流域尺度非点源总氮输出系数改进模型的应用

庞树江，王晓燕,2



流域尺度非点源总氮输出系数改进模型的应用

庞树江1，王晓燕1,2※

（1. 首都师范大学资源环境与旅游学院，北京 100048；2. 首都师范大学首都圈水环境研究中心，北京 100048）

非点源态氮流失是地表水体水质恶化的重要因素，引发水体富营养化等一系列水环境问题。而准确评估流域内非点源总氮的负荷及分布和影响因素是流域综合管理的必要前提。该研究提出了一个综合考虑产污强度、降雨径流、土壤水分下渗和流域下垫面植被景观截留等作用的氮输出系数模型，将其应用于密云水库潮河流域，并结合流域实测水质数据对构建的模型结果进行验证。在此基础上，识别了流域总氮关键源区，利用增强回归树模型确定了总氮流失的关键影响因子。主要结论：1）与实测总氮负荷相比，改进输出系数模型模拟精度（相对误差8.23%）明显高于传统输出系数模型（相对误差18.94%）；2）总氮关键源区主要分布于潮河中上游干流西侧和下游干流两侧区域，从行政区划来看主要位于丰宁满族自治县（大阁镇、黑山嘴镇）与滦平县（虎什哈镇和巴克什营）与密云区（高岭镇、古北口镇和太师屯镇）；总氮关键源区具有明显的南高北低，沿河分布的特征；3）人为因素是潮河流域总氮流失的主要影响因素，其中，氮肥施用（54.74%）、畜禽养殖（17.48%）和坡度（16.35%）此3个对潮河流域总氮流失影响最大。该研究可为潮河流域水环境综合调控和氮污染精准管控提供科学依据。

流域；氮；污染控制；输出系数改进模型；关键源区

0 引 言

氮素是生态系统中最为重要的营养元素之一，对维系全球农业生态系统生产力具有重要意义[1]。随着人类活动不断加剧，大量的氮素进入生物地球化学循环中，氮素不断富集是地下水、空气和土壤环境质量下降的重要原因[2-4]。因此，出于环境管理及规划的需要，有必要评估流域尺度氮输出能力。

模型模拟是量化非点源污染负荷有效的手段。按照建模复杂度和适用时空尺度差异性，可分为机制模型和经验模型两大类：机制模型虽然能够描述污染物的迁移机理、转化过程以及复杂的时空传输过程，但也存在因参数较多，需要大量的实测数据进行率定而难以广泛应用等缺陷，常见的机制模型有SWAT[5]、AnnAGNPS[6]和HSPF[7]和GWLF[8]等；相比之下，经验模型避开污染物复杂的迁移转化过程，对数据精度要求低，适合于数据资料缺乏地区应用。作为最常用的非点源污染负荷模型，输出系数模型（export coefficient model，ECM）不考虑污染物迁移转化过程和内在机制，通过污染物输出系数及相对容易获取的土地利用状况，直接建立土地利用与产污量间的关系，具有所需数据较少、操作简单，模拟精度较高等优点[9]。

以非点源污染负荷来源于流域内不同土地利用方式下所有污染负荷之和为理论基础[10]，美国学者提出并构建了输出系数模型[11]。但是，最初的输出系数模型模拟精度低，国内外相关学者开展了改进工作。Johnes[12]考虑了不同区域人口、牲畜和作物类型、固氮作用和氮湿沉降对非点源污染物输出系数差异的影响，极大地丰富了输出系数的内涵。Soranno等[13]引入了传输系数以表征污染物向受纳水体传输过程中的损失量，构建了磷输出系数模型，并结合地理信息系统构造半分布式模型，识别了不同水文情景下的磷关键源区；Endreny等[14]认为流域地表径流主要受流域单元潜在汇流量大小和地面植被阻滞效应影响，通过识别地表径流的上坡贡献区和下坡分配区，通过引入径流可能性因子和植被截污因子对输出系数法进行改进，构建了流域加权的输出系数模型；Khadam等[15]引入沉积排放系数代替水文的变异性，提出了基于侵蚀级（erosion-scaled）的磷输出系数法模型。结果表明改进后的模型模拟精度优于传统的输出系数模型。

在国内，蔡明等[16]针对传统输出系数模型对降雨空间变异和污染物迁移过程中削减考虑不足的缺陷，引入降雨影响因子和流域损失系数，并给出了降雨影响系数和流域损失系数的确定方法。结果表明，改进后的模型物理机制更明确，且模拟结果更接近于实测值；Ding等[17]在考虑降雨和地形条件的基础上，引入降雨因子和地形因子对传统模型进行修正，构建了基于降雨和地形因子的输出系数法模型，许多研究案例表明，改进后的模型精度大幅提高；龙天渝等[18]在传统模型的基础上引入污染负荷系数，以表征流域非点源污染物转化为出口处污染负荷程度的强弱，研究发现污染负荷系数与流域径流模数存在极显著的指数关系；李兆富等[19]提出用浓度代替输出负荷的方法，并考虑降雨的空间变化对非点源污染的影响，模拟结果与实际监测结果较为接近；在传统输出系数模型基础上，李思思等[20]引入产污因子和截留因子，通过校正污染物输出系数，构建了非点源污染磷负荷模型，可以更好地模拟非点源磷污染的空间格局；徐立红等[21]提出了以产污系数表征降雨产汇流过程氮磷输出强度，改进了输出系数模型。结果发现，流域年降雨强度和氮磷产污系数呈指数正相关关系。但是，上述研究分别从降雨空间分布、降雨强度、坡度条件和流域传输过程中损失等方面进行改进研究，忽略了氮磷迁移途径的差异对总氮输出的影响（特别是淋溶作用的影响）。研究表明，在自然条件下土壤中无机氮和部分有机氮易溶于水，导致土体中氮易通过淋溶形式进入水生态系统，成为地表水体重要污染源之一[22]。

密云水库是北京重要的地表饮用水源地，水体富营养化程度属于中营养型，向富营养化转换趋势明显。相关研究表明，由于流域没有较大的工业点源存在，因此农业非点源污染成为潮河流域的主要污染源[23]。经过多年努力，流域范围内封育措施的实施有效控制磷污染，总氮超标成为密云水库库区较为凸出的水环境问题[24]。基于此，本研究在传统的输出系数模型基础上，综合考虑地表径流指数、土壤水分淋溶指数和植被截留指数的影响，构建一个改进的流域尺度总氮输出系数模型，以识别流域总氮流失关键源区，并辨析了总氮流失的关键影响因素。本研究可为密云水库上游流域非点源污染总氮负荷的准确量化和水源保护区的精准污染防控提供科学支撑。

