基于小流域产流特征的磷流失关键源区识别

刘 洁，庞树江，何杨洋，王晓燕



基于小流域产流特征的磷流失关键源区识别

刘 洁，庞树江，何杨洋，王晓燕※

（首都师范大学资源环境与旅游学院，北京 100048）

以密云区石匣小流域为研究区，根据不同降雨类型，采用超渗产流机制的径流曲线模型（SCS-CN）和蓄满产流机制的变源曲线模型（CN-VSA）进行产流特征分析，并利用磷指数模型识别不同产流机制下石匣小流域的磷流失关键源区。结果表明：1）中雨量、高雨强的降雨类型导致的超渗产流机制，使流域的东部、南部土壤较为湿润的区域以及流域的东北部和西部的易产流的耕地区域产流量较高，产流量介于15～30 mm，产流面积约占整个流域面积的14.2%；北部林地区域产流量较低，产流量低于15 mm，产流面积约占整个流域面积的85.8%；2）低雨量、低雨强的降雨类型导致的蓄满产流机制，使流域几乎所有区域不出现产流，产流量低于15 mm的区域面积占比达99.9%；高雨量、中雨强降雨类型导致的蓄满产流机制，使水库及流域水系周围产流量最高，产流量高于30 mm，其区域面积占14.6%、产流量介于15～30 mm之间的区域面积占17.7%、产流量低于15 mm的区域面积占67.7%；3）该研究区土壤侵蚀程度较弱，部分地区产流量较高，存在较高产流风险；4）超渗产流机制下，石匣小流域南部有磷流失风险，约占1.4%的面积；蓄满产流机制下，石匣小流域南部及北部有磷流失风险，约占2.3%的面积，蓄满产流机制下的磷流失风险较大。总体来说，石匣小流域磷流失风险较低，研究区域的南部靠近密云水库附近的区域为磷流失关键源区，需重点治理。

流域；磷；污染；关键源区；产流机制；密云水库

0 引 言

磷是水体富营养化的关键限制因子之一，农业面源流失的磷是水体中过量磷的主要来源之一[1-2]。地表土壤中的磷在降雨产流的冲刷作用下，会以溶解态磷的形式随地表产流、地下径流、壤中流等过程进入到受纳水体；同时，随着土壤侵蚀作用，吸附于泥沙表面的磷也会以颗粒态的形式随侵蚀泥沙进入水体。

农业面源污染存在较大的时空差异性，往往小部分景观区域输出的磷负荷占整个流域磷输出总量的绝大部分，这部分区域被称为磷流失关键源区，在实际控制管理中需要对其进行重点治理[3-4]，以提高农业面源污染的控制效率。磷流失关键源区识别方法包括机理模型和风险指数模型两类，常见的磷指数模型（phosphorus index，PI）就是风险指数模型的典型代表，该模型是由Lemunyon 等[5]于1993年提出的一种结合GIS的磷流失潜在风险评价的方法，通过对影响磷流失的源因子、迁移因子及其相互作用进行定量评估，表征磷流失至水体的潜在风险，并以此判定磷流失的关键源区。由于磷指数模型与磷流失量具有较好的相关性，且能够有效地对磷流失的风险等级进行划分，在国内外得到广泛应用。

研究表明，降雨、地形、土壤侵蚀、土地利用和土壤磷含量水平是农业面源磷流失的主要驱动因素[6]。其中降雨-产流过程是磷污染发生的外在驱动力，而土壤系统中的磷累积则是物质基础。随降雨强度的增大，更容易诱发各种形态磷素的流失，因此有必要根据不同的降雨条件确定对应的产流机制。主要的降雨产流机制主要包括两大类，即超渗产流和蓄满产流。大部分学者认为在中国南方湿润地区主要以蓄满产流机制为主，干旱地区则以超渗产流机制为主，但对于半干旱半湿润地区，其产流是随降雨条件的变化，既有超渗产流，也有蓄满产流[7-9]。以往对于磷流失关键源区识别的研究中，地表产流多根据平均降雨量，采用一种产流机制计算得到，例如在巢湖流域[10]、东庄小流域[11]的关键源区识别研究中，其产流量根据年平均降雨量计算获取，三江平原[6]则根据日平均降雨量计算；西源流域[12]关键源区识别过程中只考虑了蓄满机制，美国镇溪流域[13]则只用了超渗机制，这些研究多以单一的产流机制作为磷流失关键源区识别的指标，未考虑不同产流机制对流域产流模式和磷流失关键源区识别的影响，可能对磷流失关键源区识别的准确性产生一定影响。基于此，本研究根据不同降雨类型特征，采用两种不同的产流机制模型，模拟研究区域的地表产流情况，对产流特征进行识别，并对比分析不同产流机制对磷流失风险及关键源区的影响，有助于提高农业面源污染关键源区的识别精度，有效地提高治理措施的实施效率。

1 研究区概况与数据来源

1.1 研究区域概况

石匣小流域位于北京市密云区密云水库的东北部，地理坐标为117°01′～117°07′E、42°32′～42°38′N，总面积约33 km2。位于潮河流域下游，隶属于密云区高岭镇，包括石匣、大屯、白河涧、瑶亭、栗榛寨、芹菜岭、四合、东关8个行政村。海拔在141～385 m范围内；多年平均降雨量为661.8 mm，6～8月份的降雨量占全年降雨量的76.5%；北部植被以杂草灌木为主，覆盖率在80%左右；土壤类型为淋溶褐土，土层较深厚，质地为沙质土壤，容易漏肥。

