曾曉嵐，王濤濤，羅萬申，劉 定，丁文川，王雙雙

(1：重慶大學(xué)三峽庫區(qū)生態(tài)環(huán)境教育部重點實驗室，重慶 400045)(2：重慶大學(xué)低碳綠色建筑國際聯(lián)合研究中心，重慶 400045)(3：中國市政工程西南設(shè)計研究總院有限公司，成都 610081)

設(shè)施農(nóng)業(yè)生產(chǎn)區(qū)降雨徑流和氮磷輸出特征及模擬
——以滇池東岸花卉大棚種植區(qū)為例

曾曉嵐1,2，王濤濤1,2，羅萬申3，劉 定1,2，丁文川1,2，王雙雙1,2

(1：重慶大學(xué)三峽庫區(qū)生態(tài)環(huán)境教育部重點實驗室，重慶 400045)(2：重慶大學(xué)低碳綠色建筑國際聯(lián)合研究中心，重慶 400045)(3：中國市政工程西南設(shè)計研究總院有限公司，成都 610081)

為掌握滇池流域花卉大棚種植區(qū)的非點源污染特征，提高和改善滇池水環(huán)境質(zhì)量，本研究選取呈貢縣斗南村花卉大棚種植區(qū)作為研究對象，在實測降雨徑流數(shù)據(jù)的基礎(chǔ)上，通過建立Storm Water Management Model模型分別對全年連續(xù)降雨條件下和典型設(shè)計降雨條件下的降雨徑流水質(zhì)、水量進(jìn)行了模擬. 研究結(jié)果表明：1)模型的流量、化學(xué)需氧量(CODCr)、懸浮物(SS)、總氮(TN)和總磷(TP)的Nash-Sutcliffe效率系數(shù)分別為0.858、0.835、0.803、0.712和0.752，能夠較好地模擬研究區(qū)域的水質(zhì)、水量變化. 2)研究區(qū)域的平均徑流系數(shù)為0.59，CODCr、SS、TN和TP的單位面積負(fù)荷率分別為118.34、82.90、54.64和5.46 kg/(hm2·a)，TN和TP是主要控制的污染物. 3)各污染物濃度峰值的出現(xiàn)時間均早于流量峰值出現(xiàn)的時間，因此對滇池東岸花卉大棚種植區(qū)應(yīng)進(jìn)行污染物尤其是TP、TN濃度與流量錯峰控制.

非點源污染；花卉大棚；SWMM模型；滇池流域；污染負(fù)荷

農(nóng)業(yè)非點源污染主要是指農(nóng)業(yè)生產(chǎn)活動中，農(nóng)田中的土粒、氮、磷、農(nóng)藥、化肥及其他有機(jī)或無機(jī)污染在降雨過程中，通過農(nóng)田地表徑流、農(nóng)田排水和地下滲漏，進(jìn)入水體所造成的污染[1]. 隨著工業(yè)污水和城市生活污水等點源污染逐步得到控制，非點源污染尤其是農(nóng)業(yè)非點源污染正在成為水體污染的主要原因[2]. 有報道指出，2014年滇池流域入湖污染物來源組成中，來源于農(nóng)業(yè)非點源污染的總磷(TP)和總氮(TN)分別為175和829 t[3]. 昆明是我國著名的鮮花生產(chǎn)基地，當(dāng)?shù)氐乃芰洗笈镌耘嗝娣e超過3333 hm2，其中以花卉種植為主的呈貢縣斗南村位于滇池東岸，其塑料大棚種植面積達(dá)到總種植面積的90%[4]. 一方面花卉種植的施肥強(qiáng)度大、種植茬數(shù)多、管理更集約、季節(jié)性強(qiáng)，另一方面塑料大棚的使用不僅增加了地表徑流量，而且會減少地表侵蝕和面源污染[5]，因此，滇池東岸花卉大棚種植區(qū)表現(xiàn)出不同于傳統(tǒng)大田農(nóng)業(yè)種植區(qū)的降雨產(chǎn)匯流特征和農(nóng)田面源污染負(fù)荷.

目前滇池周邊已經(jīng)構(gòu)建起從源頭控制到末端截污的流域截污治污體系，其主要功能是根據(jù)不同區(qū)域的降雨徑流污染產(chǎn)生特征對周邊城市和農(nóng)村初期降雨徑流進(jìn)行收集和處理[6]. 國內(nèi)現(xiàn)有的相關(guān)研究主要針對城市區(qū)域降雨徑流污染的收集截流，而對農(nóng)村區(qū)域則鮮有報道[7-8]，特別是針對花卉大棚種植這種特殊的土地利用類型徑流污染的研究更少[5].