1 研究区概况

潮河流域位于北京市东北部，地理位置介于116°87′－117°34′E，40°20′－41°27′N，河流长度239.50 km，流域总面积4 888 km2，河网密度0.05 km/km2（图1），辖3县24乡镇，其中北京市密云区北部共计3个乡镇。气候为典型的中温带向暖温带过渡，半干旱向半湿润过渡的大陆性季风气候，年平均降水量494 mm，集中在6至9月份。棕壤和褐土广布，约占全流域面积的80%；植被类型多样，以针阔混交林为主；流域总人口37万人，人口密度约为75.70人/hm2，以农业人口为主，约为77.00%；产业结构以畜牧业和种植业为主，主要畜牧类型有大牲畜（7.08万头）、猪（27.85万头）、羊（15.80万只）和家禽（780.60万只）（数据来源于2010年密云、滦平和丰宁满族自治县统计年鉴）；主要农作物类型为玉米和小麦，农田管理方式和化肥管理粗放，平均化肥施肥量225～300 kg/hm2。随着经济的快速发展，潮河流域农业面源总氮输出呈明显增加趋势。以流域出口下会站为例，1990－2011年均总氮输出总量最大值为1 635.14 t，最小值为174.38 t，平均值为534.98 t。受水文气象条件的影响，总氮年际变化幅度较大（变异系数为73.21%）。愈来愈严重的总氮污染给流域水环境带来巨大的压力，直接威胁着密云水库的水质安全和首都供水安全。

图1 研究区位置、土地利用（2010）与土壤类型图

2 数据与方法

2.1 数据来源

本研究涉及的数据包括数字高程模型（digital elevation model，DEM）、土地利用数据、土壤类型数据、降雨量数据、水文水质数据和各乡镇社会经济统计数据，详细数据信息见表1。空间数据均采用Albers等积圆锥投影对数据进行处理，统一各类型空间数据的地理坐标和投影，所有操作均由ArcGIS10.1软件实现。

表1 研究所需数据及来源

2.2 改进的氮输出系数模型

2.2.1 输出系数模型

经典的输出系数模型假定流域单元内的污染负荷是上游流域单元营养盐输出量之和，其结构表达式为：

式中为非点源污染负荷强度，kg/a；E为第种污染源的输出系数，kg/(hm2·a)或kg/(人·a)或kg/(头·a)；A为第种土地利用类型的面积，hm2，或第种牲畜数量，头/只，或人口总量；I为第种污染源的输入量，kg；P为降水输入的总氮污染强度，kg/(hm2·a)，本文忽略不计[12]。

2.2.2 改进的氮输出系数模型

降雨和地形条件是非点源污染产生的重要驱动因素和影响因子[25]。经典的输出系数模型的每种土地利用类型的输出系数取值相同显然是不合理的，忽略了降水、地形和景观特征等条件的影响。研究认为，径流与非点源污染呈正相关关系，下垫面不同类型不同位置的景观植被对非点源污染物进入水体具有明显的阻滞作用。本研究构建产流因子、淋溶因子和截留因子，分别表征径流能力、下渗潜力和不同景观截留作用对非点源总氮流失的影响，以校正不同空间单元下的总氮输出系数，以此估算流域非点源总氮输出负荷量。

1）总氮来源输入

流域内总氮来源包括各乡镇的户籍人口、畜禽养殖、氮肥施用、土地利用和生物固氮量。根据流域土地利用类型数据，估算不同土地利用类型下总氮输出量和生物固氮量，结合镇级人口、畜禽和氮肥施用量统计数据，采用面积加权法得到农村生活、畜禽养殖和氮肥使用的总氮负荷。利用ArcGIS10.1的栅格计算功能将农村生活、土地利用、畜禽养殖、氮肥使用和生物固氮进行叠加，得到流域内总氮输出量，作为改进总氮输出系数模型的氮源输入因子（source term，ST）。

式中N(=1,2,3,4,5)分别表示农村生活（kg/a）、畜禽养殖（kg/a）、氮肥施用（kg/a）、生物固氮（kg/a）和土地利用（kg/a）的氮输出负荷量。其中，农村生活、畜禽养殖和土地利用输出量采用输出系数估算，具体参数取值参考耿润哲等[26]在密云水库上游流域的总氮输出系数结果（表2）；氮肥施用量由2010年密云区、滦平县和丰宁县统计年鉴获取，取值70 kg/(hm2·a)；流域不同土地单元固氮能力取值为耕地5.0 kg/(hm2·a)、林地10.0 kg/(hm2·a)、草地15.0 kg/(hm2·a)、未利用地1.0 kg/(hm2·a)、建设用地0 和水域0[27]。

表2 不同污染源输出系数取值

2）地表径流因子

地表径流是溶解态氮素流失一个重要途径。本研究主要识别产流空间的异质性对总氮流失的作用，所以产流模拟是指流域土壤系统单元的年平均状况，因而未考虑土壤初始湿度条件的影响。相关研究表明，采用基于地形条件的协同克里金降雨量插值方法可以较好地描述因地形起伏导致的降雨量空间分布异质性[28-29]。本研究结合流域数字高程模型，统计流域内各雨量站的年降雨量数据。采用考虑地形条件影响下的协同克里金插值方法进行降雨量空间插值[28]，对降雨量数据进行标准化处理。同时，将标准化后的降雨量（）和土壤厚度（）和饱和导水率（）作为权重变量引入地形指数[30]，构造了流域地表径流指数（runoff index，RI），详见如下公式。

式中为流域上某一点的累积汇水量，mm；为标准化后的降雨量数据（无量纲）；为流域标准化的土壤饱和导水率（无量纲）；为流域单元标准化的土层厚度（无量纲）；为坡度值，(°)。为排除计算过程中受分母为0的影响，本研究将土壤饱和导水率和土壤厚度标准化区间约束为[0.05,0.95]，具体标准化公式如下

