蔣婧媛,徐姍楠,黃洪輝,劉華雪

(1.廣東省環(huán)境科學研究院，廣東 廣州 510045； 2.中國水產科學研究院南海水產研究所，廣東 廣州 510300；3.生態(tài)環(huán)境部華南環(huán)境科學研究所，廣東 廣州 510530)

大亞灣是我國亞熱帶海域的重要海灣之一，灣內生物資源豐富、生境多樣，設立了大亞灣水產資源自然保護區(qū)和國家級海龜自然保護區(qū)。大亞灣規(guī)劃區(qū)于1992年被批準為國家經濟技術開發(fā)區(qū)后，沿岸社會經濟進入了快速發(fā)展時期，但伴隨的是入海污染物通量的持續(xù)增長，導致大亞灣海域生態(tài)環(huán)境問題日益突出，生物資源和生態(tài)服務功能衰退，赤潮頻發(fā)[1-3]。大亞灣海域的生態(tài)環(huán)境問題與陸域污染密切相關，包括點源污染和非點源污染。近年來，大亞灣沿岸區(qū)域建成了多家污水處理廠，點源污染控制力度日益加強。但非點源污染，即溶解的和固體的污染物從非特定的地點、在降水沖刷作用下通過徑流過程匯入受納水體并引起的污染，由于其具有廣泛性、隨機性、不確定性和難監(jiān)測等特點[4]，防治措施仍然較為薄弱。隨著入海污染物總量控制制度的實施，非點源污染的定量化研究逐漸引起廣大學者的廣泛關注[4-5]。由于非點源污染治理難度大，進行來源貢獻的定量識別以及對關鍵源區(qū)的空間識別，有針對性地進行非點源污染控制管理具有重要意義[6]。

非點源污染的特點使得依靠監(jiān)測對其進行定量分析評估存在難度大、投入高、耗時長等缺點，目前一般應用模型來模擬和分析非點源污染。非點源污染模型經歷了從經驗模型到機理模型、從純數值模擬程序轉向大型可視化專業(yè)軟件的發(fā)展歷程[7-8]。經驗模型主要通過建立土地利用或徑流量與非點源污染負荷之間的相關關系來估算污染負荷量，屬于“黑箱”模型，數據處理方法簡單，但由于缺乏機理基礎，往往精度較低。機理模型圍繞非點源污染的發(fā)生和遷移轉化等具體過程構建，影響較大、廣泛使用的有AnnAGNPS、HSPF、SWAT、SWMM等，屬于“白箱”模型，通過參數的合理率定和校準能實現較準確的模擬預測，但參數眾多，對數據量、數據精度要求高。模型的選擇必須綜合考慮研究目的和數據的可獲得性[9]。

大亞灣陸域非點源污染研究尚處于起步階段，數據累積少，在現階段難以滿足應用機理模型的數據需求。由美國環(huán)保署與美國普渡大學聯(lián)合開發(fā)的L-THIA模型(Long-term Hydrologic Impact and Non Point Source Pollutant Model)相對SWAT等復雜機理模型對數據的要求較少，只需輸入土地利用、土壤類型和長時間序列降雨數據就能模擬計算年均徑流量和非點源污染負荷，能有效地考慮流域下墊面和降雨特點，并且很好地與GIS軟件進行了結合，便于模型構建管理和模擬結果的可視化，對資料缺乏地區(qū)有很好的應用價值，在我國資料缺乏區(qū)域的非點源污染負荷模擬研究中得到了較廣泛的應用[10-14]。因此，本研究選用L-THIA模型，并借助3S(GIS、RS和GPS)技術在模型參數確定和遙感信息之間建立直接的關系，同時利用入海河流通量觀測結果等對關鍵參數進行率定，最后估算得到大亞灣陸域非點源總氮(TN)污染負荷量，并進行匯水區(qū)內來源貢獻的定量識別以及對關鍵源區(qū)的空間識別。本研究一方面可為大亞灣落實污染物總量控制制度、制定污染治理對策等提供重要信息和決策參考，同時，也可為海灣地區(qū)采用易于推廣的模型方法和容易獲得的數據資料對非點源污染負荷進行定量估算提供可借鑒的方法。

