巢湖流域氮磷面源污染與水華空間分布遙感解析

王雪蕾，王新新，朱 利，馬友華，吳傳慶*，王 強，馮愛萍，陳敏鵬（.環境保護部衛星環境應用中心，北京 0009；.中國農業大學資源與環境學院，北京 009；.安徽農業大學資源與環境學院，安徽 合肥006；.中國農業科學院，農業環境與可持續發展研究所，北京 0008）

巢湖流域氮磷面源污染與水華空間分布遙感解析

王雪蕾1，王新新2，朱 利1，馬友華3，吳傳慶1*，王 強3，馮愛萍1，陳敏鵬4（1.環境保護部衛星環境應用中心，北京 100094；2.中國農業大學資源與環境學院，北京 100193；3.安徽農業大學資源與環境學院，安徽 合肥230036；4.中國農業科學院，農業環境與可持續發展研究所，北京 100081）

基于遙感監測手段，分別應用DPeRS模型和MODIS水華提取方法對巢湖流域氮磷面源污染特征和巢湖水體水華爆發規律進行遙感像元尺度解析，結果表明: 2010年巢湖流域總氮產生量為1900.3t，入河量為846.5t；總磷為244.1t，入河量為76t.巢湖流域農業面源污染對氮素污染貢獻最大，而水土流失則對磷面源污染貢獻最大；綜合巢湖流域氮磷面源污染和水華爆發的時空特征分析，明確氮磷面源污染與巢湖水華具有相關性，并且時間上水華爆發頻率較氮磷面源污染具有先滯后后同步的特征，且面源污染負荷與水華爆發面積的相關系數為0.45；在空間上，面源污染負荷較大區域與水華爆發頻度較高區域也有較好的匹配性；基于這種相關性，應用DPeRS模型對巢湖流域進行氮磷減排情景分析，結果表明在施肥量減少30%，農村生活垃圾處理率提高到60%，畜禽糞便處理率和城市垃圾處理率提高到80%的情況下，氮磷面源污染平均削減率可以達到50%.

面源污染；氮磷；水華；遙感；巢湖流域

巢湖流域作為我國重要的五大淡水湖之一，面臨著較為嚴峻的面源污染問題，其中巢湖水華是氮磷面源污染對水質產生的重要影響之一.當前國內學者對流域面源污染負荷和水華的研究較多［1-4］，其中面源污染負荷的研究多采用AnnAGNPS模型法［5］、平均濃度法［6-7］、輸出系數法［8-9］、SWAT等過程機理模型［10］等.水華監測主要包括傳統的實驗室采樣分析法［11］和近幾年發展的遙感動態監測法［12］.但是對于管理部門，更需要將巢湖流域水陸作為整體進行研究，綜合面源污染負荷和水華發生規律制定合理的流域污染防治措施.針對這一需求，本研究將遙感數據作為水陸研究的驅動，基于大尺度模型［13-14］，構建以遙感像元為最小模擬單元的面源污染負荷估算模型-DPeRS［15-16］對巢湖流域農田種植、農村生活、城鎮徑流、畜禽養殖和水土流失等引發的氮磷面源污染負荷進行估算，同時采用MODIS數據對巢湖流域水華爆發情況進行分析，最后通過DPeRS情景分析和陸地面源污染與水華爆發的時空特征分析，提出巢湖流域污染防治的措施，為流域污染管理部門提供決策支持.

1 材料與方法

1.1 研究區概況

巢湖流域位于安徽省中部，屬于長江下游左岸水系，流域面積1.4萬km2，氣候為亞熱帶季風氣候，流域多年平均氣溫為16℃，極端最高氣溫41.3℃，極端最低氣溫零下15.7℃.多年平均相對濕度76%，多年平均年降水量1215mm，其中汛期5～8月降水量占年降水量51%.巢湖流域農業經濟發達，是我國主要的商品糧生產基地.研究區巢湖流域位置圖如圖1所示.

圖1 研究區位置示意Fig.1 Location of the Chao Lake Basin （CLB）

表1 主要空間數據列表Table 1 List of main spatial data

1.2 主要數據庫

DPeRS模型運行需要的數據包括巢湖流域土地利用、植被覆蓋、月降水、坡度坡長、農作物產量等，水華提取主要基于MODIS數據（250m），具體數據來源和處理方法見表1.

