环境科学  2018, Vol. 39 Issue (1): 77-88   PDF    
程海流域非点源污染负荷估算及其控制对策
陈学凯1,3, 刘晓波1,3, 彭文启1,3, 董飞1,3, 黄智华1,3, 冯顺新1,3, 王若男1,2,3     
1. 中国水利水电科学研究院水环境研究所, 北京 100038;
2. 河海大学水文水资源学院, 南京 210098;
3. 中国水利水电科学研究院流域水循环模拟与调控国家重点实验室, 北京 100038
摘要: 计算流域非点源氮磷污染负荷并以此开展源解析对于寻求水体污染控制最佳管理措施具有重要意义.通过对经典的Johnes输出系数模型进行改进,考虑了降水、坡度以及污染源与水体之间距离等因素,建立了一套在资料缺乏情况下,适用于受地形、降水影响较大的高原湖泊地区的非点源污染负荷评估方法.选取云南省九大高原湖泊之一的程海作为研究对象,验证了改进输出系数模型的合理性,并对流域溶解态氮磷入湖污染负荷进行了全面的分析.结果表明:①2014年,程海流域溶解态氮磷入湖负荷分别是158.48 t·a-1和24.70 t·a-1,且二者空间分布相似;②在土地利用方面,农业用地对溶解态氮磷入湖污染负荷贡献最大,分别是46.19%和48.16%;③畜禽养殖和农村生活是溶解态氮磷入湖污染负荷治理的优先控制污染源,南岸是溶解态氮磷入湖污染负荷重点治理区域;④若实行农村生活和畜禽养殖、化肥流失及土地利用治理,可使溶解态氮磷入湖污染负荷分别减少38.47%和40.76%.研究成果可为缺乏资料的高原湖泊地区非点源污染治理提供科学的理论依据.
关键词: 非点源污染      程海流域                输出系数模型     
Estimation of and Control Strategies for Pollution Loads from Non-point Sources in the Chenghai Watershed
CHEN Xue-kai1,3 , LIU Xiao-bo1,3 , PENG Wen-qi1,3 , DONG Fei1,3 , HUANG Zhi-hua1,3 , FENG Shun-xin1,3 , WANG Ruo-nan1,2,3     
1. Department of Water Environment, China Institute of Water Resources and Hydropower Research, Beijing 100038, China;
2. College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China;
3. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China
Abstract: The calculation of non-point source (NPS) pollutant loads of nitrogen and phosphorus is the key step in preparing a pollution control plan. This study modified the export coefficient model by taking into account the precipitation, slope, distance between pollution sources and water bodies, and other relevant factors. The NPS pollution load assessment method established in this study can be applied to data-scarce basins and is suitable for plateau lake regions affected by terrain and precipitation. In this study, Chenghai Lake, which belongs to one of the nine major plateau lakes in Yunnan Province, is selected for the case study. This study first verifies the rationality of the improved export coefficient model based on actual observed values, and then utilizes the improved export coefficient model to assess the loads of dissolved nitrogen (DN) and dissolved phosphorus (DP) pollution. As indicated by the results, in 2014, the loads of DN and DP into Chenghai Lake are 158.48 t·a-1 and 24.70 t·a-1, respectively. The maximum contributions of DN and DP pollution load into Chenghai Lake are from agricultural cultivated land are 46.19% and 48.16%, respectively, in terms of land use. The results present a relatively consistent spatial distribution of DN and DP that indicates that the south bank is a key area for governance. Livestock and rural living are the main pollution sources influencing the load of DN and DP into Chenghai Lake and should be prioritized for control. If the pollution from rural living, livestock, fertilizer loss, and land use can be effectively controlled, the load of DN and DP into Chenghai Lake will be decreased by a maximum of 38.47% and 40.76%, respectively. The results of this study suggest that the improved export coefficient model can be applied for study of the NPS pollution assessment of plateau lake regions and can provide a theoretical basis for the NPS pollution control of the Chenghai Lake basin.
Key words: non-point source      Chenghai watershed      nitrogen      phosphorus      export coefficient model     

近十年来, 非点源污染尤其是农业非点源污染已经逐渐发展成为影响水环境质量乃至威胁人群健康的重要因素[1~6], 同时也是我国生态环境保护工作中的重点防控对象[7].非点源污染的模拟、评估以及管理历来是水污染防控领域的重要研究方向[8, 9], 相关的方法和技术是我国流域水质目标管理技术体系中的关键环节[10].受流域监测资料缺乏的影响, 在实际应用中, 非点源污染负荷估算的经验模型往往比机理模型更具操作性和可行性[11].英国学者Johnes等[12]提出的输出系数模型, 输入参数容易获取, 且与实际监测结果有很好的吻合度, 尤其是对资料缺乏地区进行非点源污染负荷估算时具有明显优势[13], 得到了广泛应用.但由于该模型未考虑影响非点源污染的两个重要因素——降水和地形[14], 导致其在受降水、地形影响较大的区域表现出了一定的局限性.因此, 本文对该模型进行改进, 并以程海为例开展模拟和校验.

