基于SWAT模型的流域河道硝酸盐δ<sup>15</sup>N和δ<sup>18</sup>O模拟

引用本文

王康, 冉宁, 林忠兵, 周祖昊. 基于SWAT模型的流域河道硝酸盐δ¹⁵N和δ¹⁸O模拟[J]. 环境科学, 2018, 39(1): 68-76. 复制到剪切板

WANG Kang, RAN Ning, LIN Zhong-bing, ZHOU Zu-hao. Simulation of Nitrate Isotopic (δ¹⁵N and δ¹⁸O) by Coupling the Hydrology and Transport Processes Described by the SWAT Model[J]. Environmental Science, 2018, 39(1): 68-76. 复制到剪切板

基于SWAT模型的流域河道硝酸盐δ¹⁵N和δ¹⁸O模拟

王康¹, 冉宁¹, 林忠兵¹, 周祖昊²

1. 武汉大学水资源与水电工程科学国家重点实验室, 武汉 430072;
2. 中国水利水电科学研究院水资源研究所, 北京 100038

收稿日期: 2017-06-05; 修订日期: 2017-07-17

基金项目: 国家自然科学基金项目（51379152，91647109，51679257）；国家重点研发计划项目（2016YFC0402405）

作者简介: 王康(1975~), 男, 博士, 教授, 主要研究方向为面源污染理论, E-mail: wwangkang@163.com

摘要: 为提升流域地表水硝酸盐溯源方法的可靠性，于2013~2015年在釜溪河流域，对流域水文和水质过程进行了连续监测，同步测定了流域内主要污染源和干支流河道硝酸盐δ¹⁵N和δ¹⁸O.基于SWAT（soil and water assessment tool）模型模拟了陆面水文和河道水文过程中的氨氮（NH₄⁺）和硝酸盐（NO₃^-）迁移转化过程，在此基础上，耦合河道中硝酸盐¹⁵N和¹⁸ O掺混、转化和分馏机制，发展了流域河道硝酸盐δ¹⁵N和δ¹⁸O模拟方法.结果表明，河道中硝酸盐δ¹⁵N和δ¹⁸O主要受流域内污染源以及不同水文期径流条件变化的影响，不同污染源同位素掺混过程对于同位素丰度变化的贡献率为82.74%，氮素转化过程中同位素分馏的贡献率为16.26%，SWAT模拟NH₄⁺和NO₃^-浓度偏差对δ¹⁵N和δ¹⁸O模拟误差的影响为10.44%.由于降雨中硝酸盐δ¹⁸O的变化范围显著地超过δ¹⁵N的变化范围，以及河道硝酸盐¹⁸ O来源复杂性，δ¹⁸O模拟误差平均较δ¹⁵N偏大18.72%.所提出的方法模拟河道硝酸盐的δ¹⁵N和δ¹⁸O结果的系统误差和偏差小于10%和15%.所提出的流域河道硝酸盐δ¹⁵N和δ¹⁸O模拟方法具有明确的物理意义，为河道氮素正向溯源提供了方法支撑.

关键词: 流域硝酸盐 SWAT模型同位素过程模拟

Simulation of Nitrate Isotopic (δ¹⁵N and δ¹⁸O) by Coupling the Hydrology and Transport Processes Described by the SWAT Model

WANG Kang¹ , RAN Ning¹ , LIN Zhong-bing¹ , ZHOU Zu-hao²

1. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China;
2. Department of Water Resources, China Institute of Water Resources and Hydropower Research, Beijing 100038, China

Abstract: To improve the reliability of methods to trace surface water pollutants in river basins, hydrological and water quality processes in the Fuxi River Basin were continuously monitored from 2013 to 2015, and the main pollution sources in the watershed and δ¹⁵N as well as δ¹⁸O in the rivers were measured simultaneously. The Soil and Water Assessment Tool (SWAT) model was used to simulate the NH₄⁺ and NO₃^- migration processes in the hydrological processes of the land surface and rivers. On this basis, the processes of mixing, transformation, and fractionation of δ¹⁵N and δ¹⁸O in NO₃^- were coupled, and the simulation methods of δ¹⁵N and δ¹⁸O in the rivers were developed. The results showed that δ¹⁵N and δ¹⁸O in the rivers were mainly affected by the pollution sources in the river basin and the variation in runoff conditions during different hydrological periods. The contribution of the mixing process of different isotopes to the isotope abundance was 82.74%. The contribution of isotope fractionation in the process of nitrogen conversion was 16.26%. The influence of NH₄⁺ and NO₃^- concentration deviation from the SWAT simulation on the simulation errors of δ¹⁵N and δ¹⁸O was 10.44%. The δ¹⁸O simulation errors were 18.72% larger than those of δ¹⁵N because of the higher variation range of δ¹⁸O in rainfall and the complexity of δ¹⁸O. The systematic errors and deviations of the simulated δ¹⁵N and δ¹⁸O results using the proposed method were less than 10% and 15%, respectively. The simulation method of δ¹⁵N and δ¹⁸O in the river basin has a clear physical meaning, which provides a useful approach for tracing nitrogen sources in rivers.