SWMM模型(Storm Water Management Model)[9]即暴雨雨水管理模型，是1971年美國國家環(huán)境保護(hù)局(USEPA)為解決日益嚴(yán)重的城市非點源污染而開發(fā)的城市暴雨管理模型，包括水文、水力和水質(zhì)模塊. 主要應(yīng)用包括：進(jìn)行城市地表徑流分布式模擬，定量分析區(qū)域水質(zhì)和排污情況，預(yù)報排水系統(tǒng)和受納水體中各點水流和水質(zhì)狀況，適用于排水系統(tǒng)的規(guī)劃、分析、設(shè)計以及管理措施的評估[10]. SWMM模型作為分布式、連續(xù)模擬模型，在城市非點源污染模擬中得到了廣泛應(yīng)用[11-13]. SWMM 的通用性較好，對城市區(qū)和非城市區(qū)均能進(jìn)行準(zhǔn)確的模擬[14-15]，目前國內(nèi)的模擬研究主要集中在城市區(qū)，非城市區(qū)的模擬研究鮮有報道[16-17]. 為掌握滇池流域花卉大棚種植區(qū)的降雨徑流和氮磷流失特征，本研究選取滇池東岸呈貢縣斗南村花卉大棚種植區(qū)作為研究對象，嘗試建立SWMM模型，根據(jù)實測降雨徑流數(shù)據(jù)率定模型參數(shù)，在對模型進(jìn)行驗證的基礎(chǔ)上，對滇池東岸花卉大棚區(qū)的降雨徑流污染分別進(jìn)行全年連續(xù)降雨條件下和典型設(shè)計降雨條件下的模擬，獲得該區(qū)域的降雨徑流污染水質(zhì)水量特征，以期為滇池流域花卉大棚種植區(qū)域降雨徑流污染的收集截流提供理論依據(jù)以及為在國內(nèi)非城市區(qū)運用SWMM模型提供參考.

1 SWMM模型的構(gòu)建

1.1 研究區(qū)概化

本研究區(qū)域位于滇池東岸呈貢縣境內(nèi)斗南村北側(cè)的玫瑰大棚種植區(qū)，面積為73.2 hm2. 根據(jù)地形和排水溝渠(包括農(nóng)灌主渠和農(nóng)灌支渠)布置特性，借助衛(wèi)星地圖，將研究區(qū)域按各溝渠的實際匯水范圍劃分為104個子匯水區(qū)域、74個節(jié)點、76段排水溝渠和1個排放口，排放口位于農(nóng)灌主渠的末端(圖1). 各子匯水區(qū)面積介于0.36～1.21 hm2之間. 農(nóng)灌溝渠為明渠，渠寬為0.6～1.0 m，渠深為0.4～0.9 m. 該區(qū)域內(nèi)的農(nóng)業(yè)灌溉污水和雨水通過農(nóng)灌支渠匯入?yún)^(qū)域中間的一條南北走向的農(nóng)灌主渠排出，穿過環(huán)湖東路流入滇池，對滇池水體造成污染.

圖1 研究區(qū)域位置及子匯水區(qū)概化圖Fig.1 Location and conceptualization sketch of study area subcatchment

1.2 模型參數(shù)的靈敏度分析

本研究利用2013年8月16日的降雨數(shù)據(jù)，以5%為固定步長變化逐個參數(shù)值，分別取其值的80%、85%、90%、95%、105%、110%、115%、120%，采用修正的摩爾斯分類篩選法對模型的水文水力參數(shù)和水質(zhì)參數(shù)進(jìn)行局部敏感性分析，篩選出對模擬值影響大、敏感性大的參數(shù)，為下一步模型參數(shù)的率定、校驗做準(zhǔn)備. 其結(jié)果如表1所示.

參照文獻(xiàn)[18]對敏感度進(jìn)行分級：|Si|≥1為高靈敏度參數(shù)；0.2≤|Si|<1為靈敏參數(shù)；0.05≤|Si|<0.2 為中靈敏參數(shù)，0≤|Si|<0.05為不靈敏參數(shù)(i為模型的第i個狀態(tài)變量).

SWMM模型水文水力參數(shù)中影響徑流總量和流量峰值的靈敏參數(shù)主要為Conduit roughness和N-imperv，這與其他研究者的結(jié)果相近[19]. SWMM模型水質(zhì)參數(shù)中影響污染負(fù)荷和濃度峰值的靈敏參數(shù)主要為C1、C2和R，其中C1在污染物峰值濃度的靈敏度接近1，影響非常大. 參數(shù)n是影響污染物濃度峰值的靈敏度參數(shù)，而對污染負(fù)荷的影響則相對較小(表1).

