多径流出口水稻田非点源污染试验研究及验证

廖 雅， 苏保林， 豆俊峰， 徐云强， 李丽芬

北京师范大学水科学研究院， 城市水循环与海绵城市技术北京市重点实验室， 北京 100875

我国是水稻种植大国，种植面积占世界水稻总面积的20%[1]. 为了提高水稻产量，水稻种植区往往会施用过量的化肥，化肥中的氮磷等营养元素会随着农田径流产生非点源污染[2-4]. 有研究表明，径流和排水是氮磷污染从农田向其他水体转移的主要途径[5-6]，这使得农业径流产生的非点源污染负荷成为了湖泊、河流等水体富营养化以及水生态系统服务功能丧失的主要原因[7]，说明来自农田的氮磷等污染物不仅污染地表水，而且会对水生态系统产生相当大的影响[8]. 因此减少径流污染成为控制非点源污染的必要措施[9]，准确核定水稻田的非点源污染负荷对减少化肥使用、制定污染总量控制体系有着十分重要的意义[10-11].

水稻田污染负荷定量研究的田间试验方法主要有径流池法[12-14]、同步观测法[15]和基于降雨-水深的原位观测法[16]. 径流池法在田间应用广泛，具有较高的准确度[17]，缺点是需要建造一定容积的径流池并且要求出水口唯一，对于野外试验有一定的局限性，故多应用于实验站或试验小区的径流观测；同步观测法需同时观测进出水口处的水量和水质，通过水量平衡关系扣除由进水口流入的污染物负荷，得出水稻田出流造成的污染[18]，该方法同样需要保证进出水口唯一；原位观测方法无需明确水稻田的最低田埂高度以及径流出口数量，仅需通过监测田面水水深变化和降雨信息就可计算出水稻生长期的蒸散发和渗漏损失量，推求水稻田产生的径流量，结合定期采集的田面水水质数据估算由降雨径流、人工排水和灌溉回归造成的氮磷流失负荷. 该方法目前虽在江苏常州[19]、宜兴太湖流域[20]、北京海淀区上庄镇[21]的水稻田非点源污染试验研究中得到了较好地应用，但其准确性和适应性并未得到有效验证，需要进一步开展深入研究.

应用原位观测方法研究水稻田污染时，通常在田块内任意位置安装水位计进行非点源污染试验研究，并未考虑水位计安装位置对该方法的影响. 鉴于此，该文以北京市海淀区上庄镇某水稻田为例，在试验水稻田进水口附近(4#观测点)和出水口附近(2#观测点)安装水位计观测水稻田的水深数据，利用同步观测的降雨数据以及田内5个采样点定期采集的水质数据，进行非点源污染试验研究；探究基于同一块水稻田不同位置的2组水深观测数据应用原位观测方法估算的蒸散发和渗漏损失、径流量、灌溉量以及污染物输出系数是否有明显差异，以此验证该方法在水稻田非点源污染研究中的准确性和适应性，以期为水稻田非点源污染的野外试验方法提供参考依据.

1 材料与方法

1.1 试验田概况

试验田位于北京市海淀区西北部上庄镇的京西稻种植示范基地(116°09′35.71″E～116°14′06.18″E、40°04′46.99″N～40°09′34.34″N)，属温带半湿润大陆性季风气候. 年均气温12.5 ℃，平均风速2.3 ms. 降雨季节分配不均匀，全年降雨集中在7—10月，多年平均降水量为619 mm. 该试验选取面积约为 5 000 m2(25 m×200 m)的水稻田作为试验田块. 田埂一侧分布着3个排水出口，属于多径流出口的水稻田.

试验田的水肥管理措施如下：2014年5月下旬插秧，10月上旬收割，生长期为150 d左右，观测期为6月4日—8月31日，共计89 d；水稻田灌溉方式为地表水间歇性灌溉，8月25日之后停止灌溉，水稻田进行落干；5月25日施基肥，采用撒施方式施用复合肥375 kghm2和尿素45 kghm2; 6月25日和7月10日均施尿素追肥112.5 kghm2.

1.2 数据收集

水稻生长期间需采集水深和降雨数据. 在试验水稻田田埂边缘进水口附近的4#观测点和出水口附近的2#观测点分别安装水位计(L99-WL，杭州路格科技有限公司)记录水稻田水深，仪器探头距离底部淤泥约20 mm处，定期检查以防探头被阻塞影响记录，仪器记录间隔为30 min；在试验田附近安装雨量计1台，采集降雨数据，仪器记录间隔为10 min.

