基于DPeRS模型的淮河流域氮磷面源污染评估
冯爱萍, 黄莉, 徐逸, 吴传庆, 王雪蕾     
生态环境部卫星环境应用中心,北京 100094
摘要: 采用DPeRS模型对淮河流域氮、磷面源污染空间特征进行遥感像元尺度解析,并对“十三五”《重点流域水污染防治规划》中划定的淮河流域235个控制单元进行面源污染优先控制单元分析。结果表明,淮河流域2016年TN和TP面源污染排放量分别为44.99和2.44万t,入河量分别为27.72和1.27万t;空间分布上,淮河流域的东部和南部氮、磷污染程度较为显著,北部污染程度较轻;农田径流型是淮河流域最主要的氮、磷面源污染源,均占到总污染量90%以上,是该流域氮、磷面源污染防治优先控制的污染源,对于TN指标次要影响类型为城镇地表径流,对于TP指标次要影响类型为畜禽养殖;筛选出淮河流域TN和TP面源污染优先控制单元分别为164和185个, 面积占比分别为75.3%和85.0%。
关键词: 面源污染    氮、磷    遥感分布式面源污染计算模型    遥感    淮河流域    
Diffuse Pollution Assessment of Nitrogen and Phosphorus in Huaihe River Basin Based on DPeRS Model
FENG Ai-ping, HUANG Li, XU Yi, WU Chuan-qing, WANG Xue-lei     
Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094, China
Abstract: The DPeRS model was used to assess spatial characteristics of nitrogen (N) and phosphorus (P) diffuse pollution in Huaihe River Basin(HRB) at pixel scale. In Watershed Water Pollution Control Planning of the 13th Five-Year Plan published by MEE, PRC (Ministry Ecology and Environment of People's Republic China), 235 control units were defined. Here the priority control units (PCU) in HRB were analyzed. Results showed in 2016, the total discharge of total nitrogen (TN) was 27.72×104t with the total production being 44.99×104t, and the total phosphorus (TP) was 1.27×104t with the total production being 2.44×104 t. The diffuse pollution of nitrogen and phosphorus was serious in the eastern and southern areas of HRB, and the pollution in the northern areas was not significant relatively. Agriculture contributed most of nitrogen and phosphorus production, which was more than 90% of the total production of both TN and TP. Agriculture was the prior-controlling pollution source for the control of DP in HRB. Secondary pollution source of TN and TP was urban runoff and livestock respectively. The numbers of PCU of TN and TP were 164 and 185 respectively, which covered 75.3% and 85.0% of the areas of HRB respectively.
Key words: Diffuse pollution    Nitrogen and phosphorus    DPeRS model    Remote sensing    Huaihe river basin    

随着工业点源污染逐步得到控制,面源污染已成为流域水质恶化的主要原因。面源污染相对于点源而言,具有广域性、复杂性、间歇性、滞后性及分散性等特点,导致其控制难度大、成本高和成效不明显,治理难以抓住重点[1-2]。因此,准确估算流域面源污染负荷量,解析流域内污染程度和识别重点污染源是面源污染控制治理的关键,可为流域制定水质改善措施提供重要依据[3]

目前国内学者关于面源污染负荷的研究多采用SWAT(Soil and Water Assessment Tool)模型[4-5]、AnnAGNPS(Annualized Agricultural Non-point Source Pollution)模型[6]、平均浓度[7-8]、输出系数模型[9-10]和大尺度面源污染模型[11-12]等,可解决不同尺度、不同需求的面源污染问题[13]

对于淮河流域面源污染的相关研究,大多采用清单分析法。有学者开展了淮河流域农业面源污染进行分类核算及空间特征解析[3]、流域农业面源污染中氮排放时空变化及其健康风险评价[14]和安徽省农业面源污染负荷估算及污染源识别[15]等方面的研究;文献[16]应用SWAT模型对太湖流域典型圩区农业氮、磷面源污染进行模拟与分析;文献[17]应用大尺度面源污染负荷匡算模型对南通平原河网地区面源污染负荷进行了匡算。而应用遥感技术对淮河流域面源污染空间特征分析的相关研究较少。

