北江飛來峽庫區(qū)典型流域非點源污染特征分析及模擬

黃國如，陳曉麗，任秀文

(1.華南理工大學土木與交通學院，廣東 廣州 510640； 2.華南理工大學亞熱帶建筑科學國家重點實驗室，廣東 廣州 510640； 3.廣東省水利工程安全與綠色水利工程技術研究中心，廣東 廣州 510640；4.環(huán)境保護部華南環(huán)境科學研究所，廣東 廣州 510530)

近年來，隨著點源污染逐步得到控制，非點源污染已成為各大流域主要污染源并引起專家學者的高度重視[1-2]。降雨徑流是造成非點源污染最主要的自然原因。伴隨著降雨淋融和徑流沖刷，由土壤侵蝕產生的土壤流失事件時有發(fā)生，N、P等營養(yǎng)鹽和溶解有機質等不斷進入水體，導致各大流域非點源污染形勢變得十分嚴峻。與點源污染相比，非點源污染具有隨機、滯后、模糊及隱蔽等特性，使得非點源污染的估算與模擬研究難度極大[3]。目前，非點源污染負荷的估算方法主要分為兩種：經驗模型估算和機理模型模擬。經驗模型以輸出系數模型最為常用，是一個直接建立土地利用、土地覆蓋與受納水體非點源污染負荷量之間關系的模型[4-5]，能夠避開繁雜的非點源污染遷移轉化物理過程，對實測污染物數據要求較低，因此得到了廣泛應用。張辰等[6-8]采用輸出系數模型分別在云南省洱海流域、長春市新立城水庫流域、四川省射洪縣等區(qū)域進行了非點源污染負荷量估算，并深入評估了各研究區(qū)非點源污染情況。另外，蔡明等[9]提出了考慮降雨因素影響和污染物在遷移過程中損失的改進的輸出系數模型，并在渭河流域進行了非點源污染估算，結果表明，改進后的輸出系數模型機理更明確、模擬更準確，因此得到了廣泛應用[10]。自20世紀80年代以來，非點源污染模擬模型已廣受重視，表現較為出色的非點源污染模型主要有美國國家環(huán)保局的HSPF模型和SWMM模型、美國農業(yè)部的AGNPS模型和SWAT模型等，其中SWAT模型是一個具有很強物理機制、可進行連續(xù)長時段模擬的分布式流域尺度水文模型[11-12]。國內外學者利用SWAT模型在非點源污染方面做了廣泛且深入的研究，使得SWAT模型在全世界范圍內得以推廣應用。張曉晗等[13]采用SWAT模型在黑河水庫上游流域進行非點源污染模擬與分析，結果表明，該流域非點源污染主要發(fā)生在汛期6—10月；劉吉開等[14]利用SWAT模型探討氣候條件變化對渭河流域陜西段非點源污染負荷影響，發(fā)現未來氣溫升高、降雨增多，河道徑流量增加，TN、TP負荷增多，非點源污染問題越來越突出；賴格英等[15]通過修正的SWAT模型對巖溶地區(qū)江西省橫港河流域的非點源污染進行模擬研究，定量評估落水洞、伏流、暗河等巖溶特征對氮、磷等主要非點源污染物質輸移的影響及其帶來的時空效應。

為深入研究飛來峽庫區(qū)的非點源污染情況，筆者選取典型小流域進行場次降雨徑流水量水質同步監(jiān)測實驗，對監(jiān)測結果進行規(guī)律及特征分析，建立小流域SWAT非點源污染模型，以模擬研究小流域非點源污染情況，并率定、驗證徑流及水質參數，旨在為相關部門開展社崗流域非點源污染防治及水資源保護提供科學依據，也為飛來峽庫區(qū)流域非點源污染模擬提供參數借鑒。

