DPeRS模型在重点流域面源污染优控单元划分中的应用——以吉林省为例

王　谦　冯爱萍　于学谦　姚延娟　王洪亮　王雪蕾

(1.环境保护部，北京　100035；2.环境保护部卫星环境应用中心，北京　100094；3.中国农业大学资源与环境学院，北京　100193；4.北京吉威时代软件股份有限公司，北京　100043)



DPeRS模型在重点流域面源污染优控单元划分中的应用
——以吉林省为例

王谦1冯爱萍2于学谦3姚延娟2王洪亮4王雪蕾2

(1.环境保护部，北京100035；2.环境保护部卫星环境应用中心，北京100094；3.中国农业大学资源与环境学院，北京100193；4.北京吉威时代软件股份有限公司，北京100043)

【摘要】“十二五”期间，环保部开展了水污染防治分区管理工作，结合水质目标划定了控制单元，2015年《水污染防治行动计划》的颁布，对重点流域水质目标提出新要求，同时对重点流域的控制单元管理提出新要求。在“十二五”分区基础上，结合水质管理目标和保证乡镇完整性的情况下，继续对控制单元进行细化，最终形成了我国1784个控制单元，然而如何实现控制单元的分级分类管理是个重点也是难点，尤其优先控制单元的划分是流域水环境精细化管理的关键。本文以遥感分布式面源污染模型—DPeRS(Diffuse pollution estimation with remote sensing)模型为工具，以吉林省控制单元为例，从流域面源污染角度探讨优先控制单元的划分科学方法，为实现流域科学管理提供技术支撑。研究结果表明：1)吉林省面源污染物以TN和CODcr为主，2014年产生TN 2.4万t，进入水体6384t；CODcr 2.2万t，进入水体4552t；2)空间分布上，TN、TP -N和CODcr面源污染物主要集中在吉林省西北部地区；3)氮型和磷型面源污染主要来源为农田耕作，化学需氧量面源污染源主要为畜禽养殖；4)吉林省48个控制单元中优控单元共21个，其中一类优先控制单元8个即污染物产生量和污染物入河量均较大的区域，二类优控单元13个，包括8个源头控制单元和5个入河过程控制单元。

【关键词】DPeRS模型；面源污染；优控单元；吉林省

1引言

“十二五”期间，环保部开展了水污染防治分区管理工作，结合水质目标划定了控制单元。2015年《水污染防治行动计划》(“水十条”)的颁布，对重点流域水质目标提出新要求，同时对重点流域的控制单元管理提出新要求。在“十二五”分区基础上，根据十三五水环境精细化管理需求，环保部确定流域十三五考核断面，并结合“水十条”提出重点流域总体目标和分解目标，确定考核断面2020年水质目标。结合“十三五”水质管理目标和保证乡镇完整性的情况下，继续深入细化控制单元，基于高精度数字高程数据、高分遥感数据及社会经济、水环境等基础数据，构建了“十三五”控制单元划分技术系统，最终形成了我国1784个控制单元。然而如何实现控制单元的分级分类管理是个重点也是难点，尤其优先控制单元的划分是流域水环境精细化管理的关键。

根据水域敏感性、水质超标程度及污染类型和典型水环境安全问题可以将控制单元划分为优先控制单元和一般控制控制单元，而优先控制单元根据水环境问题可以具体划分为点源控制单元、面源控制单元和生态水量保障控制单元等。本研究将以遥感分布式面源污染模型—DPeRS(DiffusePollutionEstimationwithRemoteSensing)模型[1-3]为工具，以吉林省为应用案例区，对面源优先控制单元的划分进行示范应用。

2材料与方法

2.1研究区域概况

吉林省位于中国东北部，面积18.74万km2，为温带大陆性季风气候，地貌形态差异明显，呈现明显的东南高、西北低的特征，主要平原以松辽分水岭为界，以北为松嫩平原，以南为辽河平原。吉林省辖长春、吉林、四平、松原、白城、辽源、通化、白山和延边朝鲜族自治州。

