Экспериментальное исследование и математическое моделирование миграции имидаклоприда в дерново-подзолистых почвах

Кокорева, Анна Александровна

Бесплатный автореферат и диссертация по сельскому хозяйству на тему
Экспериментальное исследование и математическое моделирование миграции имидаклоприда в дерново-подзолистых почвах
ВАК РФ 06.01.03, Агропочвоведение и агрофизика

Автореферат диссертации по теме "Экспериментальное исследование и математическое моделирование миграции имидаклоприда в дерново-подзолистых почвах"

На правах рукописи

КОКОРЕВА АННА АЛЕКСАНДРОВНА

ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ И МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МИГРАЦИИ ИМИДАКЛОПРИДА В ДЕРНОВО-ПОДЗОЛИСТЫХ ПОЧВАХ

Специальности 06.01.03 - агропочвоведенне, агрофизика 03.00.27 - почвоведение

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата биологических наук

2 : [.'¡АР 2С2Э

Москва-2009

003465555

Работа выполнена на кафедре физики и мелиорации почв факультета почвоведения Московского государственного университета им. М.В.Ломоносова и в лаборатории химии окружающей среды Всероссийского научно-исследовательского института фитопатологии

Научные руководители:

доктор биологических наук кандидат биологических наук

Е.В.Шеин В.С.Горбатов

Официальные оппоненты:

доктор биологических наук кандидат биологических наук

Ведущее учреждение:

Российский государственный аграрный университет МСХА им. К.А.Тимирязева

Защита диссертации состоится 14 апреля 2009 г. в 15 ч. 30 мин. в аудитории М-2 на заседании диссертационного совета Д 501.002.13 при МГУ им. М.В.Ломоносова по адресу: 119991 Москва, ГСП-2, Ленинские горы, МГУ, факультет почвоведения.

С диссертацией можно ознакомиться в библиотеке факультета Почвоведения МГУ.

Автореферат разослан^ марта 2009г.

Приглашаем Вас принять участие в обсуждении диссертации на заседании диссертационного совета. Отзывы на автореферат в 2-х экземплярах просим направлять по адресу: 119991 Москва, ГСП-2, Ленинские горы, МГУ, факультет почвоведения, Ученый совет, а также по факсу 8(495)9393684 и по e-mail kokoreva.a@gmai I .com.

Г.П.Глазунов А.А.Леонова

Ученый секретарь диссертационного совета,

доктор биологических наук, профессор ¡/^/-С/ь^ Г.М.Зенова

Актуальность темы

Одним из возможных негативных последствий применения пестицидов в сельском хозяйстве является загрязнение пестицидами почв и грунтовых вод. Для оценки риска аккумуляции пестицидов в почве и миграции их в грунтовые воды необходимо знать их концентрации в этих объектах окружающей среды. Это можно сделать, экспериментально определяя остаточные количества пестицидов хроматографическими методами или прогнозируя их с помощью математических моделей поведения пестицидов в окружающей среде. Первый подход трудоемок, дорог и не может охватить всего разнообразия почвенно-климатических условий, в которых применяются пестициды. Второй, хотя и менее точен, лишен вышеперечисленных недостатков (Bergstrom, 1990; Jarvis, Jansson, Dik, Mssing, 1991; Hance, Fuhr, 1991; Леонова, 2001; Сметник, Спиридонов, Шеин, 2005и др.).

За последние годы в практике оценки концентраций пестицидов в окружающей среде стали широко использоваться математические модели, разработанные в Европейском Союзе (MACRO, PEARL, PELMO), в сочетании со стандартными сценариями входных данных - почвенно-климатических условий, характеризующих основные регионы Западной Европы. Этот опыт прогноза поведения пестицидов в окружающей среде может использоваться и в Российской Федерации после тестирования и настройки этих моделей, а также разработки соответствующих сценариев входных данных. Цель работы

Цель настоящей работы - экспериментальное изучение и прогноз с помощью математических моделей элементов водного режима и миграции пестицида имидаклоприда в дерново-подзолистых почвах для последующей оценки риска его попадания в грунтовые воды Задачи:

1. Экспериментально определить гидрофизические и химические свойства дерново-подзолистых почв Больших лизиметров стационара МГУ, исследовать элементы их водного режима и миграцию пестицида имидаклоприда в почвах.

2. Описать водный режим почв и миграцию в них имидаклоприда с помощью математических физически обоснованных моделей двух типов (PEARL 3.3.3 и MACRO 5.1).

3. Оценить чувствительность моделей к изменению гидрофизических параметров почв, параметризировать, настроить и адаптировать модели для прогноза движения воды и миграции пестицида в дерново-подзолистых почвах.

4. Количественно оценить адекватность прогноза настроенными моделями водного

режима почв и миграции имидаклоприда в исследованных почвах и на основании оценки

адекватности обосновать применение модели того или иного типа.

5. Изучить пространственные распределения некоторых свойств дерново-подзолистых почв сельскохозяйственного поля в Меленковском районе Владимирской области классическими и полевыми электрофизическими методами для выявления участков, потенциально опасных в отношении возможного проникновения пестицидов за пределы корнеобитаемого слоя, и оценить риск их попадания в грунтовые воды.

Научная новизна

Экспериментально установлено, что потенциально подвижный инсектицид имидаклоприд в реальных условиях может мигрировать до глубины 50 см и в микроколичествах попадать в лизиметрические воды благодаря специфическому процессу миграции его с преимущественными потоками влаги. Показано, что для адекватного описания миграции пестицидов в почвах необходимо последовательное выполнение процедур параметризации, оценки чувствительности и настройки моделей по полевым динамическим данным о влажности (давлении влаги) и содержании пестицида, что связано прежде всего с различием масштабов получения экспериментального обеспечения моделей (почвенный образец) и их использования (почвенные профиль и покров). Впервые дано понятие и проведена оценка риска проникновения пестицида в грунтовые воды.

Практическая значимость

Полученный фактический материал по поведению инсектицида имидаклоприда в почвах в условиях лизиметрических и полевых колоночных опытов может быть использован для решения конкретных задач при оценке риска применения данного пестицида в окружающей среде. Математическая модель MACRO 5.1, как модель более адекватно описывающая реальную миграцию пестицидов в структурных почвах, рекомендуется для использования в процессе регистрации новых пестицидов. Результат настройки модели MACRO 5.1 может быть использован для создания стандартных почвенно-климатических сценариев для территории Российской Федерации. Расширена область практического применения метода электрофизики для решения задач, связанных с установлением структуры почвенного покрова в целях оптимизации применения агрохимикатов. Предложена процедура оценки риска загрязнения грунтовых вод пестицидами, которую рекомендуется использовать при их регистрации.

Публикации:

По теме диссертации опубликовано 13 работ, в том числе 3 работы в изданиях, рекомендованных ВАК Министерства образования и науки РФ.

Объем и структура диссертации:

Работа изложена ца-^^сграницах машинописного текста, содержит £^\аблиц, t^

Автор работы выражает искреннюю благодарность за оказание помощи, поддержки в выполнении и написании работы Умаровой А.Б., Колупаевой В.Н., Позднякову А.И.

ОБЪЕКТЫ И МЕТОДЫ ИССЛЕДОВАНИЙ Объекты исследований

Пестицид

В качестве пестицида использовалась одна из препаративных форм инсектицида имидаклоприда, который недавно зарегистрирован в России для применения на картофеле, яблоне и некоторых других культурах. Имидаклоприд относится к потенциально подвижным и достаточно стойким действующим веществам пестицидов, что может привести к его накоплению в почве и миграции в грунтовые воды.

Лизиметрический эксперимент

В работе для исследования характера миграции инсектицида имидаклоприда и оценки прогнозных математических моделей были использованы большие лизиметры Почвенного стационара МГУ с дерново-подзолистой почвой. Лизиметры представляют собой бетонные емкости площадью 8 м2 и глубиной 175 см. В 1961 году они были послойно заполнены дерново-подзолистой почвой, до глубины 150 см и ниже песчано-гравийной смесью (Орешкина, 1972; Карпачевский, Умарова, 2003). Был использован вариант лизиметрической почвы с нормальным строением почвенного профиля (лизиметры №5 и №6) Апах(0-20), А2 (20-35), В, (35-60), В2 (60-120), В3 (120-150 см). Почти за 40 лет функционирования почв в лизиметрах они достигли равновесной плотности (Орешкина, 1985; Умарова, 1995). В годы данного исследования вариант представлял собой чистый пар.

Почвенно-ландшафтныеусловия полевого эксперимента

Полевые эксперименты были заложены на территории одного из полей фермерского хозяйства «Светлана» в Меленковском районе Владимирской области. Поле представляло собой участок склона с эрозионным рельефом площадью 420 га. На поле преобладали подзолистые почвы флювиогляциально-моренных ландшафтов на двучленных отложениях, обладающие супесчано-песчаным гранулометрическим составом, подстилаемые на различных глубинах тяжелыми плохопроницаемыми моренными отложениями. Такие почвы отличаются тем, что на фоне облегченного гранулометрического состава появляются слои рыхлого песка. На этом поле по данным предварительно проведенных горизонтального электрического профилирования (ГЭП, 423 точки опробования) и вертикального электрического зондирования (ВЭЗ, 90 точек опробования) были выбраны 4 местоположения с различными условиями миграции пестицида и его вероятностью попадания в грунтовые воды. В период проведения эксперимента поле было использовано под посадку картофеля и велось его орошение.

