作者简介:罗娜(1995—),女,安徽全椒人,硕士研究生,从事流域农业面源污染控制研究工作,E-mail:1072657957@qq.com。
HSPF模型是以斯坦福水文模型为基础,能综合模拟流域径流、土壤流失、污染物传输、河道水力等过程的应用模型。该模型是半分布式水文水质模型的优秀代表。综述了HSPF模型及与其他常用面源污染模型的对比,概括HSPF模型应用优势,并综述了HSPF模型在不同空间属性条件、不同气象和水文条件下国内外流域面源污染模拟中的实际应用,以及HSPF模型参数的不确定性研究,最后提出对HSPF模型在我国流域面源污染控制中的应用展望。
水环境污染问题仍是当今中国乃至全球普遍关注的重要问题, 极大地制约了全球经济社会的可持续发展, 其中, 对面源污染的研究是水环境污染研究中的重要方向。水环境中的面源污染是指在雨水的冲刷下, 大气、地表和土壤中的溶解性或固体污染物质进入江河、湖泊、水库和海湾等水体引起的污染[1]。其特点综合而言包括时间的不确定、途径的不确定和量的不确定[2, 3, 4]。流域水体的面源污染物大多来源于地表径流、土壤侵蚀和流失、农田用料、污水灌溉、生活污水、畜禽粪便、大气干湿沉降、 水体人工养殖、底泥二次污染, 以及旅游污染等[5, 6, 7, 8, 9]。
全球已有30%~50%的地表受到非点源污染的影响[10]。美国水体面源污染物的含量分别为:生物需氧量(BOD)含量73%, 细菌含量83%, 悬浮物92%[11, 12]; 墨西哥湾因面源污染造成的水体富营养化导致的总氮含量高达89%; 荷兰大部分河流面源污染的氮磷含量分别为60%、40%~50%[11]; 欧洲某河流面源污染物氮、磷含量分别为60%、25%; 丹麦大部分水体中来自面源污染的氮磷含量为94%、52%[12]。
对于我国来说, 农业面源污染是当今导致河流、湖泊等水体水质恶化的主要原因。太湖流域水体富营养化导致的农业面源污染中N、P贡献率分别为59%、30%, 滇池流域水体中农业面源污染物N、P负荷分别为53%和42%[13, 14]。据全国污染源公告发布, 农业污染源排放的污染物中化学需氧量、总氮和总磷含量分别占全国总量的43.71%、57.19%和67.27%。目前, 我国年农药、化肥使用量分别为30多万t和4 124万t, 平均每公顷农田化肥施用量远超发达国家的安全上限[15]。
面源污染在生态环境的影响愈甚, 对此, 我国环保科研人员自20世纪80年代以来便积极吸取国外经验, 利用面源污染的分析模型寻求解决我国面源污染的突破口。面源污染模型研究通过实地野外考察, 结合遥感、地理信息系统等技术, 得出面源污染时间、空间分布特点, 确定污染物的来源, 总结污染物负荷含量, 分析污染物或不同土地管理措施对流域的影响, 最终对流域规划与污染治理提供支持[16]。目前我国可利用的面源污染模型有CREAMS模型、ANSWERS模型、AGNPS模型、AnnAGNPS模型、SWAT模型, 以及HSPF模型[17, 18, 19, 20]。其中, HSPF模型依托于BASINS系统, 与拥有强大功能的Arcview紧密结合, 能自动生成模型所需的土壤、地形、土地利用等数据, 并能够模拟较长时间序尺度, 且模拟精度相较其他面源污染模型高, 在国内外许多国家都有成功的应用先例。
本文旨在介绍HSPF模型及目前广泛应用的面源污染模型, 综述该模型在国内外流域面源污染模拟中的应用进展, 并对HSPF模型在面源污控制中的应用研究进行展望。
HSPF模型在斯坦福流域模型上发展而来, 能够在BASINS系统和WDMUtil等工具的辅助下, 综合模拟水文径流、土壤流失状况、水温、泥沙运输、污染物含量、河道水力等过程。HSPF模型将模拟模块分为透水地段模块、不透水地段模块、地表水体水质模拟模块, 以及管理实践相关的BMP模块, 实现对泥沙、BOD、溶解氧(DO)、氮、磷、农药等污染物负荷, 以及迁移转化的长时间序列的连续模拟[21]。
