改进的输出系数模型在射洪县的非点源污染应用研究

胡富昶，敖天其,2，胡 正，刘凌雪，李孟芮

(1.四川大学水利水电学院，成都 610065；2. 水力学与山区河流开发保护国家重点实验室，成都 610065)

水环境污染问题目前作为我国面临的十大环境问题之一，越来越受到国民的重视，而水环境污染主要由点源污染和非点源污染两部分构成[1]，随着点源污染渐渐得到有效治理后，非点源污染对水环境的影响逐渐突出[2]，同时农村非点源污染已成为制约农业可持续发展和农村水环境质量改善的重要原因[3]，非点源污染是指在降雨径流的淋溶和冲刷作用下，大气中、地面和地下污染物进入江河、湖泊水库和海洋等水体而造成的水体污染[4]，由于非点源污染的随机性、广泛性、滞后性、模糊性、潜伏性以及缺乏详细的监测资料导致非点源污染的研究和控制方面的难度加大，目前应用于非点源污染研究最广泛的方法是Johnes等提出的输出系数模型，采用 “黑箱”原理，不考虑污染物的运移过程，避开了非点源污染发生的复杂过程，对污染物进行模拟得到污染物负荷量。但该模型仅适用于降水均匀、地势平坦地区，没有考虑到降水和地形对于污染负荷的影响，因此对于降水不均匀、地势有起伏地区的非点源污染负荷估算则会产生较大的误差[5]。丁晓雯等[6]考虑降雨和地形影响对输出系数模型进行改进后可减少模型模拟误差，提升模型的计算精度，射洪县地貌以丘陵地貌为主，属于低山浅切割丘陵区，并且由于降雨的时空分布不均匀，因此本文采用考虑降雨和地形影响的输出系数模型对射洪县2016年非点源污染进行计算，得到非点源污染负荷量并通过ArcGIS软件对非点源污染进行空间分析。

1 流域概况

研究区射洪县处于四川盆地中部，涪江上游，在遂宁市北部，东经105°10′21″～105° 39′27″ ，北纬30°38′10″～31°9′49″，东面靠近南充市，西邻成都，南接重庆，北抵绵阳，位于成渝经济区北弧中心，幅员面积1 496 km2，气候属于四川盆地亚热带湿润气候区，总体上气候温和、四季分明，年平均气温17.1°C，年降雨量887.3 mm,年平均蒸发量为1 128.3 mm，但雨量分布不均，旱灾频繁，是川中重点干旱县之一。射洪县地势由西北向东南逐渐降低，地貌以丘陵为主，坝、丘、山皆备，低山地貌，占县幅员面积的15.4%；低丘地貌，占幅员面积的21%；河谷地貌，占幅员面积的10.9%。县境山脊多沿北40°西向的构造裂隙组发育。境内河流主要为涪江及其支流，涪江发源于松潘县雪宝顶，经平武、江油、三台、等地，由香山镇旋涡沱入境至柳树镇施家湾出境，县境内河长88 km，流域面积1 254 km2；梓江(梓潼江)为县境内涪江最大的支流，发源于江油大堰山南坡会龙场，经梓潼、盐亭于天仙镇钓鱼台入县境，流经天仙镇、东岳乡、双溪乡、广兴镇等乡镇，至广兴镇龙宝村河口入涪江，县境内河长35 km，流域面积183.5 km2。

射洪县境内设置有6个水质监测断面(图1)，其中涪江3个，梓江2个，青岗河1个岱钦桥水质监测断面，6个监测断面具有2011-2016年水质监测数据，本论文以Ⅲ类水质为标准，对射洪县境内的6个水质监测断面资料采用不同时段定量比较法分析得到流域主要污染物为TN、TP，其中TN浓度6个监测断面全年超标，岱钦桥监测断面TP浓度2016年全年超标。

