黃國(guó)如，陳曉麗，任秀文

(1.華南理工大學(xué)土木與交通學(xué)院，廣東 廣州 510640； 2.華南理工大學(xué)亞熱帶建筑科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510640； 3.廣東省水利工程安全與綠色水利工程技術(shù)研究中心，廣東 廣州 510640；4.環(huán)境保護(hù)部華南環(huán)境科學(xué)研究所，廣東 廣州 510530)

近年來(lái)，隨著點(diǎn)源污染逐步得到控制，非點(diǎn)源污染已成為各大流域主要污染源并引起專家學(xué)者的高度重視[1-2]。降雨徑流是造成非點(diǎn)源污染最主要的自然原因。伴隨著降雨淋融和徑流沖刷，由土壤侵蝕產(chǎn)生的土壤流失事件時(shí)有發(fā)生，N、P等營(yíng)養(yǎng)鹽和溶解有機(jī)質(zhì)等不斷進(jìn)入水體，導(dǎo)致各大流域非點(diǎn)源污染形勢(shì)變得十分嚴(yán)峻。與點(diǎn)源污染相比，非點(diǎn)源污染具有隨機(jī)、滯后、模糊及隱蔽等特性，使得非點(diǎn)源污染的估算與模擬研究難度極大[3]。目前，非點(diǎn)源污染負(fù)荷的估算方法主要分為兩種：經(jīng)驗(yàn)?zāi)Ｐ凸浪愫蜋C(jī)理模型模擬。經(jīng)驗(yàn)?zāi)Ｐ鸵暂敵鱿禂?shù)模型最為常用，是一個(gè)直接建立土地利用、土地覆蓋與受納水體非點(diǎn)源污染負(fù)荷量之間關(guān)系的模型[4-5]，能夠避開(kāi)繁雜的非點(diǎn)源污染遷移轉(zhuǎn)化物理過(guò)程，對(duì)實(shí)測(cè)污染物數(shù)據(jù)要求較低，因此得到了廣泛應(yīng)用。張辰等[6-8]采用輸出系數(shù)模型分別在云南省洱海流域、長(zhǎng)春市新立城水庫(kù)流域、四川省射洪縣等區(qū)域進(jìn)行了非點(diǎn)源污染負(fù)荷量估算，并深入評(píng)估了各研究區(qū)非點(diǎn)源污染情況。另外，蔡明等[9]提出了考慮降雨因素影響和污染物在遷移過(guò)程中損失的改進(jìn)的輸出系數(shù)模型，并在渭河流域進(jìn)行了非點(diǎn)源污染估算，結(jié)果表明，改進(jìn)后的輸出系數(shù)模型機(jī)理更明確、模擬更準(zhǔn)確，因此得到了廣泛應(yīng)用[10]。自20世紀(jì)80年代以來(lái)，非點(diǎn)源污染模擬模型已廣受重視，表現(xiàn)較為出色的非點(diǎn)源污染模型主要有美國(guó)國(guó)家環(huán)保局的HSPF模型和SWMM模型、美國(guó)農(nóng)業(yè)部的AGNPS模型和SWAT模型等，其中SWAT模型是一個(gè)具有很強(qiáng)物理機(jī)制、可進(jìn)行連續(xù)長(zhǎng)時(shí)段模擬的分布式流域尺度水文模型[11-12]。國(guó)內(nèi)外學(xué)者利用SWAT模型在非點(diǎn)源污染方面做了廣泛且深入的研究，使得SWAT模型在全世界范圍內(nèi)得以推廣應(yīng)用。張曉晗等[13]采用SWAT模型在黑河水庫(kù)上游流域進(jìn)行非點(diǎn)源污染模擬與分析，結(jié)果表明，該流域非點(diǎn)源污染主要發(fā)生在汛期6—10月；劉吉開(kāi)等[14]利用SWAT模型探討氣候條件變化對(duì)渭河流域陜西段非點(diǎn)源污染負(fù)荷影響，發(fā)現(xiàn)未來(lái)氣溫升高、降雨增多，河道徑流量增加，TN、TP負(fù)荷增多，非點(diǎn)源污染問(wèn)題越來(lái)越突出；賴格英等[15]通過(guò)修正的SWAT模型對(duì)巖溶地區(qū)江西省橫港河流域的非點(diǎn)源污染進(jìn)行模擬研究，定量評(píng)估落水洞、伏流、暗河等巖溶特征對(duì)氮、磷等主要非點(diǎn)源污染物質(zhì)輸移的影響及其帶來(lái)的時(shí)空效應(yīng)。

