CC BY
46
УДК 631.421.2
ПРОГНОЗ МИГРАЦИИ ПЕСТИЦИДОВ В ПОЧВАХ: ЗНАЧЕНИЕ ПОЧВЕННОГО ЭКСПЕРИМЕНТАЛЬНОГО ОБЕСПЕЧЕНИЯ
Е.В. Шеин, А.А. Белик, А.А. Кокорева, В.Н. Колупаева, П.А. Плетенев
Нахождение оптимальных решений с помощью математических моделей по применению агрохимикатов зависит от точности и сложности, а также их взаимосвязи: чем больше модель использует сложных для определения параметров, тем труднее управление ею, что нередко снижает точность расчетов. Выходом при некотором обоснованном снижении сложности моделей является физическое понимание основных почвенных процессов переноса пестицидов, их экспериментальная параметризация и настройка. Экспериментальное изучение физических процессов в модели PEARL 4.4.4 и ее анализ на чувствительность к входным параметрам помогли выявить наиболее значимые для передвижения воды и пестицидов параметры экспериментального обеспечения. Фильтрационный эксперимент с КО позволил определить шаг смешения и коэффициент фильтрации, что дало возможность ввести в модель описание движения пестицида с быстрыми потоками воды и улучшить точность прогноза.
Ключевые слова: миграция веществ, преимущественные потоки, модель PEARL, шаг смешения.
Введение
Для сокращения негативных последствий воздействия токсикантов на окружающую среду необходимо использовать прогноз развития экологической ситуации, основанный на законах миграции токсикантов в почвах и сопредельных средах. Известно, что агрохимикаты в почве могут переноситься с разной скоростью, разлагаться, сорбироваться, причем эти процессы могут происходить одновременно. Если теоретические основы миграции пестицидов достаточно хорошо разработаны [4, 17], то с практической точки зрения, очень перспективен для различных прогнозных расчетов «судьбы пестицидов» метод математического моделирования [12], при котором используются физически обоснованные модели, учитывающие многообразие климатических и почвенных факторов. Такие модели применяются для вычисления экспозиции пестицидов в процедуре оценки экологического риска [20], для определения различных схем принятий решений и прочих расчетах [13], основанных на количественных прогнозах передвижения пестицидов в ландшафтах. Они имеют неоспоримые экономические и временные преимущества по сравнению с натурными экспериментами [7] и разного рода статистическими моделями.
В Европе и США на данный момент физически обоснованные миграционные модели широко используются в процедурах регулирования обращения с пестицидами. Для прогнозных расчетов были адаптированы несколько моделей (MACRO, PEARL, PELMO, PRZM); в Европе для них разработаны европейские стандартные сценарии входных данных [12]. Основное различие указанных
моделей состоит в подходах к описанию миграционного процесса в почвах: одни модели учитывают наличие в почве преимущественных потоков миграции (preferential flow models), другие — не учитывают это явление, а используют конвективно-диффузионное уравнение переноса (КДП) или хроматографические принципы миграции веществ (chromatographicflow models) [8, 22].
