水文变化条件下农田溪流营养盐滞留效应模拟

李如忠,黄青飞,杨继伟,张瑞钢,金菊良



水文变化条件下农田溪流营养盐滞留效应模拟

李如忠1*,黄青飞1,杨继伟2,张瑞钢3,金菊良3

(1.合肥工业大学资源与环境工程学院,安徽 合肥 230009；2.安徽省水利部淮委水利科学研究院,安徽 蚌埠 233000；3.合肥工业大学水资源与环境系统工程研究所,安徽 合肥 230009)

以巢湖流域某一典型农田源头溪流为对象,基于溪流水文条件的动态变化性,从水文概率密度模型与营养盐滞留率模型综合集成角度,解析较长时间尺度下营养盐滞留有效流量的动态变化特征.在对水文概率密度模型Monte Carlo随机模拟的基础上,根据先前10次野外示踪实验获得的营养盐吸收速度等数据信息,定量评估溪流营养盐滞留的总体水平,估算最有效流量和等效流量.结果表明,农田溪流渠段的NH4+、PO43-滞留能力总体偏低,相应的期望滞留率分别为0.0671(6.71%)和0.0541(5.41%),最有效流量分别为0.0051,0.0049m3/s,功能等效流量分别为0.044,0.043m3/s.基于溪流营养盐吸收速度明显偏低的客观现状,有必要从溪流形态和河床地貌特征的改造着手,提升溪流水体营养盐滞留能力.

水文变化；营养盐滞留；有效流量；Monte Carlo模拟；农田源头溪流

源头溪流是河流、湖泊、水库水系统的重要组成部分,由于具有相对较大的水底面积与水体体积之比,因此对营养盐具有很好的截留、净化和滞留效果;加之源头溪流数量巨大、分布广泛,在非点源污染控制中发挥着重要作用[1-3].截至目前,有关溪流营养盐滞留能力和滞留特征的分析与评估,基本都是针对基流或较低流量情景,虽也有学者开展洪水发生前后营养盐滞留情况的对比分析[4-5],但由于针对的是某一特定流量情形且时间尺度较小,无法揭示真实状态下整个溪流营养盐滞留的总体水平.目前,水文因素对营养盐滞留的重要性已为人们所普遍认同[6-9],但由于溪流水文条件具有很强的动态变化性[10-11],特别是枯、丰水期径流量悬殊,导致不同水文情景的营养盐滞留能力计算结果差异较为明显,从而给水环境管理决策带来很大困难.现有营养盐滞留能力评估是依托野外示踪实验进行的,存在工作强度较大、化学分析测试和数学模拟计算耗时较长的问题,加之额外添加营养盐还可能加重水体污染,使得增大野外示踪实验次数和频率来揭示溪流营养盐滞留能力的方法并不可取[12-13].针对溪流水文条件的动态变化性,如何客观、有效地评估溪流营养盐滞留的总体水平,需要寻求一个能够将水文因素与营养盐滞留能力充分集成的技术方法.

1960年,Wolman等[14]提出了有效流量概念,主要从流量对河床形态改造的贡献着手,刻画水流对河床形态变化的影响.众所周知,河流水系统的一些重要生态过程,如营养盐和有机质传输通量、水底大型无脊椎动物的迁徙等,都与流量有着密切关系.Doyle等[15]将有效流量概念和基本思想应用于小河流沉积物的输移模拟,并以水文频率曲线与沉积物的流量特性曲线的乘积作为有效流量曲线,定量反映了粗颗粒态有机物(CPOM)、细颗粒态有机物(FPOM)、溶解性有机物(DOM)、细颗粒态磷(FPP)等随水流传输的有效流量变化.Doyle[16]通过集成河流水文变化性与营养螺旋原理,提出了以水文频率曲线与溶解态营养盐滞留率变化曲线乘积定量描述营养盐滞留有效流量变化特征的基本思想,并以虚拟的模型参数对水文因素变化影响进行模拟分析.Claessens等[17]采用水流过程曲线与NO3-损失经验模型相结合的方法,构建了描述NO3-损失与超越概率关系的NO3-损失过程线,探究了长时间尺度下NO3-损失的动态变化性,并以Monte Carlo模拟技术,预测超越概率的NO3-损失.可以断言,传统的确定性方法在营养盐滞留能力分析与评估方面面临的难题,可以通过水文条件变化与营养盐滞留特征集成的技术手段有效解决.巢湖是水体富营养化十分严重的大型淡水湖泊,环湖河流水系的源头溪流数目众多,而且也是非点源氮磷负荷汇集、滞留、传输入湖的重要通道.为从源头地区控制非点源氮磷负荷的向下传输,有必要摸清环湖河流水系氮磷滞留能力.本研究拟以巢湖流域某一典型农田源头溪流为对象,尝试从水文概率密度模型与营养盐滞留率模型综合集成角度,解析溪流水系统营养盐滞留有效流量的动态变化性、定量评估溪流营养盐滞留的总体水平,以期为环湖河流水系氮磷营养盐滞留能力的科学评估和调控提供依据.

