我国农田氮磷流失监测现状与在线监测标准化方法
2024-04-08莫竣程邵志伟梁妙婷黄燕珊李永涛居学海陈澄宇
莫竣程 邵志伟 梁妙婷 黄燕珊 李永涛 居学海 陈澄宇
摘要:本研究为我国农田面源污染监测提供科学、系统、有效的基础资料,以期为未来相应监测规范和标准的完善奠定基础。通过梳理文献资料,对近年来国内各省份农田面源污染监测现状和方法进行分析,特别关注了农田在线监测氮磷流失前景与标准化方法。我国从第一次污染源普查至今,在国家层面上开展农业面源污染国控监测点试验,获取全国各大分区主要种植模式下的肥料流失系数,并进行省、市级氮磷流失负荷估算,为全国农田氮磷负荷量研究奠定科学基础。随着现代数字农业发展,我国农田氮磷流失监测技术也来到了一个新的阶段,因此笔者提出在构建“天—地—空”三维一体监测指标体系的基础上,将传感器技术、农业物联网技术、无线网络通信技术、地理信息系统技术应用于农田面源在线监测的构思,构建耦合数据采集、处理、传输、存储、管理、分析、建模、应用的“大田—流域—区域”尺度在线监测氮磷流失标准化方法。在线监测氮磷流失数据标准化方法很好地解决了传统田间监测中的问题,能有效提高监测数据的实时性、准确性和稳定性,并为在线监测农田面源污染规范的制定提供了参考。
关键词:农田;氮磷;面源污染;在线监测;指标体系;标准化方法
中图分类号:X52;X592 文献标志码:A
文章编号:1002-1302(2024)03-0012-09
根据《第二次全国污染源普查公报》数据,2017年农田水体污染流失量:氨氮流失量为8.3×107 kg,总氮流失量为7.2×108 kg,总磷流失量为7.6×107 kg,分别占总水体污染流失量的8.62%、23.66%、24.16%[1]。化肥的过量施用是造成农田水体污染的最主要因素之一[2]。我国作为农业生产大国,统计数据显示:2019年我国全年粮食总产量高达 6.6×1010 kg,依然稳居世界第一,水稻、玉米、小麦三大粮食作物化肥利用率为39.2%,虽然较2017年提高了1.4%,但与农业集约化程度更高的欧美等发达国家相比,仍有不小差距[3]。化肥施用量大、利用率低已然成为事实。过量的化肥施用会导致土壤酸化、板结,降低作物肥料利用率,从而加重农田面源污染,威胁农业增收和农产品安全,制约我国农业可持续发展[4]。
我国在2007年第一次全国污染普查基础上,根据实际情况,在各省份构建了面源污染国控点,形成我国农田面源污染国控监测网,开展野外长期氮磷流失监测工作,通过产排污系数法掌握国控点辐射区域农田面源污染情况[5-7]。本研究对我国近年来大田尺度下氮磷流失污染监测研究进行总结和评述,提出存在的问题,并结合传感器技术、农业物联网技术、无线网络通信技术、GIS(地理信息系统)技术,提出农田氮磷流失实时在线监测标准化方法,进一步完善国内监测水平,旨在为今后的农田氮磷面源污染防治和农业可持续发展决策提供参考。
1 国内农田面源污染监测现状分析
1.1 各省农田面源污染监测情况
从国内外众多学者对面源污染的研究来看,径流和淋溶是农田营养物流失的主要途径,野外实地农田环境监测是对这一过程的探究,也是科学有效的大田尺度下面源污染负荷评估和后期防控的重要基础[8-9]。为更好地了解目前各省份氮磷流失监测现状及分析其异同,将各省份地区监测指标、标准方法等列出(表1)。由表1可知,山西省丘陵区有较为完善的标准,即DB14/T 2039—2020《丘陵区农田径流氮磷流失监测技术规范》[10],该规范详细规定了山西省丘陵区农田氮磷流失监测的监测小区、径流池设计、径流水样采集以及测试项目等,其他各省份目前均无类似技术规范等标准。表1中各省份监测氮磷流失主要有总氮、总磷、硝态氮、铵态氮含量,这4种水质指标是普遍用于表征农田面源污染特征的基础数据,部分省份包括溶解性总磷、溶解性总氮、正磷酸盐等指标。杨虎德等在2015―2017年开展了甘肃省农田氮磷流失特征及影响因素调查研究,设置径流监测小区,地表径流水样测试指标为总氮、总磷、可溶性磷、硝态氮、铵态氮含量等,研究表明,田块坡度和种植模式是造成氮磷面源污染的主要影响因素[11]。