Подвижность пестицидов в почве регулируется главным образом потоками воды. Скорость инфильтрации в основном зависит от водопроницаемости почвы, устойчивости ее структуры, наличия трещин и макропор, так называемых «путей преимущественной миграции» [17]. В макропорах и трещинах структурных почв происходит быстрый проскок воды, формируется нехроматографиче-ский поток, в отличие от потока хроматографиче-ского типа (равномерный и стационарный фронт движения). Как следствие, процессы сорбции и деградации в гораздо меньшей степени контролируют транспорт химических веществ, миграция зависит от местных почвенных и климатических условий [18]. В таком случае модели хроматографиче-ского типа, основанные только на уравнении КДП, дают, как правило, неудовлетворительные результаты [25]. Вследствие этого в последние десятилетия тенденция развития математических моделей направлена на учет миграции токсикантов по преимущественным потокам в почве. Модель двойной пористости как MACRO, так и PEARL 4.4.4, делит поровое пространство почвы на домены макро- и микропор, отличающиеся скоростью потока [2,16]. Для каждого домена характерны свои показатели фильтрации, сорбции и т.д. [16,19]. Конфигурация порового пространства рассчитывается в зависимости от физических свойств почв и, следователь-
но, различна в каждом конкретном случае. Даже модели, которые были основаны только на КДП, вводят механизм описания преимущественных потоков, разделяя почву на два потоковых блока: собственно почвенную матрицу и макропоры [26]. Так, в последней версии модели миграции пестицидов в почве PEARL 4.4.4 внутри блока макропор выделяются два домена: 1 — поры, проходящие по всему профилю (main bypass domain) и 2—поры, заканчивающиеся на разных глубинах (internal catchment domain) [26]. В результате, даже при не слишком обильных осадках, значительно увеличивается количество пестицида в стоке с нижней границы почвы, прежде всего за счет миграции растворов по сквозным макропорам (main bypass domain) и отсутствия сорбционных процессов на поверхности твердой фазы почвы при явлении преимущественной миграции [26].
Таким образом, существуют разные физические обоснования и подходы к моделированию этого сложного и неоднозначного явления — быстрого переноса веществ по макропорам. Более точные модели сложны в использовании из-за множества трудноопределяемых параметров, которые важны с точки зрения устройства их физического обоснования и конечных результатов. Возможным выходом из данной ситуации может стать физические понимание и настройка более простых моделей путем физического обоснования и экспериментального определения значений тех параметров, которые отвечают за перенос мигранта (пестициды) и способны физически учесть вынос пестицида с быстрыми потоками воды, что, в результате, улучшило бы качество прогноза.
Цель данной работы — доказать важность и выделить главные составляющие экспериментального почвенного обеспечения прогнозных физически обоснованных моделей переноса пестицидов.
Объекты и методы исследования
Модель PEARL 4.4.4 представляет собой последнюю версию из этой серии, которая учитывает преимущественную миграцию. Она имеет блочный принцип устройства и для описания движения воды использует другую модель — SWAP (Soil—Water—Atmosphere—Plant), в которой к конвективно-диффузионному переносу добавлен транспорт по макропорам, а поровое пространство поделено на два домена (как это принято для моделей типа MACRO, хорошо описывающих передвижение воды по макропорам). Анализ работы нового блока и последующее моделирование миграции пестицида описано в статье A. Tiktak с соавт. [26]. К сожалению, есть существенное ограничение в работе этой модели: пользователь не имеет возможности параметризировать уравнения, описывающие разделение пор на макро- и микродомены. Действительно, последняя версия модели предсказыва-
ет больший вынос пестицида с нижней границы профиля, чем хроматографическая модель. Однако при этом не учитывается, что в условиях миграции по макропорам, помимо больших концентраций пестицида, он появляется в стоке значительно раньше. Таким образом, модель PEARL 4.4.4 не в полной мере моделирует процессы, происходящие в почве при наличии преимущественных путей миграции, уступая по данному показателю моделям типа MACRO.
Для наиболее точного имитирования движения потока растворов в почве и параметризации этого процесса используются методы экспериментальной почвенной колоночной хроматографии. Чтобы учесть явление преимущественного потока, следует использовать колонки с ненарушенными почвенными монолитами [4]. Методология проведения фильтрационного эксперимента с использованием почвенных колонок стандартизирована и описанав Руководстве OECD [21]. Мыпридержи-вались более традиционных для отечественного почвоведения методов [5, 6]. Почвы в колонках предварительно капиллярно насыщали на песчаной подложке, влажность доводили до полной вла-гоемкости, а после установления постоянной скорости фильтрации воды на поверхность подавали раствор пестицида циантранилипрола (рекомендуемая доза — 0,1 кг/га) и KCl (0,04 моль/л), после чего собирали фильтрат. После такого рода процедур возможен расчет гидрохимических параметров миграции пестицидов, который необходим для настройки математических моделей. Определение численных значений параметра «шаг смешения» выполнено методом решения обратных задач с помощью адаптированной программы CFITIM [6,14].