表1 SWMM 模型參數(shù)局部靈敏度分析結(jié)果

1.3 模型參數(shù)的率定

SWMM模型的參數(shù)包括產(chǎn)匯流系統(tǒng)模塊的水文水力參數(shù)，水質(zhì)模塊的污染物累積、沖刷參數(shù). 本研究選用Horton入滲模型模擬研究區(qū)的降雨入滲過程，參考相關(guān)文獻(xiàn)[20-21]，將最大入滲速率、最小入滲速率、衰減系數(shù)和排干時間的初始值設(shè)為96 mm/h、0.5 mm/h、7 h-1和7 d. 選用指數(shù)函數(shù)累計模型模擬污染物的累積，需要輸入的參數(shù)包括指數(shù)累積方程中的最大累積量和累積常數(shù). 選用指數(shù)沖刷模型模擬污染物的沖刷過程，輸入?yún)?shù)包括指數(shù)沖刷方程中的沖刷系數(shù)和沖刷指數(shù). 為反映不同土地利用類型的地表污染物累積沖刷過程，將各子匯水區(qū)內(nèi)土地利用類型分為大棚、綠地和道路3種分別進(jìn)行模擬，選擇化學(xué)需氧量(CODCr)、懸浮物濃度(SS)、TN和TP等4種污染物作為主要污染因子，模型中各參數(shù)通過率定最終確定.

本研究于2013年8月16日、2014年8月18日和2014年9月17日進(jìn)行了3場有效的降雨徑流采樣. 水樣采集從降雨徑流產(chǎn)生開始，每20 min采集一次，直至降雨結(jié)束，同時監(jiān)測排放口的流量變化. 采集的水樣立即送往實驗室，根據(jù)《水和廢水監(jiān)測分析方法》(第四版)[22]分別采用重鉻酸鉀法、濾紙抽濾法(0.45 μm濾膜)和過硫酸鉀消解-紫外分光光度法對CODCr、SS、TN、和TP濃度進(jìn)行測定. 2013年8月16日、2014年8月18日和2014年9月17日分別采集水樣18、15、24個.

表2 SWMM模型的水文水力參數(shù)率定值

Tab.2 Calibration results of hydrological and hydronic parameters in SWMM

參數(shù)名稱含義率定值N-imperv不滲透性粗糙系數(shù)N值0.015N-perv滲透性粗糙系數(shù)N值0.5Destore-imperv不滲透性洼地蓄水/mm2Destore-perv滲透性洼地蓄水/mm7%Zero-imperv無洼地蓄水不滲透性/%40Conduitrough-ness渠道粗糙系數(shù)0.17Max.infil.rate最大入滲速率/(mm/h)94Min.infil.rate最小入滲速率/(mm/h)0.6Decayconstant衰減系數(shù)/h-17Dryingtime排干時間/d7

本研究采用2013年8月16日和2014年8月18日兩場降雨徑流監(jiān)測數(shù)據(jù)進(jìn)行參數(shù)率定，采用2014年9月17日的降雨徑流監(jiān)測數(shù)據(jù)進(jìn)行模型驗證. 采用Nash-Sutcliffe效率系數(shù)NS[23]作為目標(biāo)函數(shù)來衡量模擬值與實測值之間的擬合度.NS效率系數(shù)的計算公式為：

(1)式中，NS為效率系數(shù)，Qm為實測瞬時值，Qp為模擬瞬時值，Qavr為實測平均值. 當(dāng)NS=1 時，說明模擬值與實測值相等，NS>0.5時為可接受模擬值. 效率系數(shù)分級為：0.5～0.7為丙等，0.7～0.9為乙等，NS>0.9為甲等.

輸入2013年8月16日和2014年8月18日兩場降雨數(shù)據(jù)，結(jié)合SWMM模型用戶使用手冊，反復(fù)調(diào)整參數(shù)并進(jìn)行模擬，使模擬結(jié)果最大程度和實測結(jié)果相吻合. 經(jīng)率定的水文水力參數(shù)結(jié)果如表2所示，水質(zhì)參數(shù)結(jié)果如表3所示.

表3 SWMM模型的水質(zhì)參數(shù)率定值

圖2 排放口流量的模擬值與實測值變化過程Fig.2 Measurement and simulation values of rainfall runoff flow from the outlet of the area

1.4 模型的驗證

采用2014年9月17日的降雨(降雨量為5.6 mm,降雨歷時為5 h；其中前一個小時降雨量為5 mm，后4個小時降雨量0.6 mm)徑流監(jiān)測數(shù)據(jù)對模型進(jìn)行驗證. 圖2和圖3是模型模擬值與實測值的對比，根據(jù)公式(1)計算，流量、CODCr、SS、TN和TP的NS效率系數(shù)分別為0.858、0.835、0.803、0.712和0.752，均在0.7以上，說明SWMM模型可以較好地模擬該研究區(qū)域的地表徑流變化過程和地表污染物質(zhì)量濃度變化過程. 因此可認(rèn)為針對該研究區(qū)域所設(shè)定的SWMM模型各項參數(shù)均較為合理，所構(gòu)建的SWMM模型準(zhǔn)確可靠，可以用于后續(xù)的模擬研究.