為深入研究飛來(lái)峽庫(kù)區(qū)的非點(diǎn)源污染情況，筆者選取典型小流域進(jìn)行場(chǎng)次降雨徑流水量水質(zhì)同步監(jiān)測(cè)實(shí)驗(yàn)，對(duì)監(jiān)測(cè)結(jié)果進(jìn)行規(guī)律及特征分析，建立小流域SWAT非點(diǎn)源污染模型，以模擬研究小流域非點(diǎn)源污染情況，并率定、驗(yàn)證徑流及水質(zhì)參數(shù)，旨在為相關(guān)部門開(kāi)展社崗流域非點(diǎn)源污染防治及水資源保護(hù)提供科學(xué)依據(jù)，也為飛來(lái)峽庫(kù)區(qū)流域非點(diǎn)源污染模擬提供參數(shù)借鑒。

1 研究區(qū)概況

飛來(lái)峽庫(kù)區(qū)地處我國(guó)南方濕潤(rùn)地區(qū)，年均降雨量1 853 mm，雨量充沛，屬亞熱帶季風(fēng)氣候。其控制面積為2 450 km2，橫跨廣東省清遠(yuǎn)市英德市以及清城區(qū)兩個(gè)縣級(jí)區(qū)，含飛來(lái)峽鎮(zhèn)、黎溪鎮(zhèn)、連江口鎮(zhèn)、大站鎮(zhèn)、英紅區(qū)、英城鎮(zhèn)、望埠鎮(zhèn)、石灰鋪鎮(zhèn)、西牛鎮(zhèn)以及水邊鎮(zhèn)在內(nèi)的10個(gè)鎮(zhèn)級(jí)行政區(qū)劃，流域內(nèi)人口約為29.5萬(wàn)人。據(jù)廣東省水利科學(xué)研究院編制的《廣東省飛來(lái)峽水利樞紐庫(kù)區(qū)污染源普查報(bào)告》，飛來(lái)峽庫(kù)區(qū)流域內(nèi)的污染物70%以上由非點(diǎn)源污染貢獻(xiàn)，且?guī)靺^(qū)內(nèi)生活用水逐年增加，生活用水的散排、農(nóng)業(yè)化肥的不當(dāng)施用，導(dǎo)致非點(diǎn)源污染占比呈逐年增大的態(tài)勢(shì)。為研究飛來(lái)峽庫(kù)區(qū)流域的非點(diǎn)源污染情況，選擇典型小流域社崗排洪渠流域(簡(jiǎn)稱社崗流域)為研究對(duì)象。社崗流域位于飛來(lái)峽水利樞紐壩前左岸，流域面積為37.61 km2(圖1)，控制范圍內(nèi)有社崗、橫石、升平等村，人口密度為400人/km2，社崗排洪渠片區(qū)水質(zhì)狀況不容樂(lè)觀。

圖1 飛來(lái)峽社崗排洪渠流域DEM

2 研究資料與方法

2.1 降雨徑流水量水質(zhì)監(jiān)測(cè)