密云水库流域面源污染主要来自于水土流失、化肥农药的施用、水产养殖、山区养殖产生的畜禽粪便等。其污染负荷随年度降雨变化较大，总磷对水库污染负荷的贡献约为90%[14]。密云水库流域总磷流失存在显著的时空差异，丰水年总磷输出负荷为8.05～10.26 t、平水年总磷输出负荷为3.21～3.67 t、枯水年总磷输出负荷为1.21～2.31 t[15]。由于石匣流域位于密云水库二级保护区内，流域内农业面源磷流失对密云水库水质和首都饮用水安全构成较大的潜在威胁。

1.2 数据来源

空间数据主要包括石匣小流域土地利用类型数据、土壤类型数据及数字高程模型数据；属性数据主要包括土地利用类型的描述性数据、土壤类型的描述性数据以及2006－2010年实地监测数据，其中本区土壤类型共有5种且各类型分布较为集中，不存在多类型土壤混杂现象，数据精度为1:100万的土壤类型可以满足本研究方法对数据的要求[16-17]。数据说明见表1。

表1 石匣小流域数据及来源

2 研究方法

2.1 产流模型

2.1.1 产流机制及模型参数确定

降雨量[18]、降雨强度[19]等指标可以反映地表产流特征，因此，需要根据不同的降雨条件确定不同的产流机制。该流域降雨分为3种降雨类型[20]，即A：中雨量，高雨强型；B：低雨量，低雨强型；C：高雨量，中雨强型（表2）。本文在原表基础上，根据实地监测数据，将3不同种降雨类型5－10月份的降雨场数进行细化。由表2可知，本研究区在5月、6月初开始有降雨产生，均以低雨量、低雨强的B型降雨为主，此时土壤中含水量较低，很少有产流的发生，大部分降雨都入渗到土壤中以补充土壤中水的含量；A类雨型主要发生在每年的6月底和7月，该段时间土壤中的水分含量不多，当发生中雨量、高雨强型降雨后，容易发生超渗产流；C类雨型主要发生在每年的8月份、9月份和10月份，此时土壤前期含水量已较多，处于湿润状态，若发生高雨量、中雨强型降雨，容易产生蓄满产流。本文设定中雨量、高雨强的A类降雨类型以超渗产流机制为主，用SCS-CN模型模拟产流量；而低雨量、低雨强的B类型降雨与高雨量、中雨强的C类型降雨则以蓄满产流为主，用CN-VSA模型模拟产流量。

表2 降雨K-均值聚类分析结果[20]

SCS-CN模型和CN-VSA模型涉及两个重要参数——曲线数（CN值）及降雨初损率（），均会对模拟结果产生影响[21]。其中反映不同土壤类型、不同土地利用方式及土壤前期含水量对降雨产流的影响，初损率受土地利用、耕作方式、灌溉条件、枝叶截留、下渗、填洼等因素的影响。值采用SCS-CN模型推荐值，该值一般取值为0.2；CN值利用公式（1）反推获得，得到不同土地利用下的CN值。

2.1.2 产流机制模型

1）超渗产流模型

采用美国水土保持局开发的分布式径流曲线模型（SCS-CN），该模型主要应用于超渗产流机制为主的区域，能够客观地反映土壤类型、土地利用类型及土壤前期含水量对降雨产流的影响。SCS-CN模型由于参数少，计算过程简单，所需资料易于获取等优点而被广泛应用于次降雨地表产流及其过程的预测中[22]。

SCS-CN模型计算公式

式中为径流深，mm；为降雨量，mm；I是降雨初损量，mm。为潜在蓄水能力，可用径流曲线数（CN）计算获得。

2）蓄满产流模型

采用Lyon等[23]提出的基于蓄满产流机制的变源曲线模型（CN-VSA），该模型是在SCS-CN模型基础上与地形指数模型[24-25]相结合，从而确定产流的。该模型首先计算研究区的产流面积比例（2）及地形指数（3），再根据土壤湿度计算有效蓄水量（4），最后根据栅格点的有效蓄水的栅格比例，代入公式（5）算出蓄满产流机制下的产流量。

计算特定降雨条件下流域内发生产流的面积比例公式

式中A指特定降雨条件下流域内会产流的区域面积所占总流域面积的百分比，P指有效降雨量，即导致产流的降雨量，其值等于总降雨量减去降雨初损值I。S指流域内土壤最大蓄水量的平均值，mm。

地形指数公式：

式中为地形指数，表示流域内某点的单位等高线长度上的汇流面积，m2；为坡度，m/m；指土壤表层距基岩的深度，mm；K指土壤饱和导水率平均值，mm/h。地形指数值越大表示该点越容易产流。

有效蓄水量：

式中σ指某栅格点的有效蓄水量，mm；A表示地形指数值属于第类的栅格点面积占流域总栅格点的百分比，A第类湿度值到第类湿度值之间的栅格点总数占流域栅格点总数的百分比。

产流量计算公式

式中q表示第类湿度的第个栅格单元的产流量，mm；R表示第个栅格单元对应的有效降雨量，mm。

2.1.3 产流模型适用性确定

评价模型模拟效果的优劣，可以通过分析实测值和模型模拟值的匹配程度实现。本研究采用常见的纳什效率系数（Nash-Sutcliffe efficiency，E）和决定系数2评价2种不同产流模型模拟的适用性。具体纳什系数计算公式如下

2.2 磷指数模型

影响磷流失的因子分为源因子和迁移因子两类[26]，本文选取土壤中总磷含量作为源因子，选取土壤侵蚀因子、地表产流因子以及距离因子作为迁移因子。磷指数风险等级采用ArcGIS中的自然断裂法进行划分，结果表明分成3级，可较好区分研究区磷流失风险等级情况，相关研究[12,27-28]也表明磷指数分成3级，可以更方便进行小流域水污染控制管理，因此本文采用3级风险分类。又由于本研究区隶属于潮河流域，地质地貌、水文气象和社会经济条件基本接近，适合本研究区，因此本文借鉴潮河流域的磷指数分级方案[29]（见表3）。

