焦永杰 周滨 刘红磊 李雪梅 邢美楠 司敏 赵文喜 岳昂

摘要选择了一个下垫面受人类活动影响剧烈的研究区域——海河干流流域作为研究对象，在综合考虑多种影响因素的基础上，对复杂的模型进行简化，形成一种基于“源-汇”框架以及地理信息系统（GIS）技术的流域面源污染快速评价模型，旨在为水环境管理者提供一种快速甄别流域面源污染潜在风险的方式，为贫数据研究区域的相关研究提供借鉴。

关键词非点源污染；地理信息系统；框架模型；关键区

中图分类号S181.3文献标识码A文章编号0517-6611（2017）11-0050-05

AbstractThis study chosen Haihe River Basin strongly influenced by anthropogenic activities. On the basis of multifactor comprehensively considering， a relatively simple spatial evaluation model has been developed through simplifying the complicated mechanism model. The new model was formed by combining with “sourcetransportation” framework and GIS technology， which can give a rapid and practical assessment method of identifying the potential nonpoint source loss risk to environmental regulators. And then it will provide guidance for similar research areas.

Key wordsNonpoint source pollution model；GIS；Framework model；Critical area

近年來，非点源污染在我国已引起了严重的生态环境问题，相对于点源污染，非点源污染具有不可控性和随机性的特点，难以在时空上实现定点监测，治理范围更广、难度更高，在土壤介质中长期蓄积的污染负荷可以在短期的降雨过程中随地表径流汇入收纳水体，造成水体恶化[1]。已有的非点源研究发现，由于地形、降水、植被覆盖等因子的差异，同一区域内不同景观单元输出污染负荷的难易程度不同，某些极易输出污染负荷的汇水单元被称为非点源污染关键区[2]。科学地识别并划分敏感区，对于在财力、物力和时间都有限的条件下制订非点源污染分期治理方案具有重要意义。

随着以“3S”技术为代表的计算机科学的不断发展，自20世纪70年代，陆续出现了一批基于物化及水文机理的非点源污染模型，这类模型的出现可有效地解决非点源污染的随机性和观测点的不确定性，不仅可以模拟各类非点源的形成、迁移转化等过程，还可以为非点源控制和管理的定量化提供有效的技术手段。借助流域非点源污染机理模型，可以帮助管理者量化污染负荷，并在空间层面快速定位污染负荷的关键区域，现已成为研究非点源污染最直接有效的途径之一[3-4]。然而，现有的主流非点源模型通常所需数据量较大，且建模及操作过程通常较为繁杂，模型率定、校准、情景模拟所需时间较长，以目前主流的SWAT及AGNPS模型为例，建模所需数据涵盖了地形、土壤、土地利用、气象、水文、营养物质等方面，且需要以长时间序列、连续监测的水质数据作为模型的率定及验证数据库[5-6]，针对不具备模型基础的管理者及现实中大量的贫数据研究区，该类模型的适用性通常会受到较大影响。笔者以海河干流流域为研究区域，在兼顾机理需求的基础上，利用地理信息系统（GIS）软件平台通过栅格叠置运算，形成一种基于“源汇”框架的流域面源污染快速评价模型，旨在为水环境管理者提供一种快速甄别流域面源污染的方式。

1资料与方法

1.1研究区概况海河流域是我国七大水系之一，有滦河、永定河、大清河、子牙河、漳卫南运河、马颊河等支流。海河流域流经8个省、市、自治区，共260多个县（市、旗），总面积3 118万 km2，包括北京市、天津市全部，河北省绝大部分，山西省东部，山东、河南的北部和辽宁省、内蒙古自治区的一小部分，为典型的扇状流域。

海河干流由子牙河和北运河在天津市区三岔口汇合后，穿过市区在塘沽区大沽口海河闸入海，全长72 km，流域汇水面积2 066 km2。海河干流上游段为天津市区，中游段为开发园区，间杂农田，下游段为滨海新区。上游河流的天然径流历来是天津市的主要水源。然而，自建国以来，经多年治理，海河上游已形成节节拦蓄、处处引水、渠渠相通的新局面，进人天津市的水量急剧减少。自20世纪80年代初，海河干流断流天数呈明显增多趋势，海河上游各主要支流断流和干涸呈常态化，非汛期时段海河已无径流人海，水资源不足和水质差是近年来这一地区面临的主要水环境问题。

1.2基础数据来源该研究所需的基础数据及来源见表1，其中遥感数据来源为美国地质调查局（USGS）Landsat 8 OLI_TRIS（美国陆地卫星）所提供的2015年7月遥感影像，同时利用Erdas平台的监督分类模块对遥感影像进行分析，基于遥感影像解译数据及遥感地面核查结果得到研究区域土地利用类型及植被归一化指数（NDVI）；地形数据来自ASTER GDEM（30 m）全球数字高程模型数据；气象数据来自中国气象数据网公布的地面气象资料，该研究采用的气象数据为日值地面降水数据；土壤数据取自和谐世界土壤数据库；水质数据来自对于目标水体的采样监测，其中总氮（TN）采用碱性过硫酸钾消解紫外分光光度法（GB 11894—89），总磷（TP）采用钼酸铵分光光度法（GB 11893—89）。

