CN112883137A - 一种农产品产地安全预警方法 - Google Patents

一种农产品产地安全预警方法 Download PDF

Info

Publication number
CN112883137A
CN112883137A CN202110232214.1A CN202110232214A CN112883137A CN 112883137 A CN112883137 A CN 112883137A CN 202110232214 A CN202110232214 A CN 202110232214A CN 112883137 A CN112883137 A CN 112883137A
Authority
CN
China
Prior art keywords
soil
heavy metal
agricultural product
probability
monitoring
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
CN202110232214.1A
Other languages
English (en)
Other versions
CN112883137B (zh
Inventor
安毅
霍莉莉
武丽娜
林大松
秦莉
杜兆林
姚彦坡
丁健
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.)
Agro Environmental Protection Institute Ministry of Agriculture
Original Assignee
Agro Environmental Protection Institute Ministry of Agriculture
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 Agro Environmental Protection Institute Ministry of Agriculture filed Critical Agro Environmental Protection Institute Ministry of Agriculture
Priority to CN202110232214.1A priority Critical patent/CN112883137B/zh
Publication of CN112883137A publication Critical patent/CN112883137A/zh
Application granted granted Critical
Publication of CN112883137B publication Critical patent/CN112883137B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Primary Health Care (AREA)
  • Mining & Mineral Resources (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Of Solid Wastes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种农产品产地安全预警方法，有机结合历史监测信息与加密布点监测信息，考虑模型算法结果及待预警区域空间特征基础上，获取各区域最少加密布点数量的同时保障点位代表性，做到快速、动态、多指标的土壤‑农产品预警，为后期区域产地环境预警工作提供了数据支撑及有效思路，在监测信息基础上将待预警区域分为达标区域及超标区域，依据区域特性筛选针对性防治技术措施，综合分析土壤生态阈值及重金属累积速率，依据分析结果提出预防性措施建议，与传统预警方法相比，预防时间提前，预警时期延长，防治措施更有效，监测工作靶向性更强。