表3 磷指数各因子分级方案[29]

2.2.1 源因子计算

由于磷的投入量普遍高于输出量，使得土壤中的磷含量不断上升。地表土壤中磷含量是磷流失的物质基础，通常土壤中磷含量越高，发生磷流失的风险性越大，即形成农业面源污染的可能性越大[30]。本文利用在石匣小流域内布设的40个土壤采样点中监测到的土壤总磷含量作为源因子。土壤取样使用非网格法，采集不同土壤和植被类型下的土样，取样深度为0～20 cm。将样品风干、磨细、过筛出小于2 mm的样本，使用高氯酸-硫酸消煮、钼锑抗比色法测定总磷含量。然后对测得的总磷含量进行等级划分，利用ArcGIS赋予相应的属性，并利用空间插值方法生成源因子分布图。

2.2.2 迁移因子计算

1）土壤侵蚀因子

在磷流失过程中，地表土壤中颗粒态的磷通常以吸附的形式随侵蚀泥沙进入水体，且随降雨强度的增大，土壤侵蚀作用加剧，使得磷更易流失[31]。本研究采用通用土壤流失方程计算流域土壤侵蚀量，公式如下

式中为年平均土壤流失量；为降雨径流侵蚀因子；为土壤可蚀性因子；为坡长坡度因子；为植被覆盖因子；为水土保持因子，将计算得出的值、值、值、值和值统一坐标系统之后，利用ArcGIS中的栅格计算器，根据公式（7）计算得出石匣小流域的土壤侵蚀风险分布图。

降雨侵蚀力因子值反映了降雨对土壤侵蚀的潜在能力[32]，本文根据已有的降雨资料，采用次降雨侵蚀力公式计算值，计算公式如下

式中为降雨侵蚀力，MJ·m/(km2·h)；V为次/日降雨总量，mm，得到A、B、C降雨类型下的平均降雨侵蚀力分别为：8.688、1.788、33.773 MJ·m/(km2·h)。

土壤可蚀性[33]是指土壤对侵蚀应力分离和搬运作用的敏感程度。方岚[34]根据侵蚀模数和北京地区的降雨侵蚀力估算了该地区土壤可蚀性值。由于石匣小流域位于北京地区，因此本文采用上述研究成果，淋溶褐土值为1.96 t·h/(MJ·m)。

地形地貌因子分别表示坡长和坡度对侵蚀力的影响，其计算公式如下

指数的现行推荐值如下

式中表示坡长，m；表示倾斜角，(°)；表示坡度百分比。本文首先利用ArcGIS中的坡度提取功能提取坡度百分比图层，根据坡度百分比的不同值确定m值的大小，然后计算坡度和坡长因子，最后利用ArcGIS中的栅格计算工具，根据公式（8）计算出坡度坡长因子值，得出地形地貌因子。

植被覆盖与管理因子的影响因素繁多复杂，地形地貌因子、降雨因子、土壤母质等对值均有重要的影响[35]。研究区与东北地区的上述影响因子具有相似性，因此，本文参考张雪花[35]在东北地区实验得到的不同土地利用值，其中耕地为0.04、林地为0.06、草地为0.15、水域为0.06、裸地为1，通过ArcGIS软件，根据本研究区的土地利用类型进行赋值，得到本地区不同土地利用值图层。

土壤保持措施因子表示在实施土壤保持措施后的土壤流失量与顺坡种植时的土壤流失量的比值。符素华等[36]通过野外观测，得到了石匣小流域不同水土保持措施下的相对土壤侵蚀率和水土保持效益。本文参考上述结果，其中耕地为0. 47、林地为0.005、草地为0.055、水域为0.006、裸地为1，根据土地利用类型和坡度，得到值图层。

2）地表产流因子

地表土壤中的磷在降雨冲刷作用下，会以溶解态磷的形式随地表产流、地下径流、壤中流等过程进入到受纳水体[37]，因此降雨产流量是磷流失量的重要影响因素之一。由于地下径流和壤中流流失的磷含量较少且难以测量，本文只考虑地表产流部分造成的磷流失。根据研究区降雨资料，按照不同产流机制，分别代入两种产流模型，并将模拟的产流量作为地表产流因子，从而确定不同产流机制对磷流失的影响。

3）距离因子

农田沟渠、河流系统是磷营养物进入水体的主要传输通道，潜在污染源区距离受纳水体的远近程度是影响磷素迁移的一个重要因子[38]。距离受纳水体越远，在传输过程中被稀释和截留的可能性越大，则潜在的磷流失风险也就越低。本文利用ArcGIS的水文分析工具将DEM数据生成河网数据，再运行Euclidean Distance工具，以河网为输入数据，得到距离因子。

3 结果与讨论

3.1 产流模型适用性验证

产流机制涉及到的值是美国水土保持局经过大量长期的试验结果，为模型推荐值，取值为0.2；CN值则通过公式（1），根据该地区降雨量、实测产流量反推得到，计算结果为：裸地、耕地、草地和林地条件下CN值分别为89.32、77.26、70.81、67.23。

将石匣小流域2006－2010年53场有效降雨进行降雨类型划分，其中A雨型13场、B雨型19场、C雨型21场，然后A雨型按超渗机制进行模拟计算，并将该产流模型计算所得的模拟产流量和实测产流量进行比较，得到产流模拟验证图1a；B和C雨型按蓄满产流机制进行模拟计算，并将该产流模型计算所得的模拟产流量和实测产流量进行比较，得到产流模拟验证图1b。从图中可看出，超渗产流机制和蓄满产流机制下模拟值与实测值均较为接近，处于1:1线附近。根据公式（6）计算，其纳什系数与决定系数均>0.6，模拟的产流量较符合该研究区的实际产流量，验证结果显示该模型适合本研究区域。

