基于環境基尼系數最小化模型的水污染物總量分配優化
——以張家港平原水網區為例

田 平,方曉波,王飛兒,朱 瑤

(1.浙江大學環境與資源學院,浙江 杭州 310012；2.浙江農林大學環境與資源學院,浙江 臨安 311300；3.浙江卓錦工程技術有限公司,浙江 杭州 310004)

基于環境基尼系數最小化模型的水污染物總量分配優化
——以張家港平原水網區為例

田 平1,3,方曉波2*,王飛兒1,朱 瑤1

(1.浙江大學環境與資源學院,浙江 杭州 310012；2.浙江農林大學環境與資源學院,浙江 臨安 311300；3.浙江卓錦工程技術有限公司,浙江 杭州 310004)

本文通過應用 WASP模型計算出研究區域環境容量及其在各鎮的空間分布,在此基礎上確定整個區域的污染物目標總量.結合研究區域實際情況,提出并開發了基于經濟、社會和資源稟賦的綜合環境基尼系數最小化模型,用于污染物目標總量分配的最優化求解.最終分配方案相比污染物現狀排放、容量分配兩種情形而言,COD的基尼系數分別下降15.1%和8.4%,氨氮的基尼系數分別下降11.0%和13.7%,分配方案更加公平、合理.在最終優化分配所得的COD削減方案中,長涇鎮削減比率最高,達到20%,削減量為231.74t/a;在相應的氨氮削減方案中,祝塘鎮削減比率最高,達到59.9%,削減量為59.74t/a.

基尼系數；最小化；總量分配；環境容量；WASP模型

在過去的幾十年里,總量控制技術被廣泛應用于發達國家水質管理領域,對于改善水環境質量起到了明顯的作用,如萊茵河的 RAP(Rhine Action Programme)[1]、多瑙河的DRBPRP (Danube River Basin Pollution Reduction Programme)[2]、日本的TPLCS(Total Pollutant Load Control System)[3]以及美國的TMDLs(Total Maximum Daily Loads)[4].我國將總量控制技術與水污染防治規劃相結合,逐步形成了以污染物目標總量控制技術為主,容量總量控制和行業總量控制為輔的水質管理技術體系,為我國水環境管理基本制度的建立奠定了基礎[5].

污染物目標總量在特定的時間和區域內是一定的,可將其視作一種與水、土地等同樣稀缺的資源,在經濟發達地區,這種稀缺性更加明顯

[6-9].在我國現行的水環境管理體制下,還無法完全實現按照水環境容量進行污染物目標總量的分配,在實際實施過程中還需要綜合考慮經濟、社會等因素,是一個主客觀相結合的決策過程.如何通過一些技術手段使這個決策過程中主觀因素更小,污染物目標總量更公平、合理地分配到各個行政單元顯得尤為重要,直接影響了總量控制方案的可操作性.

流域污染物目標總量分配往往以經濟最優化為目標,以公平性與效率性為決策準則進行污染負荷分攤,常用方法包括等比例分配、模糊多目標、基尼系數等[10].在以經濟最優化為目標的分配中,由于片面強調整體的經濟效益性,忽視了區域間客觀存在的差異性,導致分配結果不公平,影響目標總量控制工作順利開展[11],而基于基尼系數的污染物目標總量分配以公平性為原則,能合理地將污染物分配到各個行政單元,成為一種推廣應用的的污染物分配方法,并成功應用于巢湖[11]、松花江[12]、海河流域[13]、湯遜湖[14]等流域污染物分配研究,為流域污染物優化分配提供參考.

我國太湖流域近年來水污染問題尤為突出

[15].國家于 2008年 5月出臺了《太湖流域水環境綜合治理總體方案》[16],其實質是一個針對太湖流域的新型總量控制計劃.張家港河流域屬于太湖流域的沿江水系,對太湖水質產生一定的影響,然而未見該流域污染物總量分配文獻報道.本研究以太湖流域典型的平原水網區—江陰市張家港河流域為研究對象,在基于WASP模型水環境容量計算基礎上,結合該區域的自然、社會、經濟等特點,提出并開發了基于GDP、人口、土地面積和環境容量的綜合環境基尼系數最小化模型,基于該模型確定最優的目標污染物總量分配及削減控制方案.