式中代表流域单元原始的降雨量、土壤饱和导水率和土层厚度；X为流域单元标准化后的降雨量、土壤饱和导水率和土层厚度，取值区间为[0.05,0.95]。

3）土壤水淋溶因子

硝酸盐带负电荷，难以被土壤和植物吸附，极易通过土壤水下渗[31]，因而土壤水分淋溶是另一个重要的氮素流失路径。本研究中涉及的淋溶强度是指土壤水分随土壤剖面下渗能力，以此作为氮素在土壤剖面的迁移影响因子。通过土壤水分的淋溶能力与总氮负荷输入强度的乘积近似描述氮素实际淋溶强度，以表征氮素在流域单元垂向的下渗潜力。另外，限于目前技术手段和数据的可获取性，本研究只考虑土壤水分下渗对氮素流失的影响，而未考虑地下水和基流的作用。常见的淋溶指数（leaching index，LI）模型，可以通过土壤类型、土地利用和前期土壤水分状况确定水文土壤组，结合降雨量空间分布指数（PI）和季节分配指数（SI），其中PI指数表征流域单元可用于下渗的最大理论降雨量，mm；SI表征因降雨量季节变化对土壤水分下渗的影响（无量纲）。最终，通过PI和SI确定流域土壤水分实际下渗能力；确定土壤水淋溶因子LI[32]，详见如下公式。

式中prec、、prec(ls))分别为年降雨量（mm/a）、土壤年截留能力（mm/a）和非汛期（11月－次年5月）总降雨量（mm）。CN值为反映流域降雨前的综合参数（无量纲）。上述分别考虑了氮素随地表径流和地下水径流2种流失途径的潜力。受下垫面土壤缓冲、植被和污染物降解作用影响，流域非点源污染物在迁移过程中存在较大的损失，致使其进入受纳水体的污染物通量往往小于流域实际产污总量，为此需要保证流域污染负荷之和的计算值小于各项污染源总和[33]。本研究中将径流因子和土壤水淋溶因子之和归一化后，视为总氮流失的动力因子（取值0～1）。

4）景观截留因子

流域内不同景观单元会对污染物的迁移起到阻滞作用，其值与景观单元曼宁系数的0.6次方成正比[34]。根据流域不同景观单元的曼宁系数，确定景观单元的对氮流失的景观阻力系数[35]。将景观截留系数和1/tanβ乘积作为权重栅格，利用ArcGIS10.1水文分析模块中的Flow Length工具，得到景观截留因子（landscape intercept index，LII），详见式（9）。

式中W为下游流线上点处的景观截留带宽度，m；β为该点处的坡度角，(°)；V为该点处的景观曼宁系数（无量纲）；为流域单元在下游流线上土地利用类型单元的栅格总数量。

5）氮输出系数模型构建

流域空间单元的产流能力或土壤水分下渗能力越大，景观截留能力越小，其对流域水体的影响就越大。将地表径流（RI）和土壤水分淋溶（LI）归一化值（Norm（RI+LI））与景观截留能力的比值作为权重因子，校准不同空间单元污染源的输出系数。因此，本研究提出了改进的总氮输出系数模型，可用于估算流域总氮负荷量和识别总氮流失的关键源区，具体计算公式如式（10）。

式中RI、LI、LII和ST分别为地表径流因子、土壤水分淋溶因子、景观截留因子（无量纲）和总氮输入因子，kg/a；Norm()为归一化函数。

本研究提出的改进的总氮输出系数模型沿用了传统的输出系数模型的计算单元划分方法（栅格单元），即基于ArcGIS10.1平台将流域总氮源因子、地表径流因子、土壤水淋溶因子和景观截留因子图层转换为100 m× 100 m的栅格图层，然后利用栅格计算器功能生成流域总氮流失空间分布图，其优点在于能够利用有限的空间信息描述总氮负荷分布格局，与常见的流域面源模型（如SWAT模型）相比具有较高的空间分辨率。另外，非点源污染受降雨径流的时空异质性影响较为显著，使得流域地表产流因子和土壤水分淋溶因子时空分布发生变化，进而导致流域单元内非点源污染负荷随之发生改变。因此，本模型通过降雨量的时空分布异质性，模拟不同水文情景下不同坡度条件下流域单元的污染输出能力。

2.3 增强回归树模型

增强回归树（boosted regression tree，BRT）是一种以分类回归树（classification and regression tree，CART）为基础的自主学习算法，通过随机选择和自我学习方法生成多重回归树，达到提高模型稳定度和预测精度的效果。在运算过程中，通过多次随机抽取一定量的样本数据，分析自变量对因变量的解释程度，剩余的样本数据用以检验拟合效果，最后输出生成的多重回归取均值。BRT算法提高了计算结果的稳定性和精度，可给出自变量对因变量的影响载荷，也能解释其他自变量不变的情况下该自变量对因变量的相互关系。目前，BRT模型已经应用于城市扩张驱动因素[36]、非点源污染影响因素识别[37]和土地利用分类研究[38]等方面。

为尽可能获取流域内影响总氮流失因素的空间异质性，本研究利用ArcGIS随机抽取5 000个样点，总体上保证这些样点相对均匀分布于潮河流域境内。将潮河流域总氮输出强度作为因变量，7种驱动因素作为自变量，调用Elith等编写的BRT进行增强回归树分析，其中设置学习效率为0.005，每次抽取50%数据进行分析，50%用于验证，并进行5次交叉验证[39]。

3 结果与分析

3.1 总氮输入空间分布

以2010年潮河流域人口空间栅格数据（1 km×1 km）为基础，结合农村居民生活总氮输出系数，得到潮河流域农村生活总氮输出强度。总体来看，潮河流域人口主要集中于中游偏上区域（图2a）。2010年流域总人口约23.92万，各子流域人口密度差异较大：13号子流域最大（380人/km2），29号子流域最小（15人/km2），平均密度54人/km2，远低于2013年中国平均人口密度（143人/km2）；潮河流域农村生活的总氮输出强度0～10.76 kg/hm2，生活污染源主要集中在滦平县以北和丰宁县县政府所在地大阁镇附近，以大阁镇为例该区域农村生活源输出总氮强度10.76 kg/hm2，是典型的人口密集和潜在重度污染区。