Методы исследований

Лизиметрический эксперимент

Лизиметрические исследования проводили в течение 3-х лет. Имидаклоприд вносили на поверхность лизиметра с помощью опрыскивателя. Нормы расхода по действующему веществу в различных вариантах опытов составляли 0.1 кг/га (2005 год), 0.2 кг/га (2006 год) и 2 кг/га (2007 год). Во время экспериментов (май-сентябрь) велись наблюдения за динамиками влажности почвы, температуры, лизиметрического стока и отбирались образцы почв и лизиметрических вод для последующего определения в них содержания имидаклоприда. Образцы почвы отбирали буром (составляя смешанный образец из 5 точек на площадке лизиметра) с шагом 5 см до глубины 50 см. До анализа все образцы хранили в морозильной камере.

Полевой колоночный эксперимент

В полевом эксперименте во Владимирской области использовали полипропиленовые колонки высотой 30 см и диаметром 10 см, предварительно забитые в почву (между рядами картофеля) таким образом, чтобы над поверхностью почвы оставался край колонки высотой около 1 см. Колонки размещали друг от друга на расстоянии около 1 м в 4-местах поля, выбранных по ранее описанной методике с использованием метода ВЭЗ. На выровненную поверхность почвы в колонки равномерно высыпали из полиэтиленовых пакетов обработанную препаратом дозированную навеску почвы, слегка ее уплотняли и засыпали сверху 1-2 см слоем необработанной почвы. Данная методика позволяет точно дозировать количество внесенного в почву пестицида и исключает его поверхностный смыв, что дает возможность более корректно (по сравнению с деляночным опытом) оценить показатели деградации и миграции действующего вещества препарата в почве. Количество имидаклоприда, внесенного на поверхность каждой колонки, соответствовало норме расхода имидаклоприда 0.1 кг/га. Колонки выкапывали из почвы через 7, 28, 56, 84 суток, делили на 5-см почвенные слои, и полученные образцы хранили до анализа в морозильной камере.

Основные физические и гидрофизические свойства почв

Были проведены исследования основных почвенных свойств: гранулометрический состав - на лазерном дифрактометре Ала1у2еНе-22; основные гидрофизические характеристики (ОГХ) — методом центрифугирования и методом десорбции над насыщенными растворами солей; коэффициент впитывания — методом трубок с

постоянным напором (данные по значениям коэффициента впитывания в почвах лизимеров были любезно предоставлены Умаровой А.Б.); содержание органического вещества — методом сжигания в потоке кислорода; плотность сложения - буровым методом; плотность твердой фазы - методом пикнометров; почвенно-грунтовое обследование территории - методом вертикального электрического зондирования. Параметры уравнения Ван Генухтена были получены аппроксимацией лабораторных определений ОГХ с использованием пакета RETC. Статистический анализ выполнен с помощью программы STATISTICA.

Анализ имидаклоприда в почве и лизиметрических водах

Остаточные количества имидаклоприда в почве и содержание его в лизиметрических водах определялись методом высокоэффективной жидкостной хроматографии после его экстракции из почвы раствором ацетона и трехступенчатой очистки экстракта.

Метеоданные

Параметры для расчета потенциальной скорости эвапотранспирации, а также метеоданные, необходимые для прогноза по моделям (минимальная, максимальная температура в течение дня, суточная радиация, относительная влажность воздуха, скорость ветра и осадки) были любезно предоставлены метеорологической станцией МГУ, которая находится в непосредственной близости от места закладки лизиметрического опыта. Метеоданные, необходимые для моделирования миграции имидаклоприда в почвах Владимирской области, были предоставлены хозяйством «Светлана».

Математические модели миграции пестицидов

Математические физически обоснованные модели транспорта пестицидов в почве могут быть разделены на две основные категории: (1) хроматографические потоковые модели (XII). которые основываются на дифференциальном конвективно-диффузионном уравнении переноса веществ в почве без учета наличия в почве макропор, трещин и пр., то есть без учета преимущественных потоков веществ, и (2) модели, учитывающие наличие в почве преимущественных потоков (ПП), возникающих вследствие трещин набухания и усадки, формирования межпедных трещин, макропор различного происхождения.

Особенность этих внутрипочвенных путей миграции веществ состоит в том, что большая часть веществ, передвигающаяся с почвенными растворами, не взаимодействует с почвенной матрицей, т.е. почва не проявляет своих сорбционных и обменных свойств, закономерно приписываемых ей как дисперсному телу. Знание этого процесса весьма важно, так как, в основном, таким способом движутся в почве пестициды и другие

агрохимикаты, что и учитывают ПП-модели.

Из более чем 30 моделей, использующихся в ЕС и США, были выбраны две - PEARL 3.3.3 (относящаяся к группе ХП-моделей, далее PEARL) и модель MACRO 5.1 (относящаяся к группе ПП-моделей, далее MACRO).

В модели PEARL массовый поток пестицида в почве описан с помощью конвективно-диффузионного переноса в жидкой фазе и диффузии в газовой фазе. Скорость трансформации пестицида в почве аппроксимирована уравнением кинетики первого порядка, а равновесная сорбция пестицидов почвой - изотермой Фрейндлиха. Отличие модели двойной пористости MACRO от модели PEARL в том, что она делит поровое пространство почвы на два домена (макропоры и микропоры), каждый из которых характеризуется своей концентрацией раствора и скоростью потока. Физически обоснованный подход используется для расчета массообмена между доменами.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Результаты лизиметрического эксперимента

Изучение водного режима и поведение имидаклоприда в почвах лизиметров проводилось в течение трех лет: в 2005 году опыт проводился на лизиметре №5, в 2007 году на лизиметре №6 и в 2006 году - на обоих. Поскольку в 2007 году было только несколько дней с интенсивными осадками (после продолжительного сухого периода), и применялась завышенная доза имидаклоприда, то его распределение по профилю по данным отбора почвенных проб было закономерно глубоким, до 50 см. На этом основании данные по стоку, распределению влажности по слоям почвы и миграции имидаклоприда для 2007 года были выбраны для настройки моделей. Два других года (относительно влажный 2005-й и сухой 2006-й) использовались для проверки модели.

Наблюдения за динамикой распределения имидаклоприда в профиле почвы по данным отбора проб почвы показали, что глубина проникновения пестицида зависит от распределения осадков в течение опыта. Так в 2007 и 2006 годах осадки в течение вегетационного сезона были редкими, чередуясь с продолжительными засушливыми периодами. Это привело к значительному перераспределению имидаклоприда вниз по профилю. Глубина миграции в 2007 году составила 50 см, в 2006 году - 40 см. А вот в 2005 году, когда осадки были равномерными, имидаклоприд был сосредоточен в верхнем 10-сантиметровом слое. Эти данные подтверждают предположение о возможной существенной роли тока воды по макропорам в миграции пестицида, формирование которого зависит от осадков ливневого типа.

Распределение пестицида в почвенном профиле по данным анализов почвенных проб лишь косвенно говорит о его возможности мигрировать в грунтовые воды. Более реально судить об опасности загрязнения вод можно по данным анализа имидаклоприда в лизиметрических водах. Суммарный вынос имидаклоприда с лизиметрической водой составил 1.2% от внесенного количества. При этом вымывание имидаклоприда пришлось на время интенсивного выпадения осадков (первая декада августа), что было связано с большим объемом лизиметрического стока в этот период. В 2006 и 2007 годах (на фоне меньшего стока) вынос имидаклоприда был 0.5% и 1.0% соответственно.

Прогноз по моделям MACRO 5.1 и PEARL 3.3.3

Модели по-разному прогнозировали сток модельной почвы лизиметра №6 (рис. 1). MACRO хорошо прогнозировала сток в период, когда осадки были меньше и сток был стабильно мал, занижая значения стока в период интенсивных осадков, за счет чего общая кривая стока также была ниже реальной. Модель PEARL усредняла сток, описывая сток на порядок хуже MACRO. Судя по приведенным данным, модели класса MACRO с разделением порового пространства на транспортное и сохраняющее значительно лучше описывают сток на нижней границе почвы, чем PEARL. Это отражает их целевое назначение: они должны описывать миграцию токсикантов прежде всего через почвенную толщу, возможность их попадания в грунтовые воды и дальнейшую миграцию по ландшафту.

Визуальное сравнение прогноза и экспериментально определенных значений влажности также показало, что модель PEARL завышает значения по сравнению с реальными данными, что может быть связано с вводимыми в модель параметрами ван Генухтена и с недоучетом преимущественных потоков. Модель MACRO лучше описывала влажность в верхних слоях, но значения влажности были занижены для нижних слоев. Последнее, видимо, связано с особенностями условий на нижней границе моделируемой почвы: в модели на нижней границе устанавливалось условие свободного дренажа, а в лизиметрах на нижней границе формируется специальное условие кратковременных подпоров ("seepage face"). На резком переходе почвенных слоев от суглинистой почвы к подстилающему песчаному слою возникают временные застои влаги, когда давление влаги становится положительным. Модель такие условия отражает не вполне точно, тем самым несколько занижая влажность в нижних слоях моделируемой толщи.

»экспериментальные значении

110

130

150

170

190

210

110

130

150

170

190

210

230

——»прскноз по модели MACRO 5.1 (непостроенная)

— — прогиозпомодсли MACRO 5.1

(с настройкой}

прогноз по «юдели PEARL 3.3.3 (ненастроен на н)

— — прогноз по модели PCARL 3.3.3

(с нзароикой)

250

Сутки

230

экспериментальные значении

—— прогноз по модели MACRO 5.1 [ненастроенная}

— — прогноз по модели MACRO 5.1 (с настройкой)

-прогноз по модели PCARL 3.3.3

(ненастроенная)

— — прогноз по модели PEARI 3.3.3 (с настройкой)

Сутки

Рис.1. Экспериментальные динамики лизиметрического стока в 2007 году (01.01.200731.12.2007) и прогнозы по моделям: А) интегральный сток; Б) дифференциальный сток (нумерация дней от 01.01.2007).