1 研究區(qū)概況

飛來峽庫區(qū)地處我國南方濕潤地區(qū)，年均降雨量1 853 mm，雨量充沛，屬亞熱帶季風氣候。其控制面積為2 450 km2，橫跨廣東省清遠市英德市以及清城區(qū)兩個縣級區(qū)，含飛來峽鎮(zhèn)、黎溪鎮(zhèn)、連江口鎮(zhèn)、大站鎮(zhèn)、英紅區(qū)、英城鎮(zhèn)、望埠鎮(zhèn)、石灰鋪鎮(zhèn)、西牛鎮(zhèn)以及水邊鎮(zhèn)在內的10個鎮(zhèn)級行政區(qū)劃，流域內人口約為29.5萬人。據廣東省水利科學研究院編制的《廣東省飛來峽水利樞紐庫區(qū)污染源普查報告》，飛來峽庫區(qū)流域內的污染物70%以上由非點源污染貢獻，且?guī)靺^(qū)內生活用水逐年增加，生活用水的散排、農業(yè)化肥的不當施用，導致非點源污染占比呈逐年增大的態(tài)勢。為研究飛來峽庫區(qū)流域的非點源污染情況，選擇典型小流域社崗排洪渠流域(簡稱社崗流域)為研究對象。社崗流域位于飛來峽水利樞紐壩前左岸，流域面積為37.61 km2(圖1)，控制范圍內有社崗、橫石、升平等村，人口密度為400人/km2，社崗排洪渠片區(qū)水質狀況不容樂觀。

圖1 飛來峽社崗排洪渠流域DEM

2 研究資料與方法

2.1 降雨徑流水量水質監(jiān)測

在社崗流域出口斷面處設置流量監(jiān)測點，安裝多普勒超聲波明渠流量計，并于2017年8月至2018年6月進行流域場次降雨過程的同步監(jiān)測，監(jiān)測內容包括降雨量、徑流量、各場次降雨的水樣采集(采樣頻率為1 h)等。經污染物檢測，可得2017年后汛期5場及2018年前汛期6場降雨的污染物濃度數據。所采集水樣大多為淡黃色，輕微氣味，表面有大量懸浮物。2017年場次降雨時間分別為20170824、20170827、20170828、20170904和20170907，2018年場次降雨時間分別為20180414、20180415、20180424、20180507、20180509和20180606，所檢測污染物包括SS、BOD5、CODMn、TP、TN和NH3-N共6種。另外，進行非點源污染模擬時必須扣除河道的點源排放污染，且由于降雨徑流是非點源污染的主要原因，因此假設非汛期無雨日河道污染物排放均為點源污染，進行2017年10月下旬至2018年3月上旬的無雨日水樣采集(采樣頻率為每月2次)，得到10個無雨日點源排放的污染物濃度樣品。采用SWAT Bflow Program程序對2017年10月至2018年3月徑流進行基流分割，得到各月份常規(guī)水質樣品當日基流量，再采用基流量加權平均算法得到枯季各污染物平均濃度，最后控制常規(guī)點源污染日負荷量不變，得到汛期基流的點源污染濃度。

2.2 皮爾遜相關系數法

皮爾遜相關系數法(Pearson correlation coefficient)也稱皮爾遜積矩相關系數法，用來反映兩個變量線性相關程度的統計量，一般用r表示，計算公式為

(1)

2.3 平均濃度法

平均濃度法又稱水文分割法，利用它能夠簡便而有效地根據有限的水質監(jiān)測資料來估算非點源污染負荷量。采用平均濃度法估算社崗流域2017年非點源污染平均濃度及負荷情況，然后將場次降雨污染物平均濃度近似作為典型日非點源污染物濃度，計算典型日非點源污染負荷，作為SWAT模型參數率定及驗證依據。

利用平均濃度法計算場次降雨徑流過程非點源污染平均質量濃度ρ的計算公式為

(2)

其中 Δti=(ti+1-ti-1)/2

式中：WL為該次暴雨攜帶的污染物負荷量，g；WA為該次暴雨產生的徑流量，m3；QTi為ti時刻的實測流量，m3/s；ρTi為ti時刻的實測污染物質量濃度，mg/L；QBi為ti時刻的枯季流量，m3/s(即非本次暴雨形成的流量，也稱基流流量)；ρBi為ti時刻的基流濃度(枯季濃度)，mg/L；n為該次暴雨徑流過程中流量與水質濃度的同步監(jiān)測次數。