路青等在2008―2012年开展沿淮地区大豆种植区氮磷流失特征的研究,采用了径流池法,在监测小区一侧建立径流池,进行总氮、硝态氮、铵态氮、总磷和可溶性总磷含量分析,该研究基于5年的野外定位试验,探究大豆常规种植过程中地表径流所产生的氮磷损失[12]。付燕利等为分析蟒河流域农田和林地的氮磷流失,在济源市蟒河流域开展了2年的研究,对总氮、总磷、氨氮、硝态氮含量等指标进行了测定,研究了农田和林地2种不同利用类型的土壤,结果表明,农田地表径流占较大比例,农田地表径流氮流失量远高于磷流失量,但研究周期不长、监测指标连续性差[13]。邓华等研究了三峡库区水田、柑橘园、旱坡地、菜地、林地5种不同土地利用方式下地表径流氮磷流失特征,通过径流汇集桶采集径流水样,探究不同土地利用类型下氮、磷流失通量及影响因素[14]。段小丽等在湖北省主要水稻产区测定总氮、硝态氮、铵态氮、总磷、可溶性磷含量等指标。各指标测定方法均通过采集径流水样后采用国标法测定,施肥和径流量是影响地表径流氮磷流失的主要因素,且呈正相关关系[15]。
值得注意的是,近年研究中学者针对野外实地监测农田氮磷流失,普遍采用径流小区法和土地源类型划分法,虽然均能较好地评估研究区内面源污染特征和基本分布规律,但监测过程中缺乏对监测指标的敏感性探究,监测数据存在滞后、失真等问题,监测周期大多集中在雨季或种植季,缺乏全年连续观测数据,尤其是在降水量较多的天气,更需要多个时间段的监测数据[16-22]。面源污染監测难度大、费用高的问题依然存在,目前,我国缺乏系统、长时间系列农田面源污染监测资料,在国家层面上也没有相应监测规范和标准。
1.2 我国氮磷流失监测方法
自20世纪80年代初我国开始开展农田氮磷流失监测至今,各地学者一直在紧跟时代步伐,致力于研究出科学、合理的农田氮磷流失监测方法,经过多年研究,目前国内监测方法主要分为3类:田间实地监测法、人工模拟降雨法和模型模拟法。目前各种主要大田氮磷流失监测方法的优缺点比较见表2。
在田间实地监测中,径流和淋溶均是常见的农田面源监测项目,计算氮磷流失系数,然后推算整个研究区的面源污染负荷总量[23]。全国尺度的氮磷流失量估算主要是在第一次全国污染普查进行的,这次调查以我国农业种植区划和优势农产品区划为依据,在主要农作物种植区域选择典型种植制度和具有代表性地形地貌的农田进行为期1年的实地地表径流监测试验和地下淋溶监测试验,从而获取全国各大分区主要种植模式的肥料流失系数。由于监测目标和目的不同,其对应试验监测处理设置也有所差别。一般来说,实地监测试验设置2个处理,分别为对照处理(不施任何肥料)和常规处理(肥料的施用量、施用方法和施用时期完全遵照当地农民生产习惯)。每个处理设置多次重复,每个监测点内监测小区面积、形状、规格完全相同。各监测地块中氮磷的损失量等于整个监测周期中各次径流水中污染物质量浓度与径流水或淋溶水体积乘积之和,肥料流失系数等于常规处理氮磷流失量减去对照处理氮磷流失量后与肥料施用量的比值[24]。这种方法工作量不大,花费也较少,因而在我国得到广泛应用。但是,工作中典型径流小区较难确定,而且面源污染是一种时空差异性很强的现象,仅以小区研究代替大区域,污染负荷的计算精度不高,也不利于了解污染的地域差异。
我国将人工模拟降雨应用于科学研究是从研究黄土高原水土流失开始的,随后在其他地区也进行了尝试,但都只限于总量的分析,后来逐渐延伸到对农田养分迁移的分析研究。与田间实地监测针对的自然降雨径流事件不同,人工模拟地表径流的重点在于模拟不同的降雨事件。人工模拟降雨器主要用于面源污染机制和模型的研究,虽然模拟监测研究方法不斷改进,但室内与大田实际状况仍相差甚远,因而研究结果在应用上仍有一定的局限性[25-26]。
模型模拟就是建立数学模拟模型,对面源污染进行时间和空间序列上的模拟。面源污染模型不仅可以估算面源污染物负荷量,有些模型还可以模拟面源污染的物理、化学和生物过程,并对面源污染进行预测研究。随着模型的不断完善,模型模拟研究已成为面源污染研究最重要的方法之一[27-28]。当前,我国面源模型应用基本都是建立在小区试验监测,大区收集土壤、植被、气象、水文、水质监测、地形、管理措施等相关数据,运用GIS进行数据处理的基础之上。很多研究对国外模型结合国内情况进行了一些改进,但是由于国外面源模型研究起步较早,所开发的模型对资料要求普遍较高,时间系列长,涉及项目多,就我国目前发展现状而言还无法与国外具有长系列数据库这一优势相比,很难提供相应资料,并且,对输入数据质量和操作人员水平要求较高,在实际管理中的应用受到了一定的影响。