Качественная оценка показала, что прогнозируемые динамики остаточных количеств имидаклоприда в почвенной толще лизиметра были близки для обеих моделей. Одинаковое качество прогноза скорости разложения инсектицида двумя моделями объясняется тем, что в них используется один и тот же механизм описания этого процесса: уравнения кинетики 1-го порядка и уравнение Аррениуса.

Основные погрешности при моделировании возникают потому, что получаемая экспериментальная информация отлична от моделируемой ситуации по своему масштабу: экспериментальные ОГХ получены на небольших образцах (около 5 см3), моделируемые же условия имеют масштаб почвенного профиля. Это, конечно, должно приводить к ошибкам моделирования, которые могут быть снижены только за счет операции настройки модели. Но перед тем как адаптировать модель к почвенно-климатичееким условиям нашего региона по реальным данным, необходимо провести проверку модели на чувствительность. Эта проверка должна привести к знанию того, какие из параметров модели в наибольшей степени отвечают за изменение выходной переменной состояния.

Оценка чувствительности моделей к гидрофизическим параметрам Анализ чувствительности модели - ранжирование входных параметров модели в соответствии с их влиянием на выходные данные прогноза переменной состояния. Сравнивая величины изменения прогнозируемой переменной состояния (в нашем случае -стока) от изменения вводимых гидрофизических параметров модели, можно выбрать те, которые в наибольшей степени влияют на прогнозируемый сток. Этими параметрами и следует пользоваться при дальнейшей настройке модели. В качестве входных параметров моделей, которые поочередно изменяли при неизменном уровне остальных, были выбраны: плотность почвы (р), коэффициент фильтрации (Кф), параметры уравнения ван Генухтена (и, a, Os). Модель MACRO позволяла исследовать влияние на выходную переменную соотношения макро- и микропор в почве, а также коэффициента влагопроводности при влажности почвы, соответствующей наименьшей влагоемкости (Ksm). Величины шагов их изменений составляли от -100% до 800% (от экспериментально определенных значений) и в целом соответствовали реально возможным диапазонам этих данных в пределах минимально/максимально допускаемых моделью значений.

модель MACRO

,1 160

модель PEARL

300 -100

Рис.2. Анализ чувствительности моделей к входным гидрофизическим параметрам (пояснения к легенде в тексте).

Анализ чувствительности показал (рис.2), что на результаты прогноза стока по моделям MACRO и PEARL наибольшее влияние оказывали параметры п и 6s уравнения ван Генухтена. Физически параметр п отражает распределение пор по размерам и указывает на то, что чем выше п, тем «круче» ОГХ. Параметр 0s характеризует максимальный объем воды, способный содержаться в почве. Увеличение этого параметра,

естественно, приводит к уменьшению стока. Кроме того, на величину стока, прогнозируемого моделью PEARL, оказывал влияние и коэффициент фильтрации, что, в общем, тривиально. Не совсем обычен тот факт, что сток зависел от Кф значительно слабее (и практически был индифферентной величиной в модели MACRO), чем от параметров ОГХ. Остальные гидрофизические входные параметры существенно меньше влияли на результаты прогнозирования стока. Таким образом, параметры ОГХ являлись главным физическим обеспечением моделей, задающим точность и адекватность прогноза стока, и именно они использовались для настройки моделей.

Настройка моделей

Настройка (калибровка) математической модели - процесс подбора входных параметров в диапазоне их реальных значений, обеспечивающий в результате наилучшее совпадение экспериментальных и прогнозируемых по модели выходных данных. Подбор начинают с наиболее чувствительных параметров, причем одновременно можно менять два и более параметра. Критериями соответствия обычно служат визуальное сравнение кривых эксперимента и прогноза и статистические показатели (например, средняя квадратичная ошибка).

Настройка моделей по параметрам водного режима

Для настройки моделей использовали экспериментальные данные по стоку и влажности за 2007 год и их прогноз за тот же год. Изменению подвергали параметры и и а - определяющие, в первую очередь, величину стока, и 0s и Кф — влияющие, в основном, на влажность.

Поведение кривой стока при изменении двух и более параметров уже не было идентично тому, которое наблюдали в процессе анализа чувствительности моделей. Другими словами, выбрав параметр п в качестве первого параметра для настройки обеих моделей и остановившись на значениях п близких к 1, мы тем самым искусственно «перевели» почву из разряда среднесуглинистых почв в разряд тяжелосуглинистых. При этом изменилась форма кривой стока, которая в середине диапазона параметра п была плавной и ровной и слабо отзывалась на изменение п. При приближении п к граничному значению, т.е. к 1, кривая начала изменять форму, визуально приближаясь к реальной кривой. Изменение величины а помогло дальше скорректировать кривую стока. Результаты прогноза лизиметрического стока, настроенных по водному режиму моделей, приведены на рис. 1. Коррекцией величин fts и Кф удалось добиться уменьшения временного варьирования влажности, рассчитанной по моделям, в профиле почвы.

Отличие настройки модели MACRO от модели PEARL состояло в том, что она легче поддавалась калибровке, адекватнее реагировала на увеличение или уменьшение значений вводимых параметров и, в результате, понадобились менее существенные их изменения.

Настройка пестицидного блока моделей

Известно, что основными характеристиками, определяющими поведение пестицида в почве, являются скорость разложения (DT50) и коэффициент сорбции, поэтому их и использовали для настройки моделей.

Изменяя значения DT50 имидаклоприда и выбрав его равным 40 суткам, добились удовлетворительной сходимости прогнозных и реальных значений остаточных количеств пестицида в профиле почвы (рис.3). Корректировка Кот (коэффициента распределения Kd, нормированного на содержание органического вещества в почве) помогла моделям точнее предсказать миграцию имидаклоприда.

■■экспериментальные значения -прогноз по модели MACRO5.1 (ненастроенная)

■ прогноз по модели MACRO 51 {с настроико?}

- прогноз гю модели PEARL 3.3.3 (ненастроенная}

■ прогноз по модели PEARL 3.3.3 (с настройкой)

Сутки

Рис.З. Динамика остаточных количеств имидаклоприда в дерново-подзолистых почвах лизиметров: А) 2005год- проверка настройки; Б) 2006 год - проверка настройки; В) 2007 год - настройка).

Для адекватного прогноза модель PEARL потребовала также увеличить шаг смешения до максимальных значений, тем самым исказив смысл параметра шага смешения и симулировав явления, связанные с макропористостью почвы, которые физически точно описывает модель MACRO.

Проверка настройки моделей

Важным показателем успешной настройки модели является сохранение высокой точности прогноза, подтвержденной статистическими критериями, для других метеорологических и гидрологических условий. Для проверки настройки моделей использовали те же самые почвы лизиметров, но другие года исследования (2005-2006 гг).

В 2006 году было небольшое количество дней с интенсивными осадками на общем засушливом фоне, что привело в целом к невысокому стоку, однако к более интенсивной миграции имидаклоприда по профилю почвы. Качество прогноза стока несколько снизилось по сравнению с годом настройки за счет того, что модель MACRO занижала сток в начале лета, а модель PEARL в период интенсивных осенних осадков завышала его на порядок. По осадкам 2005 год наоборот был равномерно влажным, что дало обильный сток, и модели справились с предсказанием стока гораздо лучше (рис. 4).

500

экспериментальные зночемин

прогноз по модели MACRO 5.1 (ненастроенная)

— прогноз по модели MACRO 5.1 (с настройкой)

1 прогноз по модели PEARL 3.3.3 (ненастроенная/

— — прогноз помодели PEARL 3.3.3 (с настройкой)

100

150

200

250

300

350

Сутки

120

экспериментальные значения

........ прогноз по модели MACRO 5.1

(ненастроенная) _ — — прогноз по модели MACRO 5.1 ' (с настройкой)

Прогноз по модели PEARL 3.3.3 (ненастроенная) — — прогноз по модели PEARL 3.3.3 (с настройкой)

100

150

200

250

300

350

Сутки

Рис.4. Экспериментальные динамики лизиметрического стока в 2005 году (15.12.200431.12.2005) и прогнозы по моделям: А) интегральный сток; Б) дифференциальный сток (нумерация дней от 01.01.2005).

Прогноз влажности почвы для 2005 и 2006 годов имел несколько иную тенденцию, чем для 2007 года. Так, если в 2007 году влажность верхней части профиля была завышена для обеих моделей, то в 2005 и 2006 годах прогноз влажности более точен для верхних

горизонтов, несколько искажаясь на глубине 30 см, и имел завышенные значения в глубоких горизонтах.

Настройка обеспечила модели MACRO возможность предсказания попадания имидаклоприда в лизиметрические воды в 2006 и 2007 годах. При этом глубина распределения пестицида также была предсказана правильно, т.е. не превышала 50 см. Это принципиально важно, поскольку хорошо иллюстрирует действие преимущественных потоков (на фоне описанного водного режима почв лизиметров) и надежность модели MACRO при оценке опасности проникновения пестицидов в грунтовые воды. Модель PEARL с этим не справилась.

Статистическая оценка прогноза и выбор лучшей модели

Для сравнения данных по стоку и влажности в каждом слое, а также содержанию имидаклоприда в профиле и по слоям использовали следующие статистические критерии: 1. Оценка распределения погрешностей (гистограмма распределения погрешностей); 2. Характеристика разброса погрешностей (представление распределения погрешностей в виде Box&Whisker plots); 3. Коэффициент вариации или нормированная средняя квадратическая ошибка ("Scaled Root Mean Squared Error"); 4. Сопоставление и выбор наилучшей модели (на основании критерия Вильямса-Клюта).

Судя по гистограммам распределения ошибок моделирования стока и величины критерия Уилка-Шапиро, полученные распределения отличны от нормального, что указывает на вероятность систематических ошибок прогноза. Настройка модели MACRO делала распределение ошибок моделирования стока ближе к нормальному, так как значения критерия Уилка-Шапиро становились равными 0.90-0.94. Для модели PEARL настройка не приближала распределение ошибок к нормальному.

