园林废弃物基栽培基质的配方筛选及综合评价

陈彤; 邱军付; 齐兴育; 马清虎; 李鹏武; 胡清

doi:10.12030/j.cjee.202008169

园林废弃物基栽培基质的配方筛选及综合评价

1.
北京南科大蓝色科技有限公司，北京 100083
2.
南方科技大学环境科学与工程学院，深圳 518055
3.
无锡西澳环保科技有限公司，无锡 214194

作者简介: 陈彤(1969—)，男，硕士，研究员。研究方向：资源循环利用。E-mail：chent3@sustech.edu.cn

通讯作者: 胡清(1964—)，女，博士，教授。研究方向：资源循环利用。E-mail：huq@sustech.edu.cn

基金项目:
北京市科技计划项目(Z181100009118003)
中图分类号: X72

Screening and comprehensive evaluation of garden waste based cultivation substrate

1.
Beijing SUSTech Blue Technology Co., Ltd., Beijing 100083, China
2.
School of Environmental Science and Engineering, Southern University of Science and Technology, Shenzhen 518055, China
3.
Wuxi Xi′ao Environmental Protection Technology Co., Ltd., Wuxi 214194, China

Corresponding author: HU Qing, huq@sustech.edu.cn

摘要: 利用主成分分析法，对园林废弃物基栽培基质配方进行了综合分析，为综合评价及筛选最优配方提供参考。以园林废弃物、土壤和商品营养土为主要原材料，制备了9组可用于植物栽培的基质，基质中腐熟和未腐熟园林废弃物的质量分数之和达到30%~40%，且无需添加草炭土等不可再生资源。该基质的大部分理化指标满足国家和行业对栽培基质的相关标准要求。通过种植实验可知，高羊茅种子在基质中的发芽率超过85%。采用主成分分析法对基质配方进行了综合得分评价研究，结果表明，总孔隙度、氮、磷、钾和总养分对基质理化性能的影响最大。9组基质配方的综合评价得分最高的为基质3，对照土壤与腐熟园林废弃物、未腐熟园林废弃物、商品营养土之间质量比为5∶3∶1∶1。其中，腐熟和未腐熟园林废弃物的质量分数之和达到40%。
- 园林废弃物资源化 /
- 固废资源化 /
- 栽培基质 /
- 主成分分析
Abstract: The principal component analysis was used to analyze the culture substrate formula of garden waste, which could provide scientific reference for comprehensive evaluation and selection of optimal formula. Nine groups of substrates for plant cultivation were prepared by using garden waste, soil and commercial nutritive soil as the main raw materials, in which the mass fraction of total decomposed and undecomposed garden waste reached up to 30%~40%, and non-renewable nature resources such as peat soil were not required. Most physical and chemical indexes of the substrate met the requirements of the national and industrial standards for cultivation substrates. The results of planting experiments showed that the germination rate of tall fescue seeds in the substrate was higher than 85%. The results of the comprehensive score evaluation of substrate formulas adopting “principal component analysis methodology” showed that the total porosity, nitrogen, phosphorus, potassium and total nutrients had the greatest influence on the physical and chemical properties of the substrates. The highest comprehensive evaluation score of nine substrate formulations was substrate 3, which was as follows: control soil/decomposed garden waste/undecomposed garden waste/commercial nutrient soil=5/3/1/1, and the mass fraction of total decomposed and undecomposed garden wastes reached 40% of the raw materials.
- recycling of garden waste /
- solid waste recycling /
- cultivation substrate /
- principal component analysis

近年来，随着城市化规模的扩大和工业化的迅速发展，大气环境日益恶化，环境空气质量问题越来越被广大人民群众所关注^[1-3]。2013年起国家实施环境空气质量新标准，完善了污染物项目和监测规范，提高了数据有效性要求，有利于进一步保护公众健康，环境空气质量管理由一次污染物控制向二次污染物为主的复合污染控制转变。同年，国家颁布并实施《大气污染防治行动计划》^[4]明确提出重点省市需要建立重污染天气监测预警体系，提升空气质量监测预警能力，环境空气质量预报工作作为大气污染防控及重污染预警的基础工作，已成为环境监测部门核心业务之一，而预报方法的准确性决定了其可用性，对预报模式效果评估是实现预报预警的前提。

目前应用范围较广的环境空气质量预报方法有统计预报法^[5]和数值预报法^[6-7]。统计预报法^[8-10]简单易行、成本低，适合短期预报，但缺少确定性污染机理，难以捕捉重污染过程且重污染预报准确率偏低；数值预报法对于区域性长期预报有一定优势，但在技术及硬件设施方面投入较大。其中，集合预报法同时运行多个空气质量预报模式，准确率较高。目前数值预报是包括沈阳市在内新疆^[11]、江苏^[12]和河南^[13]省多城市预报工作选择的主要预报手段。沈阳市2018年建立环境空气质量多模式预报预警系统，现选取系统中国际主流预报模式中第三代空气质量预报和评估系统空气质量模式（congestion mitigation and air quality, CMAQ）及国内应用较多的嵌套网格空气质量模式系统（nested air quality prediction model system, NAQPMS）空气质量预报模式的预报数据，进行定量评估，对比2种预报模式在沈阳市2019年采暖季（1～3月、11月和12月）的预报效果，以期为东北地区城市大气污染变化和空气质量预报工作的发展提供经验借鉴。