1 研究区概况

二十埠河是巢湖主要入湖河流南淝河的重要支流,主体位于合肥市主城区外侧的北部至东部区域范围,拥有多条长度在数百至数千米的一、二级源头溪流,由于城市建设和工业园区的向外扩展,部分溪流汇流区的土地利用类型正逐渐由农业用地向城市建设或工业用地转化.本研究在位于合肥市城区东北角的职教城附近,筛选了一条以农业用地为主的源头溪流(长约2.5km、水面宽约0.5~2.0m),在进行为期近2年的水环境调查和水文、水力学参数测定的同时,还在下游一长约80m溪流段,开展了10次以确定营养螺旋指标为目的的示踪实验.由于主要靠自然降水和农田排水补给,在持续干旱的情况下溪流中上游渠段可能出现断流或水流极缓的现象.总体来看,实验段以上溪流汇水区域都以农业、林业用地类型为主,没有明显的工业污染源和规模化的居民点,溪流中污染物主要来自降雨径流和农业排水.

农田溪流所在区域属低岗丘陵区,溪流主要由天然径流冲刷形成,河流形态总体较为平直.由于缺乏人工管护,两侧土质岸坡崩塌较为明显,上游河床大型水生/湿生植物较多,中下游河床极少.溪流上游的下切较浅,约为0.2~0.5m,中下游下切深度稍大,约为1.0~1.5m,表现出较为明显的渠道化特征.示踪实验所在渠段河床上除少量苔藓外,鲜有大型水生植物存在,沉积物也很少,主要底质构成是十分板结的水稻土.10次实验中溪水流量变化范围为0.008~0.065m3/s、流速为0.11~ 0.30m/s;溪流水质总体较好,NH4+和PO43-浓度分别为0.32~0.96mg/L和0.011~0.120mg/L.

2 模型与方法

2.1 溪流营养盐迁移转化模型

溪流水体中营养盐的迁移、转化规律,可以利用一维水质模型进行模拟,即:

() =0exp (-) (1)

式中:0表示起始断面营养盐浓度,mg/L;()表示下游距离起始断面长度为处的营养盐浓度,mg/L;表示营养盐衰减系数,m-1;表示距离起始断面长度,m.

溪流具有较大中型河流更大的水/河床接触面积比[18],因此具有相对更为显著的营养盐滞留能力.这里,不妨以营养螺旋原理中营养盐吸收速度(也称传质系数)指标反映溪流河床底质对营养盐滞留的影响,并根据衰减系数与吸收速度V的相关关系,将式(1)表示为[16-17]

式中:表示平均流速,m/s;表示平均水深,m;V表示营养盐吸收速度,m/s.

2.2 营养盐滞留率

溪流水体营养盐的滞留水平,可以利用式(3)来定量描述,即[17]

式中:表示营养盐滞留率.

溪流流量可以根据平均水深、水面宽度和水流速度等数据信息,利用=进行计算.一般地,明渠中流量与水面宽度之间具有下述定量关系,即

式中:、为经验参数.