在试验田田埂附近随机设置1#～5#采样点采集水样(2#、4#同时为水深观测点). 水稻插秧后，每隔2～3 d采集一次水样，到9月18日为止共采集了29组水样. 水样采集后进行酸化，按要求进行样品保存，1 h内送至实验室进行总氮(TN)、总磷(TP)、化学需氧量(CODCr)、硝态氮(NO3--N)和氨氮(NH4+-N)浓度检测[22].

1.3 分析方法

在水稻田中，降雨和灌溉补给田间水分，蒸散发、渗漏和地表径流消耗田间水分，形成入流、产流和田间蓄水三者之间的水量平衡(见图1). 原位观测方法通过这种水量平衡关系计算蒸散发和渗漏损失(以EF表示)、径流量和灌溉量.

图1 试验水稻田示意及水量平衡组分

1.3.1水稻田的蒸散发和渗漏损失

在无降雨、灌溉产流的情况下，田间的EF等于稻田水深的下降值，即生长期的EF值为第i+1天与第i天的水深值之差：

EFi=Hi+1-Hi

(1)

式中：EFi为第i天的蒸散发和渗漏损失，mm；Hi+1为第i+1天的水深，mm；Hi为第i天的水深，mm.

在有灌溉的情况下，通过研究水位计0.5 h水深变化发现，稻田水深仍然存在稳定下降的阶段，通常在00：00—06：00或20：00—24：00之间，这期间几乎不进行灌溉和排水. 根据水深稳定下降阶段的斜率拟合0.5 h得到的水深变化量来估算每日EF. 降雨日取所在生长期内EF的最低值，若连续几天有降雨，则以降雨量最大日的EF作为最低值，其他时间的EF通过线性插值得到.

图2 2#、4#观测点水深及降雨量变化

在拔节孕穗初期，即7月13—21日(期间降下一场大雨)进行了排水晒田，期间水深降至水位计安装高度以下，水位记录为0，无法计算其EF值，综合相关研究结果[23-25]认为，晒田前后的EF在5～8 mm之间，假定晒田期间EF逐日递减至5 mm. 晒田前期的EF通过线性插值近似估算，得到整个生长观测期的EF.

1.3.2田面水产流和灌溉识别

水稻田的产流分为降雨径流、人工排水和过量灌溉引起的回归流. 存在降雨和灌溉时，水深迅速上升，出现上升拐点. 当水深超过最低田埂高度时，田面水开始产流，水深变化曲线出现下降拐点. 进行人工排水时，水深变化曲线出现明显下降拐点，水深快速降低. 水深的变化量为水稻田入流量与出流量之差，建立如下水量平衡公式：

ΔRi=(Hi+1-Hi)+EFi-Pi

(2)

式中：Pi为第i天的降雨量，mm；ΔRi为第i天的水深变化量，mm.

当水深变化量为正值时表示水稻田有灌溉入流，当水深变化量为负值表示有径流出流，由此来判断水稻田的径流量和灌溉量：

(3)

式中：Rout,i为第i天的径流量，mm；Rin,i为第i天的灌溉量，mm.

1.4 水稻田出流负荷及输出系数

采集5个采样点田面水水样测定水质指标，取其平均值，通过线性插值得到生长期CODCr、TN、TP、NH4+-N、NO3--N的浓度变化曲线. 结合水稻田出流日期及出流量来估算出流负荷，计算公式如下：

(4)

式中：L为水稻生长期所产生的污染负荷量，mg；Cq为第q场出流所对应的污染物浓度，mgL；n为出流次数；S为试验田面积，m2.

2 结果与讨论

2.1 蒸散发与渗漏损失比较

4#观测点处于相对低洼的位置使得其水深略大于2#观测点(见图2). 除晒田期间2个观测点的水深值和水深高差为0外，其他时期的水深高差均在30 mm左右波动，平均值为30.05 mm. 9月1日以后水稻进入成熟期，不再灌溉，田内基本无水，没有发生产流.

由EF的变化过程(见图3)可以看出，2个观测点的EF变化趋势一致，拔节孕穗初期EF相差最大，分析原因认为，该时期受晒田的影响，2#观测点的水深在7月11—16日、7月19—21日共10 d记录为0，4#观测点水深在7月13—16日仅4 d记录为0，与实际晒田时间相符. 无水深数据时主要通过线性插值对EF进行估算，EF作为水量平衡的一部分会直接影响径流识别，因此水深数据是应用原位观测方法进行EF估算以及径流识别的关键. 综上，建议将水位计安装在水稻田相对低洼处，确保能完整地监测水稻生长季的水深变化.

