洙赵新河流域农业面源污染特征的模拟研究

崔滢 孙慧中 徐立荣

文章编号：1671-3559（2024）01-0078-09DOI：10.13349/j.cnki.jdxbn.20231107.001

摘要：针对农业面源污染特征无法直观监测问题， 以山东省菏泽市洙赵新河流域为研究区域， 构建SWAT模型对研究区径流量及总氮、总磷负荷量进行模拟研究， 分析农业面源污染的时空分布特征， 识别农业面源污染关键源区及农业面源污染类型。 结果表明：率定和验证期的径流、总氮、总磷的决定系数和纳什系数均能满足SWAT模型精度要求；研究区农业面源污染负荷年际变化较小， 农业面源污染主要集中发生在丰水期， 即7—10月份， 污染物负荷量在枯水期与平水期呈现明显的减小趋势；流域中下游的污染物负荷量比上游的大， 农业面源污染的关键源区集中在流域中下游及流域南部；畜禽养殖为主要面源污染来源， 污染物入河量占全部入河污染物总量的85.16%。

关键词：农业面源污染； SWAT模型；径流；总氮；总磷；洙赵新河流域

中图分类号：X522

文献标志码：A

开放科学识别码（OSID码）：

Simulation on Characteristics of Agricultural

Non-point Source Pollution in the Zhuzhaoxin River Basin

CUI Ying， SUN Huizhong， XU Lirong

（School of Water Concervancy and Environment， University of Jinan， Jinan 250022， Shandong， China）

Abstract： Aiming at the problem that the characteristics of agricultural non-point source pollution can not be directly monitored， taking the Zhuzhaoxin River Basin in Heze city， Shandong province as the research area， SWAT model was constructed to simulate the runoff， total nitrogen and total phosphorus load in the study area， the spatial-temporal distribution characteristics of agricultural non-point source pollution were analyzed， and the key source areas and types of agricultural non-point source pollution were identified. The results show that the determination coefficients and Nash coefficients of runoff， total nitrogen and total phosphorus in the calibration and verification periods can meet the accuracy requirements of SWAT model. The agricultural non-point source pollution load in the study area has little inter-annual change， and the agricultural non-point source pollution mainly occurs in the wet season， that is， from July to October. The pollutant load shows an obvious decreasing trend in the dry season and the normal season. The pollutant load in the middle and lower reaches of the basin is larger than that in the upper reach. The key source areas of agricultural non-point source pollution are concentrated in the middle and lower reaches of the basin and the southern part of the basin. Livestock and poultry farming is the main non-point source of pollution， and the amount of pollutants into the river accounts for 85.16% of the total amount of pollutants.

Keywords： agricultural non-point source pollution; SWAT model; runoff; total nitrogen; total phosphorus; the Zhuzhaoxin River Basin

收稿日期：2022-09-12          網络首发时间：2023-11-08T12：37：07

基金项目：山东省自然科学基金项目（ZR2021ME145）；菏泽市生态环境局委托项目（SDGP371700202002000099）

第一作者简介：崔滢（1997—），女，辽宁庄河人。硕士研究生，研究方向为水文学及水资源。E-mail：357200236@qq.com。

通信作者简介：徐立荣（1976—），女，河北沧州人。教授，博士，研究方向为水文学及水资源。E-mail：stu_xulr@ujn.edu.cn。

网络首发地址：https：//link.cnki.net/urlid/37.1378.N.20231107.1429.002

农业面源污染是指农业生产、经营过程中产生的各种污染物在降水和径流的冲刷作用下进入水体中并造成污染的过程［1］。从2012年开始，我国的农业和农村已经超越工业和城市地区成为水污染的最主要来源。根据《第二次全国污染源普查公报》，2017年全国农业水污染物化学需氧量（COD）、总氮（TN）、总磷（TP）排放量分别为1.07×107、1.42×106、2.12×105 t，分别占全国水污染物排放量的49.8%、46.52%、67.21%［2］。面源污染具有随机性、潜伏性、广泛性［3］，治理难度较大且不易处理，因此水污染防治的重点应该落在面源污染的防控上。

