宏观模拟分析法探究氮磷流失规律

项目围绕华南地区农田氮磷径流与淋溶损失，采用“田块—流域—模型”的尺度衔接思路，并以“源—流—汇”组织污染负荷估算、传输建模和风险识别。

技术路线将田间与流域监测数据、农业气象和空间属性整理到 Geodatabase，结合 LOADEST、稳定同位素模型、InVEST NDR、连通性指数以及机器学习开展农业面源污染风险评估。

田块尺度按作物全生育期整理水稻、玉米、蔬菜和柑橘等作物的径流与淋溶监测数据，比较水田与旱地系统中的氮磷流失通量、时间变化和主要形态，并关注施肥、降雨、地形与耕作方式的影响。

流域尺度依托水质传感器、巴歇尔堰与雷达流量计、农业气象站和物联网平台获取水质、水量与气象信息。项目将监测站点、田块调查、农业基础资料和 GIS 空间数据统一整理，为后续模型率定和尺度转换提供输入。

在污染源与负荷估算环节，项目计划利用田块实测数据和流域定位监测数据构建 LOADEST 负荷模型，分析营养物负荷及其动态变化，并将模拟值与实测通量结合进行参数校正。

同时利用水体硝酸盐氮、氧稳定同位素数据与 MixSIAR 混合模型估计不同污染源的贡献，并结合光谱校正信息改善多源污染识别。

在污染物传输环节，项目采用 InVEST 的养分输送比（NDR）模块表达氮磷从田块向水系迁移的过程，并在栅格多向流基础上组织地形、土地利用、降雨和养分输入等空间因子。

模型使用监测通量校正 Borselli K 连通性指数，用于描述污染源与河网之间的水文连接程度，进而绘制营养物来源、传输路径和不同时间尺度下的入河负荷。

风险评估模块按照数据存储与预处理、正负样本构建、机器学习建模、GIS 空间分析和结果验证的流程，将田块与流域模型输出转换为区域风险分布。

该模块用于识别潜在氮磷流失热点和重点减排区域，并将风险结果与源头减量、生态沟渠、滤料固持和出水回流等防控措施联系起来，为后续方案比较提供空间依据。

项目按期完成校级大学生创新训练计划结题。

相关成果获 2024 年华南农业大学“创客杯”大学生创新创业大赛铜奖。