图1 实测与模拟产流图

3.2 降雨产流特征识别

3.2.1 超渗产流机制下产流特征识别

根据率定后的SCS-CN模型中值和初损率，利用公式（1）计算在A类降雨条件下研究区的产流量，结果如图2a。可以看出，超渗产流机制下石匣小流域内的产流量不高，甚至无产流发生，最高产流量达18.86 mm，其中产流量在0～15 mm之间的区域约占总面积的85.8%；产流量在15～30 mm之间的区域约占总面积的14.2%，主要分布在流域的东部、南部靠近水库较为湿润的区域以及流域的东北部和西部的易产流的耕地区域；不存在产流量高于30 mm的区域。该地区相关研究表明，当降雨量高于10 mm时，开始有地表径流和泥沙的产生[20]。可见，部分地区存在较高的产流风险及由此导致的坡耕地裸露现象。

3.2.2 蓄满产流机制下产流特征识别

在B类和C类降雨条件下，利用基于蓄满产流机制的CN-VSA模型对研究区域的产流特征进行识别，结果分别见图2b、图2c。在B类降雨类型下，整个流域仅0.1%的面积发生地表产流，产流量低于15 mm，可以认为在B类降雨条件下，石匣小流域发生磷流失迁移的风险可以忽略。但在C类降雨类型下，产流量整体较高，最大值达39.77 mm。空间上，在流域北部以林地为主的区域，产流量偏低，基本小于15 mm，产流面积比例达67.7%；在流域水系周围及耕地区域的产流量较高，介于15～30 mm之间，产流面积比例达17.7%；而在流域的东部、南部靠近水库较为湿润的区域，地表产流量相对最高，在30～40 mm之间，产流面积比例达14.6%。

综上可知，降雨差异是导致地表产流差异的重要因素之一。从产流量方面分析，在不同降雨类型下，高雨量、中雨强型地表产流量最高；中雨量、高雨强型次之；低雨量、低雨强型条件下的产流量最低，可见，高雨量、中雨强型降雨为导致产流的主要雨型，与该地区产流特征研究结果一致[39]。就产流面积而言，蓄满产流机制下的产流面积高于超渗产流机制下的产流面积，这可能是因为蓄满产流机制作用时间一般发生8至10月份，此时土壤前期含水量较高，遇强降雨则容易发生地表产流[40]。

图2 产流特征识别

对比2种不同产流机制，发现石匣小流域高产流区主要分布在石匣流域的东部和南部靠近水库的区域，低产流区集中于流域水系附近及耕地区域，北部林地山区产流量最低，表明降雨类型差异并不是影响地表产流空间异质性的唯一因素，还受土地利用类型及地形坡度等下垫面因素的影响；距离水体较近的区域土壤前期含水量较高，遇到降雨事件更易发生产流；植被覆盖高的区域产流量较小，这与其他地区研究结果基本一致[8]。

3.3 磷流失关键源区识别

3.3.1 磷流失因子空间分布特征

根据实测土壤总磷数据，利用ArcGIS空间插值方法生成源因子分布图3a。从图中可以看出，本研究区大部分地区土壤总磷含量处于中等水平，土壤总磷含量处于0～5 mg/kg的区域占流域面积的23.6%，土壤总磷含量处于5～10 mg/kg的区域占流域面积的69.2%，土壤总磷含量大于10 mg/kg的区域占流域面积的7.2%，高值区主要分布在南部靠近密云水库地区及北部林地区域，主要由于该地区存在违规种植养殖现象，使得土壤总磷含量相对较高。

根据通用土壤流失方程，利用栅格计算器将所得结果生成土壤侵蚀因子图3b。该图反映了整个小流域的土壤侵蚀情况，根据土壤侵蚀分类分级标准SL190-96[41]，可知该流域土壤侵蚀属于微度侵蚀；同时，根据本文土壤侵蚀因子分类标准，该研究区属于土壤低度侵蚀，其平均侵蚀模数介于0～200 t/km2·a之间。主要由于该地区大部分土壤为淋溶褐土，土壤可蚀性较弱，且该地区杂草灌木覆盖度较广，减弱了土壤侵蚀的强度，相关研究成果[42]也发现该流域所在区域土壤侵蚀等级以轻度侵蚀为主，与本研究结果具有较好的一致性。

图3 磷流失因子图

基于水系图，利用ArcGIS距离制图功能，得到距离因子图3c。从图3中可以看出，该流域大部分地区至水体距离处于0～150 m的高磷流失风险级，主要由于该地区河网密集。整体来看，流域南部靠近密云水库地区及北部林地区域的土壤磷含量较高，且距离水体较近，有较高风险的磷流失。

3.3.2 不同产流特征下磷流失关键源区识别

根据计算得出的源因子和各迁移因子的结果，利用ArcGIS栅格计算功能和磷指数模型计算公式，分析得出石匣小流域在3种不同降雨条件下的磷流失关键源区分布，见图4a－图4c。最后再以各降雨类型的降雨频率为权重，得出综合磷流失关键源区，见图4d。

