基于高頻數據的旱地降雨徑流污染物輸出特征研究

楊林沛,李金文,沈根祥,朱文俊,陳小華,陳 誠,梁利權

(1.東華大學 環境科學與工程學院,上海 201620; 2.上海市環境科學研究院 國家環境保護新型污染物環境健康影響評價重點實驗室,上海 200233; 3.華東理工大學 資源與環境工程學院,上海200237)

濃度(C)和流量(Q)之間的關系(C-Q關系)能夠揭示水體污染物運移在空間與時間上的聯系,區分可溶養分和懸浮顆粒供給的時空來源,是研究暴雨徑流污染物輸出的重要工具和手段[7-8]。Rose等[9]在事件和年際時間尺度上研究了可溶態和顆粒態物質的C-Q關系,表明顆粒物在長期及事件尺度上都呈現出正的C-Q關系,而溶解性物質由于來源及遷移路徑不同表現出不同的C-Q滯后模式。Pohle等[10]提出了一種C-Q關系分類,能夠利用低頻水質數據表示流域集水區溶解態物質的長期平均值滯后模式和輸出特征,發現溶解態物質的輸出特征不僅與物質本身特性有關,還與集水區特征有關。Rose等[11]通過研究農業流域上下游懸浮泥沙和可溶性活性磷的C-Q關系,認為顆粒物在上游的遷移路徑較長導致了逆時針滯后,而下游則有較強的沖刷作用和滯后效應,可溶活性磷在上游下游的輸出模式都比較復雜,會受到前期土壤濕度的影響。夏紹欽等[12]對不同時間尺度上C-Q關系的研究表明,涪江河流泥沙的輸送以順時針滯后為主。梳理發現,C-Q關系常用于流域尺度的研究,在田塊尺度上尚沒有利用C-Q關系研究可溶態和顆粒態污染物輸出特征的報道。

上海郊區河網密布,農田是郊區重要的土地利用類型。崇明島地處長江下游,雨量多,且河道水質超標。本文選取崇明島旱地農田作為研究區域,長期不間斷地監測旱地農田的降雨產流情況,利用高分辨率的電導率(EC)、濁度數據分析溶解態和顆粒態污染物的輸出特征,并通過自動采樣收集徑流樣品,分析N、P營養物的濃度變化,以精確掌握農田降雨產流的特征,及養分、懸浮顆粒物的流失特征,旨在為農田面源污染控制提供科學依據。

1 材料與方法

1.1 研究區概況

研究區位于上海市崇明島享農蔬菜基地(31°33′N,121°44′E)。當地年均日照1 973.9 h,日照充足,屬亞熱帶季風氣候,年均氣溫15.8 ℃,雨水充沛,大部分降雨發生在夏季,年均降雨量為1 128.9 mm。研究區旱地面積較大,約1.18 hm2。為了實現對農田徑流的精確監測,避免降雨徑流從多個出水口排出,在田間建設徑流小區,砌水泥田埂(高25 cm),并用SBS防水卷材包裹(卷材埋至地上10 cm、地下20 cm),以避免徑流監測樣方與外部農田發生側滲或串流。樣方面積為0.166 5 hm2,內部共有12條畦溝,徑流監測設備安裝在僅有的一個排水口處(圖1)。

圖1 農田監測點位布置圖Fig.1 The layout of the farmland monitoring points

降雨徑流事件的研究時間為2020年9月至2021年12月。研究區主要種植模式為玉米-花菜輪作,田間管理措施均按當地正常耕作習慣進行。花菜于2020年8月20日種植,分別于9月2日和10月11日通過葉面噴施的形式施加等量的尿素(每次施用量折純N 177.46 kg·hm-2),10月25日通過噴霧方式施加農藥苦參堿,12月23日收割花菜。2021年4月10日施加商品復合肥作為基肥(N,67.46 kg·hm-2,P2O5,37.48 kg·hm-2,K2O 50 kg·hm-2),4月25日撒播玉米,5月20日以噴霧的形式施用農藥苦參堿,8月20日收獲玉米并進行土地翻耕。除種植作物的時節外,其他時間地表裸露。