圖3 排放口污染物濃度的模擬值與實測值變化過程Fig.3 Measurement and simulation values of contaminant concentrations from the outlet of the area

2 SWMM模型的模擬運用

在SWMM模型基礎(chǔ)上，本研究根據(jù)昆明市氣象局提供的1995-2008年降雨數(shù)據(jù)，針對研究區(qū)域分別進(jìn)行全年連續(xù)降雨條件下和典型設(shè)計降雨條件下的模擬. 其中，進(jìn)行全年連續(xù)降雨的模擬可以充分反映降雨間隔時間對徑流水質(zhì)的影響以及降雨的隨機(jī)性，真實反映年內(nèi)不同降雨持續(xù)時間、不同雨量大小的降雨下污染物的流失情況，以估算流域全年的污染負(fù)荷[19]，識別主要污染物. 而進(jìn)行典型設(shè)計降雨的模擬可以得到典型的流量過程和污染物濃度過程[24]，可用于指導(dǎo)截流方案的設(shè)計.

2.1 全年連續(xù)降雨條件下的模型模擬

單位面積負(fù)荷率是衡量區(qū)域污染程度的重要指標(biāo)，通過污染物單位面積負(fù)荷率和研究區(qū)域的面積，可以初步測算出該研究區(qū)域徑流污染對受納水體總體污染的貢獻(xiàn)率[19]. 本研究根據(jù)SWMM 模型要求的輸入格式，將連續(xù)14 a的小時降雨資料進(jìn)行了長時間序列模擬.

該區(qū)域14 a的總降雨量為10857.7 mm，產(chǎn)生的總徑流量為6427.0 mm，則得知該研究區(qū)域的平均徑流系數(shù)為0.59. CODCr、SS、TN和TP的單位面積負(fù)荷率分別為118.34、82.90、54.64和5.46 kg/(hm2· a)(表4).

表4 14 a連續(xù)降雨條件下的模型模擬結(jié)果*

*單位面積負(fù)荷率=年均污染負(fù)荷/研究區(qū)域面積，本研究區(qū)面積為73.2 hm2.

2.2 典型設(shè)計降雨條件下的模型模擬

設(shè)計不同降雨情景(即不同降雨重現(xiàn)期)是進(jìn)行水量、水質(zhì)模擬不可或缺的基本要素. 目前國內(nèi)外普遍采用的設(shè)計降雨方法有芝加哥暴雨過程線法、Pilgrim and Cordery法和Huff法等，其中Huff 法是一種基于區(qū)域多年降雨統(tǒng)計資料的方法，具有計算簡單、代表性強(qiáng)等優(yōu)點[25]. 本研究利用Huff法對降雨數(shù)據(jù)進(jìn)行分析，得到滇池東岸降雨特征為以單峰雨型為主，雨峰多位于降雨的前1/4處，即降雨強(qiáng)度峰值發(fā)生前的時間與總降雨歷時的比值為0.25. 基于昆明市暴雨強(qiáng)度公式(2)，應(yīng)用芝加哥降雨過程線設(shè)計降雨時程分布，構(gòu)建降雨歷時為2 h，雨峰系數(shù)γ=0.25，重現(xiàn)期分別為0.3、0.5、1、3和5 a的5種設(shè)計降雨過程作為降雨輸入數(shù)據(jù)，進(jìn)行不同降雨重現(xiàn)期下的模型模擬，假定降雨從16：00點開始，18：00點結(jié)束. 水量模擬結(jié)果如圖4所示，水質(zhì)模擬結(jié)果如圖5所示.

(2)

式中，i為降雨強(qiáng)度(mm/min)，P為降雨重現(xiàn)期(a)，t為降雨歷時(min).

圖4 不同降雨重現(xiàn)期下研究區(qū)域排放口流量過程線Fig.4 Discharge hydrograph from the outlet of the area under different rainfall return periods

根據(jù)不同降雨重現(xiàn)期下排放口流量過程線，可得相應(yīng)的流量峰值及出現(xiàn)的時間. 由表5可知，重現(xiàn)期為0.5、1、3和5 a的徑流峰值比重現(xiàn)期為0.3 a的分別增大了1.1、2.7、6.3和7.5倍；每個重現(xiàn)期降雨條件下的徑流峰值比前一個重現(xiàn)期的分別增大了106.2%、81.8%、93.8%和16.8%，這說明隨著降雨重現(xiàn)期的增大，流量峰值也呈上升趨勢，但上升幅度逐漸減小，峰值流量逐漸趨于平穩(wěn). 隨著降雨量的增加，排放口流量不斷增大，一般在降雨開始后120～150 min 達(dá)到最大值，之后隨著降雨強(qiáng)度的減小而逐漸減小(圖4). 相同降雨歷時，降雨量越大排放口徑流總量越大.