Для оценки способности пестицидов к сорбции почвой существует классификация, приведенная в Руководстве по экологической опасности пестицидов [1], основанная на повсеместно принятой британской классификации [23]. Согласно ей, циантранилипрол относится к среднеподвижным пестицидам с коэффициентом сорбции органического вещества почвы (Xoc),равным 241 см3/г [10], что теоретически означает: если почвенные условия будут благоприятными для миграции пестицида вниз по профилю (наличие преимущественных потоков), то возможно существенное загрязнение грунтовых вод.
Были использованы монолиты высотой 30 и диаметром 10 см двух почв: среднесуглинистой аг-родерново-подзолистой (Пушкинский р-н Московской обл., Зеленоградский стационар Почвенного ин-та им. В.В.Докучаева) и легкосуглинистой пылеватой аллювиальной серогумусовой (Московская обл., Звенигородская биологическая станция им. С.Н. Скадовского, прирусловой вал поймы р. Москвы). Основные свойства горизонтов
Таблица 1
Некоторые физические и химические свойства почв
Показатель Агродерново-подзолистая Аллювиальная серогумусовая
P EL AY AYC
Глубина, мощность горизонта, см 0—36, 36 36—42, 6 9—24, 15 >24
Содержание общего углерода, % 1,10 0,20 2,09 1,22
рН 6,52 6,29 7,63 7,93
Плотность почвы, г/см3 1,20 1,35 1,17 1,32
Плотность твердой фазы, г/см3 2,60 2,78 2,59 2,58
Порозность, см3/см3 0,55 0,53 0,55 0,49
Гранулометрический состав (российская/международная номенклатура) тяжелый суглинок/пыль средний суглинок/пыль легкий суглинок/суглинок супесь/суглинок
Глина (< 2 мкм) 0,106 0,052 0,078 0,061
Пыль (2—50 мкм) 0,879 0,935 0,596 0,412
Песок (>50 мкм) 0,015 0,013 0,326 0,527
Коэффициент фильтрации (в поле), м/сут 0,143 0,137 0,680 0,720
почв, отобранных для исследования, представлены в табл. 1.
Параметры аппроксимации лабораторных определений методом капилляриметров [5] основной гидрофизической характеристики (ОГХ) с помощью уравнения М.^^ап Genuhten с использованием модели ЯЕТС [15] представлены в табл. 2.
Таблица 2 Параметры аппроксимации ОГХ, по [15]
Параметры Агродерново-подзолистая почва Аллювиальная серогумусовая почва
P EL AY AYC
es 0,44 0,38 0,48 0,50
вг <0,001 <0,001 0,170 0,181
а 0,020 0,005 0,014 0,017
n 1,2 1,4 2,2 2,4
Содержание пестицида определено во фракциях элюата, его остаточное количество — в почвенных слоях колонок. После проведения лабораторных экспериментов на основании полученных данных была проведена настройка модели PEARL 4.4.4.
Результаты и их обсуждение
Оценка чувствительности КДП моделей [11,24] типа PEARL 4.4.4 в отношении пестицидов показала, что на их прогноз в стоке влияют четыре основных входных параметра почвенного блока модели: плотность, содержание органического вещества, коэффициент фильтрации почв и шаг сме-
шения. Природно и антропогенно обусловленное варьирование плотности почвы, содержания органического вещества и коэффициента фильтрации во многом изучено. Однако такой важный физический параметр, как шаг смешения, до сих пор остается во многом труднопрогнозируемым в рамках почвенного экспериментального обеспечения моделей переноса вещества.