1 研究區概況

圖1 研究區域示意Fig.1 Sketch map of the study area

表1 研究區域水環境質量監測結果Table 1 Environmental quality of the water bodies in the study area based on routine monitoring data (2009)

研究區域位于江蘇省江陰市東部,主要由張家港河、蔡港河、長涇河、應天河、二干河、青祝運河、東清河等河流組成,包括江陰市周莊、華士、新橋、顧山、長涇和祝塘等鄉鎮(圖1).張家港河為該水系干流,北起長江,經張家港市、江陰市入常熟市,連接“引江濟太”骨干通道望虞河.研究區域總面積332.6km2,屬典型的平原河網區,地勢平坦、河流密度大,年平均降水量 1057mm,年平均氣溫15.24℃,多年平均徑流深431mm,屬多水帶.區域城鎮化水平高、人口密集,經濟發展迅猛,2008年末,總人口 38.57萬,地區生產總值474.49億元,人均生產總值12.3萬.伴隨著社會經濟的快速發展,大量污染物排入水體,導致區域水環境質量堪憂,根據江陰市環境監測站2009年的監測數據顯示,張家港河干流及主要支流水質超標嚴重,尤以氨氮指標最為突出(表1).

2 研究方法

2.1 基于環境基尼系數的污染物總量優化分配模型

2.1.1 環境基尼系數 環境基尼系數原理與基尼系數[18-19]基本一致,其體現了人口、GDP、環境容量等指標與污染物排放量之間的比值,該比值越小則污染物排放分配越公平[20].在經濟學上,基尼系數小于0.4作為收入分配差距的警戒線,小于0.4認為分配合理. 在環境問題中,由于所選取指標存在無資源沖突、無不平等前提,因此環境基尼系數可能趨于 0[20-21].借鑒相關文獻[12,20-21]報道,本研究環境基尼系數合理范圍界定為0～0.2.

2.1.2 環境基尼系數評價指標確定 合適評價指標的選取是保障基尼系數污染物總量分配公平合理的前提,經濟、生態、社會等因素都會影響污染物總量分配.本研究針對張家港市實際情況,選取地區生產總值(GDP)、人口數量(P)、土地面積(S)和環境容量(C)這4項指標來評估污染物分配方案的公平性[22].

人口是一個代表社會發展水平的指標.選擇人口作為評價指標,一方面流域中每個人都有享受向周圍水體排放污水的權利,另一方面江陰市近 60%的 COD排放來源于城市生活污水,因此該指標基尼系數越小表明該流域人民享受向周圍水體排放污染物的權利越均等.

GDP是一個反映當地經濟發展水平的指標.GDP增長會導致該區域污染物排放量增加,同時,GDP增速快的區域能投入更多財力保障污染物削減方案及管理措施的實施,因此,降低單位 GDP污染物排放量能有效地降低該指標基尼系數.

環境容量是一個代表資源稟賦及反映環境承受及自凈能力的指標.本論文涉及的水環境容量是指水體在規定的水質目標下所能接納的污染物最大量.從“效率”角度而言,水環境管理中水體自凈能力利用得越充分,污染物對水環境總體影響越小,因此,該指標基尼系數越小,則水環境自凈能力利用越充分.

土地面積是一個代表資源稟賦的指標.該指標被納入評價指標有以下幾方面原因∶土地面積與面源污染直接相關,土地面積越大降雨徑流帶入地表水體的面源污染物越多;土地有自凈能力,能去除污水中的污染物;土地面積越大,人口增長、工業發展和經濟增長潛力越大;該指標基尼系數越小表明污染物分配越公平.

2.1.3 環境基尼系數計算模型 本研究以張家港河流域各鄉鎮為環境基尼系數計算基本單元.先將各鄉鎮各環境指標所承載的污染物按照由低到高的順序排列,采用梯形面積法計算環境基尼系數,公式如式(1)[20]∶

式中∶j為 GDP、人口、土地面積和環境容量 4個指標編號;i為鄉鎮編號,i=1,2,…,n; Gj為基于環境指標j的基尼系數;Xij為第i個鄉鎮環境指標j的累積比例,%;Yi為第 i個鄉鎮排放或分配污染物量的累積比例,%;當i=1時,X(i-1)j=0,Yi-1=0.