程海是云南省第四大高原淡水湖泊, 是著名的螺旋藻养殖基地之一, 在区域生态环境保护和经济社会发展中作用突出.近年来, 程海出现了水位持续下降、湖区水量明显减少的严重问题, 其对湖区水质影响突出.流域的入湖污染负荷在该背景下如何控制, 成为程海水环境保护的重要问题.由于程海位于平均海拔大于1 500 m的高海拔地区和金沙江干热河谷区, 流域气候炎热少雨, 蒸发剧烈, 水土流失严重, 相比其他区域, 非点源的产生输移更易受降水、地形影响, 但流域监测数据的缺乏也使得入湖污染负荷的计算难度较大.针对该问题, 本文用改进后的输出系数模型对程海流域非点源溶解态氮磷入湖污染负荷进行估算, 解析了影响流域溶解态氮磷入湖污染负荷的主要污染源, 对比分析了不同污染防控措施产生的削减效果, 以期为程海流域水污染防控提供有力的技术支撑.

1 研究区域概况

程海流域(100°38′~100°41′E, 26°27′~26°28′N)位于云南省丽江市永胜县中部地区, 为内陆湖泊.流域总面积318.3 km2, 水位1 503 m时湖面面积76.38 km2.程海东、西、北三面环山, 南面地势平坦.流域年平均气温19.1℃, 年平均降水量725.5 mm, 蒸发量2 269.4 mm.程海流域涉及9个行政村, 总人口约为3.36万人, 从空间分布来看, 星湖、季官、东湖、马军、河口位于流域南岸, 兴仁、兴义位于流域北岸, 海腰位于流域东岸, 潘莨位于流域西岸.程海流域地形情况、行政村、水位站以及子流域空间分布见图 1.根据水系图和DEM, 结合野外调查, 将程海流域划分为29个子流域.

图 1 程海流域地理位置和海拔高程空间分布示意 Fig. 1 Location and topographic characteristics of the Chenghai watershed in China

2 研究方法 2.1 数据来源

本研究使用的主要数据包括地形、土地利用、土壤、降水和社会经济统计数据(表 1), 空间数据采用ArcGIS 10.2进行处理, 统一使用双标准纬线等面积圆锥(Albers)投影, 单位为m.

表 1 研究数据需求及来源 Table 1 Datasets used in this study

2.2 研究方法

降水和地形是非点源污染产生输移的重要影响因素, 两者均对非点源污染起关键作用[15, 16].基于经典的Johnes输出系数模型, 参考以往的研究成果[17, 18], 引入降水和坡度影响因子.本研究以栅格为单元进行计算, 其大小为100 m×100 m, 然后基于子流域范围, 统计各子流域的入湖污染负荷.改进后的模型结构如下:

(1)

式中, L为营养物质的流失量(kg·a-1); α为降水影响因子; β为地形影响因子; Ei为营养源i的输出系数[kg·(km2·a)-1或kg·(头·a)-1]; Ai为第i类土地利用类型总面积(km2)、第i种牲畜的数量(头)或人口数量(人); Ii为第i种营养源的营养物质输入量(kg); P为由降雨输入的污染物总量(kg·a-1), 由于缺乏相应的监测资料, 本研究暂未考虑湖面大气沉降带来的营养物流失量.

2.2.1 降雨影响因子α

降雨强度主要对产量时间及养分浓度出现峰值的时间有一定的影响, 而降雨历时则会对污染物的流失量影响较大.通过回归分析, 建立流域年平均降雨量r与溶解态污染物入湖量L的相关关系f(r).从降雨的年际差异αt和空间分布αs两个角度来考虑降雨对溶解态污染物负荷的影响.

(2)

式中, rave为流域多年平均降雨量; rj为空间单元j的年降雨量.

考虑到缺乏流域的污染物入湖量监测数据, 参考周玉良等[19]和长江上游区域的研究成果, 建立程海流域年平均降雨量r与溶解态氮磷入湖污染负荷L的相关关系:

(3)

式中, LDN为溶解态氮(DN)年入湖量; LDP为溶解态磷(DP)年入湖量.

图 2是程海流域1985~2016年逐年降水量变化曲线, 可以看出, 年降水量总体上呈现出下降趋势, 变化倾向率为-19.26 mm·(10 a)-1; 采用Mann-Kendall法对程海流域年降水量进行突变检验, 结果见图 3.可以看出, 两条统计曲线在2006年处存在交点, 说明程海流域的年降水量在2006年以后发生减少突变[20, 21].根据突变结果, 以2006~2016年为研究时域.

图 2 流域年降水变化趋势 Fig. 2 Variation of annual precipitation

图 3 流域年降水突变检验 Fig. 3 Mutation test of annual precipitation

计算得到程海流域2006~2016年多年平均降雨量rave为702.47 mm, 将其代入式(3), 得到多年平均降雨条件下DN和DP的年入湖负荷, 加上对降雨空间分布的考虑, DN和DP的降雨影响因子的表达式为:

(4)

式中, αDN为DN的降雨影响因子; αDP为DP的降雨影响因子.

通过计算, 程海流域2014年降水对DN的影响值为0.82~0.88, 对DP的影响值为0.79~0.90, 其空间分布整体呈现由西南向东北递减的趋势(图 4).

图 4 程海流域降水影响因子空间分布 Fig. 4 Spatial distribution of precipitation impact factor values

2.2.2 地形影响因子β

坡度是影响坡面产污的重要因素, 主要是通过影响径流量的大小来决定DN和DP流失量.相关研究证实, 径流量可表示为坡度的幂函数与常量的乘积[22], 则坡度对DN和DP的影响可转化坡度与径流量的关系[23].坡度影响因子β采用不同空间单元与流域均值的比值来反映不同区域因坡度不同造成的DN和DP的空间差异性.坡度影响因子β的表达式为:

(5)

式中, θj为子流域j的坡度; θave为流域平均坡度; c, d为常数.

