[发明专利]一种模拟和预测秋茄红树林沉积物总磷浓度变化的方法有效
申请号: | 201910011420.2 | 申请日: | 2019-01-07 |
公开(公告)号: | CN109726495B | 公开(公告)日: | 2023-01-13 |
发明(设计)人: | 赵建刚;闫志强;叶长鹏;张起源;朱家玺 | 申请(专利权)人: | 暨南大学;广州博嵩生物环保科技有限公司 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F17/18 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 林梅繁 |
地址: | 510632 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 模拟 预测 红树林 沉积物 浓度 变化 方法 | ||
1.一种模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,包括:
构建秋茄生态过程模型;
构建秋茄红树林沉积物磷循环模型;
秋茄红树林沉积物磷循环模型包括五个过程:(1)秋茄凋落物腐烂分解;(2)海水中磷沉降;(3)底泥冲刷扩散;(4)秋茄生长吸收;(5)微生物分解;
式中,sed表示红树林沉积物磷含量;dec表示秋茄凋落物分解过程;setting表示海水磷沉降过程;diff表示红树林底泥磷扩散过程;upts表示秋茄生长吸收过程;mdec表示微生物降解过程;
对秋茄生态过程模型和秋茄红树林沉积物磷循环模型的参数进行校准及验证,得到验证后的模型;
使用验证后的模型,预测秋茄红树林沉积物总磷浓度变化。
2.根据权利要求1所述的模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,秋茄生态过程模型包括秋茄光合作用生长、呼吸损失和死亡生态过程模型。
3.根据权利要求2所述的模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,秋茄光合作用生长、呼吸损失、死亡生态过程通用模型为:
其中:bpp表示秋茄的生物量密度;growth表示秋茄光合作用生长过程;repiration表示秋茄呼吸损失过程;mortal表示秋茄死亡过程;mxg表示秋茄最大生长率;mxr表示秋茄的最大呼吸率;mxm表示秋茄的最大死亡率。
4.根据权利要求3所述的模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,秋茄光合作用生长模型为:
式中,f(P)表示P营养物质的生长限制函数;f(I)表示光照强度的生长限制函数;f(T)表示温度的生长限制函数;f(s)表示自身种群密度的生长限制函数,每个生长限制函数的变化范围为0~1,1表示不限制生长,0表示严重限制生长;P营养物质的生长限制函数表示为:
式中,pw表示水体磷浓度;pk表示秋茄生长过程中吸收磷的半饱和常数;
光照强度的生长限制函数为:
式中,sr表示光照强度;ik表示秋茄光照半饱和常数;
温度的生长限制函数为:
f(T)=tk^(T-20)
式中,tk表示温度效应常数;T表示温度;
自身种群密度的生长限制函数为:
f(S)=e-sk*bpp
式中,sk表示由种群密度引起的抑制率。
5.根据权利要求3所述的模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,秋茄呼吸损失模型为:
式中,tk表示温度效应常数;T表示温度。
6.根据权利要求3所述的模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,秋茄死亡生态过程模型为:
式中,tk表示温度效应常数;T表示温度。
7.根据权利要求1所述的模拟和预测秋茄红树林沉积物总磷浓度变化的方法,其特征在于,秋茄红树林沉积物磷循环模型中:
式中:decr为秋茄凋落物分解率;bioml为秋茄凋落物量;T为温度,kpl为秋茄凋落物中磷含量;sr为磷沉降率;d为红树林水深;B为红树林水体中磷含量;difr为红树林底泥中磷扩散率;ac为底泥上覆水深度;gkm表示秋茄生长量;kpkm表示秋茄磷含量;mxg表示秋茄最大生长率;bpp表示秋茄生物量密度;pk表示秋茄生长过程中吸收磷的半饱和常数;sr表示光照强度;ik表示光照半饱和常数;sks表示由种群密度引起的抑制率;km表示微生物降解率;biomm表示微生物数量;pmk表示微生物降解磷的半饱和参数;pw表示水体磷浓度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于暨南大学;广州博嵩生物环保科技有限公司,未经暨南大学;广州博嵩生物环保科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910011420.2/1.html,转载请声明来源钻瓜专利网。