2 监测指标体系构建及方法探究
2.1 指标体系构建原则
为确保农田面源污染监测的合理、有效,构建完善的监测指标体系是开展踏实监测工作的先决条件,指标体系的构建必须遵循以下原则:首先是科学性原则,这是保障监测过程与数据准确、真实的基础。根据农田面源污染的范围和污染程度,选择合适的评估方法,对农田面源污染开展科学规划与布局,尽可能地覆盖整个污染范围,确保监测范围与面源污染面积一致性高,由此才能最大程度地确保数据准确、可靠。其次是综合性原则。诸多层次的专业知识与技术会在构建监测指标体系中被涉及到,并且指标体系会受多角度的原因所影响,因此,必须全面地考虑和分析监测过程中各环节之间的关联,透过污染现象揭示本质规律,抓住农田面源污染发展各阶段内部规律,进而为关键污染区识别和防控提供有力数据依据。最后是典型性原则。为了避免数据冗余,选取的指标需要足够典型,尽量减少指标间的重叠数据。由于面源污染具有隐蔽性、模糊性和广泛性的特点,所以还需要选择极具代表性的研究区,所构建的指标体系要有代表性,内容丰富且全面,各类指标能尽可能地反映农田面源污染时空的动态变化及防控措施效益[31]。
2.2 农田监测指标体系
科学的监测指标是污染监测技术体系构建的关键,因此有必要根据污染评估的需求,获取能够真实反映出农田面源污染普遍特征的监测指标。随着空间信息技术和研究人员对于影响农田面源污染过程认知的加强,可实行实地调查法、地面观测法、资料分析法、采样观测法和3S(GIS、RS、GPS)法相结合的“天—地—空”三维一体技术(表3)获取监测指标数据,为污染评估、防控和政策实施提供科学、可行的数据保证[32-33]。
3 大田尺度在线监测氮磷流失数据标准化方法
为解决上述野外实地监测研究中监测目标与指标不统一,监测采样非连续性,数据滞后性强,劳动强度大,资金花费高,从而导致各地数据真实性与可比性差等问题,基于将传感器技术、农业物联网技术、无线网络通信技术、GIS技术应用于农田面源监测的构思,提出构建集数据采集、处理、传输、存储、管理、数据分析、应用于一体的大田尺度在线监测氮磷流失标准化体系(图1)。
3.1 标准化监测田建设
标准化监测田是农田面源污染监测最为重要的试验场地和基础,同时也是主要指标数据的来源。由于我国幅员辽阔,地形错综复杂,因此各地应针对不同地形地貌、气象、水文、种植制度、耕作方式等条件下构建适合当地农业生产的标准化监测田,以便在全年期观测标准化监测田内氮磷流失情况。同时,标准化监测田建设应满足典型性、代表性、可操作性、长期性和抗干扰性等几个方面的要求[34]。(1)典型性:标准化监测田块应位于当地农业作物生产的主要区域。(2)代表性:标准化监测田的地形地貌、水文特征、气象要素、土壤类型、土壤肥力水平,以及对农田的耕作、灌排和种植方式等影响农田面源污染的因素,应该在当地具有较强的代表性。(3)可操作性:在标准化监测田设计中应充分考虑到监测设备系统及水电设施的植入,方便研究人员对相应设备进行操作、管理和维护。(4)长期性:标准化监测田应建设于实验站、农场或园区,避免土地产权纠纷,便于管理,确保监测工作能持续稳定开展,数据获取长期稳定。(5)抗干扰性:标准化监测田尽可能选择在地形开阔的地方,远离村庄、建筑、道路、河流、主干沟渠,保证数据受干扰少,真实有效性强。
在标准化监测田建设完成后,根据监测内容,有针对性地对监测田内相应位置安装、调试好传感器,即可开展野外实地监测工作。
3.2 传感器采集指标数据