吉林省是农业大省，是我国粮食主产区之一，近年来由化肥施用、农药使用、畜禽养殖、生活垃圾、农用薄膜、作物废弃物等生产活动带来的面源污染问题日益严重[4]，我国学者开展了吉林省面源污染相关的一些研究工作，具体包括吉林省面源污染特征及趋势研究[5-6]、农业面源污染成因及防治对策[4]、农业非点源氨氮污染环境影响评价[7]、地表水非点源氨氮污染负荷研究[8]、农业非点源污染生态补偿机制研究[9]、农业非点源污染调控体系研究[10]等几个方面。对比发现，吉林省面源污染空间模拟分析的相关研究较少。

2.2研究方法

图1　技术路线图

2.2.1DPeRS模型简介

(1)农田氮平衡核算模块：采用输入输出法对农田氮表观平衡量进行计算[12]。输入项包括化肥、饲料、粪肥、生物固氮、大气沉降和种子幼苗等过程，输出项为农作物带走氮量。

(2)植被覆盖度定量遥感反演模块：应用归一化植被指数(NormalizedDifferenceVegetationIndex，NDVI)间接反演植被覆盖度(Fc)[13，14]，具体算法如下：

(1)

(2)

式中，NDVIveg是纯植被像元的NDVI值，NDVIsoil是完全无植被覆盖像元的NDVI值，αNIR是近红外波段的地表反射率，αRED是红光波段的地表反射率。

(3)溶解态污染负荷估算模块：以暴雨径流产物模型为基础，具体构建农田径流、农村生活、畜禽养殖和城镇径流的溶解态污染负荷估算方程[3，15]，具体如下：

(3)

(4)

(5)

式中，CDis是溶解态面源污染负荷(t·km-2)；i是面源污染类型，其中1是农田径流型，2是城镇径流型，3是农村生活型，4是畜禽养殖型；j是月份；Qi是单位面积面源污染源强(t·km-2)；Li是次降水冲刷后剩余污染物的量(t·km-2)；Ni是自然因子修正系数，用来表征对面源污染物空间分布产生影响的主要自然因子的空间异质性；Si是社会因子修正系数，用以表征城镇和农村的经济发展对面源污染物排放的影响；ε为径流系数；ε0为标准径流系数，反映不透水硬化地面情况，本研究中，ε0默认取值为0.87；k为地面冲刷系数；r为降雨强度(mm·d-1)；t为降雨历时(h)；P为日降雨量(mm·d-1)；Slopco，Vegco和Soilco分别为坡度、植被和土壤因子；W为垃圾处理率；U为垃圾入网率。

(4)吸附态污染负荷估算模块：吸附态N和P依据土壤侵蚀进行计算，计算方式如下[15]：

(6)

(7)

式中，CAds是吸附态面源污染负荷 (t·km-2)；A年土壤侵蚀量 (t·km-2·a-1)；Qa为土壤中N/P含量(mg·kg-1)；Er为时段N/P平均富集系数；R为降雨侵蚀力因子(MJ·mm·(ha·h·a)-1)，K为土壤蚀性因子(t·ha·h·(MJ·mm·ha)-1)，LS为地形因子 (unitless)；C为作物因子(unitless)；P为水土保持措施因子(unitless).

(5)入河模块：基于DEM和流域水系划分亚流域，在每个亚流域上计算入河系数，具体方程如下：

(8)

(9)

式中，Qdischarge为面源污染物入河量(t)；Area是像元面积；CR为径流系数(unitless)；Prec和Runoff分别为年降雨量和年径流量。本研究采用的Prec和runoff数据来源于站点实测数据。

2.2.2优控单元分析

选取面源污染产生负荷和入河量2个指标进行优先控制单元的判定，其中两个指标的值具体为总氮、总磷、氨氮和化学需氧量4个指标值的加和。对所有待划分的控制单元进行平均面源污染产生负荷和平均入河量计算，对于面源污染产生负荷和入河量均大于均值的控制单元判定为优先控制单元，即一类控制单元；产生负荷大与均值而入河量小于均值，或者产生负荷小于均值而入河量大于均值的控制单元判定为二类控制单元，分别命名为源头优控单元和入河过程优控单元，其他情况判定为三类控制单元，命名为一般控制单元。

