林子琦楊青娟

(西南交通大學建筑學院,四川 成都 611756)

近年來我國鄉(xiāng)村面源污染問題日益突出,逐漸成為鄉(xiāng)村水環(huán)境整治的瓶頸。盡管水環(huán)境治理技術和方法不斷改進,但其惡化的態(tài)勢并未得到有效遏制[1]。隨著低影響開發(fā)(LID)體系被越來越多地區(qū)接受并應用[2],我國部分學者開始陸續(xù)將LID應用于鄉(xiāng)村地區(qū)面源污染治理中,但目前尚未形成成熟的理論與技術應用體系,特別是關于定量系統(tǒng)地針對LID措施在鄉(xiāng)村地區(qū)的選址研究有待拓展。將LID應用于鄉(xiāng)村地區(qū)并開展深入研究,對控制鄉(xiāng)村面源污染、改善鄉(xiāng)村水環(huán)境具有重要意義。

隨著LID相關研究的不斷發(fā)展,當前國內外對于LID技術的研究熱點整體可歸納為兩大主要研究方向[3]：(1)LID設施效益量化實驗研究,主要集中在雨水利用、污染削減、模型模擬3個主要方面;(2)LID設施效益實踐指導研究,主要集中在園區(qū)空間設計、綠色屋頂應用、設施應用方案比選3個方向。此外,還包括相關技術研發(fā)、綜述啟示、評價分析等其他方向研究。隨著相關研究不斷深入,LID措施的空間選址布局及優(yōu)化配置問題越來越受到重視,已成為當下LID技術研究熱點[4]。當前關于LID措施布局優(yōu)化方面的研究多集中于城市地區(qū),且隨著計算機技術的快速發(fā)展,呈現出了以SWMM[5]、SUSTAIN[6-7]、InfoWorks ICM、MIKE等水文仿真模型與分散搜索算法、遺傳算法等智能優(yōu)化算法相結合的構建多目標優(yōu)化設計模型[8-11]的趨勢,初步形成了較為科學系統(tǒng)且兼顧措施成本與效益的城市區(qū)域LID措施選址方法,并積極地將其應用到實際案例中[12-14]。而在鄉(xiāng)村地區(qū),目前仍大多依靠定性探討的方式[15-17]，通過概念性總結、專家評議和實地調研等傳統(tǒng)方法進行 LID 措施的選址布局。由于我國城市與鄉(xiāng)村在土地利用、規(guī)劃布局、生產集約化程度和污染控制方式等方面具有顯著差異,城市區(qū)域的LID選址方法難以在鄉(xiāng)村應用,而鄉(xiāng)村地區(qū)的LID選址方法則多為定性探討,缺乏定量、科學、系統(tǒng)的方法工具作為支撐。在與之相關的流域面源污染治理研究中,主要關注于農業(yè)面源污染,多采用輸出系數法、磷指數法以及SWAT、AGNPS等[18-20]水文仿真模型等方法通過計算模擬出流域污染物負荷分布,進而識別出關鍵污染源區(qū),將其作為治理措施的選址區(qū)域;亦或是通過多因子綜合評價的方式,運用最小累計阻力模型(MCR)[21-23]等構建面源污染風險指標評價體系進行評價,從而得到相應的治理措施選址區(qū)域。但通過上述方法所識別出的措施選址區(qū)域結果尺度過大,更適用于傳統(tǒng)的最佳管理措施(BMPs)中的工程措施,對于由BMPs演化而來的具有分散式、小規(guī)模、源頭控制特征的LID措施來說并不適用。因此對于我國當前生態(tài)環(huán)境特別是水環(huán)境污染嚴峻的鄉(xiāng)村地區(qū),如何對LID措施進行科學系統(tǒng)地選址并使選址結果更符合LID措施特點,該方面的研究還有待進一步深入探尋。

基于此,本研究以鄉(xiāng)村面源污染防治為目的,將LID理念引入鄉(xiāng)村面源污染治理中,從風景園林、環(huán)境工程、水文學等多學科視角出發(fā),結合我國成都平原地區(qū)鄉(xiāng)村流域特點,以壽安鎮(zhèn)為例,運用ArcGIS、SWAT等軟件工具,通過量化手段構建了一種從面源污染風險性與水文敏感性結合出發(fā)判定關鍵污染源區(qū)的LID措施選址方法。通過優(yōu)先考慮在選址區(qū)域進行LID設計改造,可以提高LID措施的實施效率,實現在有限的土地資源占用下獲得較高的面源污染去除效益,進而更好地實現面源污染控制和鄉(xiāng)村水環(huán)境水質提升。當前,我國正大力開展鄉(xiāng)村振興工作,其中鄉(xiāng)村水環(huán)境的整治是鄉(xiāng)村振興生態(tài)建設中的重要一環(huán)。研究結果有利于指導研究區(qū)壽安鎮(zhèn)后續(xù)LID設計以及其他類似成都平原鄉(xiāng)村地區(qū)的未來面源污染防治及生態(tài)發(fā)展。同時研究豐富了LID措施在我國鄉(xiāng)村地區(qū)選址方面的量化研究。