图1 水质监测断面分布图Fig.1 Water quality monitoring section distribution map

2 输出系数模型

2.1 模型介绍

输出系数模型是利用污染物输出系数来估算流域非点源污染输出负荷的一种方法，是利用半分布式途径来计算流域尺度上年均总污染负荷的数学加权公式，其实质是一种半分布式的集总模型[7]。模型在20世纪70年代初期在北美地区首先提出，主要用于评价土地利用和湖泊富营养之间的关系[8]。由于早期的模型假定了所有的土地利用类型的输出系数固定不变，而这种假设和复杂的现实状况差异很大，因此限制了模型当时的应用[9]。Johns等[10]在实际应用研究的已有基础上建立了更为完善的输出系数模型。输出系数模型一般表达式为：

(1)

式中：Lj为污染物j在流域的总负荷量，t/a；j为污染物类型；Eij为污染物j在流域地i种土地利用类型的输出系数或牲畜、人口的输出系数，t/(km2·a)；i为流域土地利用类型的种类或牲畜、人口；Ai为第i种土地利用类型的面积，km2，或牲畜数量，头，或人口数量，人；P为由降雨输入的污染物数量，t。

输出系数模型在平原地区适用性较好，计算所需参数少，实际操作简单、方便，且计算结果有一定精度。但其未考虑降雨和地形对非点源污染输出负荷的影响，而根据相关研究，降雨是非点源污染物的主要驱动因素[11]。地形在非点源污染物输移过程中起着至关重要的作用[12,13]。根据丁晓雯等考虑降雨和地形影响对输出系数模型进行改进，改进的输出系数模型结构为[6]：

(2)

式中：α为降雨影响因子；β为地形影响因子。

2.2 降雨影响因子确定

降雨对污染物的影响从降雨的年际差异以及降雨的空间差异两方面考虑，计算公式为：

α=αtαs

(3)

(4)

(5)

式中：αt为降水年际差异影响因子(无量纲)；αs为降水空间分布影响因子(无量纲)；AverPreyear为某一年的年降水总量，mm；AverPre为年均总降水量，mm；Prei,j为空间单元栅格(i,j)的降水量，mm；AverPrei,j为每个栅格的多年平均降水量，mm。

解恒燕[14]等比较基于ArcGIS软件的普通克里金法、反距离权重法、样条函数法、趋势面法4种空间插值方法，得到反距离权重法降雨量插值结果由于其他3种方法插值结果。由射洪县气象局提供的2007-2016年21个乡镇降雨数据通过ArcGIS软件进行降雨量反距离权重(IDW)插值分析，结合公式(3)～(5)得到射洪县降雨影响因子分布(图2)。

图2 射洪县2016年降雨影响因子分布图Fig.2 The distribution of rainfall impact factors in Shehong County in 2016

2.3 地形影响因子确定

由于地面坡度对径流、流速等会产生影响，污染物主要在降雨径流过程中迁移的，从而坡面会对污染物迁移造成影响。计算公式为：

(6)

将射洪县DEM数据在ArcGIS软件中进行分析统计得到射洪县平均坡度为14.21°，查阅文献[15]得到d的值取为0.610 4，根据式(6)在ArcGIS软件中通过栅格计算器计算得到射洪县地形影响因子分布图3(a)。由于式(6)计算所得到的β值会得到小于1的值，理论上在坡度地区，地形影响因子会大于1，因此通过ArcGIS中的条件分析工具将小于1的值通过加1后得到修正后的地形影响因子分布，见图3(b)。

图3 射洪县地形影响因子Fig.3 Shehong county terrain impact factor

2.4 输出系数的确定

通过参考国内部分地区已有研究成果[6,16-21]以及本研究区域的实际情况，确定各种土地利用方式、畜禽以及农业人口的输出系数取值，见表1。由射洪县国土局提供的二调资料确定得到射洪县土地利用分布(图4)。

表1 射洪县非点源污染物输出系数表Tab.1 Shehong County non-point source pollutant output coefficient table

图4 射洪县土地利用类型分布Fig.4 Distribution of land use types in Shehong County

3 结果分析

3.1 非点源污染物负荷总量分析

通过ArcGIS软件计算得到射洪县2016年非点源污染负荷量(表2)，由表2可知射洪县2016年TN、TP负荷量分别为2 854.32、256.42 t,TN负荷量为TP负荷量的11倍。TN负荷量中土地土地类型、农村生活、畜禽养殖负荷量依次为1 871.52、834.05、148.75 t，3种污染源类型所占比例依次为65.57%、29.22%、5.21%；TP负荷量中土地类型、农村生活、畜禽养殖3种污染源负荷量依次为147.63、99.49、9.3 t，3种污染源所占比重依次为57.57%、38.80%、3.63%。3种污染源中土地利用类型非点源污染输出量最大。