1.2 土壤條件

研究區土壤為中性,質地為粉(砂)質黏壤,砂粒(粒徑0.05～2 mm)含量為111.5 g·kg-1,粉(砂)粒(粒徑0.002～<0.05 mm)含量為609.5 g·kg-1,黏粒(粒徑<0.002 mm)含量為279.0 g·kg-1。耕層(0～20 cm)土壤的基本性狀如下:容重1.29 g·cm-3,全氮含量0.99 g·kg-1,水解性氮含量85.25 mg·kg-1,全磷含量1 115 mg·kg-1,有效磷含量35.10 mg·kg-1。

1.3 研究方法

參照文獻[13]的方法監測降雨量、徑流量、濁度、EC和土壤含水率。

使用自動采樣器采集徑流樣品。將三角堰內的水位高度設置為采樣程序觸發的條件,一旦有徑流產生,即堰內水位沒過堰角高度,采樣即被觸發。采樣間隔為“前密后疏”,在產流開始后,前4 h的采樣間隔為30 min,后續慢慢增加采樣間隔的時長。徑流停止24 h后,重置采樣程序。將樣品保存在4 ℃低溫條件下,并在48 h內完成樣品檢測。

利用QSY-5自動取土壤水樣負壓裝置(武漢科瑞特力自動化設備有限公司)采集土壤溶液,雨后6～12 h到田間抽取10～30 cm土層的土壤溶液,并在48 h內完成樣品檢測。

1.4 樣品分析

1.5 數據處理

旱地降雨后并不一定會產生徑流。降雨首先滲入土壤,土壤吸收飽和后才會產生徑流。利用徑流系數(單位面積上產生的徑流量與單位面積上的降雨量之比)可反映旱地降雨轉變為徑流的量,并體現各要素對產流的綜合影響[15]。徑流系數越大,代表降雨越難被土壤吸收。

在美國水土保持局(Soil Conservation Service, SCS)開發的SCS模型中,徑流曲線數(curve number, CN)是由環境中影響產流的各種因素及其貢獻歸納總結出的一個參量[16]。CN數值(VCN)與土壤最大蓄水量(S)有如下關系:

VCN=25 400/(254+S)。

(1)

徑流量與土壤水分狀況的關系常用CN(0～100)進行評估。CN數值越小,表明土壤蓄水能力越強,降雨越容易滲入土壤;CN數值越大,表明土壤滲透性越差,降雨越容易轉化為徑流。

美國水土保持局認為,農田耕地的土壤最大蓄水量S可用產流前的降雨損失量(Ia)的20%估算,則徑流量和降雨量的關系可表示為

Q=(P-0.2S)2/(P+0.8S)。

(2)

式(2)中:Q為徑流深度,mm;P為降雨深度,mm。

在上海郊區,農田土壤最大蓄水量和產流前降雨損失量的適宜比例系數為0.05[17],則式(2)可改寫為Q=(P-0.05S)2/(P+0.95S)。

徑流中水文水質的變異性、隨機性較大,因此本文采用污染物負荷總量與徑流總量的商來描述污染物的濃度,即事件平均濃度(event mean concentration,EMC):

(3)

式(3)中:VEMC為EMC的值;M為徑流過程中污染物的總質量,g;V為降雨事件中的徑流總量,m3;T為降雨事件徑流結束的時間;Qt是t時刻的徑流流量,m3·min-1;Ct為t時刻的污染物濃度,mg·L-1。

C-Q關系作為集水區響應降雨事件的綜合信號,適用于研究徑流事件期間可溶態和顆粒態污染物的遷移路徑和時空來源[18-19]。通常,用冪律模型來表述C-Q關系:

C=aQb。

(4)