随着现代数字化农业的推行,先进科学技术与农业领域的多源化紧密结合,传感器技术作为智慧农业概念中的一项重要技术,正广泛地被引入到农田信息监测中[35]。传感器可以实现被测对象理化信息的获取[36]。传感器具有自动采集数据、智能控制的功能;不同传感器采集到有效数据并汇总在节点后,通过无线电发送到监测主基站,避免了传感器与主基站通过线缆进行连接时电路板和线缆对测试信号的干扰,大大提高了监测结果的稳定性和可靠性[37]。传统方法从样品采集到分析往往有一定的时间差,这会导致样品性质发生一定的变化,传感器可实时、快捷地采集数据,从而在一定程度上減小了这种误差。但是,传感器也具有一定的限制条件:(1)市面上大多数性能好的传感器价格较为昂贵,所以传感器监测技术需要在足够的资金下才能开展,且需要设计高性价比的监测布局,在不减少数据的基础上,减少传感器开销。(2)大多数农用传感器的工作环境都在露天野外,这就难免让其长期暴露在自然环境中,从而影响数据的准确性,且使用寿命短、维护费用较高。(3)目前监测传感器技术水平有限,实时、连续的信息获取难免出现有误差、不完整等问题。
传感器的应用,给农田面源污染的监测和治理带来了革命性的发展,帮助研究人员实现面源污染指标参数的自动监测、远程数据无线传输、为快速评估农田污染负荷提供基础数据,为推进面源污染监测的自动化、信息化、网络化和智能化提供了一种高效、快捷的智能化方法与技术[38]。由于水质污染是表征农田面源污染最重要的指标组,因此笔者整理了国内现行水质指标在线监测传感器标准(表4)。虽然,目前出台的在线监测传感器标准未能覆盖上述指标体系中的自然指标类,但随着社会大众和更多研究人员对面源污染的关注以及国家有关面源污染政策法规的出台,相信未来在线监测传感器标准会更加全面和科学。
3.3 农业物联网在线传输与数据储存
为了实现指标数据的在线智能化监测,还需要与农业物联网、云计算和终端分析平台相结合。农业物联网是指通过农业信息感知设备(即上述传感器等),根据约定的数据传输协议,把农业系统中动植物生命体、环境要素、生产工具等物理部件和各种虚拟“物件”与互联网连接起来,进行信息交换和通信,以实现对监测对象和过程智能化识别、定位、跟踪、监控和管理的一种网络[46-47]。物联网主要由感知层、网络层和应用层这3 层结构组成[48]。感知层包括环境指标采集仪、农药残留检测仪、土壤养分检测仪、农业气象站、远程控制器、智能网关等;网络层主要为4G移动通信、通用无线分组业务、无线网Wi-Fi、窄带物联网;应用层包括农情监测、质量溯源、温室种植、大田种植、水肥一体化、畜牧养殖、水产养殖、农机设备、植保绿色等与农业生产相关的技术应用。这3个环节紧密结合、环环相扣,从实际农田环境到监测平台、移动端的信息传输和处理是农业物联网的核心思想。物联网监测平台的形成有利于对农田监测的整体把握,近些年在物联网农业领域深耕下,我国已形成自己的一套农业产业统筹和规划策略。
传感器与物联网联合应用于农田面源污染监测,实现将各种监测感知指标信息数据汇入节点,传入物联网基站,再上传到物联网云端,云端可对数据进行解析、存储、云计算,最后将数据输送到终端平台上,利用GIS技术将多源监测信息进行综合处理、建模分析、可视化展示,最终得出决策处理。
3.4 GIS处理、建模分析、可视化表达
GIS技术是一种非常有效的集地理空间数据处理、统计、分析、建模及可视化表达于一体的工具。通过利用GIS强大的地理数据库创建和管理功能,建立和管理相关农田面源污染指标数据库,能有效、随时地对监测自然指标类和社会指标类数据进行查询、更新、提取。农田面源污染不单单存在于一维平面上,与此同时,空间内源污染物的迁移、转化和循环也在发生。借助GIS强大的空间数据分析能力(如叠置分析、空间自相关性分析、网络分析、插值分析、邻近分析等)探究农田生态系统中多维水土资源的时空变异规律,从而有效地表征面源污染状况,适时存储和显示并对所选面源污染类型和影响因子进行详细的场地监测和分析,有助于科研工作者对不同地域农田面源污染物物理变化过程的探究。GIS提供的快速反应决策能力,可以及时地模拟和预测农田面源污染风险。应用GIS数据更新和跟踪能力,可以对面源污染监测信息进行分析,从而督促产生污染单位履行环保职责。利用GIS农田面源污染数据库和环境特征数据库(如地形地貌、气象、水文等)与面源污染预测模型相互关联,采用模型预测法对农田面源进行预测。大部分GIS平台软件(如ArcGIS、QGIS、SuperMap、GeoDa、MapGIS等)可以通过数据转换或者开发接口等方式,把物联网数据连接到各种终端平台上,以便研究和管理人员及时对在线监测数据进行分析、处理以及制定相应规划。
3.5 在线监测氮磷流失前景与标准化探究