1.3模型结构框架Zhou等[7]在1993年最早提出了基于“源-汇”理念的非点源污染潜在流失风险评价（针对磷素）的半定量框架模型，此后大量学者根据各自研究区域的特征在这一框架的基础上对模型进行了丰富[8-9]，笔者是在这一体系的基础上对原始模型进行了部分简化，其中源因子主要考虑下垫面不同景观单元对面源污染负荷输出的直接影响，汇因子主要分别考虑降雨、下垫面植被盖度、河网侵蚀力、坡度地形及土壤类型因子[式（1）]，各因子按照相应的分级标准分为5级，不同因子对应不同的等级分值，综合风险分级划分采取自然断点分级法[10]，迁移因子权重系数由特尔斐法确定[11]。

1.4因子匡算方法

1.4.1源因子。以土地利用类型作为源因子指示指标，用地类型赋值参考前人研究中的经验值赋值[12]。

1.4.2迁移因子。

1.4.2.1植被盖度因子（NDVI）。利用ERDAS IMAGINE 90软件的光谱增强模块中用Indices命令对OLI影像进行NDVI计算[式（2）]，得到研究区NDVI灰度图。

2结果与分析

2.1影响因子空间分布特征

2.1.1土地利用。研究区域下垫面受人类扰动剧烈，图1对区域内各类用地面积占比进行了统计，其中建设用地面积累计占比接近50%，其主要分布于海河干流流域的上游环内地区（图2a），在工业点源污染得到较好控制的情况下，城市面源污染是这一区域收纳水体污染负荷的主要来源；各类旱田（玉米-小麦轮作区域）占研究区域的22.30%（图1），其主要分布于下游沿河两岸区域（图2a），受区域人口及传统农耕模式制约，区域人均耕地面积不足200 m2，家庭式农业管理模式仍是这一区域的主导农耕模式，为了提高亩产回报率，过量施肥的现象较为普遍，特别是肥力投入较大果树种植业，过量养分在表层土壤（耕层）中的大量蓄存，是这一地区收纳水体汛期水质恶化的主要原因；草地在研究区域内面积占比较小（低于6%）（图1），作为区域面源污染的天然吸附介质，该类用地占比的减少，也加剧了收纳水体水质的进一步恶化。

2.1.2植被覆盖。研究区域内下垫面为人类活动强烈扰动区域，下垫面植被盖度较小，整体植被景观呈现破碎化、稀疏化的趋势（图2b），特别是海河干流上游流域，整体植被盖度低于25%，下游非建成区植被覆盖情况有所好转，受人类活动扰动较少的南部区域及北部部分区域植被盖度有所增加，根据遥感解译情况，高植被盖度的区域可以达到70%以上。

2.1.3降水强度。通过对研究区域4个气象站点近25年的年度平均降水量进行统计，并借助空间插值算法得到图2c，由此发现，区域内降水强度空间分布较为明显，东部沿河区域普遍高于西部建成区，最高年年降水量达到541 mm，这一降水强度的分布特征也从降水驱动层面解释了下游面源污染负荷普遍高于上游的原因。

2.1.4河道侵蚀。随着污染源距离收纳水体的距离不同，污染物入河量也不同，基于这一理论假设，参照前人的研究成果，得到河道侵蚀因子的空间分布（图2d），总体上下游地区的河网密集程度要高于上游地区，致使下游地区成为面源污染的潜在高发区。

2.1.5坡度地形。研究区域位于九河下梢，地势较为低洼，坡度总体差异性不大（图2c），上游总体坡度偏高，下游偏低。

2.1.6土壤类型。土壤类型空间分布如图2f所示，据调查，研究区域上游表层土壤中有机质含量较高，且土壤质地相对黏重，以海津大桥为界的下游流域，表层土壤砂土含量普遍升高（大于37%），根据美国制（USDA）粒级划分标准定义，下游地区土壤粒级为粉壤土或壤土，在土壤有机质含量较小的背景下（小于0.6%），土壤中的持养能力较弱，随暴雨径流流失的风险性较高。

2.2综合评价结果空间特征按照式（1）的模型架构得到最终评价结果，按照自然断点分级法，对评价区域依次分为5个风险级别：低风险区、中低风险区、中风险区、中高风险区及高风险区（图3）。总体上看，海河干流上游流域总体风险较小，由于上游主要位于建成区，在没有外来点源污染负荷的背景下，城市面源污染是该地区优先防控的对象，河网周边区域的风险性略高于其他区域；而下游沿河区域是研究区域防控的重点区域，沿河两侧及汇水区内的农业种植区，特别是干流临近区域，将是未来面源污染防控的重点区域，受区域降雨时空分布的影响，过量的养分在表层土壤中长期蓄积，通过短期暴雨径流汇入收纳河道水体，形成直接的污染负荷。此外，统计了各个风险区的面积占比（图4），发现中高风险区及高风险区面积占较小（累计占比低于18%），这与以往的相关研究类似[2，14-15]，即少数关键区域是污染负荷的贡献主体。从流域管理的层面出发，借助评价结果，可使