1. 资料与方法

1.1 资料来源

研究监测数据来自沈阳市11个环境空气自动监测国控站，仪器监测、数据分析统计严格参照《环境空气质量标准：GB 3095—2012》^[14]《环境空气质量指数（AQI）技术规定（试行）：HJ 633—2012》^[15]《环境空气质量技术评价规范(试行)：HJ 663—2013》^[16]等相关标准执行。

数值预报模式为嵌套网格空气质量预报系统NAQPMS模式及区域多尺度空气质量模型CMAQ模式。2种模式均为前一日20时发布未来3日预报，包括污染物浓度、AQI和首要污染物。本研究选取2种模式的24 h、48 h和72 h预报结果进行评估。

1.2 预报方法介绍

区域多尺度空气质量模型（CMAQ）是由美国环境保护局（Environmental Protection Agency, EPA）开发的第三代空气质量预报和评估系统，被广泛应用于区域环境质量评估、污染成因分析、决策研究和空气质量预报等方面。CMAQ模式突破了传统模式针对单一物种和单相物种的模拟，是一种适用于模拟城市或区域尺度臭氧、酸沉降、能见度和气溶胶等的多尺度综合空气质量模式，模式以WRF等中尺度气象模式作为气象驱动模型，以SMOKE等源排放处理模型作为源处理模型。主要由边界条件模块、初始条件模块、光分解速率模块、气象-化学预处理模块和化学传输模块构成^[17]。化学转化模块是CMAQ模式的核心模块，其综合考虑了污染物在大气中的空气动力学过程、气象化学过程、气溶胶过程和云化学与动力过程。

嵌套网格空气质量预报模式系统（NAQPMS）由中国科学院大气物理研究所研制，是区域和城市尺度三维欧拉化学传输模式^[18]。可模拟细颗粒物、臭氧、氮氧化物、二氧化硫和一氧化碳等大气痕量气体和大气气溶胶。被广泛应用于多尺度污染问题的研究，不但可以研究区域尺度的空气污染（沙尘、酸雨等污染物的跨区域传输），还可以研究城市尺度的空气质量的发生机理及变化规律，和不同尺度区域间空气质量变化的相互影响。

1.3 预报评估方法

1.3.1 评估指标

目前常用的空气质量评估指标很多，本研究选择平均偏差（MB）、均方根误差（RMSE）、平均分数偏差（MFB）、平均分数误差（MFE）和相关系数（r）等统计指标，具体公式见文献^[19]。对2种数值预报模式污染物浓度预报值预报准确率进行检验，通过衡量预报值与实况值的偏离来评价预报结果的稳定性及可行度。其中，MB的大小主要表示样本总体预报值比实况值偏大或偏小的数值；RMSE 反应了预报值与实况值的差值，其值越接近0，表明预报效果越好；r表示预报值与实况值逐渐变化趋势的吻合程度，其值越接近1，表示预报效果越好；MFB、MFE是2个无量纲的统计量，合理预报范围为−60%≤MFB≤60%、MFE≤75%；理想水平范围−30%≤MFB≤30%、MFE≤50%。

1.3.2 城市预报评估

依据《环境空气质量预报成效评估方法指南》^[20]要求，常规业务预报评估可使用城市AQI范围准确率、AQI级别准确率及首要污染物准确率。

AQI范围准确率评估，当预报级别为优、良、轻度污染、中度污染时，预报范围以实况值±15为正确；当预报级别为重度污染、严重污染时，预报范围以实况值±30为正确，见式（1）：

$\mathrm{A}\mathrm{Q}\mathrm{I}\mathrm{范}\mathrm{围}\mathrm{准}\mathrm{确}\mathrm{率}{C}_{\mathrm{A}\mathrm{Q}\mathrm{I}}=\frac{n}{N}\times 100\%$

$(1)$

式（1）中，n表示AQI范围预报准确的天数，N表示评估预报总天数。

AQI级别准确率评估，当实况AQI级别在预报结果范围内，包含跨级别预报，则预报正确，否则错误，见式（2）：

$\mathrm{A}\mathrm{Q}\mathrm{I}\mathrm{级}\mathrm{别}\mathrm{准}\mathrm{确}\mathrm{率}{C}_{\mathrm{G}}=\frac{n}{N}\times 100\%$

$(2)$

式（2）中，n表示AQI级别预报准确的天数，N表示评估预报总天数。

首要污染物准确率评估，当实况首要污染物为单一时，预报首要污染物为1个，且与实况相同，则预报正确；若预报首要污染物为2个，且其中1个与实况一致，则预报正确。当实况首要污染物为多个，若预报首要污染物与预报一致，则预报正确；若预报首要污染物为1个，与实况出现首要污染物中1个相同，也记为预报正确。当实况为优，无首要污染物，不做首要污染物预报评估，见式（3）：

$\mathrm{首}\mathrm{要}\mathrm{污}\mathrm{染}\mathrm{物}\mathrm{准}\mathrm{确}\mathrm{率}{C}_{\mathrm{P}\mathrm{P}}=\frac{n}{N}\times 100\%$