观测期内，2#观测点的平均EF为7.71 mm，略小于4#观测点的7.91 mm；中位数为7.5 mm，略大于 4# 观测点中位数(7.4 mm). 非参数Mann-Whitney U检验结果显示，P=0.81(>0.05)，2#、4#观测点的EF在0.05水平下无显著性差异.

图3 不同生长时期内2#、4#观测点EF变化过程

2.2 径流识别比较

根据日降水量(Pi)、EFi、日水深变化量(Hi+1-Hi)和日径流量(Rout,i)之间的水量平衡关系得到水稻田整个观测过程中的出流情况(见表1). 基于2#、4#观测点水深数据均识别出6场降雨径流、1场人工排水和3场过量灌溉导致的回归流，最大出流均发生在第6 场次. 由于使用的水位计采用压力传感器测定水深，监测结果会受到气压、水生物活动等的影响，同时晒田期间EF存在估值误差，使得基于2个观测点的水深经水量平衡关系得到的10次径流量相差在0～7.5 mm之间，总径流量相差2.7 mm. 径流量计算结果相近.

表1 基于2#、4#观测点水深的水稻田出流估计

计算得到2个观测点在整个水稻田观测期的EF、总径流量(Rout)、灌溉量(Rin)、总获得水量(Qin)和总损失量(Qout)见表2. 结果显示:2个观测点的EF相差18 mm，相对偏差为1.3%；Rout相差2.7 mm，相对偏差为1.0%；水量平衡关系估算的Rin相差18.7 mm，相对偏差为1.8%；Qin与Qout相差均为15.7 mm,相对偏差为1.0%. 基于2个观测点水深数据得到的EF、Rout、Rin、Qin、Qout均相差不大，相对偏差都在2%以内. 使用原位观测方法估算出该试验水稻田的Rin在 2 620～2 710 m3之间，表明该方法不仅能识别径流量，还能有效估算灌溉量.

2.3 污染物输出负荷比较

试验水稻田田面水CODCr、TP、TN、NH4+-N、NO3--N浓度的变化情况见图4. 水稻插秧后在基肥的作用下，污染物浓度呈陡增、骤降的趋势，且在施肥1～3 d内达到峰值，1周之内TP、TN、NH4+-N、NO3--N浓度降至稳定值，与张刚等[26-27]的研究一致，主要原因是此期间降下一场大雨，加速了污染物的损失. QIAO等[28]分析太湖流域水稻田氮肥损失情况，同样认为施氮后不久的暴雨是造成氮肥损失较大的主要原因. 由此可见，在施肥后1周内控制农田径流能有效降低农田径流污染[29]. 尿素追肥后，TN、NH4+-N、NO3--N浓度呈明显上升趋势，TP浓度始终保持在较低水平. 停止施肥后，各污染物浓度随时间的推移逐渐降低至趋于稳定.

表2 水稻田水量收支平衡

图4 水稻田田面水CODCr、TN、TP、NH4+-N、NO3--N浓度的变化

结合污染物浓度变化情况及式(4)得到2#和4#观测点CODCr、TN、TP、NH4+-N、NO3--N的输出系数分别为45.42、6.03、0.37、1.54、0.40 kghm2和46.17、7.08、0.39、1.80、0.43 kghm2. 基于4#观测点水深得到的污染物输出系数总体较2#观测点大，其中TN的输出系数相差最大，相对偏差为8.0%；其次是NH4+-N，相对偏差为7.8%；NO3--N和TP输出系数相对偏差分别为3.6%和2.6%；CODCr相对偏差最小，为0.8%. 总体比较基于2个观测点水深得到的污染物输出系数相对偏差范围均在0.8%～8.0%之间，在可接受的范围内. 与已有的水稻田污染物输出系数研究成果进行对比可知，TN、TP输出系数最高的研究区位于上海市青浦农业园区[30]，分别达到23.91和2.67 kghm2，究其原因：①氮肥用量过高(436 kghm2)，远超上海市水稻田氮肥平均用量(300 kghm2)，使得TN的输出系数很大；②施用了具有缓释效应的控释肥，使得磷肥较长时间保持在田面水中，导致田面水的TP浓度偏高. 上海市奉贤区试验点[31]的NH4+-N、NO3--N输出系数与笔者试验结果相差不大. 受降雨量、田间水深和施肥量的影响，不同试验区水稻田的污染物输出系数存在差异[32]，但与其他研究区的输出系数研究结果[21,33-34]相比，该试验得出的输出系数在合理范围内. 具体如表3所示.

