体影响，最终确定土壤微生物生物量权重系数1和土壤微生物生物量权重系数2。
优选的，在步骤S5.2中，在A类土壤盐碱复合调理剂中，生物碳来源于农作物秸秆、木屑的碳化产物，用于提高土壤有机碳含量，增强土壤的持水能力和改善土壤结构，促进土壤中有益微生物的活性，生物碳中碳的含量为50%-70%；
生石膏粉中生石膏含量大于90%，生石膏粉用于改良土壤结构和降低土壤盐分，生石膏粉中的钙离子替换土壤中钠离子，降低土壤电导率和pH值，增加土壤的透水性；
硫酸铵用于降低土壤pH值；硫酸铵在土壤中迅速溶解，硫酸根离子和土壤中的水分子反应生成硫酸，进而释放出氢离子，这些氢离子会与土壤中的碳酸盐和其他碱性物质反应，将它们中和，从而降低土壤的pH值，此外，铵离子也可以在土壤中与水分子反应生成氨和氢离子，进一步降低土壤的pH值；
固废堆肥为城市生活垃圾或农业废弃物的有机部分经过堆肥化处理和添加菌种后的产物；堆肥化处理为通过微生物将有机废弃物分解为有机质产品的过程；
在添加菌种过程中，依据土壤微生物生物量值，在有机质产品中按照1×10^6-5×10^6 CFU/g有机质产品的标准添加根瘤菌、1×10^6-5×10^6 CFU/g有机质产品的标准添加解磷细菌和1×10^6-5×10^6 CFU/g有机质产品的标准添加盐胁迫缓解细菌。固废堆肥用于提高土壤的肥力，改善土壤结构，促进大豆根系发展，添加的根瘤菌和解磷细菌用于增强大豆对氮、磷营养元素的吸收和利用，盐胁迫缓解细菌用于增强大豆的耐盐性。
优选的，在步骤S5.2中，在B类土壤盐碱复合调理剂中，生物碳来源于农作物秸秆、木屑的碳化产物，用于提高土壤有机碳含量，增强土壤的持水能力和改善土壤结构，促进土壤中有益微生物的活性；生物碳中碳的含量为60%-80%；
硫磺的纯度大于90%以，硫磺用于降低土壤PH值和改善盐碱地的土壤结构；
硫磺通过促进土壤中的有机质分解，释放有机酸和其他物质，有助于土壤团粒的形成，改善土壤结构，团粒结构的形成可以增加土壤的孔隙度和通气性，改善土壤的透水性和保水能力，有利于根系生长和作物的生长发育，具有长期效果；
硫酸铵用于降低土壤pH值；
土壤复合菌营养液用于增加土壤中微生物的多样性和数量，土壤复合菌营养液通过向市场购买获得。
酸化有机堆肥来源于工业副产品经过处理的有机酸化物料：糖厂副产品：如糖蜜和甜菜渣，这些副产品富含有机物和糖分，通过酸化处理来增加堆肥的营养价值和微生物活性；酿酒厂副产品：如酒糟和酒渣，这些含有丰富有机质和营养物质的副产品，通过酸化和堆肥化过程，可以转化为对土壤有益的有机物料；植物油加工副产品：如油脚（从植物油提炼过程中剩余的固体物质），富含脂肪酸，可通过酸化处理改善其在土壤中的分解速度和肥效。
与现有技术相比，本治理灌溉区用地盐碱化污染的综合性方法具有以下有益效果：
1、精细化治理：通过划分子区域、采集土壤样本并获取土壤数据，使得治理过程更加精细化，能够有针对性地针对不同子区域的具体情况采取相应的措施，同时避免了对整个灌溉区进行广泛的治理投入，节约了成本。
2、多元治理：综合运用地形调整、排水设施建设、深翻松土和土壤盐碱复合调理剂等多种治理措施，能够全面改善土壤结构和性质，降低土壤盐碱度，提升大豆生长环境的整体品质。
3、全面性：本发明综合考虑了土壤电导率、pH值、有机碳含量和微生物生物量多个指标，使得评估更加全面，能够全面了解土壤的化学和生物特性，选择合适的土壤盐碱复合调理剂，避免了不必要的成本浪费。
4、数据处理精确：通过对不同深度土壤样本进行检测和分析，并且在标准偏差超过一定阈值时进行重新采样，确保了数据的准确性和可靠性；在计算土壤电导率、pH值、有机碳含量和微生物生物量时，采用了权重系数，这些系数的设计考虑了各指标的重要性，使得评估结果更加合理和客观。
5、降低原材料成本：固废堆肥和酸化有机堆肥通常来源于废弃物或工业副产品，通过有效的处理和利用，可以降低原材料采购成本。
具体实施方式
以下是本发明的具体实施例，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
具体实施例一：
一种治理灌溉区用地盐碱化污染的综合性方法，综合性方法用于治理石家庄藁城区的灌溉区大豆用地盐碱化污染，综合方法包括以下步骤：
S1划分子区域：根据地形、土壤类型和灌溉设施分布因素，将灌溉区内大豆用地划分为若干子区域；通过地形图和地形测量数据，识别地势高低、坡度以及低洼地区，使划分的子区域地形均匀，避免跨越明显的地形变化，影响灌溉和排水效率；
依据现有灌溉设施的布局和条件，将灌溉设施覆盖均匀、灌溉效率一致的区域作为一个单独的子区域，
基于土壤图或通过现场采样进行土壤分析，将具有同一土壤特性的区域归为同一子区域。
S2采集土壤样本：从每个子区域采集土壤样本；每个子区域的土壤样本包括土壤电导率样本、土壤pH值样本、土壤有机碳含量样本和土壤微生物生物量样本；
土壤电导率样本包括若干0-10厘米深度土壤电导率样本和若干10-30厘米深度土壤电导率样本和若干30-60厘米深度土壤电导率样本；
土壤pH值样本包括若干0-10厘米深度土壤pH值样本和若干10-30厘米深度土壤pH值样本；