由此,可以将式(3)的营养盐滞留率表达式进一步转化为[17,19]

显然,式(5)将营养盐滞留率()表示为流量的函数形式,并且随着的增大,()呈现逐步下降的态势.换言之,相对于冲刷能力较强的高流量情形,溪流处于基流或接近基流情况下具有相对更大的营养盐滞留能力.

2.3 营养盐滞留有效流量

溪流的径流量因降水、蒸发、侧向补给等因素的共同影响,表现出很大的随机波动性,在持续干旱季节,甚至可能发生断流现象.假设溪流径流量服从对数正态分布特性,相应的水文概率密度函数表示为

式中:()表示径流量的概率密度函数;和分别表示ln的平均值和标准差.

由于()、()均为流量的函数,若将式(5)与式(6)相乘,则可得到一个集成水文概率密度函数与营养盐滞留率的营养盐滞留频率分布函数R(),即[16]

(7)

根据式(7),可以对水文变化、生物吸收、河床地貌特征等因素带来的营养盐滞留影响进行综合评估.此时,相应的时间尺度由传统确定性方法中数十分钟或数小时,拓展到可以涵盖连续多个水期的更长时间段.图1为()、()及R()之间的相互关系[16],其中R()称为营养盐滞留的频率加权曲线,也称营养盐滞留有效流量曲线,该曲线峰值对应的横坐标eff代表了营养盐滞留效应最为有效的流量值,称为最有效流量.

2.4 功能等效流量

直观地,由频率加权滞留曲线R()=()×()得到的积分面积∫R()d,综合体现了集成所有可能发生流量的溪流营养盐滞留总体水平,数学表达式为[16]

式中:表示期望滞留率,代表了溪流营养盐滞留总体水平.

若将营养盐滞留水平()曲线上与期望滞留率相对应的流量称为功能等效流量,并将其表示为fed,则有

(fed)=(9)

这里,fed是从营养盐滞留效果层面,定量刻画与所有可能发生流量滞留功效相当的溪流某一可能流量.图2为fed的物理意义示意.

3 结果与讨论

3.1 基本信息

2013年6月4日~2014年10月9日,在80m长的实验渠段上,针对基流或接近基流的低流量情景,选择NaCl为保守性示踪剂,NH4Cl 和 KH2PO4为添加营养盐,采用恒速连续投加的方式,开展了10次野外示踪实验,并测定了流量、流速、水面宽度和水深等水力学参数(表1).示踪实验过程和具体操作方法,参见文献[20-21].

由示踪实验获得的Cl-、NH4+和PO43-浓度―时间穿透曲线(BTC),采用集成暂态存储影响的OTIS模型模拟溪流营养盐的迁移转化规律,并以Runkel[22]提出的OTIS应用程序和OTIS参数优化程序包,借助两步法确定模型的各项参数.首先,根据示踪实验获得的主流区Cl-浓度-时间过程数据,经模拟计算得到OTIS模型水文参数,即主流区断面面积()、暂态存储区断面面积(A)、扩散系数()和暂态存储交换系数();然后,将水文参数代入OTIS模型,根据示踪实验获得的主流区NH4+、PO43-的BTC相关数据信息,再次进行OTIS模型模拟,从而得到主流区和暂态存储区营养盐吸收系数(分别为λ)等.具体计算方法见文献[23-24].在此基础上,利用计算营养盐综合衰减系数,再由营养螺旋指标S=/和V=/S,计算NH4+和PO43-的吸收速度V,结果见表1[20-21].

表1 水力学参数及营养盐吸收速度Table 1 Hydraulic parameters and metrics of nutrient uptake velocity

根据10次实验测得的数据(表1),采用回归分析对、进行拟合,结果见图3.相应的拟合方程为=2.26100.3260,可决系数2= 0.9874(< 0.001),表明、具有很好的幂函数关系.对照式(4),可知常数、值分别为2.2610、0.3256.

