一种基于融雪水利用的寒区冻融协同调控与生态优化方法

摘要: 本发明涉及农业生态工程与水资源高效利用。更具体地说,本发明涉及一种基于融雪水利用的寒区冻融协同调控与生态优化方法。背景技术:1、寒区(如东北黑土区、西北旱作区)...
一种基于融雪水利用的寒区冻融协同调控与生态优化方法

本发明涉及农业生态工程与水资源高效利用。更具体地说,本发明涉及一种基于融雪水利用的寒区冻融协同调控与生态优化方法。

背景技术:

1、寒区(如东北黑土区、西北旱作区)具有显著的季节性冻融特征,冬季降水以降雪形式累积,春季气温回升导致积雪集中融化,形成独特的“融雪水文”过程。融雪水在寒区农业生态系统中呈现出鲜明的“灾害-资源”双重属性:

2、资源属性:融雪水是寒区春耕阶段的宝贵水资源,可有效补充土壤冬季水分亏缺,缓解春旱压力,减少地下水开采。东北黑土区春季降水仅占全年15%~20%,而融雪水占春季水资源总量的30%~50%,是作物播种-出苗期的关键水源。

3、灾害属性:春季冻层未完全消融,融雪水下渗受阻易形成地表积水,引发“融雪型涝渍”,延误播种期,影响作物出苗;同时融雪水冲刷地表会携带大量土壤有机碳、铵态氮、硝态氮、颗粒态磷等养分流失,既造成土壤肥力下降,又会导致周边水体富营养化;此外,融雪期土壤冻融交替会加速有机碳矿化,形成co2等温室气体排放脉冲,加剧气候变化。

4、然而,现有技术在应对融雪水双重属性及冻融协同调控方面,主要存在以下不足:

5、(1)单一目标管理,缺乏系统认知:传统方法多将融雪水作为单一资源(仅关注收集利用)或单一灾害(仅关注排涝)处理,缺乏对其“灾害-资源”双重属性的系统认知与协同转化技术,无法实现水资源高效利用与灾害防控的统筹。

6、(2)调控措施孤立应用,协同机制不明:秋季深翻、秸秆覆盖、生物炭施用等调控措施多单独研究实施,未考虑三者在“土壤结构改良-水热过程调控-养分循环优化”方面的协同增效机制。研究表明,深松(深翻)与生物炭联合处理对土壤团聚体稳定性的提升效果显著优于单一处理,但现有技术未建立三者的协同优化模型。

7、(3)缺乏定量优化模型,决策依据不足:现有技术多基于经验推荐,缺乏将调控措施参数与“涝渍防控-养分固持-面源削减-碳汇提升”进行定量耦合的多目标优化模型,难以实现生态-经济协同最优,调控方案的制定缺乏科学依据。

8、(4)忽视碳氮循环协同,难以支撑温室气体减排:冻融过程水热条件变化显著影响土壤碳氮循环,但现有技术未建立“水热调控-碳氮循环-温室气体减排”的协同函数,无法量化评估调控措施的碳汇效益,难以支撑寒区农业温室气体减排目标实现。

9、因此,亟需研发一种能够实现融雪水“灾害-资源”属性协同转化、冻融过程与农业生态协同优化的量化方法,构建全链条技术体系,为寒区农业应对气候变化、实现温室气体减排与农业绿色可持续发展提供科学支撑。

技术实现思路

1、为解决现有技术中存在的上述问题,本发明提供一种基于融雪水利用的寒区冻融协同调控与生态优化方法,通过将秋季深翻、秸秆覆盖、生物炭施用等调控措施与融雪水收集利用、涝渍防控、养分固持、面源削减进行系统耦合,实现融雪水双重属性的协同转化,同时建立量化的多目标优化模型,为寒区农业提供一体化、可量化、可复制的冻融调控与生态优化解决方案。

2、本发明的技术方案如下:一种基于融雪水利用的寒区冻融协同调控与生态优化方法,包括以下步骤:

3、s1、获取寒区农业地块的基础数据,所述基础数据至少包括气象水文数据、土壤水热数据、土壤养分数据、生态效应数据、作物生产经济数据及调控措施参数,其中调控措施参数包括秋季深翻深度、秸秆覆盖量、生物炭施用量及融雪水收集利用效率;

4、s2、基于基础数据构建以下定量函数;

5、融雪水收集量与灌溉需水量之间的耦合函数,用于计算优化后灌溉需水量;

6、冻融过程热能调控与碳氮循环协同函数,包括涝渍防控子函数、养分固持子函数和碳氮循环协同子函数、面源污染削减子函数,分别用于计算地表积水深度、融雪期氮素固持量、土壤碳固存增量及面源污染削减量;

7、s3、利用基础数据、地表积水深度、融雪期氮素固持量、土壤碳固存增量及面源污染削减量,建立融合经济效益、生态效益与水资源效益的多目标协同优化模型;

8、s4、以秋季深翻深度、秸秆覆盖量、生物炭施用量及融雪水灌溉比例为决策变量,结合多目标协同优化模型,设定多目标协同优化模型的边界约束条件,采用多目标优化算法求解帕累托最优解集,并从中确定最优的调控与灌溉方案。

9、优选的是,

10、气象水文数据包括:气温、降水量、积雪深度、融雪径流量、土壤冻融深度、参考作物蒸散发量、集流面积、积雪水当量、融化效率系数;

11、土壤水热数据包括:分层土壤温度、土壤液态含水量、土壤热通量,以及通过双环入渗试验或环刀法测定的土壤入渗能力;

12、土壤养分数据包括:土壤中铵态氮、硝态氮、可溶性有机碳、总氮、总磷的含量,以及径流液中总氮、总磷的浓度;

13、生态效应数据包括:土壤有机碳含量、co2排放通量、土壤微生物量碳、土壤微生物量氮;以及无调控措施条件下的基准面源流失量;

14、作物生产经济数据包括:作物产量、作物潜在产量、作物系数、作物耐涝临界深度、作物价格、种植成本,以及碳价、氮肥价格、磷肥价格、水价、抽水能耗成本。

15、调控措施参数还包括:融雪水收集设施容量、集流效率;

16、优选的是,s2中融雪水收集量与灌溉需水量耦合函数表示为:

17、qirr=qbase-ηsnow∙qsnow-δqstorage

18、其中,qirr为优化后灌溉需水量,qbase为基准灌溉需水量,采用penman-monteith公式结合作物系数法计算;ηsnow为融雪水收集利用效率;qsnow为可收集融雪水量,根据积雪深度与积雪水当量计算;δqstorage为融雪水集蓄调蓄量,反映储存融雪水补充灌溉量与储存容量不足导致的弃水量之间的平衡。

19、优选的是,涝渍防控子函数为:

20、

21、其中,wponding为地表积水深度,psnowmelt为融雪水量,iinfiltration为土壤入渗能力;kenhance为入渗增强系数;

22、所述入渗增强系数表示为:

23、

24、其中,dplow为深翻深度,mstraw为秸秆覆盖量,bbiochar为生物炭施用量;k1、k2、k3、k4为通过田间试验率定的经验系数。

25、优选的是,养分固持子函数为:

26、

27、其中,nretention为融雪期氮素固持量,k1′、k2′、k3′分别为生物炭吸附系数、覆盖拦截系数和深翻促吸系数,a1、a2、a3为反映各措施边际效应递减特性的弹性系数,各系数均通过田间试验率定。

28、优选的是,碳氮循环协同子函数为:

29、

30、其中,cseq为土壤碳固存量增量,δtsoil为土壤温度调控增量,根据分层土壤温度计算处理与对照的差值得到;δθswc为土壤水分调控增量,根据土壤液态含水量计算处理与对照的差值得到;nloss为融雪期氮素淋失量,根据土壤养分数据结合渗流量计算;c1、c2、c3、c4为转化系数,通过田间试验率定;

31、面源污染削减子函数为:

32、preduction-n=tnbase-tnloss;

33、preduction-p=tpbase-tploss;