Description

一种农产品产地安全预警方法
技术领域
本发明属于农业环境技术领域，具体涉及一种农产品产地安全加密调查及安全预警方法。
背景技术
我国土壤环境污染严重，且土壤环境风险和预警研究尚不成熟，目前主要集中在土壤环境各单项指标的预测预警或土壤环境质量预测预警，不能全面反映土壤环境安全的变化进而预测农产品质量安全，因此，急需建立一套全面的、准确的、及时的农产品产地环境风险预测预警体系，服务并指导于国土资源管理、农业生产布局、土壤修复治理和农产品风险管控等工作。
上述技术方法存在的主要问题有：(1)监测预警技术单一，难以做到快速、动态、多指标的土壤重金属预警；(2)监测预警体系不完善，流程冗杂且资金投入大；(3)土壤监测预警工作多针对土壤环境本身开展，缺乏与农产品监测结果的有机结合；(4)现有采样技术难以全面反映产地污染程度，加密布点会极大提高调查成本。
发明内容
本发明提供了一种农产品产地安全加密调查及安全预警方法，包括农产品超标概率计算、加密调查、分类预警和预警响应等多阶段多流程，各阶段相辅相成辩证统一；本发明实现过程中综合利用多类别多时期监测数据，兼顾科学算法及实际情况，是一种科学有效可靠全面的预警方法，提前监测预防，有利于保障土壤环境安全及农产品质量安全。
为了解决上述技术问题，本发明公开了一种农产品安全加密调查方法，所述方法包括：
(1)超标概率空间分布
(1.1)建立产地环境数据库
(1.2)农产品历史超标率计算
基于产地环境数据库农产品重金属监测信息，依据《食品安全国家标准食品中污染物限量》判定农产品是否超标，并分别计算特定重金属监测指标的超标率pi；
(1.3)土壤监测指标空间分布
结合待预警区域的区域特征进行空间插值计算，针对土壤监测指标分别进行空间插值，获取对应指标空间分布图；
(1.4)栅格数据获取
依据土壤监测指标插值结果，获取待预警区域栅格数量及各栅格内的所有土壤监测指标含量；
(1.5)超标概率区域划定
(1.5.1)基于待预警区域农产品超标率pi与各栅格内的土壤监测指标含量x，通过QDA模型获取各栅格内的农产品超标概率q，QDA模型具体如下：
Figure BDA0002958983130000021
其中，μ为所有土壤监测指标均向量；∑为所有土壤监测指标协方差矩阵；当y＝0时模型结果为q0，当y＝1时模型结果为q1，农产品超标概率q计算公式具体如下：
Figure BDA0002958983130000022
(1.5.2)计算所有栅格内多种重金属农产品超标概率，选取多种重金属农产品超标概率在各栅格内的最大值，按照5-20％的概率梯度，从低到高将待预警区域划分为20-5个概率区域；
(2)加密调查
(2.1)点位布设
分别计算各个概率区域加密布点数量Mq，并采取均匀布点法、梅花形布点法、棋盘式布点法、蛇形布点法、对角线布点法、网格布点法中的一种或多种结合进行点位布设，点位数量计算公式具体如下：
Mq＝T(S/h2-t2Cv2/m2)+t2Cv2/m2
其中，Mq为q中位值概率区域内加密布设点位数量；T为区域概率系数，通过一维正态分布公式计算得到；S为区域面积，h为区域内各项重金属的最小变程，t为T检验的通过阈值，m为容忍误差，Cv为变异系数，且Cv＝σ/u，σ和u分别为概率区域内所有土壤重金属监测指标的标准差和平均值；
所述各概率区域内重金属变程通过半变异函数模型获得；
(2.2)土壤及农产品数据获取
分别获取各个概率区域的加密布点点位地理信息，进行协同样品采集及实验室检测工作，获得土壤及农产品监测指标检测结果，并上传存储至产地环境数据库；
进一步地，所述土壤监测指标包括：Cd、Hg、As、Pb、Cr、pH、CEC、SOM、Cu、Zn、Ni、Mg、Fe、Mn、Ca、Si、Se等；农产品监测指标包括：Cd、Hg、As、Pb、Cr；
进一步地，所述加密布点存储信息包括：点位地理信息、采样时间、农产品类型、检测时间、检测结果等；
进一步地，收集待预警区域的历史土壤监测信息、背景值和农产品监测信息，建立产地环境数据库；
进一步地，所述土壤监测指标包括：Cd、Hg、As、Pb、Cr、pH、CEC、SOM；背景值及农产品监测指标包括：Cd、Hg、As、Pb、Cr；
进一步地，所述pi的计算公式具体如下：
pi＝ni/N
其中，ni为特定重金属监测指标i的超标点位数量，N为待预警区域内总点位数量；
进一步地，所述空间插值方法包括但不限于：克里金插值、反距离权重插值、多项式插值、自然邻域法、样条函数法、趋势面法；