3.2 水文频率分布与营养盐滞留模拟

考虑到农田溪流中下游渠段在渠道形态、河床下垫面状况等方面都与实验渠段很相似,不妨将包括上述实验段在内的长约=1500m渠段作为模拟单元,并将80m长实验段获得的V拓展到整个模拟单元,通过利用营养盐滞留率数学表达式,解析NH4+、PO43-滞留水平随流量的变化特征.这里,考虑取表1中V平均值作为吸收速度,将其代入式(5)得到以为自变量的数学表达式,其中,NH4+滞留率可以表示为()=1-exp(-5.630× 10-6/0.674),PO43-滞留率可以表示为()=1- exp(-4.477×10-6/0.674).

示踪实验安排在较低流量情况下进行,并测定了相应的、、和等水力信息.本研究从2013年6月至2014年10月,逐月开展了溪流径流情况的调查,并根据暴雨发生后溪流滨岸洪水冲刷和裹挟杂物的残留情况,估算洪水流速和流量水平.不妨选取其中连续12个月以旬为时间单元的流量数据片段(=36),粗略开展溪流水文特征模拟,相应的流量变化范围为0.008~ 0.976m3/s,中值为0.049m3/s,平均值为0.181m3/s,标准差为0.270m3/s.假设溪流的径流量变化服从式(6)的对数正态分布特征,根据水文监测资料,利用Monte Carlo模拟方法对水文概率密度模型进行随机模拟计算,得到无偏估计情形ln极大似然估计值-2.613、1.301(表2).

表2 无偏估计情形的μ和σ估值Table 2 Estimation ofμandσvalues under unbiased estimation case

于是,得到描述溪流径流量变化的水文概率密度模型,即

长期以来,由于对溪流等小尺度河流水环境和水灾害问题重视程度较低,使得这类水体水文水质资料总体较为匮乏,从而制约了水文模型的构建、模型参数的确定以及模型的验证和精度检验,这是当前国内外普遍面临的问题.Doyle等[15]在对溪流径流量变化规律的模拟中,利用一些学者多年的径流量逐日观测数据,通过服从对数正态分布规律的假设,直接计算了径流量的ln平均值及标准差,结果见表3[15].显然,本研究利用Monte Carlo随机模拟得到的参数值与上述尺度相近溪流相近.

表3 国外溪流水文概率密度模型的参数值Table 3 Parameters of discharge probability density function for typical streams overseas

3.3 频率加权滞留率模拟

在水文概率密度模型和营养盐滞留率模型参数确定的基础上,得到NH4+和PO43-滞留的频率分布模型,分别为

据此,开展频率加权营养滞留率模拟,得到NH4+和PO43-的有效流量曲线,见图4.不难看出,NH4+和PO43-的有效流量曲线呈现十分相似的分布特征,且两者曲线的纵坐标相对于流量概率密度低很多.众所周知,概率密度函数曲线的积分面积等于1.0.直观地,由有效流量曲线围成的积分面积远低于1.0,暗示溪流营养盐滞留总体水平很低.根据式(8),计算得到1500m长溪流渠段NH4+、PO43-相应的期望滞留率分别为0.0671(6.71%)、0.0541(5.41%).由于上述结果集成了溪流的所有可能发生流量,因此该期望值代表了溪流营养盐滞留的总体水平.

根据式(5)计算得到10次野外示踪实验的NH4+滞留率,变化范围为4.54%~21.39%,平均值为9.83%;PO43-变化范围为4.37%~25.99%,平均值为7.90%.而且,NH4+和PO43-滞留率的最大值均发生在最小流量0.008m3/s,最小值则都出现在2014年9月26日实验.由表1可见,2013年6月4日和2014年9月24日实验的径流量均高于2014年9月26日实验,但他们相应的V也较2014年9月26日实验更高一些,说明V对滞留效应的影响更为显著.由图4可见,当³0.01m3/s时,溪流营养盐滞留率不足20%;而当³0.1m3/s时,溪流营养盐滞留率几乎可以忽略不计.

