基于高频数据的旱地降雨径流污染物输出特征研究

杨林沛,李金文,沈根祥,朱文俊,陈小华,陈 诚,梁利权

(1.东华大学 环境科学与工程学院,上海 201620; 2.上海市环境科学研究院 国家环境保护新型污染物环境健康影响评价重点实验室,上海 200233; 3.华东理工大学 资源与环境工程学院,上海200237)

浓度(C)和流量(Q)之间的关系(C-Q关系)能够揭示水体污染物运移在空间与时间上的联系,区分可溶养分和悬浮颗粒供给的时空来源,是研究暴雨径流污染物输出的重要工具和手段[7-8]。Rose等[9]在事件和年际时间尺度上研究了可溶态和颗粒态物质的C-Q关系,表明颗粒物在长期及事件尺度上都呈现出正的C-Q关系,而溶解性物质由于来源及迁移路径不同表现出不同的C-Q滞后模式。Pohle等[10]提出了一种C-Q关系分类,能够利用低频水质数据表示流域集水区溶解态物质的长期平均值滞后模式和输出特征,发现溶解态物质的输出特征不仅与物质本身特性有关,还与集水区特征有关。Rose等[11]通过研究农业流域上下游悬浮泥沙和可溶性活性磷的C-Q关系,认为颗粒物在上游的迁移路径较长导致了逆时针滞后,而下游则有较强的冲刷作用和滞后效应,可溶活性磷在上游下游的输出模式都比较复杂,会受到前期土壤湿度的影响。夏绍钦等[12]对不同时间尺度上C-Q关系的研究表明,涪江河流泥沙的输送以顺时针滞后为主。梳理发现,C-Q关系常用于流域尺度的研究,在田块尺度上尚没有利用C-Q关系研究可溶态和颗粒态污染物输出特征的报道。

上海郊区河网密布,农田是郊区重要的土地利用类型。崇明岛地处长江下游,雨量多,且河道水质超标。本文选取崇明岛旱地农田作为研究区域,长期不间断地监测旱地农田的降雨产流情况,利用高分辨率的电导率(EC)、浊度数据分析溶解态和颗粒态污染物的输出特征,并通过自动采样收集径流样品,分析N、P营养物的浓度变化,以精确掌握农田降雨产流的特征,及养分、悬浮颗粒物的流失特征,旨在为农田面源污染控制提供科学依据。

1 材料与方法

1.1 研究区概况

研究区位于上海市崇明岛享农蔬菜基地(31°33′N,121°44′E)。当地年均日照1 973.9 h,日照充足,属亚热带季风气候,年均气温15.8 ℃,雨水充沛,大部分降雨发生在夏季,年均降雨量为1 128.9 mm。研究区旱地面积较大,约1.18 hm2。为了实现对农田径流的精确监测,避免降雨径流从多个出水口排出,在田间建设径流小区,砌水泥田埂(高25 cm),并用SBS防水卷材包裹(卷材埋至地上10 cm、地下20 cm),以避免径流监测样方与外部农田发生侧渗或串流。样方面积为0.166 5 hm2,内部共有12条畦沟,径流监测设备安装在仅有的一个排水口处(图1)。

图1 农田监测点位布置图Fig.1 The layout of the farmland monitoring points

降雨径流事件的研究时间为2020年9月至2021年12月。研究区主要种植模式为玉米-花菜轮作,田间管理措施均按当地正常耕作习惯进行。花菜于2020年8月20日种植,分别于9月2日和10月11日通过叶面喷施的形式施加等量的尿素(每次施用量折纯N 177.46 kg·hm-2),10月25日通过喷雾方式施加农药苦参碱,12月23日收割花菜。2021年4月10日施加商品复合肥作为基肥(N,67.46 kg·hm-2,P2O5,37.48 kg·hm-2,K2O 50 kg·hm-2),4月25日撒播玉米,5月20日以喷雾的形式施用农药苦参碱,8月20日收获玉米并进行土地翻耕。除种植作物的时节外,其他时间地表裸露。

1.2 土壤条件

研究区土壤为中性,质地为粉(砂)质黏壤,砂粒(粒径0.05～2 mm)含量为111.5 g·kg-1,粉(砂)粒(粒径0.002～<0.05 mm)含量为609.5 g·kg-1,黏粒(粒径<0.002 mm)含量为279.0 g·kg-1。耕层(0～20 cm)土壤的基本性状如下:容重1.29 g·cm-3,全氮含量0.99 g·kg-1,水解性氮含量85.25 mg·kg-1,全磷含量1 115 mg·kg-1,有效磷含量35.10 mg·kg-1。

