基于DPeRS模型的陜西省總氮面源污染時空特征解析

關鍵詞：面源污染；DPeRS模型；遙感；陜西??；總氮

中圖分類號：X52 文獻標志碼：A 文章編號：1672-2043（2024）12-2805-12 doi：10.11654/jaes.2024-0828

陜西省地跨黃河、長江兩大流域，是中國重要的糧食和北方水果主產區，南水北調中線工程重要的水源地，同時也是全國水土流失最嚴重省份之一。近年來，隨著陜西省各類綜合治理及生態環境保護工程的實施，流域點源污染基本得到控制，面源污染作為影響水質安全的重要污染源，已經成為受到廣泛關注的重要問題[1-2]，其具有的隨機性、廣泛性、滯后性、模糊性、潛伏性等特點，加大了相應的研究、治理和管理政策制定的難度[3-4]。氮元素是作物生長的基本元素，人類活動如農田、農村畜禽養殖和城鄉結合部地帶的生活排污的不斷加劇，以及農業集約化程度的提升，導致了諸如流域水體氮元素富營養化、地下水硝酸鹽污染等一系列水環境問題[5-6]和生物多樣性喪失[7]。嚴重的水土流失，既危及黃河中下游安全，同時也制約陜西，特別是黃河流域的生態保護和高質量發展。因此，開展陜西省總氮（TN）面源污染時空特征解析，識別面源污染主要來源，能夠為流域陸源污染控制、水質提升提供重要的技術支持。

模型模擬是面源污染定量化研究的有效手段，隨著遙感和地理信息技術在面源研究領域的應用，面源污染空間特征研究進程也在加快[8-9]，目前模型與遙感技術耦合已經成為面源污染定量化研究的重要趨勢。國內外對面源污染負荷評估的模型較多，具有代表性的有HSPF、SWMM、STORM、AnnAGNPS、SWAT、Johns輸出系數、WARMF和SPARROW等模型，國內使用較多的是輸出系數法[10-12]、AnnAGNPS[13-14]、SWAT[15-18]和DPeRS模型[19-24]。馬廣文等[4]應用輸出系數法分析了長江上游流域土地利用對面源污染的影響及其差異；陳海濤等[25]利用SWAT模型探討了輸入數據精度與準確性對徑流和TN 模擬結果的影響；歐陽威等[26]利用SWAT模型計算出撓力河流域的面源污染數據，并將其與In VEST模型中的生境質量模擬結果相結合，對撓力河流域的生態安全進行了研究；王雪蕾等[20]利用DPeRS模型估算了巢湖流域氨氮和化學需氧量的面源污染負荷，并進行污染特征解析；馮愛萍等[24]利用DPeRS模型對海河流域TN和總磷（TP）的負荷進行了模擬評估與綜合分析?？v觀現有研究，對陜西省面源污染的研究大多著眼于省域范圍內的黃河、長江等流域或某一地區[27-28]，或僅對單一指標污染特征進行分析[27，29-30]，方法多使用輸出系數法[31-32]，一是缺乏從時間與空間兩個維度對陜西全省的面源污染時空特征分析，二是缺少從管理需求出發的多尺度、多類型面源污染空間精細化量化評估。

本研究采用遙感分布式面源污染評估模型（Dif?fuse pollution estimation with remote sensing，DPeRS）對2016—2020年陜西全省范圍TN面源污染排放負荷和入河負荷進行像元尺度空間精細化評估分析，從農田種植、畜禽養殖、農村生活、城鎮徑流和水土流失5個類型識別其主要污染類型，進一步識別TN面源污染優控單元，探討TN面源污染對水體污染的貢獻率，為水質污染溯源、流域水質改善提供決策支持。

1 材料與方法

1.1 研究區概況

以陜西省為研究區，對其TN面源污染時空特征進行評估分析。陜西省地域狹長，地勢南北高、中間低，省域總面積205 624.3 km²。北山和秦嶺將陜西分為三大自然區域：北部是陜北高原，中部是關中平原，南部是秦巴山地。用地類型以林地、耕地和草地為主，分別占省域面積的61.6%、16.4%和15.7%，其中，耕地以旱地為主，主要分布在關中平原和陜北黃土高原，水田主要分布在陜南漢中盆地。秦嶺山脈橫貫全省東西，秦嶺以北為黃河水系，主要支流從北向南有窟野河、無定河、延河、洛河、涇河（渭河支流）、渭河等；秦嶺以南屬長江水系，有嘉陵江、漢江和丹江。陜西屬大陸性季風氣候，境內南北間氣候有明顯差異，年均氣溫7～16 ℃，年均降水340～1240mm，降水南多北少。研究區區位圖和土地利用分布詳見圖1。