3.4 最有效流量与等效流量估算

由于最有效流量eff与频率加权营养盐滞留率R()=()×()曲线的峰值相对应,因此可以利用函数极值存在的必要条件进行求导计算,即令dR()/d=0.于是,得到NH4+、PO43-对应的R()极值分别为1.890、1.548,极值对应的流量(也就是最有效流量)分别为0.0051,0.0049m3/s.直观地,与实测所得的溪流径流量变化范围0.008~0.976m3/s及其中值0.049m3/s相比,计算所得的最有效流量数值极小,说明溪流现有的物理和生境条件不利于NH4+、PO43-滞留作用的发生,为此需要借助人工改造措施提升溪流的营养盐滞留能力.

根据R()=()×()曲线的积分面积(NH4+为0.0671、PO43-为0.0541),由式(9)计算得到NH4+、PO43-的功能等效流量分别为0.044, 0.043m3/s.显然,该功能等效流量值与溪流实测流量中值(0.049m3/s)的数值大小颇为接近.

3.5 讨论

相对于大中型河流水体,源头溪流不仅具有相对较大的水―沉积物接触面积,而且水底潜流交错带、水中滞水区(或死水区)的暂态存储作用对于氮磷营养盐滞留过程的影响也显得格外重要[18,25],因此集成暂态存储影响十分必要,否则可能直接影响水质模拟结果.传统的一维水质模型解析解()=0exp(-),仅考虑了溶质的综合衰减作用,并没有顾及暂态存储区的影响,致使营养盐滞留率模型存在一定的局限性.尽管如此,本研究依旧采用了该模型解析营养盐滞留率,这是由于至今还没有一个既考虑暂态存储作用,同时又简单、明了的一维水质模型解析解可资利用的缘故.尽管OTIS模型及其改进模式耦合了暂态存储影响,并在对溪流、沟渠等小尺度河流水体溶质迁移转化模拟方面具有很好的适用性,但由于解析解模型中存在复杂的函数嵌套模块[26-27],导致滞留率模型变得相当繁琐、模拟计算极为复杂,从而制约了解析解的推广使用.为简单起见,这里仍选用传统一维水质模型的解析解表达式.

流量是控制溪流水体含氮营养盐吸收或脱除速率的主要水文变量[17,28].由式(5)可知,溪流水体营养盐滞留主要发生在基流或流量较低情况下,此时水底沉积物及其附着微生物群落与溪水营养盐能够进行较为充分的接触,有利于营养盐滞留效应的发生.但随着流量的不断增大,不仅沉积物、附着的微生物群落与溪水中营养盐的接触几率降低,而且河床对于水流的束缚能力也在逐步下降,最终导致营养盐滞留能力的不断降低,以致出现溪流营养盐的传输能力显著增强[29-30]. Doyle[16]认为,对于可能发生流量突然增大的源头溪流、城市或干旱区小河流,营养盐滞留受低到流量的影响更为强烈.毫无疑问,选择一个适合于描述低流量过程的水文频率分布模型,对于科学评估源头溪流营养盐滞留特征的时空变化性无疑具有重要的意义.对数正态分布充分展示了水文频率特征,完全可以满足小河流水文变化性刻画的需求[31],特别是对滞留效应相对较为显著的低流量情景.应当看到,水文概率密度模型的构建往往需要长期持续的水文观测数据,但由于对小河流水文水环境问题缺乏必要的重视,导致水文资料总体上十分匮乏,从而制约了水文频率模型的构建和参数识别,这是当前国际社会普遍存在的问题.尽管本研究针对选定的源头溪流开展了为期1a的水文监测,且每10d至少安排一次水文信息采集,但有限的数据样本距离溪流水文模型构建的实际需求,仍还有很大的差距.在服从对数正态分布假设的基础上,本研究采用Monte Carlo模拟技术模拟水文动态随机变化性,确定水文概率密度模型参数,较好地解决了水文信息不足带来的影响,提高了成果应用的可操作性.