对比国内外其他面源污染模型,遥感分布式面源污染模型(Diffuse pollution estimation with remote sensing,DPeRS)在模型结构、模型运行条件和模拟指标等几方面具有较大的管理应用优势[13]。现从管理需求出发,应用DPeRS模型[18-19],对淮河流域农田径流、农村生活、城镇径流、畜禽养殖和水土流失等引发的氮、磷面源污染负荷进行空间估算和源解析,从而明确面源污染的重点防治区,有针对性地提出防治措施,以期为淮河流域水环境管理提供决策支持。

1 研究方法 1.1 研究区概况

淮河流域位于中国东部,介于长江和黄河流域之间,其面积为32.6万km2,包括河南、安徽、山东、江苏、湖北5省48个地市和308个县(市),地处中国南北气候过渡带,淮河以北属暖温带区,以南属北亚热带区,年平均气温为11~16℃,其变化由北向南,由沿海向内陆递增,多年平均降水量约为920 mm。

淮河流域位置见图 1(a)(b)

图 1 研究区位置

1.2 主要数据及处理

DPeRS模型中既考虑了降水、植被盖度、地形和地貌等自然要素,同时也考虑了施肥利用效率、人口和牲畜等社会经济要素。模型所需数据包括淮河流域土地利用、月植被覆盖、坡度坡长、月降水、土壤类型、施肥量、作物产量及播种面积等。具体数据和处理方法见表 1

表 1 主要空间数据
数据类型 数据来源 处理方法
遥感 MOD13A2的NDVI数据(1 km分辨率植被指数16 a合成产品) 用于植被覆盖度反演和土地利用分类提取[20]
降水 月和年降水量 将DEM作为协变量,采用薄板样条滑动平均法进行插值[21]
地形 坡度、坡长数据(基于ASTER全球DEM数据/30 m进行提取) 应用ls_cal.aml程序[22]计算得到
土壤 国家基础信息数据1:100万土壤类型数据
统计 县级人口数量、畜禽养殖量、耕地面积、化肥施用量、作物产量及播种面积等51个指标数据 用于农田氮、磷平衡量估算,采用输入输出法计算[23]

1.3 模型方法

DPeRS模型以大尺度面源污染模型[11]为基础,以遥感数据为驱动,耦合定量遥感模型和生态水文过程模型对流域尺度面源污染负荷进行空间定量核算。模型包括5大模块,分别为:农田氮、磷平衡核算模块[23]、植被覆盖度定量遥感反演模块[24]、溶解态污染负荷估算模块、颗粒态污染负荷估算模块和入河模块;可以概括为5个污染类型和2个元素形态,即:农田径流型、城镇径流型、农村生活型、畜禽养殖型和水土流失型,溶解态和吸附态2种污染物形态。污染指标为总氮(TN)、总磷(TP)、氨氮(NH4+-N)和化学需氧量(CODCr)。该模型涉及的参数根据流域水文特征、土地利用和土壤特征等因素确定,空间计算单元为影像栅格,模型核心算法详见文献[25]。现仅讨论氮、磷指标。

1.4 面源污染优先控制单元筛选方法

“十三五”《重点流域水污染防治规划》中划定全国1 784个控制单元, 其中淮河流域占235个。对淮河流域控制单元进行氮、磷面源污染优先控制单元的筛选,筛选方法具体为:将对照年(2005、2010、2015年3年的平均)每个省的2项指标平均值分别作为该省份面源污染优先控制的阈值,该省份内每个控制单元的2项指标值分别与本省阈值进行对比,面源污染排放负荷和入河量均大于该省阈值的单元判定为最优先控制单元,命名为源头、入河过程Ⅰ类优先控制单元;排放负荷大而入河量小或者排放负荷小而入河量大的控制单元判定为Ⅱ类优先控制单元, 分别命名为源头Ⅱ类优先控制单元和入河过程Ⅱ类优先控制单元,其他情况判定为一般面源污染控制单元。研究中,对照年面源污染情况代表“十三五”前面源污染的本底状况[26],淮河流域TN和TP指标的分省判定阈值见表 2

