SWAT模型在我国山区小流域水质预测中的应用——以琼江流域为例

胡 鑫，刘 兵，杨永安，王远铭，李克锋

(1.四川省环境应急与事故调查中心，成都 610000；2. 遂宁市生态环境安全应急中心，四川 遂宁 629000；3. 西华师范大学环境科学与工程学院，四川 南充 637002；4. 四川大学水力学与山区河流开发保护国家重点实验室，成都 610065)

前 言

小流域水环境受人类活动的影响显著。长江上游山区小流域经济发展水平低，流域内面源污染占据主导地位且时空分布不均；此外，我国长江上游地区经济发展迅速，未来区域用地结构、产业结构调整变化大，当前水污染管控尚处于较低水平，增加了山区小流域水质不达标的风险，为长江上游山区绿色小流域的构建带来了挑战[1]。当前，针对山区小流域水环境的研究集中于流域山洪灾害、流域水文模拟及流域水土保持等，对山区小流域水质的分析及预测较为缺乏[2-3]。琼江是我国西南地区典型的流程短、流量小、面源广、沿程工业源少的小流域，具有很强的代表性。近年来琼江流域沿岸城镇及农村社会经济快速发展的同时，也给琼江带来了巨大的生态环境压力[4]。琼江流域遂宁市内的大安断面，近年来水质不能稳定达到Ⅲ类水质标准，被列为四川省挂牌整治的小流域达标考核断面[5]。目前关于琼江流域的水质研究集中于关键水质指标的监测与评估[6-7]，或是流域点、面源污染负荷的统计与复核[1]，针对琼江流域特征的水质预测模型至今没有建立，流域水质随着未来社会经济发展的时空变化规律尚未被揭示，已成为琼江流域水环境保护的重要制约因素之一。

分布式水文模型(Soil and Water Assessment Tool，简称SWAT)是美国农业部农业研究中心研发的一个基于GIS平台的分布式流域水文模型，采用日为时间步长进行连续模拟计算，能够模拟和预测流域内气候、土地利用方式、土壤类型和农业管理措施等对径流量、泥沙和化学污染物质输出的影响[8-9]。由于SWAT模型具有适用性好、模型性能稳健、运算效率高、连续模拟时间长等优点，在模拟流域内营养物质输移和时空演变[10]，湿地对污染物的降解能力[11]，农业非点源污染空间分布[12～14]，流域内氮、磷等污染物流失[15-16]，农药等污染物的运移与转换等方面表现出了良好的模拟效果[17]。本文选取琼江流域遂宁段为研究对象，通过构建针对琼江流域的SWAT模型，预测了社会经济发展条件下琼江流域遂宁段的水质时空变化特征。本文的工作拓展了我国山区小流域的水环境研究，研究结果可为琼江流域水环境保护和政府决策，提供科学依据和技术支持。

1 材料与方法

1.1 研究区域

琼江是涪江右岸一级支流，源于四川省资阳市乐至县三星乡金马寺，经该县的棺材函后流入遂宁市安居区，于大安乡陈家坝下半边山出安居境，进入重庆市潼南区，至铜梁县安居镇汇入涪江。琼江全长235km，全流域面积4560km2。市境内流程117km，流域面积1008.4km2，天然落差40m，河道平均比降0.34‰，琼江流域遂宁段水系分布如图1所示。琼江主要流经的安居区下辖2个街道和21个乡镇。2017年末，全区总人口为78.36万，其中农业人口71.09万，占90.73%，城镇人口19.2万人，城镇化率为29.91%。

数字代表划分的子流域，星号代表流域点源

1.2 研究方法

基于流域数字高程地图、土地利用类型、土壤类型和土地坡度，本文首先构建了针对琼江流域的SWAT模型。根据实测气象数据与区域统计年鉴，分别完成SWAT模型的气象数据库构建与管理措施方案输入，将琼江实测流量数据、水质数据及统计的污染源数据作为SWAT模型边界条件的输入。琼江实测流量数据与水质数据也将用于SWAT模型的参数率定与验证。

在完成模型的构建、参数的率定与验证后，采用建立的SWAT模型，根据琼江流域已有社会经济发展规划对琼江流域2030年河道水文、水质过程进行模拟预测，解析2030年社会经济发展条件下琼江流域遂宁段的水质时空变化特征。