进一步地，所述概率梯度为20％时，从低到高将待预警区域划分为0-20％、20-40％、40-60％、60-80％、80-100％五个概率区域，所述五个区域分别对应名称为低概率区域、较低概率区域、中等概率区域、较高概率区域、高概率区域；
进一步地，所述土壤监测指标空间分布图的栅格数量一致且不少于10万；
一种农产品产地安全预警方法，所述方法包括：
(1)土壤及农产品数据获取：
选取待预警区域的农产品产地地块并确定加密采样点，进行协同样品采集及实验室检测工作，获得土壤及农产品监测指标检测结果，并上传存储至产地环境数据库；
(2)分类预警：
基于加密采样点农产品检测结果及待预警区域内村级单位行政边界或网格，依据《食品安全国家标准食品中污染物限量》将待预警区域以村为单位或网格划分为农产品超标区和农产品达标区两大类；
在所述农产品产地地块以村级单位或网格划分，当所述村级单位或网格存在超标点位，则该村级单位或网格为农产品超标区域，当所述村级单位或网格未存在超标点位，则该村级单位或网格为农产品达标区；
(2.1)农产品达标区：
(2.1.1)土壤阈值测算
筛选出待预警区域内的所有达标区域，分别计算所有点位各项重金属的富集系数BCFi，并通过物种敏感性模型获取五项重金属监测指标对应土壤生态阈值；
(2.1.2)土壤污染累积速率监控及达到阈值年限预估
针对土壤不超阈值区域，计算特定重金属监测指标累积速率ri，计算公式具体如下：
Figure BDA0002958983130000051
其中，n为特定重金属监测指标i的两次监测年份差值，C0i为特定重金属监测指标i的背景值；
结合产地环境数据库的历史数据，确定农产品达标区内重金属监测指标累积速率是否异常，当累积异常概率≤1，则认为该重金属监测指标累积速率正常，正常开展后期监测工作；当累积异常概率>1，则认为该重金属监测指标累积速率异常，需进行达阈值年限计算；累积异常概率Ki计算公式具体如下：
Figure BDA0002958983130000052
其中，C3i为三年前土壤中特定重金属监测指标含量，C10i为十年前土壤中特定重金属监测指标含量；
所述村级单位或网格存在重金属监测指标累积速率异常，则所述村级单位或网格为累积速率异常区域；
针对累积速率异常区域，分别计算五项重金属监测指标的达阈值年限ni，其中最小年限为该区域达阈值年限，计算公式具体如下：
Ci＝Csi(1+ri)ni；
(2.1.3)土壤容量提升技术可行性分析
针对土壤超阈值区域，结合区域特征及历史监测信息，选取实施技术措施并获取结果数据，以实施同类技术措施的土壤容量提升率为横坐标，以技术措施适用概率L为纵坐标，利用物种敏感性模型建立拟合曲线，其中大于85％技术措施适用概率的土壤容量提升率最大值即为该技术措施的可行性大小；其中土壤容量提升率PCEC计算公式具体如下：
PCEC＝|(CECj-CECj0)|/CECj0
其中，CECj为实施技术措施j后的土壤CEC含量，CECj0为实施技术措施j前的土壤CEC含量；
技术适用概率L计算公式具体如下：
L＝n/N+1
n为土壤容量提升率进行降序排列后对应的第n个点位，N为实施同类技术措施的总点位数量；
(2.2)农产品超标区
(2.2.1)内源污染贡献度解析
基于农产品超标区域内加密布点获得的土壤及农产品检测结果，对土壤监测指标进行主成分分析，获取载荷矩阵A和得分系数矩阵B；所述载荷矩阵A的行为监测指标，列为主成分；得分系数矩阵B的行为监测指标，列为主成分，根据所述载荷矩阵A可得到单项特定重金属监测指标Ii：
Ii＝a1F1+a2F2+…aiFi
其中，Ii为单项特定重金属监测指标，仅示意无取值；Fi为单一监测指标对应主成分，仅示意无取值；ai指成分矩阵中单项特定重金属监测指标Ii对应的数值；
同时根据得分系数矩阵B得到任意Fi：
Fi＝m1I1+m2I2+…+miIi
其中：mi指得分系数矩阵中单项特定重金属监测指标Ii对应的数值；基于以上数据通过最小二乘法求解污染系数wi：
Ei＝∑Cimi
Ci＝w1E1+w2E2+…+wiEi
其中，Ei为土壤单项特定重金属监测指标Ii对应Fi下的成分因子，Ci为农产品单项特定重金属监测指标Ii检测结果，mi为土壤得分系数矩阵中单项特定重金属监测指标Ii对应数值；
依据单项特定重金属监测指标Ii的wi和ai分别构建矩阵，求单项特定重金属监测指标污染贡献度cosθi，贡献度越大则土壤中该重金属对农产品的污染贡献度越大；贡献度cosθi具体公式如下：
Figure BDA0002958983130000071
其中，cosθi为单项特定重金属监测指标的污染贡献度，w为wi组成的矩阵，a为ai组成的矩阵；