2.4 SWAT分布式水文模型

SWAT模型是基于GIS的分布式流域水文模型，可以利用遙感和地理信息系統提供的空間信息模擬多種不同的水文物理化學過程，如水量、水質以及污染物輸移轉化過程等。SWAT模型所需數據主要包括流域DEM數據、土地利用數據、土壤數據、雨量數據、流域氣象站點數據和流域水文站點數據等。DEM數據來自中國科學院計算機網絡信息中心地理空間數據云的SRTMDEMUTM的數字高程數據，流域內高程值介于11～421 m之間。土地利用數據來自中國科學院計算機網絡信息中心全球變化參量數據庫，分為耕地、草地、林地以及水域4類，所占比例分別為13.68%、22.44%、60.13%和3.75%。土壤數據采用世界糧農組織(FAO)和國際應用系統分析學會(HASA)共同開發(fā)的全球土壤數據庫(HWSD)。按照土壤理化性質，將土壤類型空間數據分為5類，分別為粉質壤土30.17%、砂土2.61%、黏土6.25%、壤土3.40%以及砂質黏壤土57.57%。雨量數據來自廣東省飛來峽水利樞紐管理處的飛壩上雨量站點。氣象數據選用臨近的佛岡氣象站的逐日溫度、濕度、風速和太陽輻射數據等，數據來自于中國氣象數據網(http://data.cma.cn)。

3 結果分析

3.1 污染物質量濃度、負荷量與徑流量變化特征

選取2017年和2018年各一個典型場次降雨事件來分析降雨徑流過程的污染物輸出特征，兩個場次降雨分別為20170824和20180507。20170824場次降雨流域出口徑流過程如圖2(a)所示。由圖2(a)可知，20170824場次降雨事件的降雨從08∶00開始，09∶00降水量達到最大值并結束降雨，相應的流域出口徑流量在15∶00左右達到峰值(1.71 m3/s)。20180507場次降雨流域出口徑流過程如圖2(b)所示。由圖2(b)可知，20180507場次降雨事件的降雨從15∶00開始，降水量為16.5 mm，達到本場降雨的最大值，降雨持續(xù)至20∶00，流域出口徑流量在21∶00左右達到峰值(4.22 m3/s)。

(a)20170824 (b)20180507

圖2 20170824、20180507場次降雨流域出口徑流過程

20170824場次降雨的徑流-污染物濃度變化過程見圖3。由圖3可知，SS和BOD5這兩種污染物與徑流量變化趨勢基本一致，說明徑流量對這兩種污染物輸出起主導作用。另外，TN、NH3-N和TP這3種污染物具有明顯的初期沖刷效應，其濃度最大值均出現在降雨發(fā)生后1h。究其原因，前期久旱無雨，地表污染物累積量大，徑流對污染物的侵蝕和沖刷使污染物濃度升高并迅速達到峰值，特別是流域中下游地區(qū)，耕地比例較大，氮、磷等可溶性強的污染物容易累積，徑流沖刷更易帶走大量可溶性污染物。后續(xù)隨著徑流量增大，稀釋作用又占據了主導地位，使得污染物濃度逐漸降低。CODMn與徑流量的變化關系較為一致，存在一定的初期沖刷效應。上述研究所得結論與馮麒宇等[16]、代丹等[17]分別在潭江泗合水流域、北京市清河流域的研究結論較為一致。

20180507場次降雨的徑流-污染物濃度變化過程如圖4所示。由圖4可知，除去TN、NH3-N這兩類初期沖刷效應非常明顯的污染物外，其余污染物與徑流量的變化關系均非常一致，說明徑流量呈強主導作用。TN、NH3-N等最大濃度值均出現在最大降水量的后1 h。隨著徑流量逐漸增大，稀釋作用顯現，濃度值開始下降，使得TN、NH3-N與徑流量呈現負相關關系。春季正是流域內農耕施肥時節(jié)，氮肥施用在淺層地表，汛期到來，降雨淋融，使得氮肥的施用效果大打折扣的同時，也產生了非常嚴重的非點源污染，值得關注。

