沱江流域主要污染负荷预测及时空分布特征

姚 婧，肖宇婷，樊 敏，谌 书，刘云峰，陈 雯，邓 粤，王美玲

1.西南科技大学环境与资源学院，四川 绵阳 621010 2.成都市沱江流域投资发展集团有限公司，四川 成都 611741

随着城市化和工业化快速发展，城市工业废水和生活污水肆意排放，用水量过耗及水生态环境恶化等问题严重影响了流域水环境的可持续发展[1]。流域污染负荷的预测解析研究可以为流域水环境综合治理提供科学合理的分析，有助于制定针对性方案，为水环境规划与管理提供科学支撑[2]。目前，工业点源和生活污染源污染负荷的预测方法主要有输出系数法[3-5]、多元统计分析法[6-9]及分布式模型[10-13]等。输出系数法所需数据较少，操作简单，模拟精度较高，在大中尺度流域具有较好的适用性，在国内外得到广泛应用。排污系数法[14-15]借鉴经典输出系数模型思路，将污染物输出系数替换为排放系数，得到污染物排放量，对点源污染和面源污染负荷都可进行估算，参数较少，应用范围广，适用于缺乏实验条件的区域[16]。多元统计分析法预测精度高，但受样本数量的限制无法准确判别污染趋势的变化，适应性较差[17]。分布式模型预测精度高，但所需参数较多，且建模时要求拟合程度高，适用性较差，难以应用到缺乏水力、水文、水质等众多参数的大中尺度流域。

沱江流域是四川省人口密度最大、城市分布最密集、工农业生产最发达的地区，该区域承载了全省30.8%的经济总量和26.2%的人口。然而，流域内工业、城镇、农村生活和畜禽养殖等各类污染源众多，使沱江流域成为长江上游较为典型的污染较重流域[18]。目前，针对沱江流域水污染开展的一系列研究主要围绕单个污染物指标或小单元范围的污染物负荷估算及源解析[19]、时空分布特征分析[20]、水质评价[21-22]、污染现状分析[23]、污染类型划分及防治[24-25]等，缺乏整个流域范围内主要污染源的多个污染指标在未来时空演变的研究。因此，笔者以沱江流域为研究区域，在28个县(市、区)尺度上采用灰色模型法、工业点源传统统计法和生活污染源排污系数法分别预测2020—2025年流域人口数、工业点源和生活污染源污染负荷，并利用ArcGIS技术探索2025年沱江流域各县(市、区)人口、工业点源和生活污染源的污染负荷空间分布特征。通过分析其时空变化趋势，提出相应的治理措施，对恢复沱江流域水环境质量，保护长江上游水生态安全具有重要意义。

1 研究区域概况

沱江是长江的一级支流，位于四川省中部，发源于绵竹市清平镇，经简阳市、资阳市、资中县、内江市、自贡市和富顺县等至泸州市汇入长江。河流全长为712 km，流域面积约为3.29×104km2。2005年四川省环境公报显示，省控监测河段中，11.8%的断面满足I类水质标准，5.9%的断面满足II类水质标准，58.8%的断面属于IV类水质，5.9%的断面属于V类水质，劣于V类水质标准的断面占17.6%。沱江流域沿江区域工矿业发展较快，大量污水、工业废水未经处理或者处理未达标直接排入河流，城镇生活、畜禽养殖和农业种植污染的叠加进一步增加了流域污染排放强度，流域面临日益严峻的水环境压力[26]。因此，预测沱江流域工业点源、生活污染源污染负荷，掌控流域污染负荷时空变化特征，可为该流域环境综合治理方案的制定和流域环境规划与管理提供科学参考。

2 数据来源与研究方法

2.1 数据来源

环境库兹涅茨曲线理论认为经济发展水平与环境污染间存在倒“U”形关系[27-28]，同时，相关研究[29]也证实地方经济总量是导致工业废水排放增加的主要因素。笔者将工业GDP值作为工业废水排放量的参考指标，其中，工业废水排放数据来源于《四川省水资源公报》，工业GDP数据来源于《四川统计年鉴》，工业点源污染负荷数据来源于四川省环境科学研究院监测站的监测报告，污染负荷排放浓度数据来源于《污水综合排放标准》(GB 8978—1996)中的一级标准，详见表1。