(2.2.2)治理可行性分析
结合农产品超标区域特征及历史信息，选取实施技术措施进行土壤治理修复并获取实施结果数据，以重金属降低率为横坐标，以技术措施适用概率L为纵坐标，利用物种敏感性模型建立拟合曲线，大于85％技术措施适用概率下重金属降低率最大值即对应该技术措施可行性大小；其中重金属降低率PDji计算公式具体如下：
PDji＝|(Cji-Cji0)|/Cji0
其中，Cji为实施治理技术j后的土壤重金属含量，Cji0为实施技术措施j后的土壤重金属含量；
技术适用概率L计算公式具体如下：
L＝n/N+1
n为金属降低率进行降序排列后对应的第n个点位，N为实施同类措施的总点位数量；
(3)预警响应
(3.1)措施施用数据采集
收集待预警区域的所有技术措施施用数据、农业耕种数据和异常状况数据，并上传存储于产地环境数据库；
(3.2)效果跟踪监测与评价
(3.2.1)措施施用效果跟踪监测
收集待预警区域实施防治措施的区域信息，包括实施前、实施中和实施后三个阶段的所有信息；
(3.2.2)措施施用效果评价
结合农产品超标区域特征及历史信息，计算技术措施适用率RC，当技术措施适用率RC≤1，则认为该技术措施无效；当技术措施适用率RC>1，则认为该技术措施有效，技术措施适用率RC计算公式具体如下：
RC＝sgn(1-Cji/Cji0)*sgn(Y/Y0-0.9)/(K/120)
其中，
Figure BDA0002958983130000081
s为任意参数，Y为实施技术措施后的农产品产量，Y0为实施技术措施前的农产品产量，K为实施技术措施成本；
进一步地，所述网格的实际面积为1-100平方公里；
进一步地，所述技术措施施用数据包括技术措施类型、施用时间、施用量、施用频率、施用成本、施用效果(如土壤容量提升率、重金属降低率)等；
进一步地，所述农业耕种数据包括耕种制度、耕种成本、农产品种类、耕地面积、农产品产量、农业收益等；
进一步地，所述异常状况数据包括异常天气次数、类型、面积、时间、经济损失，病虫害次数、类型、面积、时间、经济损失，地质灾害次数、类型、面积、时间、经济损失等；
进一步地，所述实施前信息包括：农产品产量、累积速率、各项重金属监测指标含量、农业收益等；
进一步地，所述实施中信息包括：措施类型、实施措施成本、实施措施频率、实施措施时间、实施措施面积等；
进一步地，所述实施后信息包括：农产品产量、土壤阈值、累积速率、各项重金属监测指标含量、重金属含量降低率、农业收益等；
进一步地，特定重金属监测指标富集系数BCFi计算公式具体如下：
BCFi＝Cri/Csi
其中，Cri为特定重金属监测指标i在农产品中的含量，单位为mg/kg；Csi为特定重金属监测指标i在土壤中的含量，单位为mg/kg；
进一步地，物种敏感性模型具体以同一品种农产品富集系数的倒数(1/BCFi)均值为横坐标，以累积概率Li为纵坐标；根据模型拟合曲线对应的5％累积概率Li5获得土壤重金属阈值Ci；累积概率Li具体计算公式如下：
Li＝x/X+1
其中，x为各品种农产品富集系数的倒数均值进行升序排列后的第x类农产品，X为农产品品种类型总量；
进一步地，土壤重金属阈值Ci具体计算公式如下：Ci＝Cri*Li5；
进一步地，所述土壤监测指标包括：Cd、Hg、As、Pb、Cr、pH、CEC、SOM、Cu、Zn、Ni、Mg、Fe、Mn、Ca、Si、Se等；农产品监测指标包括：Cd、Hg、As、Pb、Cr；
进一步地，所述加密布点存储信息包括：点位地理信息、采样时间、农产品类型、检测时间、检测结果等；
进一步地，所述土壤及农产品数据获取采用所述一种农产品安全加密调查方法获取的土壤及农产品数据；
进一步地，所述《食品安全国家标准食品中污染物限量》为GB 2762-2017；
进一步地，所述《食品安全国家标准食品中污染物限量》采用现行国家标准。
本发明的一种农产品产地安全加密调查及安全预警方法，具有以下优点：
1.本发明有机结合历史监测信息与加密布点监测信息，考虑模型算法结果及待预警区域空间特征基础上，获取各区域最少加密布点数量的同时保障点位代表性，与传统布点方式相比，至少减少15％的资金投入，做到快速、动态、多指标的土壤-农产品重预警，为后期区域产地环境预警工作提供了数据支撑及有效思路；
2.本发明在监测信息基础上将待预警区域分为达标区域及超标区域，依据区域特性筛选针对性防治技术措施，减少多种措施盲目筛选的资源浪费，至少节约30％的资金投入及时间精力投入；
3.本发明综合分析土壤生态阈值及重金属累积速率，依据分析结果提出预防性措施建议，与传统预警方法相比，预防时间提前，预警时期延长，防治措施更有效，监测工作靶向性更强；