Как зарубежными [9, 25], так и отечественными [8] учеными неоднократно отмечалась большая роль шага смешения в расчете поведения пестицидов в почве в моделях типа PEARL. Однако в рекомендациях к модели [27] предлагается использовать значение этого параметра (А), равное 5 см. Для понимания этих рекомендаций и для исследования того, как параметр А влияет на прогноз по модели в целом, была проведена оценка его действия на прогноз модели PEARL 4.4.4. по двум выходным характеристикам: по распределению концентрации вещества в профиле почвы и концентрации в стоке. Кроме часто встречающегося и рекомендуемого в моделях интервала значений для шага смешения 3—10 см, были заданы для расчета дополнительные значения вне рекомендуемого интервала: 0,1, 1 и 99 см (модели чаще всего «интенсивно реагируют» именно на граничные значения параметров).
В результате поливариантного моделирования для величин шага смешения 0,1, 1, 3, 5, 10 и 99 см и при постоянстве всех других параметров расчета было установлено, что при увеличении шага смешения закономерно размывается фронт движения вещества (рис. 1, а). Причем, чем более размыт фронт движения (чем больше значения шага смешения), тем меньшие концентрации пестицида об-наруживются в растворе на нижней границе про-
Рис. 1. Концентрация пестицида в профиле почвы на 300-й день после его внесения (а) и в стоке с нижней границы
профиля (б)
филя (рис. 1, б). Пестицид выходит дольше (пик концентрации более широкий), но максимальные концентрации в стоке меньше (высота пика меньше). В природе это происходит за счет изменений порового пространства почв, т.е. именно физических условий переноса веществ. Действительно, возрастание параметра X связано с увеличенем сложности порового пространства, что ведет к росту варьирования скорости переноса и в результате приводит к явному размыву пика концентраций. Таким образом, шаг смешения оказывает влияние на конкретную расчетную концентрацию мигранта (в данном случае — пестицида), «размывая» (как видно из рис. 1, а) резкий пик фронта движущегося раствора в почве или на ее нижней границе. Надо заметить, что изменение шага смешения в модели PEARL не изменяет общего количества вынесенного из профиля вещества (соблюдается закон баланса), меняется только время выхода и пиковые концентрации. Эти вариации передвижения вещества можно использовать в настройке модели. При этом оправдано увеличение шага смешения до значений, значительно выше рекомендованных 3—10 см.
Для определения шага смешения в почве в лабораторных условиях был проведен фильтрационный эксперимент с получением выходных кривых нейтрального несорбируемого иона хлора. В результате получены значения коэффициента фильтрации и методом решения обратных задач с помощью адаптированной программы CFITIM определены численные значения шага смешения. Для агродер-
ново-подзолистой почвы шаг смешения и коэффициент фильтрации составили 40,3 см и 2,94 м/сут, а для аллювиальной серогумусовой — 4,4 см и 3,92 м/сут соответственно
Экспериментальные исследования миграции циантранилипрола в колонках указанных почв показали, что в фильтрате из агродерново-подзолис-той почвы содержание пестицида заметно возрастает со временем, тогда как фильтрат из аллювиальной серогумусовой почвы содержит незначительные его количества, несмотря на достаточно высокую подвижность (рис. 2). Отличие выходных
/V , /
Л V
/ \ 1 \
/ \ V
J \J
2
■А У .А ■А.. .
/ *
.л А-' j i
О 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 Такты
Рис. 2. Кривые выхода циантранилипрола в фильтрат: 1 — агродерново-подзолистая, 2 — аллювиальная серогумусовая почвы (здесь и на рис. 3)
С, мкг/кг
О 50 100 150 200 250 300 350
1 1 1 1 tm 1 ...............2
i
Рис. 3. Содержание циантранилипрола в почвенных монолитах
кривых пестицида по сравнению с ионом хлора связано, конечно, с сорбцией пестицида органическим веществом почвы. Известно, что чем выше содержание гумуса в почве, тем медленнее пестицид будет продвигаться вниз по профилю в результате сорбции органическим веществом [4]. Этим же объясняются и различия в миграции циантранилипрола в почвах: в аллювиальной почве органического вещества содержится больше, чем в дерново-подзолистой (табл. 1).