表1 数据来源Table 1 Data sources

相关研究表明[29]，人口对工业污染负荷的贡献主要体现在厂区内人口产生的生活废水排放，而这些废水与工业废水合并排放，其影响不明显，因此将人口数作为生活污染源污染负荷的参考指标，其数据来源于《四川统计年鉴》(为消除工业点源、城市和农村生活污染源各相关参数之间的相关性对预测精度的影响，笔者保持所有预测数据在同一时间和空间尺度上)。

2.2 工业点源的污染负荷预测

沱江是四川省重要河流之一，其以仅占全省3.5%的水资源支撑了全省30%的经济总量和26.2%的人口，沱江流域工业GDP对四川省工业GDP发挥了重要作用[18]。

鉴于沱江流域各县(市、区)工业废水排放数据的获取存在局限性，以及沱江流域对四川省工业GDP的贡献性和代表性，笔者选取四川省1992—2010年工业GDP值和工业废水排放量历史数据，首先计算了1992—2009年每年工业GDP增长率(αi)和工业废水排放量增长弹性系数(εi)，然后分别求其平均值，得到工业GDP年均增长率(α)和工业废水排放量增长弹性系数(ε)，将该参数应用到沱江流域各县(市、区)未来工业GDP和工业废水排放量的预测计算中。最后基于2016年沱江流域各县(市、区)工业GDP值、工业废水排放量、工业GDP年均增长率和工业废水排放量增长弹性系数，采用工业点源传统统计法计算2020—2025年沱江流域各县(市、区)工业点源污染负荷[30]，其相关计算公式及关键参数取值见表2。

表2 工业点源主要污染负荷预测Table 2 Prediction of main pollution loads from industrial point sources

2.3 生活污染源主要污染负荷预测

GM(1,1)预测模型利用累加技术使原始数据具备指数规律，然后建立一阶微分方程并求解，最后将所求结果再累减还原，即为灰色预测值，对未来进行预测[31]。GM(1,1)预测模型主要针对“小样本、少数据、贫信息”的不确定性系统展开研究，预测效果较好，运算过程简单。

该研究基于沱江流域2013—2018年各县(市、区)城镇和农村人口历史数据，采用GM(1,1)预测模型探索了2020—2025年流域内各县(市、区)城镇和农村人口的发展趋势，所有计算过程均在R中实现[31-32]。在此基础上，采用排污系数法探明城镇和农村生活污染源的污染负荷变化特征，相关计算公式及主要参数取值见表3。

表3 生活污染源主要污染负荷预测Table 3 Prediction of main pollution loads from domestic non-point pollution sources

3 结果与分析

3.1 工业GDP与工业废水排放量时空分布预测

3.1.1 时间变化特征

2016年各县(市、区)工业GDP值和工业废水排放数据分别来源于《四川统计年鉴》和四川省环境科学研究院监测站，将其分别与笔者提出的经济增长预测法和工业传统统计法计算得到的预测值进行比较，相对误差均为10%以下，表明笔者提出的方法和所得工业GDP值、工业废水排放量预测结果是可信的。图1体现了沱江流域工业GDP值与工业废水排放量的变化趋势，如图1所示，2016—2025年，沱江流域工业GDP值呈逐年递增趋势，工业废水排放量呈逐年递减趋势。2016年工业GDP总值为0.875×1012元，2020年为1.599×1012元，到2025年将增加到3.399×1012元。2016年工业废水排放量为1.164×108t，2020年为0.980×108t，预计到2025年，工业废水排放量将减少到0.522×108t。工业GDP值与工业废水排放变化曲线与环境库兹列茨曲线相似，呈现出倒“U”型。在工业经济增长过程中，研发支出上升，推动生产技术进步，在提高生产率的同时也改善了资源的使用效率，降低了产出的污染排放，削弱了生产对自然与环境的影响。

图1 沱江流域工业GDP值与工业废水排放量变化趋势Fig.1 Variation of industrial GDP and industrial wastewater discharge in the Tuojiang River basin

3.1.2 空间分布特征

2025年各县(市、区)工业GDP值与工业废水排放量空间分布如图2所示，工业GDP值呈中、上游较高，下游较低的特征；工业废水排放量呈上游较多，中游和下游较少的特征。其中，工业GDP值较高的分别是上游的龙泉驿区，中游的简阳市、雁江区和仁寿县，下游的江阳区；工业废水排放量较多的分别是上游的绵竹市和广汉市，中游的资中县和下游的富顺县。

