基于HSPF模型的东江流域氮磷污染研究

孙滔滔，赵 鑫，尹魁浩，彭盛华，林 青，吴 静

(1.深圳市环境科学研究院国家环境保护饮用水水源地管理技术重点实验室，广东 深圳 518001；2.广东粤港供水有限公司，广东 深圳 518021；3.San Francisco Estuary Institute，CA，USA)

水污染问题目前已成为制约我国社会经济可持续发展的问题之一。近30年来，由于人口聚集、城市更新，氮、磷等污染物过量排放，很多重要水域的水体污染，尤其是氮、磷富营养化问题日益突出，已经对很多地区人民生活用水构成威胁，对生产和经济发展造成巨大损失。东江肩负着深港两地的跨流域调水供应，是广东省重要的水源地，其水质状况直接影响着沿岸以及深港地区的供水安全。随着东江流域经济的快速发展、城镇化进程的加快，东江水质部分河段已趋于富营养化状态[1]。如何确定氮、磷的确切来源以及各种污染因子的时空分布特征和迁移演化规律，是有效地提升污染防治水平，达成东江流域污染控制目标和保持水质的关键所在。

近年来，国内学者对东江的污染问题从不同角度开展了一系列的研究。江涛等[2]根据东江干流博罗站、河源站和龙川站的监测资料，对CODMn、BOD5和NH3-N等水质参数的浓度变化趋势进行分析。王博等[1]结合东江干流区域差异性对干流的营养状态进行了分段研究。李星等[3]全面研究了东江干流水体氮的时空变化特征，并利用附生藻的δ15N值示踪了其来源。温美丽等[4]通过采样分析氮磷质量分数，研究了新丰江水库上游氮磷污染的时空变化。曾金凤等[5]基于东江源区1975-2016年共42年的历史数据，解析了源区水体的水质及特征污染物氨氮的变化情况。这些研究都是基于对实测数据的分析。

流域模型是研究复杂的流域水文水质输移过程及各种污染因子的时空分布特征和迁移演化规律的有效途径和方法，因此被广泛用于点源及非点源氮、磷污染研究。近年来，流域模型也被用于研究东江流域降雨径流及污染负荷特征。刘洁等从土地利用[6]和降雨[7]角度，用SWAT(Soil & Water Assessment Tool)模型对东江流域径流变化进行研究。吕乐婷等[8]用SWAT模拟了东江流域1960-2010年51年间月径流与降水关系。董延军[9]和石赟赟[10]等用HSPF(Hydrological Simulation Program FORTRAN)对东江流域建模发现，城镇化会导致流域调蓄能力下降，进而产流能力增强，尤其是汛期这种表现更为显著。这些研究表明流域模型是研究东江这样的大型流域上复杂的水文水质问题的一个有效实用的工具。

本文研究的主要目的是用HSPF构建一个高精度的东江流域模型，来研究流域内降雨径流及污染负荷特征，从而为东江流域的污染治理提供决策基础。HSPF模型作为分布式综合性流域模型的代表,是研究大型、混合型土地利用流域污染问题的最佳模型之一。目前，HSPF模型因为对输入资料要求更高，建模专业门槛更高等原因，在国内相对应用较少。但是，近年来基于HSPF建模的美国最大的海湾Chesapeake Bay流域[11]、滇池流域[12]、苕溪流域[13]等研究区的案例表明，HSPF模型对流域长期连续的径流量模拟具有较好的适用性，而且能够完整地模拟氮磷迁移、转化过程。因此我们采用HSPF来研究东江流域氮磷污染。

1 研究区域概况

东江流域是广东、香港的水资源供应地，流域内多年平均降雨量约为1 800 mm，年径流总量约为330 亿m3。东江发源于江西省寻乌县，干流全长约562 km，包括16条一级支流，流域总面积约3.5 万km2，其中广东省境内面积约3.2 万km2，占比约90%(见图1)。

图1 东江流域及主要水系[14]Fig.1 Dongjiang river basin and major tributary[14]

2 研究方法

2.1 HSPF模型综述

HSPF是由美国环保署开发维护的一个半分布式综合性流域模型。HSPF模型将常见的污染物和毒性有机物模拟纳入到模型中，能够实现多种污染物地表、壤中流过程及蓄积、迁移、转化的综合模拟[15]。HSPF能够实现不同时空尺度的降雨、下渗等过程的动态和连续模拟。空间尺度方面，研究者可以将研究区划分为具有承接关系的子流域，子流域可以进一步划分为响应单元，子流域和响应单元的大小可以根据不同需求进行调整。时间尺度方面，HSPF一般用于模拟时间尺度为小时的产汇流过程，根据需要也可以模拟年、月、日、分钟等时间尺度。过去三十多年，HSPF模型已被广泛应用于流域水文、水质模拟研究，包括气候及土地利用变化对流域产流的影响，流域点源或非点源污染负荷确定，泥沙、营养物质、杀虫剂传输模拟以及各种流域管理措施对河流水质的影响等方面的研究。