式(4)中的a和b分別為冪律模型的截距和斜率。

Pohle等[10]根據流量上升段和下降段物質的輸出特性對C-Q關系進行了分類:b值為正(正斜率,表示沖刷,即濃度隨流量增加而增加),表明由于大量污染物質儲存以及例如由于水文連通性增加而增強的污染物質輸出,一般呈現出順時針滯后模式;b值為負(負斜率,表示稀釋,即濃度隨流量的增加而降低),表明受污染物來源的限制,一般呈現出逆時針滯后模式[20];b值接近0(近零斜率,表示恒定,即濃度隨流量無顯著變化或變化同步),表明污染物分布較為均勻或污染物來源不變,無明顯滯后模式[21]。選取監測期間樣品檢測數據較多(n>5)的各個降雨徑流事件,對污染物的C-Q關系進行回歸分析。

1.6 統計分析

采用SPSS 26.0軟件對數據進行處理與分析,采用最小二乘法擬合進行皮爾遜(Pearson)相關性分析。采用Origin 2021軟件作圖。采用Photoshop 2018軟件繪制研究點位布置圖。

2 結果與分析

2.1 降雨水文特征

2.1.1 降雨與徑流情況

監測期間,降雨量的變異系數為91.08%,屬中等變異。降雨主要集中在6—8月,占2021年降雨量的43.94%。流量(y1)和降雨量(x)呈顯著相關關系:y1=0.750 4x-11.511(r=0.876,P<0.01),徑流系數(y)和降雨量也呈現顯著正相關:y=0.006 0x+0.043 2(圖2),可見徑流量主要受到降雨量的影響。各場降雨事件徑流量的變異系數為207.92%,屬于強變異[22],即降雨量相近事件間產流量卻相差甚遠,主要緣于前期土壤濕度對產流的影響[23-24]。

圖2 監測期間徑流系數和降雨量的關系Fig.2 Relationship between runoff coefficient and rainfall during the monitoring period

2.1.2 前期土壤含水率對產流的影響

前期土壤含水率(AMC)反映降雨對徑流水文過程的影響。土壤10、30、50 cm深處的含水率(AMC10、AMC30、AMC50)都與CN值呈現出良好的線性相關關系(圖3),AMC越高,CN值越大。土壤濕潤,降雨時的水分入滲量低,容易產生徑流。對比發現,AMC10與CN值的線性相關最顯著[13]。

CN,徑流曲線數;R2,決定系數;AMC10,10 cm深處土壤的前期含水率;AMC30,30 cm深處土壤的前期含水率;AMC50,50 cm深處土壤的前期含水率。CN, Curve number; R2, Determination coefficient; AMC10, Antecedent moisture content in 10 cm soil depth; AMC30, Antecedent moisture content in 30 cm soil depth; AMC50, Antecedent moisture content in 50 cm soil depth.

前期的土壤濕度只是影響徑流生成的因素之一,影響土壤產流能力的因素還包括雨滴動能、降雨強度、地下水埋深和土壤特征(如土壤質地、有機質、土壤粒徑分布特性等)等[25-26]。持續時間短、強度高的降雨產生的徑流量最大[27]。

不同深度土壤的水分變化過程如圖4所示:50 cm土層土壤含水率的變異系數為1.6%,即使是在降雨期間變化也不明顯,主要是因為崇明島靠海,地下水埋深較淺,土壤水分變化不明顯;30 cm土層土壤含水率的變異系數為6.8%;10 cm土層土壤含水率的水變異系數為16.03%,變化幅度相對較大,主要由降雨引起。

圖4 監測期間不同土層的土壤含水率變化Fig.4 Changes of soil moisture content at different depths during the monitoring period

2.2 電導率與濁度的變化特征

2.2.1 電導率、濁度與污染物的關系

濁度可反映徑流中的泥沙含量,濁度與SSC呈顯著正相關(圖5),與TP濃度也呈正相關。這是因為P在徑流中的主要流失形態為顆粒態,磷易吸附在土壤中的鐵鋁氧化物等顆粒物上而隨徑流遷移[28-29]。因此,可以通過測定濁度來反映泥沙和P的流失程度。