根据畜禽养殖统计数据和乡镇级行政图，得到流域范围内畜禽养殖总氮输出强度分布图（图2b）。畜禽养殖集中分布在北部的大阁镇与五道营乡和南部的虎什哈镇、火斗山乡、巴克什营镇和高岭镇区域，与人口分布存在较好的空间一致性。潮河流域畜禽养殖的总氮输出强度2.32～11.14 kg/hm2，其贡献率已超过农村生活，成为密云水库水质保护潜在的重大安全隐患。

潮河流域土地利用以天然林和草地为主，分别占流域总面积的54.00%和35.00%，共占总面积的89.00%；耕地面积相对较小，占流域总面积的8.50%，其他类型不足2.50%。可见，潮河流域的农业种植比例偏小，且耕地多集中于河谷区域。流域土地利用的总氮输出强度平均值为0.4～1.95 kg/hm2，最大值可达5 kg/hm2（图2c）。由于潮河流域林地和草地面积大，所产生的污染总量也明显高于其他类型用地，这一结果与相关研究结论基本接近，刘亚琼等认为2011年北京市北部山区的怀柔区和密云区林地输出的总氮总量超过耕地，成为重要的总氮输出土地利用类型[40]，究其原因是近年来密云北部山区的农业种植结构发生显著转变，以板栗种植为主的经济林已成为本区主要的用地类型（以密云区为例，2016年该区板栗种植面积2.00万hm2，同期农作物种植面积1.74万hm2），大面积板栗种植与施肥操作加剧了本区总氮输出的风险。但耕地氮肥施用量大，平均氮肥施用强度介于0.60～30.48 kg/hm2，最高值74.23 kg/hm2（来源于2010年丰宁县和滦平县统计年鉴），因此，农业氮肥施用须加以严格控制（图2d）。由于林草地面积分布广泛，导致潮河流域生物固氮作用明显，平均值为6.03～12.54 kg/hm2，最大值15 kg/hm2，作为流域重要的氮源，固氮作用对总氮流失作用不可忽视（图2e）。

从综合污染源来看，潮河流域总氮污染源主要分布于滦平县以北大阁镇以南区域，总氮源强16.51～52.22 kg/hm2，表明潮河流域总氮负荷存在一定的空间集聚现象，而且总氮的高负荷区域具有沿主河道分布的特点（图2f）。畜禽养殖、氮肥施用和农村生活是流域总氮的主要来源，这给潮河流域总氮控制带来较大压力。

3.2 迁移因子空间分布

影响总氮流失的迁移因子包含地表径流指数、土壤水分淋溶指数和景观截留指数。其中，地表径流指数表征总氮随地表水体迁移能力，从图3a可知潮河流域产流区主要分布在地势低洼的河谷区域；土壤水分淋溶指数表征土壤水分下渗进入地下水的潜力。受降雨土壤质地空间分布的影响，潮河下游区域下渗能力明显高于中上游区域（图3b）；景观截留指数可模拟污染物在流域迁移过程中受到的土壤缓冲和植被吸附作用，距离流域出口远，流经的林草地面积越大，景观截留指数就越高，如图3c所示潮河流域景观截留指数呈下游向上游递减趋势，最大值位于流域上游区域（14.23），最小值位于流域出口附近（3.59），最大值约为最小值的4倍。

3.3 结果验证

结果表明，2010年潮河入库总氮负荷量491.60 t，改进的总氮输出系数模拟值为536.25 t，相对误差8.32%，优于经典输出系数模型的模拟值（594.75 t，相对误差18.94%），说明考虑了降雨产流、土壤水分淋溶和植被截留等过程，改进后的总氮输出系数模型具有较好的模拟能力，可以适用于估算资料缺乏的大尺度流域总氮负荷量。

3.4 关键源区识别

应用改进的总氮输出系数模型估算了潮河流域总氮空间负荷量和输出总量，其中空间负荷量指子流域和乡镇范围内单位面积总氮输出量（kg/hm2），输出总量指子流域和乡镇范围内总氮负荷之和（kg或t）。

潮河流域总氮空间分布差异明显。从总氮负荷强度来看，潮河中上游干流西侧和下游干流两侧负荷强度较大。潮河流域上游西部地区主要位于河北省丰宁满族自治县的大阁镇附近，近年来本区乡镇经济发展较快，畜牧业已成为主要的经济来源，自2006年以来全镇共建有规模化奶牛养殖基地10余个，存栏量多达2万余头[26]；作为京郊畜牧养殖和蔬菜种植大县，滦平县位于潮河下游区域，家禽养殖是主要的畜牧部分，2010年滦平县统计年鉴表明，本年度该县家禽养殖量达254.68万只，加之该区紧邻潮河干流，畜禽废弃物在迁移过程中受到的阻滞较小，极易造成流域水体污染。在行政区划上，总氮负荷0.64～2.00 kg/hm2，包含2个集中连片区域：①大阁镇、黑山嘴镇与虎什哈镇；②巴克什营与密云区北部三镇（高岭、古北口和太师屯镇）（图4a）；从自然流域角度上，潮河总氮负荷0.59～3.15 kg/hm2，主要集中在连片区域①的13、16、21、24和26号子流域，连片区域②的27、30、35、36、37和39号子流域（图4b）。

图2 不同类型总氮输出空间分布图

图3 径流指数、淋溶指数和景观截留因子的空间分布图

从总氮输出总量来看，潮河流域总氮总量存在显著的空间差异。从行政区上，黑山嘴镇、虎什哈镇和石人沟乡以北区域是流域总氮输出的重要区域，最大输出量可达66.13 t，占全年流域总氮输出总量的60.53%（图4c）。从自然流域角度上，流域总氮输出负荷量集中在16、24和26号子流域，最大输出量为40.11 t，占当年流域输出量的24.46%（图4d）。上述区域是潮河流域总氮流失的高风险区域，需要重点加以控制管理。

