西南喀斯特山区典型流域农业非点源污染负荷及分布特征

贺 赟, 杨爱江,2, 陈蔚洁, 郭 悦, 冯于航, 宋 霞

(1.贵州大学 资源与环境工程学院 喀斯特地质资源与环境教育部重点实验室, 贵阳 550025;2.贵州喀斯特环境生态系统教育部野外科学观测研究站, 贵阳 550025; 3.贵州省材料产业技术研究院, 贵阳 550025)

随着我国政府对水环境治理力度和投入的逐步加大，点源污染的治理已初见成效。目前相较于点源污染，非点源污染无固定排放口，具有分散性、隐蔽性、不确定性、累积性和模糊性等特性，使得对其进行监测难度较大。非点源污染的防治问题逐渐成为我国水环境污染的关注焦点[1]，而其中农业非点源污染较为突出。目前研究非点源污染使用最广泛的方法是Johnes等[2]提出的输出系数模型(ECM)。该模型利用区域水文、气象等参数，通过多元线性相关分析，建立区域内土地利用类型与污染输出负荷的关系。然后基于污染物输出系数，对不同类型污染源的污染负荷进行求和，以估算流域内非点源污染负荷总量。该模型所需数据资料相较其他模型较少，避开了非点源污染从产生到迁移转化的复杂过程。但该模型仅适用于降雨均匀的平原地区，对不符合此条件的非点源污染负荷的估算，存在较大偏差[3]。因此，许多学者对此模型进行了改进。蔡明等[4]在非点源负荷估算中，采用了引入降雨因子和流域损失系数的输出系数模型，模拟结果更符合实际；Ding等[5]在引入降雨因子的同时，考虑了坡度对径流流量、流速的影响，进而引入了地形因子，模拟结果表明降雨和地形因子对非点源污染负荷估算有优化作用；滇池流域属于高原流域，降雨及地形空间差异大且非点源污染比例较高且有恶化的趋势，任玮等[6]选取了滇池流域范围内降雨变化明显、地形空间差异性大的宝象河流域，利用改进的模型对该流域非点源污染进行了估算，并成功提高了污染负荷结果的准确性。

喀斯特地区在受到自然因素及人为因素的影响极易发生水土流失，使得土壤生产力下降，地下则容易形成裂隙、溶洞等[7]。降雨产生的坡面径流携带着泥沙以及养分随径流汇入水体，极易造成水体富营养化[8]。但尚未有针对喀斯特地区非点源污染的研究。因此，本文选取降雨量大且分布不均、地形空间差异大，具有典型喀斯特地貌的北盘江流域(晴隆段)作为研究对象。研究区域位于贵州省晴隆县北盘江峡谷区，为典型的喀斯特地貌[9]。降雨、地形以及喀斯特地貌的交互作用下，水土流失严重。相比其他区域，其产生的非点源污染输移更易受降水、地形影响。同时，流域监测数据的缺乏也使得农业非点源污染负荷的计算难度较大。利用改进的输出系数模型，对其产生的TN，TP非点源污染进行估算，并对非点源污染物进行空间分析，了解该研究区域农业非点源污染负荷现状，以期填补对喀斯特山区农业非点源污染负荷模拟计算的空白，同时为该类型地区污染防控提供可参考的科学方法和依据。

1 研究区域

1.1 研究区概况

晴隆县属高原亚热带季风气候区，年均降水量1 200 mm，是贵州省内降雨较多的地区。因受珠江流域北盘江及其支流的强烈切割影响，地形起伏大，具有沟壑纵横、岩溶发育强烈、落差大等特征，10°～20°坡度占全县坡度面积的40.52%，20°以上的坡度占48.05%。碳酸盐岩连片分布，在降雨、地形及岩性的交互作用下造成了该区域土层薄、基岩裸露度高、成土速度缓慢，是典型的喀斯特高山石漠化地区[10]，石漠化面积达到8.85万hm2，占全县土地面积的66.70%。境内主要河流为北盘江及其支流，流经晴隆县沙子镇、莲城镇、茶马镇、光照镇，考虑流域范围，同时将普安县江西坡镇和高棉乡纳入研究区域，研究区域范围见图1。