表2 射洪县非点源污染负荷计算结果Tab.2 Calculation results of non-point source pollution load in Shehong County

3.2 非点源污染物负荷量空间分析

通过ArcGIS软件对污染物负荷量进行空间分析，得到射洪县2016年各乡镇非点源污染空间分布(图5)，由图5可看出TN负荷量中，污染物贡献量最大的乡镇为金华镇、柳树镇、仁和镇、太乙镇，污染物贡献率最小的乡镇为青堤乡、伏河乡；TP负荷量中，污染物贡献率最大的是金华镇、柳树镇，污染物贡献率最小的乡镇为青堤乡、伏河乡；TN、TP负荷量最大的为金华镇和柳树镇。总体而言，TN、TP负荷量空间分布呈现出较大的空间异质性，金华镇、柳树镇、太乙镇3个乡镇镇域面积以及耕地面积较大、并且涪江干流流经此3个乡镇，人口比较多，而仁和镇由于耕地面积较大、射洪县境内涪江重要支流青岗河流经该乡镇，人口较多，因此这4个乡镇非点源污染负荷量大。

对各乡镇3种污染源进行统计分析得到土地利用、农村生活、畜禽养殖3种污染源分布(图6)，TN、TP负荷量各乡镇3种污染源贡献中，每个乡镇污染源所占比例最大的均为土地利用类型负荷量，农村居民生活贡献率次之，最小的为畜禽养殖污染。这主要由于射洪县主要以农业为主，农业人口较多，农民靠耕作为生，耕地面积过大，由于耕种过程中的化肥使用导致耕地的输出系数增大，因而耕地产生的污染负荷量过大，并且由于经济原因，在农村地区排污管网、垃圾收集设施以及垃圾转运设施建设滞后，导致农村生活污染物以及生活废水排入水体中造成水体污染。

图6 射洪县各乡镇3种污染源贡献情况Fig.6 Contribution of three pollution sources in towns and towns of Shehong County

3.3 模型计算结果验证

本文采用未改进的输出系数模型ECM计算了2016年射洪县非点源污染物负荷量，并利用射洪县涪江出境红江渡口水质监测断面污染物监测值对模型进行验证，结果见表3，改进后由于射洪县部分地区降雨量低于多年平均降雨量，导致改进后的模型模拟值减小，TN、TP负荷量相对误差由改进前的27.1%、54.3%降低至6.61%、26.55%。由此表明改进后的输出系数模型在计算非点源污染负荷量中精度更高，也表明降雨量和地形对非点源污染过程中的重要影响。

表3 ECM与IECM模拟结果对比Tab.3 Comparison of ECM and IECM simulation results

4 结 语

(1)2016年射洪县TN、TP负荷量高低趋势基本一致，TN负荷量约为TP负荷量的11倍，两种污染物空间分布规律一致，具有较大的空间异质性，局部集中、靠近河流水域。金华镇、柳树镇、仁和镇、太乙镇4个乡镇负荷量最大，表明这几个乡镇面临着较大的氮、磷污染风险，在进行非点源污染治理时，可首先对该4个乡镇进行着重治理。

(2)由于射洪县是个农业大县，农业人口数量较大，耕地面积较大并且由于耕种过程中的各种化肥以及农药的使用造成耕地的污染物负荷量大，TN负荷量中，耕地污染源占总负荷量的49.9%，TP负荷量中耕地污染源占总负荷量的24.2%。加强射洪县测土配方施肥技术，实行科学耕种，科学使用化肥农药可减少射洪县环境污染。

(3)输出系数模型由于其 “黑箱”原理，在计算非点源污染物负荷量过程中不能考虑到降雨以及地形等因素对污染物驱动以及运移过程中的影响，模型在降雨空间分布均匀的平原地区适用性高，而在降雨量分布不均匀，地形起伏比较大的山丘地区，将地形、降雨因素考虑后可提高模型模拟进度，在丘陵地区具有更好的适用性。