土壤有机碳含量样本包括若干0-10厘米深度土壤有机碳含量样本和若干10-30厘米深度土壤有机碳含量样本；
土壤微生物生物量样本包括若干0-10厘米深度土壤微生物生物量样本和若干10-30厘米深度土壤微生物生物量样本。
S3获取土壤数据：通过对每个子区域的土壤样本进行检测，得到每个子区域的土壤数据，土壤数据包括土壤电导率值数据、土壤pH值数据、土壤有机碳含量值数据和土壤微生物生物量值数据；
土壤电导率值数据得到过程如下：
A1采用土壤电导率检测仪分别对若干0-10厘米深度土壤电导率样本、若干10-30厘米深度土壤电导率样本和若干30-60厘米深度土壤电导率样本进行检测，得到若干0-10厘米深度土壤电导率原始值数据、若干10-30厘米深度土壤电导率原始值数据和若干30-60厘米深度土壤电导率原始值数据；
A2计算若干0-10厘米深度土壤电导率原始值数据的平均值，得到0-10厘米深度土壤电导率值σ1；计算若干0-10厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤电导率值σ1的20%，进行重新采样；
A3计算若干10-30厘米深度土壤电导率原始值数据的平均值，得到10-30厘米深度土壤电导率值σ2；计算若干10-30厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤电导率值σ2的20%，进行重新采样；
A4计算若干30-60厘米深度土壤电导率原始值数据的平均值，得到30-60厘米深度土壤电导率值σ3；计算若干30-60厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过30-60厘米深度土壤电导率值σ3的20%，进行重新采样；
A5采用电导率值公式进行计算，得到土壤电导率值；电导率值公式为：土壤电导率值=电导率权重系数1×σ1+电导率权重系数2×σ2+电导率权重系数3×σ3，其中电导率权重系数1为0.7-08，电导率权重系数2为0.2-0.3，电导率权重系数3为0-0.1，电导率权重系数1+电导率权重系数2+电导率权重系数3=1。
土壤pH值数据得到过程如下：
B1采用土壤pH计或土壤酸碱度计分别对若干0-10厘米深度土壤pH值样本和若干10-30厘米深度土壤pH值样本，得到若干0-10厘米深度土壤pH原始值数据和若干10-30厘米深度土壤pH原始值数据；
B2计算若干0-10厘米深度土壤pH原始值数据的平均值，得到0-10厘米深度土壤电导率值X1,计算若干0-10厘米深度土壤pH原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤电导率值X1的20%，重新采样；计算若干10-30厘米深度土壤pH原始值数据的平均值，得到10-30厘米深度土壤电导率值X2，计算若干10-30厘米深度土壤pH原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤电导率值X2的20%，重新采样；
B3采用PH值公式进行计算，得到土壤PH值；PH值公式为：土壤PH值=PH权重系数1×X1+PH权重系数2×X2，其中PH权重系数1为0.75-0.8，PH权重系数2为0.2-0.25；PH权重系数1+PH权重系数2=1。
C1分别对若干0-10厘米深度土壤有机碳含量样本和若干10-30厘米深度土壤有机碳含量样本采用土壤有机碳含量测定法进行处理，得到若干0-10厘米深度土壤有机碳含量原始值数据和若干10-30厘米深度土壤有机碳含量原始值数据；
土壤有机碳含量测定法包括以下内容：通过高温燃烧的方式将土壤有机碳含量样本的碳元素氧化成二氧化碳，通过测定二氧化碳的含量，计算出土壤有机碳含量样本的总碳含量；利用盐酸与土壤有机碳含量样本反应，通过测定释放的二氧化碳的量，计算出土壤有机碳含量样本中无机碳含量；土壤有机碳含量为总碳含量减去无机碳含量；
C2计算若干0-10厘米土壤有机碳含量原始值数据的平均值，得到0-10厘米土壤有机碳含量值Y1；计算若干0-10厘米土壤有机碳含量原始值数据的标准偏差，若标准偏差超过0-10厘米土壤有机碳含量值Y1的20%,重新采样；计算若干10-30厘米土壤有机碳含量原始值数据的平均值，得到10-30厘米土壤有机碳含量值Y2，计算若干10-30厘米土壤有机碳含量原始值数据的标准偏差，若标准偏差超过土10-30厘米土壤有机碳含量值Y2的20%,重新采样；
C3采用土壤有机碳含量公式进行计算，得到土壤有机碳含量值；土壤有机碳含量公式为：土壤有机碳含量值=土壤有机碳含量权重系数1×Y1+土壤有机碳含量权重系数2×Y2，其中土壤有机碳含量权重系数1为0.7-0.8，土壤有机碳含量权重系数2为0.2-0.3，土壤有机碳含量权重系数1+土壤有机碳含量权重系数2=1。
土壤微生物生物量值数据得到过程如下：
D1分别对若干0-10厘米深度土壤微生物生物量样本和若干10-30厘米深度土壤微生物生物量样本采用氯仿熏蒸提取技术进行检测，得到若干0-10厘米深度土壤微生物生物量原始值数据和若干10-30厘米深度土壤微生物生物量原始值数据；在采取土壤微生物生物量样本后，将收集到的土壤微生物生物量样本转移到无菌袋或容器中，并在3-5°C条件下运输至实验室；如果不能立即进行分析，将土壤微生物生物量样本在不大于-20°C的温度冷冻保存，以保持微生物组成稳定；