圖5 懸浮泥沙濃度(SSC)、總磷(TP)濃度與濁度的相關性Fig.5 Correlation within suspended sediment concentration (SSC), total phosphorus (TP) concentration and turbidity

徑流EC與全鹽量呈顯著正相關(圖6)。氮在農田徑流中主要以溶解態流失[13]。由于EC的測量成本較低,且能夠提供高分辨率的數據,因此可采用EC值來反映可溶養分的排放。

圖6 全鹽量與電導率(EC)的相關性Fig.6 Correlation between total salt content and electrical conductivity (EC)

2.2.2 滯后效應分析

通過分析濁度與流量發現(圖7):在徑流量較大的降雨事件(最大流量超過5 m3·h-1)中,總體上呈現出濁度隨流量增大而增大的趨勢,表明隨著降雨沖刷土壤力度的增加,泥沙顆粒運動更加劇烈,徑流中P的流失也越多;在徑流量較小的降雨事件(最大流量不超過5 m3·h-1)中,濁度的變化未能呈現一致的規律。

圖7 濁度與流量的關系Fig.7 Relationship between turbidity and discharge

根據C-Q曲線的方向,將降雨徑流事件分為順時針滯后、逆時針滯后和無滯后3類。圖7中的順時針紅色圓圈標注的事件即為順時針滯后,表現為流量上升,濁度隨之上升,說明徑流初期水文連通性較好,泥沙來源較近,即旱地懸浮顆粒物快速輸送排放[30-31]。在2021-05-24和2021-05-27等流速較小的降雨徑流事件中,濁度在徑流初期即已達到最大值,后續逐漸降低。這是因為降雨集中在徑流前期,后續降雨少,缺乏雨滴的沖刷作用。2020-09-10、2021-07-31的降雨事件表現為逆時針滯后,表明懸浮顆粒物在田塊間運輸較慢[32],這可能是距旱地排水口較遠的泥沙輸送過程產生的。2021-07-29的降雨事件表現為無明顯滯后,說明泥沙在隨流量排放過程中是均勻連續的,污染物來源與輸送路徑基本不變[10,33]。

EC隨流量的變化過程如圖8所示。總體來看,EC隨徑流量變化整體呈現逆時針滯后,即徑流初期EC較低,在流量上升階段EC隨之降低,在退水階段EC逐漸升高并達到最大值。在流量較大的降雨事件(最大流量超過4 m3·h-1)中,總體上呈現出徑流初始階段EC隨流量的增大而減小的現象,表明徑流中的可溶態污染物在隨徑流排放的過程中,隨著降雨強度的增大,稀釋效應愈加明顯,濃度逐漸降低,這可歸因于新舊水的混合,而前者的EC值較低。對于徑流量較小的降雨事件(最大流量不超過4 m3·h-1)中,EC隨流量的變化總體呈現逆時針滯后。根據C-Q曲線方向將降雨事件分為逆時針滯后和無滯后兩類。2021-07-29、2021-07-31、2021-08-15的降雨事件無明顯滯后,流量較大時呈順時針,流量較小時呈逆時針,可能是由于這幾次降雨事件距離上一次降雨事件很短,AMC在所有降雨事件中均達到很高的水平,水文連通性好,因此沒有表現出明顯的滯后模式,表明可溶態污染物的排放還受到前期土壤濕度的影響[12]。其余降雨事件為逆時針滯后,說明溶解態污物質主要來源于土壤內部,通過壤中流與徑流水混合,對降雨徑流事件的響應較慢,AMC低,水文連通性差,限制了污染物的遷移。2020-09-17、2021-07-27的降雨情況復雜且歷時長,呈現出較為復雜的復合型滯后。