2.1.4 綜合環境基尼系數最小化模型構建 基于對研究區域污染現狀的分析和政府總量控制的要求,本研究選取 COD和氨氮作為目標總量控制污染物來構建環境基尼系數模型,以GDP、P、S和C為評價指標,在權重設置和各項指標環境基尼系數模型構建基礎上,再構建綜合環境基尼系數最小化模型. 并在Excel平臺上進行二次程序開發以求解,其主要思路是對決策變量即污染物目標總量在各單元的分配設置一個步長,在一定的邊界條件下,以設定步長為單位進行循環計算,直至使綜合基尼系數最小為止.

根據江陰市污染源普查結果,結合未來產業規劃的需要,確定在 COD的分配中,各項指標權重分別為 GDP(0.3)、P(0.3)、S(0.1)和 C(0.3);在氨氮的分配中,各項指標權重分別為GDP(0.2)、P(0.3)、S(0.2)和C(0.3).

由于程序開發基于循環運算的思路,因此需要設定決策變量循環步長、取值范圍等邊界條件來控制計算量.根據研究區域目標總量結果和現狀排放量數據,確定邊界條件如下∶

(1) 各鎮相對現狀排放削減比例,COD不超過20%,氨氮不超過60%.即∶

式中,Tk表示分配到第 k個鎮的污染物目標總量,T0k表示第k個鎮目前污染物的排放量(下同).

(2) 研究區域內目標總量一定,即污染物目標總量=基于WASP模型的環境容量× (1-安全臨界值),即 COD目標總量=6604.49×(1-5%)=6274,氨氮目標總量=291.91×(1-5%)=277.

(3) 決策變量COD的循環步長設置為20t/a,氨氮的循環步長設置為10t/a.

根據環境基尼系數的原理,即基尼系數越小、分配越公平,確定以綜合基尼系數最小為目標函數,即∶

式中,f為目標函數,即綜合基尼系數最小值;G為總量污染物綜合基尼系數;G′為總量污染物對于各指標的單項基尼系數;w為綜合基尼系數中各單項基尼系數的權重;F為單項指標;i為總量污染物的編號;j為單項指標的編號.

2.2 基于WASP的水環境容量分析模型

水環境容量不僅是污染物目標總量分配的重要參考指標,也是用以確定污染物目標總量的基礎. 其原理是在選定水質模型及其參數率定的前提下,建立負荷——水質響應關系,輸入限制條件,計算劃定水域的水體納污能力.本研究選用美國環保署(USEPA)推薦的 WASP7.3模型為水環境容量計算工具.WASP水質模型被稱之為“萬能水質模型”[23],能實現河流、河口、湖泊等不同水體一維、二維、三維水質模擬,在土耳其布爾薩Uluabat湖[24]、臺灣高雄Salt-water河[25]、浙江省湖州市太湖河網區[26]等水體環境容量估算及負荷削減等流域水質管理中得以應用.

2.2.1 WASP模型 WASP模型由DYNHYD、EUTRO和TOXI 3個子模型組成,DYNHYD模型用于模擬河流流量和流速,EUTRO模型用于模擬氧、碳、氮和磷等富營養化指標遷移轉化規律,TOXI模型可以模擬水體中懸浮固體、鹽和重金屬等遷移轉化[27].WASP模型模擬步驟如下∶首先通過N天DYNHYD模型模擬,明確模擬河段流量、流速、河段水體體積和上游來水等相關信息,在此基礎上分別采用EUTRO和TOXI子模型進行相應水質模擬[27].本研究根據張家港河水體實際污染情況,選擇COD和氨氮為環境容量計算指標,采用WASP模型中EUTRO子模型對張家港河水質進行模擬.為簡化研究區模擬計算過程,模型運行過程中進行一些假定,具體假定內容見文獻[26].

2.2.2 基于WASP模型的水環境容量計算 張家港河流域為平原河網區,河道流速較緩慢且流向不定,借鑒往復流河道水環境容量計算方法,基于WASP7.3模型,以張家港平原河網區域90%水文保證率流量及地表水Ⅳ類水質要求為基礎,采用試錯法進行水環境容量計算. 水環境容量計算公式見文獻[26].