Это можно проверить и по графикам расположения медиан, квартилей и разброса погрешностей моделирования. Характеристика положения медианы, а также разброс погрешностей (рис. 5) для PEARL, свидетельствуют об отличии распределения от нормального и существовании систематических ошибок. В случае с MACRO систематические ошибки отсутствовали, медиана распределения была ближе к 0 и разброс ошибок симметричнее. Это подтверждает большую надежность предсказаний по модели MACRO по сравнению с PEARL.

Графиками расположения медиан, квартилей и разброса погрешностей моделирования остаточных количеств имидаклоприда в профиле подтверждается большая надежность MACRO. Настройка приближала медиану к нулю и делала разброс ошибок симметричнее (рис.5). Традиционные статистические критерии (гистограммы распределения ошибок, критерий Уилка-Шапиро) дают аналогичные результаты.

Среднеквадратические ошибки показывают улучшение качества прогноза для обеих моделей при настройке.

Стяпклм* рэслр«делмм ош^ок uceara*кшшт стаа

Статистам раслрсделаая оымбои модегмровшш общего содержат* ммиааотлрмда

е- е-s s S д

Ё ё S

т • а

i • Ä .

s s

i¡ я

í i

0 ¿

3 S ? «

1 i

!!! I lili i ¡

! г ä

§ I

I I

e £ i i

s :

а i

«Г

I !

8sl

t & 1 :

s a ä

□ Meikwi ; 25%-75% Mi>Ma«

Рис.5. Статистические характеристики распределения ошибок моделирования лизиметрического стока и общего содержания имидаклоприда в профиле почвы моделями (без настройки и с настройкой) для 2005, 2006 и 2007 годов

Сравнение моделей для выявления лучшей по критерию Вильямса-Клюта (табл.1) проводили по нескольким критериям: прогнозы интегрального и дифференциального стоков, влажности в слоях почвы, остаточных количеств имидаклоприда в профиле и по слоям почв лизиметров. Оказалось, что при уровне значимости 0.9 с прогнозом без настройки лучше справлялась модель MACRO. Настроенная модель PEARL некоторые пункты списка предсказывала лучше, но с прогнозом по ключевым параметрам (сток, содержание имидаклоприда в профиле почвы) MACRO все же справилась лучше.

Таблица 1

Сравнение моделей по критерию Вильямса-Клюта и выбор лучшей* модели (при уровне значимости (р) 0.1) для данных 2007 года по лизиметру №6

показатели для сравнения моделей ненастр. модели лучшая модель настр.модели лучшая модель

b t-крит. b t-крит.

Сток интегральный -0.54 -27.71 MACRO -1.31 -37.52 MACRO

Сгокдафференщильный -0.31 -8.08 MACRO -1.62 -19.91 MACRO

Влажность в слое 0-5 см -1.15 -4.06 MACRO 0.43 2.15 PEARL

Вгижноа в слое 5-10 см -3.13 -7.07 MACRO 1.98 6.91 PEARL

Количество имидаююпридав профиле 5.59 8.82 PEARL -0.54 -9.74 MACRO

Количество имидаклоприда вслоеО-Юсм 25.95 3.69 PEARL 25.95 3.69 PEARL

Количество имидаклоприда в слое 10-20 см -4.66 -0.23 равны -1.62 -3.69 MACRO

* если величина 1-критерия<0 для параметра регрессии Ь, то лучше модель MACRO, если t>0 -лучше PEARL. Если уровень значимости превышает установленное значение (0.1), то предсказания моделей достоверно не различаются

Настроенная модель должна стабильно работать для данной почвы при любом изменении внешних условий. Далее можно изменять метеорологические и гидрологические параметры для прогноза поведения пестицидов в более широких диапазонах условий природной обстановки и использовать данные прогноза, например, для оценки риска проникновения пестицида за пределы пахотного слоя и вероятности загрязнения грунтовых вод.

Исследование пространственного изменения некоторых свойств дерново-подзолистых почв объекта "МЕЛЕНКИ"

Для определения точек заложения полевого колоночного эксперимента были проведены: топографическая съемка поля; вертикальное электрическое зондирование поля, ВЭЗ (90 точек опробования) (рис.6); горизонтальное электрическое зондирование пахотного слоя (0-30 см) (423 точки опробования); выбраны места закладки опорных разрезов, проведено описание, определены основные почвенные свойства горизонтов; измерено электрическое сопротивление (рк) по стенкам разрезов; определены физические свойства и некоторые химические показатели; оценены взаимосвязи р* с другими почвенными свойствами; при помощи программ Mapinfo и Surfer построены карты-схемы рк и всех исследованных свойств; по пространственному распределению рк с использованием зависимостей рк с другими почвенными свойствами рассчитаны пространственные распределения почвенных свойств участка.

Как и следовало ожидать, строение профиля дерново-подзолистой почвы определяет возникновение трехслойных S-образных кривых изменения рк Наибольшие величины истинного удельного сопротивления приурочены к оподзоленным супесчано-песчаным горизонтам и могут достигать тысяч Ом'м. рк подстилающих глинистых и суглинистых горизонтов резко снижается до сотен и даже десятков Ом-м. Форма изолиний рк при интерпретации данных ВЭЗ позволила также выявить локальное утяжеление или облегчение грансостава в пределах простирания одноименных горизонтов. Распределения рк хорошо характеризуют неоднородность строения почвенного покрова исследуемой территории. Такая неоднородность скорее всего связана с варьированием гранулометрического состава почв поля; он же будет определять характер распределения пестицидов в профиле.

9 *5000-20000

Рис.6. Распределение элеюрическош сопрапшления (р^) го данным ЮЗ наглубинах: А) 7см; Б)30см; В)60см;

Г) 240 см.

Для определения потенциально опасных участков принципиально важно знать основные свойства почв, которые можно оценить по величине р^ особенно характер распределения гранулометрического состава. Для этого были построены зависимости рк от основных свойств почвы. Удалось установить зависимости между сопротивлением и грансоставом, полевой влажностью, коэффициентом фильтрации. Для всех зависимостей коэффициент корреляции не менее 0.96-0.99, что говорит о хорошем качестве аппроксимации.

Расчет риска загрязнения имидаклопридом грунтовых вод

На основании описанных выше исследований были выбраны 4 точки, где предположительно будет разная вероятность загрязнения грунтовых вод имидаклопридом: дерново-сильноподзолистая глееватая супесчаная почва на маломощном двучлене (точка

26), дерново-сильноподзолистая слабоглееватая супесчаная почва на маломощном двучлене (точка 3), дерново-подзолистая слабоглееватая легкосуглинистая на маломощном двучлене (точка 75), дерново-подзолистая слабоглееватая супесчаная на среднемощном двучлене (точка 51) (рис.6). Моделью, с помощью которой рассчитывались экологические риски, была выбрана MACRO. Сравнение экспериментальных значений остаточных количеств имидаклоприда в колоночном опыте с прогнозом настроенной модели MACRO подтвердило возможность экстраполяции настройки модели на другие почвенно-климатические условия (рис.7.) и дало возможность, опираясь на данные моделирования, определить количество пестицида, вынесенного за пределы корнеобитаемого слоя.

•экспериментальные значения

прогноз по настроенной модели MACRO 5.1

Рис.7. Остаточные количества имидаклоприда в профиле дерново-подзолистых почв (колоночный эксперимент). Экспериментальные значения и прогноз по модели MACRO (с настройкой): А) дерново-сильноподзолистая слабоглееватая супесчаная почва на маломощном двучлене, точка 3; Б) дерново-сильноподзолистая глееватая супесчаная почва на маломощном двучлене, точка 26.

Показателем экологического риска было выбрано отношение дней с концентрацией пестицида выше ПДК в стоке за пределы расчетной толщи к общему количеству дней присутствия пестицида в стоке. В расчетах использовалась ПДК для воды водоемов питьевого назначения (0.03 мг/л для имидаклоприда).

Для примера расчета рисков по модели MACRO были просчитаны несколько "экстремальных" вариантов, соответствующих общепринятым климатическим сценариям, которые используются при регистрации пестицидов: влажный год с большим (80% обеспеченность осадками) количеством осадков в течение вегетационного сезона (май-сентябрь), когда следует ожидать наименьшей скорости разложения пестицида и более интенсивной его миграции в почвах; сухой год с небольшим количеством осадков (20% обеспеченность осадками) в течение вегетационного сезона и наименьшей миграцией пестицида в профиле; а также сухой год с поливом, когда влияние макропор на миграцию пестицида будет максимальным. На рис. 8 и в табл.2 представлены результаты расчетов рисков для точек 3 и 75.

—С/Спдк,% Количество осадков, мм .......Полив.мм

Рис.8. Относительные концентрации пестицида (к ПДК воды водоемов питьевого назначения) в стоке с нижней границы расчетной почвенной толщи. Варианты соответствуют табл.2.

Оказалось, что в экстремально влажный год возможность загрязнения в 3-4 раз выше, чем в сухой год при интенсивном поливе и в десятки раз выше, чем в сухой год, но без применения орошения. При этом появление имидаклоприда в стоке на нижней границе расчетного слоя приурочено к началу обильных осадков. В сухой год появление имидаклоприда смещено по времени на период ливневых осадков, т.е. на осень. Поскольку к этому времени основное количество инсектицида успевает разложиться, общее количество имидаклоприда вынесенное за пределы расчетного слоя гораздо ниже (как и риски загрязнения грунтовых вод). Полив в сухой год приводит к тому, что имидаклоприд единовременно в большом количестве выносится из почвы.