$(3)$

式（3）中，n表示首要污染物预报准确的天数，N表示评估时段内非优预报总天数。

2. 沈阳市采暖期空气质量特征

2019年1～3月、11月和12月为沈阳市采暖期，占全年总天数41.4%。对比6项主要污染物，采暖期仅臭氧浓度低于非采暖期，由于臭氧作为二次污染物，主要受温度、太阳辐射影响，由于冬季气温及太阳辐射较夏季均偏低，臭氧光化学反应减弱，臭氧浓度明显低于夏季，见图1。

图 1 2019年采暖期与非采暖期主要污染物浓度变化对比

下载: 全尺寸图片幻灯片

其他5项污染物浓度均高于非采暖季，其中，细颗粒物（PM_2.5）浓度升高幅度最大，达到100%，二氧化硫（SO₂）、二氧化氮（NO₂）、一氧化碳（CO）和可吸入颗粒物（PM₁₀）浓度上升幅度分别为75.0%、50.0%、57.1%和47.0%。2019年采暖期与非采暖期不同空气质量类别天数占比，采暖期优良天数占全年优良天数的39.8%，中度及以上污染天数占全年80%，见图2。进一步对比采暖期不同污染类别首要污染物变化，见图3。

图 2 2019年采暖期与非采暖期各级别天数占比

下载: 全尺寸图片幻灯片

图 3 2019年采暖期不同污染类别首要污染物对比

下载: 全尺寸图片幻灯片

当AQI ﹥50时（良，轻度及以上污染），出现3种首要污染物分别为NO₂、PM₁₀和PM_2.5，PM_2.5为首要污染物天数占总天数55.9%；AQI ﹥100（轻度及以上污染）出现2种首要污染物（PM₁₀和PM_2.5），PM_2.5为首要污染物天数占总天数94.7%；AQI ﹥150（中度及以上污染）仅出现PM_2.5一种首要污染，占总天数100%。

空气质量类别及污染物浓度对比结果均显示出采暖期空气质量差于非采暖季。当污染程度越重，首要污染物逐渐单一且集中表现为PM_2.5，PM_2.5成为采暖季的主要污染物。因此本文以PM_2.5来分析采暖季的2种预报模式及其预报效果。

3. 预报结果评估分析

3.1 AQI预报效果评估

沈阳市采暖期中CAMQ、NAQPMS模式未来24、48和72 h的AQI范围预报、AQI级别预报及首要污染物预报准确率，见表1。

表 1 CAMQ、NAQPMS模式AQI预报效果评估对比

预报时次	范围准确率/%		级别准确率/%		首要污染物准确率/%
预报时次	CAMQ	NAQPMS	CAMQ	NAQPMS	CAMQ	NAQPMS
24 h	43.7	27.8	74.2	66.2	60.3	58.9
48 h	31.8	21.9	74.2	61.6	59.6	60.9
72 h	34.4	20.5	67.5	55.6	60.3	57.0

| Show Table

DownLoad: CSV

表1可知，2种模式的AQI范围预报、AQI级别预报均表现出预报准确率随预报时次延长准确率下降，即24 h准确率高于48、72 h。首要污染物预报准确率表现为各预报时次准确率相差不大。AQI范围预报、AQI级别预报准率最高的为CAMQ模式的24 h预报，准确率分别为43.7%、74.2%；首要污染物预报准确率最高的为NAQPMS模式48 h预报，准确率为60.9%。

2种预报模式中仅48 h首要污染物预报NAQPMS模式略高于CAMQ模式，其他各预报时次的AQI范围预报、AQI级别预报及首要污染物预报均表现为CAMQ模式准确率高于NAQPMS模式。综合3种评估分析，CAMQ模式预报准确率优于NAQPMS模式。

3.2 PM_2.5预报效果评估

3.2.1 时间序列对比

分别利用未来24、48 和72 h PM_2.5预报浓度值与PM_2.5实况浓度进行2019年采暖季PM_2.5日均浓度对比分析。通过预报及实况浓度时间序列对比，来评估预报模式对污染物浓度累积及清除的预报能力。CAMQ、NAQPMS模式在3种预报时次中对PM_2.5浓度预测值与实况值的变化趋势基本相似，说明2种模式对PM_2.5浓度累积及清除过程具有一定的预报能力，但预报值与实况值仍存在一定偏差，预报模式均有优化空间，见图4。

下载: 全尺寸图片幻灯片

图 4 2019年采暖期CAMQ、NAQPMS模式PM_2.5日均值预测与实况对比

下载: 全尺寸图片幻灯片

2种预报模式在24、48和72 h预报中，在11月19～21日、12月7～8日、12月13～15日和12月20～21日均出现明显预报偏高情况，且预报趋势与实况相反。2种模式还存在对PM_2.5浓度的峰值预判过度情况，1月10～12日、3月19～21日和11月19～20日出现预报浓度过高情况。

3.2.2 散点图分析

散点图用于对比成对的数值，对模型的模拟值与实况监测值间时空配对后，用来分析模式预报值与实况值的吻合程度，并可反映出预报值对实况值的高估或低估。设预报值处于实况值的0.5～2倍范围内认定为预报值可接受，采用FAC表示预报值在实况值0.5～2倍范围内的比例。