D2分别对若干0-10厘米深度土壤微生物生物量原始值数据和若干10-30厘米深度土壤微生物生物量原始值数据，计算若干0-10厘米土壤微生物生物量原始值数据平均值，得到0-10厘米土壤微生物生物量值Z1,计算若干0-10厘米土壤微生物生物量原始值数据的标准偏差，若标准偏差超过0-10厘米土壤微生物生物量值Z1的20%,重新采样；计算若干10-30厘米土壤微生物生物量原始值数据平均值，得到10-30厘米土壤微生物生物量值Z2,计算若干10-30厘米土壤微生物生物量原始值数据的标准偏差，若标准偏差超过10-30厘米土壤微生物生物量值Z2的20%,重新采样；
D3采用土壤微生物生物量公式进行计算，得到土壤微生物生物量值；土壤微生物生物量公式为：土壤微生物生物量值=土壤微生物生物量权重系数1×Y1+土壤微生物生物量权重系数2×Y2，其中土壤微生物生物量权重系数1为0.75-0.85，土壤微生物生物量权重系数2为0.15-0.25，土壤微生物生物量权重系数1+土壤微生物生物量权重系数2=1。
S4地形调整：通过地形测绘和分析，使用土地平整或造坡的技术，调整大豆用地，使大豆用地子区域达到预定的坡度目标，大豆用地子区域的坡度为0.5%-3%；
安装地下排水管或构建排水沟渠，以便水分在土壤的移动和排出；
灌溉不便利的子区域倾向于选择0.5%-1%的低坡度，以最大限度地减少水分流失，提高水分利用率；灌溉便利的子区域采用中等坡度1%-2%，这样既可以保证良好的排水，又能充分利用自然降水和灌溉水；土壤类型排水性差的子区域使用2%-3%的较高坡度，以促进快速有效的水分排除，防止根区水分过饱和。
S5制定治理措施：
S5.1深翻松土：将土壤进行深翻松土处理，深翻的深度设定为30-45厘米，以打破土壤紧实层，增加土壤深层的透气性和水分渗透性，为大豆根系生长提供良好环境；
S5.2应用土壤盐碱复合调理剂：向经过深翻松土处理后的土壤中加入土壤盐碱复合调理剂；土壤盐碱复合调理剂分为A类土壤盐碱复合调理剂和B类土壤盐碱复合调理剂；
土壤电导率值为2-4 dS/m盐碱性大豆用地采用A类土壤盐碱复合调理剂，A类土壤盐碱复合调理剂分为A1类土壤盐碱复合调理剂和A2类土壤盐碱复合调理剂；
土壤PH值为7.0-7.5时，采用A1类土壤盐碱复合调理剂，A1类土壤盐碱复合调理剂为生石膏粉、生物碳和固废堆肥中的至少一种；
土壤PH值为7.6-8.5时，采用A2类土壤盐碱复合调理剂，A2类土壤盐碱复合调理剂为生石膏粉、生物碳，固废堆肥和硫酸铵中的至少一种；
在A1类土壤盐碱复合调理剂和A2类土壤盐碱复合调理剂中，当土壤有机碳含量值高于4%时，不使用生物碳；当土壤微生物生物量值大于500μg C/g 土壤时，不使用固废堆肥；
在土壤电导率值为4-8 dS/m、土壤PH值为8.6-9.5大豆用地的子区域采用B类土壤盐碱复合调理剂；B类土壤盐碱复合调理剂包括生石膏粉、生物碳、酸化有机堆肥、硫磺、硫酸铵和土壤复合菌营养液；
在A类土壤盐碱复合调理剂中，生物碳来源于农作物秸秆、木屑的碳化产物，用于提高土壤有机碳含量，增强土壤的持水能力和改善土壤结构，促进土壤中有益微生物的活性，生物碳中碳的含量为50%-70%；
生石膏粉中生石膏含量大于90%，生石膏中的钙离子替换土壤中钠离子，降低土壤电导率和pH值，增加土壤的透水性；
硫酸铵用于降低土壤pH值；
固废堆肥为城市生活垃圾或农业废弃物的有机部分经过堆肥化处理和添加菌种后的产物；堆肥化处理为通过微生物将有机废弃物分解为有机质产品的过程；固废堆肥用于提高土壤的肥力，改善土壤结构，促进大豆根系发展；
在添加菌种过程中，在有机质产品中按照1×10^6-5×10^6 CFU/g有机质产品的标准添加根瘤菌、1×10^6-5×10^6 CFU/g有机质产品的标准添加解磷细菌和1×10^6-5×10^6 CFU/g的标准添加盐胁迫缓解细菌。
在B类土壤盐碱复合调理剂中，生物碳来源于农作物秸秆、木屑的碳化产物，用于增强土壤的持水能力和改善土壤结构，促进土壤中有益微生物的活性；生物碳中碳的含量为60%-80%；
酸化有机堆肥来源于工业副产品经过处理的有机酸化物料；
硫磺的纯度大于90%以，硫磺用于降低土壤PH值和改善盐碱地的土壤结构，增加土壤疏松度，以利于大豆根系生长；
硫酸铵用于降低土壤pH值；
土壤复合菌营养液用于增加土壤中微生物的多样性和数量。
S5.3灌溉淋洗：采用若干次淡水灌溉，通过淡水灌溉水将大豆用地土壤中的盐分冲洗到下层或排出，直至土壤的盐碱度降至预设目标。
具体实施例二：针对土壤电导率值为2-4 dS/m、土壤PH值为7.6-8.5、土壤微生物生物量值小于500μg C/g土壤，土壤有机碳含量值小于4%的石家庄藁城区灌溉区大豆用地，制定治理措施的详细步骤如下：
1、深翻松土处理：进行深翻松土处理，深度设定为30-45厘米，以打破土壤紧实层，增加土壤深层的透气性和水分渗透性，为大豆根系生长提供良好环境。
2、选择土壤盐碱复合调理剂：选用A2类土壤盐碱复合调理剂。A2类土壤盐碱复合调理剂包括生石膏粉、生物碳、固废堆肥和硫酸铵；