Таблица 2

Риски загрязнения грунтовых вод имидаклопридом при различных вариантах _погодных условий и орошения_

Варианты (характеристика/обеспеченность осадками/полив) Риск, %

дерново-подзолистая слабоглееватая легкосуглинистая на маломощном двучлене (точка 75) дерново-сильноподзолистая глееватая супесчаная почва на маломощном двучлене (точка 26)

влажный год / 20 % / без полива вар.А - 43.0 вар.Г - 27.6

сухой год / 80 % / без полива вар.Б - 0 вар.Д - 0

сухой год /80 % / масштабный полив вар.В - 10.3 вар.Б - 8.1

Подобный расчет для данных почвенных условий возможен по отношению к любым пестицидам. Это необходимо для предварительной оценки возможности загрязнения пестицидами окружающей среды и научно-обоснованного принятия управленческого решения, а также в целом для оптимизации управления агротехнологиями в интенсивном сельскохозяйственном производстве.

выводы

1. Экспериментально определены гидрофизические и химические свойства, элементы водного режима дерново-подзолистых почв лизиметров Почвенного стационара МГУ и входные гидрофизические параметры математических моделей MACRO и PEARL. Проведена апробация моделей, учитывающих наличие в почве преимущественных потоков (MACRO 5.1), и хроматографических потоковых моделей (PEARL 3.3.3) для прогноза водного режима дерново-подзолистой почвы и миграции имидаклоприда. Оценка чувствительности моделей показала, что наибольшее влияние на выходную переменную состоянию (лизиметрический сток) оказывают параметры уравнения Ван Генухтена, использующиеся для аппроксимации основной гидрофизической характеристики (ОГХ).

2. Количество имидаклоприда в почвенной толще к концу вегетационного сезона составляло 20-30% от внесенной дозы, а миграционный путь инсектицида был ограничен 40-50 см с максимумом в верхнем 10-ти сантиметровом слое. Лизиметрические исследования водного режима среднесуглинистой дерново-подзолистой почвы и характера распределения имидаклоприда в ней показали возможность его передвижения с преимущественными потоками по макропорам почвы и его проникновения в грунтовые воды (до 1.2 % от внесенного количества), что изначально предполагало большую эффективность моделей с учетом преимущественных потоков для описания этих процессов.

3. Сравнение прогнозной и экспериментальной динамики содержания имидаклоприда в почвах показало, что в целом модели идентично предсказывали остаточные количества инсектицида в почвенной толще. Однако модель MACRO количественно более точно прогнозировала профильное распределение имидаклоприда и его попадание в лизиметрические воды. Сравнение моделей по критерию Вильямса-Клюта подтвердило, что прогноз модели MACRO по ключевым параметрам моделирования более точен. Таким образом, для оценки опасности пестицидов для окружающей среды и возможности его проникновения в грунтовые воды предпочтительнее использовать физически обоснованные модели, учитывающие преимущественные потоки в почве.

4. Использование методов полевой электрофизики почв при обследовании структуры почвенного покрова (Владимирская область) позволило совместно с прогнозным математическим моделированием (модель MACRO) оценить риск миграции пестицида за пределы почвенного профиля в годы различной обеспеченности и при применении орошения. Показано, что в экстремально влажный год риск попадания пестицида в грунтовые воды в 3-4 раз выше, чем в сухой год при интенсивном поливе, и в десятки раз выше, чем в сухой год, но без применения орошения.

СПИСОК ПУБЛИКАЦИЙ

1. Кокорева A.A., Шалагинова С.М. Использование физически обоснованных математических моделей для прогноза миграции пестицидов в дерново-подзолистой почве // Тезисы докладов IX Докучаевских молодежных чтений "Почвы России. Проблемы. Решения", Санкт-Петербург, 2006, С. 52-52.

2. Кокорева A.A., Шалагинова С.М. Прогноз миграции пестицидов в почвах с использованием физически обоснованных математических моделей на примере миграции клопиралида в дерново-подзолистой почве // Тезисы докладов конференции "Ломоносов-2006", Москва, 2006, С. 33-33.

3. Кокорева A.A. Оценка чувствительности и настройка некоторых моделей миграции пестицидов II Тезисы докладов X Юбилейных Молодежных Докучаевских чтений "Почвы и техногенез", Санкт-Петербург, 2007, С. 105-106.

4. Кокорева A.A., Поздняков А.И., Смерников С.А. Использование электрофизических методов для оценки структуры почвенного покрова при мелиоративных изысканиях // Тезисы докладов Всероссийской научной конференции "Пространственно-временная организация почвенного покрова: теоретические и прикладные аспекты", Санкт-Петербург, 2007, С. 63-63.

5. Кокорева A.A., Умарова А.Б., Горбатов B.C. Оценка чувствительности моделей миграции веществ в почве разного уровня по лизиметрическому стоку // ВЕСТНИК ОГУ, 2007, №3, С. 123-127.

6. Кокорева A.A., Шеин Е.В., Горбатов B.C., Умарова А.Б. Оценка чувствительности и настройка некоторых моделей миграции пестицидов // Материалы международной научно-практической конференции "Ноосферные изменения в почвенном покрове", Владивосток, 2007, С. 403-406.

7. Шеин Е.В., Горбатов B.C., Дембовецкий A.B., Умарова А.Б., Кокорева A.A. Проблемы широкого использования прогнозных математических моделей миграции пестицидов в почвах // Сборник трудов научной конференции "Современные проблемы загрязнения почв", Москва, 2007, С. 37-38.

8. Дембовецкий A.B., Шеин Е.В., Микайылов Ф.Д., Архангельская Т.А., Фаустова Е.В.,

Тымбаев В.Г., Банников М.В., Кокорева A.A. Физически обоснованные пространственно

распределенные динамические математические модели: новые подходы, методы и приборы для экспериментального получения и расчета полученной информации // Материалы V съезда Всероссийского общества почвоведов им. В.В. Докучаева, Ростов-на-Дону, 2008, С. 490.

9. Kolupaeva V.N., Gorbatov V.S., Kokoreva A.A. Comparison of Pearl and Macro_DB simulations in the unsaturated zone using lysimeter experiment data 1! Environmental Fate and Ecological Effects of Pesticides, A.A.M. Del Re, E. Capri, G. Fragoulis and M. Trevisan (Eds.), 2008, C. 497-502.

10. Кокорева A.A. Оценка чувствительности, настройка и сравнение математических моделей миграции пестицидов в почве И Материалы I Всероссийской научно-практической конференции с международным участием "Фундаментальные достижения в почвоведении, экологии, сельском хозяйстве на пути к инновациям", Москва, 2008, С. 308-310.

11. Кокорева A.A., Горбатов B.C., Колупаева В.Н. Оценка чувствительности и настройка некоторых моделей миграции пестицидов // Материалы I Всероссийской научно-практической конференции с международным участием "Фундаментальные достижения в почвоведении, экологии, сельском хозяйстве на пути к инновациям", Москва, 2008, С. 494-494.

12. Умарова А.Б., Самойлов O.A., Кокорева A.A. Температура модельных дерново-подзолистых почв в условиях больших лизиметров МГУ // Вестник АГАУ, 2008, №1(39), С. 22-26.

13. Шеин Е.В., Кокорева A.A., Горбатов B.C., Умарова А.Б., Колупаева В.Н. Оценка чувствительности, настройка и сравнение математических моделей миграции пестицидов в почве по данным лизиметрического эксперимента // Почвоведение, 2009, №7.

Заказ № 1640 Тираж: 100 экз. Типография «11-й ФОРМАТ» ИНН 7726330900 115230, Москва, Варшавское ш., 36 (499) 788-78-56 www.autoreferat.ru

Содержание диссертации, кандидата биологических наук, Кокорева, Анна Александровна

ВВЕДЕНИЕ

ГЛАВА 1. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ И МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МИГРАЦИИ

ПЕСТИЦИДОВ

1.1. Экспериментальное изучение водного режима и миграции веществ в почве и основы построения математических моделей переноса веществ

1.1.1. Водный режим

1.1.2. Закономерности миграции воды и веществ в почве

1.1.3. Экспериментальное исследование миграции пестицидов в почвах

1.1.4. Математические модели переноса веществ в почвах

1.1.5. Экспериментальное обеспечение моделей

1.1.6. Условия на верхней и нижней границах

1.2. Оптимизация работы моделей

1.2.1. Источники ошибок прогнозов по моделям и способы их минимизации

1.2.2. Оценка чувствительности моделей к гидрофизическим параметрам

1.2.3. Настройка моделей по динамическим полевым данным и разработка стандартных сценариев их входных данных

1.3. Методы оценки адекватности прогноза моделей

1.3.1. Качественная и статистическая оценка работы моделей

1.3.2. Точность предсказания моделью исследуемых процессов

1.4. Почвенно-ландшафтные исследования по прогнозу проникновения пестицидов в грунтовые воды

1.4.1. Применение электрофизических методов для выявления неоднородностей почвенного покрова территорий

1.4.2. Концепция экологических рисков

ГЛАВА 2. ОБЪЕКТЫ И МЕТОДЫ ИССЛЕДОВАНИЯ

2.1. Характеристика пестицида

2.2. Лизиметрический эксперимент

2.3. Почвенно-ландшафтные условия полевого эксперимента

2.4. Основные физические и гидрофизические свойства почв

2.5. Анализ имидаклоприда в почве и лизиметрических водах

2.6. Метеоданные

2.7. Математические модели миграции пестицидов: MACRO 5.1 и PEARL 3.3.

ГЛАВА 3. МОДЕЛИРОВАНИЕ ВОДНОГО РЕЖИМА И МИГРАЦИИ ИМИДАКЛОПРИДА В УСЛОВИЯХ ЛИЗИМЕТРИЧЕСКОГО

ЭКСПЕРИМЕНТА

3.1. Результаты лизиметрического эксперимента

3.2. Прогноз по моделям MACRO 5.1 и PEARL 3.3.