不同降雨重現(xiàn)期下研究區(qū)域排放口污染物濃度峰值隨降雨強(qiáng)度的增大而增大，不同降雨重現(xiàn)期下的SS、CODCr、 TN和TP濃度峰值均呈現(xiàn)出相同的變化規(guī)律，即5 a一遇>3 a一遇>1 a一遇>0.5 a一遇>0.3 a一遇(圖5). 降雨強(qiáng)度越大，質(zhì)量濃度峰值出現(xiàn)的時間越早，并且降雨重現(xiàn)期越大，各污染物濃度在峰值后的下降速度越快. 在5 a一遇和3 a一遇的降雨強(qiáng)度下，SS、CODCr和TN濃度經(jīng)過峰值后迅速降至1 a一遇、0.5 a一遇及0.3 a一遇過程線以下，表明與低降雨強(qiáng)度沖刷相比，經(jīng)高強(qiáng)度降雨沖刷后地表產(chǎn)生的污染物濃度較小.

圖5 不同降雨重現(xiàn)期下研究區(qū)域排放口污染物濃度變化過程線Fig.5 Variation of contaminant concentrations from the outlet of the area under different rainfall return periods

不同重現(xiàn)期下，降雨及徑流對地表累積污染物的沖刷程度也不同，隨徑流產(chǎn)生并排放的非點源污染物總量亦不同(表5). 排放口的非點源污染負(fù)荷總量與降雨重現(xiàn)期呈正相關(guān)關(guān)系，即降雨重現(xiàn)期越大，污染物排放總量越大.

不同降雨重現(xiàn)期下污染物濃度峰值及出現(xiàn)的時間如表5所示. 分別將各污染物濃度峰值的時間節(jié)點與對應(yīng)徑流流量峰值時間節(jié)點進(jìn)行對比，可知各污染物濃度峰值的出現(xiàn)時間均早于流量峰值的出現(xiàn)時間.

表5 典型設(shè)計降雨條件下的模型模擬結(jié)果

()內(nèi)數(shù)字為相同重現(xiàn)期下濃度峰值相比于流量峰值出現(xiàn)提前的時間.

3 模擬結(jié)果討論

3.1 對全年連續(xù)降雨條件下的模型模擬結(jié)果的討論

本研究區(qū)域為花卉大棚種植區(qū)域，大棚覆蓋是該區(qū)域與傳統(tǒng)大田種植的主要差別. 傳統(tǒng)的平坦大田種植區(qū)域的綜合雨量徑流系數(shù)為0.1～0.2，而該區(qū)域的綜合雨量徑流系數(shù)為0.59，可見大棚的覆蓋增加了區(qū)域的不滲透性，導(dǎo)致地表徑流量的增加. 龍?zhí)煊宓萚26]研究得出的三峽庫區(qū)大田種植TN負(fù)荷為2.6～4.2 kg/(hm2·a)，TP負(fù)荷為0.432～3.186 kg/(hm2·a)，可得知該大棚種植區(qū)域的TN和TP單位面積負(fù)荷率要高于其他大田種植區(qū)域. 這是因為雖然大棚覆蓋阻礙了降雨對地表的直接沖刷，但是高度集約化的花卉種植產(chǎn)生了大量的花卉殘枝、塑料薄膜等固體廢棄物，這些固體廢棄物通常堆放在露天場地和溝渠兩邊，腐敗后就隨著降雨沖刷進(jìn)入地表徑流中，使得該區(qū)域內(nèi)的降雨徑流中TN和TP濃度較高，成為大棚種植區(qū)降雨徑流的主要污染物，是收集截流的主要對象. 滇池流域截污治污體系的服務(wù)范圍主要為城市區(qū)域和農(nóng)村區(qū)域，該區(qū)域的CODCr的單位面積負(fù)荷率明顯低于昆明城區(qū)，而TN和TP的則相差不大(表4). 可見對TN和TP而言，對本研究區(qū)域徑流污染的收集截流和城區(qū)同樣重要. 此外，滇池流域面積為2920 km2，其中耕地占25%[27]，即耕地面積為730 km2，本研究區(qū)面積為0.732 km2，所以本研究花卉大棚區(qū)面積占滇池流域耕地面積的比例為0.1%，但本研究區(qū)TN和TP的污染負(fù)荷總量(表4)占滇池流域農(nóng)業(yè)面源污染負(fù)荷[3]的比例分別為0.48%和0.23%,所以滇池流域花卉大棚區(qū)徑流污染是滇池流域農(nóng)業(yè)面源污染的重要來源. 故應(yīng)對滇池東岸花卉大棚種植區(qū)域降雨徑流進(jìn)行收集截流處理.