(a)SS

(b)TP

(c)TN

(d)NH3-N

(e)BOD5

(f)CODMn

圖3 20170824場次降雨的徑流-污染物質量濃度變化過程

(a)SS

(b)TP

(c)TN

(d)NH3-N

(e)BOD5

(f)CODMn

圖4 20180507場次降雨的徑流-污染物質量濃度變化過程

3.2 污染物質量濃度、負荷量與徑流量相關性

現采用皮爾遜相關分析法對2017年5個場次以及2018年6個場次的降雨進行污染物質量濃度及其負荷量與徑流量的相關性分析，結果見表1。

由表1可知，對于2017年場次降雨而言，在徑流量與污染物質量濃度關系方面，污染物SS與徑流量均呈現不同程度的正相關，20170828場次兩者達到了強相關，說明徑流量對污染物的沖刷起著重要作用。另外，BOD5、CODMn、TP等也與徑流量大多正相關，但TN和NH3-N則和徑流量負相關。前述已提及，由于TN和NH3-N等氮污染物均易溶于水，且前期地表污染物累積量大，徑流對污染物的侵蝕和沖刷作用使其質量濃度升高并迅速達到峰值，隨著徑流量增大其稀釋作用又占據主導地位，污染物質量濃度逐漸降低，導致出現TN和NH3-N等污染物與徑流量負相關。在徑流量與污染物負荷量關系方面，所有場次的CODMn與徑流量均呈極強的正相關，且除了20170828場次外，其余場次均通過了0.01水平上的雙側檢驗。SS、BOD5、TP、TN等污染物的負荷量也基本上與徑流量正相關。個別污染物與徑流量的相關系數可高達0.9以上，如20170827場次的BOD5，相關系數達到0.907；20170904場次，TP相關系數達到0.980。總體上，污染物負荷量與徑流量的相關性要強于污染物質量濃度與徑流量的相關性，說明徑流量對污染物負荷量的變化起著更為重要的主導作用。

對于2018年場次降雨而言，在徑流量與污染物濃度關系方面，除了20180507場次的SS、BOD5、CODMn、TP等污染物與徑流量的相關系數均達到0.85以上外，其余場次污染物大多與徑流量呈負相關，這是因為非汛期時，前期地表污染物有了極大的累積量，在進入4—6月初汛期的時候，由于暴雨沖刷，使得污染物迅速進入河道中，與2017年8—9月的后汛期相比，具有更為明顯的初期沖刷效應。在徑流量與污染物負荷量關系方面，大多場次污染物與徑流量均呈極強的相關性，相關系數均達到0.8以上，尤其是作為2018年入汛標志的20180414場次，各污染物與徑流量的相關系數均高達0.98以上，且均通過了0.01水平的雙側檢驗。另外，從縱向看，CODMn、TP、TN這3種污染物各場次的負荷量與徑流量均呈現較好的相關性，大部分相關系數可達0.75以上，且通過了0.05水平的雙側檢驗。

表1 污染物質量濃度和其負荷量與徑流量的相關系數

注：**表示在0.01水平上(雙側)顯著相關，*表示在0.05水平上(雙側)顯著相關。

3.3 小流域非點源污染貢獻率

根據非汛期點源污染物濃度和負荷，對共11個場次降雨的實測污染物濃度和負荷進行分解，分解成非點源污染和點源污染兩部分，分別進行貢獻率計算，再對11個場次降雨的非點源污染貢獻率進行分位數計算，結果見表2。

從表2可以看出，各污染物的非點源污染貢獻率均值均達到80%以上，與整個庫區(qū)內非點源污染占比70%以上的結論相吻合，再次證明社崗流域的典型性和代表性。其中懸浮物SS的貢獻率均值達到95.3%，說明社崗流域內降雨徑流攜帶了大量泥沙，有嚴重的水土流失傾向。