目前,我国在线监测广泛应用于地表水水质监测,并已形成国控—省控—市控三级监测网络体系。根据中国环境监测总站2021年7月前的统计数据,市场上合格的水质总氮在线分析仪、总磷在线分析仪、五常参数在线分析仪型号分别达到了109、120、62种,可基本满足环境监测与治理要求[49],并且相关标准也在逐步完善中,原国家环境保护总局于2003年发布HJ/T 102—2003《总氮水质自动仪器技术要求》和HJ/T 103—2003《总磷水质自动分析仪器技术要求》,对自动分析仪器的生产、性能检验、选型使用和日常校核等方面进行技术性规范,国家质量监督检验检疫总局于2013年发布JJG 1094—2013《总氮总磷水质在线分析仪》,对总氮总磷水质在线分析仪器的性能作出了明确要求。相较于传统的实验室国标检测方法而言,在线自动监测技术在检测条件、检测时间、测量范围与自动化性能等方面占据明显优势。随着传感器、物联网等数字信息技术的突破,我国在线监测应用于大田氮磷流失也在逐步开展,其中不少农田面源在线监测专利已经获批,中国科学院沈阳应用生态研究所发明了一种农田非点源氮磷流失在线监测装置,通过便携式推车采集适量土壤,并对所采土壤进行淋水、过滤、搅拌,利用探头检测氮、磷含量,最后将数据传输到单片机中进行处理和存储,以便随时了解农田土壤中氮磷流失情况[50]。黄河水利科学研究院研制的一种农业非点源氮磷污染物动态监测试验设备通过在试验农田中放置在线监测台,依靠监测探头对农田水质进行实时监测,再通过监测试验台内部主机对农田水质进行分析,当氮磷污染物超标时会开启警报灯[51]。华南农业大学和安徽农业大学通过将水质在线分析仪和传感器装配到站房中,整套站房由控制器、取样、消解、检测、清洗、数采与传输等模块组成,能在线获取多时段大田氮磷流失情况,同时配备标样测试和曲线标定,极大提高了数据的真实性(图2)。目前来说,基于一体柜式结构的农田氮磷流失监测站房有很好的应用前景和推广价值,主要有以下几点优势:(1)实时在线。在线监测站房通过控制采样、检测频率能在一天多时段内获取多组氮磷流失数据,并可以实时将数据传输到移动或个人电脑终端,以便管理人员随时掌握农田氮磷流失情况,很好地解决了面源污染发生的随机性和不确定性。(2)数据准确。传统人工检测的流程包括野外采样、运输、实验室分析、审核、出结果,整个周期较长,并且运输过程中水质容易受到影响,结果数据有很强的滞后性,从而影响了监测的效率。在线监测站房中的自动分析仪,由于配备水样测试、零点漂移、量程漂移、标样测试曲线标定等功能,因此不仅能进行农田原位监测,而且数据的真实性也能得到很好的保障。(3)野外工作稳定。面源监测是一项野外长期工作,特别是样品的采样和测试,需要大量人力,在线监测站房有效地解决了人力资源的消耗,并且一体柜式结构能很好保护各种工作单元的设备,因此能胜任长期的野外观测工作。
与此同时,在线监测由于仪器设备成本高、需要专业人员维护、野外稳定供电等原因未能广泛推广。但随着环保部门对大田面源污染的重视,以及市场上更多在线分析仪器厂商的良性竞争,希望这一问题能在未来得到解决。
为提高农田面源污染监测的工作效率,以及为污染评估和治理提供科学可靠、可比的基础数据,需要建立相应标准对大田氮磷流失在线监测体系进行规范性约束,以推动我国大田在线监测工作的标准化、规范化,并且为各地农田面源污染在线监测工作提供依据。参考我国地表水水质在线监测各类标准,建议从以下方面进行规范。
3.5.1 大田在線监测氮磷流失体系建设
大田在线监测氮磷流失体系建设主要包括站址选择、站房建设、各工作单元建设和数据平台建设。
为确保在线监测站房的长期稳定运行,所选的站址应具备良好的交通、电力、清洁水、通信等基础条件,监测站点应选在能代表该地区地形、土壤类型、土壤肥力水平、耕作方式、排灌条件、种植方式的地方;站房建设根据所选站点现场环境情况,可采用固定式、简易式站房、小形式站房、水平固定台站等方式进行建设,做好防雷、抗震、防洪、防田间生物损害等措施;工作单元主要包括采集单元、控制单元、检测单元和数采传输单元,所有单元仪器均要符合国家标准建造、装配、使用和维护;数据平台是集监测数据存储与管理、报表生成与上传、阈值提示等功能于一体的操作系统,应该在HJ 928—2017《环保物联网 总体框架》规范内开发、运行。
3.5.2 维护与管理