2 结果与讨论

2.1 模型的构建与验证

2.1.1 模型建立

SWAT模型输入的空间数据包括数字高程地图(DEM)、土地利用类型和土壤类型。DEM采用ASTER GDEM提取的30m分辨率的数字高程数据图，土地利用数据采用遂宁市安居区精度为30m的2019年土地利用类型栅格文件。将收集到的土地利用信息转化为SWAT模型能够识别的类型后，进行土地利用重分类(图2b)，琼江流域遂宁段内，耕地占比最多，为59.43%；林地其次，占比为20.37%；水田第三，占比为15.52%；水域占比为1.66%；其他建设用地占比1.40%；城镇用地占比1.18%；裸土地占比1.00%；农村居民点占比0.40%。

图2 SWAT模型构建琼江流域遂宁段(a)数字高程、(b)土地利用、(c)土壤类型与(d)土地坡度Fig.2 The(a)DEM，(b)land use，(c)soil category and (d)land slope of Suining section of Qiongjiang River based on the SWAT model

土壤数据采用精度为1∶100万的HWSD-V1.2世界土壤数据栅格文件，建立琼江流域遂宁段土壤类型数据库。研究区域土壤主要包括石灰冲积土和人为土，面积超过10%的土壤类型如下图2c所示。琼江流域遂宁段为典型的丘陵地貌，坡度类型复杂，坡度为0～10°、10～20°、和20°以上的土地分别占28.16%、38.86%和32.98%，其中坡度为10～20°的土地占比最高(图2d)。

气象数据采用2011～2018年的实测值(图3)用于模型参数率定，并结合气候预测再分析数据模型(Climate Forecast System Reanalysis，CFSR)中的未来气候数据构建分布式SWAT模型的气象数据库，包括降雨、最高和最低气温、太阳辐射、相对湿度和风速。依据遂宁市安居区2017～2018年统计年鉴，琼江流域遂宁段内主要粮食作物为春小麦、大麦、玉米、水稻等，主要经济作物为油料和棉花等，将上述作物所需肥料用量按照耕作时间输入模型，完成管理措施方案。

加载DEM，划分子流域，设置流域入口、子流域出口和流域总出口。考虑流域内水文地质、行政区域和重点监测断面等情况，将大安断面设置为子流域出口，其余子流域出口由模型自动生成节点，大安断面在流域末端和四川省边界，设置为流域总出口。共划分30个子流域，见图1。琼江遂宁段干流控制的子流域从上游到下游依次为：17、9、5、2、3、8、11、15、20、22、25、26、27、28、30；琼江遂宁段支流盐井河控制的子流域为18，莲花河控制的子流域为6，中心场河控制的子流域为10，双龙河控制的子流域为1，白马河控制的子流域为4，观音河控制的子流域为7，石洞河控制的子流域为1、13和16，胡家河控制的子流域为14，蟠龙河控制的子流域为24，会龙河和玉丰河控制的子流域为19、21和23。

研究收集了大安水文站点的流量和水质数据(NH3-N、TP)的逐月值，污染源数据用于边界条件的输入，主要包括点源污染(城镇生活污水、工业源及规模化畜禽养殖)和面源污染(农村生活污水、散养畜禽和农业种植)。根据琼江流域污染负荷现场调查与计算，各子流域点源污染统计见表1。非点源污染负荷统计见表2。

表1 琼江流域遂宁段子流域点源污染统计Tab.1 The point source pollution at different sub-areas of Suining section of Qiongjiang River (kg/d)

表2 琼江流域遂宁段子流域非点源污染统计Tab.2 Statistics of non-point source pollution in Suining section of Qiongjiang River Basin (kg/ha)

2.1.2 模型参数率定与验证

利用收集到的水文和水质多年实测数据，通过SWAT-CUP率定SWAT模型参数。将多年实测数据划分为模型需要的不同时期，其中，流量参数的预热期(即初始计算时期)为2008～2011年，率定期为2014～2016年，验证期为2017年，水质参数的预热期为2008～2011年，率定期为2017年，验证期为2018年。

根据SWAT输入/输出手册和文献调研及局部敏感性分析选择参数，利用SWAT-CUP提供的SUFI-2算法率定参数并分析灵敏度，其中地表径流、基流、地下水、坡度、蒸散发、土壤含水等相关参数较敏感，各参数率定成果见表3。

表3 琼江流域遂宁段主要参数率定成果Tab.3 The result of parameter calibration in Suining section of the Qiongjiang River basin

采用纳什效率系数(NS)和决定系数(R2)两个指标评价实测数据和最佳模拟结果的拟合度，认为NS>0.5且R2大于0.5时模型精度可以接受。NS和R2公式如下：

(1)