3.4 SWAT模型模擬結果分析

選取2017年為參數率定期，2018年為模型驗證期，并根據SWAT模型的應用經驗[18-19]以及社崗流域的基本情況，選取14個參數進行徑流模擬，詳細的參數信息參見參考文獻[20]。選用納什系數、相對誤差和決定系數R2這3個指標作為模型徑流模擬適用性評價標準。率定期和驗證期的徑流過程見圖5。參數率定及驗證結果為：率定期實測日徑流均值為0.971 m3/s，模擬值為0.920 m3/s，相對誤差為-5.28%，納什系數值高達0.85，R2為0.86，模型模擬精度較高。驗證期實測徑流量為0.622 m3/s，模擬值為0.533 m3/s，相對誤差為-14.28%，納什系數值為0.73，R2為0.75，驗證結果總體令人滿意，表明所構建的SWAT模型具有良好精度，可以為未來社崗流域非點源污染負荷核算提供可靠的徑流數據。

表2 11個場次降雨的非點源污染貢獻率分位數 %

圖5 率定期和驗證期日徑流模擬結果

由于實測非點源污染數據有限，本研究主要利用2017年及2018年典型日非點源污染數據，以SS、TN、TP等水質指標為例進行水質參數率定和驗證，所得到的水質參數和部分場次模擬結果分別見表3和表4。需要指出的是，表4給出了7場次暴雨水質模擬結果，由于其余4場次降雨強度過小，SWAT模型無法模擬其非點源污染狀況，未列出其結果。

由表4可以看出，率定期3個典型日中雨強最大的20170907場次(日雨量79 mm)的模擬效果最佳，SS相對誤差低至0.61%，TN相對誤差為10.38%，TP相對誤差為1.53%。20170828典型日(日雨量25 mm)模擬效果次之，SS、TN、TP相對誤差分別為17.63%、-36.02%及-12.65%，20170904典型日(日雨量27 mm)模擬結果相對較差。另外，可以看出雨強較大的典型日模擬效果較好，而在雨強較低時TN、TP等均出現較大程度的低估現象，說明SWAT模型更適用于高雨量、高雨強的情景。驗證期除了20180414典型日外，其余3個典型日的SS相對誤差基本在50%以內，且均是高估現象。而對于TN、TP來說，驗證期所有場次的模擬值均低于實測值，且誤差較大。分析原因可知，4—5月處于春耕施肥時期，流域內耕地等處于農耕施肥的高峰期，且前期肥料均施用于淺層地表，在強降雨的淋融沖刷下，氮、磷等元素迅速進入河道，造成嚴重的非點源污染，而SWAT模型難以捕捉這一人為現象。

總體而言，SWAT模型非點源污染模擬結果在率定期的表現優(yōu)于驗證期，與徑流模擬相對應，基本能夠反映非點源污染負荷的實際狀況。由于非點源污染監(jiān)測、基礎數據采集、模型內部結構、參數等具有強烈的不確定性，可以初步認為SWAT模型在該流域的模擬結果基本符合要求，所得結果可用于飛來峽庫區(qū)流域非點源污染的模擬預測及趨勢分析。

表3 水質參數率定結果

表4 典型日非點源污染模擬結果

4 結 論

a. 場次降雨的徑流-污染物濃度變化過程表明，SS和BOD5等與徑流量變化趨勢基本一致，說明徑流量對這兩種污染物的輸出起主導作用，而TN、NH3-N、TP等易溶污染物則表現出非常明顯的初期沖刷效應。

b. 污染物濃度及其負荷量與徑流量相關性分析表明，各場次降雨中，SS與徑流量均呈現不同程度的正相關，說明徑流量對泥沙等沖刷起著重要作用，BOD5、CODMn、TP等也大多正相關，但TN和NH3-N則和徑流量負相關，與初期沖刷效應相對應。另外，污染物負荷量與徑流量的相關性要好于污染物濃度與徑流量的相關性。

c. SWAT模型模擬結果表明，SWAT模型徑流模擬精度良好，納什率定期為0.85，驗證期為0.73。在典型日非點源污染模擬上，SWAT對于高雨強、大雨量的典型日模擬效果最好，但對于雨強較小的典型日則表現較差；另外，驗證期由于受到春耕集中施肥影響，污染物實測值普遍高于模擬值。