监测管理单位应对大田在线监测站房进行定期巡检,并记录巡检情况,重点检查工作状态参数是否正常,检查供电、传感器、电极工作时序等是否正常。自动监测仪器维护和运行状况执行HJ/T 353—2007《水污染源在线监测系统运行与考核技术规范》,日常检查维护应包括:站房内温度、湿度,确保计算机硬、软件系统在良好环境中运行,测试指标数据在合理范围,并定时对系统硬件耗材进行替换,对系统软件、水质监测软件、查杀毒进行升级更新。
3.5.3 数据质量保证与质量控制
为确保监测数据的准确性,按照国家水质自动分析仪器技术要求和HJ 915—2017《地表水自动监测技术规范》定期开展仪器性能核查工作。至少每半年进行1次准确度、精密度、检出限、标准曲线和加标回收率的检查;至少每半年进行1次零点漂移和量程漂移检查;至少每月进行1次仪器校准和实际水样对比工作。
3.5.4 建立建全保障制度
为保障大田在线监测氮磷流失系统的正常建设、运行和维护,需要建立相应的保障制度,包括但不限于下列内容:大田耕作管理制度、监测站房运行管理办法、监测站房管理人员岗位职责、监测站房质量管理保障制度、监测站房仪器操作规程、监测站房岗位培训及考核制度以及监测站房建设、运行、维护和质量控制的档案管理制度。
3.6 “大田—流域—区域”氮磷流失监测标准化方法
为了实现农田面源氮磷流失的在线监测,可构建一套“大田—流域—区域”尺度的氮磷流失监测标准化方法。基于标准化监测田流域重点布设水文水质全方位监测系统,搭建面源污染远程在线监测及风险评估智能化平台,开展长期面源氮磷流失监测、评估及预警。具体可分为以下3项建设内容:(1)在大田尺度上,基于典型作物条件,建立农田系统氮磷流失标准化监测田,监测指标包括径流及淋溶水量水质、小气候、土壤墒情、施肥量、灌溉水量等,综合分析农业环境信息对面源污染的影响,以及农田生态信息及氮磷流失量。(2)在流域尺度上,在农田小流域选取关键监测点,定位监测流域水量及气象情况,包括巴歇尔槽与农业气象站建设和必要的仪器设备安装、调试、运行和维护。(3)在区域尺度上,以流域尺度农田氮磷面源污染的物联网硬件监测系统为主体,辅以田块试验获取不同作物氮磷流失基础数据,搭建面源污染在线监测平台,长期连续地模拟农田流域内径流水质和养分流失情况,结合区域面源污染模型进行参数校正与优化验证,预测和评估区域农田生态系统水—氮—磷等物质循环,实现农业面源污染的远程在线智能高效监测,将所构建网点数据相互印证关联,并逐渐辐射至其他地区,从而实现农田面源污染的全过程高效监测、溯源、综合分析、风险评估及模型预测。
4 结论与展望
我国从第一次污染源普查至今,在国家层面上开展田间实地地表径流监测试验和地下淋溶监测试验,获取全国各大分区主要种植模式下的肥料流失系数,并进行省、市级氮磷流失负荷估算,为全国大田氮磷负荷量奠定科学基础。但在监测过程中缺乏对监测指标的敏感性探究,氮磷流失的时空异质性强,监测周期大多集中在雨季或种植季,缺乏全年连续观测数据,导致监测数据存在滞后、失真等问题。因此,对更科学、合理的监测指标体系进行探索以及对高精度的农田在线监测技术进行攻关,实现对全区域、全地形、全气候变化条件下农田氮磷面源流失的在线监测,是农业环保部门对农田面源污染进行精准决策与治理防控的关键所在。
随着我国传感器技术、农业物联网技术、无线网络通信技术、GIS技术的快速发展,传统田间实地监测氮磷流失的方法达到了一个全新的阶段,即是在构建“天—地—空”三维一体的基础上,统一农田氮磷流失在线监测指标体系,并提出集数据采集、处理、传输、存储、管理、数据分析、应用于一体的“大田—流域—区域”尺度氮磷流失在线监测数据标准化方法。优化解决传统田间实地监测中未考虑氮、磷物质在环境中循环和流失负荷时空异质性强的问题,以期为我国农田面源污染监测提供科学、系统、有效的基础资料,并为相应监测规范和标准的完善奠定基础。
参考文献:
[1]中华人民共和国生态环境部. 关于发布《第二次全国污染源普查公报》的公告[EB/OL]. (2020-06-09)[2020-09-04]. http://www.mee.gov.cn/xxgk2018/xxgk/xxgk01/202006/t20200610_783547.html.