(2)

大安断面率定期和验证期NS分别为0.73和0.62，决定系数R2分别为0.72和0.67，根据模拟结果评价标准，率定效果良好，因此率定所得流量参数满足本流域研究需要(图4)。考虑到大安断面作为琼江流域遂宁段控制断面，同时也是琼江水质在遂宁境内的重要考核断面，模型对大安断面的径流量与水质进行了预测，结果表明2014年1月～2017年12月的径流量预测值能实测值较好地与实测值吻合，模型2018年水质预测的结果表明，除2月外，其余各月份TP与NH3-N值都能较好地与实测值吻合(图5)。

图4 大安断面流量率定及验证效果图Fig.4 The calibration and validation of water flow at Da-an section

图5 大安断面水质率定及验证效果图Fig.5 The calibration and validation of water flow at Da-an section

2.2 琼江流域遂宁段水质预测

2.2.1 预测因子及工况

采用本文建立的分布式水文模型SWAT对琼江流域河道水文、水质过程进行模拟预测。根据遂宁市针对琼江流域已有社会经济发展规划[18]，预测水平年选择2030年，预测工况考虑基于模拟的2030年流量条件下的相关治污规划水平、以及三个控制节点(高滩、萝卜园、大安)断面在已有治污规划水平下的水质年内变化过程。至2030年，安居区区域常住人口将达到77.20万人，城镇化水平为56.9%，中心城区人均综合用水量指标为450升/(人·天)，其他镇区为400升/(人·天)。2030年安居城区将分片建设三个污水处理厂，即玉丰河污水处理厂(设计规模1m3/d)、乌木厅污水处理厂(设计规模8万m3/d)与龙眼井污水处理厂(设计规模2.8万m3/d)，其余乡镇各设一座污水处理厂。中心城区污水处理厂出水水质达到《城镇污水处理厂污染物排放标准》(GB18918-2002)的一级A标准，各乡镇根据受纳水体环境功能要求执行一级B标准。在已有规划治污水平下，预测年各乡镇污水厂污水设计处理能力将大于污水排放量。根据对琼江流域的水质分析，预测因子选择NH3-N、TP。

2.2.2 河道流量

根据流域产汇流过程，干流范围从上游至下游流量呈现增加趋势，大安断面处流量达到最大值，年均流量为16.20 m3/s。各支流中蟠龙河的流量最大，年均流量达到1.13 m3/s。从时间角度来看，大安断面逐月流量变化范围为2.82～40.44 m3/s，其中8月流量最大。河道流量在2030年每个季度代表月沿程变化如图6所示。

图6 预测水平年(2030年)典型月份河道流量沿程变化Fig.6 The changes of water flow along Qiongjiang River in typical months of forecast year (2030)

2.2.3 琼江流域遂宁段主要干支流沿程水质模拟

干流NH3-N浓度较高，其中城区以上干流河段在1～2月超过Ⅲ类水质标准，城区以下干流河段在1～3月超过Ⅲ类水质标准。各支流中，中心场河和半边河NH3-N浓度在1月超过Ⅲ类水质标准；双龙河和观音河在1月和6月超过Ⅲ类水质标准；盐井河和莲花河NH3-N浓度在1～2月和12月超过Ⅲ类水质标准；胡家沟河NH3-N浓度在1月、2月、6月和12月超过Ⅲ类水质标准；石洞河和蟠龙河NH3-N浓度在1～3月、6月、10月、12月超过Ⅲ类水质标准；玉丰河NH3-N浓度仅在6月达到Ⅲ类水质标准。从时间角度来看，研究区域内4～5月、7～9月水质相对较好，仅玉丰河NH3-N浓度超过Ⅲ类水质标准，其余月份均有多个河段不能达标。已有治污规划水平下各子流域每个季度代表月NH3-N沿程变化如图7所示。

图7 预测水平年(2030年)已有治污规划下典型月份流域NH3-N水质沿程变化Fig.7 The changes of NH3-N along Qiongjiang River at typical months of forecast year (2030)