Key words: basin nitrate SWAT model isotopic process simulation

根据不同污染物硝酸盐同位素丰度差异追踪河道中污染物的来源^{[1, 2]}及其贡献率^[3], 对于分析流域下垫面条件对污染物迁移、转化以及入河过程的影响机制^{[4, 5]}, 以及流域面源污染控制^[6]都具有重要的意义.

基于河道中硝酸盐同位素丰度进行污染追踪的研究主要集中在3个方面：分析不同区域、不同污染源(如土壤、化肥、大气沉降、农村生活、畜禽养殖, 城镇废水、工业废水)的同位素丰度值域范围及其差异性^[7~9], 陆面水文过程和河道水文过程中氮素的各种转化过程(如矿化, 挥发, 硝化、反硝化)对同位素分馏过程的影响机制^[10~12], 以及污染源及其贡献率的反演方法^{[13, 14]}.硝酸盐同位素溯源方法在多个流域应用^[15~17], 追踪了河道中氮素的来源, 为污染防治决策提供了依据.然而对于大尺度流域, 不同下垫面对降雨-径流过程响应的敏感性不同^[18], 不同径流条件下污染物迁移、转化能力及过程的差异^[19], 以及汇流区初始条件和边界条件的差异^[20~22]等因素的影响, 氮素入河过程存在着显著的不确定性.基于分布式流域水文及污染物迁移转化模型, 发展河道硝酸盐δ¹⁵N和δ¹⁸O数值模拟方法, 对于消除同位素溯源方法不确定性, 提升同位素溯源技术具有重要的意义.

1 材料与方法 1.1 釜溪河流域基本情况与监测

釜溪河为沱江一级支流(29°60′~29°45′N, 104°18′~105°01′ E), 流域面积2 983 km², 位置如图 1(a)所示, 地形高程262~959 m[图 1(b)].流域多年(1961~2015年)平均气温为17.9℃, 多年平均、最大、最小降雨量分别为1 045、1 543和668 mm.汛期(5~10月)降雨量占年降雨量的64.8%~82.4%.旭水河和威远河是釜溪河的一级支流, 旭水河子流域面积967 km², 威远河子流域面积1 036 km².流域下垫面土地利用类型如图 1(c)所示, 主要包括林地、农业用地、农村生活用地、果园、草地、水体和其他等7种土地利用类型.旭水河子流域、威远河子流域及釜溪河流域的基本情况以及点面源污水排放源强如表 1所示.

图 1 釜溪河流域基本情况及水质水量过程监测及同位素取样位置 Fig. 1 Basin information and monitoring sites for the measurement of flow rates, containment concentrations and δ¹⁵N and δ¹⁸O abundance in the Fuxi River basin

表 1 釜溪河流域基本信息及主要点、面源污染源强¹⁾ Table 1 Basic information for the Fuxi River basin

流域内设有自贡、荣县、威远和富顺等4个气象站.四川省及自贡市在旭水河河口(贡井站), 威远河河口(大安站), 釜溪河自贡市自流井区出境(自流井站)和釜溪河河口(邓关站)位置设置了监测断面[图 1(a)], 2006年开始每月1次对这4个断面中的流量和水质进行人工监测, 2013年2月完成了水质自动监测站建设, 开始对河道水质和水量过程进行连续测定, 测定时间间隔为6 h.

于2014年的5月17日、7月31日、9月6日、12月1日, 2015年4月7日、8月25日和11月12日, 在釜溪河干支流河道不同位置[图 1(a)]进行了水质取样, 取样在08:00、12:00和18:00这3个时段进行, 在河道断面1/4、1/2和3/4位置, 0.5 m水深位置进行取样, 充分混合后加入浓度为0.01 mol·L^-1的HgCl溶液, 放入保温箱在低于4℃的情况下进行保存.河道水质取样的同时, 对土壤、河道底泥、降雨、农村生活和畜禽养殖等主要面源污染源以及城镇污水处理厂和工业等点源污水进行同步取样.