生物碳来源于农作物秸秆、木屑的碳化产物，生物碳中碳的含量为50%-70%；
生石膏粉中生石膏含量大于90%，固废堆肥为城市生活垃圾或农业废弃物的有机部分经过堆肥化处理和添加菌种后的产物；在添加菌种过程中，在有机质产品中按照3×10^6 CFU/g有机质产品的标准添加根瘤菌、3×10^6 CFU/g有机质产品的标准添加解磷细菌和3×10^6 CFU/g的标准添加盐胁迫缓解细菌。
3、施用土壤盐碱复合调理剂：在深翻松土后的土壤中施用A2类土壤盐碱复合调理剂，以调整土壤的盐碱度和PH值。确保施用量符合相关标准。
4、定期监测：定期监测土壤的电导率、PH值、有机碳含量和微生物生物量，根据监测结果调整治理措施，确保盐碱地的治理效果和大豆生长的良好状态。
5、灌溉淋洗：采用多次淡水灌溉，将盐分冲洗到下层或排出，直至土壤的电导率值降至2 dS/m以下，土壤PH值降至7.6以下。
在具体的使用量上，其中，生石膏粉：使用量范围为2.5至5吨/公顷，生物碳：使用量范围为1至3吨/公顷；固废堆肥：使用量范围为5至10吨/公顷，硫酸铵：使用量范围为200至500公斤/公顷，结合物价，总成本在2950元/公顷至6240元/公顷之间，在达到同等效果的前提下，成本优势明显。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所定义的范围。虽然在附图和前述描述中详细说明和描述了本发明，但此类说明和描述被认为是例示性的或示例性的而非限制性的。应当理解，在以下权利要求书的范围内，普通技术人员可作出改变和修改。具体地，本发明涵盖具有来自上述不同实施方案的特征的任何组合的另外的实施方案。就使用表达“一般”或“基本上”而言，本专利申请应理解为公开同样完全满足这些特征和值，即没有前述表征为“一般”或“基本上”。
Claims (8)
1.一种治理灌溉区用地盐碱化污染的综合性方法，其特征在于，所述综合性方法用于治理灌溉区大豆用地盐碱化污染，所述综合方法包括以下步骤：
S1划分子区域：根据地形、土壤类型和灌溉设施分布因素，将灌溉区内大豆用地划分为若干子区域；
S2采集土壤样本：从每个子区域采集土壤样本；每个子区域的土壤样本包括土壤电导率样本、土壤pH值样本、土壤有机碳含量样本和土壤微生物生物量样本；
土壤电导率样本包括若干0-10厘米深度土壤电导率样本和若干10-30厘米深度土壤电导率样本和若干30-60厘米深度土壤电导率样本；
土壤pH值样本包括若干0-10厘米深度土壤pH值样本和若干10-30厘米深度土壤pH值样本；
土壤有机碳含量样本包括若干0-10厘米深度土壤有机碳含量样本和若干10-30厘米深度土壤有机碳含量样本；
土壤微生物生物量样本包括若干0-10厘米深度土壤微生物生物量样本和若干10-30厘米深度土壤微生物生物量样本；
S3获取土壤数据：通过对每个子区域的土壤样本进行检测，得到每个子区域的土壤数据，土壤数据包括土壤电导率值数据、土壤pH值数据、土壤有机碳含量值数据和土壤微生物生物量值数据；
S4地形调整：通过地形测绘和分析，使用土地平整或造坡的技术，调整大豆用地，使大豆用地子区域达到预定的坡度目标，大豆用地子区域的坡度为0.5%-3%；
安装地下排水管或构建排水沟渠，以便水分在土壤的移动和排出；
S5制定治理措施：
S5.1深翻松土：将土壤进行深翻松土处理，深翻的深度设定为30-45厘米，以打破土壤紧实层，增加土壤深层的透气性和水分渗透性，为大豆根系生长提供良好环境；
S5.2应用土壤盐碱复合调理剂：向经过深翻松土处理后的土壤中加入土壤盐碱复合调理剂；土壤盐碱复合调理剂分为A类土壤盐碱复合调理剂和B类土壤盐碱复合调理剂；
土壤电导率值为2-4 dS/m盐碱性大豆用地采用A类土壤盐碱复合调理剂，A类土壤盐碱复合调理剂分为A1类土壤盐碱复合调理剂和A2类土壤盐碱复合调理剂；
土壤PH值为7.0-7.5时，采用A1类土壤盐碱复合调理剂，A1类土壤盐碱复合调理剂为生石膏粉、生物碳和固废堆肥中的至少一种；
土壤PH值为7.6-8.5时，采用A2类土壤盐碱复合调理剂，A2类土壤盐碱复合调理剂为生石膏粉、生物碳，固废堆肥和硫酸铵中的至少一种；
在A1类土壤盐碱复合调理剂和A2类土壤盐碱复合调理剂中，当土壤有机碳含量值高于4%时，不使用生物碳；当土壤微生物生物量值大于500μg C/g土壤时，不使用固废堆肥；
在土壤电导率值为4-8 dS/m、土壤PH值为8.6-9.5大豆用地的子区域采用B类土壤盐碱复合调理剂；B类土壤盐碱复合调理剂包括生石膏粉、生物碳、酸化有机堆肥、硫磺、硫酸铵和土壤复合菌营养液；
S5.3灌溉淋洗：采用若干次淡水灌溉，通过淡水灌溉水将大豆用地土壤中的盐分冲洗到下层或排出，直至土壤的盐碱度降至预设目标。
2.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S1中，划分子区域的过程如下：通过地形图和地形测量数据，识别地势高低、坡度以及低洼地区，使划分的子区域地形均匀，避免跨越明显的地形变化，影响灌溉和排水效率；
依据现有灌溉设施的布局和条件，将灌溉设施覆盖均匀、灌溉效率一致的区域作为一个单独的子区域，