1.2 研究方法

1.2.1 面源污染評估模型

DPeRS 模型[33]是以大尺度面源污染模型[34]為基礎，采用“二元結構”原理構建的遙感分布模型，主要評估由降水引起的地表徑流型面源污染。該模型耦合定量遙感模型和生態水文過程模型，可對流域尺度面源污染負荷的時空動態進行定量分析，模型算法以遙感數據為驅動，空間計算單元為影像柵格，涉及的參數根據流域水文特征、土地利用和土壤特征等因素確定。模型具體可概括為農田徑流型、城鎮徑流型、農村生活型、畜禽養殖型和水土流失型5個污染類型，溶解態污染物和顆粒態污染物2 個元素形態。其中，溶解態面源污染物即表明面源污染物具有水溶性，可隨地表徑流發生遷移，整個過程受水循環控制，污染來源主要是農田生產過程中施用的肥料，城鎮生活和農村生活中非集中處理和排放的生活垃圾、生活污水污染，以及散養和集中養殖過程中未集中處理的畜禽糞便污染等；顆粒態面源污染物即通過附著在土壤顆粒體而實現遷移運動的污染元素（本研究僅指TN），其過程與水土流失密切相關。溶解態和顆粒態面源污染負荷估算方法見表1，參數說明詳見表2。其中，自然因子修正系數（N）用來表征對面源污染物空間分布產生影響的主要自然因子的空間異質性；社會因子修正系數（S）用以表征城市及其經濟發展對面源污染物排放的影響；標準化地表徑流系數（?₀）在本研究中取值為0.87。此外，基于陜西省主要水文站的月度觀測數據，采用HEQM 模型[35-36]模擬TN 入河系數，進一步核算研究區面源污染TN入河負荷。

1.2.2模型數據庫構建

DPeRS模型模擬所需要的數據主要包括土地利用、月植被覆蓋度、月降水量、坡度坡長、土壤類型和農田氮磷平衡量等。模型所有的空間數據均為投影和行列號一致的柵格數據，空間分辨率均統一轉換為30 m。其中，土地利用分布數據采用GF-1、GF-2、ZY-3等衛星影像數據，以人機交互式專家判讀的方法進行分類，并利用野外核查評估解譯數據的精度，2020 年野外核查評估一級精度為97%；采用像元二分法進行全省月植被覆蓋度反演；基于DEM數據（30m 空間分辨率）計算研究區坡度和坡長數據[37]；基于中國氣象數據網數據，通過最優插值方法分析得到的地面資料和衛星資料融合分析降水的方法獲得月降水量空間分布數據；基于現有的土壤全氮含量數據，結合實地采樣檢測，采用隨機森林（RF）算法獲得精度較高的土壤全氮含量分布數據；基于2016—2020年陜西省分縣人口數量、耕地面積、化肥施用量、畜禽養殖量、作物產量及播種面積等統計數據，采用輸入輸出法計算研究區農田氮平衡量[38]。模型主要數據的來源和處理分析方法詳見表3。

1.2.3 面源污染入河風險劃分方法

基于地表水環境質量標準限值和中國地表水資源量數據，在假設點源和面源對水質的影響各占一半的前提下，參考文獻[23]構建面源污染潛在風險評估標準，基于陜西省TN面源污染入河負荷值，評估其面源污染入河風險。標準限值及風險類別見表4。