1 研究對象與方法

1.1 研究區(qū)概況

大亞灣是一個典型亞熱帶溺谷型海灣(圖1)，三面環(huán)山，灣口潮向東南，東接稔平半島，與紅海灣相接，西連大鵬半島，與大鵬灣相鄰，內、外灣面積共約1 200 km2。

圖1 大亞灣地理位置Fig.1 Geographic location of the Daya Bay catchment

1.2 模型介紹

L-THIA模型的核心是SCS(Soil Conservation Service)徑流模型[12-13]，能反映不同土壤類型、不同土地利用方式及前期土壤水含量對降雨徑流的影響。該模型算法是基于集水區(qū)的實際入滲量與實際徑流量之比等于集水區(qū)該場降雨前的最大可能入滲量(或潛在入滲量)與最大可能徑流量(或潛在徑流量)之比的假定基礎上建立的，并假定集水區(qū)該場降水的初損為該場降水前潛在入滲量的0.2倍，即

(1)

式(1)中：Q為徑流深(mm)，P為降水深(mm)，S為最大可能入滲量(mm)。

由式(1)可以看出：集水區(qū)的徑流量取決于降雨量與該場降雨前集水區(qū)的潛在入滲量，而潛在入滲量又與集水區(qū)的土壤質地、土地利用方式和降雨前的土壤濕潤狀況有關。SCS 模型通過一個經驗性的、綜合反映上述因素的參數來推求S，即

S=25 400/CN-254

(2)

式(2)中：CN為徑流曲線數?？梢奀N值越大，越容易產生徑流。

在徑流量模擬的基礎上，L-THIA模型通過對不同土地利用類型賦予相應的事件平均濃度(Event Mean Concentration, EMC)數據，從而得到每一種用地類型的非點源污染負荷總量，其公式如下：

L=CEMC·Qn·k

(3)

式(3)中：L為非點源污染負荷(t/a)，CEMC為事件平均濃度值(mg/dm3)，Qn為年徑流總量(m3)，k為單位轉換系數。

1.3 數據處理

1.3.1 匯水區(qū)劃分 大亞灣匯水區(qū)的劃分運用了美國ESRI公司開發(fā)的Arc/INFO軟件的ArcHydro工具，利用數字地面高程(Digital Elevation Model，DEM)進行流域劃分。本研究使用的是基于“先進星載熱發(fā)射和反輻射計(ASTER)”數據計算生成ASTER GDEM數據產品，分辨率為30 m。通過洼地填充、流向計算、匯流累積量計算和河網提取等步驟，最后劃分得到大亞灣匯水區(qū)范圍(圖1)，涉及3個區(qū)(縣)共11個鎮(zhèn)(街)，如表1所示，惠州市占大亞灣匯水區(qū)范圍的78.68%，深圳市占21.32%。

1.3.2 土地利用分類 本研究采用的遙感影像數據為下載自地理空間數據云平臺的2017年Landsat 8 OLI_TIRS遙感影像，數據分辨率為30 m。利用IDRISI地理信息系統(tǒng)與遙感綜合軟件對遙感影像進行解譯以獲得大亞灣匯水區(qū)的土地利用圖。

進行標準假彩色合成后，根據2017年實地考察數據建立各種土地利用類型的解譯標志，在此基礎上通過屏幕數字化建立遙感影像土地利用分類訓練區(qū)樣本。最后采用自組織映射(Self-organizing Map, SOM)神經網絡方法進行監(jiān)督分類。根據大亞灣匯水區(qū)土地利用類型，結合各地類非點源污染產污特征，確定進行土地利用分類的主要類型包括：林地、草地、園地、耕地、建設用地、灘涂水域等6種類型。

與傳統(tǒng)分類方法相比，神經網絡分類方法具有更強的非線性映射能力，能處理分析復雜空間分布的遙感信息，一般可獲得更高精度的分類結果，因此在遙感影像土地利用分類中得到廣泛應用。IDRISI中利用SOM進行土地利用監(jiān)督分類首先是進行非監(jiān)督聚類分類：輸入層在接受輸入樣本之后進行競爭學習，SOM算法首先根據特征映射確定在輸出空間中的最佳匹配或獲勝神經元，神經元的突觸權值向量可視為神經元指向輸入空間的指針；所有權值向量在輸入向量空間互相分離，在每個獲勝神經元附近形成一個聚類區(qū)，各自代表輸入空間的一類模式(即某種土地利用類型)，并將輸入空間的樣本模式類有序地映射在輸出層上[15-16]。上述工作完成后，通過與用戶提供的各土地利用類型訓練區(qū)數據對比，程序再將非監(jiān)督分類結果一一進行土地利用類型標識。大亞灣匯水區(qū)各土地利用類型空間分布見圖2，其面積及所占比例見表2。