表 2 淮河流域各省份面源污染优先控制单元筛选阈值
省份 TN标准 TP标准
排放负荷/ (t·km-2) 入河量/ t 排放负荷/ (t·km-2) 入河量/ t
江苏省 1.44 486.4 0.05 16.5
安徽省 1.15 766.5 0.05 37.1
山东省 0.54 199.3 0.04 14.7
河南省 0.50 321.8 0.04 27.0
湖北省 2.36 2 228.0 0.09 77.8

2 结果与讨论 2.1 淮河流域面源污染排放空间分布特征

应用DPeRS模型对淮河流域2016年面源污染负荷进行月尺度估算,结果表明,淮河流域TN和TP排放负荷分别为1.38和0.07 t/km2,排放量分别为44.99和2.44万t;空间分布上,流域中部和东南部区域TN排放负荷较高,西部与北部区域较低;TP与TN排放负荷的空间分布规律相似,高值区分布在流域中部与东南部区域,覆盖了江苏省片区的大部、安徽和河南省片区的东部与北部等地区,淮河流域氮、磷面源污染排放负荷的空间分布见图 2(a)(b)

图 2 氮、磷面源污染排放负荷的空间分布

2.2 淮河流域面源污染入河空间分布特征

结合2016年淮河流域空间入河系数,应用DPeRS模型对流域氮、磷面源污染入河量估算,结果表明,淮河流域TN和TP入河负荷分别为0.85和0.04 t/km2,入河量分别为27.72和1.27万t。

空间分布上,流域东南部区域TN入河负荷较高,中西部与北部区域较低;TP与TN入河负荷的空间分布规律相似,高值区分布在流域东南部区域,覆盖了江苏省片区的大部、安徽省片区的东南部、河南省片区的中部和北部等地区,淮河流域氮、磷面源污染入河负荷的空间分布见图 3(a)(b)

图 3 氮、磷面源污染入河负荷的空间分布

2.3 淮河流域氮、磷面源污染类型分析

对2016年淮河流域农田径流型、城镇径流型、农村生活型、畜禽养殖型和水土流失型5种氮、磷面源污染类型进行统计分析, 结果如表 3所示:对于TN指标,农田径流是淮河流域主要的面源污染源,其排放量和入河量分别占总污染量的97.0%和98.1%,其次是城镇径流(2.2%和1.4%);对于TP指标,农田径流是首要的面源污染源,其排放量和入河量分别占总污染量的90.7%和93.6%,其次是畜禽养殖(5.2%和3.4%)。

表 3 不同污染类型TN、TP核算
污染类型 指标 排放负荷/ (t·km-2) 排放量/万t 入河负荷/ (t·km-2) 入河量/万t
农田径流 TN 1.340 43.62 0.835 27.18
TP 0.068 2.21 0.037 1.19
畜禽养殖 TN 0.005 0.16 0.002 0.05
TP 0.004 0.13 0.001 0.04
农村生活 TN 0.007 0.21 0.003 0.09
TP 0.001 0.02 0.000 2 0.01
城镇径流 TN 0.030 0.97 0.012 0.39
TP 0.002 0.07 0.001 0.03
水土流失 TN 0.002 0.07 0.001 0.02
TP 0.001 0.03 0.000 2 0.01

周亮等[3]对淮河流域2009年的农业面源污染空间特征进行了解析,采用清单分析法对流域畜禽养殖、农村生活等4种污染源TN、TP排放量与排放强度进行了核算,2009年淮河流域农田种植型TN和TP排放量分别为21.95和2.20万t;DPeRS模型模拟结果显示,2016年淮河流域农田径流型TN和TP排放量分别达43.62和2.21万t。DPeRS模型和清单分析法(输出系数模型)在淮河流域的对比验证结果表明,不同的模型方法在同一区域的核算结果存在一定差异,但数量级上是一致的,此外,模拟时间尺度不同也有一定影响。