Однако только большей сорбцией циантрани-липрола аллювиальной почвой недостаточно для объяснения таких резких различий в миграции. В дерново-подзолистой почве наблюдается еще и преимущественная миграция. Следовательно ожидается, что пестицид будет переноситься с преимущественными потоками и не будет сорбироваться почвой в той же мере, как если бы он переносился только с конвективным потоком [4].
Содержание циантранилипрола в образцах вниз по профилю колонки в аллювиальной серогумусо-вой почве снижается (рис. 3). Кроме того, концентрация пестицида в ее верхних слоях значительно выше, чем в дерново-подзолистой почве, что связано с большей его сорбцией в первом случае. Помимо различий в сорбции пестицида, в дерново-подзолистой почве происходит быстрый перенос вещества по макропорам без его существенной сорбции, т.е. пестицид не успевает взаимодействовать с почвенной матрицей. Действительно, эксперимент с Cl- показал, что шаг смешения в дерново-подзолистой почве выше почти на порядок, что указывает на более значительный разброс скорости потока за счет более сложного порового пространства и наличия в ней макропор [3].
Для работы модели PEARL необходимо провести ее параметризацию: определить начальные условия, условия на нижней и верхней границах и экспериментальное обеспечение (физические и химические свойства почв, токсикантов). Настрой-
ка модели по опытным данным позволяет снизить возможные ошибки моделирования, связанные с масштабом.
В ходе фильтрационного эксперимента через каждый почвенный монолит было пропущенно в сумме 5 л раствора (четыре такта), что соответствует 637 мм осадков. Однако в модели PEARL максимальное количество осадков в сутки соответствует 500 мм. Поэтому использовалось именно это их количество, а для сравнения прогнозных значений концентрации пестицида в стоке с экспериментальными определяли концентрацию пестицида в 16 порциях фильтрата из монолитов. Условие на нижней границе — свободный дренаж. Входными данными для блока «вещество» служили физико-химические данные циантранилипрола и его показатели стойкости (DT50 = 34,4 дня) и подвижности (Koc = 241 см3/г). На основании полученных в ходе эксперимента физико-химических свойств почв в модели были сформированы профили, соответствующие почвенным монолитам.
Почвенные сценарии заполнялись следующим экспериментальным обеспечением: основные физико-химические свойства почв (ОСП), коэффициент фильтрации из полевых исследований (Хф пол.), коэффициента фильтрации из лабораторного фильтрационного эксперимента (Хф лаб.), шаг смешения по умолчанию (к = 5 см) и определенный экспериментально шаг смешения, равный 40,3 см для дерново-подзолистой и 4,4 см для аллювиальной почв. В зависимости от комбинаций значений шага смешения и коэффицента фильтрации сформировано четыре почвенных сценария (табл. 3).
Таблица 3
Экспериментальное обеспечение почвенных сценариев
Параметр Хф пол. Хф лаб.
к (по умолчанию — 5 см) сценарий 1 сценарий 4
к сценарий 2 сценарий 3
После заполнения модели входными данными было проведено моделирование. Прогнозная концентрация циантранилипрола в фильтрате из аллювиальной серогумусовой почвы, как с настройкой модели, так и без нее, превышает экспериментальные значения. Но для агродерново-подзолис-той почвы, с наличием преимущественных потоков, получились достаточно интересные результаты. Ненастроенная модель (сценарий 1) дала ошибку около 80%. При использовании сценариев 2 и 3 произошло улучшение прогноза — ошибки 40 и 15% соответственно. Однако использование экспериментально полученных значений коэффициента фильтрации и шага смешения свели ошибку прогноза модели к минимуму.