基于土壤图或通过现场采样进行土壤分析，将具有同一土壤特性的区域归为同一子区域。
3.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S3中，土壤电导率值数据得到过程如下：
A1采用土壤电导率检测仪分别对若干0-10厘米深度土壤电导率样本、若干10-30厘米深度土壤电导率样本和若干30-60厘米深度土壤电导率样本进行检测，得到若干0-10厘米深度土壤电导率原始值数据、若干10-30厘米深度土壤电导率原始值数据和若干30-60厘米深度土壤电导率原始值数据；
A2计算若干0-10厘米深度土壤电导率原始值数据的平均值，得到0-10厘米深度土壤电导率值σ1；计算若干0-10厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤电导率值σ1的20%，进行重新采样；
A3计算若干10-30厘米深度土壤电导率原始值数据的平均值，得到10-30厘米深度土壤电导率值σ2；计算若干10-30厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤电导率值σ2的20%，进行重新采样；
A4计算若干30-60厘米深度土壤电导率原始值数据的平均值，得到30-60厘米深度土壤电导率值σ3；计算若干30-60厘米深度土壤电导率原始值数据的标准偏差，若标准偏差超过30-60厘米深度土壤电导率值σ3的20%，进行重新采样；
A5采用电导率值公式进行计算，得到土壤电导率值；电导率值公式为：土壤电导率值=电导率权重系数1×σ1+电导率权重系数2×σ2+电导率权重系数3×σ3，其中电导率权重系数1为0.7-08，电导率权重系数2为0.2-0.3，电导率权重系数3为0-0.1，电导率权重系数1+电导率权重系数2+电导率权重系数3=1。
4.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S3中，土壤pH值数据得到过程如下：
B1采用土壤pH计或土壤酸碱度计分别对若干0-10厘米深度土壤pH值样本和若干10-30厘米深度土壤pH值样本，得到若干0-10厘米深度土壤pH原始值数据和若干10-30厘米深度土壤pH原始值数据；
B2计算若干0-10厘米深度土壤pH原始值数据的平均值，得到0-10厘米深度土壤电导率值X1,计算若干0-10厘米深度土壤pH原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤电导率值X1的20%，重新采样；计算若干10-30厘米深度土壤pH原始值数据的平均值，得到10-30厘米深度土壤电导率值X2，计算若干10-30厘米深度土壤pH原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤电导率值X2的20%，重新采样；
B3采用PH值公式进行计算，得到土壤PH值；PH值公式为：土壤PH值=PH权重系数1×X1+PH权重系数2×X2，其中PH权重系数1为0.75-0.8，PH权重系数2为0.2-0.25；PH权重系数1+PH权重系数2=1。
5.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S3中，土壤有机碳含量值数据得到过程如下：
C1分别对若干0-10厘米深度土壤有机碳含量样本和若干10-30厘米深度土壤有机碳含量样本采用土壤有机碳含量测定法进行处理，得到若干0-10厘米深度土壤有机碳含量原始值数据和若干10-30厘米深度土壤有机碳含量原始值数据；
土壤有机碳含量测定法包括以下内容：通过高温燃烧的方式将土壤有机碳含量样本的碳元素氧化成二氧化碳，通过测定二氧化碳的含量，计算出土壤有机碳含量样本的总碳含量；利用盐酸与土壤有机碳含量样本反应，通过测定释放的二氧化碳的量，计算出土壤有机碳含量样本中无机碳含量；土壤有机碳含量为总碳含量减去无机碳含量；
C2计算若干0-10厘米土壤有机碳含量原始值数据的平均值，得到0-10厘米土壤有机碳含量值Y1；计算若干0-10厘米土壤有机碳含量原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤有机碳含量值Y1的20%,重新采样；计算若干10-30厘米土壤有机碳含量原始值数据的平均值，得到10-30厘米土壤有机碳含量值Y2，计算若干10-30厘米土壤有机碳含量原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤有机碳含量值Y2的20%,重新采样；
C3采用土壤有机碳含量公式进行计算，得到土壤有机碳含量值；土壤有机碳含量公式为：土壤有机碳含量值=土壤有机碳含量权重系数1×Y1+土壤有机碳含量权重系数2×Y2，其中土壤有机碳含量权重系数1为0.7-0.8，土壤有机碳含量权重系数2为0.2-0.3，土壤有机碳含量权重系数1+土壤有机碳含量权重系数2=1。
6.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S3中，土壤微生物生物量值数据得到过程如下：