从空间角度来看，干流TP浓度较高，其中城区以上干流河段在1～2月超过Ⅲ类水质标准，城区范围干流河段在1月超过Ⅲ类水质标准，城区以下干流河段在1～3月、11～12月超过Ⅲ类水质标准。各支流中，中心场河和半边河TP浓度在1月超过Ⅲ类水质标准；双龙河和观音河在1～2月和6月超过Ⅲ类水质标准；盐井河TP浓度在1～2月和12月超过Ⅲ类水质标准；莲花河和胡家沟河TP浓度在1～2月、6月和12月超过Ⅲ类水质标准；石洞河TP浓度在1～3月、6月和12月超过Ⅲ类水质标准；玉丰河TP浓度在1～4月、10～12月超过Ⅲ类水质标准；蟠龙河TP浓度在1～3月、5～6月、9～12月超过Ⅲ类水质标准。从时间角度来看，研究区域内干支流TP在7～8月能够达到Ⅲ类水质标准，其余月份均有部分河段不能达标。已有治污规划水平下每个季度代表月各子流域TP沿程变化如图8所示。

图8 预测水平年(2030年)已有治污规划下典型月份子流域TP水质沿程变化Fig.8 The changes of TP along Qiongjiang River at typical months of forecast year (2030)

2.2.4 重点断面全年水质模拟预测

选择城区以上单元控制断面高滩断面、城区范围控制断面萝卜园断面和城区以下控制断面大安断面作为水质年内变化过程的重点分析断面。

各典型断面NH3-N在已有治污规划水平下的年内变化过程如图9所示。已有治污规划水平下，各典型断面NH3-N均不能稳定达标。高滩断面NH3-N浓度变化范围为0.253～1.284 mg/L，除1月超过Ⅲ类水质标准外，其余月份均能达到Ⅲ类水质要求；萝卜园断面NH3-N浓度变化趋势与高滩断面一致，变化范围为0.299～1.012 mg/L，1月浓度超过Ⅲ类水质标准；大安断面较高滩、萝卜园断面水质稍差，NH3-N浓度在0.408～1.863 mg/L之间波动，其中1～3月超过Ⅲ类水质标准，1月浓度最大，其余月份均能达到Ⅲ类水质标准。

图9 预测水平年(2030年)已有治污规划下重点断面NH3-N年内变化Fig.9 The changes of NH3-N at key sections under the exiting plan of pollution control in the forecast year (2030)

各典型断面TP在已有治污规划水平下的年内变化过程如图10所示。已有治污规划水平下，各典型断面TP均不能稳定达标。高滩断面TP浓度变化范围为0.053～0.300 mg/L，除1月超过Ⅲ类水质标准外，其余月份均能达到Ⅲ类水质要求；萝卜园断面TP浓度变化趋势与高滩断面一致，变化范围为0.067～0.234 mg/L，其中1～2月超过Ⅲ类水质标准，1月浓度最大，其余月份均能达到Ⅲ类水质标准；大安断面较高滩、萝卜园断面水质稍差，TP浓度在0.117～0.477 mg/L之间波动，其中1～3月超过Ⅲ类水质标准，1月浓度最大，其余月份均能达到Ⅲ类水质标准。

图10 预测水平年(2030年)已有治污规划下重点断面TP年内变化Fig.10 The changes of TP at key sections under the exiting plan of pollution control in the forecast year (2030)

3 结 论

(1)基于琼江流域遂宁段构建的SWAT模型受地表径流、基流、地下水、坡度、蒸散发与土壤含水等参数的影响较为敏感；模型在率定期和验证期纳什效率系数分别为0.73和0.62，决定系数分别为0.72和0.67，率定效果良好；模型对大安断面2014年1月～2017年12月的径流量预测值能实测值较好地与实测值吻合，除2月外，2018年其余各月份TP与NH3-N值都能较好地与实测值吻合。

(2)2030年琼江流域遂宁段干流从上游至下游流量呈现增加趋势，大安断面年均流量为16.20 m3/s，各支流中蟠龙河的流量最大，年均流量达到1.13 m3/s。从时间角度来看，大安断面逐月流量变化范围为2.82～40.44 m3/s，其中8月流量最大。

(3)2030年琼江干流NH3-N与TP浓度较高，在枯水季节尤其1～2月水质较差，难以满足Ⅲ类水质标准，各支流在枯水季节水质也有不同程度超标。干流控制安居城区以上的高滩断面除1月的其余各月份水质能达到Ⅲ类水质要求，流经安居城区以后，干流萝卜园断面在2月份TP也未能达到Ⅲ类水质要求，至出遂宁的大安断面，水质进一步变差，1～3月份难以满足Ⅲ类水质要求。

(4)本文构建了基于琼江流域遂宁段构建的SWAT模型，解析了社会经济发展条件下琼江流域遂宁段的水质时空变化特征，为我国山区小流域水质的研究提供了思路，研究结果可为琼江流域水环境保护和政府决策，提供科学依据和技术支持。