3.3. Оценка чувствительности моделей к гидрофизическим параметрам

3.4. Настройка моделей

3.4.1. Настройка моделей по параметрам водного режима

3.4.2. Настройка моделей по параметрам пестицида

3.4.3. Проверка настройки моделей

3.4.4. Статистическая оценка прогноза и выбор лучшей модели

ГЛАВА 4. МОДЕЛИРОВАНИЕ МИГРАЦИИ ИМИДАКЛОПРИДА В ПОЧВЕННО-ЛАНДШАФТНЫХ УСЛОВИЯХ ПОЛЕВОГО ЭКСПЕРИМЕНТА И ПРИМЕР ПОЛИВАРИАНТНЫХ РАСЧЕТОВ И ОЦЕНКИ РИСКА ПРИМЕНЕНИЯ ПЕСТИЦИДОВ

4.1. Почвенно-ландшафтные исследования в целях прогноза проникновения пестицидов в грунтовые воды (на примере объекта "МЕЛЕНКИ")

4.2. Расчет риска загрязнения имидаклопридом грунтовых вод 98 ВЫВОДЫ 102 СПИСОК ЛИТЕРАТУРЫ 104 ПРИЛОЖЕНИЕ

Введение Диссертация по сельскому хозяйству, на тему "Экспериментальное исследование и математическое моделирование миграции имидаклоприда в дерново-подзолистых почвах"

Одним возможных негативных последствий применения пестицидов в сельском хозяйстве является загрязнение пестицидами почв и грунтовых вод. Для оценки риска аккумуляции пестицидов в почве и миграции их в грунтовые воды необходимо знать их концентрации в этих объектах окружающей среды. Это можно сделать, экспериментально, определяя остаточные количества пестицидов хроматографическими методами, или прогнозируя их с помощью математических моделей поведения пестицидов в окружающей среде. Первый подход трудоемок, дорог и не может охватить всего разнообразия почвенно-климатических условий, в которых применяются пестициды. Второй, хотя и менее точен, лишен вышеперечисленных недостатков (Bergstrom, 1990; Jarvis, Jansson, Dik, Missing, 1991; Hance, Fuhr, 1991; Леонова, 2001; Сметник, Спиридонов, Шеин, 2005 и др.).

Основную роль в транспорте пестицидов в окружающей среде играет вода и поэтому, вышеперечисленные модели предполагают использование в качестве одних из входных параметров гидрофизические свойства почв, от которых во многом зависит точность прогноза поведения пестицидов в почвах. Настраивая гидрофизический блок моделей, можно добиться более адекватного прогноза, учитывающего региональную специфику почв.

Протестированные и настроенные модели прогноза поведения пестицидов в окружающей среде могут найти применение в практике национальной регистрации пестицидов, в первую очередь, для оценки риска загрязнения почв и грунтовых вод в широком диапазоне почвенно-климатических условий России.

Работа посвящена экспериментальному изучению миграции инсектицида имидаклоприда и прогнозу его поведения в дерново-подзолистых почвах с помощью математических физически обоснованных моделей. Исследования проводились для дерново-подзолистых почв Больших лизиметров стационара МГУ и дерново-подзолистых почв сельскохозяйственного поля в Меленковском районе Владимирской области. Для них были получены гидрофизические и гидрохимические свойства, исследованы элементы водного режима и миграция пестицида. Для математических, физически обоснованных моделей была оценена чувствительность, проведена параметризация и адаптация, количественно оценена адекватность моделей в отношении миграции пестицида в профиле почв и за его пределы (попадание в лизиметрические воды).

На примере дерново-подзолистых почв сельскохозяйственного поля проведены исследования по выявлению участков, потенциально опасных в отношении возможного проникновения пестицидов в грунтовые воды, и оценен риск применения имидаклоприда для этих участков.

Экспериментально установлено, что ~ потенциально подвижный инсектицид имидаклоприд в реальных условиях может мигрировать до глубины 50 см и в микроколичествах попадать в лизиметрические воды благодаря специфическому процессу миграции его с преимущественными потоками влаги. Показано, что для адекватного описания миграции пестицидов в почвах необходимо последовательное выполнение процедур параметризации, оценки чувствительности и настройки моделей по полевым динамическим данным о влажности (давлении влаги) и содержании пестицида, что связано с различием масштабов получения экспериментального обеспечения моделей (почвенный образец) и их использования (почвенные профиль и покров). Впервые дано понятие и проведена оценка риска проникновения пестицида в грунтовые воды.

Работа выполнена на кафедре физики и мелиорации почв факультета почвоведения МГУ им. М.В. Ломоносова, а также в лаборатории химии окружающей среды Всероссийского научно-исследовательского института фитопатологии в течение 2005-2008 гг. под руководством профессора, д.б.н. Е.В. Шеина и к.б.н. B.C. Горбатова.

Автор выражает искреннюю благодарность научным руководителям, коллективам сотрудников кафедры физики и мелиорации почв и лаборатории химии окружающей среды, а также лично Умаровой А.Б, Колупаевой В.Н. и Позднякову А.И. за поддержку и помощь в научно-исследовательской работе.

Заключение Диссертация по теме "Агропочвоведение и агрофизика", Кокорева, Анна Александровна

ВЫВОДЫ

4. Использование методов полевой электрофизики почв при обследовании структуры почвенного покрова (Владимирская область) позволило совместно с прогнозным математическим моделированием (модель MACRO) оценить риск миграции пестицида за пределы почвенного профиля в годы различной обеспеченности и при применении орошения. Показано, что в экстремально влажный год риск попадания пестицида в грунтовые воды в 3-4 раз выше, чем в сухой год при интенсивном поливе и в десятки раз выше, чем в сухой год, но без применения орошения.

Библиография Диссертация по сельскому хозяйству, кандидата биологических наук, Кокорева, Анна Александровна, Москва

1. Айдаров И.П. Регулирование водно-солевого и питательных режимов орошаемого земледелия // М.: Агропромиздат. 1985. 304 с.

2. Брипинг И. А. Исследование закономерностей переноса растворов электролитов в глинистых грунтах // Автрореферат дисс. к.г-м.н. М.: Изд-во МГУ. 1967. 14 с.

3. Бэр Я., Заславски Д., Ирмей С. Физико-математические основы фильтрации воды // М.: Мир. 1971. 452 с.

4. Вадюнина А.Ф. Использование электрических параметров в диагностике и технологии засоленных почв // Тезисы докладов "Совершенствование приемов и методов мелиорации солонцовых почв". Ростов-на-Дону. 1976.

5. Вериго СА., Разумова JIA. Почвенная влага // Л.: Гидрометеоиздат. 1968. 590 с.

6. Вирченко Е.П. Поведение симазина в дерново-подзолистой почве // Миграция загрязняющих веществ в почвах и сопредельных средах. Труды IV Всесоюз. Совещания. Л.: Гидрометеоиздат. 1985. С. 46-53.

7. Воронин А.Д. Основы физики почв // М.: Изд-во МГУ. 1986. 244 с.

8. Высоцкий 7".Н. Об ороклиматологических основах классификации почв // Почвоведение. 1906. № 1-4.

10. Гидрометцентр России. Режим доступа: http://meteoinfo.ru/ Загл. с экрана.

11. Гипъманов Т.Г. Математическое моделирование биогеохимических циклов в травянистых экосистемах // М.: Изд-во МГУ. 1978. 169 с.

12. Глобус A.M. Почвенно-гидрофизическое обеспечение агроэкологических математических моделей. Л.: Гидрометеоиздат. 1987. 428 с.

13. Государственный каталог пестицидов и агрохимикатов, разрешенных к применению на территории Российской Федерации // М.: Минсельхоз России. 2008. 549 с.

14. Губер А.К., Шеин Е.В. Адаптация и идентификация математических моделей переноса влаги в почвах // Почвоведение. 1997. №9. С. 1107-1119.

15. Дмитриев Е.А. Математическая статистика в почвоведении // Изд. 3, испр. и доп. 2009. 328 с.

16. Дмитриев Е.А., Хохрииа Т.К. О путях передвижения впитывающейся в почву влаги // Сб.: Проблемы сельскохозяйственной науки в Московском Университете. Изд. МГУ. 1975. С. 123-126.

17. Добровольский Г.В., Урусевская И.С. География почв // 3-е изд. М.: Наука. 2006. 460 с.

18. Евдокимова Т.И. Почвенная съемка // М.: Изд-во МГУ. 1981. 264 с.

19. Зайдельман Ф.Р. Гидрологический режим почв Нечерноземной зоны // Л., Гидрометеоиздат. 1985. 328 с.

20. Зайдельман Ф.Р. Естественное и антропогенное переувлажнение почв. Деградация, использование и его роль в формировании почв // СПб.: Гидрометеоиздат, 1992.

21. Зайдельман Ф.Р. Методы эколого-мелиоративных изысканий и исследований почв // М.: Колос. 2008. 486 с.

22. Зайдельман Ф.Р. Рекомендации по диагностике степени заболоченности минеральных почв Нечерноземной зоны РСФСР и оценке целесообразности их осушения (пособие к ВСН-33-2.1-84) // М.: Издание мин-ва мелиорации и водного хозяйства СССР. 1987.

23. Зайдельман Ф.Р. Эколого-мелиоративное почвоведение гумид-ных ландшафтов//М.: Агропромиздат, 1991.

24. Каволюнайте И. Лизиметрические исследования вымывания разных гербицидов // М.: Сельскохозяйственная наука. 1994. №1. С. 44-53.

25. Карпачевскнй Л. О. Экологическое почвоведение // М.: Изд.-во Мое. унта. 1993. 83 с.

26. Карпачевский Л.О. Лес и лесные почвы // М.: Лесная промышленность. 1981. 263 с.

27. Карпачевский JI.O., Умарова А.Б. Большие лизиметры Почвенного стационара МГУ // Агрохимический вестник. 2003. № 2. С. 5-6.