2.4 淮河流域氮、磷面源污染空间管控分析

淮河流域氮、磷面源污染优先控制单元筛选结果表明,TN面源优先控制单元共164个,面积占比达到75.3%,其中,源头、入河过程Ⅰ类优先控制单元共113个,面积占比46.6%;Ⅱ类优先控制单元共51个,包括23个源头Ⅱ类优先控制单元和28个入河过程Ⅱ类优先控制单元,Ⅱ类优先控制单元面积占比达到28.8%。TP面源优先控制单元共185个,面积占比达到85.0%,其中,源头、入河过程Ⅰ类优先控制单元共126个,面积占比52.4%;Ⅱ类优先控制单元共59个,包括24个源头Ⅱ类优先控制单元和35个入河过程Ⅱ类优先控制单元,Ⅱ类优先控制单元面积占比达到32.6%。

空间分布上,TN面源污染优先控制单元在淮河流域除中西部和北部的部分地区外均有分布,TP面源污染优先控制单元覆盖了流域的大部分地区,2016年淮河流域氮、磷面源污染优先控制单元空间分布见图 4(a) (b)

图 4 淮河流域氮、磷面源污染优先控制单元空间分布

3 结论

(1) DPeRS模型在流域面源污染模拟结果表明,淮河流域2016年TN污染负荷为1.38 t/km2,排放量和入河量分别为44.99和27.72万t;TP污染负荷为0.07 t/km2,排放量和入河量分别为2.44和1.27万t。空间分布上,淮河流域东部和南部氮、磷面源污染较为显著,北部污染较轻。

(2) 淮河流域氮、磷面源污染类型分析表明,农田径流是淮河流域TN和TP最主要的面源污染源,对于TN指标,次要污染源是城镇径流,对于TP指标,次要污染源为畜禽养殖型。农田径流型污染源是淮河流域氮、磷面源污染防治优先控制的污染源。

(3) 淮河流域氮、磷面源污染空间管控分析结果表明,淮河流域覆盖了235个控制单元,TN面源优先控制单元共164个, 面积占比达到75.3%;TP面源优先控制单元共185个, 面积占比为85.0%;TN面源污染优先控制单元在淮河流域除中西部和北部的部分地区外均有分布,TP面源污染优先控制单元覆盖了流域的大部分地区。

