鲁湖流域农业面源氮、磷入湖通量计算

李昂　成维　李晔　魏琳　黄晓丹

(1.武汉理工大学资源与环境工程学院　武汉 430070；　2.武汉市环境保护科学研究院　武汉 430015)



鲁湖流域农业面源氮、磷入湖通量计算

李昂1成维1李晔1魏琳2黄晓丹1

(1.武汉理工大学资源与环境工程学院武汉 430070；2.武汉市环境保护科学研究院武汉 430015)

基于鲁湖流域的空间和属性数据，应用SWAT模型对其流域农业面源氮、磷入湖通量进行了计算。结果表明，2014年鲁湖流域农业面源氮、磷年入湖通量分别为550 t/a和28 t/a，其氮、磷入湖通量最大的月份均出现在降雨量较大的五月，分别为85.4 t/月和4.4 t/月；郑店镇、法泗镇农业面源污染对鲁湖的贡献最大，应作为重点控制区域。

农业面源SWAT模型氮、磷入湖通量鲁湖流域

0　引言

近年来，随着点源污染控制能力的提高，非点源污染中的农业面源污染已上升为水环境污染的重要影响因素。农业生产活动中，由于地表径流和土壤渗漏作用，农药、化肥以及畜禽粪便等污染物质会导致水层、湖泊、河岸等生态系统的污染。许多发达国家已证实农业面源污染是导致水污染的主要原因之一，农业面源污染对河流、湖泊的负荷在60%～70%之间[1]。

SWAT 模型作为应用较为广泛的模拟流域非点源污染的模型，可以进行径流、水土流失、营养元素负荷长期模拟和计算，已经成为水资源保护管理规划中不可或缺的工具[2]。GIS和SWAT模型的耦合，使SWAT具备了更强的空间数据处理和分析的能力，使其更适用于复杂大流域的模拟[3-4]。

1　研究区域概况

鲁湖位于武汉市江夏区西南部，地处北纬30°22′，东经114°2′，流域整体处于江夏区境内，位于武汉市中心城区及新城区交接处，湖泊水域面积为44.2 km2，占武汉市中心城区39个湖泊面积的33.56%。鲁湖平均水深为2.7 m，属于典型的浅水湖泊。流域属于亚热带季风气候，降雨具有明显的季节性，年平均降雨量为1 349.8 mm，暴雨多集中在每年的4～9月。鲁湖的水体功能主要是农业灌溉和水产养殖，执行Ⅲ类地表水环境质量标准。研究区域主要以农业和水产养殖业为主，其中高投入的农业耕作模式在降雨的条件下，引起水土流失和化肥流失，从而导致鲁湖流域农业面源污染加重。为了进一步了解鲁湖水质污染的状况，弄清农业面源对鲁湖的贡献，本文采用SWAT模型对鲁湖流域农业面源氮、磷入湖通量进行计算分析。分析鲁湖流域农业面源氮、磷产出的时空分布特征，并得出氮、磷流失强度分布图。

2　SWAT模型在研究区域的应用

2.1模型数据库的构建

SWAT 模型需要输入空间数据和属性数据[5]，具体情况见表1。

表1　SWAT模型空间和属性数据

(1)数字高程图(DEM)。本研究用Arcgis10.2软件截取出研究区域的数字高程图，见图1(a)，为SWAT模型水系的提取和汇水单元的划分做准备。

(2)土地利用图。由于SWAT模型默认美国土地利用属性，所以为了更加准确地进行模拟，对研究区域的土地利用类型进行了重新整合分类[6]，分为耕地、草地、森林、湿地、水体和人造地表6类，见图1(b)。

(3)土壤类型图。数据源为南京土壤所提供的第二次全国土地调查1∶100 万土壤数据。本研究将鲁湖流域的土壤类型分为6类，见图1(c)。其中各类土壤物理属性通过美国农业部提供的土壤特性软件SPAW计算获得，包括土壤容重、有机碳含量、电导率、沙含量等。

(4)气象数据。优先使用气象站实测数据以保证模型模拟的精度。本文用于模拟计算的2010—2014年的日降雨量、日最高和最低温、日相对湿度、太阳辐射和风速均来自湖北省气象局气象监测站地面气候资料日值数据集。

SWAT模型建立初期，反复设定阈值来对比河网生成的效果，最终确定为320 ha；在模型中增加了入水口、出水口和点源排放之后，共划分得到了31个子流域，见图1(d)。得到子流域后对输入的土地利用图、土壤类型图进行重新分类，最终得到了900个HRU(水文响应单元)。然后在模型中添加气象数据、土壤物理属性等数据就可以正常运行模型。

(a)数字高程图

(b)土地利用图

(c)土壤类型图

(d)子流域划分

2.2模型验证

SWAT模型是由美国开发的，因此要使模型能在我国进行较好的模拟，就要根据研究区域的实际情况对土壤、气象站等数据库进行修正[7-8]。为了让模型更符合实际，对SWAT模型进行了率定和验证，本研究对2015年丰水期鲁湖19个水质监测点位的总氮、总磷浓度进行了验证，验证结果如图2所示。

(a)

(b)