34、其中,preduction-n为氮元素面源污染削减量,preduction-p为磷元素元素面源污染削减量,tnbase、tpbase为无调控措施下径流中总氮、总磷的基准流失量;tnloss、tploss为调控措施下的流失量,通过径流监测数据结合降雨-径流模型计算得到。

35、优选的是,经济效益目标函数为:

36、

37、其中,yi为第i种作物产量,pi为产品价格,ci为种植成本,均来源于作物生产数据与作物生产经济数据;

38、生态效益目标函数为:

39、eeco=δcseq×pc+nretrntion×pn+preduction-n×pn+preduction-p×pp

40、其中,δcseq为土壤碳汇增量,由土壤碳固存量增量cseq换算得到;pc为碳价,来源于作物生产经济数据;nretention为养分固持量,由养分固持子函数计算得到;pn为氮肥价格,来源于作物生产经济数据;preduction-n为氮元素面源污染削减量,preduction-p为磷元素元素面源污染削减量;pp为磷肥价格,来源于的作物生产经济数据;

41、水资源效益目标函数为:

42、

43、其中,qsnow为可收集融雪水量,ηsnow为融雪水收集利用效率,均来源于调控措施参数及气象水文数据;pw为水价,δwirr为灌溉节水量,pelec为抽水能耗成本,均来源于作物生产经济数据;

44、多目标协同优化模型为:

45、

46、其中,α、β、γ为权重系数,满足α+β+γ=1。

47、优选的是,多目标协同优化模型的边界约束条件包括以下至少一种:

48、1)融雪水收集能力约束:

49、

50、其中,hsnow,max为历史最大积雪深度,ηcatch为集流效率;

51、2)涝渍防控约束:

52、

53、其中,wcritical为临界积水深度;

54、3)养分流失约束:

55、nloss=nleach ≤ (1−0.4)·nleach,base

56、其中,nleach,base为无调控措施时的土壤氮素基准淋失量,通过对照区(ck)土壤溶液提取器监测数据结合渗流量计算得到;nleach为调控措施下的氮素淋失量,由碳氮循环协同子函数中的nloss代入;

57、4)面源削减约束:

58、

59、其中,rtn、rtp分别为总氮、总磷削减率,tnbase、tpbase为基准流失量,tnloss、tploss为调控后的流失量;

60、5)灌溉需水量约束:

61、

62、其中,qirr,min为作物生育期最小需水量,qirr,max为最大允许灌溉量;

63、6)土壤碳库稳定性约束:

64、

65、

66、其中,δcseq为土壤碳固存量增量;δsoc为土壤有机碳年变化量,soc0为初始土壤有机碳含量;

67、7)作物产量约束:

68、

69、其中,y为实际作物产量,ypotential为作物潜在产量,ytarget为目标产量;

70、8)决策变量非负约束

71、

72、

73、

74、

75、优选的是,多目标优化算法采用nsga-iii算法、moea/d算法或mopso算法,最终方案的确定采用加权法、模糊优选法或层次分析法。

76、优选的是,还包括:

77、s5、建立动态评估与反馈机制,基于实时监测数据动态评估地表积水深度、土壤养分淋失量、温室气体排放通量及作物生长状况,当监测指标偏离预期目标时自动触发调控参数调整建议。

78、本发明至少包括以下有益效果:

79、理论创新:首次提出融雪水“灾害-资源”双重属性协同转化理论,构建冻融过程热能调控与碳氮循环协同的定量函数关系,揭示深翻-秸秆覆盖-生物炭协同调控的土壤水热-养分-碳耦合机制。

80、技术创新:将秋季深翻、秸秆覆盖、生物炭施用三大调控措施作为模型参数纳入量化体系,三者组合形成“地下水库-地表缓冲层-养分固持屏障”的立体调控体系。

81、方法创新:首次构建融合经济、生态、水资源效益的寒区冻融协同调控多目标优化模型,实现调控措施的量化设计与综合效益的精准评估,为寒区农业应对气候变化提供可量化、可复制的技术路径。

82、本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。