28. Качинский Н. А. Физика почв. 4.1 // М.: Высш. шк. 1965. 323 с.

29. Колупаева В.Н., Горбатов B.C., Шеин Е.В., Леонова А. А. Использование имитационной модели PEARL для оценки миграции метрибузина в почве //1. Почвоведение (в печати).

30. Конюкова Л.Г., Орлова В.В., Швер Ц.А. Климатические характеристики СССР по месяцам //Л.: Гидрометеоиздат. 1971. 144 с.

31. Корсунская Л.П. Гидродинамические и физические свойства почв // Автореф.дисс. к.б.н. М.: МГУ. 1997.

32. Ларина Г.Е. Методология экологго-токсикологического мониторинга гербицидов в агроэкосистеме (на примере производных сульфонилмочевины и имидазолинона) // Автореферат на соиск. уч. ст. д.б.н. М: 2007. 38 с.

33. Леонова А.А. Миграция метрибузина в почвах: лизиметрические исследования и моделирование // Дисс. к.б.н. М: Изд-во МГУ. 2001. 115 с.

34. Маккой Дж. Геообработка в ArcGis // ESRI. Перевод на русский язык "Russian Translation by DATA+". 2004. 364 с.

35. Матвеев Ю.М. Сорбционно-десорбционное взаимодействие пиклорама с почвой и его влияние на активность гербицида при почвенном применении // Автореф. дис. к.б.н. М.: МГУ. 1982. 24 с.

36. Научно-прикладной справочник по климату СССР. Серия 4. Климатические ресурсы экономических районов // Л.: Гидрометеоиздат. 1989. 78 с.

37. Никулина М.В. Экспериментальное обеспечение и оценка точности модели влагопереноса в почвах с учетом макропорозности // Автореф. дисс. к.б.н. М.: МГУ. 1994. 24 с.

38. Онищенко Г.Г., Новиков С.М., Рахманин Ю.А., Авалиани С.Л., Буштуева

39. К.А. Основы оценки риска для здоровья населения при воздействии химических веществ, загрязняющих окружающую среду // М.: НИИ ЭЧ и ГОС, 2002. 408 с.

40. Орешкина Н.С. Опыт изучения физических свойств и водного режима дерново-подзолистой почвы на модлеи // Автореферат на соиск. уч. ст. к.б.н. М: 1972. 27 с.

41. Остряков А.Н. Несколько опытов вытеснения из почвы раствора жидкостью//Казань. 1912.

42. Лакшина С.М. Передвижение солей в почве // М.:Наука. 1980. 120 с.

43. Пачепский Я.А. Математические модели процессов в мелиорируемых почвах //М.: Изд-во МГУ. 1992. 85 с.

44. Пачепский Я.А. Математические модели физико-химических процессов в почвах//М.: Наука. 1990. 188 с.

45. Поздняков А.И., Позднякова JIA., Позднякова АД. Стационарные электрические поля в почвах // М.: КМК Scientific Press. 1996. 358 с.

46. Поздняков АН, Хан К.Ю. Методика электрического зондирования ипрофилирования постоянным током при исследовании почв // Вестник МГУ. Сер. Почвоведение. 1979. №1. С.46-54.

47. Почвоведение. 4.1-2 // под ред. Ковды В.А., Розанова Б.Г. М.: Высш. шк. 1988. 400 с. 368 с.

48. Ревич Б.А., Авалиани C.JI., Тихонова Г.И. Основы оценки воздействиязагрязненной окружающей среды на здоровье человека. Пособие по региональной экологической политике // М.: Акрополь, ЦЭПР. 2004. 268 с.

49. Роуэлл Д.Л. Почвоведение: методы и использование // М.: Колос. 1998. 486 с.

50. Самсонова В.П. Пространственная вариабельность состава и свойств дерново-подзолистой почвы // Дисс. д.б.н. М: Изд-во МГУ. 2003.

51. Сметник А.А., Губер А.К. Расчет гидрохимических параметров миграции гербицидов в почвенных колонках//Почвоведение. 1996, № 8. С. 1021-1026.

52. Спиридонов Ю.Я., Макеева-Гурьянова JI.T., Клименко А.А., Ивах М.И. Факторы, влияющие на миграцию пиклорама в почве // Агрохимия. 1982. N 4. С. 99-105.

53. Умарова А.Б., Кирдяшкин П.И. Конвективный перенос растворенных веществ преимущественными потоками влаги в серых лесных почвах Владимирского ополья // Вестник ОГУ. 2007. №10. Специальный выпуск (75). Ч.З. С. 364-369.

54. Умарова А.Б., Шеин Е.В. Применение метода крахмальной метки Дмитриева для исследований переноса воды и растворенных веществ // Масштабные эффекты при исследовании почв. М.: Изд-во МГУ. 2001 С. 217222.

55. Хмелевской В.К. Применение микровертикального зондирования в гидрогеологических изысканиях // Вестник МГУ, сер. Геология. М.: Изд-во МГУ. 1973. №1.

56. Чехова Т. И. Экспериментальное обеспечение моделей влаго- и солепереноса в почвах//Автореф. дисс. к.б.н. М.: МГУ. 1994. 19 с.

57. Чураев Н.В., Ильин Н.И. Радиоиндикаторные методы исследования движения подземных вод // М.: Атомиздат. 1967.

58. Шеин Е.В. Курс физики почв // М.: Изд-во МГУ. 2005. 432 с.

59. Шеин Е.В., Архангельская Т.А., Гончаров В.М., Губер А.К., Початкова Т.Н., Сидорова М.А., Смагин А.В., Умарова А.Б. Полевые и лабораторные методы исследования физических свойств и режимов почв //М.: Изд-во МГУ. 2001.200 с.

60. Шеин Е.В., Гончаров В.М. Агрофизика // Ростов н/Д.: Феникс. 2006. 400 с.

61. Шеин Е.В., Пачепский Я.А., Губер А.К., Чехова Т.И. Особенности экспериментального определения гидрофизических и гидрохимических параметров математических моделей влаго- и солепереноса в почвах // Почвоведение. 1995. №12. С. 1479-1486.

62. Шеин Е.В., Умарова А.Б., Ван Ицюань, Початкова Т.Н. Водный режим и изменение элементного состава дерново-подзолистых почв в условиях больших лизиметров // Вестник МГУ. Сер. Почвоведение. 1997. №3. С.28-39.

63. A site dedicated to pesticide fate modeling Электронный ресурс.:

65. Addiscott Т.А., Dexter A.R. Tillage and crop residue management effects on losses of chemicals from soils I I Soil & Tillage Research 30. 1994. Pp. 125-168.

66. Aderhold D., Nordmeyer H. Leaching of herbicides in soil macropores as a possible reason for groundwater contamination // Pesticide movement to water. BCPC Monograph №62. Held at the University of Warwick. UK. 1995. Pp. 217-223.

67. Barrett M.R., Liu S.L., Peckenpaugh J. Tiered assessments of pesticide impacts on ground water used for drinking water // Proc. of the 9th International Congress of Pesticide Chemistry, London. 1998. 25 p.

68. BBA. Lysimeter studies for the displacement of pesticides into the subsoil // Guidelines for the testing of agricultural pesticides with registration procedure, Part IV 4-3, 1990. Braunschweig, Germany: Biological Bundenstalt.

69. Bergstrom L.F. Use of lysimeters to estimate leaching of pesticides in agricultural soils // Environ. Pollut. 1990. 67. Pp.325-347.

70. Beulke S., Brown C.D., Dubus I.G., Harris G. Evaluation of uncalibrated preferential flow models against data for isoproturon movement to drains through a heavy clay soil // Society of Chemical Industry. 2001. Pp. 537-547.

71. Beven K., Germann P. Water flow in soil macro pores. II. A combined flow model // J. Soil Sci. 1981. V. 32. Pp. 15-29.

72. Boesten J J.T.I. Influence of dispersion length on leaching calculated with PEARL, PELMO and PRZM for FOCUS groundwater scenarios // Pest Management

73. Science. V. 60. 2004. Pp. 971-980.

74. Boesten J J.T.I. Sensitivity analysis of a mathematical model for pesticide leaching to groundwater// Pesticide Science, 31. 1991. Pp. 375-388.

75. Boesten J.J.T.I., van der Pas L.J.T. Movement of water, bromide ion and the pesticides ethoprophos and bentazone in a sandy soil: the Vredepeel data set // Agricultural Water Management. V. 44. 2000. Pp. 21-42.

76. Bouma J., Dekker L.W. A case study on infiltration into dry clay soil // Morphological observations Geoderma. 20. 1978. Pp. 27-40.

77. Beven K., Germann P. Water flow in soil macropores. II. A combined flow model //J. Soil Sci. 1981. V. 32. Pp. 15-29.

78. Bouma J.A., Songerius A., Schoonderbeek D. Calculations of saturated hydraulic conductivity of some pedal clay soils using micromorphometric data // Soil Sci.Soc.Am.J. 1979. V. 43. Pp.261-264.

79. CAMASE (1995). Guidelines for modeling // Электронный ресурс. Доступ http://www.bib.wau.nl/camase/modguide.html. 420 с.

80. Dekkers W.A., Barbera F. Effect of aggregate size on leaching of herbicide in soil columns // Weed Research. 1977. v. 17, № 5. Pp. 315-319.

81. Del Re A.A.M., Trevisan M. Selection criteria of xenobiotic leaching models in soil // European Journal of Agronomy, 4. 1995. Pp. 465-472.

82. Development of Pedotransfer Functions in Soil Hydrology // Elsevier. Edited by Ya.Pachepsky and W.J.Rawls. 2004. 497 p.

83. Dubus I.G., Brown C.D. Sensitivity and first-step analysis for the preferentialflow model MACRO // J. Environ. V. 31. 2002. Pp. 227-240.