D1分别对若干0-10厘米深度土壤微生物生物量样本和若干10-30厘米深度土壤微生物生物量样本采用氯仿熏蒸提取技术进行检测，得到若干0-10厘米深度土壤微生物生物量原始值数据和若干10-30厘米深度土壤微生物生物量原始值数据；在采取土壤微生物生物量样本后，将收集到的土壤微生物生物量样本转移到无菌袋或容器中，并在3-5°C条件下运输至实验室；如果不能立即进行分析，将土壤微生物生物量样本在不大于-20°C的温度冷冻保存，以保持微生物组成稳定；
D2分别对若干0-10厘米深度土壤微生物生物量原始值数据和若干10-30厘米深度土壤微生物生物量原始值数据，计算若干0-10厘米土壤微生物生物量原始值数据平均值，得到0-10厘米土壤微生物生物量值Z1,计算若干0-10厘米土壤微生物生物量原始值数据的标准偏差，若标准偏差超过0-10厘米深度土壤微生物生物量值Z1的20%,重新采样；计算若干10-30厘米土壤微生物生物量原始值数据平均值，得到10-30厘米土壤微生物生物量值Z2,计算若干10-30厘米土壤微生物生物量原始值数据的标准偏差，若标准偏差超过10-30厘米深度土壤微生物生物量值Z2的20%,重新采样；
D3采用土壤微生物生物量公式进行计算，得到土壤微生物生物量值；土壤微生物生物量公式为：土壤微生物生物量值=土壤微生物生物量权重系数1×Y1+土壤微生物生物量权重系数2×Y2，其中土壤微生物生物量权重系数1为0.75-0.85，土壤微生物生物量权重系数2为0.15-0.25，土壤微生物生物量权重系数1+土壤微生物生物量权重系数2=1。
7.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S5.2中，在A类土壤盐碱复合调理剂中，生物碳来源于农作物秸秆、木屑的碳化产物，用于提高土壤有机碳含量，增强土壤的持水能力和改善土壤结构，促进土壤中有益微生物的活性，生物碳中碳的含量为50%-70%；
生石膏粉中生石膏含量大于90%，生石膏中的钙离子替换土壤中钠离子，降低土壤电导率和pH值，增加土壤的透水性；
硫酸铵用于降低土壤pH值；
固废堆肥为城市生活垃圾或农业废弃物的有机部分经过堆肥化处理和添加菌种后的产物；堆肥化处理为通过微生物将有机废弃物分解为有机质产品的过程；固废堆肥用于提高土壤的肥力，改善土壤结构，促进大豆根系发展；
在添加菌种过程中，在有机质产品中按照1×10^6-5×10^6 CFU/g有机质产品的标准添加根瘤菌、1×10^6-5×10^6 CFU/g有机质产品的标准添加解磷细菌和1×10^6-5×10^6CFU/g有机质产品的标准添加盐胁迫缓解细菌。
8.如权利要求1所述治理灌溉区用地盐碱化污染的综合性方法，其特征在于，在步骤S5.2中，在B类土壤盐碱复合调理剂中，生物碳来源于农作物秸秆、木屑的碳化产物，用于增强土壤的持水能力和改善土壤结构，促进土壤中有益微生物的活性；生物碳中碳的含量为60%-80%；
酸化有机堆肥来源于工业副产品经过处理的有机酸化物料；
硫磺的纯度大于90%以，硫磺用于降低土壤PH值和改善盐碱地的土壤结构，增加土壤疏松度，以利于大豆根系生长；
硫酸铵用于降低土壤pH值；
土壤复合菌营养液用于增加土壤中微生物的多样性和数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410418947.8A CN117999897A (zh) | 2024-04-09 | 2024-04-09 | 一种治理灌溉区用地盐碱化污染的综合性方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410418947.8A CN117999897A (zh) | 2024-04-09 | 2024-04-09 | 一种治理灌溉区用地盐碱化污染的综合性方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117999897A true CN117999897A (zh) | 2024-05-10 |
Family
ID=90954412
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410418947.8A Pending CN117999897A (zh) | 2024-04-09 | 2024-04-09 | 一种治理灌溉区用地盐碱化污染的综合性方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117999897A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105941085A (zh) * | 2016-05-03 | 2016-09-21 | 北京林大林业科技股份有限公司 | 一种滨海盐碱地造林技术 |
| CN108184358A (zh) * | 2018-01-12 | 2018-06-22 | 郑晓华 | 一种物理与生物结合改良盐碱地的有效方法 |