土样和河道底泥取样量为1~2 kg; 经风干, 过筛, 以土:水=50 g: 100 mL的标准加入去离子水浸泡48 h对NO₃^-进行浸提.将水样或土壤浸提液用0.45 μm的聚碳酸酯膜过滤, 去掉水中的颗粒物, 用阴离子交换柱以5~15 mL·min^-1的流速抽滤水样后加入15 mL的3 mol·L^-1盐酸, 分5次注入阴离子交换柱, 每次3 mL.将先后得到的15 mL含有NO₃^-的洗脱液进行完全掺混后, 用阳离子交换树脂的方法除掉样品中过多的阳离子, 并在交换液内加入过量的Ag₂O进行中和, 将溶解性NO₃^-转化为AgNO₃, 用过滤方法去除AgCl沉淀.样品放入冷冻干燥机中进行冷冻干燥, 采用MAT 253型稳定同位素质谱仪, 测定¹⁵N和¹⁸O同位素的丰度.

1.2 基于SWAT的流域水体氮素及同位素丰度模拟

基于SWAT计算流域陆面水文过程中氮素入河过程, 并修正河道水文过程中的氮素计算模块模拟硝酸盐¹⁵N和¹⁸O同位素浓度变化.

基于质量均衡计算河道中掺混后的NO₃^-中¹⁵N和¹⁸O浓度变化：

(1)

(2)

式中, Q_i(i=1, 2, …, m)分别表示不同下垫面的地表径流、本底出流流量、以及点源(包括工业废水以及城镇生活污水)的污水排放量, m³·s^-1; 其中不同下垫面的地表径流和本底出流流量由SWAT模型计算, 点源污水排放量由四川省环境监测总站提供. c_{(¹⁵NO₃^-)_i}和c_{(N¹⁸O¹⁶O₂^-)_i}分别表示来源于第i类污染源NO₃^-的¹⁵N和¹⁸O浓度, mg·L^-1; 由于地表径流完全来源于降雨, 因此, 径流中的同位素浓度为降雨中的NO₃^-中同位素与土壤(或农田)同位素掺混后的浓度, 上标14和15分别表示氮元素的分子量, 16和18分别表示氧元素的分子量.

河道NH₄⁺硝化作用导致的NO₃^-浓度变化可表示为：

(3)

式中, k_d为一阶硝化动力学系数, d^-1; c_{¹⁴NH₄⁺}为NH₄⁺浓度, mg·L^-1; t为时间, d; K_{¹⁴NH₄⁺}为NH₄⁺硝化作用的半饱和浓度, mg·L^-1.

NH₄⁺硝化过程中, ¹⁵N同位素的硝化速率可表示为：

(4)

式中, α_N-NH₄⁺表示¹⁵N同位素在NH₄⁺硝化作用中的分馏作用因子. NH₄⁺的硝化过程需要3个氧原子, 其中两个来源于周围的水体, 另一个来源于空气中的氧(溶解氧)^[23~25], 因此硝化过程产生的硝酸盐中的δ¹⁸O可表示为：

(5)

式中, ¹⁸O(H₂O)和¹⁸O(O₂)分别表示来源于水和溶解氧中的¹⁸O, δ表示同位素丰度：

(6)

式中, R为同位素(¹⁵N和¹⁸O)和非同位素(¹⁴N和¹⁶O)的比例, R_s为标准值.¹⁵N和¹⁸O同位素分别参照标准大气(AIR)和维也纳标准平均海水(cienna standard mean oceanic water, V-SMOW)标准.

釜溪河水体污染情况严重, 根据自流井站2013~2015年监测资料, 枯水期、汛期和平水期河道中溶解氧浓度低于2.0 mg·L^-1的天数分别占对应水文期天数的42.61%、22.40%和37.78%, 在溶解氧浓度小于2.0 mg·L^-1的情况下, NO₃^-发生反硝化作用.

反硝化过程中NO₃^-的浓度变化可表示为：

(7)

式中, k_n为一阶反硝化动力学系数, d^-1; K_¹⁴NO₃^-为NO₃^-反硝化作用的半饱和浓度, mg·L^-1.