在社崗流域出口斷面處設(shè)置流量監(jiān)測(cè)點(diǎn)，安裝多普勒超聲波明渠流量計(jì)，并于2017年8月至2018年6月進(jìn)行流域場(chǎng)次降雨過(guò)程的同步監(jiān)測(cè)，監(jiān)測(cè)內(nèi)容包括降雨量、徑流量、各場(chǎng)次降雨的水樣采集(采樣頻率為1 h)等。經(jīng)污染物檢測(cè)，可得2017年后汛期5場(chǎng)及2018年前汛期6場(chǎng)降雨的污染物濃度數(shù)據(jù)。所采集水樣大多為淡黃色，輕微氣味，表面有大量懸浮物。2017年場(chǎng)次降雨時(shí)間分別為20170824、20170827、20170828、20170904和20170907，2018年場(chǎng)次降雨時(shí)間分別為20180414、20180415、20180424、20180507、20180509和20180606，所檢測(cè)污染物包括SS、BOD5、CODMn、TP、TN和NH3-N共6種。另外，進(jìn)行非點(diǎn)源污染模擬時(shí)必須扣除河道的點(diǎn)源排放污染，且由于降雨徑流是非點(diǎn)源污染的主要原因，因此假設(shè)非汛期無(wú)雨日河道污染物排放均為點(diǎn)源污染，進(jìn)行2017年10月下旬至2018年3月上旬的無(wú)雨日水樣采集(采樣頻率為每月2次)，得到10個(gè)無(wú)雨日點(diǎn)源排放的污染物濃度樣品。采用SWAT Bflow Program程序?qū)?017年10月至2018年3月徑流進(jìn)行基流分割，得到各月份常規(guī)水質(zhì)樣品當(dāng)日基流量，再采用基流量加權(quán)平均算法得到枯季各污染物平均濃度，最后控制常規(guī)點(diǎn)源污染日負(fù)荷量不變，得到汛期基流的點(diǎn)源污染濃度。

2.2 皮爾遜相關(guān)系數(shù)法

皮爾遜相關(guān)系數(shù)法(Pearson correlation coefficient)也稱皮爾遜積矩相關(guān)系數(shù)法，用來(lái)反映兩個(gè)變量線性相關(guān)程度的統(tǒng)計(jì)量，一般用r表示，計(jì)算公式為

(1)

2.3 平均濃度法

平均濃度法又稱水文分割法，利用它能夠簡(jiǎn)便而有效地根據(jù)有限的水質(zhì)監(jiān)測(cè)資料來(lái)估算非點(diǎn)源污染負(fù)荷量。采用平均濃度法估算社崗流域2017年非點(diǎn)源污染平均濃度及負(fù)荷情況，然后將場(chǎng)次降雨污染物平均濃度近似作為典型日非點(diǎn)源污染物濃度，計(jì)算典型日非點(diǎn)源污染負(fù)荷，作為SWAT模型參數(shù)率定及驗(yàn)證依據(jù)。

利用平均濃度法計(jì)算場(chǎng)次降雨徑流過(guò)程非點(diǎn)源污染平均質(zhì)量濃度ρ的計(jì)算公式為

(2)

其中 Δti=(ti+1-ti-1)/2

式中：WL為該次暴雨攜帶的污染物負(fù)荷量，g；WA為該次暴雨產(chǎn)生的徑流量，m3；QTi為ti時(shí)刻的實(shí)測(cè)流量，m3/s；ρTi為ti時(shí)刻的實(shí)測(cè)污染物質(zhì)量濃度，mg/L；QBi為ti時(shí)刻的枯季流量，m3/s(即非本次暴雨形成的流量，也稱基流流量)；ρBi為ti時(shí)刻的基流濃度(枯季濃度)，mg/L；n為該次暴雨徑流過(guò)程中流量與水質(zhì)濃度的同步監(jiān)測(cè)次數(shù)。

2.4 SWAT分布式水文模型

SWAT模型是基于GIS的分布式流域水文模型，可以利用遙感和地理信息系統(tǒng)提供的空間信息模擬多種不同的水文物理化學(xué)過(guò)程，如水量、水質(zhì)以及污染物輸移轉(zhuǎn)化過(guò)程等。SWAT模型所需數(shù)據(jù)主要包括流域DEM數(shù)據(jù)、土地利用數(shù)據(jù)、土壤數(shù)據(jù)、雨量數(shù)據(jù)、流域氣象站點(diǎn)數(shù)據(jù)和流域水文站點(diǎn)數(shù)據(jù)等。DEM數(shù)據(jù)來(lái)自中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云的SRTMDEMUTM的數(shù)字高程數(shù)據(jù)，流域內(nèi)高程值介于11～421 m之間。土地利用數(shù)據(jù)來(lái)自中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心全球變化參量數(shù)據(jù)庫(kù)，分為耕地、草地、林地以及水域4類，所占比例分別為13.68%、22.44%、60.13%和3.75%。土壤數(shù)據(jù)采用世界糧農(nóng)組織(FAO)和國(guó)際應(yīng)用系統(tǒng)分析學(xué)會(huì)(HASA)共同開(kāi)發(fā)的全球土壤數(shù)據(jù)庫(kù)(HWSD)。按照土壤理化性質(zhì)，將土壤類型空間數(shù)據(jù)分為5類，分別為粉質(zhì)壤土30.17%、砂土2.61%、黏土6.25%、壤土3.40%以及砂質(zhì)黏壤土57.57%。雨量數(shù)據(jù)來(lái)自廣東省飛來(lái)峽水利樞紐管理處的飛壩上雨量站點(diǎn)。氣象數(shù)據(jù)選用臨近的佛岡氣象站的逐日溫度、濕度、風(fēng)速和太陽(yáng)輻射數(shù)據(jù)等，數(shù)據(jù)來(lái)自于中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn)。