2.2.3 污染物入河量估算 研究區污染源包括工業點源、城市污水處理廠、規模化畜禽養殖場等點源,以及農村生活污染、分散養殖、種植業、水產養殖等面源. 污染物入河量估算,點源按照就近原則排入相應河道,面源采用排污當量系數法估算,并結合地表徑流流向根據河道長度均勻地進入相應河道[26].污染物入河量計算公式、污染物排污當量、污染物入河系數借鑒文獻[26,28]. 2.2.4 數據來源 容量計算所需污染源基礎數據來源于江陰市污染源普查和江陰市環保局環境統計資料;水質數據來源于江陰市環境監測站 2005～2009年實測數據;河道及水文資料來源于江陰市水利局;降雨量及其氣象資料來源江蘇省氣候中心.

3 結果與討論

3.1 水環境容量

3.1.1 WASP參數率定結果 根據張家港河流域水力學特征及支流、概化后排污口位置,把研究區域河網劃分為244個400～500m的河段.自此基礎上,選用水質監測數據較為完整的鳳凰、陸橋、北國大橋、北新橋4個斷面作為率定和驗證斷面,在參數取值范圍內,輸入2005～2008年枯水期(12月、1月及2月)COD和氨氮實測值,不斷調整模型參數直到模擬值接近實測值. 由于污染負荷以 CODCr作為輸入條件,而水質以CODMn作為模型率定和驗證條件,兩者必須進行轉化,根據流域內實測資料確定CODCr和CODMn之間的轉化系數為 3.44.優化后參數取值如表 2所示,表2中未列出參數為模型默認值.

表2 研究區域WASP模型水質參數值Table 2 Parameters of the WASP model for the study area

圖2 90%保證率COD、氨氮率定結果Fig.2 Calibration results of COD and ammonia nitrogen under the 90% hydrological guarantee rate

在參數率定基礎上,以2009年枯水期COD和 氨氮實測值,采用線性回歸法和一致性指數法[31]評價模型率定效果,一致性指數(d)按下式計算∶

式中,n為樣本總數,Ai為模擬值,Bi為實測值.

表3 率定結果誤差分析Table 3 Error analysis of calibration results

由圖3可知,在趨勢線截距為0的預設條件下,模擬值與實測值的相關性較好(相關性系數>0.85).一致性評價結果顯示(表 3),一致性指數(d)均在0.9以上,表明模擬值與實測值接近,COD、氨氮的總體相對誤差為 8.48%、14.28%,也均較低,說明優化后的模型參數可用于此流域總量控制研究.

3.1.2 區域水環境容量 根據對該區域幾十年的降雨及水文資料的頻率分析,經比較選擇1971年2月作為90%的水文保證率流量.研究區域河網密布,河流數量眾多,不利于容量計算,為此,根據河網概化的一般原則[26,32],結合掌握的水文資料,以區域內張家港河等13條主干河流為基礎進行概化.經計算,本區域內 COD和氨氮的總環境容量為 6604.49t/a,291.91t/a,其在各鎮的具體情況見表 4.根據對江陰市污染源普查及環境統計數據的分析計算,本研究區域2009年COD和氨氮的入河量分別為 6894.03t,492.34t,均超過環境容量值(COD 6604.49t/a,氨氮 291.91t/a),氨氮入河量更是超環境容量的 69%,這與研究區域水質氨氮超標嚴重的現狀相吻合.

表4 研究區域各鎮環境容量及污染物現狀排放入河量Table 4 Environmental capacity and output load of the 6towns in the study area

3.2 目標總量分配

表5 研究區各鎮污染物目標總量及削減比率Table 5 Aimed total pollutant load and reduced rate of every town in research area

根據WASP模型容量計算結果,借鑒TMDL的做法,考慮安全臨界值(MOS)[33],確定本區域污染物目標總量.根據區域實際特點,取模型計算環境容量的 5%作為安全臨界值,考慮模型計算方便,將結果進行取整,最終確定區域污染物目標總量為 COD 6274t/a,氨氮277t/a.在此基礎上,結合區域經濟發展水平和實際承載能力,同時確保實現總量削減目標,確定各鄉鎮COD削減上限不超過20%,氨氮削減上限不超過60%,并保證基于GDP、P、S和C 4個指標的基尼系數總和最小,基于綜合環境基尼系數最小化模型,并通過Excel平臺上二次開發的程序,把污染物目標總量合理地分配到各鄉鎮.