| WO2019049048A1 (en) * | 2017-09-08 | 2019-03-14 | 9337-4791 Quebec, Inc. | SYSTEM AND METHOD FOR CONTROLLING GROWTH ENVIRONMENT OF CULTURE |
| CN110276160A (zh) * | 2019-07-02 | 2019-09-24 | 四川农业大学 | 一种平原区土壤有机碳三维空间分布模拟方法 |
| CN111122685A (zh) * | 2020-01-15 | 2020-05-08 | 杭州电子科技大学 | 一种红树林沉积物有机碳量的检测方法 |
| CN111937523A (zh) * | 2020-08-24 | 2020-11-17 | 潍坊友容实业有限公司 | 一种基于生物方法复育盐碱地用的土壤改良方法 |
| CN112075154A (zh) * | 2020-09-16 | 2020-12-15 | 浙江绿农生态环境有限公司 | 一种盐碱地修复成田地的方法 |
| CN115553094A (zh) * | 2022-10-13 | 2023-01-03 | 中国水利水电科学研究院 | 一种山前冲积扇盐渍地治理方法 |
-
2024
- 2024-04-09 CN CN202410418947.8A patent/CN117999897A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105941085A (zh) * | 2016-05-03 | 2016-09-21 | 北京林大林业科技股份有限公司 | 一种滨海盐碱地造林技术 |
| WO2019049048A1 (en) * | 2017-09-08 | 2019-03-14 | 9337-4791 Quebec, Inc. | SYSTEM AND METHOD FOR CONTROLLING GROWTH ENVIRONMENT OF CULTURE |
| CN108184358A (zh) * | 2018-01-12 | 2018-06-22 | 郑晓华 | 一种物理与生物结合改良盐碱地的有效方法 |
| CN110276160A (zh) * | 2019-07-02 | 2019-09-24 | 四川农业大学 | 一种平原区土壤有机碳三维空间分布模拟方法 |
| CN111122685A (zh) * | 2020-01-15 | 2020-05-08 | 杭州电子科技大学 | 一种红树林沉积物有机碳量的检测方法 |
| CN111937523A (zh) * | 2020-08-24 | 2020-11-17 | 潍坊友容实业有限公司 | 一种基于生物方法复育盐碱地用的土壤改良方法 |
| CN112075154A (zh) * | 2020-09-16 | 2020-12-15 | 浙江绿农生态环境有限公司 | 一种盐碱地修复成田地的方法 |
| CN115553094A (zh) * | 2022-10-13 | 2023-01-03 | 中国水利水电科学研究院 | 一种山前冲积扇盐渍地治理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huo et al. | Buried straw layer plus plastic mulching improves soil organic carbon fractions in an arid saline soil from Northwest China | |
| Zheng et al. | Effects of biogas slurry application on peanut yield, soil nutrients, carbon storage, and microbial activity in an Ultisol soil in southern China | |
| Gu et al. | Lysimeter study of nitrogen losses and nitrogen use efficiency of Northern Chinese wheat | |
| Alizadeh et al. | Potential N mineralization and availability to irrigated maize in a calcareous soil amended with organic manures and urea under field conditions | |
| Lambert et al. | Effects of fertiliser application on nutrient status and organic matter content of hill soils | |
| Zhang et al. | Effects of shallow groundwater table and fertilization level on soil physico-chemical properties, enzyme activities, and winter wheat yield | |