营养盐吸收速度V是一个与溪流形态、河床地形地貌、营养盐浓度、水温、流量、生物等密切相关的参数,具有显著的时空变化性特征[12,32],表1的相关数据印证了这一观点.但在营养盐滞留率模型中,由于种种原因,本研究仍将V作为一个确定值,这就使得模拟结果不可避免的存在偏差.表1中每次实验所得的V,对应的都是一个个离散的流量状态.毫无疑问,受人力、物力和财力的限制,希冀通过增加不同流量状态的实验次数,无法有效刻画连续流量状态对应的传质能力变化.但如何量化V的不确定性,并将其集成到评价模型中,还是一个有待探讨的课题.需要指出的是,概率密度函数=()的纵坐标并不具有具体的物理意义,即并不表示某一变量相应的概率.因此,基于水文概率密度函数()和营养盐滞留率()的乘积得到的频率加权滞留曲线,其纵坐标同样没有具体的物理意义,R()的实际意义是借助积分运算体现的,这与一般随机变量情况相似.

由式(5)和式(7)可以看出,V对于有效流量影响很大.本研究得到的溪流最有效流量数值很小,这与溪流自身较低的营养盐滞留能力有很大关系.总体来看,实验所在溪流渠段不仅河床上鲜有大型水生植物存在,而且由于水流冲刷能力较强,导致水底沉积物少,主要为板结的水稻土底质,河床上深潭、浅滩等地貌特征也不明显,这些都极不利于营养盐的滞留[32].事实上,在前期研究中,本研究从提高溪流营养盐滞留能力出发,分别采用丁坝型挡板和多级拦水堰坝的技术措施对该溪流渠段营养盐滞留能力进行调控,促使V有了较为明显的提升,有的甚至提高了一个数量级[20-21].由式(5)和式(7)的内在关系,不难推断,经人工操纵的溪流有效流量将在数值大小方面有一定幅度的上升,这对提高溪流营养盐滞留的整体水平是有益的.

溪流中氮磷营养盐的滞留是多种影响因素共同作用的结果,主要包括物理沉降、化学吸附和生物吸收等作用机制.其中,有些滞留作用属于暂时性的,有些则是永久性的.比如,物理沉降、化学吸附,甚至生物的新陈代谢作用等都可能导致营养盐的暂时滞留,而硝化―反硝化作用导致氮素以N2形式从水中去除的过程则为永久性滞留效应.事实上,NH4+和PO43-都为生物可利用态营养盐,而且两者也都容易吸附在细小的颗粒物表面,并通过颗粒物沉降而从溪水中去除[33].本研究中溪流营养盐吸收速度V的数值大小,可能正是上述多种滞留机制综合作用的结果.众所周知,营养盐的生物吸收、化学吸附等与水温关系密切,甚至具有一定的季节性特征,而最有效流量并不是时间变量,相应的发生时间具有不确定性.营养盐吸收速度是反映溪流营养盐滞留能力的重要指标,而营养盐滞留能力又受水文条件的影响[7,9],因此营养盐吸收速度与最有效流量之间或许存在一定的关联性,但如何度量这种关系仍有待深入探讨.

4 结论

4.1 基于农田源头溪流水文条件的动态变化性,从水文概率密度模型与营养盐滞留率模型综合集成角度,解析营养盐滞留有效流量的动态变化性,评估溪流营养盐滞留的总体水平,并估算最有效流量和功能等效流量,实例研究证明了技术方法的合理性和有效性.

4.2 农田溪流渠段营养盐吸收速度总体偏低, NH4+、PO43-期望滞留率分别为0.0671(6.71%)、0.0541(5.41%),相应的最有效流量分别为0.0051, 0.0049m3/s,相应的等效流量分别为0.044, 0.043m3/s.

4.3 实例研究表明,Monte Carlo模拟技术在水文资料较为有限的溪流水文概率密度模型参数的求解方面,具有很好的适用性.

4.4 营养盐吸收速度是影响溪流营养盐滞留能力的主要因素,极低的最有效流量表明溪流现有的物理和生境条件不利于NH4+、PO43-滞留效应的发生,需要借助一定的改造措施提升溪流营养盐滞留能力.

Peterson B J, Wollheim W M, Mulholland P J, et al. Control of nitrogen export from watersheds by headwater streams [J]. Science, 2001,292(5514):86-90.

Johnson T A N, Kaushal S S, Mayer P M, et al. Effects of stormwater management and stream restoration on watershed nitrogen retention [J]. Biogeochemistry, 2014,121(1):81-106.