潮河流域中上游河道西侧和下游临近河道区域总氮负荷高，输出量占流域全年输出总量绝大部分。究其原因是流域中上游区域河道西侧区域人口密集，土地利用以耕地为主且集中在中上游区域；农业管理粗放，统计数据表明2010年丰宁县平均单位耕地氮肥施用强度为70.34 kg/hm2；上游的大阁、五道营和黑山嘴等乡镇经济发展迅速，畜牧业已成为主要经济支柱，以大阁镇为例，奶牛养殖已成为其主要收入来源，自2006年以来全镇共建成10个奶牛养殖基地，奶牛存栏量达2万多头[26]；大量的农药氮肥施用和畜禽养殖废弃物极易造成流域总氮输出；下游河道两侧区域分布有一定规模的禽类养殖，2010虎什哈镇禽类养殖总量高达174.56万只，加之所受景观截留作用较小，致使总氮输出总量较大，对密云水库水体威胁较大，需要引起高度重视。本研究与已有研究具有较好的一致性：耿润哲等认为潮河流域总氮负荷多年均值介于0.10～3.00 kg/hm2，与本研究结果（0.59～3.15 kg/hm2）相近[41]；但是，总氮负荷空间分布上并非完全一致，究其原因可能是SWAT模型计算得到的是子流域单元是子流域单元内非点源污染负荷产生量，未考虑污染物进入河道水体后所受到的截留、阻滞和衰减效应[42]。

图4 潮河流域子流域总氮负荷强度和总量分布

3.5 流失影响因素识别

利用ArcGIS10.1统计潮河流域境内人口密度、畜禽密度、氮肥施用、降雨量、淋溶强度、景观截留强度和坡度7个因素的均值，运用增强回归树模型（BRT）识别影响潮河流域总氮流失的关键因素（图5）。

注Note: NAPP: Nitrogen fertilizer application; LVBR: Living breeding; LSIT: Landscape interception; PREC: Precipitation; RRLV: Rural living; LECH: Leaching.

氮肥施用（54.74%）、畜禽养殖（17.48%）和坡度（16.35%）3个对潮河流域总氮流失影响最大，其他因素对总氮的贡献率由大到小：植被截留（3.16%）、降雨量（3.15%）、人口密度（3.05%）和淋溶量（2.07%）。可见，氮肥施用平均强度大于12 kg/hm2、畜禽养殖集中区域最容易发生总氮流失，坡度条件与总氮流失呈显著负相关，坡度15°以下区域是总氮流失关键区域。耿润哲等研究也指出，施肥量是影响氮磷输出的最主要因子，坡度也是影响氮磷输出的次要因子[41]，这与本研究结论具有较好的一致性。需要指出的是农村生活和畜禽养殖已经成为流域非点源污染的重要因素[43]，而该研究对社会经济条件的影响考虑不够充分，诸如畜禽养殖和人口密度等影响非点源污染物输出的关键因素。由于本研究涉及的贡献率是指由影响因素空间异质性导致的总氮流失能力，降雨因素是导致非点源污染产生的重要因素，可能因为降雨的空间异质性相对弱于相关的社会经济因素（诸如施肥和畜禽养殖空间分布等），致使其相对贡献率偏低。

结果表明，氮肥施用、畜禽养殖和坡度条件是影响潮河流域总氮流失的3个关键影响因素。在生长过程中，农作物生长对氮需求量较大。当施肥量超过农作物的吸收能力时，施用施入农田的大量氮肥会随降雨径流汇入河道，导致流域内非点源氮污染加重[37]。潮河流域相当部分畜禽养殖基地临河而建，粪便管理措施不完善，畜禽养殖废水极易直接排进河道。此外，畜禽粪便的长期堆存也会造成硝酸盐的渗漏，也是影响流域总氮超标的重要因素[44]。另外，坡度条件也对总氮输出有着重要的作用。在坡度较大的区域总氮输出对降雨和重力条件的变化更为显著。在本研究中，平均坡度在15°以下区域的流域是总氮输出的关键区域。这是因为随着坡度增大，耕地和建设用地面积比例减小，土地覆盖主要以林地和草地为主，能够有效地降低总氮的输出量。因此，有必要在缓坡区域加强环境监管力度，严格限制临河农业种植和畜禽养殖活动。

植被截留作用也是影响流域总氮输出的重要影响因素。距离流域出口越远，总氮污染物在流域内传输受到的影响越大，所以上游区域的景观截留作用明显强于下游区域（图2c）。在以往研究中，输出系数法只考虑了污染物入河系数，适合于整体流域单元直接入湖库，可能并不适用于多级流域单元非点源污染物先入河再入湖库。Li 等提出的改进的面源磷输出系数模型也证明了，考虑植被阻滞作用的输出系数模型计算结果优于经典的输出系数模型，可以更好地解释不同空间单元的非点源污染物输出能力[45]。

人口密度和降雨淋溶对流域总氮输出有一定影响。流域人口密度较大，经济发展快，受“两山夹一沟”的独特河谷地形影响，本区以农业人口为主，且集中于河谷地区，农村生活污水和垃圾处理设施尚不完备，污水直接排放现象普遍。另外，地势较高，平均坡度较大，产流速度快，污染物在迁移过程中衰减和吸附历时较短，容易造成大量生活污水直接汇入受纳水体[46]。降雨量和淋溶量大小及空间分布也是造成潮河流域总氮流失差异的原因之一，耿润哲等[47]在密云水库流域的研究也证实了这一结论。潮河流域降雨量空间分布为东南高、西北低，呈现由东南向西北递减的趋势。造成流域下游降雨量和土壤水分淋溶量较上游偏大，使得农田区域硝酸盐随土壤水分淋失的风险加大，造成地下水硝酸盐超标[44]。

4 结 论

在考虑降雨径流过程、淋溶作用和植被截留等作用的基础上，本研究提出了改进的总氮输出系数模型，并将其应用于密云水库潮河流域，主要结论如下：

1）在传统的输出系数模型的基础上，本研究通过引入土壤水分淋溶作用和植被截留作用，构建了改进的总氮输出系数模型，并以潮河流域为例给出了改进总氮输出系数模型的具体计算流程。

2）与传统的输出系数模型相比，改进的总氮输出系数模型对潮河流域总氮输出模拟效果更优，以流域出口下会站总氮输出负荷验证精度表明，改进输出系数模型模拟精度（相对误差8.23%）高于传统输出系数模型（相对误差18.94%）。

3）潮河流域总氮流失关键源区主要分布于潮河中上游干流西侧和下游干流两侧区域。从行政区划来看，丰宁县（大阁镇、黑山嘴镇）与滦平县（虎什哈镇和巴克什营）与密云北部三镇（高岭、古北口和太师屯镇）是潮河流域总氮的优先控制区域，需要加强控制管理。

4）增强回归树模型结果表明，人为因素是影响潮河流域总氮流失的主要因素，其中氮肥施用（54.74%）、畜禽养殖（17.48%）和坡度（16.35%）3个对潮河流域总氮流失影响最大。其他因素对总氮流失的贡献率由大到小：植被截留（3.16%）、降雨量（3.15%）、人口密度（3.05%）和淋溶量（2.07%）。

[1] De Paz Jose M, Delgado Jorge A, Ramos Carlos, et al. Use of a new GIS nitrogen index assessment tool for evaluation of nitrate leaching across a Mediterranean region[J]. Journal of Hydrology, 2009, 365(3/4): 183－194.