图2 2025年沱江流域各县(市、区)工业GDP值与工业废水排放量空间分布Fig.2 Spatial distribution of industrial GDP and industrial waste waterdischarge among counties in the Tuojiang River basin in 2025

3.2 工业点源主要污染负荷时空分布预测

3.2.1 时间变化特征

采用经过验证的工业点源传统统计法预测得到2016—2025年各县(市、区)工业点源主要污染负荷，并对整个流域进行统计分析，见图3。

图3 沱江流域工业废水主要污染负荷变化趋势Fig.3 Variation of main pollution loads of industrialwaste water in the Tuojiang River basin

由图3可知，工业点源主要污染负荷呈逐年递减趋势，2016年沱江流域工业点源COD、NH3-N、TN和TP污染负荷分别为10 916.38、814.59、2 680.01、108.72 t，预计到2025年，各污染负荷分别减为4 898.49、365.53、1 202.60、48.79 t，减少率分别为55.13%、55.13%、55.13%和54.30%。沱江流域“二三一”向“三二一”产业结构的转型与经济发展驱动力转变(尤其是创新和消费驱动型增长)使工业点源污染负荷逐渐减少[36]。

3.2.2 空间分布特征

2025年沱江流域各县(市、区)工业点源主要污染负荷空间分布如图4所示，各县(市、区)工业点源主要污染负荷空间分布差异较大，COD排放量呈中游较少，上、下游较多的特征。COD排放量较高的县(市、区)分别是上游的旌阳区和广汉市，中游仁寿县和资中县，下游富顺县和泸县，其中仁寿县COD排放量为全流域最高。NH3-N排放量呈上游和中游较多，下游较少的特征。NH3-N排放量较高的县(市、区)分别是上游的旌阳区和广汉市，中游的仁寿县和下游的富顺县，其中富顺县NH3-N排放量为全流域最高。TN排放量呈上游和下游排放量较多，中游排放量较少的特征。TN排放量较高的县(市、区)分别是上游的绵竹市、广汉市、旌阳区和彭州市，中游的仁寿县和下游的隆昌县、富顺县和龙马潭区，其中富顺县和龙马潭区TN排放量为全流域前二位。TP排放量呈上游右岸、中游左岸和下游右岸较多，其他区域较少的特征。TP排放量较多的县(市、区)分别是上游的绵竹市，中游的仁寿县，下游的隆昌县、富顺县和泸县，其中隆昌县TP排放量为全流域最高。研究表明[36]，工业污染时空格局与地方经济总量、增速等密切相关。各县(市、区)之间工业经济规模与增速的差异使工业点源污染空间差异更为显著。

图4 2025年沱江流域各县(市、区)工业点源主要污染负荷空间分布Fig.4 Spatial distribution of main pollution loads from industrialpoint sources of counties in the Tuojiang River basin in 2025

3.3 农村、城镇人口时空分布预测

3.3.1 时间变化特征

研究首先将经GM(1,1)预测模型计算得到的2019年人口预测值与《四川统计年鉴》中对应的人口统计数据进行比较，相对误差为10%以下，表明此研究方法可信。

其次，利用人口趋势灰色模型预测法计算得到2020—2025年各县(市、区)城镇、农村人口数，并对整个流域进行统计分析，如图5所示。

农村人口呈逐年递减趋势，城镇人口呈逐年递增趋势。2016—2025年，农村人口减少约1.841×106人，减少率为18.89%，而城镇人口增加约3.905×106人，增加率为41.91%。

2016年，农村人口数大于城镇人口数，自2017年起，农村人口数开始小于城镇人口数，且随着时间的推移，农村与城镇人口数之间的差异逐渐增大，预计到2025年，城镇人口数将增加至农村的1.67倍。

图5 沱江流域农村、城镇人口变化趋势Fig.5 Variation of population between ruraland urban in the Tuojiang River basin