3 結(jié)果分析

3.1 污染物質(zhì)量濃度、負(fù)荷量與徑流量變化特征

選取2017年和2018年各一個(gè)典型場(chǎng)次降雨事件來(lái)分析降雨徑流過(guò)程的污染物輸出特征，兩個(gè)場(chǎng)次降雨分別為20170824和20180507。20170824場(chǎng)次降雨流域出口徑流過(guò)程如圖2(a)所示。由圖2(a)可知，20170824場(chǎng)次降雨事件的降雨從08∶00開(kāi)始，09∶00降水量達(dá)到最大值并結(jié)束降雨，相應(yīng)的流域出口徑流量在15∶00左右達(dá)到峰值(1.71 m3/s)。20180507場(chǎng)次降雨流域出口徑流過(guò)程如圖2(b)所示。由圖2(b)可知，20180507場(chǎng)次降雨事件的降雨從15∶00開(kāi)始，降水量為16.5 mm，達(dá)到本場(chǎng)降雨的最大值，降雨持續(xù)至20∶00，流域出口徑流量在21∶00左右達(dá)到峰值(4.22 m3/s)。

(a)20170824 (b)20180507

圖2 20170824、20180507場(chǎng)次降雨流域出口徑流過(guò)程

20170824場(chǎng)次降雨的徑流-污染物濃度變化過(guò)程見(jiàn)圖3。由圖3可知，SS和BOD5這兩種污染物與徑流量變化趨勢(shì)基本一致，說(shuō)明徑流量對(duì)這兩種污染物輸出起主導(dǎo)作用。另外，TN、NH3-N和TP這3種污染物具有明顯的初期沖刷效應(yīng)，其濃度最大值均出現(xiàn)在降雨發(fā)生后1h。究其原因，前期久旱無(wú)雨，地表污染物累積量大，徑流對(duì)污染物的侵蝕和沖刷使污染物濃度升高并迅速達(dá)到峰值，特別是流域中下游地區(qū)，耕地比例較大，氮、磷等可溶性強(qiáng)的污染物容易累積，徑流沖刷更易帶走大量可溶性污染物。后續(xù)隨著徑流量增大，稀釋作用又占據(jù)了主導(dǎo)地位，使得污染物濃度逐漸降低。CODMn與徑流量的變化關(guān)系較為一致，存在一定的初期沖刷效應(yīng)。上述研究所得結(jié)論與馮麒宇等[16]、代丹等[17]分別在潭江泗合水流域、北京市清河流域的研究結(jié)論較為一致。

20180507場(chǎng)次降雨的徑流-污染物濃度變化過(guò)程如圖4所示。由圖4可知，除去TN、NH3-N這兩類初期沖刷效應(yīng)非常明顯的污染物外，其余污染物與徑流量的變化關(guān)系均非常一致，說(shuō)明徑流量呈強(qiáng)主導(dǎo)作用。TN、NH3-N等最大濃度值均出現(xiàn)在最大降水量的后1 h。隨著徑流量逐漸增大，稀釋作用顯現(xiàn)，濃度值開(kāi)始下降，使得TN、NH3-N與徑流量呈現(xiàn)負(fù)相關(guān)關(guān)系。春季正是流域內(nèi)農(nóng)耕施肥時(shí)節(jié)，氮肥施用在淺層地表，汛期到來(lái)，降雨淋融，使得氮肥的施用效果大打折扣的同時(shí)，也產(chǎn)生了非常嚴(yán)重的非點(diǎn)源污染，值得關(guān)注。