1 研究區(qū)概況

研究區(qū)壽安鎮(zhèn)隸屬四川省成都市,位于四川都江堰精華灌區(qū)、成都飲用水核心保護區(qū)內,同時其具有明顯的川西林盤布局特征,屬于典型的四川成都平原鄉(xiāng)村地區(qū)。以壽安鎮(zhèn)行政區(qū)域作為研究范圍,面積約48.16 km2。區(qū)域內地勢平坦,土壤類型較單一,有以金馬河、江安河、楊柳河為主的分布廣泛的都江堰灌溉渠系,水系發(fā)達。耕地面積約占全鎮(zhèn)總面積的48%,當前以花卉苗木種植產業(yè)為主導產業(yè),花木面積占耕地面積的79%,由花木種植所造成的農業(yè)面源污染對境內水環(huán)境的威脅不容忽視。

2 研究方法

2.1 基于關鍵污染源區(qū)識別的LID措施選址方法構建

面源污染的發(fā)生受土壤、地形、氣候、水文、土地利用和管理方式等眾多因素的影響,因此流域內不同景觀單元單位面積的污染負荷差異十分顯著[24]。少數景觀單元輸出的污染物往往占了整個流域污染負荷的大部分[25],對受納水體的質量有著決定性的影響,因而成為面源污染物的關鍵污染源區(qū)[26]。本研究通過量化的方式構建一種將面源污染風險性與水文敏感性相結合,進而判定關鍵污染源區(qū)的鄉(xiāng)村地區(qū)LID措施選址方法,如圖1所示。

方法主要分為兩步,第一步識別出研究區(qū)的面源污染高污染區(qū)域和水文敏感區(qū)域。具體包括：(1)通過SWAT模型來實現對研究區(qū)流域的面源污染模擬,模擬出研究區(qū)所在流域內不同子流域的污染物負荷分布情況,進而識別出研究區(qū)內產生面源污染負荷量高的子流域匯水區(qū),即為研究區(qū)內的面源污染高污染區(qū)域;(2)選取土壤地形指數作為水文敏感性分析的重要指標,利用ArcGIS平臺相關工具計算研究區(qū)域的土壤地形指數進而劃定出相應的水文敏感區(qū),即研究區(qū)內易產生徑流的區(qū)域,這些區(qū)域也意味著更多污染累積的可能。第二步利用ArcGIS平臺相關工具將識別出的研究區(qū)面源污染高污染區(qū)域和水文敏感區(qū)域兩類區(qū)域進行疊加,得到的區(qū)域即為研究區(qū)內的關鍵污染源區(qū)。此類區(qū)域既是研究區(qū)內產污量高的區(qū)域,又是極易產生徑流的區(qū)域,因此將其作為LID措施的優(yōu)先選址區(qū)域。該方法優(yōu)點為在傳統(tǒng)水文仿真模擬區(qū)域面源污染負荷分布進而劃定污染源區(qū)的基礎上,通過疊加水文敏感區(qū),進一步細化縮小了污染源區(qū),使選址識別結果更符合LID措施分散式、小規(guī)模、源頭控制的特點。

2.2 SWAT模型模擬及率定

2.2.1 研究區(qū)污染源及主要目標污染物確定

經查閱資料、走訪及實地調研得出壽安鎮(zhèn)面源污染來源主要可歸結為土壤養(yǎng)分流失和農作物及花木種植污染排放兩方面。農作物及花木種植污染排放在SWAT模型中農業(yè)行為模塊下,通過定義研究區(qū)內農業(yè)行為并以化肥農藥的形式輸入模型,污染負荷排放量計算在模型中具體涉及作物種類、化肥種類、施肥次數、施肥量等指標。為了解研究區(qū)流域農作物及花木的施肥情況,進行了多次實地田野調查,最終得到研究區(qū)流域施用化肥的類型、次數、施用量等相關數據(見表1)。土壤養(yǎng)分流失方面則因SWAT模型的模擬機制,只需要考慮到污染物的產生階段,對其流失與入河階段模型會自動模擬,故不需要單獨設置?？紤]到模擬時長以及污染物數據獲取難度等原因,氮、磷兩種營養(yǎng)物質同時模擬率定的難度較高。對比研究區(qū)內氮、磷二者的相對污染程度,確定以總磷作為SWAT模擬的主要目標污染物。