2019年采暖期CAMQ模式PM_2.5浓度预报效果优于NAQPMS模式，CAMQ模式PM_2.5浓度预报值基本集中在y=x附近，且呈收敛趋势；而NAQPMS模式PM_2.5浓度预报值呈现明显偏高情况，多数集中在y=x于y=2x间，且随预报时间延长，预报高估情况愈加明显。2019年采暖期CAMQ模式的PM_2.5浓度预报值FAC整体高于NAQPMS模式，随预报时长增加而降低。CAMQ模24 h预报FAC最高，达到88.7%，NAQPMS模式48 h、72 h 的FAC最低，为65.6%，见图5。

图 5 2019年采暖期CAMQ、NAQPMS模式PM_2.5日均值散点图

下载: 全尺寸图片幻灯片

3.2.3 统计分析

通过统计分析对CAMQ、NAQPMS模式PM_2.5日均浓度预测能力进行定量评估。2种预报模式的预报效果，见表2。

对比多种统计指标，CAMQ、NAQPMS模式对PM_2.5的预报能力均表现出预报时次越短，预报效果更优，24 h预报效果最优，48 h次之，72 h最差。从2种预报模式预报值与实况值的MB来看，CAMQ、NAQPMS模式预报值均高于实况值，偏离程度随预报时长增加而增大，CAMQ模式PM_2.5浓度预报偏高在1.25～11.38 μg/m³之间，NAQPMS模式预报偏高在26.52～35.19 μg/m³之间。NAQPMS模式预报值的偏离程度大于CAMQ模式。2种预报模式对PM_2.5浓度预报的NMB、NME和R²均符合−50%<NMB<80%，NME<150%，R²>0.3要求，CAMQ模式的NMB、NME均﹤50%，预报效果优于NAQPMS模式。2种预报模式对PM_2.5浓度预报的RMSE表现为CAMQ模式每个预报时次的RMSE均小于NAQPMS模式，CAMQ模式预报值与实况值偏差小于NAQPMS模式。2种预报模式MFB及MFE评估结果显示，CAMQ模式3个预报时次的MFB及MFE均处于理想范围内，NAQPMS模式的MFB及MFE则落于合理范围。综合多种统计指标，CAMQ模式对PM_2.5浓度预报效果优于NAQPMS模式。

表 2 2019年采暖期CAMQ、NAQPMS模式PM_2.5浓度预报统计分析

统计指标	CAMQ			NAQPMS
统计指标	24 h	48 h	72 h	24 h	48 h	72 h
MB	1.25	8.6	11.38	26.52	32.75	35.19
NMB/%	2.1	14.1	18.4	43.9	54.3	58.3
NME/%	37.7	45.1	48.7	54.4	62.6	66.6
r²	0.469	0.422	0.466	0.478	0.425	0.451
RMSE	30.92	36.83	38.33	42.11	49.94	50.98
MFB/%	3.7	13.5	15.9	42	48.3	50.9
MFE/%	37.2	44.2	48	47.5	52.7	54.9
注：平均偏差（MB）、标准化平均偏差(NMB)、标准化平均误差(NME)、和相关系数（r）、均方根误差（RMSE）、平均分数偏差（MFB）、平均分数误差（MFE）。

| Show Table

DownLoad: CSV

4. 结论

本研究基于2019年采暖期（2019年1～3月、11月和12月）空气质量实况值，采用CAMQ、NAQPMS模式模拟了沈阳市PM_2.5浓度，评估了2种模式对单一污染物的预报能力。以统计等级、范围和首要污染物准确率评估了预报模式对污染物综合预报能力。以上结果均表现出CAMQ模式优于NAQPMS 模式，可为人工订正预报提供参考。

（1）沈阳市采暖期环境空气质量污染程度重于非采暖期，采暖期除臭氧外其他5项污染物浓度均高于非采暖季，采暖期细颗粒物浓度较非采暖期上升幅度达到100%。采暖期中度及以上污染占全年80%，首要污染物以细颗粒物为主。

（2）CAMQ、NAQPMS模式等级、范围和首要污染物准确率均为24 h预报准确率最高，而CAMQ模式的24 h等级、范围和首要污染物准确率高于NAQPMS模式，CAMQ模式综合预报能力更优。

（3）时间序列对比结果显示2种预报模式预报值与实况值总体时间变化趋势一致，但仍存在偏差，均表现为预报值明显高估。散点图对比结果显示2种模式对细颗粒物浓度预报均存在不同程度高估，随预报时次增加，偏高程度增大。CAMQ模式24 h预报的可接受度最高，为88.7%。

（4）利用统计分析对比2种模式对细颗粒物预报效果进行定量评估，CAMQ、NAQPMS模式对PM_2.5的预报能力均表现出预报时次越短，预报效果更优。CAMQ模式预报效果优于NAQPMS模式。CAMQ模式3个预报时次预报效果均达到理想水平。