1.3 模型方法

表2 DPeRS模型結構和構建原理Table 2 Construction and theories of DPeRS model

1） DPeRS面源負荷估算模型

DPeRS模型將面源污染源定義為農田徑流、城市徑流、農村生活、畜禽養殖和水土流失5個類型；將面源污染物概化為溶解態和吸附態兩類；具體指標為總氮（TN）、總磷（TP）、氨氮（NH4+-N）和化學需氧量（CODcr）；模型包括五大模塊:農田氮磷平衡核算模塊、植被覆蓋度定量遙感反演模塊、溶解態污染負荷估算模塊、吸附態污染負荷估算模塊和入河模塊，模型核心算法和參數說明分別見表2和表3［15-16］.本研究中僅討論氮磷兩個指標.

表3 模型中的主要參變量列表Table 3 The main parameters list

（2） 基于NDVI的藍藻水華遙感識別及年度分析

從藍藻水華的光譜特征分析可知，近紅外譜段的陡坡效應是水華與水體最明顯的光譜差異，且富集度越大的水華其陡坡效應越明顯.基于NDVI指數能較好反應近紅外譜段陡坡效應的原理［19］，本研究采用NDVI植被指數提取藍藻水華，NDVI的反演算法見表2中植被覆蓋度模塊.其中， NDVI為正值時表明水面有藍藻覆蓋，藍藻密度越大，NDVI值越大，可以選擇適當閾值來提取藍藻水華的分布范圍［20］.考慮到MODIS（250m）數據的光譜特性（含有紅光和近紅外波段）和高時間分辨率（1d 2次白天過境），本研究采用基于2010年MODIS數據完成巢湖藍藻水華日常監測，在此基礎上開展流域2010年水華年度分析的監測，并分析獲得水華出現頻度、發生頻率、起始日期等信息.

2 結果與討論

2.1 巢湖流域面源污染物空間分布特征

2.1.1 溶解態污染物空間特征 應用DPeRS模型對的巢湖流域2010年面源污染負荷進行月尺度估算，結果表明:巢湖流域溶解態TN和TP平均污染負荷分別為0.21t/km2和0.02t/km2.巢湖流域溶解態氮磷面源污染產生量的空間分布如圖3所示，模擬結果的空間統計見表4.溶解態氮磷面源污染空間分布表明，巢湖流域的西南部溶解態污染物負荷較小，流域北部溶解態污染物負荷較大；具體表現為合肥市市轄區面源污染較重，且污染類型以城市徑流型為主；其次為肥西縣，主要污染類型為畜禽養殖型.

圖3 溶解態氮磷面源污染產生負荷的空間分布Fig.3 Spatial distribution of dissolved N and P loads of CLB in 2010

表4 溶解態氮磷面源污染統計Table 4 Productions of dissolved N and P pollutants in CLB catchment in 2010

圖4 吸附態面源污染空間分布Fig.4 Spatial distribution of adsorbed N and P loads of CLB in 2010

2.1.2 吸附態面源污染物空間特征 DPeRS吸附態污染負模擬結果表明:巢湖流域平均吸附態氮磷負荷分別為0.02t/km2和0.006t/km2，其中舒城縣的吸附態氮磷負荷最高分別為0.06t/km2和0.03t/km2.巢湖流域吸附態氮磷面源污染空間分布特征如圖4所示，西南部山區由于土壤侵蝕量較大，表現為較高的吸附態面源污染負荷，其次巢湖水體的西北部和東南部的污染負荷也較高.具體污染負荷的統計結果見表5.

表5 吸附態氮磷面源污染統計Table 5 Productions of adsorbed N and P pollutants in CLB in 2010

綜合溶解態和吸附態面源污染模擬結果，從空間分布來看，巢湖流域氮磷污染主要集中在巢湖流域西南部地區.合肥市面源污染物產生量最大.

2.2 巢湖流域面源污染量估算結果分析

DPeRS模型入河模塊估算結果表明:巢湖流域2010年產生的溶解態和吸附態面源污染物共9.35萬t，進入水體4.73萬t.其中: TN1900.3t，進入水體846.5t； TP 244.1t，進入水體76t.各區縣污染物的產生量及排放量統計結果（表6）表明合肥市市轄區總氮總磷的產生量和入河量最大.