Выводы
На основании оценки чувствительности модели PEARL к входным данным почвенного блока удалось выявить те параметры, которые наиболее существенно влияют на прогноз миграции пестицидов. Экспериментально получив характерные для двух почв значения шага смешения, а также ряд других важнейших физических параметров (коэффициент фильтрации, ОГХ, гранулометрический состав, содержание органического вещества, плотность и пр.), удалось параметризировать и настроить модель для двух сценариев почв: легких и более тяжелых, где формируются преимущественные потоки. Использование полевых коэффи-
циентов фильтрации и значения шага смешения по умолчанию приводит к ошибочному прогнозу. Движение вещества в агродерново-подзолистой почве происходит по преимущественным путям миграции, а модель PEARL без соответвующей настройки не учитывает это явление — возникает ошибка прогноза. Моделирование с использованием лабораторного коэффициента фильтрации или экспериментального значения шага смешения по отдельности улучшают точность прогноза, поэтому для адекватного прогноза модель PEARL рекомендуется настраивать по экспериментальным значениям и шага смешения, и коэффициента фильтрации.
СПИСОК ЛИТЕРАТУРЫ
1. Горбатов В.С., Колупаева В.Н., Филенко О.Ф. и др. Методы оценки экологической опасности пестицидов при их регистрации (Рук-во по классификациям экологической опасности пестицидов). Б. Вяземы, 2010.
2. Кокорева А.А., Умарова А.Б., Горбатов В.С. Оценка чувствительности моделей миграции веществ в почве разного уровня по лизиметрическому стоку // Вестн. Оренбург. гос. ун-та. 2007. № 3.
3. Скворцова Е.Б., Герке К.М., Корост Д.В., Абросимов К.Н. Строение порового пространства в подзолистых горизонтах суглинистых почв (анализ 2D- и 3D-изображений) // Бюл. Почв. ин-та им.В.В.Докучаева. 2013. № 71.
4. СметникА.А., Спиридонов Ю.Я., ШеинЕ.В. Миграция пестицидов в почвах. М., 2005.
5. Теории и методы физики почв / Под ред. Е.В. Ше-ина, Л.О. Карпачевского. М., 2007.
6. Умарова А.Б. Преимущественные потоки влаги в почвах: закономерности формирования и значение в функционировании почв. М., 2011.
7. Шеин Е.В. Математические физически обоснованные модели в почвоведении: история развития, современное состояние, проблемы и перспективы (аналитический обзор) // Почвоведение. 2015. № 7.
8. Шеин Е.В., Кокорева А.А., Горбатов В.С. и др. Оценка чувствительности, настройка и сравнение математических моделей миграции пестицидов в почве по данным лизиметрического эксперимента // Почвоведение. 2009. № 7.
9. Boesten J.J.T.I. Influence of dispersion length on leaching calculated with PEARL, PELMO and PRZM for FOCUS groundwater scenarios // Pesticide Manag. Sci. 2004. Vol.60.
10. Conclusion on the peer review of the pesticide risk assessment of the active substance cyantraniliprole // EFSAJ. 2014. Vol. 12, N9.
11. Dubus I., Brown C, Beulke S. Sensitivity analyses for four pesticide leaching models // Pesticide Manag. Sci. 2003. Vol. 59.
12. FOCUS. Generic Guidancefor Tier 1 FOCUS Ground Water Assessments. 2014.
13. FOCUS. Leaching Models and EU Registration. European Comission Document 4952/VI. 1995.
14. Genuchten M.Th. van. CFITIM Model: Estimates parameters in several equilibrium and non-equilibrium transport models from solute breakthrough curves. Riverside, 1981.
15. Genuchten M.Th. van, Leij F.J., Yates S.R. The RETC code for quantifying the hydraulic functions of unsaturated soils. US Salinity Lab, Riverside, 1991.
16. Jarvis N.J., Brown C.D., Granitza E. Sources of error in model predictions of pesticide leaching: a case study using the MACRO model // Agricult. Water Manag. 2000. Vol.44.