(a)SS

(b)TP

(c)TN

(d)NH3-N

(e)BOD5

(f)CODMn

圖3 20170824場(chǎng)次降雨的徑流-污染物質(zhì)量濃度變化過(guò)程

(a)SS

(b)TP

(c)TN

(d)NH3-N

(e)BOD5

(f)CODMn

圖4 20180507場(chǎng)次降雨的徑流-污染物質(zhì)量濃度變化過(guò)程

3.2 污染物質(zhì)量濃度、負(fù)荷量與徑流量相關(guān)性

現(xiàn)采用皮爾遜相關(guān)分析法對(duì)2017年5個(gè)場(chǎng)次以及2018年6個(gè)場(chǎng)次的降雨進(jìn)行污染物質(zhì)量濃度及其負(fù)荷量與徑流量的相關(guān)性分析，結(jié)果見(jiàn)表1。

由表1可知，對(duì)于2017年場(chǎng)次降雨而言，在徑流量與污染物質(zhì)量濃度關(guān)系方面，污染物SS與徑流量均呈現(xiàn)不同程度的正相關(guān)，20170828場(chǎng)次兩者達(dá)到了強(qiáng)相關(guān)，說(shuō)明徑流量對(duì)污染物的沖刷起著重要作用。另外，BOD5、CODMn、TP等也與徑流量大多正相關(guān)，但TN和NH3-N則和徑流量負(fù)相關(guān)。前述已提及，由于TN和NH3-N等氮污染物均易溶于水，且前期地表污染物累積量大，徑流對(duì)污染物的侵蝕和沖刷作用使其質(zhì)量濃度升高并迅速達(dá)到峰值，隨著徑流量增大其稀釋作用又占據(jù)主導(dǎo)地位，污染物質(zhì)量濃度逐漸降低，導(dǎo)致出現(xiàn)TN和NH3-N等污染物與徑流量負(fù)相關(guān)。在徑流量與污染物負(fù)荷量關(guān)系方面，所有場(chǎng)次的CODMn與徑流量均呈極強(qiáng)的正相關(guān)，且除了20170828場(chǎng)次外，其余場(chǎng)次均通過(guò)了0.01水平上的雙側(cè)檢驗(yàn)。SS、BOD5、TP、TN等污染物的負(fù)荷量也基本上與徑流量正相關(guān)。個(gè)別污染物與徑流量的相關(guān)系數(shù)可高達(dá)0.9以上，如20170827場(chǎng)次的BOD5，相關(guān)系數(shù)達(dá)到0.907；20170904場(chǎng)次，TP相關(guān)系數(shù)達(dá)到0.980?？傮w上，污染物負(fù)荷量與徑流量的相關(guān)性要強(qiáng)于污染物質(zhì)量濃度與徑流量的相關(guān)性，說(shuō)明徑流量對(duì)污染物負(fù)荷量的變化起著更為重要的主導(dǎo)作用。

對(duì)于2018年場(chǎng)次降雨而言，在徑流量與污染物濃度關(guān)系方面，除了20180507場(chǎng)次的SS、BOD5、CODMn、TP等污染物與徑流量的相關(guān)系數(shù)均達(dá)到0.85以上外，其余場(chǎng)次污染物大多與徑流量呈負(fù)相關(guān)，這是因?yàn)榉茄雌跁r(shí)，前期地表污染物有了極大的累積量，在進(jìn)入4—6月初汛期的時(shí)候，由于暴雨沖刷，使得污染物迅速進(jìn)入河道中，與2017年8—9月的后汛期相比，具有更為明顯的初期沖刷效應(yīng)。在徑流量與污染物負(fù)荷量關(guān)系方面，大多場(chǎng)次污染物與徑流量均呈極強(qiáng)的相關(guān)性，相關(guān)系數(shù)均達(dá)到0.8以上，尤其是作為2018年入汛標(biāo)志的20180414場(chǎng)次，各污染物與徑流量的相關(guān)系數(shù)均高達(dá)0.98以上，且均通過(guò)了0.01水平的雙側(cè)檢驗(yàn)。另外，從縱向看，CODMn、TP、TN這3種污染物各場(chǎng)次的負(fù)荷量與徑流量均呈現(xiàn)較好的相關(guān)性，大部分相關(guān)系數(shù)可達(dá)0.75以上，且通過(guò)了0.05水平的雙側(cè)檢驗(yàn)。