2.2.2 模型數據庫構建及子流域劃分

SWAT模型數據庫包括屬性數據庫和空間數據庫。屬性數據庫包括土地利用屬性數據庫、土壤屬性數據庫和氣象數據庫;空間數據庫主要包括數字高程圖(DEM)、土地利用圖、土壤類型圖和行政區(qū)劃圖等。相關數據資料來源見表2、表3。為了能更好地對整個流域進行模擬分析,需要在一定空間上對整個流域進行一個屬性的重新離散化,即基于DEM數據和流域水系劃分子流域,為每一個子流域創(chuàng)建一類或者多類土地利用方式、土壤類型、坡度組合。采用該模型所推薦的子流域劃分閥值500 hm2,將研究區(qū)內的流域劃分為55個子流域。

表1 研究區(qū)化肥施用統(tǒng)計Table 1 Fertilizer use statistics in the study area

圖1 LID措施場地選址方法整體框架Fig.1 Overall framework of site selection method for LID measures

表2 SWAT模型構建關鍵數據來源及信息Table 2 Key data sources and information for SWAT model construction

表3 氣象站點具體信息Table 3 Specific information of meteorological stations

表4 模型率定及驗證情況Table 4 Model calibration and validation

2.2.3 SWAT模型率定與驗證

SWAT 模型需要利用大量監(jiān)測數據對相關參數進行調整,從而實現對模型的校準和驗證。本次率定采用日尺度時間步長,將2017—2019年定為模型預熱期,2020年作為模型率定期和驗證期,徑流流量和水質指標總磷分開率定。徑流觀測數據選用江安河溫江站2020年9月15日至11月14日日均徑流實測數據。水質率定選取總磷作為指標,觀測數據選用江安河溫江站2020年9月15日至11月14日日均實測數據。同時由于率定河流江安河為都江堰灌區(qū)的主要干渠之一,屬于典型人工河流,易受上游源頭走江閘開閘放水等人工作業(yè)的影響。故在模型中輸入走江閘2020年徑流、營養(yǎng)物質等水文觀測數據,以使模型模擬更接近于流域真實情況。走江閘觀測數據選用江安河進口站2020年日均徑流實測數據以及2020年9月15日至11月14日日均總磷實測數據。

研究引入SWAT-CUP輔助模型,使用SUFI-2算法對所構建的SWAT模型進行率定。結果顯示,率定期和驗證期徑流和水質的決定系數(R2)均大于0.6,效率系數(NSE)均大于0.5,相對誤差(PBIAS)絕對值均小于等于15,故認為模擬效果較好,模擬結果可用于后續(xù)研究。率定結果見表4、模型具體參數取值見表5。

表5 模型敏感性參數取值Table 5 Model sensitivity parameter values

2.3 土壤地形指數的修正及計算

地形指數是TOPMODEL水文模型的重要參數,它能表征流域中任意一點的徑流累積趨勢和產生污染運動趨勢的潛力。由于地形指數僅考慮地形對徑流形成的影響,且假定土壤性狀是均勻的[27]?？紤]到土壤的空間差異性,為了能夠更準確地反映徑流形成過程,WALTER等[28]基于地形指數,綜合考慮地形以及土壤特征,對該參數進行了改進,即為后來經過改善和發(fā)展成為的土壤地形指數,其計算公式為：

STI=ln(α/tanβ)-ln(KsD)

(1)

式中：STI為土壤地形指數;α為通過單位等高線長度進入柵格單元的匯水面積,m2;tanβ為柵格單元坡度;Ks為土壤飽和導水率,mm/h;D為不透水層以上土壤厚度,mm。

本研究所用壽安鎮(zhèn)土壤參數來自世界土壤數據庫(Harmonized World Soil Database Version 1.2 ),壽安鎮(zhèn)相應土壤參數信息見表6。利用SPAW Hydrology 6.02.75土壤計算軟件,計算得出壽安鎮(zhèn)的土壤導水系數(ln(KsD)為9.944 15。α、tanβ的提取及計算則均在ArcGIS中完成?；谑?1),利用ArcGIS 10.6軟件地圖代數工具包的柵格計算器工具對研究區(qū)壽安鎮(zhèn)的土壤地形指數進行計算。