图1 研究区域范围及高程

1.2 农业非点源污染

农业非点源污染主要由畜禽散养、农业生产等产生的排放物直接入河、农村生活污水未经处理随意排放等原因引起，所产生的主要污染物为TN和TP。研究区域周边乡镇未设置进入北盘江的排污口，且周边非点源污染源主要是畜禽散养等产生的排放物直接入河、农村生活污水随意排放等，是一个典型以农业非点源污染为主的区域。因此，选取该区域为研究区，将TN、TP作为主要污染物，以农业种植污水、畜禽养殖污水和农村生活污水等作为污染源。

2 研究方法

2.1 输出系数模型介绍

输出系数模型是利用污染物输出系数来估算流域非点源污染输出负荷的一种方法。Johnes等[2]对不同种类的畜禽、不同的土地利用类型采用不同的输出系数，丰富了输出系数模型的内容，但该模型仅在降雨均匀、地势平坦的地区有很好的模拟效果。因此，针对本文研究区域，需要对传统的输出系数模型进行改进以更好的模拟研究区域的非点源污染。有研究表明，降雨是非点源污染物的主要驱动因素[11]，而地形在非点源污染运输过程中起着至关重要的作用[12]。考虑到降雨和地形对非点源污染的不均匀性。参考以往的研究，改进的输出系数模型(非点源污染)式子如下[13-14]：

(1)

式中:L为营养物的流失量(kg);α为降雨驱动因子;β为地形驱动因子;Ei为i类营养源的输出系数;Ai为第i类土地利用类型的面积(km2)或第i类畜禽数量或人口数量;Ii为第i类的营养物质输入值(kg);P为来自降雨的营养物质输入值(kg)。

2.2 降雨驱动因子确定

降雨驱动因子主要由降雨的年际变化差异αt以及流域内降雨的空间分布差异αs叠加作用决定[15]。

(2)

马欣敏[16]采用交叉验证法对反距离加权法、趋势面法以及普通克里金法3种空间插值法的精度进行了比较，结果表明普通克里金插值法优于其他两种方法。由附近气象站2013—2017年降雨数据通过ArcGIS软件进行降雨量普通克里金插值分析，再由式(2)，得到降雨驱动因子图(图2)，研究区域2017年TN降雨影响因子为0.980 5～1.053 7，TP降雨影响因子为0.994 7～1.068 9，空间分布均呈现由南东向北西递减的趋势。

图2 研究区域非点源污染TN，TP的降雨影响因子值

2.3 地形驱动因子

采用描述因地形差异而导致的非点源污染物负荷的变化情况的地形驱动因子，来研究地面坡度对径流流量和流速等产生影响，进而影响污染物的损失量，计算公式为[17]：

(3)

根据Ding等[5]的研究结果，d取值为0.610 4。利用ArcGIS软件对研究区域DEM数据进行计算统计，得到研究区域内的平均坡度17.22°，由式(3)可得到地形驱动因子如下：

(4)

根据式(4)在ArcGIS软件中通过栅格计算器计算得到研究区域地形驱动因子图(图3)。

图3 研究区域地形影响因子

2.4 输出系数的确定

输出系数的确定主要是通过查阅文献法、试验法以及水文统计法。由于该研究区域监测资料不足，故主要采用文献法来确定输出系数。根据《第一次全国污染源普查城镇生活源产排污系数手册》，结合本研究区域的实际情况以及参考国内部分地区已有研究成果[18-19]，确定各种土地利用方式、畜禽以及农业生活的输出系数，见表1。

表1 研究区域非点源输出系数

3 结果及分析

3.1 非点源污染物负荷量分析

将降雨因子、地形因子以及不同污染源输出系数(表1)等代入式(1)，通过ArcGIS软件计算后得到研究区域2017年非点源污染总负荷量(表2)

由表2可知，2017年TN，TP负荷量分别是2 582.00 t和246.74 t。总氮负荷量中畜禽养殖占比最大，为48.06%。之后依次是土地利用、农村生活。这6种土地利用类型中，耕地的贡献最大，这与区域农业施加农用氮肥有很大的关系。来自畜禽养殖的非点源磷污染占比很大，占总量的42.16%，之后依次是土地利用、农村生活。在这6种土地利用类型中，草地的占比最大，这与区域内草地占土地利用类型比重最大有关。