| Alghamdi et al. | Do post‐harvest crop residues in no‐till systems provide for nitrogen needs of following crops? | |
| Xu et al. | Manipulation of nitrogen leaching from tea field soil using a Trichoderma viride biofertilizer | |
| Gunnarsson et al. | Biodigestion of plant material can improve nitrogen use efficiency in a red beet crop sequence | |
| Sainju et al. | Cover crop effects on soil carbon and nitrogen under bioenergy sorghum crops | |
| Kayser et al. | Potassium leaching following silage maize on a productive sandy soil | |
| Li et al. | Optimum biochar application rate for peak economic benefit of sugar beet in Xinjiang, China | |
| CN113269450B (zh) | 一种县级尺度农作物资源利用与环境效应评估方法与系统 | |
| Tan et al. | Responses of soil nutrient and enzyme activities to long-term mulched drip irrigation (MDI) after the conversion of wasteland to cropland | |
| de Santiago et al. | Shifts in microbial community structure influence the availability of Fe and other micronutrients to lupin (Lupinus albus L.) | |
| CN117999897A (zh) | 一种治理灌溉区用地盐碱化污染的综合性方法 | |
| CN115486226A (zh) | 一种确定热带连作障碍土壤障碍因子及改良技术的方法 | |
| Maswar et al. | Effects of organic and chemical fertilizer inputs on biomass production and carbon dynamics in a maize farming on ultisols | |
| CN111512917A (zh) | 一种基于土壤磷农学阈值的甘蔗施磷方法 | |
| Xiao et al. | Effect of Rural Sewage Irrigation Regime on Water-Nitrogen Utilization and Crop Growth of Paddy Rice in Southern China. | |
| Kumar et al. | Effect of Crop Establishment Methods and Irrigation Scheduling on Growth and Soil Nutrient Status of Wheat | |
| Maomao et al. | Long-term fermented organic fertilizer application reduce urea nitrogen-15 loss from plastic shed agricultural soils | |
| Ultra Jr et al. | Nutrient Availability and Biological Properties of Paddy Soils Under Rainfed Traditional “Payatak” Farming Systems in Catubig Valley, Philippines | |
| Moore | Predicting the Nitrogen Fertilizer Response of Turfgrass Based on Solvita® Soil Test Results | |
| Handayani et al. | The Nutrient Management Improvement of Rice Culture in the Freshwater Swampland |
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 |