根据张乃明等的研究成果[24], c为0.188 1, d为0.610 4.根据DEM数据, 得出程海流域的平均坡度θave为13.30°, 因此, DN和DP的地形影响因子β为:

(6)

通过计算可以得到DN和DP的地形影响因子值从0.00~2.34, 整体呈现西高东低的分布态势(图 5), 这与程海流域西部地区坡陡谷深、东部地区坡度较缓以及南部地区地势平坦的地理分布特征相吻合.

图 5 程海流域地形影响因子空间分布 Fig. 5 Spatial distribution of terrain impact factor values

2.2.3 参数确定

程海流域DN和DP的来源归纳起来主要包括农村生活、畜禽养殖、土地利用和水土流失中的溶解态部分这4种类型.输出系数的确定一般有3种途径:研究文献、实验结果和水文统计方法.这3种方法各有优缺点, 但由于研究区域监测资料的短缺, 本研究主要采用文献法结合调查数据来确定各污染源的输出系数.鉴于程海流域无土地利用输出系数实验数据, 因此流域内各种土地利用类型的输出系数, 系参考长江上游地区以及西南地区的研究结果并取其平均值而确定, 结果见表 2.

表 2 不同文献中土地利用输出系数1) Table 2 Export coefficients of land use per year from the literatures

综上所述, 通过文献阅读以及现场调研的方式确定本研究中各类型溶解态污染源的输出系数, 汇总其值见表 3.

表 3 流域DN和DP污染源输出系数 Table 3 Export coefficients for the studied DN and DP pollutant sources

2.2.4 入湖负荷估算

输出系数模型模拟出来的结果是溶解态污染物的产生量, 在集中收集和处理后形成溶解态污染物的排放量, 然后在降水冲刷和坡度作用下向河道输移过程中, 会受到植被拦截、地下渗漏、自然沉降以及各种生化作用的影响, 导致产生的污染物不可能全部到达流域出口, 因此需要引入入河系数λr, 来表征污染物迁移过程中的衰减影响.但同时考虑到每个栅格所处的空间位置不同和到流域出口的距离和高差不同, 溶解态污染物质到达流域出口的衰减程度也会有所差异.所以, 对于每个栅格单元的入湖系数值, 可根据其到最近河道的距离与高程差对流域平均入湖系数值进行加权修正, 来获取更为精确的污染物入湖量.溶解态污染负荷产生量和入湖量之间存在如下的关系:

(7)

式中, Lr为非点源溶解态污染物入湖量; λr为非点源溶解态污染物入湖系数; L为非点源溶解态污染物产生量.

根据程海生态环境保护总体实施方案, 2014年程海流域生活污水、生活垃圾、粪便排放以及畜禽养殖的收集及安全处置率分别为20%、80%、45%、45%, 考虑到排污渠道的类型以及当地气温等因素, 马军、兴义村的平均入湖系数为0.9, 其他行政村为1. DN和DP在土地利用的流域平均入湖系数参考已有的研究成果, 分别为0.3和0.2[35].

2.2.5 模型验证

参考当地环保部门的相关资料, 以2009、2012以及2014年DN和DP入湖负荷数据来评价模型的合理性. 图 6是模拟值与实际值的对比分析.可以看出, DN的模拟值与实际值吻合较好, 相对误差均在10%以内, 说明构建的DN输出系数模型基本合理.相比之下, DP的相对误差较大, 其相对误差在-30%左右.但由于DP入湖负荷相对较小, 所以在数值上相差不大.出现这种现象的原因有两方面, 一方面是模型的改进对DN的灵敏度较高; 另一方面是由于非点源磷污染主要以颗粒态存在, 模型对DP部分的估算有一定的局限性.

图 6 程海流域模拟值与实际观测值比较 Fig. 6 Comparison of simulated and measured values in the Chenghai watershed

3 结果与分析 3.1 土地利用

利用改进的输出系数模型, 计算不同土地利用类型的DN和DP入湖污染负荷及负荷强度, 统计结果见表 4.可以看出, 不同土地利用类型下的入湖污染负荷及负荷强度有较大的差异.在DN和DP入湖污染负荷方面, 农业耕地(旱地、水田以及园地)最大, 其次为林地(有林地、灌木林地以及其他林地)、草地; 在DN和DP入湖污染负荷强度方面, 农业耕地最大, 其次为裸地、草地.具体从DN来看, 平均入湖污染负荷为5.84 t·a-1, 其中农业耕地中的旱地入湖污染负荷贡献最大, 为17.63 t·a-1, 占总负荷的30.19%, 其次为草地、有林地, 分别为10.21、10.17 t·a-1, 贡献比例分别为17.49%和17.42%, 水田的入湖污染负荷也高于流域平均值, 为7.87 t·a-1, 贡献比例为13.49%; DN平均入湖负荷强度为0.28 t·(km2·a)-1, 园地、旱地、水田以及裸地的入湖负荷强度均高于流域平均值. DP情况整体与此类似, 但也略有不同. DP平均入湖污染负荷为0.61 t·a-1, 其中旱地仍居首位, 为1.92 t·a-1, 贡献比达31.49%, 其次为草地、水田, 分别为1.31、0.85 t·a-1, 贡献比例为21.53%和14.06%, 有林地的入湖污染负荷也高于流域平均值, 为0.75 t·a-1, 贡献比例为12.41%; DP平均入湖污染负荷强度为0.03 t·(km2·a)-1, 园地、旱地、裸地以及水田的入湖污染负荷强度相对较大, 均超过了流域平均值.