[2] Delgado J A, Shaffer M, Hu C, et al. An index approach to assess nitrogen losses to the environment[J]. Ecological Engineering, 2008, 32(2): 108－120.

[3] Gruber Nicolas, Galloway James N. An Earth-system perspective of the global nitrogen cycle[J]. Nature, 2008, 451(7176): 293－296.

[4] Follett R F, Delgado J A. Nitrogen fate and transport in agricultural systems[J]. Journal of Soil and Water Conservation, 2002, 57(6): 402－408.

[5] Huang Jinhui, Lin Xiaojuan, Wang Jianhua, et al. The precipitation driven correlation based mapping method (PCM) for identifying the critical source areas of non-point source pollution[J]. Journal of Hydrology, 2015, 524: 100－110.

[6] Luo Chuan, Li Zhaofu, Li Hengpeng, et al. Evaluation of the AnnAGNPS model for predicting runoff and nutrient export in a typical small watershed in the hilly region of Taihu lake[J]. International Journal of Environmental Research and Public Health, 2015, 12(9): 10955－10973.

[7] Wang Huiliang, Wu Zening, Hu Caihong, et al. Water and nonpoint source pollution estimation in the watershed with limited data availability based on hydrological simulation and regression model[J]. Environmental Science and Pollution Research, 2015, 22(18): 14095－14103.

[8] Niraula Rewati, Kalin Latif, Srivastava Puneet, et al. Identifying critical source areas of nonpoint source pollution with SWAT and GWLF[J]. Ecological Modelling, 2013, 268: 123－133.

[9] 刘庄，晁建颖，张丽，等. 中国非点源污染负荷计算研究现状与存在问题[J]. 水科学进展，2015(3)：432－442.

Liu Zhuang, Yao Jianying, Zhang Li, et al. Current status and problems of non-point source pollution load calculation in China[J]. Advances in Water Science, 2015(3): 432－442. (in Chinese with English abstract)

[10] 程先，陈利顶，孙然好. 考虑降水和地形的京津冀水库流域非点源污染负荷估算[J]. 农业工程学报，2017，33(4)：265－272.

Cheng Xian, Chen Liding, Sun Ranhao. Estimation of non-point source pollution loads of Beijing-Tianjin-Hebei region considering precipitation and topography[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(4): 265－272. (in Chinese with English abstract)

[11] Norvell W A, Frink C R, Hill D E. Phosphorus in connecticut lakes predicted by land-use[J]. Proceedings of the National Academy of Sciences of the United States of America, 1979, 76(11): 5426－5429.

[12] Johnes P J. Evaluation and management of the impact of land use change on the nitrogen and phosphorus load delivered to surface waters: The export coefficient modelling approach[J]. Journal of Hydrology, 1996, 183(34): 323－349.

[13] Soranno P A, Hubler S L, Carpenter S R, et al. Phosphorus loads to surface waters: A simple model to account for spatial pattern of land use[J]. Ecological Applications, 1996, 6(3): 865－878.

[14] Endreny T A, Wood E F. Watershed weighting of export coefficients to map critical phosphorous loading areas[J]. Journal of the American Water Resources Association, 2003, 39(1): 165－181.

[15] Khadam Ibrahim M, Kaluarachchi Jagath J. Water quality modeling under hydrologic variability and parameter uncertainty using erosion-scaled export coefficients[J]. Journal of Hydrology, 2006, 330(12): 354－367.

[16] 蔡明，李怀恩，庄咏涛，等. 改进的输出系数法在流域非点源污染负荷估算中的应用[J]. 水利学报，2004(7)：40－45.

Cai Ming, Li Huaien, Zhuang Yongtao, et al. Application of modified export coefficient method in polluting load estimation of non-point source pollution[J]. Journal of Hydraulic Engineering, 2004(7): 40－45. (in Chinese with English abstract)

[17] Ding Xiaowen, Shen Zhenyao, Hong Qian, et al. Development and test of the export coefficient model in the Upper Reach of the Yangtze River[J]. Journal of Hydrology, 2010, 383(34): 233－244.

[18] 龙天渝，梁常德，李继承，等. 基于SLURP模型和输出系数法的三峡库区非点源氮磷负荷预测[J]. 环境科学学报，2008(3)：574－581.

Long Tianyu, Liang Changde, Li Jicheng, et al. Forecasting the pollution load of non-point sources imported to the Three Gorges Reservoir[J]. Acta Scientiae Circumstantiae, 2008(3): 574－581.(in Chinese with English abstract)

[19] 李兆富，刘红玉，李恒鹏，等. 基于流域单元的营养盐输出与景观异质性影响研究[J]. 环境科学，2010(9)：2029－2035.

Li Zhaofu, Liu Hongyu, Li Hengpeng, et al. Impacts on nutrient export by landscape heterogeneity based on sub-watershed[J]. Environmental Science, 2010(9): 2029－2035. (in Chinese with English abstract)

[20] 李思思，张亮，杜耘，等. 面源磷负荷改进输出系数模型及其应用[J]. 长江流域资源与环境，2014(9)：1330－1336.

Li Sisi, Zhang Liang, Du Yun, et al. Estimation of non-point phosphorus load using improved export coefficient model and its application in watershed management[J]. Resources and Environment in The Yangtze Basin, 2014(9): 1330－1336. (in Chinese with English abstract)

[21] 徐立红，陈成广，胡保卫，等. 基于流域降雨强度的氮磷输出系数模型改进及应用[J]. 农业工程学报， 2015，31(16)：159－166.

Xu Lihong, Chen Chengguang, Hu Baowei, et al. Improvement of export coefficient model for N and P based on rainfall intensity and its application[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of theCSAE), 2015, 31(16): 159－166. (in Chinese with English abstract)

[22] 苟小林，吴福忠，杨万勤，等. 季节性冻融格局变化对高山森林土壤氮素淋溶损失的影响[J]. 环境科学学报，2014(2)：439－448.