李如忠,万灵芝,曹竟成,等.芦苇占优势农田溪流暂态存储特征及影响分析 [J]. 中国环境科学, 2016,36(2):553-561.

Martí E, Grimm N B, Fisher S G. Pre- and post-flood retention efficiency of nitrogen in a Sonoran desert stream [J]. Journal of the North American Benthological Society, 1997,16(4):805-819.

Argerich A, Martí E, Sabater F, et al. Combined effects of leaf litter inputs and a flood on nutrient retention in a Mediterranean mountain stream during fall [J]. Limnology and Oceanography, 2008,53(2):631-641.

Alexander R B, Böhlke J K, Boyer E W, et al. Dynamic modeling of nitrogen losses in river networks unravels the coupled effects of hydrological and biogeochemical processes [J]. Biogeochemistry, 2009,93(1):91-116.

Hall Jr R O, Baker M A, Arp C D, et al. Hydrologic control of nitrogen removal, storage, and export in a mountain stream [J]. Limnology and Oceanography, 2009,54(6):2128-2142.

Rogers J S, Potter K W, Hoffman A R, et al. Hydrologic and water quality functions of a disturbed wetland in an agricultural setting [J]. Journal of the American Water Resources Association, 2009,45(3):628-640.

Jacobson P J, Jacobson K M. Hydrologic controls of physical and ecological processes in Namib Desert ephemeral rivers: Implications for conservation and management [J]. Journal of Arid Environments, 2013,93:80-93.

Kröger R, Holland M M, Moore M T, et al. Hydrological variability and agricultural drainage ditch inorganic nitrogen reduction capacity [J]. Journal of Environmental Quality, 2007, 36(6):1646-1652.

Kröger R, Holland M M, Moore M T, et al. Agricultural drainage ditches mitigate phosphorus loads as a function of hydrological variability [J]. Journal of Environmental Quality, 2008,37(1): 107-113.

李如忠,董玉红,钱 靖.基于TASCC的典型农田溪流氨氮滞留及吸收动力学模拟 [J]. 中国环境科学, 2015,35(5):1502-1510.

Covino T P, McGlynn B L, McNamara R A. Tracer additions for spiraling curve characterization (TASCC): Quantifying stream nutrient uptake kinetics from ambient to saturation [J]. Limnology and Oceanography: methods, 2010,8:484-498.

Wolman M G, Miller J P. Magnitude and frequency of forces in geomorphic processes [J]. Journal of Geology, 1960,68(1):54-74.

Doyle M W, Stanley E H, Strayer D L, et al. Effective discharge analysis of ecological processes in streams [J]. Water Resources Research, 2005,41,W11411,doi:10.1029/2005WR004222.

Doyle M W. Incorporating hydrologic variability into nutrient spiraling [J]. Journal of Geophysical Research, 2005, Vol.110, G01003, doi: 10.1029/2005JG000015.

Claessens L, Tague C L, Band L E, et al. Hydro-ecological linkages in urbanizing watersheds: An empirical assessment of in-stream nitrate loss and evidence of saturation kinetics [J]. Journal of Geophysical Research, 2009,114,G04016,doi:10.1029/ 2009JG001017.

Alexander R B, Smith R A, Schwarz G E. Effect of stream channel size on the delivery of nitrogen to the Gulf of Mexico [J]. Nature, 2000,403(6771):758-761.

Hesse C, Krysanova V, Vetter T, et al. Comparison of several approaches representing terrestrial and in-stream nutrient retention and decomposition in watershed modelling [J]. Ecological Modelling, 2013,269:70-85.

李如忠,杨继伟,董玉红,等.丁坝型挡板调控农田溪流暂态氮磷滞留能力的模拟研究 [J]. 水利学报, 2015,46(1):25-33.

李如忠,张翩翩,杨继伟,等.多级拦水堰坝调控农田溪流营养盐滞留能力的仿真模拟 [J]. 水利学报, 2015,46(6):668-677

Runkel R L. One-dimensional transport with inflow and storage (OTIS): A solute transport model for streams and rivers: U.S. Geological Survey Water-Resources Investigations Report, 98- 4018 [R]. 1998:73-78.