附图说明
图1为一种农产品产地安全加密调查及安全预警方法技术流程图；
图2为A镇各村协同点位分布图；
图3为A镇农产品超标率示意图；
图4为各个概率区域及各区域加密布点示意图；
图5为达标区域技术措施可行性结果示意图；
图6为超标区域技术措施可行性结果示意图；
图7为各个技术措施施用效果图；
具体实施方式
下面通过实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”，“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
实施例1
1.(1)以A镇为研究对象开展预警工作，且已知A镇共有5个村，见图2；收集A镇土壤背景值及历年(共计十二年)土壤、农产品监测数据建立产地环境数据库；
(2)以2020年为基准年，依据《食品安全国家标准食品中污染物限量》(GB2762-2017)分别计算2020年完成的农产品样品采集的五项重金属的超标率，见图3；
(3)依据A镇的区域特征，选取Arcgis中克里金插值方法将土壤监测指标(Cd、Hg、As、Pb、Cr、pH、CEC、SOM)分别进行插值，获得空间分布图；所有监测指标空间分布图栅格数量一致，均为142029个；
(4)将农产品超标率与各栅格内的土壤监测指标含量带入QDA模型，分别计算出各栅格的农产品的超标概率；各栅格取农产品超标概率最大的值，依据20％梯度将A镇分为五个概率区域；
2.(1)分别计算五个概率区域的面积，依据布点原则计算出各区域的点位数量，采取网格布点法，进行点位均匀布设，见图4；
(2)采集所有点位的土壤样品和农产品样品，进行实验室检测，并将检测结果上传存储至产地环境数据库；
3.(1)基于加密布点农产品检测结果，依据《食品安全国家标准食品中污染物限量》(GB2762-2017)将A镇分为超标区域和达标区域两大类，其中b、d两个村为超标区域，a、c、e三个村为达标区域；
(2)调查发现A镇农产品均为水稻，收集达标区域水稻品种共12类，分别计算各品种水稻的重金属富集系数，利用origin物种敏感性建立拟合曲线，分别获五项重金属的土壤生态阈值；
(3)将加密布点土壤数据与土壤生态阈值进行比对，结果显示e村存在重金属含量超过土壤生态阈值；a、c两个村五项重金属均未超过土壤阈值；
(4)依据产地环境数据库前三年及前十年土壤监测信息，计算a、c两个村五项重金属的累积速率是否异常，结果显示两个村的Cd、As两项重金属累积速率均>1，a、c两个村累积速率异常；
(5)依据五项重金属的土壤生态阈值，结合产地环境数据库内A镇重金属背景值，分别计算a、c两个村各项重金属的达阈值年限，其中Cd达阈值年限最小，为176年，则认为a、c两个村达土壤生态阈值年限为176年；
(6)针对存在重金属超土壤生态阈值的e村，结合区域土壤特性及地方经济等情况，选取添加有机肥、微生物菌剂、石灰、土壤调理剂等四项技术措施，用于提升土壤容量；采集实施措施后的土壤样品，进行实验室检测，获得土壤CEC含量；利用origin物种敏感性建立拟合曲线，分别获得各项技术措施的可行性，结果见图5；
4.(1)针对存在农产品超标的b、d两个村，依据加密布点农产品检测结果，进行内源污染贡献度解析，结果显示土壤贡献度由大到小排序为Cd、As、Pb、Hg、Cr；
(2)结合农产品超标区域特征及土壤环境，选取添加叶面肥、土壤阻控剂、土壤钝化剂、深翻耕等四项技术措施，用于壤治理修复；采集实施措施后的土壤样品，进行实验室检测，获得五项重金属含量；利用origin物种敏感性模型建立拟合曲线，计算各项技术措施的可行性大小，结果见图6；
5.(1)分别采集达标区域及超标区域的措施施用相关数据，包括各项技术措施施用数据(如深翻耕时间为水稻种植前，频率为一年一次，农业收益增加12.8％等)、农业耕种数据(如A镇农产品均为水稻，一年一熟，年均产量为亩产1400斤等)和异常状况数据(如2020年A镇发生洪水一次，时间为7.10-7.12，农业经济损失为75万)，并上传存储于产地环境数据库；
(2)分别采集达标区域及超标区域采集措施实施效果数据，包括措施实施前、实施时和实施后三个阶段的信息；
(3)依据收集到的相关措施的监测信息及结果数据，分别计算各项技术措施的施用效果，计算结果显示添加有机肥、钝化剂和深翻耕三项技术措施的技术措施适用率>1，实施有效，结果见图7。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (10)