表1 大亞灣匯水區(qū)內行政區(qū)劃Tab.1 Administrative division in Daya Bay catchment

續(xù)表1

圖2 大亞灣匯水區(qū)土地利用分類Fig.2 Land use classification in Daya Bay catchment

表2 大亞灣匯水區(qū)土地利用分類結果Tab.2 Classification of land use in Daya Bay catchment

1.3.3 土壤水文單元分類 根據土壤的滲透特征將土壤分為A、B、C、D 共4類土壤水文單元[10-14]，水文單元定義為相似暴雨和植被覆蓋條件下具有相似徑流潛力的一組土壤(表3)。L-THIA模型的土壤數據輸入需將大亞灣匯水區(qū)內的土壤按水文條件歸類，并在GIS軟件中生成相應的土壤水文圖。本研究采用的土壤數據來源于聯(lián)合國糧農組織和維也納國際應用系統(tǒng)研究所所構建的世界土壤數據庫(Harmonized World Soil Database Version 1.1， HWSD)，中國境內數據源為南京土壤所提供的第二次全國土地調查1∶100萬土壤數據?；贖WSD中的分層土壤砂粒、粘粒占比及美國農部制土壤質地分類數據，利用美國華盛頓州立大學開發(fā)的土壤水分特性軟件SPAW(Soil-Plant-Atmosphere-Water)進行土壤水文單元的判斷，結果如圖3所示。

1.3.4 降雨數據 模型所需的多年逐日降雨數據采用中國氣象科學數據共享服務網中國地面氣候資料日值數據集(V3.0)中的惠州市站點2000—2017年的逐日降雨量觀測數據，并根據模型需要對數據進行處理和格式轉換。使用長時間序列降雨數據驅動模型可以了解流域不同暴雨級別的平均徑流及污染物產出狀況，而不是某一暴雨的徑流和污染物輸出，因此，對流域規(guī)劃和管理具有很好的指導意義[12]。

表3 土壤水文單元分類標準Tab.3 Classification standard for soil hydrologic groups

圖3 大亞灣匯水區(qū)土壤水文單元分類Fig.3 Classification of soil hydrologic groups in Daya Bay catchment

1.4 參數校正及有效性檢驗

由于大亞灣海域不是完整的封閉流域，無法用整個匯水區(qū)的實測流量和通量數據來校正模型參數和檢驗模擬結果的合理性。研究表明，在缺乏實測資料的情況下，通過比對不同方法和模型的計算結果能夠幫助驗證模型結果的有效性[17]。因此，本研究采用如下方法進行參數校正及有效性檢驗：

1.4.1CN值校正及徑流量模擬結果驗證 根據《惠州市水資源綜合規(guī)劃》[18]，大亞灣區(qū)域綜合徑流系數為0.61，由此計算得到多年平均徑流量為9.47億m3。以SCS-CN模型的CN值查算表為基礎，結合土地利用和土壤類型數據，參考國內學者建立的CN值表[11,19]，根據徑流系數法計算結果對CN值進行校正(表4)，最終模型模擬得到多年平均地表徑流量與徑流系數法計算結果相差8.97%，說明模型徑流量模擬結果是可靠的。

1.4.2 EMC值校正及負荷量模擬結果驗證 L-THIA模型中內置的EMC參數值源自北美地區(qū)的監(jiān)測數據，由于不同地區(qū)自然和社會經濟條件的不同，模型自帶的EMC值與我國有較大差異，應根據研究區(qū)域實際情況進行調整。