[2]范美蓉,罗 琳,周凤霞,等. 洞庭湖区农业面源污染现状及防治对策[J]. 农业环境与发展,2008,25(2):88-91.
[3]国家统计局. 中国统计年鉴[EB/OL]. (2019-12-06)[2020-09-04]. http://www.stats.gov.cn/tjsj/ndsj/.
[4]刘钦普. 国内农田氮磷面源污染风险控制研究进展[J]. 江苏农业科学,2018,46(1):1-5.
[5]Sun B,Zhang L X,Yang L Z,et al. Agricultural non-point source pollution in China:causes and mitigation measures[J]. AMBIO,2012,41(4):370-379.
[6]Cui Z L,Zhang H Y,Chen X P,et al. Pursuing sustainable productivity with millions of smallholder farmers[J]. Nature,2018,555(7696):363-366.
[7]张维理,徐爱国,冀宏杰,等. 中国农业面源污染形势估计及控制对策 Ⅲ.中国农业面源污染控制中存在问题分析[J]. 中国农业科学,2004,37(7):1026-1033.
[8]Delgado N,Bermeo L,Hoyos D A,et al. Occurrence and removal of pharmaceutical and personal care products using subsurface horizontal flow constructed wetlands[J]. Water Research,2020,187:116448.
[9]谢文明,闵 炬,施卫明. 长江三角洲河网平原地区集约化种植面源污染监测指标筛选研究[J]. 生态与农村环境学报,2018,34(9):776-781.
[10]山西省市场监督管理局. 丘陵区农田径流氮磷流失监测技术规范:DB14/T 2039—2020[S]. 太原:山西省市场监督管理局,2020.
[11]杨虎德,马 彦,冯丹妮. 甘肃省农田氮磷流失特征及影响因素研究[J]. 甘肃农业科技,2020(增刊1):21-27.
[12]路 青,马友华,胡善宝,等. 安徽省沿淮大豆种植区氮磷流失特征研究[J]. 中国农学通报,2015,31(12):230-235.
[13]付燕利,成永霞,邱坤艳. 蟒河流域农林地表径流氮磷流失状况研究[J]. 山西水土保持科技,2011(2):12-14.
[14]鄧 华,高 明,龙 翼,等. 石盘丘小流域不同土地利用方式下土壤氮磷流失形态及通量[J]. 环境科学,202 2(1):251-262.
[15]段小丽,范先鹏,张富林,等. 湖北省稻田地表径流氮磷养分流失规律初探[J]. 湖北农业科学,2012,51(18):3953-3957.
[16]陈成龙. 三峡库区小流域氮磷流失规律与模型模拟研究[D]. 重庆:西南大学,2017:27-31.
[17]梁 善. 珠三角旱作农田氮磷流失特征及其生态沟渠阻控效应研究[D]. 广州:仲恺农业工程学院,2019:11-12.
[18]秦 媛. 西安市绿地氮磷流失对水体污染及防治措施研究[D]. 西安:长安大学,2018:17-22.
[19]谢昕云. 安徽省园地氮磷流失的监测研究[D]. 合肥:安徽农业大学,2012:12-13.
[20]张 翼. 上海郊区稻田氮磷流失监测及其生态阻断系统构建[D]. 长春:吉林农业大学,2014.
[21]Wang Y,Li Y,Liu F,et al. Linking rice agriculture to nutrient chemical composition,concentration and mass flux in catchment streams in subtropical central China[J]. Agriculture,Ecosystems & Environment,2014,184:9-20.
[22]傅朝栋.基于ArcGIS的区域尺度稻田降雨径流氮磷流失负荷估算[D]. 杭州:浙江大学,2015:16-18.
[23]习 斌. 典型农田土壤磷素环境阈值研究:以南方水旱轮作和北方小麦玉米轮作为例[D]. 北京:中国农业科学院,2014:40-42.