2.2.3数据处理

DPeRS模型运行需要的数据包括吉林省土地利用、植被覆盖、月降水、坡度坡长、农作物产量等，具体数据来源和处理方法见表1。

表1　主要空间数据列表

3结果与分析

3.1吉林省面源污染物空间特征分析和总量核算

3.1.1面源产污空间特征

图2　2014年吉林省面源污染物产生负荷空间分布

3.1.2面源污染物产生量和入河量估算

DPeRS模型估算结果表明：2014年吉林省总氮和化学需氧量面源污染较为突出，TN和CODcr平均面源污染负荷分别为0.13t·km-2和0.11t·km-2，TN的产生量和入河量分别为2.4万t和6384t，CODcr的产生量和入河量分别为2.2万t和4552t，具体信息详见表2。

对DPeRS模型结果进行空间统计，吉林省不同城市地区2014年面源产污负荷和入河量信息详见表3。结果表明：长春市面源污染物产生负荷及入河排放量最大，其次是吉林市和白城市，四平市面源污染物产生负荷较高，但入河量较低。

表2　2014年吉林省面源污染指标产生和入河信息列表

3.2吉林省面源DPeRS模型污染源解析

综合DPeRS模型模拟结果对吉林省面源污染源进行分析，结果表明：农田耕作是总氮和氨氮面源污染主要污染源，农田径流产生总氮和氨氮量分别为21814t和4337t，占比均达到90%以上；农田耕作是总磷面源污染主要污染源，农田径流产生总磷量为644t，占比为56.7%，其次是水土流失型(占比38.3%)；对于化学需氧量指标，畜禽养殖是主要污染源，产生量为14601t，占比达到67.4%，其次城镇径流对化学需氧量影响较大，年产量为6497t，占比为30%.2014年吉林省面源污染类型占比情况详见图3。

表3　2014年吉林省各市面源污染指标信息列表

图3　污染源分析图

3.3吉林省优控单元分析

参照面源污染模拟结果，按照有控单元划分原则，对吉林省48个控制单元进行优化筛选，确定一类优先控制单元8个；二类优先控制单元13个，包括8个源头控制单元和5个入河过程控制单元；37个一般控制单元。具体优控单元划分结果见图4。

图4　吉林省优先控制单元空间分布图

4结论

应用遥感分布式面源污染模型DPeRS对吉林省面源污染物总氮、总磷、氨氮和化学需氧量的污染负荷进行模拟、污染源解析和优控单元分析，结果表明：

(2)面源污染物的空间分布特征表明，对水质产生影响的面源污染物TN、TP、NH4+-N和CODcr主要集中在吉林省西北部地区，长春市面源污染物产生量及入河排放量最大。

(4)优控单元分析结果表明，吉林省划分的48个控制单元中，一类优控单元8个，二类优控单元13个，包括8个源头控制单元和5个入河过程控制单元，其余为一般控制单元。

参考文献：

[1]王雪蕾，冯爱萍，吴传庆，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.环境科学学报，2015，35(9)：2883-2891.

[2]王雪蕾，王新新，朱利，等.巢湖流域氮磷面源污染与水华空间分布遥感解析.中国环境科学，2015，35(5)：1511-1519.

[3]王雪蕾，蔡明勇，钟部卿，等.辽河流域非点源污染空间特征遥感解析[J].环境科学，2013，34(10)：3788-3796.

[4]丁叮，杨波.吉林省农业面源污染成因及对策[J].农业与技术，2014，34 (10)：26-27.

[5]王媛，马继力，吕川，等.吉林省辽河流域农业面源污染特征及趋势研究[J].吉林农业科学，2012，37(3)：61-64.

[6]段丽杰，王程银，马继力，等.吉林省面源污染特征及防治对策[J].新疆环境保护，2015，37(2)：1-2.

[7]沈万斌，杨育红，金国华.吉林省农业非点源氨氮污染环境影响评价[J].云南农业大学学报，2007，22 (4)：574-576.

[8]杨育红.吉林省地表水非点源氨氮污染负荷研究[D].长春：吉林大学，2007.

[9]王楠.吉林省农业非点源污染生态补偿机制研究[D].长春：吉林大学，2009.

