手机知网 App
24小时专家级知识服务
打 开
农业基础科学
农田养分流失风险评价及养分平衡管理研究
澳大利亚西南部农田氮磷等营养元素流失到河流中致使下游区域水体富营养化的现象日益加剧。本研究以西澳州南部Jacup附近的农业区为研究对象,在进行为期三年(2005-2007)的河流水质采样后,首次提供西澳州的基线河流水质监测数据。数据显示研究区河水中氮磷元素的含量已严重超标,因此,本研究针对西澳州时而发生的强降雨并形成大范围地表径流的现象,选择水土流失作为导致营养元素流失的主要驱动因素,以磷元素为例进行营养元素的流失风险评价,识别流失风险较高的区域,并分析其形成原因;同时以研究区内的主要作物小麦为例,利用遥感影像和地面统计资料进行小麦种植区提取,产量估测,并加入水土流失因素计算和分析种植区内氮磷元素的平衡状况。本研究的主要工作、认识及结论如下: 1.研究区水质分析 采用研究区内五个河流水质监测点的持续监测数据,测定和分析电导率、pH值、总悬浮颗粒物以及不同形态氮磷元素等水质参数。这是在西澳大利亚州范围内首次对基线河流水质的测量和讨论。研究发现所有监测点的总氮总磷平均浓度为3.14mg/L和0.60mg/L,远超西澳州水质管理的行业的劣等水质标准(3.0 mg/L和0.30mg/L),河水中氮磷元素富集。尝试建立常规水质参数(如电导率、总悬浮颗粒物)与各形态氮磷元素的回归模型以达到低成本评价水中氮磷元素浓度的目的,但效果较差,不能普遍应用。因而映射出下文研究以水土流失为驱动力因素的养分流失风险评价以及农用地营养元素平衡分析的重要性。 2.研究区水土流失量的估算 采用水土流失通用方程估算研究区2005-2007年的水土流失量。根据十二年的历史降雨数据,月降雨量基本呈余弦函数分布,而2005-2007三年中每月同期降雨量的变化也较大,这通常与其中个别强降雨事件有关,特别是在干旱的夏季,有时一次强降雨的雨量能够近似等于甚至超过历史同期的月降雨量,极易造成水土流失。因此,降雨量(特别是日降雨量)的变化对水土流失的贡献较大。为反映西澳州的特殊的降雨特点对水土流失带来的影响,选择日降雨量为基础数据,通过逐级计算获取降雨侵蚀力因子。选择粒径小于0.125mm土粒和有机碳含量、土壤渗透率,借助SOILOSS软件的支持,利用土壤质地与上述三个指标的对应关系计算土壤可蚀性因子的空间分布情况。在地理信息系统软件的支持下计算坡长坡度因子后发现,研究区地势平坦,几乎所有的区域百分比坡度均小于9%,说明研究区内地形对水土流失的影响并不大,但研究区东南方向毗邻地形起伏较大的Fitzgerald国家公园将影响研究区的水土流失。植被因子引入土壤损失率的算法,根据各植被不同月份的差异计算,结果显示研究区常年有植被覆盖,具有较好的水土保持效果。 研究区2005-2007三年的水土流失量分别为3.04t ha-1 yt-1.62t ha-1 yr-1、19t ha-1yr-1,在澳大利亚水土流失分类标准中属于中低级别。但水土流失程度分布不均,某些区域水土流失程度强烈,甚至有的达到31.54t ha-1 yr-1。 3.磷元素流失风险评价 以磷元素为研究对象,根据表层土中有效磷在不同浓度下与颗粒态磷及可溶性磷浓度的影响关系,结合研究区的水土流失量,采用矩阵法评价研究区磷元素的流失风险。 对土壤有效磷的含量进行空间预测。通过研究,对原始数据进行转换以通过KS检验,确定选择指数模型并采用普通块段克立格法制作有效磷的空间分布图,并进行交叉检验以验证插值结果。研究区有效磷的分布不均,呈区域化分布,西北方向浓度偏高且分布较为规则;东北到南部的狭长区域内浓度较低;其他区域浓度中等。经分析可知,有效磷的空间分布与各年间农场内作物种类的变化以及相应施肥和操作方式的改变有关,此外自然因素也会导致部分有效磷的积累和迁移。 研究区磷元素流失风险评价的结果中,高风险区域主要位于研究区的中部和西北部(占研究区总面积的6.5%),东部和南部风险较低(占研究区总面积的37.7%),有明显的区域化现象。通过流失风险与水质采样点各种形式磷元素含量的分析发现,在某些站点的磷元素含量与流失风险有相似的变化趋势。流失风险与土壤质地和农场分布等也有一定的关系。但由于导致磷元素流失的因素非常多,水土流失只是其中的一种驱动力因素,故需加入其他影响因素以获取更好的分析结果。 4.小麦估产及养分平衡研究 使用遥感影像与相关地面收集资料,在影像经过预处理后,进行图像分类、提取农作物种植区、计算植被指数、建立估产模型、估算作物产量、计算农田养分输入、输出和平衡量等一系列的处理过程,确定从遥感影像到农田养分平衡状态的具体获取方法。 研究选择Landsat-5 TM影像为遥感数据源,采用监督分类(最大似然法和SVM法)和非监督分类(ISODATA法)对研究区进行分类研究。针对小麦,从敏感性和特异性两个指标来看,SVM法与ISODATA法效果类似,后者只比前者略差,但仍符合使用要求。考虑到方法的易用性和稳定性,选择ISODATA分类方法。采用误差矩阵对分类结果进行再次检验,结果显示该分类方法可用。提取小麦种植区范围并进行面积精度评价,经验证精度可以满足研究要求。通过建立归一化指标指数与产量数据的回归模型,发现利用分类结果中小麦种植面积作为小麦种植区范围,采用二次多项式回归效果最好。通过未参加回归的田块产量的检验,总产和单产的精度分别为87.76%和91.15%,证明本研究预测小麦产量的可行性。 选择含磷肥料作为农田中磷元素的输入源,小麦收获(包括籽粒和秸秆等)和水土流失为磷元素的主要输出方式,计算小麦种植区内磷元素的输入、输出和平衡情况。由结果可知虽然小麦收获和水土流失能造成一定的磷元素输出,但含磷肥料的施用和土壤中磷的积累等带来的磷元素输入量更大,研究区磷元素普遍有剩余,研究区2003年磷元素的剩余量为2.59吨。在管理中既要采取措施预防土壤中磷元素进一步积累,也要加强水土保护以减少高流失风险年份磷元素的流失。
博士论文
《浙江大学》 2010年博士论文

搜 索