[24]席运官,田 伟,李 妍,等. 太湖地区稻麦轮作系统氮、磷径流排放规律及流失系数[J]. 江苏农业学报,2014,30(3):534-540.
[25]谢 婷. 不同化肥用量及降雨强度下面源污染中氮素流失特征研究[D]. 成都:西南交通大学,2016:15-21.
[26]刘宏斌,邹国元,范先鹏,等. 农田面源污染监测方法与实践[M]. 北京:科学出版社,2015:27-64.
[27]余志敏,袁晓燕,施卫明. 小流域面源污染治理与评估模型研究进展[J]. 中国人口·资源与环境,2010,20(增刊2):1-4.
[28]孙本发,马友华,胡善宝,等. 农业面源污染模型及其应用研究[J]. 农业环境与发展,2013,30(3):1-5.
[29]Gheysari M,Mirlatifi S M,Homaee M,et al. Nitrate leaching in a silage maize field under different irrigation and nitrogen fertilizer rates[J]. Agricultural Water Management,2009,96(6):946-954.
[30]徐丽贤,梁新强,周柯锦,等. 山地农业小流域非点源氮磷输出特征及来源[J]. 水土保持通报,2016,36(3):30-37.
[31]魏 曦,史明昌,郭宏忠,等. 小流域面源污染监测技术体系的构建[J]. 中国水土保持,2010(11):14-16.
[32]孙宇乐,屈忠义,刘全明. 基于地面光谱联合SAR多源数据的农田表土氮磷监测[J]. 灌溉排水学报,2020,39(12):120-127.
[33]石金昊,朱卫红,田 乐,等. 基于SWAT模型的布尔哈通河流域面源污染的变化研究[J]. 灌溉排水学报,202 0(4):130-136.
[34]Wu A W,Ma Y H,Fu B Y,et al. Reviews on agricultural nonpoint source pollution monitoring techniques and methods[J]. Agricultural Science & Technology,2014,15(12):2214-2217.
[35]李嘉乐,文 斌,贺 南. 农业传感网络数据差错分析算法研究[J]. 计算机科学与应用,2018,8(12):1913-1921.
[36]邹修国. 传感器原理及其在农业方面的应用[J]. 安徽农业科学,2011,39(4):2406-2408.
[37]Huang T,Yan S Y,Yang F,et al. Multi-domain SDN survivability for agricultural wireless sensor networks[J]. Sensors,2016,16(11):1861.
[38]王 磊. 小流域农业非点源污染监测信息系统的设计与实现[D]. 华中农业大学,2008:55-56.
[39]国家环境保护总局.总氮水质自动分析仪技术要求:HJ/T 102—2003[S]. 北京:中国环境科学出版社,2003.
[40]中华人民共和国生态环境部.水污染源在线监测系统:HJ 353—2019[S]. 北京:中国环境出版集团,2019.
[41]国家环境保护总局.总磷水质自动分析仪技术要求:HJ/T 103—2003[S]. 北京:中国环境科学出版社,2003.
[42]中华人民共和国生态环境部.氨氮水质在线自动监测仪技术要求及检测方法:HJ 101—2019[S]. 北京:中国环境出版集团,2019.
[43]中华人民共和国生态环境部.化学需氧量:HJ 377—2019[S]. 北京:中国环境出版集团,2019.
[44]国家环境保护总局.溶解氧(DO)水质自动分析仪技术要求:HJ/T 99—2003[S]. 北京:中国环境科学出版社,2005.
[45]国家环境保护总局.pH水质自动分析仪技术要求:HJ/T 96—2003[S]. 北京:中国环境科学出版社,2003.
[46]Yuan L N,Chen H J,Gong J.ZigBee WSN applied in intelligent monitoring systems of agricultural environment[J]. Applied Mechanics and Materials,2017,873:363-367.
[47]董 岩,刘云清,曾 一,等. 基于物联网的区域农田土壤墒情监测系统探讨[J]. 南方農业,2020,14(20):178-179.
[48]孙护军. 基于物联网技术的智能农业设计[J]. 农业工程,2017,7(6):25-28.
[49]中国环境监测总站. 合格产品名录[EB/OL]. (2021-07-19)[2021-09-27]. http://www.cnemc.cn/gzdt/yqjc/hgcpml/.
[50]李春林,刘 淼. 一种农田非点源氮磷流失在线监测装置:CN209559887U[P]. 2019-10-29.
[51]胡亚伟,李强坤,张会敏,等. 一种农业非点源氮磷污染物动态监测试验设备:CN110665560A[P]. 2020-01-10.