表 1 原料主要性能指标

Table 1. Main performance indexes of raw materials

供试原料	pH	干容重/(g·cm⁻³)	有机质含量/%	总养分(TN+TP+TK)/%	全钾/(mg·kg⁻³)	全磷/(mg·kg⁻³)	全氮/(mg·kg⁻³)	电导率EC/(mS·cm⁻¹)	含水率/%
未腐熟园林废弃物	6.59	0.31	67.34	2.47	7913	981	15931	5.570	6.69
腐熟园林废弃物	7.38	0.48	69.40	2.97	9481	975	19233	9.270	6.48
商品营养土	4.62	0.27	72.54	2.78	8664	677	18302	5.130	18.80
对照土壤	7.57	1.33	0.13	0.63	4852	136	1191	1.044	1.59

下载: 导出CSV

表 2 基质配方的质量分数

Table 2. Mass fraction of substrates formula %

基质编号	对照土壤	腐熟园林废弃物	未腐熟园林废弃物	商品营养土
基质1	50	40	0	10
基质2	50	35	5	10
基质3	50	30	10	10
基质4	60	35	0	5
基质5	60	30	5	5
基质6	60	25	10	5
基质7	65	30	0	5
基质8	65	25	5	5
基质9	65	20	10	5

下载: 导出CSV

表 3 基质与植物测试指标

Table 3. Indexes of substrates and vegetation

基质编号或标准	pH	通气孔隙度/%	干容重/(g·cm⁻³)	有机质含量/%	总养分(TN+TP+TK)/%	全钾/(mg·kg⁻³)	全磷/(mg·kg⁻³)	全氮/(mg·kg⁻³)	非毛细管孔隙度/%	总孔隙度/%	电导率/(mS·cm⁻¹)	阳离子交换量/(cmol·kg⁻¹)	根系长度/mm	地上生长高度/mm
基质1	7.86	54.81	0.60	33.14	1.57	6 805	801	8 092	9.52	64.33	4.20	35.38	15.7	36.3
基质2	6.96	56.15	0.67	43.55	1.15	8 922	949	7 581	8.25	64.40	3.68	35.58	24.4	42.5
基质3	7.65	60.25	0.62	38.69	2.04	10 475	997	8 955	7.19	67.44	3.64	37.12	30.6	45.6
基质4	7.87	55.91	0.79	37.87	1.59	7 227	864	7 817	4.52	60.43	5.73	35.00	12.3	22.5
基质5	7.64	57.52	0.67	30.49	1.45	6 039	859	7 613	6.94	64.46	5.32	30.99	24.8	39.4
基质6	7.57	55.34	0.69	43.56	1.82	9 923	888	7 415	8.83	64.17	4.60	30.32	15.6	24.7
基质7	7.83	53.14	0.78	35.94	1.68	8 692	953	7 176	5.89	59.03	5.23	35.21	12.9	36.8
基质8	7.77	52.68	0.70	38.03	1.65	8 648	905	6 939	12.03	64.71	4.79	30.72	15.9	42.1
基质9	7.69	56.34	0.75	42.31	1.51	8 393	822	5 904	5.14	61.48	4.07	29.08	30.2	39.6
《绿化用有机基质》(GB/T 33891-2017)	4.00~9.50	−	0.10~1.00	≥25.00	≥1.50	−	−	−	≥15.00	−	12.00	−	−	−
《绿化用有机基质》(LY/T 1970-2011)	5.00~8.00	≥20.00	0.10~0.80	≥15.00	≥1.50	−	−	−	−	−	0.50~3.00	−	−	−
注：“−”代表国标和行业标准对该指标未作要求。

下载: 导出CSV

表 4 主成分分析结果

Table 4. Results of principal component analysis

主成分	各评价指标的得分系数														特征根	方差贡献率/%	累积贡献率/%
主成分	pH	通气孔隙度	干容重	有机质含量	总养分	非毛细管孔隙度	总孔隙度	电导率	阳离子交换量	根系长度	全钾	全磷	全氮	地上高度	特征根	方差贡献率/%	累积贡献率/%
1	−0.534	0.641	−0.758	0.241	0.205	0.311	0.847	−0.837	0.375	0.666	0.551	0.540	0.540	0.641	4.766	34.043	34.043
2	0.572	0.155	−0.371	−0.810	0.411	0.081	0.211	0.334	0.473	−0.300	−0.386	−0.055	0.719	−0.019	2.460	17.572	51.614
3	0.119	0.132	0.435	0.376	0.570	−0.420	−0.268	0.139	0.408	−0.209	0.623	0.617	0.275	−0.412	2.180	15.574	67.189
4	0.104	−0.641	−0.169	0.172	0.272	0.836	0.199	−0.038	−0.158	−0.531	0.350	0.106	−0.050	−0.046	1.740	12.428	79.617
5	0.501	0.267	−0.025	0.030	0.615	−0.062	0.179	−0.037	−0.582	0.333	0.168	−0.290	−0.226	−0.059	1.356	9.682	89.299