1.3 研究方法

参照文献[13]的方法监测降雨量、径流量、浊度、EC和土壤含水率。

使用自动采样器采集径流样品。将三角堰内的水位高度设置为采样程序触发的条件,一旦有径流产生,即堰内水位没过堰角高度,采样即被触发。采样间隔为“前密后疏”,在产流开始后,前4 h的采样间隔为30 min,后续慢慢增加采样间隔的时长。径流停止24 h后,重置采样程序。将样品保存在4 ℃低温条件下,并在48 h内完成样品检测。

利用QSY-5自动取土壤水样负压装置(武汉科瑞特力自动化设备有限公司)采集土壤溶液,雨后6～12 h到田间抽取10～30 cm土层的土壤溶液,并在48 h内完成样品检测。

1.4 样品分析

1.5 数据处理

旱地降雨后并不一定会产生径流。降雨首先渗入土壤,土壤吸收饱和后才会产生径流。利用径流系数(单位面积上产生的径流量与单位面积上的降雨量之比)可反映旱地降雨转变为径流的量,并体现各要素对产流的综合影响[15]。径流系数越大,代表降雨越难被土壤吸收。

在美国水土保持局(Soil Conservation Service, SCS)开发的SCS模型中,径流曲线数(curve number, CN)是由环境中影响产流的各种因素及其贡献归纳总结出的一个参量[16]。CN数值(VCN)与土壤最大蓄水量(S)有如下关系:

VCN=25 400/(254+S)。

(1)

径流量与土壤水分状况的关系常用CN(0～100)进行评估。CN数值越小,表明土壤蓄水能力越强,降雨越容易渗入土壤;CN数值越大,表明土壤渗透性越差,降雨越容易转化为径流。

美国水土保持局认为,农田耕地的土壤最大蓄水量S可用产流前的降雨损失量(Ia)的20%估算,则径流量和降雨量的关系可表示为

Q=(P-0.2S)2/(P+0.8S)。

(2)

式(2)中:Q为径流深度,mm;P为降雨深度,mm。

在上海郊区,农田土壤最大蓄水量和产流前降雨损失量的适宜比例系数为0.05[17],则式(2)可改写为Q=(P-0.05S)2/(P+0.95S)。

径流中水文水质的变异性、随机性较大,因此本文采用污染物负荷总量与径流总量的商来描述污染物的浓度,即事件平均浓度(event mean concentration,EMC):

(3)

式(3)中:VEMC为EMC的值;M为径流过程中污染物的总质量,g;V为降雨事件中的径流总量,m3;T为降雨事件径流结束的时间;Qt是t时刻的径流流量,m3·min-1;Ct为t时刻的污染物浓度,mg·L-1。

C-Q关系作为集水区响应降雨事件的综合信号,适用于研究径流事件期间可溶态和颗粒态污染物的迁移路径和时空来源[18-19]。通常,用幂律模型来表述C-Q关系:

C=aQb。

(4)

式(4)中的a和b分别为幂律模型的截距和斜率。

Pohle等[10]根据流量上升段和下降段物质的输出特性对C-Q关系进行了分类:b值为正(正斜率,表示冲刷,即浓度随流量增加而增加),表明由于大量污染物质储存以及例如由于水文连通性增加而增强的污染物质输出,一般呈现出顺时针滞后模式;b值为负(负斜率,表示稀释,即浓度随流量的增加而降低),表明受污染物来源的限制,一般呈现出逆时针滞后模式[20];b值接近0(近零斜率,表示恒定,即浓度随流量无显著变化或变化同步),表明污染物分布较为均匀或污染物来源不变,无明显滞后模式[21]。选取监测期间样品检测数据较多(n>5)的各个降雨径流事件,对污染物的C-Q关系进行回归分析。

1.6 统计分析

采用SPSS 26.0软件对数据进行处理与分析,采用最小二乘法拟合进行皮尔逊(Pearson)相关性分析。采用Origin 2021软件作图。采用Photoshop 2018软件绘制研究点位布置图。

2 结果与分析

2.1 降雨水文特征

2.1.1 降雨与径流情况

监测期间,降雨量的变异系数为91.08%,属中等变异。降雨主要集中在6—8月,占2021年降雨量的43.94%。流量(y1)和降雨量(x)呈显著相关关系:y1=0.750 4x-11.511(r=0.876,P<0.01),径流系数(y)和降雨量也呈现显著正相关:y=0.006 0x+0.043 2(图2),可见径流量主要受到降雨量的影响。各场降雨事件径流量的变异系数为207.92%,属于强变异[22],即降雨量相近事件间产流量却相差甚远,主要缘于前期土壤湿度对产流的影响[23-24]。

图2 监测期间径流系数和降雨量的关系Fig.2 Relationship between runoff coefficient and rainfall during the monitoring period