3.2 對典型設(shè)計降雨條件下的模型模擬結(jié)果的討論

從場次降雨的模擬分析中可以看出，降雨強(qiáng)度是影響徑流量大小和污染物流失的主要因素. 降雨強(qiáng)度較大時，污染物濃度峰值較大，濃度峰值出現(xiàn)時間會提前，因此對該區(qū)域進(jìn)行降雨徑流污染收集時，應(yīng)該收集污染濃度相對較高的部分，相應(yīng)的收集截流時間也應(yīng)該提前. 由于場次降雨中的污染物濃度和徑流量變化不同步，污染物濃度峰值出現(xiàn)時間要早于流量峰值，可以考慮合理利用污染物濃度峰值和流量峰值出現(xiàn)的時間差，實現(xiàn)低流量高濃度污水和高流量低濃度污水的分流，從而達(dá)到高效收集截流的目的.

4 結(jié)論

控制和治理滇池東岸花卉大棚種植區(qū)產(chǎn)生的農(nóng)業(yè)非點源污染對滇池水環(huán)境治理至關(guān)重要. 本研究通過構(gòu)建SWMM模型對研究區(qū)域進(jìn)行了全年連續(xù)降雨條件下和典型設(shè)計降雨條件下的降雨徑流水質(zhì)水量模擬，得到如下結(jié)論：

1)構(gòu)建的SWMM模型流量、CODCr、SS、TN和TP的NS效率系數(shù)分別為0.858、0.835、0.803、0.712和0.752，能夠較好地模擬研究區(qū)域的水量和水質(zhì)變化.

2)研究區(qū)域的平均徑流系數(shù)為0.59，CODCr、SS、TN和TP的單位面積負(fù)荷率分別為118.34、82.90、54.64 和5.46 kg/(hm2·a). 其中，TN和TP的單位面積負(fù)荷率與昆明市區(qū)接近，是主要控制的污染物.

3)各污染物濃度峰值的出現(xiàn)時間均早于流量峰值出現(xiàn)的時間，對滇池東岸花卉大棚種植區(qū)應(yīng)進(jìn)行污染物尤其是TP、TN濃度與流量錯峰控制.

[1] Meng Fanxiang, Zhao Qian, Ma Jianetal. Evaluation of agricultural non-point source pollution loadings in Dasu River.JournalofAgro-EnvironmentScience, 2010, (S1): 145-150. [孟凡祥, 趙倩, 馬建等. 農(nóng)業(yè)非點源污染負(fù)荷及現(xiàn)狀評價——以大蘇河地區(qū)為例, 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報, 2010, (S1): 145-150.]

[2] Zhang Rongshe, Zhou Qi, Shi Yunpengetal. Study on storm runoff characteristics in agricultural area in the Dianchi Valleys.ChinaWater&Wastewater, 2003, 19(2): 13-16. [張榮社, 周琪, 史云鵬等. 滇池流域農(nóng)業(yè)區(qū)的暴雨徑流特征研究. 中國給水排水, 2003, 19(2): 13-16.]

[3] Xu Xiaomei, Wu Xue, He Jiaetal. Research on the pollution characteristics of Dianchi watershed (1988-2014) and identification of countermeasures.JLakeSci, 2016, 28(3): 476-484. DOI: 10.18307/2016.0302. [徐曉梅, 吳雪, 何佳等. 滇池流域水污染特征(1988-2014年)及防治對策. 湖泊科學(xué), 2016, 28(3): 476-484.]

[4] Li Jing, Yang Hao, Xie Biaoetal. Distribution and source diagnosis of polycyclic aromatic hydrocarbons in agricultural soil at the shore of the Dianchi Lake.EnvironmentalScience&Technology, 2015, 38(12): 31-35. [李婧, 楊浩, 謝標(biāo)等. 滇池湖濱農(nóng)業(yè)土壤中PAHs分布特征及來源. 環(huán)境科學(xué)與技術(shù), 2015, 38(12): 31-35.]

[5] Shi Feng, Du Pengfei, Zhang Daweietal. Nonpoint source pollution simulation in greenhouse region of Dianchi Basin.JTsinghuaUniv(Sci&Tech), 2005, (3): 363-366. [石峰, 杜鵬飛, 張大偉等. 滇池流域大棚種植區(qū)面源污染模擬. 清華大學(xué)學(xué)報(自然科學(xué)版), 2005, (3): 363-366.]