下载: 导出CSV

表 5 得分系数矩阵

Table 5. Component score coefficient matrix

评价指标	主成分
评价指标	1	2	3	4	5
pH	−0.112	0.232	0.055	0.060	0.369
通气孔隙度	0.135	0.063	0.060	−0.369	0.197
干容重	−0.159	−0.151	0.200	−0.097	−0.019
有机质含量	0.051	−0.329	0.173	0.099	0.022
总养分	0.043	0.167	0.262	0.157	0.454
非毛细管孔隙度	0.065	0.033	−0.193	0.480	−0.046
总孔隙度	0.178	0.086	−0.123	0.114	0.132
电导率	−0.176	0.136	0.064	−0.022	−0.027
阳离子交换量	0.079	0.192	0.187	−0.091	−0.429
根系长度	0.140	−0.122	−0.096	−0.305	0.246
全钾	0.116	−0.157	0.286	0.201	0.124
全磷	0.113	−0.022	0.283	0.061	−0.214
全氮	0.113	0.292	0.126	−0.029	−0.167
地上高度	0.134	−0.008	−0.189	−0.026	−0.044

下载: 导出CSV

表 6 各基质的综合得分

Table 6. Comprehensive evaluation score of substrates

基质编号	主成分1	主成分2	主成分3	主成分4	主成分5	综合得分	综合得分排名
基质1	0.0839	2.0664	−1.8086	0.6003	−0.3121	0.1729	3
基质2	2.2561	−2.0425	−0.4918	−0.3506	−2.3243	0.0715	4
基质3	4.4088	1.2933	1.6694	−0.5720	0.8732	2.2414	1
基质4	−2.8788	0.8772	1.5399	−1.0335	−0.4614	−0.8502	8
基质5	−0.4863	1.2390	−1.8962	−1.4580	0.2597	−0.4470	6
基质6	−0.1426	−0.8857	1.0165	1.5219	0.9338	0.2617	2
基质7	−2.0613	0.2012	1.6495	0.2016	−0.8611	−0.5239	7
基质8	−0.3611	−0.2217	−0.9115	2.4112	0.2748	0.0252	5
基质9	−0.8186	−2.5272	−0.7672	−1.3209	1.6175	−0.9515	9

下载: 导出CSV

[1]	北京市园林绿化局. 关于加快园林绿化废弃物科学处置利用的意见[EB/OL]. [2020-08-01]. http://yllhj.beijing.gov.cn/zwgk/fgwj/qtwj/201911/t20191130_766793.shtml.
[2]	GONG X Q, LI S Y, SUN X Y, et al. Alkyl polyglycoside and earthworm (Eisenia fetida) enhance biodegradation of green waste and its use for growing vegetables[J]. Ecotoxicology and Environmental Safety, 2019, 167(15): 459-466.
[3]	MARIEKETEN H, SANDERBRUUN, LARS S J, et al. Life cycle assessment of garden waste management options including long-term emissions after land application[J]. Waste Management, 2019, 86(1): 54-66.
[4]	LEORY B M, HEARTH M S K, DENEVE S, et al. Effect of vegetable, fruit and garden (VFG) waste compost on soil physical properties[J]. Compost Science & Utilization, 2013, 16(1): 43-51.
[5]	GONG X Q, LI S Y, SUN X Y, et al. Green waste compost and vermicompost as peat substitutes in growing media for geranium (Pelargonium zonale L.) and calendula (Calendula officinalis L.)[J]. Scientia Horticulturae, 2018, 236: 186-191. doi: 10.1016/j.scienta.2018.03.051
[6]	张骅. 以园林绿化废弃物为原料的栽培基质对草花生长的研究[D]. 北京: 北京林业大学, 2011.
[7]	CHEN M L, HUANG Y M, LIU H J, et al. Impact of different nitrogen source on the compost quality and greenhouse gas emissions during composting of garden waste[J]. Process Safety and Environmental Protection, 2019, 124: 326-335.
[8]	吴宇, 张蕾, 邸东柳, 等. 园林废弃物堆肥替代泥炭对紫薇容器育苗影响研究[J]. 林业与生态科学, 2020, 35(1): 105-111.
[9]	刘冠宏, 张森, 郭小平, 等. 绿化废弃物堆肥配制喷播基质的试验研究[J]. 环境科学与技术, 2018, 41(5): 61-66.
[10]	中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 土壤质量土壤采样技术指南: GB/T 36197-2018[S]. 北京: 中国环境科学出版社, 2018.
[11]	中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 绿化用有机基质: GB/T 33891-2017[S]. 北京: 中国标准出版社, 2017.
[12]	国家林业局. 绿化用有机基质: LY/T 1970-2011[S]. 北京: 中国标准出版社, 2011.
[13]	中华人民共和国国家农业部. 有机肥料: NY 525-2012[S]. 北京: 中国农业出版社, 2012.
[14]	中华人民共和国国家林业部. 森林土壤pH值的测定: LY/T 1239-1999[S]. 北京: 中国林业出版社, 1999.
[15]	中华人民共和国环境保护部. 土壤阳离子交换量的测定三氯化六氨合钴浸提-分光光度法: HJ 889-2017[S]. 北京: 中国环境科学出版社, 2017.
[16]	吴玉红, 田霄鸿, 同延安, 等. 基于主成分分析的土壤肥力综合指数评价[J]. 生态学杂志, 2010, 29(1): 173-180.
[17]	刘世梁, 傅伯杰, 刘国华, 等. 我国土壤质量及其评价研究的进展[J]. 土壤通报, 2006, 37(1): 137-143.
[18]	郭琼. 基于SPSS软件的主成分分析法探析: 榆次区土地生态系统健康评价[J]. 山西农业大学学报(自然科学版), 2012, 32(1): 58-62.
[19]	何晓群. 多元统计分析[M]. 北京: 中国人民大学出版社, 2009: 153-169.
[20]	林海明, 杜子芳. 主成分分析综合评价应该注意的问题[J]. 统计研究, 2013, 30(8): 25-31.
[21]	李昱彤, 齐实, 周金星, 等. 城市废弃物堆肥的混配基质对高羊茅营养生长期的影响[J]. 草地学报, 2017, 25(5): 1069-1078.
[22]	何晓群. 多元统计分析[M]. 北京: 中国人民大学出版社, 2009: 153-169.
[23]	李燕凌, 李仲强, 李大志. 主成分分析在园艺植物研究中的应用[J]. 湖南农业科学, 2002, 6(3): 3-8.
[24]	苏勇, 刘强, 彭黎明, 等. 主成分分析和聚类分析在配方模块中的应用[J]. 烟草科技, 2005(6): 3-5.