圖8 電導率(EC)與徑流量的關系Fig.8 Relationship between electrical conductivity (EC) and discharge

2.3 N、P污染物輸出特征

2.3.1 N、P養分的EMC變化特征

2.3.2 N、P污染物輸出特征的C-Q關系分析

TP的輸出在事件尺度和匯總數據上總體呈現出沖刷作用,這是因為顆粒態磷是磷輸出的主要形式,磷隨顆粒物進行遷移[39]。DTP的輸出在匯總數據和事件平均尺度上b值都大于0,總體呈現出沖刷作用。陳玲等[40]對香溪河流域磷流失特征的研究發現,暴雨徑流中溶解態總磷和溶解態無機磷在降雨初期濃度較高,之后隨降雨持續而迅速減小并逐步趨于穩定。

2.4 污染物輸出機理分析

徑流中最大TN濃度與土壤溶液中TN濃度的相關性較好(圖10),回歸斜率趨近于1,表明徑流退水階段水文連通性好,N的輸出形態主要為溶解態,N在土壤淺層(耕作層)進行遷移,導致徑流末期EC達到最高。當污染物遷移路徑較長,或降雨與徑流新舊水混合稀釋時,就會產生這種滯后效應[41]。這就解釋了EC在暴雨條件下一般呈現出逆時針滯后,即流量下降段的濃度超過上升段的濃度,上升段的濃度更高的現象。

TN,總氮;氨態氮;硝態氮;TP,總磷;DTP,溶解性總磷。紫色圓圈代表單個事件的回歸b值,淺藍色菱形代表所有事件b值的平均值,紅色條表示匯總數據的回歸b值。TN, Total nitrogen; Nitrate nitrogen; TP, Total phosphorus; DTP, Dissolved total phosphorus. Purple circles represent b values of individual events; light-blue diamonds represent the average of b values for all events; red bars indicate the b value for all data.

表1 不同降雨事件農田徑流中各形態氮、磷的事件平均濃度(EMC)

圖10 徑流中最大總氮(TN)濃度與土壤溶液TN濃度的關系Fig.10 Relationship between maximum total nitrogen (TN) concentration in runoff and TN concentration in soil solution

徑流中最大TP濃度與土壤溶液中TP濃度沒有顯著的相關性(圖11)。P主要在農田表面進行遷移,P的輸出形態主要為顆粒態,隨著懸浮泥沙進行輸出;因此,P對徑流事件的響應較為迅速,濁度隨著流速的升高快速升高[42]。這就解釋了濁度在暴雨條件下一般呈現出順時針滯后,即上升段濃度更高的現象。

圖11 徑流中最大總磷(TP)濃度與土壤溶液TP濃度的關系Fig.11 Relationship between maximum total phosphorus (TP) concentration in runoff and TP concentration in soil solution

3 結論

(1)旱地農田徑流量主要受降雨量的影響,也受AMC的影響。CN值與AMC10、AMC30、AMC50存在良好的線性相關關系,變化明顯的AMC10更適合用來反映土壤的產流能力。

(2)濁度能夠較好地反映徑流中的懸浮泥沙量和TP含量;EC能夠很好地反映徑流中的可溶性鹽濃度(用全鹽量表征)。濁度與流量總體呈現順時針滯后,沖刷作用是顆粒態污染物的主要輸出原因。EC與流量總體呈現逆時針滯后,稀釋作用是溶解態污染物的主要輸出原因。

(3)施肥對N的EMC影響較大,對P的EMC影響較小。TP的輸出總體呈現出順時針滯后,表現出一定的沖刷作用。其他形態氮磷的輸出事件尺度上既有沖刷作用,也有稀釋作用。

(4)徑流TP主要來自土壤表面,較短的遷移路徑是顆粒態污染物輸出大多呈現出順時針滯后模式的原因。徑流TN主要來自土壤溶液,多變的遷移路徑是溶解態物質輸出大多呈現逆時針滯后模式的原因。