[6] He Jia, Xu Xiaomei, Yang Yanetal. Problems and effects of comprehensive management of water environment in Lake Dianchi.JLakeSci, 2015, 27(2): 195-199. DOI:10.18307/2015.0201. [何佳, 徐曉梅, 楊艷等. 滇池水環(huán)境綜合治理成效與存在問題. 湖泊科學(xué), 2015, 27(2): 195-199.]

[7] Li Yuexun, Xu Xiaomei, He Jiaetal. Point source pollution control and problem in Lake Dianchi basin.JLakeSci, 2010, 22(5): 633-639. DOI:10.18307/2010.0502. [李躍勛, 徐曉梅, 何佳等. 滇池流域點源污染控制與存在問題解析. 湖泊科學(xué), 2010, 22(5): 633-639.]

[8] Li Zhongjie, Zheng Yixin, Zhang Daweietal. Impacts of 20-year socio-economic development on aquatic environment of Lake Dianchi Basin.JLakeSci, 2012, 24(6): 875-882. DOI:10.18307/2012.0610. [李中杰, 鄭一新, 張大為等. 滇池流域近20年社會經(jīng)濟(jì)發(fā)展對水環(huán)境的影響. 湖泊科學(xué), 2012, 24(6): 875-882.]

[9] Rossman LA. Storm water management model user’s manual version 5.0.USA: United States Environmental Protection Agency, 2009.

[10] Qin Yuhan, Wang Hongwu, Zhang Yilong. Review of urban stormwater runoff models.EnvironmentalScience&Technology, 2016, 39(1): 13-19. [秦語涵, 王紅武, 張一龍. 城市雨洪徑流模型研究進(jìn)展. 環(huán)境科學(xué)與技術(shù), 2016, 39(1): 13-19.]

[11] Barco J, Wong KM, Stenstrom MK. Automatic calibration of the U. S. EPA SWMM model for a large urban catchment.JournalofHydraulicEngineering, 2008, 134(4): 466-474.

[12] Shon TS, Kim SD. Estimation of NPS pollutant properties based on SWMM modeling according to land use change in urban area.DesalinationandWaterTreatment, 2012, 38(1/2/3): 333-341.

[13] Li B, Shao DG, Song Metal. Simulating the effect of reducing the non-point source pollution by buffer zone with SWMM. National Conference on Measuring Technology and Mechatronics Automation, 2013: 996-999.

[14] Jang S, Cho M, Yoon J. Using SWMM as a tool for hydrologic impact assessment.Desalination, 2007, 212(1/2/3): 344-356.

[15] Chen CL, Scanlin J, Feng A. Simulating the fate of diazinon in Castro Valley watershed by SWMM∥Global Solutions for Urban Drainage. Reston: ASCE, 2002: 1-16.

[16] Ma Xiaoyu, Zhu Yuanli, Mei Kunetal. Application of SWMM in the simulation of non-point source pollution load in urban residential area.ResearchofEnvironmentalSciences, 2012, 25(1): 95-102. [馬曉宇, 朱元勵, 梅琨等. SWMM 模型應(yīng)用于城市住宅區(qū)非點源污染負(fù)荷模擬計算. 環(huán)境科學(xué)研究, 2012, 25(1): 95-102.]

[17] Wang Zhibiao. Research of the non-point source pollution load in palm-spring residential district based on SWMM[Dissertation]. Chongqing: Chongqing University, 2007. [王志標(biāo). 基于SWMM的棕櫚泉小區(qū)非點源污染負(fù)荷研究[學(xué)位論文]. 重慶: 重慶大學(xué), 2007.]

[18] Lenhart L, Eckhardt K, Fohrer Netal. Comparison of two different approaches of sensitivity analysis.PhysicsandChemistryoftheEarth,PartsA/B/C, 2002, 27(9/10): 645-654.

[19] Zhao Lei, Yang Fengle, Yuan Guolinetal. Simulation of the quantity and quality of the urban runoff.ActaEcologicaSinica, 2015, 35(6): 1961-1972. DOI: 10.5846 /stxb201310141523. [趙磊, 楊逢樂, 袁國林等. 昆明市明通河流域降雨徑流水量水質(zhì)SWMM模型模擬. 生態(tài)學(xué)報, 2015, 35(6): 1961-1972.]

[20] Zhao Gang, Pang Bo, Xu Zongxueetal. Simulation of urban strom at Dahongmen drainage area by SWMM.JournalofBeijingNormalUniversity(NaturalScience), 2014, 50(5): 452-455. [趙剛, 龐博, 徐宗學(xué)等. 基于SWMM模型的北京大紅門排水片區(qū)雨洪模擬研究. 北京師范大學(xué)學(xué)報(自然科學(xué)版), 2014, 50(5): 452-455.]