1.一种农产品安全加密调查方法，其特征在于，所述方法包括：
(1)超标概率空间分布
(1.1)建立产地环境数据库
(1.2)农产品历史超标率计算
基于产地环境数据库农产品重金属监测信息，依据《食品安全国家标准食品中污染物限量》判定农产品是否超标，并分别计算特定重金属监测指标的超标率pi；
(1.3)土壤监测指标空间分布
结合待预警区域的区域特征进行空间插值计算，针对土壤监测指标分别进行空间插值，获取对应指标空间分布图；
(1.4)栅格数据获取
依据土壤监测指标插值结果，获取待预警区域栅格数量及各栅格内的所有土壤监测指标含量；
(1.5)超标概率区域划定
(1.5.1)基于待预警区域农产品超标率pi与各栅格内的土壤监测指标含量x，通过QDA模型获取各栅格内的农产品超标概率q，QDA模型具体如下：
Figure FDA0002958983120000011
其中，μ为所有土壤监测指标均向量；∑为所有土壤监测指标协方差矩阵；当y＝0时模型结果为q0，当y＝1时模型结果为q1，农产品超标概率q计算公式具体如下：
Figure FDA0002958983120000012
(1.5.2)计算所有栅格内多种重金属农产品超标概率，选取多种重金属农产品超标概率在各栅格内的最大值，按照5-20％的概率梯度，从低到高将待预警区域划分为20-5个概率区域；
(2)加密调查
(2.1)点位布设
分别计算各个概率区域加密布点数量Mq，并采取均匀布点法、梅花形布点法、棋盘式布点法、蛇形布点法、对角线布点法、网格布点法中的一种或多种结合进行点位布设，点位数量计算公式具体如下：
Mq＝T(S/h2-t2Cv2/m2)+t2Cv2/m2
其中，Mq为q中位值概率区域内加密布设点位数量；T为区域概率系数，通过一维正态分布公式计算得到；S为区域面积，h为区域内各项重金属的最小变程，t为T检验的通过阈值，m为容忍误差，Cv为变异系数，且Cv＝σ/u，σ和u分别为概率区域内所有土壤重金属监测指标的标准差和平均值；
所述各概率区域内重金属变程通过半变异函数模型获得；
(2.2)土壤及农产品数据获取
分别获取各个概率区域的加密布点点位地理信息，进行协同样品采集及实验室检测工作，获得土壤及农产品监测指标检测结果，并上传存储至产地环境数据库。
2.如权利要求1所述的一种农产品安全加密调查方法，其特征在于，所述土壤监测指标包括：Cd、Hg、As、Pb、Cr、pH、CEC、SOM、Cu、Zn、Ni、Mg、Fe、Mn、Ca、Si、Se中的一种或多种；农产品监测指标包括：Cd、Hg、As、Pb、Cr中的一种或多种；进一步地，所述加密布点存储信息包括：点位地理信息、采样时间、农产品类型、检测时间、检测结果中的一种或多种；进一步地，收集待预警区域的历史土壤监测信息、背景值和农产品监测信息，建立产地环境数据库；进一步地，所述土壤监测指标包括：Cd、Hg、As、Pb、Cr、pH、CEC、SOM中的一种或多种；背景值及农产品监测指标包括：Cd、Hg、As、Pb、Cr中的一种或多种。
3.如权利要求1所述的一种农产品安全加密调查方法，其特征在于，所述pi的计算公式具体如下：
pi＝ni/N
其中，ni为特定重金属监测指标i的超标点位数量，N为待预警区域内总点位数量；
进一步地，所述空间插值方法包括但不限于：克里金插值、反距离权重插值、多项式插值、自然邻域法、样条函数法、趋势面法。
4.如权利要求1所述的一种农产品安全加密调查方法，其特征在于，所述概率梯度为20％时，从低到高将待预警区域划分为0-20％、20-40％、40-60％、60-80％、80-100％五个概率区域，所述五个区域分别对应名称为低概率区域、较低概率区域、中等概率区域、较高概率区域、高概率区域。
5.如权利要求1所述的一种农产品安全加密调查方法，其特征在于，所述土壤监测指标空间分布图的栅格数量一致且不少于10万。
6.一种农产品产地安全预警方法，其特征在于，所述方法包括：
(1)土壤及农产品数据获取：
选取待预警区域的农产品产地地块并确定加密采样点，进行协同样品采集及实验室检测工作，获得土壤及农产品监测指标检测结果，并上传存储至产地环境数据库；
(2)分类预警：
基于加密采样点农产品检测结果及待预警区域内村级单位行政边界或网格，依据《食品安全国家标准食品中污染物限量》将待预警区域以村为单位或网格划分为农产品超标区和农产品达标区两大类；
在所述农产品产地地块以村级单位或网格划分，当所述村级单位或网格存在超标点位，则该村级单位或网格为农产品超标区域，当所述村级单位或网格未存在超标点位，则该村级单位或网格为农产品达标区；
(2.1)农产品达标区：
(2.1.1)土壤阈值测算
筛选出待预警区域内的所有达标区域，分别计算所有点位各项重金属的富集系数BCFi，并通过物种敏感性模型获取五项重金属监测指标对应土壤生态阈值；
(2.1.2)土壤污染累积速率监控及达到阈值年限预估
针对土壤不超阈值区域，计算特定重金属监测指标累积速率ri，计算公式具体如下：
Figure FDA0002958983120000041
其中，n为特定重金属监测指标i的两次监测年份差值，C0i为特定重金属监测指标i的背景值；
结合产地环境数据库的历史数据，确定农产品达标区内重金属监测指标累积速率是否异常，当累积异常概率≤1，则认为该重金属监测指标累积速率正常，正常开展后期监测工作；当累积异常概率>1，则认为该重金属监测指标累积速率异常，需进行达阈值年限计算；累积异常概率Ki计算公式具体如下：
Figure FDA0002958983120000042
其中，C3i为三年前土壤中特定重金属监测指标含量，C10i为十年前土壤中特定重金属监测指标含量；
所述村级单位或网格存在重金属监测指标累积速率异常，则所述村级单位或网格为累积速率异常区域，所述网格的实际面积为1-100平方公里；
针对累积速率异常区域，分别计算五项重金属监测指标的达阈值年限ni，其中最小年限为该区域达阈值年限，计算公式具体如下：
Ci＝Csi(1+ri)ni；
(2.1.3)土壤容量提升技术可行性分析
针对土壤超阈值区域，结合区域特征及历史监测信息，选取实施技术措施并获取结果数据，以实施同类技术措施的土壤容量提升率为横坐标，以技术措施适用概率L为纵坐标，利用物种敏感性模型建立拟合曲线，其中大于85％技术措施适用概率的土壤容量提升率最大值即为该技术措施的可行性大小；其中土壤容量提升率PCEC计算公式具体如下：
PCEC＝|(CECj-CECj0)|/CECj0