2.3 巢湖流域氮磷面源污染源解析

綜合DPeRS模型對溶解態和吸附態氮磷面源污染模擬結果，巢湖流域氮磷面源污染源分析結果表明:對于TN指標，城市徑流型和農田徑流型為主要的面源污染源，分別占總污染量的34.6%和33.7%，農村生活型比例為12.3%，畜禽養殖型為6.47%；對于TP指標，水土流失型（不包括農田）污染是最主要的面源污染源，占總污染量的39.6%，其次為城市生活型污染，占污染量的24.4%，其他類型污染排序為農田徑流型（16.1%）＞畜禽養殖型 （11.2%）＞農村生活型（8.7%）.巢湖流域氮磷面源污染源解析表明:對于TN指標，巢湖流域仍然以農業面源污染（農田型、畜禽型和農村生活型）為主，其污染比例占總面源污染的52.5%；其次為城市徑流型，占34.6%；對于TP指標，水土流失（不包括農田）是造成流域磷面源污染的重要原因，其污染比例占總比例的39.6%，其次為農業面源污染，占35.9%.綜合氮磷指標，巢湖流域農田徑流占總氮磷面源污染的62.6%，其次為農村生活占23.5%，最后為畜禽養殖占13.9%.

表6 區縣污染物產生量及排放量Table 6 Annual NPS production and amount into the river in CLB counties

2.4 巢湖流域面源污染與巢湖水華時間空間分布分析

利用MODIS遙感影像對2010年巢湖水華情況進行遙感監測，水華月度爆發頻度和面積的監測結果表明: 2010年共監測到水華發生66次，首次監測到水華的時間是4月，其中7月、8月份和10月份監測到水華出現頻次較高，分別為10次，15次和11次.其中未監測到150km2以上面積的藍藻水華，監測到100km2以上面積的藍藻水華5次，水華最大面積為140km2.將氮磷面源污染負荷與巢湖水華爆發面積和爆發頻率進行對比分析（圖5），結果表明氮磷面源污染負荷與水華爆發面積的相關系數為0.45（圖5），氮磷面源污染的負荷變化與水華發生頻率具有相同的趨勢，并且水華的發生較氮磷面源污染強度的變化具有先滯后性后同步的特性，即在氮磷負荷和水華暴發頻率先后達到最大后，水華爆發頻率與氮磷負荷變化趨勢同步.具體表現為:面源污染3月份出現第一個小高峰，在4月第一次發現巢湖水華；7月氮磷面源污染負荷達到最大值，8月水華爆發頻度達到最大，9～12月二者變化趨勢相同，同步變大和變小（圖5）.

圖5 2010年氮磷面源污染及水華爆發關系分析Fig.5 The analysis of NP load distribution and algal bloom in Chao Lake in 2010

基于遙感影像的巢湖流域年氮磷面源污染負荷與水華年分布頻率空間分布見圖6，從空間上，水華爆發頻率較高的區域表現為巢湖水體的西北部和南部，氮磷面源污染負荷較高的區域為巢湖水體的西北部和巢湖流域山區.從氮磷面源污染和水華空間分布上可以看出，合肥地區的面源污染對巢湖水華的影響較大.

2.5 巢湖流域DPeRS模型情景分析

從施肥量、垃圾處理率、糞便處理率3個方面制定情景，具體為（1）保證作物產量不變的情況下，施肥量減少30%；（2）城市垃圾處理率和畜禽糞便處理率均由20%提高到80%.（3）農村垃圾處理率從0提高到60%.

情景分析結果表明:對于農田模塊，施肥量減少30% 的情況下，TN產生量削減了43%，TP削減了30%；對于畜禽養殖模塊，畜禽糞便處理率提高到80%，TN和TP均削減了75%；對于城市徑流型模塊，垃圾處理率達到89%時，TN和TP的平均削減率為21%；對于農村型氮磷面源模擬模塊，垃圾處理率提高到60%的情況下，TN和TP的平均削減率為60%.具體削減量變化見表7.綜合分析結果表明，新情景下TN入河量削減38.7%，TP削減了39.3%.