[21] Huber WC, Dickinson RE, Jr TOB. Storm water management model; version 4. Part A User’s, 1988, 2(4): 46-56.

[22] “Water and wastewater monitoring and analysis method” editorial board of State Environmental Protection Administration of China ed. Monitoring and analysis methods of water and wastewater: fourth edition. Beijing: China Environmental Science Press, 2002. [國家環(huán)境保護(hù)總局《水和廢水監(jiān)測分析方法》編委會. 水和廢水監(jiān)測分析方法: 第4版. 北京: 中國環(huán)境科學(xué)出版社, 2002.]

[23] Nash JE, Sutcliffe JV. River flow forecasting through conceptual models. Part I: A Discussion of Principles, 1970.

[24] Chen J, Adams BJ. Development of analytical models for estimation of urban storm water runoff.JournalofHydrology, 2007, 336(s3/s4): 458-469.

[25] Zhao Dongquan, Tong Qingyuan, Wang Haozhengetal. Application of SWMM model in urban rainwater elimination system.Water&WastewaterEngineering, 2009, 35(5): 198-201. [趙冬泉, 佟慶遠(yuǎn), 王浩正等. SWMM模型在城市雨水排除系統(tǒng)分析中的應(yīng)用. 給水排水, 2009, 35(5): 198-201.]

[26] Long Tianyu, Liu Min, Liu Jia. Development and application of non-point source pollution load model of spatial and temporal distribution in Three Gorges Reservoir Region.TransactionsoftheChineseSocietyofAgriculturalEngineering, 2016, 32(8): 217-223. [龍?zhí)煊? 劉敏, 劉佳. 三峽庫區(qū)非點源污染負(fù)荷時空分布模型的構(gòu)建及應(yīng)用. 農(nóng)業(yè)工程學(xué)報, 2016, 32(8): 217-223.]

[27] Environmental Protection Agency of Kunming, Chinese Research Academy of Environmental Sciences. Study report on “12TYP” of water pollution control in Dianchi Lake Basin. Kunming, 2010. [昆明市環(huán)境保護(hù)局, 中國環(huán)境科學(xué)研究院. 滇池流域水污染防治“十二五”規(guī)劃研究報告. 昆明, 2010.]

Characteristics and simulation of rainfall runoff and nitrogen & phosphorus outputs in facility agricultural area: A case study of flower greenhouse region in the East Coast of Lake Dianchi

ZENG Xiaolan1,2, WANG Taotao1,2, LUO Wanshen3, LIU Ding1,2, DING Wenchuan1,2& WANG Shuangshuang1,2

(1:KeyLaboratoryofThreeGorgesReservoirRegion’sEco-Environment,MinistryofEducation,ChongqingUniversity,Chongqing400045,P.R.China)(2:NationalCentreforInternationalResearchofLow-CarbonandGreenBuildings,ChongqingUniversity,Chongqing400045,P.R.China)(3:SouthwestMunicipalEngineeringDesign&ResearchInstituteofChina,Chengdu610081,P.R.China)

In order to improve water quality of Lake Dianchi, the characteristics of non-point source pollution from flower greenhouse area along the east bank of the Lake Dianchi were explored. The Storm Water Management Model (SWMM) was built with measured rainfall runoff data to simulate the quantity and quality of rainfall runoff under both continuous and typical rainfall conditions in a flower greenhouse area in Dounan Village, Chenggong County. The results indicate that: 1) The Nash-Sutcliffe efficiency coefficients of the flow, chemical oxygen demand (CODCr), suspended solids (SS), total nitrogen (TN) and total phosphorus (TP) in the SWMM are 0.858, 0.835, 0.803, 0.712 and 0.752, respectively, so that the SWMM model can be used to predict the quantity and quality of rainfall runoff in the area. 2) The average runoff coefficient of the area is 0.59. The annual loads per unit area of CODCr, SS, TN and TP are 118.34, 82.90, 54.64 and 5.46 kg/(ha·a), respectively. TN and TP are major pollutants. 3) The peaks of every pollutant concentrations appeared earlier than the flow peak so controlling the pollutant load should be advanced, especially for TN and TP controlling.

Non-point source pollution; flower greenhouse; SWMM model; Lake Dianchi basin; pollution load

國家水體污染控制與治理科技重大專項(2012ZX07102-001)、高等學(xué)校學(xué)科創(chuàng)新引智計劃項目(B13041)和重慶大學(xué)大型儀器設(shè)備開放基金項目(201506150013)聯(lián)合資助. 2016-04-27收稿；2016-11-17收修改稿. 曾曉嵐(1972～)，女，博士，副教授； E-mail： wendyzeng@cqu.edu.cn.

DOI 10.18307/2017.0504