点击查看大图

表( 6)

计量

文章访问数: 4873
HTML全文浏览数: 4873
PDF下载数: 58
施引文献: 0

1. 资料与方法
1.1 资料来源
1.2 预报方法介绍
1.3 预报评估方法
2. 沈阳市采暖期空气质量特征
3. 预报结果评估分析
3.1 AQI预报效果评估
3.2 PM2.5预报效果评估
4. 结论

全文HTML

近年来，随着我国城市绿化覆盖率的不断提高，每年均会产生大量的园林废弃物(主要为剪枝、枯枝及落叶)。以北京市为例，根据北京市园林绿化局《关于加快园林绿化废弃物科学处置利用的意见》^[1]的数据显示，北京市每年产生园林绿化废弃物的干重约为300×10⁴ t。枯枝落叶等园林废弃物中含有大量营养成分和有机物质，是一种有利用价值的生物质资源，焚烧或填埋的处置方式不仅造成了该生物质资源的浪费，而且容易引发环境污染问题^[2]。堆肥处理是园林废弃物较为常用的处理方法之一，其产物可用于制备无土栽培基质、土壤改良剂等^[3]。有研究表明，园林废弃物经过人工调控堆肥化处理的产物可为植物生长提供全面的营养物质，不同种类的园林废弃物堆肥产物在种植基质、喷播绿化基质等应用中均表现出了较好的使用效果^[4-7]。吴宇等^[8]研究园林废弃物堆肥替代泥炭对紫薇容器育苗影响时发现，在草炭基质中掺入质量分数为20%园林废弃物堆肥产物后的栽培基质对茎生植物的生长有显著的促进效果；刘冠宏等^[9]将园林废弃物用于边坡喷播绿化基质时发现，在基质中掺入体积占比为20%~40%的园林废弃物可以获得适合边坡绿化用的基质，且基质性能不低于常规草炭基质。但是，目前该类基质中园林废弃物质量分数通常少于20%，且需使用草炭土等不可再生的、宝贵的自然资源，有悖于绿色可持续发展理念。

本研究旨在开发一种以园林废弃物为主要原材料，在无需添加草炭土等天然资源的前提下，制作植物栽培基质的配方体系。其中，园林废弃物在基质中的总质量分数可达30%~40%，既可为解决园林废弃物消纳问题提供一种可行的方法，又能达到保护草炭土等宝贵自然资源的目的。

1. 材料与方法

1.1. 供试材料

供试用园林废弃物取自北京市房山区大石窝镇，园林废弃物经粉碎机粉碎后呈细长状，直径小于1 mm，长径比约10∶1。园林废弃物堆肥腐熟后的产品为市场通用产品，亦按照上述方法进行粉碎。商用营养土及保水剂(吸水倍率>40)均为市场通用产品。对照土壤取自北京某生态园，按照《土壤质量土壤采样技术指南》(GB/T 36197-2018)^[10]的要求进行采样。各原料的主要性能指标如表1所示。

1.2. 实验方案

1)实验设计。为确保本研究的基质在其养分满足植物生长需求的同时，其干容重亦能符合《绿化用有机基质》(GB/T 33891-2017)^[11]和《绿化用有机基质》(LY/T 1970-2011)^[12]对该类基质的指标要求，本研究结合表1中的原料主要性能指标，共设计了9组基质配方，每组设置3个重复，基质配方如表2所示。

基质配方实验。准确称量各原料并加水混合均匀制成基质，水固比为1∶1~1.2∶1；将制备好的基质装入20 cm×20 cm×10 cm的模具内，装填高度为9 cm，将高羊茅种子均匀撒播在基质上(种植密度为15 g·m⁻²)，最后覆盖一层1 cm厚的基质，浇足水，盖上无纺布防止基质表面水分快速蒸发；待高羊茅种子出芽后，每周浇水1次并持续观察其生长情况，实验35 d后检测基质各项指标。