参考文献
[1]
周慧平, 高超, 朱晓东. 关键源区识别:农业非点源污染控制方法[J]. 生态学报, 2005, 25(12): 3368-3374. DOI:10.3321/j.issn:1000-0933.2005.12.036
[2]
LACROIX A, BEAUDOIN N, MAKOWSKI D. Agricultural water nonpoint pollution control under uncertainty and climate variability[J]. Ecological Economics, 2005, 53(1): 115-127.
[3]
周亮, 徐建刚, 孙东琪, 等. 淮河流域农业非点源污染空间特征解析及分类控制[J]. 环境科学, 2013, 34(2): 547-554.
[4]
秦耀民, 胥彦玲, 李怀恩. 基于SWAT模型的黑河流域不同土地利用情景的非点源污染研究[J]. 环境科学学报, 2009, 29(2): 440-448. DOI:10.3321/j.issn:0253-2468.2009.02.031
[5]
欧阳威, 黄浩波, 蔡冠清. 巢湖地区无监测资料小流域面源磷污染输出负荷时空特征[J]. 环境科学学报, 2014, 34(4): 1024-1031.
[6]
李开明, 任秀文, 黄国如, 等. 基于AnnAGNPS模型泗合水流域非点源污染模拟研究[J]. 中国环境科学, 2013, 33(S1): 54-59.
[7]
张之源, 王培华, 张崇岱. 巢湖富营养化状况评价及水质恢复探讨[J]. 环境科学研究, 1999, 12(5): 45-48. DOI:10.3321/j.issn:1001-6929.1999.05.013
[8]
李家科, 李怀恩, 董雯, 等. 渭河关中段典型支流非点源污染监测与负荷估算[J]. 环境科学学报, 2011, 31(7): 1470-1478.
[9]
朱梅, 吴敬学, 张希三. 海河流域种植业非点源污染负荷量估算[J]. 农业环境科学学报, 2010, 29(10): 1907-1915.
[10]
邱斌, 李萍萍, 钟晨宇, 等. 海河流域农村非点源污染现状及空间特征分析[J]. 中国环境科学, 2012, 32(3): 564-570. DOI:10.3969/j.issn.1000-6923.2012.03.028
[11]
郝芳华, 杨胜天, 程红光, 等. 大尺度区域面源污染负荷计算方法[J]. 环境科学学报, 2006, 26(3): 375-383. DOI:10.3321/j.issn:0253-2468.2006.03.004
[12]
郑东海, 王凌, 曾红娟, 等. 松涛水库流域非点源污染负荷模拟模型[J]. 环境科学学报, 2009, 29(6): 1311-1320. DOI:10.3321/j.issn:0253-2468.2009.06.029
[13]
王雪蕾, 吴传庆, 冯爱萍, 等. 利用DPeRS模型估算巢湖流域氨氮和化学需氧量的面源污染负荷[J]. 环境科学学报, 2015, 35(9): 2883-2891.
[14]
宋大平, 左强, 刘本生, 等. 农业面源污染中氮排放时空变化及其健康风险评价研究——以淮河流域为例[J]. 农业环境科学学报, 2018(6): 1219-1231.
[15]
赵瑾, 郭利京. 安徽农业面源污染负荷及空间分布特征研究[J]. 蚌埠学院学报, 2018, 7(4): 43-48.
[16]
徐爱兰, 王鹏. 基于SWAT模型的圩区农业非点源污染模拟[J]. 环境监控与预警, 2010, 2(1): 38-43. DOI:10.3969/j.issn.1674-6732.2010.01.010
[17]
季晓, 徐爱兰, 陆炜. 平原感潮河网地区非点源污染负荷匡算[J]. 环境监控与预警, 2010, 2(6): 41-45. DOI:10.3969/j.issn.1674-6732.2010.06.013
[18]
WANG X L, WANG Q, WU C Q, et al. A method coupled with remote sensing data to evaluate non-point source pollution in the Xin'anjiang catchment of China[J]. Science of the Total Environment, 2012, 430: 132-143. DOI:10.1016/j.scitotenv.2012.04.052
[19]
王雪蕾, 蔡明勇, 钟部卿, 等. 辽河流域面源污染空间特征遥感解析[J]. 环境科学, 2013, 34(10): 3788-3796.
[20]
王雪蕾, 王桥, 吴传庆, 等. 国家尺度面源污染业务评估与应用示范[M]. 北京: 科学出版社, 2015.
[21]
刘志红, LI L T, MCVICAR T R, 等. 专用气候数据空间插值软件ANUSPLIN及其应用[J]. 气象, 2008, 34(2): 92-100.
[22]
符素华, 刘宝元, 周贵云, 等. 坡长坡度因子计算工具[J]. 中国水土保持科学, 2015, 13(5): 105-110. DOI:10.3969/j.issn.1672-3007.2015.05.016
[23]
WANG X L, FENG A P, WANG Q, et al. Spatial variability of the nutrient balance and related NPSP risk analysis for agro-ecosystems in China in 2016[J]. Agriculture, Ecosystems and Environment, 2014, 193: 42-52. DOI:10.1016/j.agee.2014.04.027
[24]
JIMENEZ-MUNOZ J C, SOBRINO J A, PLAZA A, et al. Comparison between fractional vegetation cover retrievals from vegetation indices and spectral mixture analysis:Case study of PROBA/CHRIS data over an agricultural area[J]. Sensors, 2009, 9(2): 768-793.
[25]
王雪蕾. 遥感分布式面源污染评估模型-理论方法与应用[M]. 北京: 科学出版社, 2015.
[26]
冯爱萍, 吴传庆, 王雪蕾, 等. 海河流域氮磷面源污染空间特征遥感解析[J]. 中国环境科学, 2019, 39(7): 2999-3008. DOI:10.3969/j.issn.1000-6923.2019.07.037