表1 污染物質(zhì)量濃度和其負(fù)荷量與徑流量的相關(guān)系數(shù)

注：**表示在0.01水平上(雙側(cè))顯著相關(guān)，*表示在0.05水平上(雙側(cè))顯著相關(guān)。

3.3 小流域非點(diǎn)源污染貢獻(xiàn)率

根據(jù)非汛期點(diǎn)源污染物濃度和負(fù)荷，對(duì)共11個(gè)場(chǎng)次降雨的實(shí)測(cè)污染物濃度和負(fù)荷進(jìn)行分解，分解成非點(diǎn)源污染和點(diǎn)源污染兩部分，分別進(jìn)行貢獻(xiàn)率計(jì)算，再對(duì)11個(gè)場(chǎng)次降雨的非點(diǎn)源污染貢獻(xiàn)率進(jìn)行分位數(shù)計(jì)算，結(jié)果見(jiàn)表2。

從表2可以看出，各污染物的非點(diǎn)源污染貢獻(xiàn)率均值均達(dá)到80%以上，與整個(gè)庫(kù)區(qū)內(nèi)非點(diǎn)源污染占比70%以上的結(jié)論相吻合，再次證明社崗流域的典型性和代表性。其中懸浮物SS的貢獻(xiàn)率均值達(dá)到95.3%，說(shuō)明社崗流域內(nèi)降雨徑流攜帶了大量泥沙，有嚴(yán)重的水土流失傾向。

3.4 SWAT模型模擬結(jié)果分析

選取2017年為參數(shù)率定期，2018年為模型驗(yàn)證期，并根據(jù)SWAT模型的應(yīng)用經(jīng)驗(yàn)[18-19]以及社崗流域的基本情況，選取14個(gè)參數(shù)進(jìn)行徑流模擬，詳細(xì)的參數(shù)信息參見(jiàn)參考文獻(xiàn)[20]。選用納什系數(shù)、相對(duì)誤差和決定系數(shù)R2這3個(gè)指標(biāo)作為模型徑流模擬適用性評(píng)價(jià)標(biāo)準(zhǔn)。率定期和驗(yàn)證期的徑流過(guò)程見(jiàn)圖5。參數(shù)率定及驗(yàn)證結(jié)果為：率定期實(shí)測(cè)日徑流均值為0.971 m3/s，模擬值為0.920 m3/s，相對(duì)誤差為-5.28%，納什系數(shù)值高達(dá)0.85，R2為0.86，模型模擬精度較高。驗(yàn)證期實(shí)測(cè)徑流量為0.622 m3/s，模擬值為0.533 m3/s，相對(duì)誤差為-14.28%，納什系數(shù)值為0.73，R2為0.75，驗(yàn)證結(jié)果總體令人滿意，表明所構(gòu)建的SWAT模型具有良好精度，可以為未來(lái)社崗流域非點(diǎn)源污染負(fù)荷核算提供可靠的徑流數(shù)據(jù)。

表2 11個(gè)場(chǎng)次降雨的非點(diǎn)源污染貢獻(xiàn)率分位數(shù) %

圖5 率定期和驗(yàn)證期日徑流模擬結(jié)果

由于實(shí)測(cè)非點(diǎn)源污染數(shù)據(jù)有限，本研究主要利用2017年及2018年典型日非點(diǎn)源污染數(shù)據(jù)，以SS、TN、TP等水質(zhì)指標(biāo)為例進(jìn)行水質(zhì)參數(shù)率定和驗(yàn)證，所得到的水質(zhì)參數(shù)和部分場(chǎng)次模擬結(jié)果分別見(jiàn)表3和表4。需要指出的是，表4給出了7場(chǎng)次暴雨水質(zhì)模擬結(jié)果，由于其余4場(chǎng)次降雨強(qiáng)度過(guò)小，SWAT模型無(wú)法模擬其非點(diǎn)源污染狀況，未列出其結(jié)果。