管理者能够集中有限的物力、财力，精确定位流域中的水环境治理的关键区域，对中高风险区及高风险区开展针对性、集中性治理，提高流域管理的效率，降低管理成本。

2.3水质数据佐证为了对该模型的总体评价结果进行验证，对海河干流进行了自上而下的布点监测（图5），監测时间覆盖了2015年全年，监测频次为每月1次，监测指标包括营养盐、有机污染物、pH、重金属等12项指标。为切合该次面源污染负荷的研究主题，仅对TN、TP 2项营养盐指标进行汇总分析（图6），结果显示，全年氮、磷的空间分布和模型评价结果基本一致，全年上游及中游区域的水体养分含量水平相对较低，且全年波动不大，下游区域水体养分含量显著上升，TN全年平均浓度接近5 mg/L，TP全年平均浓度接近0.5 mg/L，均劣于地表水V类限值（超标倍数超过200%），这也从侧面佐证了下游区域存在较高面源污染风险的评价结果。

3结论

该研究以海河干流流域为研究对象，在前人对面源污染负荷评估模型的基础上，对前人应用模型进行简化，形成一种基于“源汇”框架及GIS技术的流域面源污染多因子的快速评价模型，通过对风险等级的空间定量输出，发现海河干流流域上游区域整体水环境风险较小，城市面源是这一区域水环境管理的重点，而下游沿河涉农区域是整个流域面源污染的高发区域，潜在流失风险明显高于中上游区域，但中高风险区以及中高风险区的总体面积占比较小，进一步印证了“少数关键区域”在整体面源污染防控中的重要作用，通过将评价结果和水质监测数据的比对，发现模型可以较好地概括流域面源污染的潜在流失风险，该模型可以为水环境管理者提供一种相对可靠且建模成本较低的面源污染风险评价方式，以期为后续其他贫数据研究区域的相关研究提供借鉴，为高效化的流域水环境管理提供支撑。

参考文献

[1] 付永锋，陈文辉，赵基花.非点源污染的研究进展与前景展望[J].山西水利科技，2003（3）：32-35.

[2] 庞靖鹏，徐宗学，刘昌明，等.基于GIS和USLE的非点源污染关键区识别[J].水土保持学报，2007，21（2）：170-174.

[3] 郑涛，穆环珍，黄衍初，等.非点源污染控制研究进展[J].环境保护，2005，1（2）：31-34.

[4] 马蔚纯，陈立民，李建忠，等.水环境非点源污染数学模型研究进展[J].地球科学进展，2003，18（3）：358-366.

[5] NEITSCH S L，ARNOLD J G，KINIRY J R，et al.Soil and Water Assessment Tool theoretical documentation：Version 2009[R].Texas：Texas Water Resources Institute，2011.

[6] BINGNER R L，THEURER F D，YUAN Y.AnnAGNPS technical processes[R].Oxford：USDA-ARS National Sedimentation Laboratory，2003.

[7] LEMUNYON J L，GILBERT R G.The concept and need for a phosphorus assessment tool[J].Journal of production agriculture，1993，6（4）：483-486.

[8] BUCZKO U，KUCHENBUCH R O.Phosphorus indices as riskassessment tools in the USA and Europ：A review[J].Journal of plant mutrition and soil science，2007，170（4）：445-460.

[9] BECHMANN M，KROGSTAD T，SHARPLEY A.A phosphorus index for Norway[J].Acta agriculturae scandinavica，section bsoil and plant science，2005，55（3）：205-213.

[10] ZHOU B，VOGT R D，LU X Q，et al.Land use as an explanatory factor for potential phosphorus loss risk，assessed by P indices and their governing parameters[J].Environmental science：Processes & Impacts，2015，17（8）：1443-1454.

[11] 朱長超.特尔斐法[J].社会科学，1986（5）：70，69.

[12] SIVERTUN ，PRANGE L.Nonpoint source critical area analysis in the Gissel watershed using GIS[J].Environmental modelling & Software，2003，18（10）：887-898.

[13] OLIVER M A，WEBSTER R.Kriging：a method of interpolation for geographical information systems[J].International journal of geographical information system，1990，4（3）：313-332.

[14] 张涛，邓小文，周滨，等.改进 USLE 模型及其在于桥水库非点源污染敏感区划分中的应用[J].城市环境与城市生态，2010（1）：29-31.

[15] 陈梅.农业面源污染风险评估及分级区划研究[D].南京：南京大学，2014.