结合相关资料[18, 22], 将我国常用面源污染模型作一对比(表1)。可以看出, HSPF模型结合了分布式水文模型与其他集总式流域模型的一些优点。(1)HSPF模型依托于最新的BASINS 4.1系统。BASINS为美国环保署(USEPA)于1998年开发的操作平台, HSPF利用BASINS及GenScn工具, 可方便快捷地帮助HSPF预处理所需的输入数据。同时, HSPF模型可利用MapWindow GIS自动划分子流域, 生成所需河网水系, 并将Arcview融合水文模型, 实现对土地利用、土壤、地形、数字高程模型(DEM)等图形的加载叠加和可视化, 大大降低了数据处理的烦琐度[23]。(2)HSPF模型可根据应用对象水文单元大小进行调整, 从而适应各子流域的模拟运算并紧密结合相互子流域, 操作方便, 减小运算负担。(3)HSPF模型可模拟详细的径流形成过程, 时间步长较其他面源污染模型更久, 模拟过程更连续, 模拟结果精度较好。(4)HSPF模型相较于SWAT模型而言, 可运用于单个的洪水事件[24]。
对比HSPF模型与我国其他面源污染模型, HSPF模型结合了分布式水文模型与集中式水文模型的优势, 它可分析模拟点源与面源的过程, 在美国、澳大利亚、韩国及我国的水文水质领域研究中都得到了许多应用[25]。如今, HSPF模型作为美国环保署在水环境研究中的推荐模型, 在流域面源污染中的功效愈发显现。
| 表1 我国常用的面源污染模型对比 |
自1981年Jeon等[21]提出HSPF模型以来, 美国环保署充分利用HSPF模型研究了社会环境中水环境的水质与水文状况以及流域污染问题, 以期在社会经济及生态环境方面做出贡献。HSPF模型也因自身模型优势, 被更多地运用于流域的水文循环过程及面源污染防治当中[26]。
HSPF模型的输入数据主要可分为空间数据、气象数据及污染源数据3大类, 其中:空间数据主要有流域数字高程模型、土地利用数据、土壤数据; 气象数据包括降水量、气温、日照、云量、露点温度、风速、相对湿度等; 污染源数据包括流域的大量点源排放数据, 以及不同子流域的农业作业模式数据等[27]。综合迄今国内外学者们基于HSPF模型的相关模拟应用进展, 主要包括以下3个方面:(1)不同土地利用类型等空间属性条件下流域面源污染研究; (2)降雨、径流等不同气象条件影响下流域面源污染研究; (3)HSPF模型自身参数敏感性与不确定性研究。本节将从以上3个方面综述HSPF模型在流域面源污染模拟中的研究进展。
针对不同空间属性条件下的流域面源污染研究, 国内外研究主要侧重不同土地利用类型及覆被条件下的面源污染研究。在国外, Liu等[28]认为, 虽然河岸走廊的土地利用变化可以作为缓解面源污染的可行选择, 但其在不同地理尺度下的影响尚未确定, 故通过运用HSPF模型来为美国俄亥俄州的上游小迈阿密河流域量化其土地变化的水文影响。在标定和验证后, HSPF模型被用于预测缓冲区不同场景下的水文和水质影响。结果表明, 60、90、120 m的河岸林和湿地缓冲液能使平均年流量减少0.26%~0.28%, 亚硝酸盐加硝酸盐增加2.9%~6.1%, 总磷降低3.2%~7.8%。该研究表明, HSPF是一种有效的工具, 可以对来自土地利用变化的非点源污染进行建模, 即使在一个具有相对较少的人为影响的小流域中也是如此。Mishra等[29]运用HSPF模型研究持续的时间尺度下印度某小混合型(土地农业、灌木丛和森林、岩石、草)流域。实验随机抽取15次径流水溶性N