Gou Xiaolin, Wu Fuzhong, Yang Wanqin, et al. Effect of changes in seasonal freeze-thaw pattern on nitrogen loss from leaching in the alpine forest soil[J]. Acta Scientiae Circumstantiae, 2014(2): 439－448. (in Chinese with English abstract)

[23] 欧洋，王晓燕，耿润哲. 密云水库上游流域不同尺度景观特征对水质的影响[J]. 环境科学学报，2012(5)：1219－1226.

Ou Yang, Wang Xiaoyan, Geng Runzhe. The influences of different landscape characteristics on water quality in the upper watershed of Miyun Reservoir[J]. Acta Scientiae Circumstantia, 2012(5): 1219－1226. (in Chinese with English abstract)

[24] 曾庆慧，秦丽欢，程鹏，等. 1990年以来北京密云水库主要水环境因子时空分布特征[J]. 湖泊科学，2016(6)：1204－1216.

Zeng Qinghui, Qin Lihuan, Cheng Peng, et al. Spatial and temporal distribution of main aquatic environment factors in Miyun Ｒeservoir, Beijing since 1990s[J]. Journal of Lake Sciences, 2016(6): 1204－1216. (in Chinese with English abstract)

[25] 任玮，代超，郭怀成. 基于改进输出系数模型的云南宝象河流域非点源污染负荷估算[J]. 中国环境科学，2015(8)：2400－2408.

Ren Wei, Dai Chao, Guo Huaicheng. Estimation of pollution load from non-point source in Baoxianghe watershed based, Yunnan Province on improved export coefficient model[J]. China Environmental Science, 2015(8): 2400－2408. (in Chinese with English abstract)

[26] 耿润哲，王晓燕，焦帅，等. 密云水库流域非点源污染负荷估算及特征分析[J]. 环境科学学报，2013(5)：1484－1492.

Geng Runzhe, Wang Xiaoyan, Jiao Shuai, et al. Application of improved export coefficient model in estimating non-point source nutrient load from Miyun reservoir watersheds[J]. Acta Scientiae Circumstantia, 2013(5): 1484－1492. (in Chinese with English abstract)

[27] 韩玉国，李叙勇，南哲，等. 北京地区2003－2007年人类活动氮累积状况研究[J]. 环境科学，2011(6)：1537－1545.

Han Yuguo, Li Xuyong, Nan Zhe, et al. Net anthropogenic nitrogen accumulation in the Beijing Metropolitan Region in 2003 to 2007[J]. Environmental Science, 2011(6): 1537－1545. (in Chinese with English abstract)

[28] Wang Jinliang, Shao Jing'an, Wang Dan, et al. Simulation of the dissolved nitrogen and phosphorus loads in different land uses in the Three Gorges Reservoir Region-based on the improved export coefficient model[J]. Environmental Science-processes & Impacts, 2015, 17(11): 1976－1989.

[29] Zhang H, Huang G H. Assessment of non-point source pollution using a spatial multicriteria analysis approach[J]. Ecological Modelling, 2011, 222(2SI): 313－321.

[30] Qiu Zeyuan. Assessing critical source areas in watersheds for conservation buffer planning and riparian restoration[J]. Environmental Management, 2009, 44(5): 968－980.

[31] Kiese Ralf, Heinzeller Christoph, Werner Christian, et al. Quantification of nitrate leaching from German forest ecosystems by use of a process oriented biogeochemical model[J]. Environmental Pollution, 2011, 159(11SI): 3204－3214.

[32] Keeney D R, Follett R F. Managing nitrogen for groundwater quality and farm profitability: Overview and introduction[J]. Managing Nitrogen for Groundwater Quality and Farm Profitability, 1991, 5(7): 1－7.

[33] 龙天渝，刘敏，刘佳. 三峡库区非点源污染负荷时空分布模型的构建及应用[J]. 农业工程学报，2016，32(8)：217－223.

Long Tianyu, Liu Min, Liu Jia. Development and application of non-point source pollution load model of spatial and temporal distribution in Three Gorges Reservoir Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(8): 217－223. (in Chinese with English abstract)

[34] 谢华，都金康，胡裕军，等. 基于汇流时间方法的空间分布式水文模型研究[J]. 武汉理工大学学报，2005(12)：75－78.

Xie Hua, Du Jinkang, Hu Yujun, et al. Study on spatially distributed hydrological model based on routing time method[J]. Journal of Wuhan University of Technology, 2005(12): 75－78. (in Chinese with English abstract)

[35] 赵新峰，陈利顶，杨丽蓉，等. 基于水流路径与景观单元相互作用的非点源污染模拟研究[J]. 环境科学学报，2010(3)：621－630.

Zhao Xinfeng, Chen Liding, Yang Lirong, et al. Modeling non-point pollution based on interactions between flow path and landscape units[J]. Acta Scientiae Circumstantiae, 2010(3): 621－630. (in Chinese with English abstract)

[36] 李春林，刘淼，胡远满，等. 基于增强回归树和Logistic回归的城市扩展驱动力分析[J]. 生态学报，2014(3)：727－737.

Li Chunlin, Liu Miao, Hu Yuanman, et al. Driving forces analysis of urban expansion based on boosted regression trees and Logistic regression[J]. Acta Ecologica Sinica, 2014(3): 727－737. (in Chinese with English abstract)

[37] 尹才，刘淼，孙凤云，等. 基于增强回归树的流域非点源污染影响因子分析[J]. 应用生态学报，2016(3)：911－919.

Yin Cai, Liu Miao, Sun Fengyun, et al. Influencing factors of non-point source pollution of watershed based on boosted regression tree algorithm[J]. Chinese Journal of Applied Ecology, 2016(3): 911－919. (in Chinese with English abstract)

[38] 赵萍，傅云飞，郑刘根，等. 基于分类回归树分析的遥感影像土地利用/覆被分类研究[J]. 遥感学报，2005(6)：708－716.

Zhao Ping, Fu Yunfei, Zheng Liugen, et al. Cart-based land use/cover classification of remote sensing images[J]. Journal of Remote Sensing, 2005(6): 708－716. (in Chinese with English abstract)

[39] Elith J, Leathwick J R, Hastie T. A working guide to boosted regression trees[J]. Journal of Animal Ecology, 2008, 77(4): 802－813.