1.2.4 面源污染優控單元識別方法

“十二五”期間原環保部開展了水污染防治分區管理工作，結合水質目標劃定了控制單元，在其基礎上，結合水質管理目標和保證鄉鎮完整性的情況下，繼續對控制單元進行細化，最終形成了我國1 784個控制單元[39]，納入了《重點流域水污染防治規劃》（2016—2020年），其中陜西省有49個控制單元。考慮到面源污染源頭治理和過程控制兩種重要方式，選取排放負荷和入河量兩項指標對面源污染優控單元進行識別判定，使用2016—2020年所有控制單元兩項指標的平均值作為篩選閾值，省內每個控制單元的兩項指標值分別與閾值進行對比，面源污染排放負荷和入河量均大于本省閾值的單元被判定為最優先控制單元，將其作為源頭與入河過程協同Ⅰ類面源優控單元；排放負荷大而入河量小或者排放負荷小而入河量大的控制單元判定為Ⅱ類面源優控單元，分別作為源頭Ⅱ類面源優控單元和入河Ⅱ類面源優控單元，其他情況均判定為一般面源污染控制單元。本研究篩選的TN 排放負荷閾值為1.28 t·km^-2，入河量閾值為1696.2t。

2 結果與分析

2.1 面源污染時空分布特征

2016—2020年陜西省TN面源污染排放負荷的空間分布如圖2所示，TN面源污染負荷高值區主要集中分布在黃河流域段的農田種植區，且渭河流域段更為顯著，具體表現在寶雞市中部、西安市北部、咸陽市和渭南市大部等區域，其中，黃河流域段TN面源污染排放負荷均值為1.48 t·km^-2，渭河流域段為1.57 t·km^-2，分別為全省水平的1.18倍和1.25倍，南部的秦嶺地區用地類型以林地為主，TN面源污染負荷整體相對較低，為全省水平的0.59倍。

對2016—2020 年陜西省TN面源污染排放負荷和入河負荷的空間核算結果進行統計分析，結果表明，2016—2020年陜西省TN面源污染平均排放負荷和排放量分別為1.25 t·km^-2和25.75 萬t，平均入河負荷和入河量分別為0.40 t·km^-2和8.31 萬t。分流域來看，黃河流域段TN面源污染平均排放量占全省平均排放量的76.19%（19.62萬t），其中渭河流域段平均排放量占比為40.98%（10.55萬t）；黃河流域段TN面源污染平均入河量占全省平均入河量的54.36%（4.52萬t），其中渭河流域段平均入河量占比為47.18%（3.92萬t）。年際對比來看，除2016年外，2017—2020年陜西省TN面源污染排放和入河特征的波動變化趨勢一致，負荷值、排放總量和入河總量均為2017年最高，2018 年最低，這與其降水量的變化趨勢相一致（降雨徑流是面源污染發生的主要驅動力）；此外，氮平衡量是農業面源污染的初始源強，因2016年陜西省農田氮平衡量相對較高，故2016年陜西省面源污染排放負荷和排放量較為突出。2016—2020 年TN面源污染排放和入河信息詳見圖3。

2.2面源污染入河風險分布特征

2016—2020年陜西省TN面源污染入河風險空間分布如圖4所示，整體上看，面源污染入河高風險區主要集中分布在渭河流域段，其中渭南和咸陽市的中南部、西安市北部及延安市北部的部分地區屬于常年高風險區，是陜西省面源污染空間管控的重點區。從時間變化上看，2017—2020年陜西省TN面源污染入河風險相對較高，高風險區平均面積占比為11.43%，此外，2017—2020年寶雞市中東部地區也處于高風險水平，2020年延安市TN面源污染入河風險較前4年有所降低。

2.3面源污染類型特征分析

基于2016—2020年陜西省TN面源污染空間核算結果，進一步統計分析農田徑流型、畜禽養殖型、農村生活型、城鎮生活型和水土流失型5種污染源的面源污染平均排放量和平均入河量（表5）。結果表明，農田徑流型是陜西省TN面源污染的首要污染類型，該類型TN平均排放量占排放總量的86.83%，TN平均入河量占入河總量的92.27%；其次為水土流失型，該類型排放量占比為13.01%，入河量占比為7.39%；畜禽養殖、農村生活和城市生活的影響較小。

分流域段來看，黃河流域段農田徑流型和水土流失型TN排放量占比分別為86.56%和13.25%，兩種類型TN入河量占比分別為91.30%和8.14%；渭河流域段農田徑流型和水土流失型TN 排放量占比分別為88.90% 和10.77%，兩種類型TN 入河量占比分別為94.98%和4.38%。由此可見，黃河流域段和渭河流域段TN面源污染的主要類型均是農田徑流，且渭河流域農田徑流型面源污染影響更為突出，因此黃河流域尤其是渭河流域段應著重加強種植區養分管理和污染防控，如加大測土配方施肥和綠色農業節水減排技術推廣，以及推行生態田埂、生態溝渠等農田種植污染攔截消減技術。