2)基质理化性质指标测定方法。容重、通气孔隙度、非毛细管孔隙度和总孔隙度采用环刀法，参照标准为《绿化用有机基质》(LY/T 1970-2011)^[12]；有机质含量采用重铬酸钾容量法(100 ℃水浴)，参照标准为《有机肥料》(NY 525-2012)^[13]；pH采用玻璃电极法，参照标准为《森林土壤pH值的测定》(LY/T 1239-1999)^[14]；全钾采用乙酸铵提取法、全磷采用钒钼酸铵比色法、全氮采用半微量凯氏法、总养分(TN+TP+TK)采用重铬酸钾容量法、电导率采用水保和浸提法，参照标准为《绿化用有机基质》(GB/T 33891-2017)^[11]；阳离子交换量的测定采用土壤标准《土壤阳离子交换量的测定三氯化六氨合钴浸提-分光光度法》(HJ 889-2017)^[15]。

1.3. 基质性能研究方法

基质研究的本质是对天然土壤进行人工模拟，为此，从众多影响土壤质量的因素中筛选出具有代表性、独立性和主导性的因子是定量、准确评价基质质量的关键^[16]。有研究表明，影响土壤质量的主要因素包括有机质、全氮、全磷、全钾、有效磷、pH、阳离子交换量等因素，且因素之间很大程度上存在相关性^[17-18]。为此，本研究选择pH、干容重、通气孔隙度、非毛细管孔隙度、总孔隙度、有机质含量、全钾、全磷、全氮、总养分、电导率、阳离子交换量、植物根系长度和地上高度14个指标作为评价基质性能的主要影响因素，采用主成分分析法进行综合评价，以期筛选出效果较好、配制简便、成本较低的生态型基质配方^[19-22]。

2. 结果与讨论

2.1. 种植实验

本实验设计的9组基质所播撒的高羊茅种子在3 d后开始发芽，10 d内的种子发芽率均超过了85 %。在实验的第35 d进行采样分析，基质的pH、干容重、通气孔隙度、非毛细管孔隙度、总孔隙度、有机质含量、全钾、全磷、全氮、总养分、电导率、阳离子交换量、植物根系长度和地上高度的测试数据如表3所示。

将表3中不同配方基质的理化性质测试数据与国标《绿化用有机基质》(GB/T 33891-2017)^[11]和林业标准《绿化用有机基质》(LY/T 1970-2011)^[12]中对不同用途基质的指标限值进行比较发现，本研究设计的9组基质配方的pH、干容重、通气孔隙度、有机质含量、总养分、电导率等指标均满足标准中对栽培基质的指标要求；同时，结合实验研究中高羊茅的种植结果表明，9组基质都可用于植物栽培。

2.2. 主成分分析

为进一步分析9组基质配方的优劣，本研究采用主成分分析法计算不同基质的综合得分，并依此对这9组配方进行优劣排序。根据主成分分析的数学分析模型，主成分是原14个性状指标的线性组合，为确保主成分分析的有效性，必须提取特征根大于1，累积贡献率达到85%以上的成分作为主成分^[23-24]。本研究从14个成分中选出5个作为主成份，分析结果见表4。可见，主成分的特征根都>1，且5个主成分的累积贡献率为89.299%(>85%)，即表明这5个主成分基本能涵盖全部评价指标的所有信息，可以较好地反映基质的综合状况。

根据表4的结果，对选取的5个主成分进行载荷值旋转计算后得到主成分的得分系数矩阵(见表5)，由此可以计算出5个主成分的综合得分。其中，单个主成分得分线性方程如式(1)~式(5)所示。

式中：F₁和F₅是单个主成分得分值；X₁~X₁₄是各个指标原始数据标准化后的数值。

将各基质配方的指标标准化数据分别代入式(1)~式(5)计算各主成分的得分，再以各主成分的方差贡献率为权重，对所提取的得分进行加权求和，得到不同基质的综合得分(见表5)。加权求和如式(3)所示。

式中：F为某一基质配方的综合得分；F₁~F₅是该基质配方对应的单个主成分得分值；λ₁~λ₅是5个主成分的初始特征根。

根据主成分综合模型即可计算各基质配方的综合主成分分值，并对其进行排序，即可对所有基质配方进行综合评价比较，结果如表6所示。基质的综合得分越高，代表该基质所有测试指标的表现越好，从而表明其性能相对更优。结果显示，9组基质配方的优势排序为：基质3>基质6>基质1>基质2>基质8>基质5>基质7>基质4>基质9。

3. 结论

1)对不同原料配比基质的理化指标测试数据与相关国家标准和行业标准的比对分析表明，本研究中以园林绿化废弃物为主要原材料的基质大部分指标满足标准要求，可用于植物栽培。

2)主成分分析结果表明，基质的总孔隙度、氮、磷、钾和总养分对基质理化性能的影响最大；利用主成分分析法进行综合评价的结果表明，9组基质配方的得分按降序排序为：基质3>基质6>基质1>基质2>基质8>基质5>基质7>基质4>基质9。

3)在综合得分最高的基质中，腐熟和未腐熟园林废弃物的质量分数之和达到40%，且基质中无需添加草炭土等不可再生天然资源，因而具有较明显的生态效益。

参考文献 (24)

园林废弃物基栽培基质的配方筛选及综合评价

作者简介: 陈彤(1969—)，男，硕士，研究员。研究方向：资源循环利用。E-mail：chent3@sustech.edu.cn

通讯作者: 胡清(1964—)，女，博士，教授。研究方向：资源循环利用。E-mail：huq@sustech.edu.cn