注：图4a-4d磷流失风险范围为1~9（无单位）。

在超渗产流机制下，由图4a可知，流域南部靠近密云水库的区域开始有磷流失，且有0.46 km2处于磷流失高风险，约占小流域面积的1.4%，流域南部属于磷流失关键源区，流域东部属于次关键源区。这是由于在中雨量和高雨强降雨条件作用下，土壤中的磷将随土壤侵蚀和地表产流发生迁移，同时，南部地区土壤中的磷背景值较东部偏高，更易对水体造成污染，故为主要关键源区。蓄满产流机制下分为两种情况。在雨量与雨强均较低的B型降雨条件下，由图4b可知，石匣小流域几乎没有磷流失风险，低风险率达到99.9%，此时产流量小，没有足够的驱动力使土壤中的磷发生分离，所以整个流域磷流失风险很小。在高雨量、中雨强的降雨条件下，由图4c可知，研究区有0.64 km2处于磷流失中风险，有0.12 km2处于磷流失高风险，中高风险区约占流域面积的2.3%。此时，流域南部属于磷流失关键源区，流域北部和东部地区属于次关键源区，这是由于流域北部为山区，坡度较大，在较强的降雨产流驱动下会造成磷的迁移，但由于距离水体较远，因此磷流失风险较流域南部偏低；流域东部地表产流因子处于中等水平，但是其磷源因子水平低，因此磷流失风险较流域南部偏低。

由以上结果可知，不同产流机制下，石匣小流域的磷流失中等和较高磷流失风险涉及到的范围和面积有所不同，与超渗产流机制相比，蓄满产流机制磷流失高风险区所占面积较大，除了流域南部靠近密云水库区域有磷流失外，流域北部也开始有中等、高等的磷流失风险。可见，流域南部为主要流失风险区，主要是该地区存在违规种植养殖现象，造成部分地区土壤总磷含量较高，且该地区靠近水库、地势平坦，在降雨的冲刷下易导致产流并进入水体，所以具有较高的磷流失风险，但是靠近水库地区植被覆盖度及生态修复好，所以磷流失高风险的面积不大；流域北部土壤总磷含量相对较高，在高雨量、中雨强的降雨条件下，易造成磷流失，故存在一定的磷流失风险。但不同产流机制下，石匣小流域的磷流失风险区域分布特征存在一定的相同之处：首先，石匣小流域内的大部分区域在3种不同降雨类型条件下的磷流失风险均较低，这是由于该研究区域内大部分面积为林地，有效减少了产流量；其次，仅有较小面积的区域存在中等和较高的磷流失风险，从4d可知，中高风险区域约占流域面积的2.7%，且大部分分布在流域南部靠近密云水库附近的区域。

综上，石匣小流域内的大部分区域，磷流失风险较低。张平等[43]利用SWAT模型进行密云水库沿湖区域的磷流失分区研究，认为该地区总磷的流失风险总体比较小；耿润哲等[44]进行非点源污染区划结果也表明潮河下游密云县境内区域污染程度不高，均与本研究结果一致。

相关研究[10,37]认为，在磷流失关键源区识别时必须同时考虑污染源因子和迁移因子的相互作用，本研究是在同时考虑源因子与迁移因子分布的基础上进行分析。本研究区土壤侵蚀力较弱，且距离因子均处于低风险级，故源因子及地表产流因子相对起主导作用。由结果图可知，土壤源因子高值区分布在流域南部及北部地区，地表产流因子主要分布研究区南部和东部，磷流失关键源区在不同降雨机制下分别分布在东部、北部和南部，并以南部为主，该结果较好反映了源因子与迁移因子的协同作用。

4 结 论

1）石匣小流域的土壤侵蚀强度较弱，均处于200 t/(km2·a)以下，且有14.6%的地区地表产流量较高，存在较高的产流风险，需要注意采取水土保持措施。

2）不同降雨机制，产流特征不同。从产流量分析，超渗产流机制下，产流量集中于0～15 mm；而蓄满产流机制下产低雨量、低雨强型降雨几乎不产流，高雨量、中雨强型降雨产流量集中于15～40 mm。在分布方面，蓄满产流机制下，石匣小流域除东部、南部靠近水库的区域出现产流外，北部林地区域也发生产流。

3）不同产流机制条件下，磷流失关键源区存在差异，超渗产流机制下，磷流失中高风险区面积占比1.4%；而蓄满产流机制下，磷流失中高风险区面积占比2.3%，说明根据不同的产流机制模型进行磷流失关键源区识别是十分必要的。总体来看，石匣小流域大部分区域不容易发生磷流失，磷流失风险较大区域主要分布在流域北部和流域南部靠近密云水库区域，属于关键源区，应重点治理。

[1] Campbell J M, Jordan P, Arnscheidt J. Using high-resolution phosphorus data to investigate mitigation measures in headwater river catchments[J]. Hydrology and Earth System Science, 2015, 19(1): 453－464.

[2] Rossel R A V, Bui E N. A new detailed map of total phosphorus stocks in Australian soil[J]. Science of the Total Environment, 2016, 542(S1): 1040－1049.

[3] 李振炜，于兴修，姚孝友，等. 农业非点源污染关键源区识别方法研究进展[J]. 生态学杂志，2011，30(12)：2907－2914.

Li Zhenwei, Yu Xingxiu, Yao Xiaoyou, et al. Advances in agricultural research and other non-point source pollution source area identification key[J]. Journal of Ecology, 2011, 30(12): 2907－2914. (in Chinese with English abstract)

[4] 邓欧平，孙嗣旸，吕军. 长乐江流域非点源氮素污染的关键源区识别[J]. 环境科学学报，2013，33(8): 2307－2313.

Deng Ouping, Sun Siyang, Lv Jun. Identification of key source areas for non-point source nitrogen pollution in Changle River Basin[J]. Chinese Journal of Environmental Science, 2013, 33(8): 2307－2313. (in Chinese with English abstract)

[5] Lemunyon J L, Gilbert R G. The concept and need for a phosphorus assessment tool[J]. Journal of Production Agriculture, 1993, 6(4): 483－486.

[6] Lou H, Yang S, Zhao C, et al. Detecting and analyzing soil phosphorus loss associated with critical source areas using a remote sensing approach[J]. Science of the Total Environment, 2016, 573: 397－408.