3.3.2 空间分布特征

2025年各县(市、区)农村、城镇人口空间分布如图6所示。

由图6可见，流域农村、城镇人口空间分布差异较大。城镇人口呈上游、中游较多，下游较少的特征。城镇人口分布较多的有上游的彭州市、旌阳区、新都区和龙泉驿区，中游的简阳市、仁寿县、资中县、安岳县、雁江区和东兴区，下游的泸县、江阳区和自流井区，其中新都区、龙泉驿区和自流井区城镇人口分布位列前三；农村人口呈中游最多，下游其次，上游最少的特征。其中中游的简阳市、仁寿县、资中县和安岳县农村人口分布较多。城镇、农村人口的差异性分布与其当地社会经济发展水平密切相关。

图6 2025年沱江流域各县(市、区)城镇、农村人口空间分布Fig.6 Spatial distribution of urban and rural population ofcounties in the Tuojiang River basin in 2025

3.4 城镇生活污染源主要污染负荷时空分布预测

3.4.1 时间变化特征

为进一步验证该区域污染负荷预测结果的可信性，将采用排污系数法计算得到的污染负荷预测结果与前人研究结果进行比较[16]，两者相对误差为10%以下，表明此研究方法的预测结果可信性较强，城镇生活污染源主要污染负荷预测结果如图7所示。

图7 沱江流域城镇生活污染源主要污染负荷变化趋势Fig.7 Variation of main pollution loads from urban domestic non-pointpollution sources in the Tuojiang River basin

城镇生活污染源主要污染负荷呈逐年递增趋势，各污染负荷贡献率表现为COD>TN>NH3-N>TP。2016—2025年，COD、NH3-N、TN和TP排放量分别增长了9.62×104、0.64×104、1.15×104、1.54×104t，增长率均为41.91%。由于城市化的快速发展，大量农村人口向城市汇聚，城市生活用水量上升，水环境压力增大，生活垃圾和生活污水排放量增加。

3.4.2 空间分布特征

2025年各县(市、区)城镇生活污染负荷空间分布如图8所示，各污染负荷空间分布特征相似，各县(市、区)污染负荷空间分布差异较大。COD、NH3-N、TN和TP排放量在空间上均呈中游最多、上游其次、下游较少的特征。上游排放量较多的有新都区和龙泉驿区；中游排放量较多的有简阳市、仁寿县、雁江区、资中县、东兴区和安岳县；下游排放量较多的是自流井区、泸县和江阳区。其中，新都区、龙泉驿区和自流井区主要污染负荷量最多。相关研究表明[16]，生活污染源污染负荷量与人口数呈高度正相关，城市人口密集的区域生活用水量大，生活垃圾多，污染负荷量大，农村地区与其相反。

3.5 农村生活污染源主要污染负荷时空分布预测

3.5.1 时间变化特征

图9体现了沱江流域农村生活污染源主要污染负荷变化趋势。图9表明，农村生活污染源的主要污染负荷呈逐年递减趋势，各污染负荷贡献率表现为COD>TN>NH3-N>TP。2016—2025年，COD、NH3-N、TN和TP排放量分别减少8.07×103、0.81×103、1.01×103、0.14×103t，减少率均为18.89%。人口数是影响生活污染负荷的重要因素，城市化驱使大量农村人口向城市聚集，农村人口大量减少，农村生活污染负荷量降低，污染程度减缓。

图8 2025年沱江流域各县(市、区)城镇生活污染源主要污染负荷空间分布Fig.8 Spatial distribution of main pollution loads from urban domesticnon-point sources of counties in the Tuojiang River basin in 2025

3.5.2 空间分布特征

2025年沱江流域各县(市、区)农村生活污染负荷空间分布如图10所示，研究区域各县(市、区)农村生活污染源各污染负荷空间分布特征相似，各县(市、区)污染负荷分布差异较大。

图10 2025年沱江流域各县(市、区)农村生活污染源主要污染负荷分布Fig.10 Spatial distribution of main pollution loads from rural domesticnon-point sources of counties in the Tuojiang River basin in 2025

COD、NH3-N、TN和TP的排放量呈中游最多，上游和下游较少的特征。COD、NH3-N、TN和TP排放量较高的有上游的彭州市，中游的简阳市、仁寿县、资中县和安岳县，下游的沿滩区和泸县。农村生活污染源各污染负荷均与农业人口呈正相关，农业人口在空间上的不均匀导致各县(市、区)生活污染负荷分布产生显著性差异。