[40] 刘亚琼，杨玉林，李法虎. 基于输出系数模型的北京地区农业面源污染负荷估算[J]. 农业工程学报，2011，27(7)：7－12.

Liu Yaqiong, Yang Yulin, Li Fahu. Estimation of pollution loads from agricultural nonpoint sources in Beijing region based on export coefficient modeling approach[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(7): 7－12. (in Chinese with English abstract)

[41] 耿润哲，王晓燕，庞树江，等. 潮河流域非点源污染控制关键因子识别及分区[J]. 中国环境科学，2016(4)：1258－1267.

Geng Runzhe, Wang Xiaoyan, Pang Shujiang, et al. Identification of key factors and zonation for nonpoint source pollution controlin Chaohe River watershed[J]. China Environmental Science, 2016(4): 1258－1267. (in Chinese with English abstract)

[42] Grusson Youen, Anctil François, Sauvage Sabine, et al. Assessing the climatic and temporal transposability of the SWAT model across a large contrasted watershed[J]. Journal of Hydrologic Engineering, 2017:4017004.

[43] 王晓燕，阎恩松，欧洋. 基于物质流分析的密云水库上游流域磷循环特征[J]. 环境科学学报，2009(7)：1549－1560.

Wang Xiaoyan, Yan Ensong, Ou Yang. Material flow analysis of the phosphorus cycle in the upper watershed of the Miyun Reservoir in Beijing[J]. Acta Scientiae Circumstantiae, 2009(7): 1549－1560. (in Chinese with English abstract)

[44] 王庆锁，孙东宝，郝卫平，等. 密云水库流域地下水硝态氮的分布及其影响因素[J]. 土壤学报，2011(1)：141－150.

Wang Qingsuo, Sun Dongbao, Hao Weiping, et al. Nitrate concentration distribution in groundwater of the Miyun Reservoir Watershed[J]. Acta Pedologica Sinica, 2011(1): 141－150. (in Chinese with English abstract)

[45] Li Sisi, Zhang Liang, Du Yun, et al. Evaluating phosphorus loss for watershed management: Integrating a weighting scheme of watershed heterogeneity into export coefficient model[J]. Environmental Modeling & Assessment, 2016, 21(5): 657－668.

[46] Yang Jing, Reichert Peter, Abbaspour Karim C, et al. Hydrological modelling of the chaohe basin in China: Statistical model formulation and Bayesian inference[J]. Journal of Hydrology, 2007, 340(34): 167－182.

[47] 耿润哲，张鹏飞，庞树江，等. 不同气候模式对密云水库流域非点源污染负荷的影响[J]. 农业工程学报，2015(22)：240－249.

Geng Runzhe, Zhang Pengfei, Pang Shujiang, et al. Impact of different climate change scenarios on non-point source pollution losses in Miyun Reservoir watershed[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015(22): 240－249. (in Chinese with English abstract)

Application of modified diffuse total nitrogen export coefficient model at watershed scale

Pang Shuijiang1, Wang Xiaoyan1,2※

(1100048;2100048,)

It has been widely proved that nitrogen is vital to maintain terrestrial ecosystem balance and world food safety at global scale. However, with the increasing development of social economy and population growth, excessive synthetic nitrogen has been discharged into water bodies in the world, which is recognized as one of the most important causes of water environment deterioration and eutrophication. Within the numerous nitrogen sources, diffuse pollution from agricultural activities has been identified as the most important contributor to nitrogen loss in more and more areas. Therefore, it is more crucial and meaningful to assess precisely nitrogen loss potential and to identify its impact factors for the effectively integrated watershed management. In this study, a modified nitrogen export coefficient model was developed considering the nitrogen production, surface runoff generation, leaching potential of soil moisture, and landscape interception in the given watershed. To examine the performance of the modified total nitrogen export coefficient model, this modified result was validated by the monitoring data of water quality at the outlet of Chao River watershed, which is one of the 2 major tributaries into Miyun Reservoir in the northeast of Beijing. Then, the critical source areas (CSAs) of nitrogen loss were identified, and the impact factors of nitrogen loss were determined by the boosted regression trees algorithm. The major results were illustrated as follows: 1) For monitoring loading of total nitrogen at outlet of Chao River, the modified export coefficient model was characterized by a higher accuracy with a relative error of 8.23% compared with the traditional export coefficient model with a relative error of 18.94%. 2) The CSAs of total nitrogen loss were mainly distributed in the western areas of upper and middle stream, as well as the downstream riparian region in this watershed, where existed higher nitrogen load for intensive agricultural economic activities. Regarding to administrative scale, Fengning County (Dage and Heishanzui Town), Luanping County (Hushiha and Bakeshiying Town), Miyun District (Gaoling, Gubeikou and Taishitun Town) were identified as the CSAs of total nitrogen loss for their higher population and livestock density, and the relative lower capability of landscape interception. In particular, the high potential of total nitrogen loss was also identified in the south area and riparian zone in the Chao River watershed. 3) Based on the boosted regression trees model, by extracting 5 000 samples in ArcGIS 10.1 platform, the anthropological factors were determined as the most important impacting factors for total nitrogen loss. The contributions of the amount of total nitrogen fertilizer application, the livestock breeding scale and the topography slope to total nitrogen loss in the watershed were 54.74%, 17.48% and 16.53%, respectively. Therefore, control on the unreasonable scale of total nitrogen and livestock was necessary and recommended to reduce the severe nitrogen pollution and to protect the drinking water safety of Beijing City. In summary, the proposed total nitrogen export coefficient model can be applied to provide available information for the environmentalists, farmers and watershed managers to prevent and alleviate diffuse total nitrogen loss especially in the area lacking effective data.

watershed; nitrogen; pollution control;export coefficient model; critical source areas

10.11975/j.issn.1002-6819.2017.18.028

X522

A

1002-6819(2017)-18-0213-11

2017-05-03

2017-08-15

国家自然科学基金项目（41271495）；英国生物技术与生物科学研究会BBSRCC（BB/N013484/1）

庞树江，男，河北张家口人，博士生，主要从事流域非点源污染研究。Email：cnupsj1988@gmail.com

王晓燕，女（汉族），甘肃庆阳人，博士，教授，博士生导师，主要从事流域非点源污染控制与管理研究。Email：wangxy@cnu.edu.cn