表 4 程海流域不同土地利用类型DN和DP入湖负荷 Table 4 Pollution load of DN and DP into Chenghai Lake from land-use

从空间分布看, 土地利用产生的DN和DP入湖污染负荷主要集中在流域的南岸和北岸, 其他依次为东岸和西岸(图 7).南、北岸属于农业化程度较高的区域, 其农业用地分别占流域农业用地总面积的54.87%和19.37%, 这势必会造成较多的农田化肥流失和农田固废污染现象的发生; 而东、西岸的土地利用多以林地、草地为主, 其入湖污染负荷相对较低.

图 7 流域不同区域土地利用溶解态氮磷污染入湖负荷量 Fig. 7 Pollution load of DN and DP into Chenghai Lake from land-use in different regions

3.2 农村生活和畜禽养殖

利用上述确定的农村生活和畜禽养殖营养源输出参数, 分别评估农村生活和畜禽养殖产生的DN和DP入湖污染负荷, 结果见图 8.可以得到, 农村生活污染产生的DN和DP入湖污染负荷分别为32.61 t·a-1和5.49t·a-1, 畜禽养殖产生的DN和DP入湖污染负荷分别为52.58 t·a-1和8.11 t·a-1.具体来看, 对农村生活DN和DP入湖污染负荷贡献最大的是居民粪便排放, 累计贡献率为130.18%;其他依次为生活垃圾、生活污水, 累计贡献率分别为38.50%和31.32%.从空间分布来看, 农村生活和畜禽养殖产生的DN和DP入湖污染负荷主要集中在南岸和北岸.主要原因是南、北岸分别承担着流域56.70%和22.63%的人口负荷以及流域56.40%和21.34%的畜禽养殖量, 造成了较高的生活污水、垃圾以及畜禽粪便排放量.相比之下, 流域东、西岸由于在人口、畜禽养殖量方面占有比例偏小, 其入湖污染负荷也相对较低.

图 8 畜禽养殖和农村生活DN和DP入湖负荷 Fig. 8 Pollution load of DN and DP into Chenghai Lake from livestock and rural living

3.3 空间分布特征

基于GIS的空间分析和统计模块, 得到流域内DN和DP的入湖负荷量空间分布及贡献率, 结果见图 9表 5.从空间分布角度看, 各子流域DN入湖污染负荷在1.03~19.23 t·a-1之间波动, 平均值为5.48 t·a-1, 总入湖污染负荷为158.47 t·a-1, 南岸的DN入湖污染负荷最大, 为78.46 t·a-1, 贡献比例为49.51%, 其中南岸的7、20号子流域入湖污染负荷较大, 分别为18.42 t·a-1和19.23 t·a-1, 占到了总入湖污染负荷的11.55%和12.06%; DP的空间分布与此类似, 各子流域的入湖污染负荷在0.15~ 2.90 t·a-1之间波动, 平均值为0.86t·a-1, 总入湖污染负荷为24.70 t·a-1, 南岸的DP入湖污染负荷仍居首位, 为12.39 t·a-1, 贡献比例高达50.16%, 其中南岸的7、20号子流域入湖污染负荷较大, 分别为2.9 t·a-1和2.85 t·a-1, 占总入湖污染负荷的11.74%和11.54%.很明显可以看出, 南岸是DN和DP入湖污染负荷的重点治理区域.

图 9 DN和DP入湖污染负荷空间分布 Fig. 9 Spatial distribution of DN and DP pollution load into Chenghai Lake

表 5 不同区域DN和DP入湖污染负荷及贡献率 Table 5 Loads and contribution ratios of DN and DP in different regions

4 讨论 4.1 流域氮磷污染负荷污染源解析

综合考虑农村生活、畜禽养殖、土地利用以及水土流失带来的DN和DP入湖污染负荷.可以得到, DN入湖污染负荷约为158.48 t·a-1, DP入湖污染负荷约为24.70 t·a-1.为进一步分析DN和DP的来源, 把土地利用分为农业用地和其他土地利用两个部分, 其中农业用地包括水田、旱地和园地, 其污染物来源于农田化肥流失以及农田固废污染, 分析结果见图 10.可以看出, 对DN贡献较大的污染源为畜禽养殖, 其贡献比例为33.18%;其次为农村生活, 贡献比例为20.58%, 其他土地利用、农业用地的贡献比例分别为18.98%、17.22%;水土流失对DN的入湖污染负荷相对较小, 为10.05%.在DP方面, 畜禽养殖的贡献比例依然最大, 为32.85%;其次为农村生活, 贡献比例分别为22.21%;由于磷污染多以流失土粒为载体进入水体中, 导致其在土壤侵蚀过程中携带的DP入湖污染负荷也相应增加, 其贡献比例为20.32%;在土地利用方面, 其他土地利用和农业用地贡献比例分别为12.61%和12.00%.