2.4 讨论

2.4.1水稻田渗漏损失差异分析

结合2#、4#观测点0.5 h、日尺度下的水深变化分析(见图5)发现：在无入流和出流时段，4#观测点的水深一直呈凹曲线下降趋势，即EF值由大到小递减，最后趋于稳定，而2#观测点水深相对呈现凸曲线下降趋势. 这是因为水稻田周围分布着水深较低的养鱼沟，水稻田中较大的水深极易使水在侧向水压的作用下渗透田埂孔隙流向养鱼沟，产生渗漏排水. Raul等[35]研究也得出，在水稻田灌溉结束后的短期内水稻田中的水进入沟槽的渗透速度会迅速增加然后减缓. 在同一块水稻田中空气湿度、温度和风速等气候因素相同的情况下，EF的变化主要与水深有关，尤其是渗漏速率受水深的影响明显[36-37]，表明除地表排水以外，渗漏排水也是影响非点源污染负荷的重要过程. 笔者仅探讨了降雨径流、人工排水及过量灌溉造成的非点源污染，尚未考虑渗漏对地下水造成的污染，需结合地下渗漏做进一步深入研究.

表3 部分水稻田污染物输出系数对比

图5 2#、4#观测点的0.5 h、日尺度的水深变化

2.4.2污染物浓度影响因素及水质采样点的布设分析

图6 不同采样点污染物浓度比较

该试验中农田径流污染物浓度随时间的变化存在明显的特征和规律(见图6)，其中各采样点CODCr、TN、NH4+-N、NO3--N浓度的变化趋势一致. 随着时间的推移，各采样点CODCr浓度逐渐减小直至趋于稳定. 水稻田追肥后，TN、NH4+-N、NO3--N浓度显著增加，各采样点的污染物浓度峰值存在较大差异，以TN为例，追肥后TN浓度最大值出现在1#采样点，为77.42 mgL，最小值出现在3#采样点，仅为24.3 mgL，这主要由施肥不均匀所致[34]，表明施肥能显著提高TN、NH4+-N、NO3--N的浓度. 王丽娟等[38]则认为，施肥能提高NH4+-N的浓度，但对NO3--N、TN浓度的影响有限. 产生这种差异的主要原因是施肥方式的不同，笔者使用表面撒施的方式来施用基肥和追肥，而王丽娟等[38]研究中采用穴施基肥，表面撒施追肥，这种方式有利于土壤颗粒吸附氮素，使得田面水中NO3--N、TN浓度较低，水稻生长所需的NH4+-N浓度高. 此外，不同的环境条件也是导致上述差异的原因之一[39]，因此减少农业氮素径流污染需要结合当地的环境条件减少氮肥的施用. 由于追肥后1周内水稻田并未产流，可以认为施肥不均匀并不影响原位观测法计算得到的氮负荷量. 在污染物浓度随时间的变化序列中，TP浓度在0.2～0.7 mgL之间变化，各采样点TP浓度的变化趋势呈现明显的不规律性. 对各采样点污染物浓度进行方差分析得出5个采样点污染物浓度的变化序列中仅TP浓度在P=0.05水平上具有显著性差异，这是因为底肥施用后磷肥主要被土壤固定，在雨水的冲刷作用下磷素以无机物的形式被释放到水稻田中，导致TP浓度升高，径流与水稻田田面水的混合过程使得TP浓度降低. 这表明试验中取样位置不同会对部分污染物浓度造成一定影响. 因此建议在径流出水口附近采样，确保所测污染物浓度具有代表性.

3 结论

a) 晒田期间，由于4#观测点位于水稻田中相对低洼的位置，其水深数据显示的无水期与实际晒田时间相符. 水深数据是应用原位观测方法进行EF(蒸散发和渗漏损失)估算以及径流识别的关键，建议将水位计安装在稻田相对低洼处，以确保能完整地监测水稻生长季的水深变化.

b) 基于2#、4#观测点水深数据得到的水稻田观测期内EF无显著性差异；基于2#、4#观测点水深得到水稻田总EF、总径流量、灌溉量的相对偏差分别为1.3%、1.0%、1.8%，且识别出的径流时间和径流类型相同；应用原位观测方法估算出该水稻田的灌溉量在2 620～2 710 m3之间.

c) 径流污染负荷计算中，基于2#、4#观测点水深得到CODCr、TN、TP、NH4+-N、NO3--N的输出系数相对偏差分别为8.0%、7.8%、3.6%、2.6%、0.8%，计算得到的污染物输出系数在合理范围内.

d) 施肥不均匀使得各采样点TN、NH4+-N、NO3--N浓度峰值存在明显差异，但施肥期间未产生径流，因此对污染负荷计算影响不大；5个采样点之间TP浓度存在显著差异，建议在径流出口附近采样，以确保出流时所测污染物浓度具有代表性.