2.1.2 前期土壤含水率对产流的影响

前期土壤含水率(AMC)反映降雨对径流水文过程的影响。土壤10、30、50 cm深处的含水率(AMC10、AMC30、AMC50)都与CN值呈现出良好的线性相关关系(图3),AMC越高,CN值越大。土壤湿润,降雨时的水分入渗量低,容易产生径流。对比发现,AMC10与CN值的线性相关最显著[13]。

CN,径流曲线数;R2,决定系数;AMC10,10 cm深处土壤的前期含水率;AMC30,30 cm深处土壤的前期含水率;AMC50,50 cm深处土壤的前期含水率。CN, Curve number; R2, Determination coefficient; AMC10, Antecedent moisture content in 10 cm soil depth; AMC30, Antecedent moisture content in 30 cm soil depth; AMC50, Antecedent moisture content in 50 cm soil depth.

前期的土壤湿度只是影响径流生成的因素之一,影响土壤产流能力的因素还包括雨滴动能、降雨强度、地下水埋深和土壤特征(如土壤质地、有机质、土壤粒径分布特性等)等[25-26]。持续时间短、强度高的降雨产生的径流量最大[27]。

不同深度土壤的水分变化过程如图4所示:50 cm土层土壤含水率的变异系数为1.6%,即使是在降雨期间变化也不明显,主要是因为崇明岛靠海,地下水埋深较浅,土壤水分变化不明显;30 cm土层土壤含水率的变异系数为6.8%;10 cm土层土壤含水率的水变异系数为16.03%,变化幅度相对较大,主要由降雨引起。

图4 监测期间不同土层的土壤含水率变化Fig.4 Changes of soil moisture content at different depths during the monitoring period

2.2 电导率与浊度的变化特征

2.2.1 电导率、浊度与污染物的关系

浊度可反映径流中的泥沙含量,浊度与SSC呈显著正相关(图5),与TP浓度也呈正相关。这是因为P在径流中的主要流失形态为颗粒态,磷易吸附在土壤中的铁铝氧化物等颗粒物上而随径流迁移[28-29]。因此,可以通过测定浊度来反映泥沙和P的流失程度。

图5 悬浮泥沙浓度(SSC)、总磷(TP)浓度与浊度的相关性Fig.5 Correlation within suspended sediment concentration (SSC), total phosphorus (TP) concentration and turbidity

径流EC与全盐量呈显著正相关(图6)。氮在农田径流中主要以溶解态流失[13]。由于EC的测量成本较低,且能够提供高分辨率的数据,因此可采用EC值来反映可溶养分的排放。

图6 全盐量与电导率(EC)的相关性Fig.6 Correlation between total salt content and electrical conductivity (EC)

2.2.2 滞后效应分析

通过分析浊度与流量发现(图7):在径流量较大的降雨事件(最大流量超过5 m3·h-1)中,总体上呈现出浊度随流量增大而增大的趋势,表明随着降雨冲刷土壤力度的增加,泥沙颗粒运动更加剧烈,径流中P的流失也越多;在径流量较小的降雨事件(最大流量不超过5 m3·h-1)中,浊度的变化未能呈现一致的规律。

图7 浊度与流量的关系Fig.7 Relationship between turbidity and discharge

根据C-Q曲线的方向,将降雨径流事件分为顺时针滞后、逆时针滞后和无滞后3类。图7中的顺时针红色圆圈标注的事件即为顺时针滞后,表现为流量上升,浊度随之上升,说明径流初期水文连通性较好,泥沙来源较近,即旱地悬浮颗粒物快速输送排放[30-31]。在2021-05-24和2021-05-27等流速较小的降雨径流事件中,浊度在径流初期即已达到最大值,后续逐渐降低。这是因为降雨集中在径流前期,后续降雨少,缺乏雨滴的冲刷作用。2020-09-10、2021-07-31的降雨事件表现为逆时针滞后,表明悬浮颗粒物在田块间运输较慢[32],这可能是距旱地排水口较远的泥沙输送过程产生的。2021-07-29的降雨事件表现为无明显滞后,说明泥沙在随流量排放过程中是均匀连续的,污染物来源与输送路径基本不变[10,33]。