2.4 面源污染優控單元識別

基于2016—2020年面源污染空間估算結果對陜西省49個控制單元進行面源污染優控單元識別，結果表明，2016—2020年陜西省TN面源污染優控單元平均個數為24個，其中2017年最多（27個），2018年最少（19個）；2016—2020年陜西省TN面源污染優控面積占比呈現先上升后下降的趨勢（圖5），2017年最為突出，其優控面積占比達到70.37%。2020年陜西省源頭與入河過程協同Ⅰ類優控單元面積占比最高（31.18%），其源頭和入河過程Ⅱ類優控單元面積占比分別為12.38%和14.86%。從空間分布變化（圖6）來看，2016—2020年渭河流域上游區域以入河過程Ⅱ類和Ⅰ類為主，其余地區優控單元類型變化不大。其中，2020年陜西?、耦悆灴貑卧饕植加谖己恿饔颍瑵h江流域農業生產區的個別控制單元也屬于Ⅰ類優控單元；源頭Ⅱ類優控單元多位于黃河流域，入河過程Ⅱ類則多分布于漢丹江流域。因此，渭河流域應從源頭和入河兩方面加強污染控制，黃河流域東部應以源頭控制為主，渭河流域延安段和漢丹江流域以過程控制為主。

基于TN面源污染優控單元識別結果，結合5種類型污染源的面源排放量，進一步解析2016—2020年陜西省面源污染優控單元內的污染主導類型，結果表明，TN面源污染優控單元內主導類型是農田徑流型，地類上表現為耕地和果園用地更為突出，區域主要分布在咸陽、銅川、延安、渭南和寶雞等市的局部地區。因此，上述重點區域的TN面源污染防控建議以控制單元作為基本防控單元，著重從農田和果園養分管理措施方面下手，從節水、節肥等方面提高農業生產效率，在保證土壤養分供給的前提下減少養分流失，進而降低農田生產和果園種植導致的面源污染排放。

2.5結果驗證

基于陜西省現有地面水質監測站和水文監測站分布情況，結合子流域空間區劃及土地利用空間分布，在充分考慮監測數據完整性條件下，選取以面源污染為主的蘆村河斷面作為面源污染模型結果驗證點位，該斷面接近三水河入涇河的入口，其所在的小流域土地利用分布以林地、草地和耕地為主。基于蘆村河斷面2020年水質水量月度監測結果核算斷面年度TN污染量，與DPeRS模型核算的蘆村河斷面所在小流域2020年面源污染入河量結果進行對比驗證。2020年蘆村河斷面TN污染量為217.40 t，DPeRS模型核算的該斷面所在小流域TN 面源污染入河量為179.35 t，驗證結果表明，假設蘆村河斷面所在小流域范圍內污染源全部為面源的前提下，TN面源污染的模型模擬精度達到82.50%。

3討論

3.1 DPeRS模型的適用性分析

對比國內外面源污染模型，DPeRS模型在模型結構、模型運行條件和模擬指標等方面具有較大的管理應用優勢。模型以遙感像元為基本模擬單元，與SWAT等模型提出的水文響應單元（HRU）概念相比，在保證模擬精度的前提下極大地提高了面源污染模擬的空間分辨率，同時DPeRS 模型耦合了定量遙感模型和生態水文過程模型，彌補了無資料或缺資料地區模型估算的不足。模型的參數設置可以根據參數豐富度進行重新構架，也可以根據管理需求完成國家、流域和行政區多層次的面源污染負荷評估。此外，模型模擬指標為TN、TP、化學需氧量、氨氮，與管理部門關注指標相一致，且能夠從農田、農村生活、畜禽養殖、城鎮徑流和水土流失5個方面對面源污染源進行解析，與傳統總量減排核算方法相比，實現了從“點”到“面”的突破，可為因地制宜地制定面源污染防治方案提供技術支撐。