84. Dubus, I.G., Beulke S., Brown C.D. Calibration of pesticide leaching models: Critical review and guidance for reporting // Pest Manage. Sci. V. 58. 2002. Pp. 745758.

85. Fluty M, Fluhler H., Jury W.A., Leuenberger J. Susceptibility of soils to preferential flow of water: a field study // Water Resour. Res. V. 30. 1994. Pp. 1945-54.

86. FOCUS. Leaching Models and EU Registration // European Comission Document 4952/VI/95. 1995.

87. Fontaine D.D., Havens P.L., Blau G.E., Tillotson P.M. The role of sensitivity analysis in groundwater risk modeling for pesticides // Weed Technology, 6. 1992.

88. Gottesbtiren В., Aden К., Barlund I., Brown C., Dust M., Gorlitz G., N. Jarvis N., Rekolainen S., Schafer H. Comparison of pesticide leaching models: results using the Weiherbach data set //Agricultural Water Management. V. 44. 2000. Pp. 153-181.

89. Green R.E., Karickhojf S. W. Sorption estimates for modeling I I Pesticides in the soil environment: Processes, impacts, and modeling. In H.H. Cheng (ed.) SSSA Book Ser. 2. SSSA, Madison, WI.1990. Pp. 79-102.

90. Gustafson D.I. Ground water ubiquity score: a simple method for assessing pesticide leachability // Environmental Toxicology and Chemistiy. 1989, Vol.8. Pp. 339-357.

91. Hamaker J. W. The interpretation of soil leaching experiments I I Environmental Dynamics of Pesticides, Plenum. New York. Eds. R. Hague & V. H. Freed. 1975.

92. Hance R.J., Ftihr F. Methods to study fate and behaviour of pesticides in the soil // Lysimeter studies of the fate of pesticides in the soil. Ftihr F., Hance R.J., eds. Farnham, UK: Monogr. no. 53. British Crop Protection Council, 1992. Pp. 9-18.

93. Hillel D., Baker R.S. A descriptive theory of fingering during infiltration into layered soils // Soil Sci. V. 146. 1988. Pp. 51-56.

94. Iman R.L., Helton, J.C. An investigation of uncertainty and sensitivity analysis techniques for computer models // Risk analysis. v8. 1988. Pp. 71-90.

95. Jarvis N. J. MACRO-a model of water movement and solute transport in macroporous soils // Reports and Dissertations no. 9, Department of Soil Sciences, Swedish University of Agricultural Sciences, Uppsala, Sweden. 1991. 58 p.

96. Jai"vis N.J. Macropore and preferential flow // The encyclopedia of agrochemicals. Plimmer (ed.). V. 3. John Wiley & Sons, New York. 2002. Pp. 10051013.

97. Jarvis N.J. Modeling macropore flow effects on pesticide leaching: inverse parameter estimation using microlysimeters // Journal of Environmental Quality. V. 32. 2003. Pp. 6-12.

98. Jarvis N.J. The MACRO model (Version 3.1). Technical description and sample simulations // Reports and Dissert. 19, Dept. Soil Sci., Swedish Univ. Agric. Sci., Uppsala, Sweden. 1994. 51 p.

99. Jarvis N.J., Jansson P.E., Dik P.E., Mssing I. Modeling water and solute in macroporous soil. I. Model description and sensitivity analysis // J. of Soil Sci. 1991. V. 42. Pp. 59-70.

100. Johnson A.C., Haria A., Batchelor C., Bell J.P., Williams R.J. Fate and behaviour of pesticides in structured clay soil // Institute of Hydrology, Wallingford. 1993.

101. Kolupaeva V.N., Gorbatov V.S. Evaluation of leaching models with experimental data for metsulfuron-methyl // 7-th EWRS Mediterranean Symposium. Cukurova University, Agricultural Faculty, Department of Plant Protection TR-01330. Turkey, Adana. 2003.

102. Lawes J.В., Gilbert J.H., Warington R. On the amount and composition of rain and drainage water collected at Rothamsted // London: William Clowers and Sons. 1982.

103. Leeds-Harrison P.B. The movement of water and solutes to surface and groundwaters // Pesticide movement to water. BCPC Monograph №62. Held at the University of Warwick. UK. 1995. Pp. 3-13.

104. Leeds-Harrison P.В., Youngs E.G., Uddin B. A device for determining the sorptivity of soil aggregates // European Journal of Soil science 45. 1994. Pp. 269273.

105. Lennartz B. Influence of soil type and climate conditions on the mobility of pesticides // Proceedings of the 1-st International Conference on the behaviour of pesticides in soils, ground and surface water. Darmstadt. Germany. 1999.

106. Leonova A. A., Shein E. V., Gorbatov V. S. Migration of herbicide metribuzin in the soil: lysimetric study and simulation // Eurasian Soil Science. V. 36(6). 2003. Pp. 669-676.

107. Mualem Y. A new model for predicting the hydraulic conductivity of unsaturated porous media // Water Resour. Res. V. 12. 1976. Pp. 513-522.

108. Nicholls P.H., Hall D.G.M. Use of the Pesticide Leaching Model (PLM) to simulate pesticide movement through macroporous soils // Pesticide movement to water. BCPC Monograph №62. Held at the University of Warwick. UK. 1995. Pp. 187-195.

109. Risk assessment methodologies // EUROTOX, Association of European Toxicologists & European Societies of Toxicology Congress. Vilnius. 1997.

110. Ritsema C.J., Dekker L.W., Hendrickx J.M.H., Hamminga W. Preferential flow mechanism in water repellent sandy soil // Water Resour. Res. V. 29. 1993. Pp. 2183-2193.

111. Rooij G.H. de Preferential flow in water-repellent sandy soils Model development and lysimeter experiments // Doctoral tihesis, Wageningen Agricultural University, The Netherlands. 1996. 229 p.

112. Scorza R.P.J., Boesten J.J.T.L, Simulation of pesticide leaching in a cracking clay soil with the PEARL model // Society of Chemical Industry. 2005. Pp. 432-448.

113. Skopp J. Comment on "Micro-, meso-, and macroporosity of soil" // Soil Sci.SocAm.J. 1981. V.45. P. 1246.

114. Smetnik A A. Simulation of picloram movement in loamy soil under field conditions using MACRO-DB model // Abstracts of the Third International Weed Science Congress, Fox do Iguassu. 2000. Pp. 87-88.

115. Soutter M., Musy A. Global Sensitivity Analyses of Three Pesticide Leaching Models Using a Monte-Carlo Approach //J. Environ. Qual. 1999 28: 1290-1297.

116. Steenhuis T.S., Parlange J.Y. Preferential flow in structured and sandy soil. // Proceedings of the National Symposium on Preferential Flow (eds. T. Gish and A. Shirmohammadi), ASAE, St. Joseph, MI, USA. 1991. Pp. 12-21.

117. Steenhuis T.S., Ritsema C.J., Dekker L.W., Parlange J.Y. Fast and early appearance of solutes in groundwater by rapid and far-reaching flows // Transactions of the 15th World Congress of Soil Science, Acapulco, Mexico. July 1994. Pp. 184203.

118. Tiktak A., van den Berg F., Boesten J.J., van Kraalingen D., Leistra M. and van der Linden A. Manual of FOCUS PEARL v 1.1.1, RIVM Rep 711401008, RIVM, Bilthoven, The Nederlands. 2000. P. 144.

119. Vachaud G., Vauclin M., Addiscott T.M. Solute transport in the vadose zone: a review of models // Proceeding of the international symposium on water quality modeling of agricultural non-point sources. Utah St. Univ. Logan. Utah. 1988.

120. Van Genuchten M.T. Non-equilibrium transport parameters from miscible displacement experiments // Research Report, U.S. Salinity Laboratory, Riverside, C.A. 1981. V. 119. P. 88.

121. Van Genuchten M.T., Wierenga P. J. Mass transfer in sorbing porous medial. Analytical solutions // Soil Sci. Soc. Am. J. V. 40. 1976. Pp. 473-480.

122. Van Genuchten M.T., Wierenga P.J. O'Connor G.A. Mass transfer studies in sorbing porous media: III. Experimental evaluation with 2,4,5-T I I Soil Sci. Soc. Am. J. V. 41. 1977. Pp. 278-285.

123. Van Genuchten M.Th., Ralston D.E., Germann P.F. (Eds.) Transport of water and solutes in macropores // Geoderma. 1990. M 46. Special issue.

124. Van Genuhten M.Th. A closed-form equation for predicting the hydraulic conductivity of unsaturated soil // Soil Sci. Soc. Am. J. V. 44. 1980. Pp. 892-898.

125. Van Genuhten M.Th., Leij and Yates S.R. The RETC code for quantifying the hydraulic functions of unsaturated soils. US Salinity Lab, Riverside, CA. 1991.

126. Van Оттеп H.C., Dekker L.W., Dijksma R., Hulshof J., amd van der Heuven M. Experimental assessment of preferential flow path in a field soil // J.Hydrol. V. 105. 1989. Pp. 253-262.

127. Watson G.V., Luxmoore R.J. Infiltration, macroporosity and mesoporosity distribution on two forest watersheads I I Soil Sci.SocAm.J. 1988. V. 52. Pp. 329-335.

128. WHO. World Health Organization Regional Office for Europe. Air Quality

129. Guidelines for Europe. Second Edition // WHO Regional Publications,European Series, No. 91. Copenhagen, 2000.

Информация о работе

Кокорева, Анна Александровна
кандидата биологических наук
Москва, 2009
ВАК 06.01.03

Диссертация

Экспериментальное исследование и математическое моделирование миграции имидаклоприда в дерново-подзолистых почвах - тема диссертации по сельскому хозяйству, скачайте бесплатно

Автореферат

Похожие работы