根據模型運行結果,研究區域污染物目標總量(COD 6274t/a,氨氮277t/a)在6鎮的分配結果如表5所示.該分配方案與基于容量的總量指標分配、污染物現狀排放入河量2種情形下環境基尼系數的對比情況如表6所示.

表6 不同階段總量控制污染物分配的單項及綜合基尼系數比較Table 6 Comparison of the single and integrated Gini Coefficients of the allocation of total pollutants in different phases

3.3 討論

由表4可知,各鄉鎮COD環境容量大小依次為∶周莊鎮>顧山鎮>華士鎮>長涇鎮>新橋鎮>祝塘鎮;氨氮環境容量大小依次為∶周莊鎮>長涇鎮>顧山鎮>華士鎮>新橋鎮>祝塘鎮. 通過綜合環境基尼系數最小化模型優化分配,各鄉鎮目標總量有所變化(表 5),COD目標總量大小依次為∶周莊鎮>華士鎮>祝塘鎮>長涇鎮>顧山鎮>新橋鎮;氨氮目標總量大小依次為∶周莊鎮>華士鎮>顧山鎮>祝塘鎮>長涇鎮>新橋鎮.由表5可知,基于目標總量的各鄉鎮減排任務,長涇鎮COD減排任務最重,占總削減量的20%,這跟其以印染、造紙為主的產業特征及較小的目標總量有關;而華士、顧山兩鎮COD無需減排,這主要是由于華士鎮的環境容量較高,經濟、社會指標較為領先,導致其目標總量較高;而顧山鎮主要是由于目標總量較高,污染物現狀排放入河量較小所致.相比COD指標,各鎮的氨氮削減任務都比較艱巨,這也從另一個側面反映了研究區地表水中該指標值高、污染嚴重的現狀.各鄉鎮氨氮削減比例大小依次為∶祝塘鎮>華士鎮>長涇鎮>新橋鎮>周莊鎮>顧山鎮.祝塘鎮和華士鎮削減比例大于 50%,為氨氮削減重點鎮,祝塘鎮由于畜禽養殖業、農業等比較發達,氨氮現狀排放量較大,而河流環境容量最小,故其削減任務最為艱巨;而華士鎮由于印染、化工等企業眾多,氨氮現狀排放量最大,導致其削減任務較重.基于綜合環境基尼系數最小化模型的最終分配方案并非污染負荷量越大削減比例越高.以氨氮為例,排污大鎮周莊鎮排放入河量占研究區總量的26.0%,而削減量占總削減量的30.7%;祝塘鎮氨氮排放入河量占研究區總量的 7.3%,而削減量卻占總削減量的27.7%.雖然周莊鎮的氨氮入河量占總量的比例比祝塘鎮高出18.7%,但兩鎮氨氮所需削減量占總削減量的比例接近,主要歸因于祝塘鎮人口、GDP、環境容量等單位指標所承載的氨氮污染物排放入河量高于周莊鎮,這一結果與文獻報道研究結果吻合[20]. 因此,本研究所構建的綜合環境基尼系數最小化模型綜合考慮研究區經濟、社會和資源稟賦等客觀因素,基于該模型所得到的分配結果更公平合理.