反硝化过程中, ¹⁵N和¹⁸O浓度变化速率分别为：

(8)

(9)

式中, α_N-NO₃^-为¹⁵N同位素在NO₃^-反硝化中分馏作用的因子, α_O-NO₃^-表示¹⁸O同位素在NO₃^-反硝化中的分馏作用因子.

采用Compaq Visual Fortran 6.0基于SWAT 2009程序代码对河道水文过程中污染物转化过程模块进行修正, 模拟河道中NO₃^-中¹⁵N和¹⁸O浓度变化, 具体如下：根据30 m精度数字地形高程模型DEM(美国地质调查局EROS数据)将釜溪河流域划分为360个子流域, 在子流域划分的基础上, 采用ENVI对TM-ETM遥感卫星数据进行处理, 确定了流域下垫面土地类型, 利用1: 1 000 000土壤地图进行了土壤分布信息展布, 根据污染源信息进行子流域点源及面源源强展布; 基于SWAT模拟流域陆面水文过程中不同污染源的NO₃^-和NH₄⁺入河过程, 采用式(1)和式(2)模拟掺混后的¹⁵N和¹⁸O浓度, 采用式(3)~(5)模拟河道中的NH₄⁺硝化过程及其¹⁵N和¹⁸O浓度变化, 根据河道中测定的溶解氧浓度, 在溶解氧浓度小于2.0 mg·L^-1的情况下, 采用式(7)~(9)模拟NO₃^-的反硝化过程, 以及NO₃^-反硝化过程中¹⁵N和¹⁸O浓度变化.

2 结果与讨论 2.1 釜溪河流域同位素特征分析

河道以及各点、面污染源取样的NH₄⁺和NO₃^-浓度、NH₄⁺中δ¹⁵N和NO₃^-中δ¹⁵N和δ¹⁸O的比较如表 2所示.点源的同位素丰度分布范围为δ¹⁵N [10.18‰, 23.71‰], δ¹⁸O [0.56‰, 11.45‰], 面源污染源的同位素丰度分布范围为δ¹⁵N [0.86‰, 6.44‰]和δ¹⁸O [-2.55‰, 5.84‰], 点源中δ¹⁵N和δ¹⁸O同位素丰度均值和分布区间均显著地超过面源污染源.

表 2 河道及主要污染源NH₄⁺, NO₃^-浓度及¹⁵N和¹⁸O同位素丰度 Table 2 Physico-chemical and isotope composition of the samples

表 3为不同水文期旭水河(贡井断面以上)、威远河(大安断面以上)和釜溪河(自流井~邓关断面)河道NO₃^-中δ¹⁵N和δ¹⁸O比较. 2014~2015年枯水期(11月~3月), 釜溪河同位素丰度的分布范围为：δ¹⁵N [-2.56‰, 11.82‰], δ¹⁸O [-0.32‰, 3.13‰], 平水期(4~5月, 10月)同位素丰度范围分别为δ¹⁵N [-3.31‰, 14.42‰], δ¹⁸O [-1.17‰, 3.02‰], 丰水期(6~9月)的范围分别为δ¹⁵N [-3.87‰, 6.12‰], δ¹⁸O [-7.07‰, 5.02‰], 丰水期河道中δ¹⁵N均值和分布范围均表现出降低的趋势, 与面源污染入河量随着降雨量的增加以及面源污染源的δ¹⁵N显著低于点源同位素丰度一致. δ¹⁵N分布范围的降低表明土壤中的面源污染物入河量的增加幅度显著地超过其他面源污染入河, 造成了δ¹⁵N范围显著减小.由于降雨中δ¹⁸O的同位素丰度显著地超过了点源以及面源污染源中同位素丰度, 造成了丰水期δ¹⁸O同位素丰度显著超过其它水文期.

表 3 不同水文期干支流河道δ¹⁵N和δ¹⁸O同位素丰度的比较 Table 3 Comparison of δ¹⁵N and δ¹⁸O abundance in the tributaries during various hydrological periods

自贡市点源集中在自贡市城区, 旭水河与威远河汇流区内基本没有集中点源入河.在丰水期, 旭水河、威远河与釜溪河中δ¹⁵N同位素丰度的均值和标准差最小, 而在枯水期, 干流河道和支流河道δ¹⁵N同位素丰度的均值和标准差的表现出显著的差异, δ¹⁸O同位素丰度亦表现出相同的规律.旭水河和威远河流域以面源为主, 同位素丰度主要取决于汇流区内的入河污染源, 釜溪河汇集了城区点源以及汇流区面源污染, 因此枯水期δ¹⁵N和δ¹⁸O与干流河道表现出显著的差异.