表7 情景設置下污染物產生量與原始值的比較Table 7 The contrast of NPS pollutants under Scenario and the original

3 結論

3.1 DPeRS模擬巢湖流域2010年溶解態氮污染負荷為0.21t/km2，吸附態氮污染負荷為0.014t/km2，總氮產生量為1900.3t，入河量為846.5t；溶解態總磷污染負荷為0.019t/km2，吸附態磷負荷為0.006t/km2，總磷產生量為244.1t，入河量為76t.從空間分布來看，巢湖流域的北部，巢湖湖體的西北部和北部對巢湖水華影響較大，具體表現為合肥市轄區.

3.2 巢湖流域氮磷面源污染源解析表明:對于TN指標，巢湖流域仍然以農業面源污染（農田型、畜禽型和農村生活型）為主，其污染比例占總面源污染的52.5%；其次為城市徑流型，占34.6%；對于TP指標，水土流失是造成流域磷面源污染的重要原因，其污染比例占總比例的39.6%，其次為農業面源污染，占35.9%.綜合氮磷指標，巢湖流域農田徑流占總氮磷面源污染的61%，其次為農村生活占25%，最后為畜禽養殖占14%.

3.3 巢湖流域氮磷面源污染負荷與水華頻度和水華爆發面積的時空分析結果表明:巢湖流域氮磷面源污染負荷與巢湖水華的發生有相關性，與水華爆發面積的相關系數為0.45，并且在時間上水華爆發頻率較氮磷面源污染強度具有先滯后后同步的變化規律；在空間上，面源污染負荷較大區域與水華爆發頻度較高區域也有較好的匹配性，且空間上對巢湖水體產生影響的氮磷面源污染分布在巢湖流域的北部和西部，較為嚴重的區域為舒城縣和合肥市轄區.

3.4 應用DPeRS模型情景分析表明:在施肥量減少30%的情況下，農田TN產生量削減了43%， TP削減了30%；畜禽糞便處理率從20%提高到80%情景下，TN和TP均削減了75%；城市垃圾處理率從20%提高到80%情景下，TN和TP平均削減率為21%；農村生活垃圾處理率從0提高到60%下，TN和TP平均削減率為60%.基于氮磷面源污染與水華的空間相關性，上述措施從控制流域面源污染角度可以作為輔助水華治理的有效措施之一.

［1］朱 萱，魯紀行，邊金鐘，等.農田徑流面源污染特征及負荷定量化方法探討 ［J］. 環境科學， 1985，6（5）:6-11.

［2］劉 楓，王華東，劉培桐.流域面源污染的量化識別方法及其在于橋水庫流域的應用 ［J］. 地理學報， 1988，43（4）:329-340.

［3］歐陽威，王 瑋，郝芳華，等.北京城區不同下墊面降雨徑流產污特征分析 ［J］. 中國環境科學， 2010，30（9）:328-332.

［4］羅 倩，任 理，彭文啟.遼寧太子河流域非點源氮磷負荷模擬分析 ［J］. 中國環境科學， 2014，34（1）:178-186.

［5］李開明，任秀文，黃國如，等.基于AnnAGNPS模型泗合水流域非點源污染模擬研究 ［J］. 中國環境科學， 2013，33（S1）:54-59.

［6］張之源，王培華，張崇岱.巢湖富營養化狀況評價及水質恢復探討 ［J］. 環境科學研究， 1999，12（5）:45-48.

［7］李家科，李懷恩，董 雯，等.渭河關中段典型支流非點源污染監測與負荷估算 ［J］. 環境科學學報， 2011，31（7）:1470-1478.

［8］Ji C Y， Sun D F.Non-point source pollution in Chao Lake Basin，Anhui， PRC ［R］. Anhui:Asian Development Bank， 2011.

［9］邱 斌，李萍萍，鐘晨宇，等.海河流域農村非點源污染現狀及空間特征分析 ［J］. 中國環境科學， 2012，32（3）:564-570.

［10］歐陽威，黃浩波，蔡冠清.巢湖地區無監測資料小流域面源磷污染輸出負荷時空特征 ［J］. 環境科學學報， 2014，34（4）:1024-1031.

［11］孔 明，張 路，尹洪斌，等.藍藻暴發對巢湖表層沉積物氮磷及形態分布的影響 ［J］. 中國環境科學， 2014，34（5）:1285-1292.