近年来，我国农业面源污染特征的研究主要包括氮、磷元素在土壤中的转化机理、不同条件下流失特征实验，农业面源污染负荷的量化研究以及管理政策和技术措施的研究［4］。由于农业面源污染的形成与变化过程很难直观地监测到，因此国外农业面源污染特征方面的研究重点在于建立模型［5］，模拟污染物的形成、产生过程及其空间分布规律，并有针对性地对多种情景进行模拟预测［6］。从20世纪90年代开始，应用较多的模型主要是遥感（RS）、地理信息系统（GIS）、全球定位系统（GPS）等。随着科技的发展，越来越多功能强大的软件应用于研究面源污染，如流域水环境模拟工具BASINS、Anlold、分布式流域水文模型SWAT和AnnAGNPS 98等［7］。我国农业面源污染的研究起步相对较晚，20世纪90年代以来，我国学者对面源污染的机制进行了更为深入的探索。薛金凤等［8］基于化学理论和流体力学建立了颗粒态氮-磷模型；郝芳华等［9］对小流域提出了新的模型计算方法；赖斯芸等［10］利用单元调查法，基于单元分析和定量研究，从4个方面测算了2001年中国农业面源污染量，并证明了单元调查法对定量分析面源污染的可行性，为我国农业面源污染的量化估算和污染调查评估体系奠定了基础；田乐［11］将我国的实际情况与模型结合，为农业面源污染的研究与治理开拓了新思路。

SWAT模型是美国农业部开发的模拟面源污染负荷的计算模型，属于物理分布式模型［12］，主要功能包括估算面源污染負荷、不同管理措施下的水质变化评价、耦合集成模型等［13-14］。SWAT模型的最大优点是既能对流域多尺度的径流、泥沙和营养物的负荷进行模拟，还能对不同时间和气候条件下面源污染负荷情况的进行分析［15］，因此成为探究流域面源污染形成与分布的优质评估工具，得到了国内外学者的高度认可［16-20］。

目前， 山东省水污染形势严峻， 已经造成了相应的水环境功能负担。 位于山东省南部的南四湖为淮河流域第二大淡水湖， 是南水北调东线工程最重要的蓄水胡泊。 洙赵新河是南四湖最具代表性的入湖河流， 其水质好坏对南四湖水质及南水北调东线调水水质有直接影响。 本文中基于SWAT模型对洙赵新河流域进行农业面源污染特征的研究， 在为决策部门治理水环境污染问题提供科学依据的同时， 也为平原区农业面源污染的模拟研究提供参考。

1  研究区概况

洙赵新河流域位于山东省菏泽市北部，干流起点位于东明县北部菜园集乡的宋寨村，终点位于济宁市西南侯楼村。流域西邻黄河，向东流入南四湖水系，南临东鱼河与万福河，北接梁济运河，干流全长145 km，流域面积为5 553.62 km2，如图1所示。该流域属于黄泛冲积平原，土层深厚，土壤为潮土土类，质地以沙质土为主，易于冲刷，属华北平原新沉降盆地的一部分；地貌以平原为主，包含少量低山残丘地貌和极少积水洼地地貌；地形自西南向东北呈簸萁形逐渐降低，西部高程约68.5 m，东部高程约为37 m，地面坡度为1/5 000～1/10 000，平均坡度1/8 000，地势较平坦。流域属于北温带大陆性半湿润季风气候区［21］，夏热冬冷，四季分明，多年平均气温为13.7 ℃，作物一年两熟为主，多年平均降水量为662.7 mm。