2.2 釜溪河流域河道硝酸盐δ¹⁵N和δ¹⁸O模拟 2.2.1 参数率定

贡井、大安、自流井和邓关这4个监测站2006~2012年的流量、NO₃^-和NH₄⁺浓度监测资料用于SWAT模型参数率定, 2013~2015年的监测数据用于模型校验.

定义目标函数为^[26]：

(10)

式中, m_q为监测变量(流量、NH₄⁺浓度、NO₃^-浓度)数目, n_qj为第j个变量监测的数目, g_j^*(x, t_i)为在t_i时刻, 在x监测位置(贡井、大安、自流井和邓关这4个监测站)对第j个变量的监测值. g_j(x, t_i, [b])为采用优化参数[b]的模拟计算结果, v_j为变量j所占的权重, 用于降低不同变量的量级以及监测数量不同而对于计算结果的影响.

(11)

式中, σ_j为变量j所有监测值的标准差.采用2014年5~12月河道中NH₄⁺、NO₃^-和溶解氧浓度以及NO₃^-的δ¹⁵N和δ¹⁸O监测结果, 对式(3)、式(4)、式(7)、式(8)和式(9)中的参数进行率定, 结果如表 4所示.

表 4 模型参数 Table 4 Model parameters

2.2.2 流域NH₄⁺和NO₃^-浓度过程模拟

旭水河贡井站、威远河大安站, 釜溪河邓关站2013~2015年模型校验期模拟NH₄⁺和NO₃^-浓度过程比较如图 2所示.分别采用采用Nash-Sutcliffe系数E、相对均方根误差R_E、相对偏差F_B和相对总误差F_E^[27]等4个指标对SWAT模拟NH₄⁺和NO₃^-浓度以及δ¹⁵N和δ¹⁸O模拟效果进行评价：

(12)

(13)

(14)

(15)

图 2 2013~2015年旭水河、威远河和釜溪河硝酸盐浓度模拟结果与实测值的比较 Fig. 2 Comparison of simulated and measured nitrate concentrations at the outlets of the Xushui River, Weiyuan River, and Fuxi River during the period from 2013 to 2015

式中, O_t和P_t分别为t时刻的监测值和计算值, O为监测值的均值, n为观测点数目. F_B用于评价计算值和模拟值之间的系统误差, R_E和F_E用于评价模拟值和监测值的偏差程度, E对模拟的总体有效性进行评价.

SWAT模拟NH₄⁺和NO₃^-的评价指标如表 5所示. NH₄⁺和NO₃^-的E值超过0.85, 表明模型能够有效地控制计算误差, NH₄⁺和NO₃^-的F_B值均在5%以内, 表明模拟值的系统误差控制在5%以内.NH₄⁺和NO₃^-模拟值相对偏差F_B和相对总误差F_E的比值介于0.15~0.30之间, 表明模拟精度良好^[20].

表 5 NH₄⁺、NO₃^-、δ¹⁵N和δ¹⁸O模拟误差分析 Table 5 Indexes to quantify the accuracy of the simulated NH₄⁺, NO₃^-, δ¹⁵N and δ¹⁸O

2.3 河道NO₃^-的δ¹⁵N和δ¹⁸O模拟分析

以2014年12月1日的NO₃^-中δ¹⁵N和δ¹⁸O测定值为初始条件, 采用表 4中参数, 在SWAT模型模拟陆面水文过程的基础上, 模拟了河道中同位素丰度的变化过程.考虑到SWAT模拟NH₄⁺和NO₃^-浓度对于同位素丰度的影响, 将NH₄⁺和NO₃^-浓度实测值作为输入, 对比模拟了由于SWAT模拟NH₄⁺和NO₃^-浓度偏差对δ¹⁵N和δ¹⁸O模拟效果的产生的影响.