图 10 程海流域DN和DP入湖污染负荷源贡献率 Fig. 10 Source contribution ratios of DN and DP pollution load into Chenghai Lake

综合对比DN和DP的污染来源及贡献比例, 可以看出, 畜禽养殖和农村生活是影响DN和DP入湖污染负荷的主要来源, 累计贡献率为分别为66.03%和42.79%, 属于优先控制污染源.

由于流域内“一池三改”工程还未完工, 导致很多区域粪尿等排泄物经降水冲刷作用下直接排入湖中, 造成畜禽养殖成为DN和DP入湖污染负荷的一个重要来源.农业用地和其他土地利用对DN和DP的入湖污染负荷贡献比例相当, 但农业用地和其他土地利用面积分别占全流域的15.96%和60.22%, 很明显, 农业用地产生的DN和DP入湖污染负荷强度要远高于其他土地利用.出现这样现象的原因有两点, 一是溶解态污染物质主要通过地表径流进行输移, 而草地、林地等土地利用的植被覆盖对雨水冲刷、地表径流的形成具有一定的减缓和滞留作用, 而农业用地由于翻耕播种、肥料施用, 造成氮磷营养物质输出较大.二是程海流域单位面积化肥施用量较大, 据统计, 流域内农业用地平均施肥量达156.30 t·km-2, 氮肥施用量为60.02 t·km-2, 磷肥可达到75.04 t·km-2, 远高于全国平均值.从种植结构看, 流域内以种植水稻、玉米为主, 大蒜种植也是程海镇的主要产业之一, 其施肥量较水稻高出一倍以上, 而目前国内农业生产中氮肥的平均利用率为30%~35%, 磷肥为10%~20%[36], 尤其是水稻对化肥的有效利用率低, 加之氮磷肥的使用不当会导致严重的化肥流失现象发生, 造成流域内农业用地的氮磷污染负荷普遍偏高.此外, 有37.3%的旱地分布在大于15°的坡度区域, 加剧了氮磷营养物质的流失.同时, 程海所在的永胜县是云南省水土流失严重地区, 程海流域则是重中之重.轻度以上水土流失面积达150.1 km2, 占陆地面积的61.59%.在降雨期土壤中的污染物质尤其是TP中溶解于水的部分直接冲刷进入水体, 这一现象也应引起注意.

4.2 流域非点源污染控制方案分析

根据上述的分析结果, 造成流域内DN和DP入湖污染负荷偏高的原因主要体现在以下3个方面:农村生活污水和粪便集中收集处理率低; 农业生产以水肥高投入作物为主且大多以斜坡耕作; 植被覆盖度欠佳, 水土流失问题严重, 缺乏有效的工程措施.

以流域土地利用现状为基础, 根据土地利用开发强度、生态适宜性和脆弱性状况以及地形、村落人口分布情况, 按照“控制-修复-保护”的原则, 参考文献[37]及相关资料, 将程海流域综合划定为保护区、控制区和修复区.保护区为湖泊保育区, 控制区以湖滨缓冲区外至山脚之间的坝区为主, 山区为修复区.空间分布见图 11.

图 11 程海流域非点源污染防控分区 Fig. 11 Non-point source pollution prevention and control zones in the Chenghai watershed

具体来看, 建立保护区, 其目的是为了构筑流域生态安全的基本格局, 划分依据是文献[37]的一级保护区范围, 即程海水体及最高运行水位1 501 m水位线外延水平距离100 m内, 面积为80.56 km2, 占流域面积的25.31%.其中陆地面积为4.76 km2, 水面面积为75.80 km2, 主要包括水体和湖滨带.控制区是溶解态污染物治理的重点区域, 是居民用地和农业用地相对集中的区域, 涉及国土面积为80.59 km2, 占流域面积的25.32%.修复区为控制区以外的区域, 是流域水土流失治理的重点区域, 其目的是为了强化流域非点源防治的安全屏障.涉及的国土面积为161.92 km2, 占流域面积的50.91%.

根据分区结果, 结合不同区域的污染源特征提出不同的治理措施, 进行治理效果对比分析, 用以探求治理措施的合理性.综合来看, 流域DN和DP入湖污染负荷治理措施可归纳为土地利用与农田化肥流失治理、畜禽养殖和农村生活污染治理.

农村生活和畜禽养殖污染治理.以流域内2014年末人口量为基准年, 人口增长率参照近5年的年平均人口增长率来确定, 为2.79‰, 在现状发展条件下, 到2020年总人口为34 170人, 比2014年人口增长567人.就目前来看, 通过政府专项资金和企业自筹等方式, 程海流域已经全面推进截污沟渠入户工程和“一池三改”沼气池建设与改造工程, 有利地保障了流域内农村生活和畜禽养殖污染治理方案的实施.结合流域未来发展规划, 对农村生活和畜禽养殖污染治理有以下两种方案.方案一:削减10%的畜禽养殖量; 粪便处理率提高到40%, 生活污水处理率提高到60%, 生活垃圾处理率维持现状.方案二:削减20%的畜禽养殖量; 粪便处理率提高到60%, 生活污水处理率提高到75%, 生活垃圾处理率提高到85%.