菏泽市是山东省的粮食主产区［22］， 农业人口比例较大， 水资源总量短缺， 属于极度缺水地区。 农村污水一般呈粗放型排放， 大多直接排入明沟暗渠或直接洒在地面上， 缺少集中污水处理措施及装置， 部分河段污染严重［23-24］。 由《菏泽市统计年鉴》可知， 洙赵新河流域多年平均肥料施用量数据为氮肥1.58×105 t、磷肥5.85×104 t、钾肥2.91×105 t、复合肥1.17×105 t。 每年3、7、10月份为主要化肥施用时间， 肥料以尿素、二铵和复合肥为主。 近年来， 地方政府推进农村生活污水及垃圾的集中处理， 使当地的污染情况略有改善， 主要措施包括：1）在河流两侧重点敏感区域建设污水处理设施；2）大力推广有机肥代替化肥技术，推广施用生物农药和高效、低毒、低残留农药，减少农药施用量；3）划定畜禽养殖区域，在畜禽散养密集区建设畜禽粪便、污水综合利用或者无害化处理设施，对畜禽养殖产生的粪便、污水进行集中处理利用。

2  研究方法

2.1  数据库建立

本文中将地理信息系统ArcGIS作为基础数据工具，采用SWAT模型对研究区域面源污染进行模拟和识别。空间数据和属性数据是SWAT模型建立的两大主要输入数据。空间数据主要指数字高程、土壤数据、土地利用数据，各要素在空间上对应统一；属性数据主要包括气象数据、土壤属性数据等，包含了各要素的属性资料。本文中所涉及的空间数据及属性数据如表1所示。

2.2  SWAT模型构建

在SWAT模型中的“Watershed Delineator”模块中，使用“Burn-in”模块，添加研究区域水系数据；数字高程数据（DEM）预处理完成后，结合已有经验和模型要求，设定流域面积阈值为10 000，将洙赵新河流域划分为31个流域。

在子流域划分完成后，通过SWAT模型的水文响应单元（HRU）分析子模块，采用多水文响应（multiple HRUs）划分的方法设定土地利用、土壤及坡度阈值分别为10%、5%、10%，低于这个阈值的土地利用、土壤及坡度将被拆分合并到其他类别中。将洙赵新河流域31个子流域共划分129个HRU。

2.3  模型的率定与验证

2.3.1  径流率定与验证

利用辅助软件SWAT-CUP中的SUFI-2算法进行敏感性分析。 首次输入时选取58个参数， 经过多次迭代进行敏感性范围调试， 最终得到37个适用于本文的敏感性参数。 通过SWAT-CUP软件对已选定的敏感性参数进行调参处理， 得到适宜参数范围。

选取于楼闸断面数据进行流域径流模拟，模型预热期为2 a（2009年1月—2010年12月），模拟期为2011年1月—2019年12月。受研究区水质水量监测资料的限制，设定径流的率定期为2013—2016年，验证期为2017年及2018年2、6、7、9、10、11月。

径流率定、验证结果如下：径流率定期决定系数R2为0.83，纳什系数EN为0.77；径流验证期R2为0.85，EN为0.84，均符合模型精度要求，能模拟研究区径流情况，率定、验证期的模拟及实测结果如图2所示。

2.3.2  营养物率定与验证

在径流率定和验证的基础上，将径流敏感性参数的最优值同样选择于楼闸断面的历年监测数据，对营养物TN、TP进行率定与验证，共选取15个水质参数，设置500次迭代为一个周期，经过多个迭代周期后得出最优参数结果。

模型以2009年1月—2010年12月为预热期，TN率定期为2016年5月—2017年12月，验证期为2018年1月—2019年12月；TP率定期为2013年1月—2017年12月，其中多个月份数据缺失，实际共有43个月的数据，模型验证期为2018年1月—2019年12月。

TN率定期及验证期结果如下：率定期R2为0.78， EN为0.7；验证期R2为0.52，EN为0.41。

TP率定期及验证期结果如下：率定期R2为0.80， EN为0.76；验证期R2为0.69，EN为0.64。

结果表明，TN、TP的率定与验证均符合模型精度要求，能很好地模拟研究区TN、TP负荷情况，TN、TP负荷量的率定和验证结果分别如图3、4所示。

3  结果与分析

将率定、验证后的模型径流与营养物的运行最优参数重新输入模型中，得到研究区多年农业面源污染负荷模拟情况，以月尺度为单位输出，经整理后得到子流域TN、TP负荷，并对其进行特征分析。