釜溪河流域各控制断面[图 1(a)]δ¹⁵N和δ¹⁸O模拟结果和实测结果的比较如图 3所示.可以看出, 采用NH₄⁺和NO₃^-浓度实测值模拟的同位素精度总体优于基于SWAT的模拟结果.相比NH₄⁺和NO₃^-浓度实测值作为输入, 基于SWAT模型模拟的δ¹⁵N和δ¹⁸O的Nash-Sutcliffe系数E, 相对均方根误差R_E, 相对偏差F_E和相对总误差F_B分别增加了2.47%、4.84%、5.16%和6.44%.基于SWAT模拟NO₃^-的¹⁵N和¹⁸O同位素浓度变化的误差主要来源于3个方面：NH₄⁺和NO₃^-浓度模拟值和实测值之间的模拟误差, 导致对同位素丰度的模拟误差; 由于参数率定条件与模拟条件不同, 所率定的硝酸盐转化过程中同位素分馏作用因子与实际情况偏差所造成的模拟误差; 以及模拟过程中将各种源强的丰度的统计值作为模型输入, 然而实际上, 各种氮源中同位素丰度在一定范围内变化, 也在一定程度上影响了模拟精度.

图 3 δ¹⁵N和δ¹⁸O丰度模拟结果和实测结果的比较 Fig. 3 Comparison of simulated and monitored δ¹⁵N and δ¹⁸O abundance

河道中同位素丰度的变化主要受到不同源强同位素掺混, 以及转化过程中分馏作用的影响, 模拟结果表明, 影响河道中同位素丰度变化的主要因素是不同污染源的掺混作用, 模拟的系统误差小于10%, 相对均方根误差小于15%以内, 在流域水文过程和NH₄⁺和NO₃^-浓度过程总体模拟结果不存在系统偏差的条件下, 能够实现同位素丰度的系统偏差的控制.

比较图 3和表 5可知, δ¹⁵N的模拟精度总体高于δ¹⁸O的模拟精度, 相比¹⁵N的模拟精度, ¹⁸O的相对误差平均增加18.72%.其中的原因在于：来源于不同污染源的¹⁸O变化范围远远超过¹⁵N的变化范围, 特别是降雨中NO₃^-的δ¹⁸O变化范围为28.62%~74.44%, 而δ¹⁵N的变化范围介于-7.60%~25.18%之间, 由于模型采用统计均值作为各种污染源的同位素丰度的输入, 源强的差异性所造成的模拟误差大于δ¹⁵N的模拟结果; 其次就转化过程而言, NO₃^-中δ¹⁸O和δ¹⁵N主要是NH₄⁺中硝化作用, 以及NO₃^-的反硝化过程中的分馏作用, 对于¹⁵N, 是NH₄⁺和NO₃^-自身转化作用的直接结果, 而¹⁸O则来源于水和溶解氧, 因此, ¹⁵N率定参数的稳定性较强, 而¹⁸O参数可能受到更多外界因素的影响, 表现出模拟结果偏大的趋势.

比较各段的模拟结果可以看出, 荣县~贡井段δ¹⁸O的模拟误差显著地超过贡井~沿滩段和沿滩~邓关段的模拟误差, 而沿滩~邓关段的δ¹⁵N模拟差异在3段中是最小的, 荣县~贡井区段氮素主要来源于面源, 进入城区后, 在贡井~自流井区段, 由于城区点源的排放入河, NO₃^-浓度显著提高, 沿滩~邓关区段则以高浓度的氮素的自净和面源污染注入为主, SWAT模拟NH₄⁺和NO₃^-浓度的偏差对同位素转化的影响更为显著, 这与前面分析的结果一致.

3 结论

(1) 所构建的模型描述了流域陆面水文和河道水文过程中硝酸盐¹⁵N和¹⁸O同位素掺混, 迁移和转化分馏过程.模型应用于釜溪河流域, 经过参数率定, 模拟2015年河道硝酸盐δ¹⁵N和δ¹⁸O的Nash-Sutcliffe系数、相对均方根误差、相对偏差和相对总误差分别为0.705、0.115、0.245和0.092, 表明模拟结果与监测数据吻合情况较好.

(2) 釜溪河流域同污染源同位素掺混过程对于同位素丰度变化的平均贡献率为82.74%, 氮素转化过程中同位素分馏的平均贡献率为16.26%, SWAT模拟NH₄⁺和NO₃^-浓度偏差造成的δ¹⁵N和δ¹⁸O平均模拟偏差为10.44%

(3) 由于污染源同位素丰度以及同位素来源的差异性, 流域河道硝酸盐δ¹⁵N的模拟精度总体高于δ¹⁸O的模拟精度, 相比¹⁵N的模拟精度, ¹⁸O的相对误差平均增加15.6%.