土地利用与农田化肥流失治理.农田化肥流失治理主要考虑旱地、水田以及园地的溶解态污染物.有研究表明, 削减30%的化肥施用量, 不会对农田产量造成减产影响[38]; 此外, 流域内种植水稻水肥需求量大, 产值仅约每亩1 000元, 且程海水位逐年下降, 灌溉用水不足, 目前, 程海流域正逐步压缩水肥高投入作物的种植面积, 发展芒果、石榴、葡萄等经济作物, 预计可使农民经济收入由原来的每亩1 000元左右提高到每亩5 000~10 000元以上.从减少农田土地利用类型的输出系数角度着手设置治理方案, 即从“源”的角度进行防控[39].方案一:农业用地施肥量削减15%;保护区内的土地利用均改为有林地; 控制区和修复区内的裸地、荒地改为有林地.方案二:农业用地施肥量削减30%;保护区内的土地利用均改为有林地; 控制区和修复区内的裸地、荒地改为有林地; 修复区内退耕还林, 草地改为高密度草地.

设置情景有畜禽养殖和农村生活污染治理(现状、方案一、方案二), 土地利用与农田化肥流失治理(现状, 方案一、方案二), 根据其相互组合, 按代表性和实施的难易程度, 选取6种情景进行分析, 模拟治理情景前后DN和DP的入湖污染负荷, 情景方案设置见表 6.

表 6 典型情景设置 Table 6 Typical scenario sets

各典型情景下DN和DP入湖污染负荷削减情况见图 12.可以看出, 情景6削减效果最显著, 在畜禽养殖和农村生活污染、土地利用与农田化肥流失均实行方案二时, DN和DP入湖污染负荷分别减少38.47%和40.76%.其中保护区的DN和DP入湖污染负荷分别减少56.29%和52.79%;控制区DN和DP入湖污染负荷分别减少32.94%和36.63%;控制区DN和DP入湖污染负荷分别减少40.84%和42.51%.

图 12 不同情景下DN和DP入湖污染负荷比较 Fig. 12 Comparison of the loads of DN and DP in different scenarios

具体来看, 若只进行畜禽养殖和农村生活污染治理可使DN和DP入湖污染负荷分别减少25.46%和30.37%(情景2);若只进行土地利用与农田化肥流失治理(情景4), DN和DP入湖污染负荷分别减少12.50%和10.39%.相比来看, 畜禽养殖和农村生活污染治理效果要好于土地利用与农田化肥流失治理效果.虽然土地利用污染贡献比例较大, 但由于流域内土地利用类型分布较多, 只有大约50%的土地利用污染来源于农业用地, 其余来源于分布在人烟稀少地区的林地、草地等土地利用类型, 加之流域内坡陡流急, 土壤氮、磷本底值较高, 因此从治理的难易角度来看, 对土地利用类型进行全面治理存在一定的难度.流域内畜禽养殖和农村生活污染治理水平相对较低, 尤其是畜禽养殖污染在入湖污染负荷中占有较大的比重, 目前, 相应的污水和粪便集中处理配套工程也在修建, 很明显, 畜禽养殖和农村生活污染治理最易实施, 且削减效果比较明显.但是, 土地利用和化肥流失治理是从“源”的角度出发, 畜禽养殖和农村生活污染治理是从“汇”的角度出发, 因此需要两者并重, 在提高污水、垃圾以及粪便处理率的时候, 也需要加大科学施肥力度, 提高流域植被覆盖度.

5 结论

(1) 2014年程海流域DN和DP入湖污染负荷分别为158.48 t·a-1和24.70 t·a-1.

(2) 在土地利用方面, 农业用地对DN和DP入湖污染负荷贡献率最大, 分别为46.19%和48.16%.通过污染源解析, 畜禽养殖和农村生活是影响DN和DP入湖污染负荷的重要因素, 属于优先控制污染源.

(3) DN和DP入湖污染负荷空间分布差异较大.南岸是DN和DP入湖污染负荷的高值区, 分别占总入湖污染负荷的49.51%和50.16%, 属重点治理区域.

(4) 通过情景分析, 若削减20%的畜禽养殖量, 粪便、污水、垃圾的处理率分别提高到60%、75%和85%, 农业用地施肥量削减30%, 保护区内土地利用均改为有林地, 控制区和修复区内的荒地改为有林地, 修复区内退耕还林, 草地改为高密度草地.可使DN和DP入湖污染负荷分别减少38.47%和40.76%.

(5) 程海流域水文、水质监测数据较为缺乏, 对入湖水量、污染物量计算的准确性造成明显影响, 定期开展入湖河流的水量、水质监测, 并结合监测数据进一步完善模型应是下一步研究工作的重点.