EC随流量的变化过程如图8所示。总体来看,EC随径流量变化整体呈现逆时针滞后,即径流初期EC较低,在流量上升阶段EC随之降低,在退水阶段EC逐渐升高并达到最大值。在流量较大的降雨事件(最大流量超过4 m3·h-1)中,总体上呈现出径流初始阶段EC随流量的增大而减小的现象,表明径流中的可溶态污染物在随径流排放的过程中,随着降雨强度的增大,稀释效应愈加明显,浓度逐渐降低,这可归因于新旧水的混合,而前者的EC值较低。对于径流量较小的降雨事件(最大流量不超过4 m3·h-1)中,EC随流量的变化总体呈现逆时针滞后。根据C-Q曲线方向将降雨事件分为逆时针滞后和无滞后两类。2021-07-29、2021-07-31、2021-08-15的降雨事件无明显滞后,流量较大时呈顺时针,流量较小时呈逆时针,可能是由于这几次降雨事件距离上一次降雨事件很短,AMC在所有降雨事件中均达到很高的水平,水文连通性好,因此没有表现出明显的滞后模式,表明可溶态污染物的排放还受到前期土壤湿度的影响[12]。其余降雨事件为逆时针滞后,说明溶解态污物质主要来源于土壤内部,通过壤中流与径流水混合,对降雨径流事件的响应较慢,AMC低,水文连通性差,限制了污染物的迁移。2020-09-17、2021-07-27的降雨情况复杂且历时长,呈现出较为复杂的复合型滞后。

图8 电导率(EC)与径流量的关系Fig.8 Relationship between electrical conductivity (EC) and discharge

2.3 N、P污染物输出特征

2.3.1 N、P养分的EMC变化特征

2.3.2 N、P污染物输出特征的C-Q关系分析

TP的输出在事件尺度和汇总数据上总体呈现出冲刷作用,这是因为颗粒态磷是磷输出的主要形式,磷随颗粒物进行迁移[39]。DTP的输出在汇总数据和事件平均尺度上b值都大于0,总体呈现出冲刷作用。陈玲等[40]对香溪河流域磷流失特征的研究发现,暴雨径流中溶解态总磷和溶解态无机磷在降雨初期浓度较高,之后随降雨持续而迅速减小并逐步趋于稳定。

2.4 污染物输出机理分析

径流中最大TN浓度与土壤溶液中TN浓度的相关性较好(图10),回归斜率趋近于1,表明径流退水阶段水文连通性好,N的输出形态主要为溶解态,N在土壤浅层(耕作层)进行迁移,导致径流末期EC达到最高。当污染物迁移路径较长,或降雨与径流新旧水混合稀释时,就会产生这种滞后效应[41]。这就解释了EC在暴雨条件下一般呈现出逆时针滞后,即流量下降段的浓度超过上升段的浓度,上升段的浓度更高的现象。

TN,总氮;氨态氮;硝态氮;TP,总磷;DTP,溶解性总磷。紫色圆圈代表单个事件的回归b值,浅蓝色菱形代表所有事件b值的平均值,红色条表示汇总数据的回归b值。TN, Total nitrogen; Nitrate nitrogen; TP, Total phosphorus; DTP, Dissolved total phosphorus. Purple circles represent b values of individual events; light-blue diamonds represent the average of b values for all events; red bars indicate the b value for all data.

表1 不同降雨事件农田径流中各形态氮、磷的事件平均浓度(EMC)

图10 径流中最大总氮(TN)浓度与土壤溶液TN浓度的关系Fig.10 Relationship between maximum total nitrogen (TN) concentration in runoff and TN concentration in soil solution

径流中最大TP浓度与土壤溶液中TP浓度没有显著的相关性(图11)。P主要在农田表面进行迁移,P的输出形态主要为颗粒态,随着悬浮泥沙进行输出;因此,P对径流事件的响应较为迅速,浊度随着流速的升高快速升高[42]。这就解释了浊度在暴雨条件下一般呈现出顺时针滞后,即上升段浓度更高的现象。

图11 径流中最大总磷(TP)浓度与土壤溶液TP浓度的关系Fig.11 Relationship between maximum total phosphorus (TP) concentration in runoff and TP concentration in soil solution

3 结论

(1)旱地农田径流量主要受降雨量的影响,也受AMC的影响。CN值与AMC10、AMC30、AMC50存在良好的线性相关关系,变化明显的AMC10更适合用来反映土壤的产流能力。

(2)浊度能够较好地反映径流中的悬浮泥沙量和TP含量;EC能够很好地反映径流中的可溶性盐浓度(用全盐量表征)。浊度与流量总体呈现顺时针滞后,冲刷作用是颗粒态污染物的主要输出原因。EC与流量总体呈现逆时针滞后,稀释作用是溶解态污染物的主要输出原因。

(3)施肥对N的EMC影响较大,对P的EMC影响较小。TP的输出总体呈现出顺时针滞后,表现出一定的冲刷作用。其他形态氮磷的输出事件尺度上既有冲刷作用,也有稀释作用。

(4)径流TP主要来自土壤表面,较短的迁移路径是颗粒态污染物输出大多呈现出顺时针滞后模式的原因。径流TN主要来自土壤溶液,多变的迁移路径是溶解态物质输出大多呈现逆时针滞后模式的原因。