表6 壽安鎮(zhèn)土壤參數Table 6 Soil parameters in Shouan Town

3 結果分析

3.1 基于SWAT模擬的研究區(qū)面源污染高污染區(qū)識別結果及分析

高污染區(qū)域是根據SWAT模型計算的總磷等污染指標的結果使用單位面積污染負荷來進行識別的[29]。基于SWAT模型模擬結果,選用子流域(Sub)為SWAT模型輸出單位,選取模型率定期2020年結果輸出文件(SWAT Output)中子流域文件的有機磷(ORGP)、礦物質磷(SEDP)、可溶磷(SOLP)參數值總和作為總磷的單位面積污染負荷。從中提取出研究區(qū)壽安鎮(zhèn)的總磷單位面積污染負荷,將其作為面源污染程度的評價因子,利用自然裂點分級法對其進行劃分,根據分級標準的排序將污染負荷強度較高和高的子流域確定為研究區(qū)面源污染的高污染區(qū),結果見圖2、圖3。劃分類別與賦值標準見表7。

表7 2020年壽安鎮(zhèn)內子流域面源污染劃分類別與賦值標準Table 7 Classification and assignment standard of non-point source pollution levels in sub-basin of Shouan Town in 2020

壽安鎮(zhèn)所屬流域總磷單位面積污染負荷在0.144～2.100 kg/hm2,壽安鎮(zhèn)總磷單位面積污染負荷在0.301～2.100 kg/hm2。由于選取壽安鎮(zhèn)行政區(qū)域作為研究范圍,而SWAT模型模擬結果輸出單位是以壽安鎮(zhèn)所在流域地形為主導形成的天然子流域匯水區(qū),故提取出的壽安鎮(zhèn)內子流域會呈現出一定的零散、分割狀態(tài),這是由于流域屬于跨行政邊界的天然流域,提取出的壽安鎮(zhèn)內子流域為其實際子流域中的一部分。壽安鎮(zhèn)內面源污染較高的子流域匯水區(qū)主要分布在研究區(qū)上游。1、5子流域總磷單位面積污染負荷最高,分別為2.014、2.100 kg/hm2,7、13子流域總磷單位面積污染負荷較高,分別為0.994、1.439 kg/hm2。經統(tǒng)計4個總磷單位面積污染負荷較高的1、5、7、13子流域面積共為1 163.3 hm2,占壽安鎮(zhèn)總面積的23.41%,而產出的污染負荷卻占壽安鎮(zhèn)總量的52%。根據分級標準的排序將總磷單位面積污染負荷較高和高的1、5、7、13子流域確定為研究區(qū)面源污染的高污染區(qū)。結合4個子流域匯水區(qū)內的土地利用現狀以及實際調研發(fā)現,該區(qū)域內用地主要為耕地,花木產業(yè)發(fā)達,在種植過程中過量的化肥施用易引起磷養(yǎng)分流失造成面源污染。同時,1子流域匯水區(qū)與5子流域匯水區(qū)分別位于江安河、金馬河一側,河流沿岸存在一定規(guī)模的采沙場等工礦倉儲用地以及耕地等生產空間,同時河道兩側沿岸的植被緩沖帶等防護措施缺乏有條理的規(guī)劃設計,造成生產空間產生的面源污染極易流入金馬河中造成水體污染。

3.2 基于土壤地形指數的研究區(qū)水文敏感區(qū)識別結果及分析

對研究區(qū)土壤地形指數計算結果進行統(tǒng)計分析可知,研究區(qū)土壤地形指數整體呈正態(tài)分布趨勢,見圖4。通常在區(qū)域內,一個具有較大土壤地貌指數值的單元將首先走向飽和,這意味著在區(qū)域內產生較大的地表徑流。故在研究當中,將具有較高土壤地形指數值的單元集定義為水文敏感區(qū)。研究參考了切爾西等人劃定水文敏感區(qū)的土壤地形指數取值方法[30],將研究區(qū)內大于平均值1.5個標準差的土壤地形指數柵格單元作為水文敏感區(qū)[31],結果如圖5所示。其面積約占總面積的6%,詳細信息見表8。由圖5可知,壽安鎮(zhèn)水文敏感區(qū)整體分布較為分散,未呈現出明顯的聚集特征。由于這些水文敏感區(qū)代表著研究區(qū)壽安鎮(zhèn)內最易于產生徑流、帶來污染的區(qū)域,因此這些水文敏感區(qū)域相較于水文低敏感區(qū)尤其需要進行LID建設。