其中，CECj为实施技术措施j后的土壤CEC含量，CECj0为实施技术措施j前的土壤CEC含量；
技术适用概率L计算公式具体如下：
L＝n/N+1
n为土壤容量提升率进行降序排列后对应的第n个点位，N为实施同类技术措施的总点位数量；
(2.2)农产品超标区
(2.2.1)内源污染贡献度解析
基于农产品超标区域内加密布点获得的土壤及农产品检测结果，对土壤监测指标进行主成分分析，获取载荷矩阵A和得分系数矩阵B；所述载荷矩阵A的行为监测指标，列为主成分；得分系数矩阵B的行为监测指标，列为主成分，根据所述载荷矩阵A可得到单项特定重金属监测指标Ii：
Ii＝a1F1+a2F2+…aiFi
其中，Ii为单项特定重金属监测指标，仅示意无取值；Fi为单一监测指标对应主成分，仅示意无取值；ai指成分矩阵中单项特定重金属监测指标Ii对应的数值；
同时根据得分系数矩阵B得到任意Fi：
Fi＝m1I1+m2I2+…+miIi
其中：mi指得分系数矩阵中单项特定重金属监测指标Ii对应的数值；基于以上数据通过最小二乘法求解污染系数wi：
Ei＝∑Cimi
Ci＝w1E1+w2E2+…+wiEi
其中，Ei为土壤单项特定重金属监测指标Ii对应Fi下的成分因子，Ci为农产品单项特定重金属监测指标Ii检测结果，mi为土壤得分系数矩阵中单项特定重金属监测指标Ii对应数值；
依据单项特定重金属监测指标Ii的wi和ai分别构建矩阵，求单项特定重金属监测指标污染贡献度cosθi，贡献度越大则土壤中该重金属对农产品的污染贡献度越大；贡献度cosθi具体公式如下：
Figure FDA0002958983120000061
其中，cosθi为单项特定重金属监测指标的污染贡献度，w为wi组成的矩阵，a为ai组成的矩阵；
(2.2.2)治理可行性分析
结合农产品超标区域特征及历史信息，选取实施技术措施进行土壤治理修复并获取实施结果数据，以重金属降低率为横坐标，以技术措施适用概率L为纵坐标，利用物种敏感性模型建立拟合曲线，大于85％技术措施适用概率下重金属降低率最大值即对应该技术措施可行性大小；其中重金属降低率PDji计算公式具体如下：
PDji＝|(Cji-Cji0)|/Cji0
其中，Cji为实施治理技术j后的土壤重金属含量，Cji0为实施技术措施j后的土壤重金属含量；
技术适用概率L计算公式具体如下：
L＝n/N+1
n为金属降低率进行降序排列后对应的第n个点位，N为实施同类措施的总点位数量；
(3)预警响应
(3.1)措施施用数据采集
收集待预警区域的所有技术措施施用数据、农业耕种数据和异常状况数据，并上传存储于产地环境数据库；
(3.2)效果跟踪监测与评价
(3.2.1)措施施用效果跟踪监测
收集待预警区域实施防治措施的区域信息，包括实施前、实施中和实施后三个阶段的所有信息；
(3.2.2)措施施用效果评价
结合农产品超标区域特征及历史信息，计算技术措施适用率RC，当技术措施适用率RC≤1，则认为该技术措施无效；当技术措施适用率RC>1，则认为该技术措施有效，技术措施适用率RC计算公式具体如下：
RC＝sgn(1-Cji/Cji0)*sgn(Y/Y0-0.9)/(K/120)
其中，
Figure FDA0002958983120000071
s为任意参数，Y为实施技术措施后的农产品产量，Y0为实施技术措施前的农产品产量，K为实施技术措施成本。
7.如权利要求6所述的一种农产品产地安全预警方法，其特征在于，所述技术措施施用数据包括技术措施类型、施用时间、施用量、施用频率、施用成本、施用效果中的一种或多种，施用效果包括土壤容量提升率、重金属降低率；进一步地，所述农业耕种数据包括耕种制度、耕种成本、农产品种类、耕地面积、农产品产量、农业收益中的一种或多种；进一步地，所述异常状况数据包括异常天气次数、类型、面积、时间、经济损失，病虫害次数、类型、面积、时间、经济损失，地质灾害次数、类型、面积、时间、经济损失中的一种或多种；进一步地，所述实施前信息包括：农产品产量、累积速率、各项重金属监测指标含量、农业收益中的一种或多种；进一步地，所述实施中信息包括：措施类型、实施措施成本、实施措施频率、实施措施时间、实施措施面积中的一种或多种；进一步地，所述实施后信息包括：农产品产量、土壤阈值、累积速率、各项重金属监测指标含量、重金属含量降低率、农业收益中的一种或多种。
8.如权利要求6所述的一种农产品产地安全预警方法，其特征在于，特定重金属监测指标富集系数BCFi计算公式具体如下：
BCFi＝Cri/Csi
其中，Cri为特定重金属监测指标i在农产品中的含量，单位为mg/kg；Csi为特定重金属监测指标i在土壤中的含量，单位为mg/kg。
9.如权利要求6所述的一种农产品产地安全预警方法，其特征在于，物种敏感性模型具体以同一品种农产品富集系数的倒数(1/BCFi)均值为横坐标，以累积概率Li为纵坐标；根据模型拟合曲线对应的5％累积概率Li5获得土壤重金属阈值Ci；累积概率Li具体计算公式如下：
Li＝x/X+1
其中，x为各品种农产品富集系数的倒数均值进行升序排列后的第x类农产品，X为农产品品种类型总量；进一步地，土壤重金属阈值Ci具体计算公式如下：Ci＝Cri*Li5；进一步地，所述土壤监测指标包括：Cd、Hg、As、Pb、Cr、pH、CEC、SOM、Cu、Zn、Ni、Mg、Fe、Mn、Ca、Si、Se中的一种或多种；农产品监测指标包括：Cd、Hg、As、Pb、Cr中的一种或多种；所述加密布点存储信息包括：点位地理信息、采样时间、农产品类型、检测时间、检测结果中的一种或多种。
10.如权利要求6所述的一种农产品产地安全预警方法，其特征在于，所述土壤及农产品数据获取采用权利要求1-5之一所述的一种农产品安全加密调查方法获取的土壤及农产品数据。
CN202110232214.1A 2021-03-02 2021-03-02 一种农产品产地安全预警方法 Active CN112883137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110232214.1A CN112883137B (zh) 2021-03-02 2021-03-02 一种农产品产地安全预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110232214.1A CN112883137B (zh) 2021-03-02 2021-03-02 一种农产品产地安全预警方法