［12］朱 利，王 橋，吳傳慶，等.巢湖水華遙感監測與年度統計分析研究 ［J］. 中國環境監測， 2013，29（2）:162-166.

［13］郝芳華，楊勝天，程紅光，等.大尺度區域面源污染負荷計算方法［J］. 環境科學學報， 2006，26（3）:375-383.

［14］郝芳華，楊勝天，程紅光，等.大尺度區域非點源污染負荷估算方法研究的意義、難點和關鍵技術 ［J］. 環境科學學報， 2006，26（3）:362-365.

［15］Wang X L， Wang Q， Wu C Q， et al. A method coupled with remote sensing data to evaluate non-point source pollution in the Xin'anjiang catchment of China ［J］. Science of the Total Environment， 2012，430:132-143.

［16］王雪蕾，蔡明勇，鐘部卿，等.遼河流域面源污染空間特征遙感解析 ［J］. 環境科學， 2013，34（10）:3788-3796.

［17］劉志紅，Li L T， McVicar T R， et al.專用氣候數據空間插值軟件ANUSPLIN及其應用 ［J］. 氣象， 2008，34（2）:92-100.

［18］Wang X L， Feng A P， Wang Q， et al. Spatial variability of the nutrient balance and related NPSP risk analysis for agroecosystems in China in 2010. Agriculture， Ecosystems and Environment， 2014，193:42-52.

［19］王 橋，魏 斌，王昌佐，等.基于環境一號衛星的生態環境遙感監測 ［M］. 北京:科學出版社， 2010:221-224.

［20］陳 云，戴錦芳.基于遙感數據的太湖藍藻水華信息識別方法［J］. 湖泊科學， 2008，20（2）:179-183.

致謝：本研究中模型方法研究得到北京師范大學郝芳華教授和楊勝天教授的指導，巢湖地區基礎數據處理得到安徽農業大學資源與環境學院研究生幫助，在此表示感謝！

Spatial analysis on diffuse pollution and algal bloom characteristic with remote sensing in Chao Lake Basin.

WANG Xue-lei1， WANG Xin-xin2， ZHU Li1， MA You-hua3， WU Chuan-qing1*， WANG Qiang3， FENG Ai-ping1， CHEN Min-peng4（1.Satellite Environment Center， Ministry of Environmental Protection， Beijing 100094， China；2.College of Resources and Environmental Sciences， China Agricultural University， Beijing 100193， China；3.College of Resources and Environmental Sciences， Anhui Agricultural University， Hefei 230036， China；4.Institute of Environment and Sustainable development in Agriculture， Chinese Academy of Agricultural Sciences， Beijing 100081， China）. China Environmental Science， 2015，35（5）：1511～1519

Based on the monitoring with MODIS data， the DPeRS model and algae bloom （AB） information were extracted and were used to assess nitrogen （N） and phosphorus （P） diffuse pollution （DP） and AB characteristics at pixel scale. Results showed 1） the yearly production of total nitrogen was 1900.3t in 2010 and 846.5 t were discharged. The total phosphorus production was 244.1t and the discharge load was 76t. 2） Agriculture contributes mostly the N-DP， and the water loss and soil erosion had great effect on P-DP. 3） The spatial-temporal feature analysis on N/P-DP loads and AB frequency confirmed that the N/P-DP related to AB. The AB happening lagged the DP firstly and after AB reaching the maxim. The DP and AB had the same temporal trend. The spatial distribution of AB matched well with DP. The correlation coefficient of bloom areas and NP loads was 0.45. 4） The scenarios analysis was analyzed with DPeRS model due to the dependency between DP and AB . The four scenarios could reduce N/P-DP 50% with reducing the fertilizer application 30%， improving the decontamination rate of urban and livestock refuse to 80% and rural life to 60%.

diffuse pollution；nitrogen and phosphorus；algae bloom；remote sensing；Chao Lake Basin

X87

A

1000-6923（2015）05-1511-09

王雪蕾（1978-），女，吉林省吉林市人，副教授/高級工程師，博士，主要從事流域尺度生態水文過程模擬和流域污染防治研究.發表論文30余篇.

2014-10-08

國家自然科學基金資助項目（41101378，41001245）；國家科技支撐計劃（2012BAD15B03）；國家自然基金（71103186）

* 責任作者， 高級工程師， wxlbnu@163.com