(4) 需要指出, 由于控制精度的需要, 一些关键参数, 如河道中的溶解氧的浓度, 采用实测值作为计算输入, 模型需要进一步地进行机制方面的完善.

参考文献

[1]	Sugimoto R, Kasai A, Fujita K, et al. Assessment of nitrogen loading from the Kiso-Sansen rivers into Ise Bay using stable isotopes[J]. Journal of Oceanography, 2011, 67(2): 231-240. DOI:10.1007/s10872-011-0022-7
[2]	Xue D M, Botte J, De Baets B, et al. Present limitations and future prospects of stable isotope methods for nitrate source identification in surface-and groundwater[J]. Water Research, 2009, 43(5): 1159-1170. DOI:10.1016/j.watres.2008.12.048
[3]	Ren Y F, Xu Z W, Zhang X Y, et al. Nitrogen pollution and source identification of urban ecosystem surface water in Beijing[J]. Frontiers of Environmental Science & Engineering, 2014, 8(1): 106-116.
[4]	Nestler A, Berglund M, Accoe F, et al. Isotopes for improved management of nitrate pollution in aqueous resources:review of surface water field studies[J]. Environmental Science and Pollution Research, 2011, 18(4): 519-533. DOI:10.1007/s11356-010-0422-z
[5]	Silva S R, Kendall C, Wilkison D H, et al. A new method for collection of nitrate from fresh water and the analysis of nitrogen and oxygen isotope ratios[J]. Journal of Hydrology, 2000, 228(1-2): 22-36. DOI:10.1016/S0022-1694(99)00205-X
[6]	Deutsch B, Mewes M, Liskow I, et al. Quantification of diffuse nitrate inputs into a small river system using stable isotopes of oxygen and nitrogen in nitrate[J]. Organic Geochemistry, 2006, 37(10): 1333-1342. DOI:10.1016/j.orggeochem.2006.04.012
[7]	詹泸成, 陈建生, 张时音. 洞庭湖湖区降水-地表水-地下水同位素特征[J]. 水科学进展, 2014, 25(3): 327-335. Zhan L C, Chen J S, Zhang S Y. Characteristics of stable isotopes in precipitation, surface water and groundwater in the Dongting lake region[J]. Advance in Water Science, 2014, 25(3): 327-335.
[8]	Kaushal S S, Groffman P M, Band L E, et al. Tracking nonpoint source nitrogen pollution in human-impacted watersheds[J]. Environmental Science & Technology, 2011, 45(19): 8225-8232.
[9]	王珺, 高高, 裴元生, 等. 白洋淀府河中氮的来源与迁移转化研究[J]. 环境科学, 2010, 31(12): 2905-2910. Wang J, Gao G, Pei Y S, et al. Sources and transformations of nitrogen in the Fuhe river of the Baiyangdian lake[J]. Environmental Science, 2010, 31(12): 2905-2910.
[10]	Fox J F, Papanicolaou A N. Application of the spatial distribution of nitrogen stable isotopes for sediment tracing at the watershed scale[J]. Journal of Hydrology, 2008, 358(1-2): 46-55. DOI:10.1016/j.jhydrol.2008.05.032
[11]	温艳茹, 王建力. 重庆地区大气场降水中氢氧同位素变化特征及与大气环流的关系[J]. 环境科学, 2016, 37(7): 2462-2469. Wen Y R, Wang J L. Variations of stable isotope in precipitation and its atmospheric circulation effect in Chongqing[J]. Environmental Science, 2016, 37(7): 2462-2469.
[12]	Curt M D, Aguado P, Sánchez G, et al. Nitrogen isotope ratios of synthetic and organic sources of nitrate water contamination in Spain[J]. Water, Air, and Soil Pollution, 2004, 151(1-4): 135-142. DOI:10.1023/B:WATE.0000009889.36833.c0
[13]	Chen W Q, Chen W C, Rao H H, et al. An improved ion-exchange/diffusion method for ¹⁵N isotope tracing analysis of nitrate in surface waters from watersheds[J]. Journal of Environmental Sciences, 2010, 22(5): 784-788. DOI:10.1016/S1001-0742(09)60177-7
[14]	Schulte P, Geldern R V, Freitag H F, et al. Applications of stable water and carbon isotopes in watershed research:Weathering, carbon cycling, and water balances[J]. Earth-Science Reviews, 2011, 109(1-2): 20-31. DOI:10.1016/j.earscirev.2011.07.003