在国内, 何泓杰[30]用HSPF模型模拟估算, 确定了2009年流溪河流域面源污染物的负荷总量与重点污染分布区及时间段, 研究得出不同土地利用条件下的面源污染负荷贡献率, 并利用HSPF模型对流溪河未来一定时段面源污染负荷进行了预测模拟, 对日后此流域的污染及管理规划提供了切实的研究数据。李涛[31]利用HSPF模型研究了济南南部山区面源污染在土地利用及不同覆被影响下的负荷及规律, 研究计算了此区域总氮、总磷的含量, 结果表明, 耕地对总氮的污染负荷贡献最大, 建设用地对总磷的污染负荷影响最深, 林地和草地对面源污染负荷贡献成反比。该研究为山区由于人为因素投放农药、化肥造成的水环境的面源污染治理提供了支持, 为山区的生态环境维护与可持续发展提供了依据。
关于HSPF模型在不同气象条件下的流域面源污染应用研究, 国内外学者大多从降雨及径流因素、气候因素等不同条件下对流域面源污染进行研究。在国外, Ouyang等[32]用HSPF模型, 模拟了一定流域、气象、水文条件下美国佛罗里达州Cedar-Ortega河流域Hg动态负荷状况, 并用已有的现场数据对模型进行了标定和验证, 然后应用该方法预测了在降雨以及水流通的情况下从流域出口到LSJR的日和年负荷, 结果显示, 预计模拟期间日均总汞通量是0.69 g· hm-2。模拟进一步表明, 降雨事件对Hg载荷的影响是显著的, 特别是在一个非常潮湿的时期。Huo等[33]在降雨数据缺乏的情况下, 利用HSPF模型对流域流量预测进行改进, 对Feitsui水库流域的每小时降水进行估计。结果表明, 利用HSPF模型可对降雨数据进行补充, 改善河流流量预测, 从而便于对流域进行水质评价。
在国内, 白晓燕等[34]研究了东江流域在降水影响下的面源污染物迁移与时空分布状况, 利用HSPF模型得出各面源污染物在降水汛水期和枯水期的污染负荷情况。数据表明, 校准期和验证期的HSPF模型中东江流域月径流量、输沙量, 以及总氮(TN)、BOD、总磷(TP)污染负荷的相对误差均在15%以下。在枯水期以及汛水期, 流域面源污染负荷表现差异明显。东江流域的面源污染负荷在2007— 2009年间汛水期(4— 9月)较重, 而枯水期污染物负荷总量较少, 并且较集中期间的各污染物BOD、TN、TP的负荷比重分别高达86.7%、79.3%、85.5%, 结果显示东江流域降水量与流域的面源污染呈现正相关关系, 密切影响流域的水质变化, 且HSPF模型在东江流域的面源污染模拟结果精度较高, 较为适用。张鹏飞[35]研究了气候变化条件下, 密云水库流域面源污染负荷的变化情况, 并利用HSPF模型对水库的径流和营养物质进行校准验证。结果表明, 总氮、总磷的负荷量减少与降雨量关系密切, 气温条件变化对污染物负荷影响不突出。由密云水库的降雨年际波动深刻影响了面源污染来看, 极端气候条件下流域面源污染的防控与整治格外重要。
在流域水文水质的模拟应用过程中, HSPF模型自身参数的不确定性对模拟输出的影响较大。研究HSPF模型参数调整, 对减少参数不确定性的影响具有重要意义。在国内, 罗川等[36]对太湖小流域的水文模块、泥沙模块, 以及N、P输出等模拟参数进行了敏感性分析, 结果得出7大关于径流过程的敏感参数, 其中, 关于泥沙敏感性的参数3种, 关于水质模拟的敏感参数4种。研究结论对类似太湖区域的丘陵地区的小流域水文水质模拟的敏感性参数调整和选择具有一定的借鉴作用。李燕等[37]也分析了太湖丘陵地区流域径流模拟的关键参数敏感性, 总结了AGWRC、UZSN、INFILT、LZSN、DEEPFR这5大水文模拟中的关键参数的敏感性, 通过调整参数将径流模拟偏差控制在10%以内, 直到精度能符合模拟要求, 提高了HSPF模型的模拟准确度。张丽红[38]将HSPF模型应用于青山水库的水文径流应用中, 通过利用PEST参数校准工具, 在贝叶斯理论基础上, 构建了青山水库模型参数相对误差的函数, 对模型的参数不确定性和预测不确定性进行了研究, 得出了参数的标准差及协方差, 以及参数在预测不确定性中的贡献, 结果与参数敏感性分析一致。