通过计算相对误差进一步分析，计算公式如下：

式中，θ为相对误差；C实测为实测水质浓度，mg/L；C模拟为模拟水质浓度，mg/L。

按照公式计算得出，在丰水期，总磷的平均相对误差为9.4%，总氮的平均相对误差为13.3%，误差都小于20%，由误差分析表明该模型应用于本研究具有较高的可靠性。

3　结果与分析

3.1氮、磷月入湖通量模拟结果

由模型得出2014年鲁湖流域氮、磷月入湖通量变化如图3所示。由图3可知，氮、磷入湖通量春夏季节偏高，秋冬偏低，这与季节性降水和入湖径流的多少是密切相关的，特别是4～7月降雨量较大时，两者的入湖通量有显著的增加。通过模型得出2014年鲁湖流域农业面源氮、磷年入湖通量分别为550t/a和28t/a，其入湖通量最大的月份均出现在降雨量较大的五月，分别为85.4t/月和4.4t/月。

(a)

(b)

3.2农业面源氮、磷流失强度分析

本研究的率定期为2010—2013年，并对2014年值进行分析。研究区域内的土地利用方式、土壤类型、植被覆盖在空间分布上变化很小，因此农业面源氮、磷流失的时空变化就取决于降雨量的大小及其在空间上的分布[9]。

2014年鲁湖流域农业面源氮、磷流失强度分布图如图4所示。由图可知，鲁湖流域农业面源氮、磷流失强度空间分布较为相似，流失强度较大的区域主要集中在东北部的郑店镇和西南部的法泗镇，其土地利用方式主要为耕地，且有几条主要径流直接流入鲁湖，从而导致其农业面源氮、磷流失量较多；流失强度较低的区域则位于西北部的金水和东南部的安山，其土地利用方式也是以耕地为主，但是由于没有主要的径流直接流入鲁湖，因此这两个地区的农业面源污染氮、磷入湖量相对较低。氮、磷流失强度较高地区的流失强度分别达到了4.98～5.81kg/km2和2.38～2.92kg/km2。根据流失强度的分布可以为农业面源污染的控制提供依据。

(a)

(b)

4　结语

(1)研究基于鲁湖的空间和属性数据，运用SWAT模型对鲁湖流域农业面源氮、磷入湖通量进行计算分析，结果表明在丰水期，总磷的平均相对误差为9.4%，总氮的平均相对误差为13.3%，误差均小于20%，由误差分析表明该模型应用于本研究具有较高的可靠性。

(2)SWAT模拟计算结果表明2014年鲁湖流域农业面源氮、磷年入湖通量分别为550t/a和28t/a；降雨所产生的径流是农业面源污染的主要驱动力，其入湖通量最大的月份均出现在降雨量较大的五月，分别为85.4t/月和4.4t/月。

(3)根据模拟计算结果制作了鲁湖流域TN、TP流失强度分布图，由图可以看出两者在空间上的分布是相似的，流失强度较大的区域主要集中在东北部的郑店镇和西南部的法泗镇；流失强度较低的区域则位于西北部的金水和东南部的安山镇。

(4)通过本研究进一步了解了鲁湖流域农业面源氮、磷流失通量及其流失强度的时空分布，为农业面源污染的氮、磷控制提供依据。

[1]郭红岩,王晓蓉,朱建国,等.太湖流域非点源氮污染对水质影响的定量化研究[J].农业环境科学学报,2003,22(2):150-153.

[2]王晓燕,秦福来,欧洋,等.基于SWAT模型的流域非点源污染模拟——以密云水库北部流域为例[J].农业环境科学学报,2008,27(3):1098-1105.

[3]陈强,苟思,秦大勇,等.一种高效的SWAT模型参数自动率定方法[J].水利学报,2010,41(1):113-119.

[4]范丽丽,沈珍瑶,刘瑞民.不同降雨—径流过程中农业非点源污染研究[J].环境科学与技术,2008(10):5-8.

[5]刘昌明,李道峰,田英,等.基于DEM的分布式水文模型在大尺度流域应用研究[J].地理科学进展,2003,22(5):437-445.

[6]李琪,陈利顶,齐鑫,等.流域尺度农业磷流失危险性评价与关键源区识别方法[J].应用生态学报,2007,18(9):1982-1986.

[7]荣混,陈兴伟,林文娇.晋江西流域非点源污染的SWAT模型模拟[J].亚热带资源与环境学报,2008(4):37-43.

[8]张皓天,张弛,周惠成,等.基于SWAT模型的流域非点源污染模拟[J].河海大学学报(自然科学版),2010(6):644-650.

[9]张乃明,余扬,洪波，等.滇池流域农田土壤径流磷污染负荷影响因素[J].环境科学,2003,24(3):155-157.

The Calculation of Agricultural Non-point Source of Nitrogen and Phosphorus Loading from Luhu Watershed into the Lake

LI Ang1CHENG Wei1LI Ye1WEI Lin2HUANG Xiaodan1

(1.SchoolofResourceandEnvironmentalEngineering,WuhanUniversityofTechnologyWuhan430070)

Based on the spatial and attribute data of Luhu Watershed, SWAT model is applied to calculate the agricultural non-point source nitrogen and phosphorus loading from Luhu Watershed into the lake. The results show that Luhu Watershed agricultural non-point sources of nitrogen and phosphorus loading is 550 t/a and 28 t/a in 2014, its largest loading month into the lake occurred in May, respectively, 85.4 t/mon and 4.4 t/mon, when the rainfall is greater than other month. Zhengdian and Fasi District have contributed largely to Luhu agricultural non-point source pollution.

agricultural non-point sourceSWAT modelnitrogen and phosphorus loadingLuhu Watershed

李昂，男，1991年生，硕士，主要从事面源污染方向研究。

2015-07-20)