由表4可以看出，率定期3個(gè)典型日中雨強(qiáng)最大的20170907場(chǎng)次(日雨量79 mm)的模擬效果最佳，SS相對(duì)誤差低至0.61%，TN相對(duì)誤差為10.38%，TP相對(duì)誤差為1.53%。20170828典型日(日雨量25 mm)模擬效果次之，SS、TN、TP相對(duì)誤差分別為17.63%、-36.02%及-12.65%，20170904典型日(日雨量27 mm)模擬結(jié)果相對(duì)較差。另外，可以看出雨強(qiáng)較大的典型日模擬效果較好，而在雨強(qiáng)較低時(shí)TN、TP等均出現(xiàn)較大程度的低估現(xiàn)象，說(shuō)明SWAT模型更適用于高雨量、高雨強(qiáng)的情景。驗(yàn)證期除了20180414典型日外，其余3個(gè)典型日的SS相對(duì)誤差基本在50%以內(nèi)，且均是高估現(xiàn)象。而對(duì)于TN、TP來(lái)說(shuō)，驗(yàn)證期所有場(chǎng)次的模擬值均低于實(shí)測(cè)值，且誤差較大。分析原因可知，4—5月處于春耕施肥時(shí)期，流域內(nèi)耕地等處于農(nóng)耕施肥的高峰期，且前期肥料均施用于淺層地表，在強(qiáng)降雨的淋融沖刷下，氮、磷等元素迅速進(jìn)入河道，造成嚴(yán)重的非點(diǎn)源污染，而SWAT模型難以捕捉這一人為現(xiàn)象。

總體而言，SWAT模型非點(diǎn)源污染模擬結(jié)果在率定期的表現(xiàn)優(yōu)于驗(yàn)證期，與徑流模擬相對(duì)應(yīng)，基本能夠反映非點(diǎn)源污染負(fù)荷的實(shí)際狀況。由于非點(diǎn)源污染監(jiān)測(cè)、基礎(chǔ)數(shù)據(jù)采集、模型內(nèi)部結(jié)構(gòu)、參數(shù)等具有強(qiáng)烈的不確定性，可以初步認(rèn)為SWAT模型在該流域的模擬結(jié)果基本符合要求，所得結(jié)果可用于飛來(lái)峽庫(kù)區(qū)流域非點(diǎn)源污染的模擬預(yù)測(cè)及趨勢(shì)分析。

表3 水質(zhì)參數(shù)率定結(jié)果

表4 典型日非點(diǎn)源污染模擬結(jié)果

4 結(jié) 論

a. 場(chǎng)次降雨的徑流-污染物濃度變化過(guò)程表明，SS和BOD5等與徑流量變化趨勢(shì)基本一致，說(shuō)明徑流量對(duì)這兩種污染物的輸出起主導(dǎo)作用，而TN、NH3-N、TP等易溶污染物則表現(xiàn)出非常明顯的初期沖刷效應(yīng)。

b. 污染物濃度及其負(fù)荷量與徑流量相關(guān)性分析表明，各場(chǎng)次降雨中，SS與徑流量均呈現(xiàn)不同程度的正相關(guān)，說(shuō)明徑流量對(duì)泥沙等沖刷起著重要作用，BOD5、CODMn、TP等也大多正相關(guān)，但TN和NH3-N則和徑流量負(fù)相關(guān)，與初期沖刷效應(yīng)相對(duì)應(yīng)。另外，污染物負(fù)荷量與徑流量的相關(guān)性要好于污染物濃度與徑流量的相關(guān)性。

c. SWAT模型模擬結(jié)果表明，SWAT模型徑流模擬精度良好，納什率定期為0.85，驗(yàn)證期為0.73。在典型日非點(diǎn)源污染模擬上，SWAT對(duì)于高雨強(qiáng)、大雨量的典型日模擬效果最好，但對(duì)于雨強(qiáng)較小的典型日則表現(xiàn)較差；另外，驗(yàn)證期由于受到春耕集中施肥影響，污染物實(shí)測(cè)值普遍高于模擬值。