表2 研究区域非点源污染负荷估算值

将表2的数据重分类为研究区域内各乡镇后，进行空间分布分析。结果显示，北盘江沿岸污染贡献率较大的乡镇依次是茶马镇和岗乌镇，长流乡和高棉乡贡献率最小。对TP负荷量的贡献率最大是茶马镇、新铺镇、莲城镇和高棉乡贡献率最小。总体而言，TN、TP负荷量空间分布呈现出较大的空间差异性，茶马镇、新铺镇、岗乌镇3个乡镇镇域面积以及耕地面积较大，人口比较多，因此这3个乡镇非点源污染负荷量大(表3)。

表3 研究区域各乡镇TN，TP负荷量 t

非点源污染负荷的计算包括农村生产生活源、畜禽养殖源等。经过实地调查，该区域并没有大型工厂、养殖基地，可认为点源污染源对该区域并没有太大的影响。通过对各乡镇3种污染源进行统计分析，得到该区域2017年各乡镇土地利用、农村生活、畜禽养殖3种污染源分布(表4)。TN负荷量各乡镇3种污染源贡献中，每个乡镇污染源所占比例最大的为畜禽养殖负荷量，土地利用类型污染贡献率次之，最小的为农村居民生活。这表明该研究区域内TN负荷量主要污染源是养殖过程中产生的畜禽粪便及废水，加之农村地区排污管网等设施建设滞后，养殖废水直接排入水体中造成污染。TP负荷量各乡镇3种污染源贡献中，大多数乡镇污染源所占比例最大的为畜禽养殖。长流乡、茶马镇、光照镇、新铺镇污染源所占比例最大的为土地利用，这主要由于该研究区域内主要以农业为主，农业人口较多，耕种过程中化肥的大量使用导致耕地的输出系数增大，因而耕地产生的污染负荷量过大；加之农村生活污染物直接排入水体造成的污染。

表4 研究区域各乡镇不同污染源贡献情况

3.2 模型计算结果验证

为验证改进的模型有效性，本文通过ECM和IECM分别计算2017年北盘江流域(晴隆段)的TN、TP污染负荷量。计算结果及对比见表5。实际观测值采用北盘江晴隆段盘江桥断面2013—2017年的实际监测数据。将实际观测值与估算值进行对比进行验证。

表5 研究区域非点源污染负荷估算值

结果显示改进前的模型估算的 TN污染负荷高于实际观测值，但 IECM模型使相对误差从28.97%降到9.80%，这与Ding等[5]的研究结果(改进后的模型使 TN污染负荷估算量的相对偏差从-33%降到-19%)相似，这说明改进 IECM模型提高了TN负荷入河量的计算精度。TP污染负荷同样高于实际观测值，改进后的模型使相对误差从31.41%降到了2.06%。由此表明改进后的输出系数模型在计算非点源污染负荷量中精度更高，也是修正后的模型可以作为该研究区域农业非点源污染负荷计算的依据。

4 结 论

(1)2017年北盘江流域(晴隆段)TN、TP负荷强度趋势相似，且两种污染物分布特征基本一致，呈现分布不均的特质：污染负荷局部集中，坡度较高和人口密度大的区域负荷量较高。茶马镇、岗乌镇、光照镇、江西坡镇4个乡镇负荷量最大，表明这几个乡镇对整个流域来说，更易产生氮、磷污染。同时，研究区域内对TN、TP负荷量的贡献率皆为畜禽养殖>土地利用类型>农村生活。由此可知，在进行农业非点源污染治理时，畜禽养殖污染源应是重点考虑对象。

(2)研究区域为典型的喀斯特山区，在降雨和地形的影响下，单独使用输出系数模型计算污染负荷，精度较差。通过引入降雨，地形因子对现有模型进行改进。验证后发现，改进的输出系数模型对污染负荷的模拟计算优化作用较为明显，说明将降雨、地形因素考虑后，可以提高模型的精度，在喀斯特山区具有更好的适用性。