表4 大亞灣匯水區(qū)CN值Tab.4 CN value in Daya Bay catchment

為此，首先基于大亞灣入海河流污染物通量的研究成果[20]，在大亞灣沿岸的3個區(qū)(縣)各選擇一條流域內人類活動相對較少、點源污染以生活源為主、全年排放情況較為穩(wěn)定的入海河流(大亞灣經濟技術開發(fā)區(qū)的巖前河、惠東縣的大埔屯河、龍崗區(qū)的南涌河)，采用水文估算法[21]得到3條河流非點源TN入海通量。然后，本研究參考研究區(qū)有關研究成果[22-23]獲得初步EMC進行模型運算，通過對比上述河流入海通量與模型模擬結果對EMC進行調整。EMC值校正結果如表5所示，河流入海通量與模型模擬值比對結果如表6所示，參考Moriasi等(2007)[24]提出的模擬結果滿意程度分級標準，相對偏差在可接受范圍內。

《惠州市水資源保護規(guī)劃》[25]中對大亞灣經濟技術開發(fā)區(qū)非點源TN負荷的估算結果為589.90 t/a，與本研究的模擬結果668.67 t/a相對偏差為13.35%，同樣在可接受范圍之內。

綜上，可認為本研究所構建模型的模擬結果基本合理，可用于研究分析大亞灣陸域非點源TN污染。

表5 大亞灣匯水區(qū)各種土地利用類型TN的EMC取值Tab.5 TN EMC value of various land use types in Daya Bay catchment

表6 模型有效性檢驗結果Tab.6 Result of model validity test

2 結果與討論

2.1 來源貢獻定量識別結果

2.1.1 土地利用類型貢獻量 運用L-THIA模型模擬得到大亞灣陸域非點源TN負荷量，結果如表7和圖4所示。大亞灣陸域非點源TN負荷量為2 559.00 t/a，其中耕地貢獻量最大為871.44 t/a，占總量的34.05%；其次為建設用地(798.30 t/a)，占31.20%；再次為園地(543.36 t/a)，占21.23%；耕地、建設用地和園地合計貢獻了86.48%的非點源TN負荷量。

從單位面積TN流失強度來看，耕地最高(145.30 kg/hm2)，其次為園地(52.91 kg/ hm2)和建設用地(51.92 kg/ hm2)，林地和草地的單位面積TN流失強度遠遠小于其他用地類型，分別為7.12、7.04 kg/ hm2。綜合貢獻量和單位面積TN流失強度來看，耕地對大亞灣匯水區(qū)內非點源污染的影響最大，TN負荷量和單位面積TN流失強度均為最高，其次是建設用地和園地，而林地、草地對污染的截留效果較好，流失強度低。

表7 大亞灣匯水區(qū)各土地利用類型非點源TN貢獻與單位面積流失強度Tab.7 Contribution and loss intensity for non-point source TN load of various land use types in Daya Bay catchment

圖4 大亞灣匯水區(qū)單位面積TN流失強度分布Fig.4 Distribution of TN loss intensity in Daya Bay catchment

2.1.2 行政區(qū)貢獻量 利用GIS的分區(qū)統(tǒng)計功能，計算得到匯水區(qū)范圍內11個鎮(zhèn)(街)的貢獻量如表8所示。從各行政區(qū)非點源TN負荷量來看：①惠州市貢獻了總量的86.29%，其中惠東縣稔山鎮(zhèn)和平海鎮(zhèn)分別貢獻了28.76%和23.92%，白花鎮(zhèn)和平山街道僅有很小一部分區(qū)域位于匯水區(qū)范圍內，因此貢獻量非常小，惠東縣合計貢獻54.53%，為貢獻最大的區(qū)(縣)級行政區(qū)；大亞灣經濟技術開發(fā)區(qū)貢獻量占比為26.13%，分別來自霞涌街道(11.57%)、澳頭街道(9.84%)和西區(qū)街道(4.72%)；惠陽區(qū)僅有淡水街道位于大亞灣匯水區(qū)內，貢獻量占比為5.64%。②深圳市龍崗區(qū)貢獻了大亞灣13.71%的陸域非點源TN負荷量，其中大鵬街道占5.43%、南澳街道占5.40%、葵涌街道占2.88%。