3.1  研究区农业面源污染时间分布特征

3.1.1  农业面源污染的年內变化

由模拟结果可知，多个年份的污染物年内变化始终处于相似波动的状态，在土壤和土地利用条件不变的情况下，此时的波动主要来自降水量的影响。以2018、2019年为例，对流域内TN、TP的面源污染时间分布进行研究，并对污染物变化特征进行分析，结果如图5所示。从图中可以看出：氮、磷污染物负荷在年内随降水量的变化而变化，这种变化主要集中在丰水期之后，即7—10月份。TN负荷量的年内变化差异较大，变化范围为0.61～1 100.70 t，2018年的峰值出现在8、9月份，2019年的峰值出现在6、8月份；TP负荷量的年内分布特征与TN的类似，变化范围为1.97～149.21 t，2018、2019年的峰值分别出现在9、8月份。虽然这2个年份的降雨最大值均出现在7月份，且7月份为当地主要播种施肥期，用水量与施肥量均较平时较大，但面源污染的扩散需要一定的时间，因此污染物的峰值往往会在雨季之后的几个月出现。

3.1.2  农业面源污染的年际变化

2013—2019年洙赵新河流域污染物负荷与降水量变化如图6所示。由图可见：洙赵新河流域年均降水量为657.76 mm，其中2018年降水量最大，为671.82 mm，2017年降水量最少，为657.89 mm，年际间降水量变化较小，最大变化值为13.93 mm。 TN、TP负荷量变化情况类似， TN负荷量最大值出现在2013年， 为14 237.7 t， TP负荷量最大值也出现在2013年， 为865.76 t；2019年TN负荷量为1 382.23 t， 为历年TN负荷量最小值，同年TP负荷量为104.23 t，为历年TP负荷量最小值。洙赵新河流域农业面源污染负荷随时间逐年递减，表明近年当地政府对农业面源污染的治理略有成效。

3.2  农业面源污染空间分布特征

以2019年为基准年，将各子流域TN、TP负荷量空间分布进行可视化处理，结果如图7所示。由图可知：洙赵新河干流的污染物负荷量较小，TN负荷主要集中于流域南部、洙赵新河中下游以及郓巨河巨野县段，其他区域污染物负荷量较小。从行政区划上来看，菏泽市牡丹区、郓城县、鄄城县和巨野县TN污染较为严重，其他县区污染较轻。TP负荷的分布情况与TN的类似，但TP的负荷量相对较小。

3.3  面源污染关键源区识别

根据SWAT模型模拟计算的TN、TP负荷量， 采用流失强度指数法［25］对研究区农业面源污染进行关键源区识别， 将单位面积污染物负荷量作为流失强度评价指标， 按照自然断点分级法［26］将评价指标进行分级赋值， 得到的划分类别与赋值标准如表2所示， TN、TP流失强度分布如图8所示。 从表、图中可得：研究区内单位面积TN负荷量为0.001～1.361 kg/hm2， 其中26号子流域TN流失强度最大，单位面积TN负荷量达到0.399～1.361 kg/hm2，6、28、29号子流域TN流失强度较大，单位面积TN仅占全流域面积的2.28%， 但TN负荷量达到40 513.49 kg， 占全流域TN总负荷量的29.31%，并且4个子流域的耕地面积占到流域总耕地面积的77%， 可见农业生产活动对流域内TN的产生和排放都具有极大的影响。 研究区TP流失强度分布与TN的相似， 6、20、23、27号子流域流失强度最大， 单位面积TP负荷量达到0.001 3～0.001 5 kg/hm2， 4个子流域的面积占全流域的2.94%， TP负荷量合计高达916.30 kg。 1、2、4、17、19号子流域TP流失强度相对较大， 单位面积TP负荷量达到0.001 1～0.001 2 kg/hm2。 上述9个子流域的耕地面积占到全流域总耕地面积的50.37%。 畜禽养殖污染对TP负荷的贡献最大， 主要集中在流域南部的菏泽市牡丹区、鄄郓河郓城县河段沿岸及下游巨野县河段。