参考文献
[1] Ou Y, Wang X Y. Identification of critical source areas for non-point source pollution in Miyun reservoir watershed near Beijing, China[J]. Water Science & Technology:A Journal of the International Association on Water Pollution Research, 2008, 58(11): 2235-2241.
[2] Dowd B M, Press D, Huertos M L. Agricultural nonpoint source water pollution policy:the case of California's central coast[J]. Agriculture, Ecosystems & Environment, 2008, 128(3): 151-161.
[3] Vagstad N, French H K, Andersen H E, et al. Comparative study of model prediction of diffuse nutrient losses in response to changes in agricultural practices[J]. Journal of Environmental Monitoring, 2009, 11(3): 594-601. DOI:10.1039/b823112e
[4] Brown T C, Froemke P. Nationwide assessment of nonpoint source threats to water quality[J]. Bioscience, 2012, 62(2): 136-146. DOI:10.1525/bio.2012.62.2.7
[5] Liu X, Li D L, Zhang H B, et al. Research on nonpoint source pollution assessment method in data sparse regions:a case study of Xichong river basin, China[J]. Advances in Meteorology, 2015, 2015: 519671.
[6] 金相灿. 湖泊富营养化控制和管理技术[M]. 北京: 化学工业出版社, 2001.
[7] 国务院. 国务院关于印发"十三五"生态环境保护规划的通知[EB/OL]. http://www.gov.cn/zhengce/content/2016-12/05/content_5143290.htm, 2016-12-05.
[8] Zhang M H, Xu J M. Nonpoint source pollution, environmental quality, and ecosystem health in China:introduction to the special section[J]. Journal of Environmental Quality, 2011, 40(6): 1685-1694. DOI:10.2134/jeq2011.0170
[9] Cordeiro M R C, Ranjan R S, Cicek N. Assessment of potential nutrient build-up around beef cattle production areas using electromagnetic induction[J]. Environmental Technology, 2011, 33(15): 1825-1833.
[10] Yang Y H, Yan B X, Shen W B. Assessment of point and nonpoint sources pollution in Songhua river basin, Northeast China by using revised water quality model[J]. Chinese Geographical Science, 2010, 20(1): 30-36. DOI:10.1007/s11769-010-0030-3
[11] Singh J, Knapp H V, Arnold J G, et al. Hydrological modeling of the Iroquois river watershed using HSPF and SWAT[J]. Journal of the American Water Resources Association, 2005, 41(2): 343-360. DOI:10.1111/jawr.2005.41.issue-2
[12] Johnes P J. Evaluation and management of the impact of land use change on the nitrogen and phosphorus load delivered to surface waters:the export coefficient modelling approach[J]. Journal of Hydrology, 1996, 183(3-4): 323-349. DOI:10.1016/0022-1694(95)02951-6
[13] Ierodiaconou D, Laurenson L, Leblanc M, et al. The consequences of land use change on nutrient exports:a regional scale assessment in South-West Victoria, Australia[J]. Journal of Environmental Management, 2005, 74(4): 305-316. DOI:10.1016/j.jenvman.2004.09.010
[14] Noto L V, Ivanov V Y, Bras R L, et al. Effects of initialization on response of a fully-distributed hydrologic model[J]. Journal of Hydrology, 2008, 352(1-2): 107-125. DOI:10.1016/j.jhydrol.2007.12.031
[15] Li Y, Wang C, Tang H L. Research advances in nutrient runoff on sloping land in watersheds[J]. Aquatic Ecosystem Health & Management, 2006, 9(1): 27-32.
[16] Yang G X, Best E P H, Whiteaker T, et al. A screening-level modeling approach to estimate nitrogen loading and standard exceedance risk, with application to the Tippecanoe river watershed, Indiana[J]. Journal of Environmental Management, 2014, 135: 1-10.
[17] Shen Z Y, Chen L, Ding X W, et al. Long-term variation (1960-2003) and causal factors of non-point-source nitrogen and phosphorus in the upper reach of the Yangtze river[J]. Journal of Hazardous Materials, 2013, 252-253: 45-56. DOI:10.1016/j.jhazmat.2013.02.039
[18] Ding X W, Shen Z Y, Hong Q, et al. Development and test of the export coefficient model in the upper reach of the Yangtze river[J]. Journal of Hydrology, 2010, 383(3-4): 233-244. DOI:10.1016/j.jhydrol.2009.12.039
[19] 周玉良, 刘丽, 金菊良, 等. 基于SCS和USLE的程海总磷总氮参照状态推断[J]. 地理科学, 2012, 32(6): 725-730.
Zhou Y L, Liu L, Jin J L, et al. Inference of reference conditions for total phosphorus and total nitrogen based on SCS and USLE model in Chenghailake[J]. Scientia GeographicaSinica, 2012, 32(6): 725-730.
[20] 王理萍, 王树仿, 张刘东, 等. 1960~2013年云南省降水时空变化特征分析[J]. 水电能源科学, 2016, 34(12): 20-24.
Wang L P, Wang S F, Zhang L D, et al. Spatial-temporal characteristics of precipitation in Yunnan province from 1960 to 2013[J]. Water Resources and Power, 2016, 34(12): 20-24.
[21] 徐巧芝, 郭汝军, 丁文荣. 滇中地区降水特征与变化趋势研究[J]. 水土保持研究, 2013, 20(5): 155-159.