[10]郝芳华，杨胜天，程红光，等.大尺度区域非点源污染负荷计算方法[J].环境科学学报，2006.26(3)：375-383.

[11]WangXL，FengAP，WangQ，etal.SpatialvariabilityofthenutrientbalanceandrelatedNPSPriskanalysisforagro-ecosystemsinChinain2010.Agriculture，EcosystemsandEnvironment，2014，193：42-52.

[12]CarlsonTN，ArthurST.Theimpactoflanduse-landcoverchangesduetourbanizationonsurfacemicroclimateandhydrology：asatelliteperspective[J].GlobalandPlanetaryChange，2000，25：49-65.

[13]Jiménez-MuozJC，SobrinoJA，PlazaA，etal.ComparisonBetweenFractionalVegetationCoverRetrievalsfromVegetationIndicesandSpectralMixtureAnalysis：CaseStudyofPROBA/CHRISDataOveranAgriculturalArea[J].Sensors，2009，9(2)：768-793.

[14]郝芳华，程红光，杨胜天.非点源污染模型理论方法与应用[M].北京：中国环境科学出版社，2006.283-285.

[15]WangXL，WangQ，WuCQ，etal.Amethodcoupledwithremotesensingdatatoevaluatenon-pointsourcepollutionintheXin'anjiangcatchmentofChina[J].ScienceoftheTotalEnvironment，2012，430：132-143.

作者简介：王谦，硕士，调研员，研究方向为流域水环境综合管理

通讯作者：王雪蕾，博士，研究员，研究方向为流域水生态过程模拟与污染控制

中图分类号：X21

文献标识码：A

文章编号：1673-288X(2016)04-0111-05

Application of DPeRS Model on NPS Priority Control Unit(PCU)EvaluationinJilinProvince

WANG Qian1FENG Aiping2YU Xueqian3YAO Yanjuan2WANG Hongliang4WANG Xuelei2

(1.Ministry of Environmental Protection (MEP)，Beijing 100035，China；2.SatelliteEnvironmentCenter，MinistryofEnvironmentalProtection(SEC，MEP)，Beijing100094，China；3.CollegeofResourcesandEnvironmentalSciences，ChinaAgriculturalUniversity，Beijing100193，China；4.BeijingGeowaySoftwareCompany，Beijing100043，China)

Abstract：During the period of the 12th Five-year Plan，the Ministry of Environmental Protection carries out division management about water pollution prevention，and it divided also control unit in combination of water quality target. After the Water Pollution Prevention Action Plan released in 2015，many new demands about water quality target and the management of control unit in key water basin were put forward. On the basis of the division of period of 12th Five-Year Plan，the control units were further refined and the 1784 control units were formatted in China combined with water quality management target and the integrity of township. However，how to realize the classification management of the control unit is a key and difficult point，and especially the division of priority control units is the key to the precision management of water environment on watershed. Using Diffuse pollution estimation with remote sensing (DPeRS) model as a tool and Jilin province as example，this study probed into a scientific partition method of priority control units from the angel of watershed non-point source pollution，and it provided technical support for scientific basin management. The results showed：1) In Jilin province，non-point source pollution are mainly TN and CODcr. The discharge of TN was 6384t with the total production being 2.4 ×104t and CODcr was 4552t with the total production 2.2 ×104 t in 2014. 2) The TN、TP -N and CODcr pollution were mainly located in the northwestern of Jilin province. 3) Farming was the most important source for NPS of nitrogen and phosphorus，and the livestock contributed most of NPS of CODcr.4) Among 48 control units in Jilin province，there are 21 priority control units which contains 8 first level control units whose production and discharge of pollution are higher and 13 second level control units which contains 8 source control units and 5 process control units.

Keywords：DPeRS model；non-point pollution；priority control unit；Jilin province

项目资助：国家自然科学基金资助项目(No.41001245，71103186，41101378)；国家科技支撑计划(No.2012BAD15B03)

引用文献格式：王谦等.DPeRS模型在重点流域面源污染优控单元划分中的应用[J].环境与可持续发展，2016，41(4)：111-115.