2.2 流域空间的划分

HSPF模型构建的第一步是通过气象分布以及流域物理特性的差异，把流域划分成多个具有不同类型的水文响应的子流域。根据GIS(Geographic Information System)地形地貌以及土壤数据，东江流域在模型中被划分为407个子流域，面积从0.008 km2到412 km2。这是目前东江流域模型研究中空间离散精度最高的。这样高度细分的子流域能充分反应流域空间地形地貌的差异，为准确模拟流域各个地区的水文水质响应和分布的提供了基础。

2.3 模型输入数据

HSPF模型需要大量的输入数据，包括气象、土地利用及污染源数据。气象数据包括每小时降水量、蒸发量、日平均气温、平均风速及太阳辐射等。东江流域模型的气象数据来源于14个国家气象站(见图2)，2009到2015年7年的气象数据用来驱动模型。土地利用数据采用2015年100 m空间分辨率的GIS数据，在模型中分为六类：农业、森林、草地、城市、水体及其他。东江流域的点源污染包括生活污水和工业污水(见图3)，面源污染包括禽畜养殖业和农业肥料。生活污水和工业污水以及禽畜养殖业数据来自于广东省2015年环境统计数据。农业施肥根据广东省农业手册的年施肥量以及农作物生长季节，估算春秋两季每亩的施肥量。

图2 东江流域水文站和气象站Fig.2 Hydrological station and weather station in Dongjiang river basin

2.4 模型校核

模型校核是一个通过调整模型参数来吻合模型结果和监测数据的过程。东江流域设有14个长期的水文站(见图2)，其中12个站2011至2014年的日流量数据用来水文校核(见表1，枫树坝水库坝下站和新丰江水库站用实际泄流数据，所以不需要校核)。HSPF模型的水文校核通常用图形及统计指标来综合判断[16]，主要包括时间序列图、确定性系数R2、总径流量误差以及Nash-Sutcliffe 效率系数(NSE)。确定性系数R2可用来评价实测值与模拟值变化趋势的一致性，R2越接近于1，表示模拟值和实测值变化趋势越吻合。总径流量误差和模型系数NSE表示了实测值与模拟值的偏离程度，可以用来判断模型结果和监测数据的总体吻合度。NSE计算公式如下：

(1)

式中：Yobs为观测径流；Ysim为模拟径流；Ymean为观测径流的平均值。

一般R2大于0.6，NSE≥0.5时，模型的模拟结果被认为是可信的。对HSPF模型，当总径流误差绝对值<10%，NSE≥0.65时，模拟结果被认为非常好[16]。由于数据限制，水质校核采用了合理保证的方法。模型中主要的水质参数选用了HSPF水质校核指导文献[17]中推荐的典型值，然后根据水质模拟结果与水质分类指标和相关数据的对比进行了微调。校核后的模型然后用来确定氮、磷污染的时空分布特征和迁移演化规律。

3 结果与讨论

3.1 模型校核结果

对于每个校核站点，时间序列图可以用来判断模拟的流量在数量级以及时间上的分布是否和监测数据吻合。图4和图5分别是东江干流河源和博罗站2011-2014年的日流量模拟结果与实测结果的对比图。这两个图表明HSPF模拟的流量和实测数据十分吻合。再结合相应的统计指标(见表1)，结果表明模型在这两个站的模拟效果很好。

图5 东江博罗站日流量模拟结果与实测结果的对比图Fig.5 Comparison of daily flow simulation results and measured results of Boluo Station

表1列出了东江模型在所有12个水文站的统计指标。其中9个站的确定性系数R2>0.6；10个站的总径流误差达到了HSPF模型的流量校核标准(绝对值<10%)，只有九洲和平山两个站略微超标；7个站的模型系数NSE大于0.5，但上游两个支流站(胜前和岳城)的模型系数小于0.3。对这两个站的降雨径流分析表明这个结果主要是受降雨分布影响，模型所用的气象数据可能不能完全代表水文站当地的降雨情况，所以导致了结果的偏差。但总体来讲，综合各个指标，东江模型在大部分站都达到了良好标准，尤其是干流上的主要站点。

3.2 东江水质的时空变化

校核后的HSPF模型可以输出任意地点的水量和多种污染物指标，包括水温，溶解氧，BOD，泥沙，以及氮、磷浓度，因此可以用来分析东江水量和水质在时间和空间上的变化。本文选取东江干流上龙川，河源，岭下，博罗(见图2)4个监测站2010-2015年每月平均氨氮、总氮、总磷的浓度来探讨水质的变化。

表1 东江模型水文校核统计结果Tab.1 Dongjiang river model hydrological calibration result

东江干流上游龙川站氨氮浓度最低，河源站最高(见图6)。龙川站月平均氨氮浓度为0.04 mg/L到0.16 mg/L,而河源站的氨氮浓度则为0.17 mg/L到1.17 mg/L，是龙川站的5倍多。这主要是由于河源站附近有多个污染源造成的(见图2)。从河源到岭下再到博罗，氨氮浓度依次降低，主要是沿途污染源负荷较低，加上大量的来水稀释了上游来水的浓度。从时间上来说，由于污染源数据缺乏变化，每个站的氨氮浓度年际间变化不大，但是月与月之间浓度变化较大。河源站和岭下站汛期(4-6月)浓度最高，表明这两个站受面源的影响很大，但另外两个站则是枯水期(11-1月)浓度最高，表明它们受径流的影响更大。