由表 6可知,現狀排放基尼系數、容量分配基尼系數和目標總量基尼系數存在差異性. (1)現狀排放基尼系數.對 COD而言,基于人口、土地面積的現狀排放基尼系數值小于 0.1,而基于GDP、環境容量的現狀排放基尼系數值大于0.2,4個指標基尼系數值介于 0.062～0.285之間;對氨氮而言,同樣基于人口、土地面積的現狀排放基尼系數值小于0.1,而基于GDP、環境容量的現狀排放基尼系數值大于0.2,4個指標基尼系數值介于 0.059～0.264之間;表明研究區人均和單位土地面積承載的 COD、氨氮現狀排放入河量較均衡,而單位GDP和環境容量所承載的COD、氨氮現狀排放入河量不夠均衡,存在不公平因素. (2) 容量分配基尼系數.由于Gc與環境容量為同一個指標,因此該值為 0,屬于絕對公平;基于GDP-環境容量、人口-環境容量、土地面積-環境容量的COD和氨氮基尼系數值均接近或大于0.2,表明人均 COD和氨氮環境容量以及單位GDP、單位土地面積COD和氨氮環境容量分配不夠均衡. (3) 目標總量基尼系數.對COD而言,基于 GDP、土地面積的目標總量基尼系數值小于0.1,而基于人口、環境容量的目標總量基尼系數值接近或大于 0.2,4個指標基尼系數值介于0.041～0.251之間;與現狀排放基尼系數進行比較,除了人口-目標總量基尼系數值有明顯增大,其余 GDP-目標總量、土地面積-目標總量、環境容量-目標總量3個指標基尼系數值都有不同程度減小,其中 GDP-目標總量基尼系數值減小幅度最大,減少 0.244,并且 4個指標基尼系數值范圍,從基于現狀排放的 0.062～0.285,變為基于目標總量的0.041～0.251,表明4個指標基于目標總量的基尼系數值范圍比基于現狀排放趨于更合理區間. 對氨氮而言,基于 GDP、土地面積的目標總量基尼系數值小于 0.1,基于環境容量的基尼系數值為0.14(介于0.1-0.2之間),而基于人口的目標總量基尼系數值大于0.2,4個指標基尼系數值介于 0.076～0.228之間;與現狀排放基尼系數進行比較,人口-目標總量基尼系數值有明顯增大,土地面積-目標總量基尼系數值略微增加,而GDP-目標總量和環境容量-目標總量2個指標基尼系數值都有減小,GDP和環境容量2個指標基尼系數值分別減少0.171和0.124;4個指標基尼系數值范圍從基于現狀排放的 0.059～0.264變為基于目標總量的 0.076～0.228,最大值從0.264降為0.228,相對而言4個指標基于目標總量的基尼系數值范圍比基于現狀排放更為合理.基于GDP、P、S和C 4個指標的COD和氨氮基尼系數總和大小依次均為∶現狀排放>容量分配>目標總量. 4個指標基于目標總量的基尼系數總和,相比于基于現狀排放、容量分配兩種情形而言,COD的基尼系數值分別下降 15.1%和8.4%,氨氮的基尼系數值分別下降 11.0%和13.7%,分配方案更加公平、合理,更易為各鎮所接受,操作性也更強.

本研究以基于GDP、P、S和C 4個指標的基尼系數總和最小為優化目標,以各鄉鎮 COD削減上限不超過20%,氨氮削減上限不超過60%為約束條件,各指標的基尼系數在優化過程中出現了不同程度的變化,但未實現 4個指標基于目標總量的基尼系數都小于基于排放現狀的基尼系數,這一結果與相關研究結果一致[11,20].筆者認為,由于優化目標和約束條件所限,在追求基尼系數最優和全局分配最為合理的情況下,出現沒有使單個或者幾個指標達到最優的情況是合理的,若過分強調單個指標基尼系數優化,而忽略全局,必將影響整體分配方案的合理性.目標總量控制是一項長期工程,不能一蹴而就,應充分考慮研究區的社會、經濟以及資源稟賦等實際情況,循序漸進,逐步調整優化.

4 結論

4.1 本研究開發了綜合環境基尼系數最小化模型,該模型以地區生產總值、人口數量、土地面積和環境容量為評價指標,并融合TMDL總量控制理念,使各指標目標總量基尼系數值更為合理.各指標 COD目標總量基尼系數值大小依次為∶人口數量(0.251)>環境容量(0.196)>土地面積(0.055)>地區生產總值(0.041);各指標氨氮目標總量基尼系數值大小依次為∶人口數量(0.228)>環境容量(0.140)>土地面積(0.096)>地區生產總值(0.076). 基于地區生產總值、人口數量、土地面積和環境容量4個指標的COD和氨氮基尼系數總和,相比于基于現狀排放,分別下降 15.1%和11.0%,分配方案更為合理,更易為各鎮所接受.

4.2 通過綜合環境基尼系數最小化模型,可實現張家港流域各鄉鎮2009年COD和氨氮排放入河量的優化分配,結果表明∶對 COD排放入河量而言,長涇鎮削減比率最高,達到 20%,削減量為231.74t/a;對氨氮排放入河量而言,祝塘鎮削減比率最高,達到 59.9%,削減量為 59.74t/a.基于綜合環境基尼系數最小化模型的目標總量分配最優化求解,跟以往只是用基尼系數來判斷總量分配方案是否合理的做法相比,保證了在一定約束條件下分配方案的最優性.