Xu Q Z, Guo R J, Ding W R. Characteristics and changing trends of precipitation in the center of Yunnan province, China[J]. Research of Soil and Water Conservation, 2013, 20(5): 155-159.
[22] Liu Q Q, Singh V P. Effect of microtopography, slope length and gradient, and vegetative cover on overland flow through simulation[J]. Journal of Hydrologic Engineering, 2004, 9(5): 375-382. DOI:10.1061/(ASCE)1084-0699(2004)9:5(375)
[23] Aschmann S G, Anderson D P, Croft R J, et al. Using a watershed nutrient dynamics model, WEND, to address watershed-scale nutrient management challenges[J]. Journal of Soil & Water Conservation, 1999, 54(4): 630-635.
[24] 张乃明, 余扬, 洪波, 等. 滇池流域农田土壤径流磷污染负荷影响因素[J]. 环境科学, 2003, 24(3): 155-157.
Zhang N M, Yu Y, Hong B, et al. Factors influencing phosphorus loss by runoff process from farmlands in the Dianchi watershed[J]. Environmental Science, 2003, 24(3): 155-157.
[25] 丁晓雯, 沈珍瑶, 刘瑞民. 长江上游非点源氮素负荷时空变化特征研究[J]. 农业环境科学学报, 2007, 26(3): 836-841.
Ding X W, Shen Z Y, Liu R M. Temporal-spatial changes of non-point source nitrogen in upper reach of Yangtze river basin[J]. Journal of Agro-Environment Science, 2007, 26(3): 836-841.
[26] 刘瑞民, 杨志峰, 丁晓雯, 等. 土地利用/覆盖变化对长江上游非点源污染影响研究[J]. 环境科学, 2006, 27(12): 2407-2414.
Liu R M, Yang Z F, Ding X W, et al. Effect of land use/cover change on pollution load of non-point source in upper reach of Yangtze river basin[J]. Environmental Science, 2006, 27(12): 2407-2414. DOI:10.3321/j.issn:0250-3301.2006.12.008
[27] 马亚丽, 敖天其, 张洪波, 等. 基于输出系数模型濑溪河流域泸县段面源分析[J]. 四川农业大学学报, 2013, 31(1): 53-59.
Ma Y L, Ao T Q, Zhang H B, et al. Non-point source analysis of Laixiriver basin in Luxian county based on output coefficient model[J]. Journal of Sichuan Agricultural University, 2013, 31(1): 53-59.
[28] 任玮, 代超, 郭怀成. 基于改进输出系数模型的云南宝象河流域非点源污染负荷估算[J]. 中国环境科学, 2015, 35(8): 2400-2408.
Ren W, Dai C, Guo H C. Estimation of pollution load from non-point source in Baoxianghe watershed based, Yunnan province on improved export coefficient model[J]. China Environmental Science, 2015, 35(8): 2400-2408.
[29] 魏新平, 刘洪雨, 李华, 等. 四川省白鹿河流域非点源氮磷负荷来源及控制对策[J]. 中国农村水利水电, 2012(3): 36-38, 43.
Wei X P, Liu H Y, Li H, et al. Research on the source and the control measures of nitrogen and phosphorus of the Bailuriver in Sichuan province[J]. China Rural Water and Hydropower, 2012(3): 36-38, 43.
[30] 杨立梦, 付永胜, 高红涛. 四川省茫溪河流域非点源污染负荷研究[J]. 重庆理工大学学报(自然科学), 2014, 28(11): 57-63.
Yang L M, Fu Y S, Gao H T. Study on non-point soure pollution of Mangxiriver basin in Sichuan province[J]. Journal of Chongqing University of Technology (Natural Science), 2014, 28(11): 57-63.
[31] 郝旭, 张乃明, 史静. 昆明市云龙水库径流区氮磷非点源污染负荷分析[J]. 水土保持通报, 2013, 33(6): 274-278, 284.
Hao X, Zhang N M, Shi J. An analysis of non-point pollution loads in Yunlong reservoir runoff field of Kunming city[J]. Bulletin of Soil and Water Conservation, 2013, 33(6): 274-278, 284.
[32] 马广文, 王业耀, 香宝, 等. 长江上游流域土地利用对面源污染影响及其差异[J]. 农业环境科学学报, 2012, 31(4): 791-797.
Ma G W, Wang Y Y, Xiang B, et al. Diversity and effect of diffuse source pollution load caused by land use change in the upper reach of Yangtze river basin, China[J]. Journal of Agro-Environment Science, 2012, 31(4): 791-797.
[33] 永胜县地方志编纂委员会. 永胜县统计年鉴(2014)[M]. 云南: 永胜县统计局, 2014.
[34] 董云仙, 邹锐. 程海湖生态系统研究[M]. 云南: 科技出版社, 2011.
[35] 周怀东, 彭文启, 杜霞, 等. 中国地表水水质评价[J]. 中国水利水电科学研究院学报, 2004, 2(4): 255-264.
Zhou H D, Peng W Q, Du X, et al. Assessment of surface water quality in China[J]. Journal of China Institute of Water Resources and Hydropower Research, 2004, 2(4): 255-264.
[36] 李娜, 韩维峥, 沈梦楠, 等. 基于输出系数模型的水库汇水区农业面源污染负荷估算[J]. 农业工程学报, 2016, 32(8): 224-230.
Li N, Han W Z, Shen M N, et al. Load evaluation of non-point source pollutants from reservoir based on export coefficient modeling[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(8): 224-230. DOI:10.11975/j.issn.1002-6819.2016.08.032
[37] 云南省人民代表大会常务委员会. 云南省程海保护条例: 云南省人民代表大会常务委员会公告第43号[EB/OL]. http://www.npc.gov.cn/npc/xinwen/dfrd/yunnan/2007-02/27/content_358521.htm, 2007-02-27.
[38] Xing G X, Zhu Z L. Regional nitrogen budgets for China and its major watersheds[J]. Biogeochemistry, 2002, 57-58: 405-427.
[39] 索安宁, 王天明, 王辉, 等. 基于格局-过程理论的非点源污染实证研究:以黄土丘陵沟壑区水土流失为例[J]. 环境科学, 2006, 27(12): 2415-2420.
Suo A N, Wang T M, Wang H, et al. Empirical study on non-point sources pollution based on landscape pattern & ecological processes theory:a case of soil water loss on the Loess Plateau in China[J]. Environmental Science, 2006, 27(12): 2415-2420. DOI:10.3321/j.issn:0250-3301.2006.12.009