4 结论与建议

4.1 结论

采用工业点源传统统计法和排污系数法分别探索了沱江流域工业和生活污染源主要污染负荷的发展趋势，并从时空2个纬度分析了各污染源主要污染负荷的分布特征，得出以下结论：

2016—2025年，沱江流域工业GDP值呈逐年增加趋势，增量为2.52×1012元；工业废水排放量与工业点源污染负荷均呈逐年减少的趋势，其中工业废水排放量减少0.64×108t，COD、NH3-N、TN和TP分别减少了6 017.89、449.06、1 477.41、59.93 t。

2016—2025年，农村人口与生活污染源各污染负荷呈逐年减少的趋势，其中，农村人口减少了1.841×106人，减少率为18.89%，农村生活污染源各污染负荷分别减少了8.07×103、0.81×103、1.01×103、0.14×103t，减少率均为18.89%；城镇人口与生活污染源各污染负荷呈逐年增加的趋势，其中城市人口增加了3.905×106人，增加率为41.91%，城市生活污染源各污染负荷分别增加了9.62×104、0.642×104、1.154×104、1.54×104t，增长率均为41.91%。

从空间分布特征来看，工业点源污染负荷呈上游较少，中、下游较多的特征；城市生活污染源污染负荷呈中、上游较多，下游较少的特征；农村生活污染源的污染负荷呈中游较多，上、下游较少的特征。

4.2 沱江流域污染防治建议

通过预测沱江流域工业点源污染负荷与生活污染源污染负荷，分析各县(市、区)污染负荷时空分布特征，提出以下控制策略：

1)工业污染治理。经济发展、产业结构和技术水平等因素均能对工业污染物排放量产生严重影响，经济发展效应是导致工业废水排放增加的主要因素。产业结构对工业废水排放的贡献量主要受政策影响，技术改善效应对工业废水排放抑制作用较强，因此各地区应优化工业产业结构，走新型工业化道路。政府应创新管理模式，完善环境保护立法，鼓励企业研发污染治理技术，加强环保宣传力度，提高公众环保意识，避免以环境容量的过度为代价追求工业经济的高质量和可持续发展。

2)农村生活污染治理。人口因素严重影响生活污染源污染负荷的发展趋势，沱江流域中游地区农业人口密度大，农村生活污染严重。因此，环保部门应该加大沱江流域中游生活污染治理，提升乡村人口环保意识，完善乡村生活污水处理设施，推进农村生活污水治理，改善农村环境质量。

3)城市生活污染治理。受人口、经济条件、社会发展趋势等因素的影响，大部分地区城市生活水体污染程度不断加深。对此，各地政府部门应结合当地实际情况建立更为合理的城市生活污水治理机制，加强对城市污水管网的日常维护，加大对污染环境行为的监管和处罚力度，通过税收和排污许可证制度等控制企业排污。同时，城市公民也需要积极参与到环境保护的相关工作中来，真正实现全民共同努力，共同促进城市的可持续发展。

5 创新与展望

工业产值是影响流域工业污染负荷的重要因素，而人口是影响生活非点源污染负荷的重要因素。该研究耦合2种社会-经济因素(工业GDP与人口)，对沱江流域各县(市、区)工业点源和生活污染源污染负荷进行了长时间序列预测，并从空间角度探索了各污染源的污染负荷分布特征，结果可以直观展示出各污染源的污染负荷时空变化趋势和分布格局，为识别流域重点治理及防控区域和污染源提供判据，有利于环保部门制定针对性污染治理政策。该研究提出的基于社会-经济因素的流域污染负荷预测解析研究框架，可以推广到其他流域类似的污染负荷时空变化趋势研究中，为基于社会-经济因素驱动的流域污染负荷预测研究提供研究思路。此外，该研究从全局和局部的角度出发，基于四川省与各县(市、区)社会-经济因素之间的联系，选取四川省工业废水排放数据计算工业废水排放量增长弹性系数，并应用到各县(市、区)工业点源污染负荷预测，对个别社会-经济因素变化不显著的县(市、区)或工业废水排放量较少的县(市、区)预测结果可能有一定的偏差。因此，在未来的污染负荷预测中将进一步探索四川省与各县(市、区)的社会-经济因素间的内在关系，提高流域污染负荷的预测结果精度，为水环境污染的预防和管理提供参考。