国外, Gallagher等[39]认为流域模拟模型参数在自然界中很难甚至不可能测量, 参数必须经常在次级信息源中进行评估, 因此通常具有显著的不确定性, 参数的准确度对于模型模拟应用的成功是至关重要的。Fonseca等[40]研究了葡萄牙水流域模型模拟参数的不确定性和灵敏度, 目的是在数据资源获取条件不足的前提下对模型参数的精确度研究进行指导, 该研究进行了为期4 a的验证, 结果显示, HSPF模型模拟结果与预测值一致性较高, 敏感性分析结果显示, 径流估计与土壤、土地利用、气候条件参数最为相关。此研究说明, 今后学者在研究数据有限条件下的流域建模中, 应多注意部分重点敏感性参数, 以期更有效地利用资源。
面源污染管理研究的延迟影响了面源污染模型在我国流域中的应用研究, 同时, 水文水质模型在我国面源污染中的应用本就存在一些现实的局限。HSPF模型是来源于美国的半分布式推广模型, 在我国进行本土化应用时, 须调整相关基础数据。HSPF模型对于数据收集的要求较高, 需要长时间序列数据, 如降水、蒸发、日照、气温等, 同时也需相应的连续水文水质监测数据来校正模型, 而我国各地区的资料相对短缺, 且研究时间跨度不足, 缺乏长时间的序列数据, 这是限制HSPF模型在我国广泛应用的主要原因。随着我国数据化信息化的进步, 以及水文水质等数据收集站监测点的增多和发展, 所需的气象数据、土壤数据、土地利用数据、河道水力数据和其他相关数据将更易获取, HSPF模型在面源污染中的应用优势将逐渐凸显。
国内外基于HSPF模型的流域面源污染模拟研究中, 大多数学者已关注了降雨径流及流量对面源污染负荷、泥沙侵蚀运输的密切影响, 今后的面源污染研究方向应侧重于在不同气象水文条件、极端气候影响、不同大小尺度流域条件下HSPF模型的模拟应用研究, 尤其须关注我国特色的引水工程、人工配水等人为干预下流域面源污染的模拟。
从HSPF模型自身来看, 此模型依托于由GIS技术整合的平台— — BASINS系统, 利用GIS自动划分子流域, 生成所需河网水系, 并将ArcView与水文模型融合, 从而实现对土地利用、土壤、地形、DEM等数据图形的引用及可视化。近年来, 关于HSPF模型参数的不确定性研究增多, 此类研究将成为模型定量评价研究的重点, 对提高HSPF模型在面源污染模拟中的应用精度具有重要意义。
我国流域的面源污染研究前路漫漫, 亟须从碎片化的研究转向大数据的统计与模拟, 将HSPF模型的理论研究更多地应用于实践并挖掘HSPF模型的更多实用性价值, 探索HSPF模型的潜力, 为解决我国愈发严重的面源污染问题提供强大的数据和管理平台支撑, 更好发挥HSPF模型在我国流域面源污染研究中的应用效果。
The authors have declared that no competing interests exist.
| [1] |
|
| [2] |
|
| [3] |
|
| [4] |
|
| [5] |
|
| [6] |
|
| [7] |
|
| [8] |
|
| [9] |
|
| [10] |
|
| [11] |
|
| [12] |
|
| [13] |
|
| [14] |
|
| [15] |
|
| [16] |
|
| [17] |
|
| [18] |
|
| [19] |
|
| [20] |
|
| [21] |
|
| [22] |
|
| [23] |
|
| [24] |
|
| [25] |
|
| [26] |
|
| [27] |
|
| [28] |
|
| [29] |
|
| [30] |
|
| [31] |
|
| [32] |
|
| [33] |
|
| [34] |
|
| [35] |
|
| [36] |
|
| [37] |
|
| [38] |
|
| [39] |
|
| [40] |
|