[1] International Commission for the Protection of the Rhine (ICPR). Upstream Outcome of the Rhine Action Programme [EB/OL]. (2009-06-18) [2012-4-12]. http：//www.iksr.org/index.php?id= 258&L=3&pdfPage=1.

[2] Niemeyer R. Danube river basin pollution reduction programmereport [EB/OL]. (1999-7) [2012-4-10]. http：//www.icpdr.org/ icpdr-pages/dprp.htm.

[3] Matsuda O. Environmental management of coastal seas in Japan [DB/OL]. (2008-10-2) [2012-4-13]. http：//www.cearac-project. org/2ndCEAWS/presen_PDF/.

[4] Hoornbeek J, Hansen E, Ringquist E, et al. Implementing total maximum daily loads： Understanding and fostering successful results [EB/OL]. (2008-12) [2012-4-15]. http：//www.epa.gov/ owow/tmdl/results/pdf/12kentst_tmdl_rpt.pdf.

[5] 孟 偉,張 楠,張 遠,等.流域水質目標管理技術研究(Ⅰ)——控制單元的總量控制技術 [J]. 環境科學研究, 2007,20(4)：1-8.

[6] Zhu Y H, Drake S, Lü H S, et al. Analysis of temporal and spational differences in Eco-environmental carrying capacity related to water in the Haihe River basins, China [J]. Water Resources Management, 2010,24(6)：1089-1105.

[7] 夏華永,李緒錄,韓 康.大鵬灣環境容量研究Ⅱ：環境容量規劃[J]. 中國環境科學, 2011,31(12)：2039-2045.

[8] 張東菊,劉百橋,田秉暉.海河流域各地區水環境容量緊缺度分析 [J]. 河北師范大學學報(自然科學版), 2011,35(1)：98-102.

[9] 許慶明.環境保護和環境容量產權的合理界定 [J]. 中國環境科學, 1999,19(4)：377-380.

[10] Burn D H, Yulianti J S. Waste load allocation using genetic algorithms [J]. Journal of Water Resources Planning and Management, 2001,127(2)：121-129.

[11] 李如忠,舒 琨.基于基尼系數的水污染負荷分配模糊優化決策模型 [J]. 環境科學學報, 2010,30(7)：1518-1526.

[12] 吳悅穎,李云生,劉偉江.基于公平性的水污染物總量分配評估方法研究 [J]. 環境科學研究, 2006,19(2)：66-70.

[13] 王 媛,牛志廣,王 偉.基尼系數法在水污染物總量區域分配中的應用 [J]. 中國人口·資源與環境, 2008,18(3)：177-180.

[14] 肖偉華,秦大庸,李 瑋,等.基于基尼系數的湖泊流域分區水污染物總量分配 [J]. 環境科學學報, 2009,29(8)：1765-1771.

[15] 馬榮華,孔繁翔,段洪濤,等.基于衛星遙感的太湖藍藻水華時空分布規律認識 [J]. 湖泊科學, 2008,20(6)：687-694.

[16] 李家才.總量控制與太湖流域水污染治理——《太湖流域水環境綜合治理總體方案》述評 [J]. 環境污染與防治, 2010, 32(4)：96-100.

[17] GB3838-2002 地表水環境質量標準 [S].

[18] Stefano B, Thomas S. Optimal cycles and social inequality： What do we learn from the Gini index?[J]. Research in Economics, 2006,60(1)：35-46.

[19] Druckman A, Jackson T. Measuring resource inequalities： The concepts and methodology for an area-based Gini coefficient [J]. Ecological Economics, 2008,65(2)：242-252.

[20] 秦迪嵐,韋安磊,盧少勇,等.基于環境基尼系數的洞庭湖區水污染總量分配 [J]. 環境科學研究, 2013,26(1)：8-15.

[21] 劉 耀,吳仁海,廖瑞雪.大氣污染物總量分配公平性評價研究[J]. 環境科學與管理, 2007,32(9)：159-162.

[22] Sun T, Zhang H W, Wang Y, et al. The application of environmental Gini coefficient (EGC) in allocating wastewater discharge permit： The case study of watershed total mass control in Tianjin, China [J]. Resources, Conservation and Recycling, 2010,4(9)：601-608.