Publications (2)

Publication Number Publication Date
CN112883137A true CN112883137A (zh) 2021-06-01
CN112883137B CN112883137B (zh) 2022-04-15

Family

ID=76055240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110232214.1A Active CN112883137B (zh) 2021-03-02 2021-03-02 一种农产品产地安全预警方法

Country Status (1)

Country Link
CN (1) CN112883137B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113848289A (zh) * 2021-12-01 2021-12-28 广东省农业科学院农业质量标准与监测技术研究所 一种基于产地环境数据的水生蔬菜质量评价方法及***
CN114210718A (zh) * 2021-12-09 2022-03-22 农业农村部环境保护科研监测所 一种农产品污染治理修复方法
CN114563555A (zh) * 2022-03-08 2022-05-31 河北省廊坊生态环境监测中心 一种用于工业固体废物排放的土壤重金属智能监测工艺

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006284378A (ja) * 2005-03-31 2006-10-19 National Institute Of Advanced Industrial & Technology 農作物中重金属の簡易分析方法
CN105701575A (zh) * 2016-01-26 2016-06-22 中国科学院沈阳应用生态研究所 一种基于土壤-作物***的农产品重金属风险评估方法
CN107544097A (zh) * 2017-06-27 2018-01-05 上海市环境科学研究院 一种基于地球物理探测技术的土壤污染精确定位及准确评估方法
CN110969345A (zh) * 2019-11-20 2020-04-07 北京淖尔科技有限公司 一种基于土壤重金属污染途径分析的风险评估方法
RU2731696C1 (ru) * 2020-03-18 2020-09-08 Общество с ограниченной ответственностью «Научно-производственное объединение «Метрология» Способ изготовления стандартного образца массовой доли тяжелых металлов в сельскохозяйственной продукции
CN111652462A (zh) * 2020-04-17 2020-09-11 湘潭大学 一种农用地重金属污染及潜在生态风险的评价方法
CN112348691A (zh) * 2020-10-30 2021-02-09 农业农村部环境保护科研监测所 一种原位识别农产品重金属含量潜在超标区域的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006284378A (ja) * 2005-03-31 2006-10-19 National Institute Of Advanced Industrial & Technology 農作物中重金属の簡易分析方法
CN105701575A (zh) * 2016-01-26 2016-06-22 中国科学院沈阳应用生态研究所 一种基于土壤-作物***的农产品重金属风险评估方法
CN107544097A (zh) * 2017-06-27 2018-01-05 上海市环境科学研究院 一种基于地球物理探测技术的土壤污染精确定位及准确评估方法
CN110969345A (zh) * 2019-11-20 2020-04-07 北京淖尔科技有限公司 一种基于土壤重金属污染途径分析的风险评估方法
RU2731696C1 (ru) * 2020-03-18 2020-09-08 Общество с ограниченной ответственностью «Научно-производственное объединение «Метрология» Способ изготовления стандартного образца массовой доли тяжелых металлов в сельскохозяйственной продукции
CN111652462A (zh) * 2020-04-17 2020-09-11 湘潭大学 一种农用地重金属污染及潜在生态风险的评价方法
CN112348691A (zh) * 2020-10-30 2021-02-09 农业农村部环境保护科研监测所 一种原位识别农产品重金属含量潜在超标区域的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘瑞雪等: "湘潭县农田土壤重金属污染及生态风险评价", 《农业环境科学学报》 *
宋红岩等: "Spatial distribution and source apportionment of the heavy metals in the agricultural soil in a regional scale", 《JOURNAL OF SOILS AND SEDIMENTS》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113848289A (zh) * 2021-12-01 2021-12-28 广东省农业科学院农业质量标准与监测技术研究所 一种基于产地环境数据的水生蔬菜质量评价方法及***
CN114210718A (zh) * 2021-12-09 2022-03-22 农业农村部环境保护科研监测所 一种农产品污染治理修复方法
CN114563555A (zh) * 2022-03-08 2022-05-31 河北省廊坊生态环境监测中心 一种用于工业固体废物排放的土壤重金属智能监测工艺
CN114563555B (zh) * 2022-03-08 2023-03-10 河北省廊坊生态环境监测中心 一种用于工业固体废物排放的土壤重金属智能监测工艺

Also Published As

Publication number Publication date
CN112883137B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN112883137B (zh) 一种农产品产地安全预警方法
CN104636627B (zh) 一种土壤重金属生态风险评估方法
CN108918815B (zh) 一种土壤重金属风险预测方法
Gignac et al. Bryophyte response surfaces along ecological and climatic gradients
Ban et al. Application of composite water quality identification index on the water quality evaluation in spatial and temporal variations: a case study in Honghu Lake, China
CN113020232B (zh) 一种受污染耕地综合治理及动态调控方法
CN103198480B (zh) 基于区域和Kmeans聚类的遥感图像变化检测方法
Xiang et al. Assessment of heavy metal pollution in soil and classification of pollution risk management and control zones in the industrial developed city
Mika et al. Analysis of the faulty spatial structure of land in the context of assessing the quality of cadastral data in Poland
CN113008806B (zh) 一种农产品产地重金属空间分布确定方法
CN109784769B (zh) 一种农业面源污染风险识别方法
CN114254802B (zh) 气候变化驱动下植被覆盖时空变化的预测方法
Wang et al. Determining and mapping the spatial mismatch between soil and rice cadmium (Cd) pollution based on a decision tree model
CN114219262A (zh) 一种区域农产品超标概率预测及误差分析方法
Zhao et al. Investigation of factors affecting surface pollen assemblages in the Balikun Basin, central Asia: Implications for palaeoenvironmental reconstructions
Shiau et al. Clustering quantile regression-based drought trends in Taiwan
CN111144637A (zh) 基于机器学习的区域电网地质灾害预报模型构建方法
CN113723824A (zh) 一种暴雨致灾风险评估方法
CN114210718A (zh) 一种农产品污染治理修复方法
Wimhurst et al. Predicting commercial wind farm site suitability in the conterminous United States using a logistic regression model
CN103268391A (zh) 基于朴素贝叶斯的自适应雷电灾害风险预估方法
ISHIGOOKA et al. Spatial characterization of recent hot summers in Japan with agro-climatic indices related to rice production
Aimrun et al. Paddy soil properties and yield characteristics based on apparent electrical conductivity zone delineation for a humid tropical rice farm
CN111476434A (zh) 一种基于gis的土壤重金属分形维数空间变异分析方法
CN113128811A (zh) 一种基于强降水的电网***地质灾害风险评估方法及***

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