3.2 評估結果對比分析

模型模擬是面源污染評估的主要手段，由于現有模型方法多樣、所需數據繁雜，存在不確定性和區域適用性，即使在同一區域，研究結果也相差較大[24]。蒙小俊等[40]利用輸出系數法（ECM）對2010—2019年陜西省11個地市區的農業面源污染TN和TP的污染負荷（即本研究的排放量）進行估算，其中2019年TN負荷為129 027.14 t，通過等標污染負荷法計算結果，說明陜西省的首要農業面源污染源是農業種植。李建勛等[31]基于輸出系數法對2020年陜西省各地市農業面源污染TN和TP負荷量（即本研究的排放量）進行估算，其中2020年TN負荷量為38 835.9 t，西安、咸陽、渭南市的負荷強度較大。DPeRS 模型模擬的2019年和2020年陜西省農業面源（本研究中包括農田徑流、畜禽養殖和農村生活3種類型）TN排放量分別為22.98萬t和20.76萬t，與前兩者的估算結果在量級上保持一致，具體數值的差異與所使用的模型方法、數據源、參數取值等因素有關。輸出系數法為經驗統計類估算方法，主要依賴于統計數據和排污系數進行估算，排污系數取值的不確定性較大，存在一定的局限性，且未考慮面源污染發生的復雜過程，這種方法通常會產生一定的誤差；而DPeRS 模型耦合了定量遙感模型和生態水文過程模型，實現了遙感像元尺度面源污染負荷的空間量化評估，與輸出系數法相比，DPeRS模型模擬結果在空間上更為精細且更加機理化。DPeRS模型評估結果表明農田地表徑流是陜西省TN面源污染的首要污染類型，寶雞市中部、西安市北部、咸陽市和渭南市大部等區域TN面源污染負荷相對較高，這與前兩者的研究結論較為一致。

3.3 面源污染貢獻率分析

第一次（2007年）和第二次（2017年）全國污染源普查結果顯示，來自農業源水污染物排放量中，TN分別為270.5 萬t 和141.5 萬t，分別占到排放總量的57.2%和46.5%。為探討陜西省TN面源污染對地表水污染的貢獻率，本研究基于陜西省國、省控地表水斷面TN濃度和地表水資源量數據，計算全省地表水TN污染量，結合DPeRS模型模擬的TN面源污染入河量，開展陜西省面源污染貢獻率分析。由于2017年陜西省水質斷面進行了調整，因此，本研究僅分析2017—2020年陜西省TN面源污染貢獻率，結果表明2017—2020 年陜西省TN 面源污染對水體污染的平均貢獻率為46.51%，其中農業源TN的平均貢獻率為41.87%。

4 結論

（1）降雨徑流是面源污染發生的主要驅動力，2016—2020 年陜西省TN 面源污染排放負荷呈現先下降后上升的變化趨勢，入河負荷表現為隨年際變化上下波動的趨勢，與降水量的變化趨勢相一致。5年間排放負荷高值區主要分布在黃河流域段，尤其是渭河流域段的平原種植區更為顯著，二者的平均排放負荷分別為全省水平的1.18倍和1.25倍；秦嶺地區相對較低，為全省水平的0.59倍。5年間入河高風險區主要集中分布在渭河流域段，其中渭南和咸陽市的中南部、西安市北部及延安市北部的部分地區屬于常年高風險區，是陜西省TN面源污染空間管控的重點區。

（2）農田徑流型是陜西省TN面源污染的首要類型，其次為水土流失型；黃河流域段和渭河流域段TN面源污染主要類型均是農田徑流，且渭河流域農田徑流型面源污染影響更為突出，應著重加強種植區養分管理和污染防控。2017—2020 年陜西省TN 面源污染對水體污染的平均貢獻率為46.51%，其中農業源的平均貢獻率為41.87%。

（3）2016—2020年陜西省TN面源污染優控單元平均面積占比為61.21%，其中2020年Ⅰ類優控單元主要分布于渭河流域，漢江流域農業生產區的個別控制單元也屬于Ⅰ類優控單元，應著重加強關中平原的咸陽、銅川、延安、渭南和寶雞等市的局部地區及陜南部分地區農田種植區防控，渭河流域應同時從源頭和入河兩方面加強污染控制，黃河流域東部應以源頭控制為主，渭河流域延安段和漢丹江流域則以過程控制為主。