[23] 姜 雪,盧文喜,張 蕾,等.基于 WASP模型的東遼河水質模擬研究 [J]. 中國農村水利水電, 2011,(12)：26-30.

[24] Firdes Y, Aysegul A. Comparison of phosphorus reduction alternatives in control of nutrient concentrations in Lake Uluabat (Bursa, Turkey)： Partial versus full sediment dredging [J]. Limnologica, 2013,43(1)：1-9.

[25] Lin C E, Chen C T, Kao C M, et al. Development of the sediment and water quality management strategies for the Salt-water River, Taiwan [J]. Marine Pollution Bulletin, 2011,63(5—12)：528-534.

[26] 史鐵錘,王飛兒,方曉波.基于水質分析模擬程序的湖州市環太湖河網區水質管理模式 [J]. 環境科學學報, 2010, 30(3)：631-640.

[27] Lindenschmidt K E, Fleischbein K, Baborowski M. Structural uncertainty in a river water quality modelling system [J]. Ecological Modelling, 2007,204(3/4)：289-300.

[28] 喬 飛,孟 偉,鄭丙輝,等.長江流域污染負荷核算及來源分析[J]. 環境科學研究, 2013,26(1)：80-87.

[29] Wool T A, Ambrose R B, Martin J L, et al. Water Quality Analysis Simulation Program (WASP) Version 6.0DRAFT： User’s Manual [M]. Georgia： USEPA Environmental Research Laboratory, 2006.

[30] Bowie G L, Mills W B, Porcella D B, et al. Rates, constants, and kinetics formulations in surface water quality modeling [M] 2ndEdition. Georgia： USEPA Environmental Research Laboratory, 1985.

[31] Willmott C J, Ackleson S G, Davis R E, et al. Statistics for the evaluation and comparison of models [J]. Journal of Geophysical research, 1985,90(C5)：8995-9005.

[32] 楊松彬,董志勇.河網概化密度對平原河網水動力模型的影響研究 [J]. 浙江工業大學學報, 2007,35(5)：567-570.

[33] Dilks D W, Freedman P L. Improved consideration of the margin of safety in total maximum daily load development [J]. Journal of Environmental Engineering, 2004,130(6)：690-694.

Use of a minimum environmental Gini Coefficient model on optimizing the allocation plan of total pollutant load in water bodies： a case study at Zhangjiagang river-network plain.

TIAN Ping1,3, FANG Xiao-bo2*, WANG Fei-er1, ZHU Yao1
(1. College of Environmental and Resource Sciences, Zhejiang University, Hangzhou 310012, China；2. School of Environmental and Resource Sciences, Zhejiang Agricultural and Forestry University, Lin’an 311300, China；3. Zhejiang Zone-king Engineering and Technology Limited Company, Hangzhou 310004, China). China Environmental Science, 2014,34(3)：801～809

A Gini Coefficient model was developed in an attempt to optimize the total pollutants load allocation plan at the study area, Zhangjiagang river-net plain, where the environmental capacity of target pollutants and spatial distribution at six different towns in this region have been well addressed via WASP model. The local social, economic and resource factors were integrated and processed in developing this Gini Coefficient model, by which the best solution to the allocation pollutant plan was successfully figured out. As a consequence, the COD Gini Coefficients were decreased by 15.1% and 8.5% while ammonia Gini Coefficients were decreased by 11.0% and 13.7% in terms of pollutant discharge and capacity allocation respectively. The largest reduction rate of COD,approximately 20%,was achieved at Changjing town by the optimized load reduction strategy with an annual reduction, of 231.74tonnes. As to the ammonia pollutant load reduction, Zhutang Town showed the largest reduction rate of 59.9% with an annual reduction amount of 59.74tonnes.

Gini coefficient；minimum；total pollutant load allocation；environmental capacity；WASP model

X196;X52

：A

：1000-6923(2014)03-0801-09

田 平(1980-),男,浙江湖州人,工程師,博士,主要從事環境規劃與管理研究.發表論文11篇.

2013-07-10

國家水體污染控制與治理科技重大專項課題(2008ZX07101-006);江陰市張家港河河道綜合整治規劃項目;浙江省教育廳項目(Y201120673);浙江農林大學發展基金預研項目(2010FK042);浙江農林大學人才啟動項目

* 責任作者, 講師, xbfang487@gmail.com