由于各鎮(zhèn)(街)在大亞灣匯水區(qū)內的面積存在差異，故進一步采用單位面積TN流失強度進行分析。大亞灣匯水區(qū)內的平均單位面積TN流失強度為29.13 kg/hm2，在11個鎮(zhèn)(街)中，有5個鎮(zhèn)(街)單位面積TN流失強度超過匯水區(qū)平均值，均位于惠州市，按從大到小排序分別為淡水街道、白花鎮(zhèn)、稔山鎮(zhèn)、霞涌街道和西區(qū)街道。淡水街道因為在大亞灣匯水區(qū)范圍內的建設用地和耕地合計所占比例高于其他鎮(zhèn)(街)，單位面積TN流失強度在11個鎮(zhèn)(街)中最大，為44.66 kg/hm2。深圳市的南澳街道單位面積TN流失強度最小，為15.44 kg/hm2，這是因為該街道位于大亞灣匯水區(qū)內的區(qū)域約70%的土地為林地，水土保持和污染截留能力較好。

表8 大亞灣匯水區(qū)各鎮(zhèn)(街)非點源TN貢獻與單位面積流失強度Tab.8 Contribution and loss intensity for non-point source TN load of the towns in Daya Bay catchment

2.2 關鍵源區(qū)空間識別結果

采用單位面積TN流失強度進行非點源TN流失關鍵源區(qū)的識別，運用自然斷點法將流失強度劃分為低、較低、中等、較高、高等5個等級(表9)。由表9可知，高TN流失強度的區(qū)域在大亞灣陸域匯水區(qū)內占6.70%，但貢獻了匯水區(qū)33.69%的非點源TN負荷量，這部分區(qū)域是大亞灣匯水區(qū)TN流失的關鍵源區(qū)，是治理非點源污染的優(yōu)先控制區(qū)。

從表10可以看出，分別有43.71%和33.99%的關鍵源區(qū)位于惠東縣的稔山鎮(zhèn)和平海鎮(zhèn)內，同時通過上文行政區(qū)貢獻量的分析結果可知這兩鎮(zhèn)的TN貢獻量居匯水區(qū)前兩位，因此需注意加強兩鎮(zhèn)的非點源污染防治。

從圖5可見，關鍵源區(qū)有較明顯的沿河分布特征，例如在惠州稔山鎮(zhèn)的白云河、竹園河，平海鎮(zhèn)的油麻園水，霞涌街道的霞涌河，深圳大鵬街道的龍岐河等入海河流沿岸流失強度較高，這與沿河區(qū)域人類聚集程度高，城鎮(zhèn)開發(fā)建設、農業(yè)種植等人類生產生活行為對土地的擾動大有關。因此，在制定非點源污染防治方案時，應優(yōu)先考慮在入海河流沿岸人類活動密集區(qū)采取措施減少非點源污染入海通量。

表9 流失強度的分級標準及各等級區(qū)域所占面積和非點源TN負荷占比Tab.9 Classification of TN loss intensity and proportion of regions in terms of area and non-point source TN load

表10 非點源TN流失關鍵源區(qū)在大亞灣匯水區(qū)分布情況Tab.10 Distribution of high non-point source TN loss areas in Daya Bay catchment

圖5 大亞灣匯水區(qū)非點源TN流失關鍵源區(qū)分布Fig.5 Distribution of critical source area of non-point source TN loss in Daya Bay catchment

3 結論

本研究通過構建L-THIA模型，估算了大亞灣陸域非點源TN污染負荷量，定量識別了匯水區(qū)內各土地利用類型和行政區(qū)的貢獻度，標識了非點源TN流失的關鍵源區(qū)，獲得了如下結論：

(1)耕地、建設用地和園地是輸出大亞灣匯水區(qū)非點源TN污染的主要土地利用類型，負荷總量和單位面積流失強度均較大，需加強耕地、園地的土地養(yǎng)分管理和建設用地的低影響開發(fā)，降低TN流失量。

(2)稔山鎮(zhèn)、平海鎮(zhèn)貢獻了約一半的大亞灣匯水區(qū)非點源TN污染負荷，并且近八成的TN流失關鍵源區(qū)分布在這兩鎮(zhèn)內，是大亞灣陸域非點源污染防治需重點關注的行政區(qū)。

(3)關鍵源區(qū)有較明顯的沿河分布特征。