[7] 方堃. 一种基于下垫面变化的产汇流模型及其应用[J]. 水资源与水工程学报，2012，23(1)：98－101.

Fang Kun. One kind of bus production model based on the underlying surface changes its application[J]. Journal of Water Resources and Water Engineering, 2012, 23(1): 98－101. (in Chinese with English abstract)

[8] 李致家，黄鹏年，张永平，等. 半湿润流域蓄满超渗空间组合模型研究[J]. 人民黄河，2015，37(10)：1－6.

Li Zhijia, Huang Pengnian, Zhang Yongping, et al. Study on the space combined model of excess infiltration in a semi-humid basin [J]. Yellow River, 2015, 37(10): 1－6. (in Chinese with English abstract)

[9] 雒文生，胡春歧，韩家田. 超渗和蓄满同时作用的产流模型研究[J]. 水土保持学报，1992，6(4)：6－13.

Luo Wensheng, Hu Chunqi, Han Jiatian. Study on runoff model of super seepage and accumulation at the same time[J]. Journal of Soil and Water Conservation, 1992, 6(4): 6－13. (in Chinese with English abstract)

[10] 周慧平，高超. 巢湖流域非点源磷流失关键源区识别[J]. 环境科学，2008，29(10)：2696－2702. Zhou Huiping, Gao Chao. Key recognition of non-point source phosphorus loss in Chaohu Lake Basin[J]. Environmental Science, 2008, 29(10): 2696－2702. (in Chinese with English abstract)

[11] 张平，高阳昕，刘云慧，等. 基于氮磷指数的小流域氮磷流失风险评价[J]. 生态环境学报，2011，20(6/7)：1018－1025.

Zhang Ping, Gao Yangxin, Liu Yunhui, et al. Risk assessment of nitrogen and phosphorus loss in small watershed based on nitrogen and phosphorus index[J]. Chinese Journal of Eco-Environmental Sciences, 2011, 20(6/7): 1018－1025. (in Chinese with English abstract)

[12] 王妞，陆海明，邹鹰，等. 基于地形指数的流域非点源磷素输出关键源区识别[J]. 水文，2016，36(2)：12－16.

Wang Niu, Lu Haiming, Zou Ying, et al. Identification of key source regions of non-point source phosphorus output based on terrain index[J]. Hydrology, 2016, 36(2): 12－16. (in Chinese with English abstract)

[13] Lyon S W, Mchale M R, Walter M T, et al. The impact of runoff generation mechanisms on the location of critical source areas[J]. Journal of the American Water Resources Association, 2006, 42(3): 793－804.

[14] 黄生斌，叶芝菡，刘宝元. 密云水库流域非点源污染研究概述[J]. 中国生态农业学报，2008，16(5)：1311－1316.

Huang Shengbin, Ye Zhihan, Liu Baoyuan. Study on non-point source pollution in Miyun Reservoir Watershed[J]. Journal of Eco-Agriculture, 2008, 16(5): 1311－1316. (in Chinese with English abstract)

[15] 耿润哲，张鹏飞，庞树江，等. 不同气候模式对密云水库流域非点源污染负荷的影响[J]. 农业工程学报，2015，31(22)：240－249.

Geng Runzhe, Zhang Pengfei, Pang Shujiang, et al. Effects of different climate models on non-point source pollution load in Miyun Reservoir Watershed[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(22): 240－249. (in Chinese with English abstract)

[16] 耿润哲，李明涛，王晓燕，等. 基于SWAT模型的流域土地利用格局变化对面源污染的影响[J]. 农业工程学报，2015，31(16)：241－250.

Geng Runzhe, Li Mingtao, Wang Xiaoyan, et al. Effect of land use pattern change on non-point source pollution based on SWAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 241－250. (in Chinese with English abstract)

[17] 陈媛，郭秀锐，程水源，等. 基于SWAT模型的三峡库区大流域不同土地利用情景对非点源污染的影响研究[J]. 农业环境科学学报，2012，34(4)：798－806.

Chen Yuan, Guo Xiurui, Cheng Shuiyuan, et al. The effects of different land use scenarios on non-point source pollution in Three Gorges Reservoir area based on SWAT model [J]. Journal of Agricultural Environmental Sciences, 2012, 34(4): 798－806 (in Chinese with English abstract)

[18] Wischmeier W H, Smith D D. Predicting rainfall erosion losses-a guide to conservation planning[J]. United States. Dept. of Agriculture Agriculture Handbook, 1978: 537.

[19] Lal R. Soil erosion on alfisols in western Nigeria[J]. Geoderma, 1976, 16(5): 389－401.

[20] 何杨洋，王晓燕，段淑怀. 密云水库上游流域次降雨坡面产流产沙特征[J]. 农业工程学报，2015，31(24)：134－141.

He Yangyang, Wang Xiaoyan, Duan Shuhuai. Characteristics of runoff and sediment yield in the lower slope of the upstream of Miyun Reservoir[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(24): 134－141. (in Chinese with English abstract)

[21] 符素华，王向亮，王红叶，等. SCS-CN径流模型中CN值确定方法研究[J]. 干旱区地理，2012，35(3)：415－421.

Fu Suhua, Wang Xiangliang, Wang Hongye, et al. Study on the method of determining CN value in SCS-CN runoff model[J]. Arid Land Geography, 2012, 35(3): 415－421. (in Chinese with English abstract)

[22] 符素华，王红叶，王向亮，等. 北京地区径流曲线数模型中的径流曲线数[J]. 地理研究，2013，32(5)：797－807.