17. Katagi T. Soil Column Leaching of Pesticides // Rev. Environ. Contamin. and Toxicol. 2013. Vol. 221.
18. Kordel W., Klein M. Prediction of leaching and groundwater contamination by pesticides // Pure and Applied Chem. 2006. Vol. 78, N 5.
19. MerdunH, Quisenberry V.L. Evaluation of MACRO model by short-term water and solute transport simulation in Maury silt loam soil // Plant, soil and environ. 2005. Vol.51, N3.
20. Modelling of Environmental Chemical Exposure and Risk. J.B.H.J. Linders (Ed.). Wageningen, 2001.
21. OECD Guidelines for the Testing of Chemicals, Leaching in Soil Colums. Paris, 2004.
22. Prado H.A., Luiz A.J.B., Filho H.C. Computational methods for agricultural research: advances and applications // Inform. Sci. Ref. Hershey, 2011.
23. PSD Pesticide Data Requirement Handbook. L., 2005.
24. Scorza R.P.J., Silva P. Sensibility analysis of the pearl model for pesticide leaching in the State of Mato Grosso do Sul, Brazil // Revista Engenharia Agricola. 2011. Vol.31, N5.
25. Scorza R.P.J., Boesten J.J.T.I. Simulation of pesticide leaching in a cracking clay soil with the PEARL mode // Pesticide Manag. Sci. 2003. Vol. 59.
26. TiktakA., Hendriks R.F.A., Boesten J.J.T.I. Simulation of movement of pesticides towards drains with a preferential flow version of PEARL // Pesticide Manag. Sci. 2011. Vol.68.
27. Tiktak A., Berg F. van den, Boesten J.J.T.I. et al. Manual of FOCUS PEARL version 1.1.1. Wageningen, 2000.
Поступила в редакцию 03.04.2017
PREDICTION OF PESTICIDES MIGRATION IN SOILS:
IMPORTANCE OF SOIL EXPERIMENTAL ASSURANCE
E.V. Shein, A.A. Belik, A.A. Kokoreva, V.N. Kolupaeva, P.A. Pletenev
The search of optimal decisions by mathematical models for agrochemicals use depends on accuracy and complexity, and also their relationship: the more model uses difficult to determine parameters, the harder a management of model, that often reduce accuracy of calculations. The output with some reasonable reduction of the complexity of models is the physical understanding of basic soil processes of pesticides transfer, their experimental parameterization and customization. The experimental study of the physical processes in the model PEARL 4.4.4 and its sensitivity analysis to input parameters helped to identify the most important for movement of water and pesticides parameters of experimental assurance. The filtration experiment with KCl let us to determine dispersivity length and filtration coefficient, that allows you to enter into the model the description of pesticide movement with rapid flows and improve accuracy of prediction.
Key words: migration of substances, preferential flows, model PEARL, dispersivity length.
Сведения об авторах
Шеин Евгений Викторович, докт. биол. наук, проф. каф. физики и мелиорации почв ф-та почвоведения МГУ им. М.В.Ломоносова. E-mail: evgeny.shein@gmail.com. Белик Александра Александровна, аспирант каф. физики и мелиорации почв ф-та почвоведения МГУ им. М.В.Ломоносова. E-mail: belikalexandra@gmail.com. Кокорева Анна Александровна, канд. биол. наук, науч. сотр. каф. физики и мелиорации почв ф-та почвоведения МГУ им. М.В.Ломоносова. E-mail: Kokoreva.a@gmail.com. Колупаева Виктория Николаевна, канд. биол. наук, зав. лаб. химии окружающей среды ВНИИ фитопатологии. E-mail: amulanya@gmail.com. Плетенев Павел Александрович, канд. биол. наук, науч. сотр. ФНГЦ им. Ф.Ф. Эрисмана. E-mail: nyov@yandex.ru.