图6 东江干流2010-2015每月平均氨氮浓度Fig.6 Monthly average ammonia nitrogen concentration of Dongjiang main stream(2010-2015)

从空间分布上来讲，东江干流的总氮浓度上下游变化不大(见图7)，尽管上游龙川站的浓度低于其他3个站。龙川站总氮浓度的范围是0.5到3.2 mg/L，河源站的范围是0.8到5.6 mg/L，相差不大。而且和氨氮不同的是，总氮浓度从河源到岭下再到博罗几乎没有变化，表明上游的氨氮部分转化为硝氮。从时间分布上，各个站的总氮浓度虽然年际间变化不大，但是总体呈现上升的趋势(见图7)，而且汛期(4-9月)浓度高于非汛期，表明总氮受降雨径流及面源污染的影响很大。

图7 东江干流2010-2015每月平均总氮浓度Fig.7 Monthly average total nitrogen concentration of Dongjiang main stream(2010-2015)

东江干流总磷浓度的空间分布呈现出和氨氮相似的趋势(见图8)，上游龙川站浓度最低，河源站最高，从河源到岭下再到博罗总磷浓度递次降低。总磷浓度在龙川站只有0.05到0.15 mg/L，但河源站的浓度是龙川的10倍之多，从0.21 mg/L到1.93 mg/L。这主要是由于河源站附近有多个污染源以及汛期上游的来水携带的污染物造成的(见图2)。从时间分布上，各个站的总磷浓度年际间变化不大，但是总体上有上升的趋势(见图8)，而且汛期(4-9月)浓度高于非汛期。这和总氮的时间分布一致，表明水质受汛期来水和面源污染的影响很大。

图8 东江干流2010-2015每月平均总磷浓度Fig.8 Monthly average total phosphorus concentration of Dongjiang main stream(2010-2015)

东江流域的HSPF模型还可以用来估算各地区的来水和污染物负荷。表2列出了模型测算的东江一级支流年平均水量和氮磷负荷及其百分比。东江支流年平均来水量为241 亿m3，其中增江河、西枝江、新丰江水库及枫树坝水库四条支流的来水占61.4%，其余38.6%来自于其他19条支流。氨氮年平均负荷约9 000 t，总氮约6 万t，总磷约3 000 t。增江河、公庄河、新丰江水库和西枝江四条支流总共贡献了71.9%的氨氮，61.6%的总氮和73.8%的总磷。在这四条支流中，公庄河的水量占6.1%，但负荷却很高(22.4%的氨氮，12.7%的总氮，15.9%的总磷)，分析是由于这个支流流域内有多个禽畜养殖场排放氮磷(见图3)，造成污染物浓度偏高。其他3个支流的高负荷则主要是由于来水量大造成的。东江上游以农业经济为主，禽畜业和农业面源污染是其主要污染源，应该要着重控制。中下游则是要集中处理城市化带来的生活和工业污水。

表2 东江流域主要支流年平均水量和氮磷负荷Tab.2 Annual average water volume and nitrogen and phosphorus load of major tributaries

4 结 论

本文构建了一个基于HSPF的分布式模型来研究东江流域径流和氮磷的时空分布。东江流域HSPF模型包括407个子流域，在12个水文站上进行了校核。综合各个指标来看，东江模型在大部分站，尤其是干流上的主要站点，都达到了良好标准。校核后的模型可以用来确定氮、磷污染的时空分布特征和迁移演化规律，模型结果表明：

(1)东江干流上游龙川站氨氮浓度最低，河源站最高。从龙川到博罗氨氮浓度年际间变化不大，但是月与月之间浓度变化较大。

(2)东江干流的总氮浓度上下游变化不大，表明上游的氨氮部分转化为硝氮。各个站的总氮浓度年际间变化不大，主要受降雨径流及面源污染的影响。

(3)东江干流总磷浓度上游龙川站浓度最低，河源站最高，从河源到岭下再到博罗总磷浓度递次降低。各个站的总磷浓度年际间变化不大，汛期(4-9月)浓度高于非汛期，表明水质受汛期来水和面源污染的影响很大。

(4)东江氨氮年平均负荷约9 000 t，总氮约6 万t，总磷约3 000 t。增江河、公庄河、新丰江水库和西枝江四条支流总共贡献了71.9%的氨氮，61.6%的总氮和73.8%的总磷。因此东江负荷控制的重点应该放在这几条大的支流。

(5)分布式流域模型为研究东江流域复杂的水文水质及各种污染因子的时空分布特征提供了一个有效的方法。可靠的数据是构建模型的关键，因此应该把监测和收集流域内的水文水质数据作为东江流域未来污染研究的一个重点。

□