Fu Suhua, Wang Hongye, Wang Xiangliang, et al. The runoff curve in runoff curve model of Beijing [J]. Geographical Research, 2013, 32(5): 797－807. (in Chinese with English abstract)

[23] Lyon S W, Walter M T, Gerard-Marchant P, et al. Using a topographic index to distribute variable source area runoff predicted with the SCS curve-number equation[J]. Hydrological Processes, 2004, 18(15): 2757－2771.

[24] Buchanan B P, Archibald J A, Easton Z M, et al. A phosphorus index that combines critical source areas and transport pathways using a travel time approach[J]. Journal of Hydrology, 2013, 486: 123－135.

[25] Schneiderman E M, Steenhuis T S, Thongs D J, et al. Incorporating variable source area hydrology into a curve-number-based watershed model[J]. Hydrological Processes, 2007, 21(25): 3420－3430.

[26] 房孝铎，王晓燕，欧洋. 径流曲线数法(SCS法)在降雨径流量计算中的应用：以密云石匣径流试验小区为例[J]. 首都师范大学学报：自然科学版，2007，28(1)：89－92.

Fang Xiaoduo, Wang Xiaoyan, Ou Yang. Application of runoff curve method (SCS) in calculation of rainfall runoff : A case study of Miyun Shixi runoff experimental area [J]. Capital Normal University: Natural Science, 2007, 28(1): 89－92. (in Chinese with English abstract)

[27] 李琪，陈利顶，齐鑫，等. 流域尺度农业磷流失危险性评价与关键源区识别方法[J]. 应用生态学报，2007，18(9)：1982－1986.

Li Qi, Chen Liding, Qi Xin, et al. Evaluation of agricultural phosphorus loss risk and identification of key source areas in watershed scale[J]. Chinese Journal of Applied Ecology, 2007, 18(9): 1982－1986. (in Chinese with English abstract)

[28] 张丽，陆海明，邹鹰，等. 缺资料小流域非点源磷素输出关键源区识别方法初探[J]. 生态与农村环境学报，2014，30(3)：403－408.

Zhang Li, Lu Haiming, Zou Ying, et al. Study on key source recognition methods of non-point source phosphorus output in small watershed[J]. Journal of Ecology and Rural Environment, 2014, 30(3): 403－408. (in Chinese with English abstract)

[29] Ou Yang, Wang Xiaoyan. Identification of Critical Source Areas (CSAs) for nonpoint source pollution in Miyun watershed near Beijing, China[J].Water Science and Technology, 2008, 58(11): 2235－2241

[30] 张淑荣，陈利顶，傅伯杰. 于桥水库流域农业非点源磷污染控制区划研究[J]. 地理科学，2004，24(2)：232－237. Zhang Shurong, Chen Liding, Fu Bojie, et al. Study on control division of agricultural non-point source phosphorus pollution in Yuqiao Reservoir Watershed[J]. Scientia Geographica Sinica, 2004, 24(2): 232－237. (in Chinese with English abstract)

[31] 庞靖鹏，徐宗学，刘昌明，等. 基于GIS和USLE的非点源污染关键区识别[J]. 水土保持学报，2007，21(2)：170－174.

Pang Jingpeng, Xu Zongxue, Liu Changming, et al. Identification of key areas of non-point source pollution based on GIS and USLE[J]. Journal of Soil and Water Conservation, 2007, 21(2): 170－174. (in Chinese with English abstract)

[32] 陆建忠，陈晓玲，李辉，等. 基于GIS/RS和USLE鄱阳湖流域土壤侵蚀变化[J]. 农业工程学报，2011，27(2)：337－344.

Lu Jianzhong, Chen Xiaoling, Li Hui, et al. Characteristics of soil erosion based on GIS/RS and USLE in Poyang Lake Watershed[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(2): 337－344. (in Chinese with English abstract)

[33] 刘宝元，谢云，张科利. 土壤侵蚀预报模型[M]. 北京：中国科学技术出版社，2001.

[34] 方岚. 北京山区土壤可蚀性研究[D]. 北京：北京师范大学，2006.

Fang Lan. Study on Soil Erodibility in Mountainous Area of Beijing[D]. Beijing：Beijing Normal University, 2006. (in Chinese with English abstract)

[35] 张雪花. 非点源污染量化模型中重要影响因素的研究[D]. 长春：东北师范大学，2004.

Zhang Xuehua. Study on Important Influencing Factors in Quantification Model of Non-point Source Pollution[D]. Changchun: Northeast Normal University, 2004. (in Chinese with English abstract)

[36] 符素华，吴敬东. 北京密云石匣小流域水土保持措施对土壤侵蚀的影响研究[J]. 水土保持学报，2001，15(2)：23－24.

Fu Suhua, Wu Jingdong. Effects of soil and water conservation measures Beijing Shixia Watershed for soil erosion [J]. Journal of Soil and Water Conservation, 2001, 15(2): 23－24. (in Chinese with English abstract)

[37] 李文超. 凤羽河流域农业面源污染负荷估算及关键区识别研究[D]. 北京：中国农业科学院，2014.

Li Wenchao. Study on Estimation of Agricultural Non-point Source Pollution Load and Identification of Key Areas in Fengyu River Basin[D]. Beijing: Chinese Academy of Agricultural Sciences, 2014. (in Chinese with English abstract)

[38] 张世文，王朋朋，叶回春，等. 基于数字土壤系统的县域土壤磷素流失风险简化评估[J]. 农业工程学报，2012，28(11)：110－117.

Zhang Shiwen, Wang Pengpeng, Ye Huichun, et al. Simplified evaluation of soil phosphorus loss risk in county soil based on digital soil system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(11): 110－117. (in Chinese with English abstract)

[39] 芮孝芳. 关于降雨产流机制的几个问题的讨论[J]. 水利学报，1996(9)：22－26.