综上可知，洙赵新河流域污染物流失强度较大的子流域是6、20、23、26、27、1、2、4、17、19、28、29号子流域，应将这些子流域作为农业面源污染关键源区。

3.4  面源污染类型识别

根据《菏泽市统计年鉴》，按照不同污染因子进行整理和统计，得到2019年洙赵新河流域涉及区（县）的农业面源污染物的入河量如表3所示。由表可知，TN、TP污染严重的区域主要集中在牡菏泽市牡丹区、郓城县、鄄城县及巨野县，其他区域污染较轻，与模拟结果一致。

洙赵新河流域农业生产生活污水排放方式以混合排水和农村生活直排水为主， 农业面源污染主要有三大污染源， 即农村生活污染、畜禽养殖污染和农业种植污染， 其中畜禽养殖是最主要污染源。 由表3中数据可以看出， 流域内畜禽养殖污染物入河量最大， 为15 624.37 t，占全部入河污染物总量的85.16%， 因此造成的面源污染压力最大。

农村生活污染主要是由农村居民的生活污水、人粪尿及生活垃圾的随意排放造成的。由表3中数据可知，2019年研究区农村常驻人口约为300万，约占流域总人口的79.54%，农村生活污染物入河量达到2 650.81 t，虽然仅占所有入河污染物总量的14.45%，但是洙赵新河流域农业面源污染的第二大来源，对环境的影响仍不可忽略。

农业种植也是造成农业面源污染的关键原因之一。研究区农田多为旱田，作物一年两熟，以玉米、小麦及大蒜为主要种植作物，施肥主要以尿素为主，施肥时间普遍在每年3、7、10月份，期间会有少量追肥的情况。针对农业种植造成面源污染的负荷估算不考虑COD的影响，因此农业种植污染物入河量比其他2类污染源的小，污染物入河量为72.31 t，在三大污染物来源中占比0.39%。

4  结论

本文中以洙赵新河流域为研究对象， 构建SWAT模型， 对径流量、TN和TP进行模拟研究， 分析研究区农业面源污染的时空分布特征， 识别污染关键源区及主要面源污染类型， 得到主要研究结论如下：

1）根据建立SWAT模型要求的空间数据库和属性数据库，选定TN、TP作为主要污染物进行分析，利用于楼闸断面2013—2019年的相关水质、水量数据对2项污染物进行率定和验证。结果表明，率定和验证期的径流、TN、TP的R2和EN均满足模型精度要求，证明模型在模拟洙赵新河流域的径流及TN、TP负荷有很好的适用性。

2）基于构建的SWAT模型对研究区农业面源污染分布进行了模拟与分析。结果表明，研究区农业面源污染负荷年际变化较小，径流与污染物变化趋势大致相同，污染状况有逐年好转的趋势；农业面源污染负荷主要集中在丰水期，即7—10月份，污染物负荷量在枯水期与平水期则呈现明显的减小趋势；流域中下游的污染物负荷量比上游的大。

3）面源污染的关键源区为6、20、23、26、27、1、2、4、17、19、28、29号子流域，主要涉及菏泽市牡丹区、郓城县和巨野县。畜禽养殖为流域内农业面源污染的主要来源，污染物入河量占全部入河污染物的85.16%，其次为农村生活污染，污染物入河量占比为14.45%。

参考文献：

［1］黎竹. 农业面源污染防治现状及对策建议［J］. 现代化农业， 2019（6）： 48.

［2］佚名.第二次全国污染源普查公报［J］. 环境保护， 2020， 48（18）： 8.

［3］井柳新， 魏明海， 孙宏亮. 水源农业面源污染风险防控区划定方法研究［J］. 中国农村水利水电， 2020（10）： 110.