[15]	赵庆良, 马慧雅, 任玉芬, 等. 利用δ¹⁵N-NO₃^-和δ¹⁸O-NO₃^-示踪北京城区河流硝酸盐来源[J]. 环境科学, 2016, 37(5): 1692-1698. Zhao Q L, Ma H Y, Ren Y F, et al. δ¹⁵N-NO₃^- and δ¹⁸O-NO₃^- tracing of nitrate sources in Beijing urban rivers[J]. Environmental Science, 2016, 37(5): 1692-1698.
[16]	李广, 章新平, 张立峰, 等. 长沙地区不同水体稳定同位素特征及其水循环指示意义[J]. 环境科学, 2015, 36(6): 2094-2101. Li G, Zhang X P, Zhang L F, et al. Stable isotope characteristics in different water bodies in Changsha and implications for the water cycle[J]. Environmental Science, 2015, 36(6): 2094-2101.
[17]	Lee K S, Bong Y S, Lee D, et al. Tracing the sources of nitrate in the Han river watershed in Korea, using δ¹⁵N-NO₃^- and δ¹⁸O-NO₃^- values[J]. Science of the Total Environment, 2008, 395(2-3): 117-124. DOI:10.1016/j.scitotenv.2008.01.058
[18]	Li S L, Liu C Q, Li J, et al. Assessment of the sources of nitrate in the Changjiang river, China using a nitrogen and oxygen isotopic approach[J]. Environmental Science & Technology, 2010, 44(5): 1573-1578.
[19]	Ouyang W, Song K, Wang X, et al. Non-point source pollution dynamics under long-term agricultural development and relationship with landscape dynamics[J]. Ecological Indicators, 2014, 45(10): 579-589.
[20]	Sebilo M, Billen G, Mayer B, et al. Assessing nitrification and denitrification in the Seine river and estuary using chemical and isotopic techniques[J]. Ecosystems, 2006, 9(4): 564-577. DOI:10.1007/s10021-006-0151-9
[21]	Trang N T T, Shrestha S, Shrestha M, et al. Evaluating the impacts of climate and land-use change on the hydrology and nutrient yield in a transboundary river basin:a case study in the 3S river basin (Sekong, Sesan, and Srepok)[J]. Science of the Total Environment, 2017, 576: 586-598. DOI:10.1016/j.scitotenv.2016.10.138
[22]	Tuset J, Vericat D, Batalla R J. Rainfall, runoff and sediment transport in a Mediterranean mountainous catchment[J]. Science of the Total Environment, 2016, 540: 114-132. DOI:10.1016/j.scitotenv.2015.07.075
[23]	Böttcher J, Strebel O, Voerkelius S, et al. Using isotope fractionation of nitrate-nitrogen and nitrate-oxygen for evaluation of microbial denitrification in a sandy aquifer[J]. Journal of Hydrology, 1990, 114(3-4): 413-424. DOI:10.1016/0022-1694(90)90068-9
[24]	Granger J, Sigman D M, Lehmann M F, et al. Nitrogen and oxygen isotope fractionation during dissimilatory nitrate reduction by denitrifying bacteria[J]. Limnology and Oceanography, 2008, 53(6): 2533-2545. DOI:10.4319/lo.2008.53.6.2533
[25]	Knöller K, Vogt C, Haupt M, et al. Experimental investigation of nitrogen and oxygen isotope fractionation in nitrate and nitrite during denitrification[J]. Biogeochemistry, 2011, 103(1-3): 371-384. DOI:10.1007/s10533-010-9483-9
[26]	陈会, 王康, 周祖昊. 基于排水过程分析的水稻灌区农田面源污染模拟[J]. 农业工程学报, 2012, 28(6): 112-119. Chen H, Wang K, Zhou Z H. Simulation of agricultural non-point source pollution from paddy rice irrigation district based on analyses of drainage processes[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(6): 112-119.
[27]	李颖, 王康, 周祖昊. 基于SWAT模型的东北水稻灌区水文及面源污染过程模拟[J]. 农业工程学报, 2014, 30(7): 42-53. Li Y, Wang K, Zhou Z H. Simulation of drainage and agricultural non-point source pollutions transport processes in paddy irrigation district in North-East China using SWAT[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(7): 42-53.


环境科学 2018, Vol. 39 Issue (1): 68-76	PDF