Rui Xiaofang. Discussions on several issues of rainfall runoff mechanism[J]. Journal of Hydraulic Engineering, 1996(9): 22－26. (in Chinese with English abstract)

[40] 王丽，王力，王全九. 前期含水量对坡耕地产流产沙及氮磷流失的影响[J]. 农业环境科学学报，2014，33(11)：2171－2178.

Wang Li, Wang Li, Wang Quanjiu. Effects of early water content on runoff and sediment yield and nitrogen and phosphorus loss on sloping farmland[J]. Journal of Agricultural Environmental Sciences, 2014, 33(11): 2171－2178. (in Chinese with English abstract)

[41] 中国人民共和国水利部水土保持司. 土壤侵蚀分类分级标准SL190-96[M]. 北京：中国水利水电出版社，1997.

[42] 周为峰，吴炳方. 基于遥感和GIS的密云水库上游土壤侵蚀定量估算[J]. 农业工程学报，2005，21(10)：46－50.

Zhou Weifeng, Wu Bingfang. Quantitative estimation of soil erosion using remote sensing and GIS on the upper reaches of Miyun Reservoir[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(10): 46－50. (in Chinese with English abstract)

[43] 张平，刘云慧，肖禾，等. 基于SWAT模型的北京密云水库沿湖区氮磷流失风险分区[J]. 中国农业大学学报，2011，16(3)：53－59.

Zhang Ping, Liu Yunhui, Xiao He, et al. Analysis of nitrogen and phosphorus loss division in Beijing Miyun Reservoir based on SWAT model [J]. Journal of China Agricultural University, 2011, 16(3): 53－59. (in Chinese with English abstract)

[44] 耿润哲，王晓燕，庞树江，等. 潮河流域非点源污染控制关键因子识别及分区[J]. 中国环境科学，2016，36(4)：1258－1267.

Geng Runzhe, Wang Xiaoyan, Pang Shujiang, et al. Key identification and partitioning of non-point source pollution control in Chaohe River Basin[J]. China Environmental Science, 2016, 36(4): 1258－1267. (in Chinese with English abstract)

Critical area identification of phosphorus loss based on runoff characteristics in small watershed

Liu Jie, Pang Shujiang, He Yangyang, Wang Xiaoyan※

(,,,100048,)

Phosphorus is one of the important limiting nutrient elements of net primary productivity of terrestrial freshwater ecosystem, and the characteristics of land runoff are an important factor affecting its loss. Therefore, it is of great theoretical and practical value to identify the key source of phosphorus loss under different runoff characteristics. In order to clarify the critical source areas of phosphorus loss in different runoff characteristics, the small watershed of Shixia in Miyun County, northeast of Beijing is taken as the study area. SCS-CN (soil conservation service-curve number) model with infiltrationexcess runoff mechanism and VSA - CN (variable source area-curve number) model with saturationexcess runoff mechanism are used to identify the features of runoff at different rainfall types. PI (phosphorus index) model is applied to identify critical source areas of phosphorus loss in this watershed based on different runoff generation mechanisms. The results show that: 1) For infiltrationexcess runoff, there is high runoff in relatively humid region in the southern and eastern parts of Shixia small watershed because of the midrainfall depth and highrainfall intensity, as well as in the arable lands in the northeastern and western parts of this region. The runoff yieldsin these areas are between 15 and 30 mm, which accounts for about 14.2% of the total area. There is low runoff (runoff yield less than 15 mm) for the forest land in the northern area, whose area accounts for about 85.8%. 2) For saturationexcess runoff, there are 2 rainfall types. No runoff can be observed because of the rainfall type of lowrainfall depth and lowrainfall intensity; and the low runoff area of less than 15 mm accounts for about 99.9%. For the type of the highrainfall depth and midrainfall intensity, the runoff yield can reach the highest level around the Miyun Reservoir watershed which takes up 14.6% of the total area with runoff yield over 30 mm; there are 17.7% of the total area with runoff yield between 15 and 30 mm and 67.7% of the total area with runoff yield less than 15 mm. 3) The degree of soil erosion in this region is weaker whereas the runoff yield is a bit higher in some areas with a higher risk of runoff. 4) For the type of infiltrationexcess runoff, there is a risk of phosphorus loss which accounts for about 1.4% of the total area in the southern part of the small watershed of Shixia. For the type of saturationexcess runoff, there is a risk of phosphorus loss in the northern part and southern of the Shixia small watershed which accounts for about 2.3% of total area, so there is a higher risk of phosphorus loss under the type of saturationexcess runoff than that under the type of infiltrationexcess runoff. In general, the risk of phosphorus loss in the small watershed of Shixia is lower, and the southern part of the study area close to the Miyun Reservoir is the key area for phosphorus loss and more attention should be paid for control and management.

watershed; phosphorus; pollution; critical area; runoff mechanism; Miyun Reservoir

10.11975/j.issn.1002-6819.2017.20.030

X524

A

1002-6819(2017)-20-0241-09

2017-05-16

2017-09-19

国家自然科学基金项目（41271495）；英国牛顿基金项目（BB/N013484/1）；首都师范大学研究生学术创新重点项目

刘 洁，主要从事水土保持及水污染控制与管理研究。 Email：cookie2012_lj@163.com

※通信作者：王晓燕，女，教授，博士，主要从事流域水环境污染研究。Email：wangxy@cnu.edu.cn

刘 洁，庞树江，何杨洋，王晓燕. 基于小流域产流特征的磷流失关键源区识别[J]. 农业工程学报，2017，33(20)：241－249. doi：10.11975/j.issn.1002-6819.2017.20.030 http://www.tcsae.org

Liu Jie, Pang Shujiang, He Yangyang, Wang Xiaoyan. Critical area identification of phosphorus loss based on runoff characteristics in small watershed[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(20): 241－249. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.20.030 http://www.tcsae.org