李如忠,丁贵珍,徐晶晶,等.巢湖十五里河源头段暂态储存特征分析 [J]. 水利学报, 2014,45(6):631-640.

李如忠,丁贵珍.基于OTIS模型的巢湖十五里河源头段氮磷滞留特征 [J]. 中国环境科学, 2014,34(3):742-751.

Argerich A, Martí E, Sabater F, et al. Influence of transient storage on stream nutrient uptake based on substrata manipulation [J]. Aquatic Sciences, 2011,73(3):365-376.

Smedt F D. Analytical solutions for transport of decaying solutes in rivers with transient storage [J]. Journal of Hydrology, 2006, 330(3/4):672-680.

Smedt F D. Analytical solution and analysis of solute transport in rivers affected by diffusive transfer in the hyporheic zone [J]. Journal of Hydrology, 2007,339(1/2):29-38.

Patil S, Covino T P, Packman A I., et al. Intrastream variability in solute transport: Hydrologic and geomorphic controls on solute retention [J]. Journal of Geophysical Research: Earth Surface, 2013,118(2):413-433.

Wollheim W M, Vörösmarty C J, Peterson B J, et al. Relationship between river size and nutrient removal [J]. Geophysical Research Letters, 2006,33,L06410,doi:10.1029/2006GL025845.

Ye S, Covino T P, Sivapalan M, et al. Dissolved nutrient retention dynamics in river networks: A modeling investigation of transient flows and scale effects [J]. Water Resources Research, 2012,48(6), W00J17,doi:10.1029/011WR 10508.

Kuczera G. Robust flood frequency models [J]. Water Resources Research, 1982,18(2):315-324.

李如忠,杨继伟,钱 靖,等.合肥城郊典型源头溪流不同渠道形态的氮磷滞留特征 [J]. 环境科学, 2014,35(9):3365-3372.

刘德鸿,余居华,钟继承,等.太湖流域典型河网水体氮磷负荷及迁移特征 [J]. 中国环境科学, 2016,36(1):125-132.

* 责任作者, 教授, Lrz1970@163.com

Modeling of nutrient retention effect in an agricultural headwater stream considering hydrological variability

LI Ru-zhong1*, HUANG Qing-fei1, YANG Ji-wei2, ZHANG Rui-gang3, JIN Ju-liang3

(1.School of Resources and Environmental Engineering, Hefei University of Technology, Hefei 230009, China；2.Anhui and Huaihe River Institute of Hydraulic Research, Bengbu 233000, China；3.Institute of Water Resources and Environmental Systems Engineering, Hefei University of Technology, Hefei 230009, China)., 2016,36(6)：1877~1885

A typical agricultural headwater stream was chosen as the representative to investigate theof effective flow for nutrient retention over a longer time scale, based on the change of regional hydrology, from the perspective of coupling the discharge probability density function and nutrient retention efficiency. Through the Monte Carlo simulation for discharge probability density function, the overall level of nutrient retention for the target stream was quantitatively evaluated as well as the most effective flow and the functionally equivalent discharge were calculated, according to the nutrient uptake velocity derived from field tracer experiments. The overall levels of retention capability for NH4+and PO43-were quite low. The expected values of the retention efficiency of NH4+and PO43-were 0.0671 (6.71%) and 0.0541 (5.41%), respectively. The most effective flow for NH4+and PO43-were 0.0051m3/s and 0.0049m3/s, and the functionally equivalent discharge for them were 0.044m3/s and 0.043m3/s, respectively. In view of the fact of low nutrient uptake velocity in the stream, it is necessary to improve the nutrient retention efficiency of the target stream by reconstructing stream morphology and streambed geomorphology.

hydrological variability；nutrient retention；effective flow；Monte Carlo simulation；agricultural headwater stream

X171.1

A

1000-6923(2016)06-1877-09

李如忠(1970-),男,安徽蚌埠人,教授,博士,主要从事水环境保护、非点源污染过程阻断与调控技术研究.发表论文130余篇.

2015-11-03

国家自然科学基金项目(51179042,51579061)