［4］朱梅. 海河流域农业非点源污染负荷估算与评价研究［D］. 北京： 中国农业科学院， 2011.

［5］高康宁. 兰州段黄河流域农业面源污染分析研究［D］. 兰州： 兰州大学， 2009.

［6］HENGHH，NIKOLAIDISNP.Modeling of nonpoint source pollution of nitrogen at the watershed scale［J］. Journal of the American Water Resources Association， 1998， 34（2）： 359.

［7］于峰， 史正涛， 彭海英. 农业非点源污染研究综述［J］. 环境科学与管理， 2008（8）： 54.

［8］薛金凤， 夏军， 梁涛， 等. 颗粒态氮磷负荷模型研究［J］. 水科学进展， 2005（3）： 334.

［9］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（3）： 375.

［10］赖斯芸， 杜鹏飞， 陈吉宁. 基于单元分析的非点源污染调查评估方法［J］. 清华大学学报（自然科学版）， 2004， 44（9）： 1184.

［11］田乐. 基于SWAT模型的布尔哈通河干流流域面源污染時空分布特征研究［D］. 延吉： 延边大学， 2020.

［12］SRINIVASANR，ARNOLDJG，JONESCA.Hydrologicmodelling of the United States with the soil and water assessment tool［J］. International Journal of Water Resources Development， 1998， 14（3）： 315.

［13］ANDREAS B， SARA T， PETRA K， et al. Does the temporal resolution of precipitation input influence the simulated hydrological components employing the SWAT model？［J］. Journal of the American Water Resources Association， 2017， 53（5）： 997.

［14］XU F， DONG G X， WANG Q R， et al. Impacts of DEM uncertainties on critical source areas identification for non-point sourcepollutioncontrolbasedonSWATmodel［J］.Journalof Hydrology， 2016， 540： 355.

［15］VOLK M. SWAT： agricultural water and nonpoint source pollution management at a watershed scale［J］. Agricultural Water Management， 2016， 175： 1-3.

［16］JAYAKRISHNANR，SRINIVASANR，SANTHIC，etal. Advances in the application of the SWAT model for water resources management［J］. Hydrological Processes， 2005， 19（3）： 749.

［17］郭薇. 基于SWAT模型的农田氮磷面源污染时空变化研究［D］. 郑州： 华北水利水电大学， 2019.

［18］NORRISG，HAANCT.Impact of subdividing watersheds on estimated hydrographs［J］. Applied Engineering in Agriculture， 1993， 9（5）： 443.

［19］毛安琪. 基于SWAT模型的土地利用演变对抚河流域非点源污染研究［D］. 南昌： 南昌大学， 2020.

［20］张秋玲. 基于SWAT模型的平原区农业非点源污染模拟研究［D］. 杭州： 浙江大学， 2010.

［21］张倩， 巢世军， 杨晓丽， 等. 基于SWAT模型的沙塘川流域非點源氮磷污染特征及关键源区识别［J］. 地球环境学报， 2022， 13（1）： 86.

［22］王慧勇， 遆超普， 王良杰， 等. 基于SWAT模型的典型农业小流域氮污染时空分布特征及关键源解析［J］. 湖泊科学， 2022， 34（2）： 517.

［23］周铮， 吴剑锋， 杨蕴， 等. 基于SWAT模型的北山水库流域地表径流模拟［J］. 南水北调与水利科技， 2020， 18（1）： 66.

［24］李娜. 菏泽市2019年气温、降水与日照特征变化分析［J］. 农技服务， 2020， 37（3）： 91.

［25］张倩， 巢世军， 杨晓丽， 等. 基于SWAT模型的沙塘川流域非点源氮磷污染特征及关键源区识别［J］. 地球环境学报， 2022， 13（1）： 86.

［26］马勇， 童昀. 长江中游城市群区域经济差异的时空演变及影响因子分析［J］. 统计与决策， 2016（21）： 134.

（责任编辑：于海琴）