圖2 各子流域面源污染級別劃分Fig.2 Classification of non-point source pollution levels in each sub-basin

圖3 以子流域為單位的面源污染高污染區(qū)Fig.3 High-pollution areas of non-point source pollution in sub-basins

圖4 研究區(qū)土壤地形指數信息統(tǒng)計Fig.4 Statistics of soil topographic index in the study area

圖5 水文敏感性分析評價Fig.5 Analysis and evaluation of hydrological sensitivity

3.3 基于關鍵污染源區(qū)識別的研究區(qū)LID措施選址區(qū)域識別結果及分析

利用ArcGIS平臺,將研究區(qū)壽安鎮(zhèn)的水文敏感區(qū)與產生面源污染負荷高的子流域匯水區(qū)(高污染區(qū))疊加進而得到研究區(qū)壽安鎮(zhèn)的面源關鍵污染源區(qū),這既是研究區(qū)內極易產生徑流的區(qū)域,又是研究區(qū)內產污量高的區(qū)域,將其定義為研究區(qū)內的LID措施優(yōu)先選址區(qū)域。它們主要位于研究區(qū)壽安鎮(zhèn)的上游,如圖6所示,整體呈零散狀態(tài)分布,這是由研究區(qū)的水文敏感區(qū)分布特點所致。經統(tǒng)計研究區(qū)內的LID措施優(yōu)先選址區(qū)域總面積約為75 hm2,約占研究區(qū)高污染匯水區(qū)面積的6%。澳大利亞昆士蘭東南部地區(qū)水敏城市設計指南[32]指出,LID措施的地表徑流水質提升效果并非線性增長,措施所占匯水面積的比例會影響其污染物處理效率,各類措施占比的適宜范圍見表9,若超出該范圍則相應的措施污染物削減率幾乎不再提升。為驗證所識別出的選址區(qū)域對LID措施的適用性,研究利用壽安鎮(zhèn)高分辨率衛(wèi)星影像結合實地走訪調研,對所識別出的LID選址區(qū)域內三生空間進行識別劃分,詳細見表10，局部衛(wèi)星圖疊加選址結果及相應實地調研照片見圖7。結合三生空間識別結果，壽安鎮(zhèn)選址區(qū)域內具有較大LID改造設計潛力的生態(tài)空間和耕地生產空間共計約63.7 hm2，約占匯水區(qū)總面積的5.46%，該比例接近于文獻[32]所提出的措施占比適宜范圍。

表8 研究區(qū)水文敏感性統(tǒng)計分類Table 8 Statistical classification of hydrological sensitivity in the study area

表9 不同LID措施占匯水區(qū)面積比例的適宜范圍1)Table 9 The appropriate range of the proportion of different LID measures in the catchment area

表10 壽安鎮(zhèn)LID措施選址區(qū)域三生空間統(tǒng)計表Table 10 Statistical table of production-living-health space of LID measures site selection area in Shouan Town

圖6 研究區(qū)LID措施優(yōu)先選址區(qū)域Fig.6 Preferred location of LID measures in the research area

4 結 論

(1) 運用ArcGIS、SWAT等軟件工具,構建了一種從面源污染風險性與水文敏感性結合出發(fā)判定關鍵污染源區(qū)的LID措施選址方法,為我國鄉(xiāng)村地區(qū)的LID措施選址建設提供了一種科學系統(tǒng)的定量方法。

(2) 以成都溫江區(qū)壽安鎮(zhèn)為案例對所提方法進行驗證,結果表明通過該方法識別的壽安鎮(zhèn)內LID措施選址區(qū)域整體呈零散狀態(tài)分布,總面積約為75 hm2,約占壽安鎮(zhèn)高污染匯水區(qū)面積的6%。選址結果尺度、面積占比適宜,且內部涵蓋多種用地類型,對于具有分散式、小規(guī)模、源頭控制特征的LID措施較為適用。

圖7 局部衛(wèi)星圖疊加選址結果及相應實地調研照片Fig.7 Local satellite images overlaying site selection results and survey photos

(3) 所提方法有利于指導我國類似成都平原鄉(xiāng)村地區(qū)的LID設計以及面源污染防治。值得注意的是,該方法使用的關鍵步驟在于SWAT模型模擬以及土壤地形指數的計算,在實際應用時需要一定的數據支撐,不同精度的數據及模型參數均會對最終選址結果產生影響。