基于HSPF模型的滇池流域非点源污染模拟

介绍HSPF模型的主要结构和功能,通过对该模型参数的灵敏度分析和参数调整,利用滇池流域各入湖河流1988,1989年的水质监测数据及相关统计资料,分别对该流域的水文、水质过程进行了模拟.结果表明,SS是滇池流域非点源污染的首要污染物,大约80%的入湖SS来自非点源.在枯水年(1988年),非点源贡献了约1/3的TN、TP入湖负荷量.而BOD的主要贡献者则是点源污染.     

连续降雨对淡水河流域非点源污染的影响

利用淡水河流域污染物通量站的连续流量水质监测数据,研究了4场连续降雨对流域非点源污染的影响.相关分析结果表明,在连续降雨期间,污染浓度与流域相关性不显著,但NH4+ -N、TP及TN通量与流量之间存在显著相关关系,污染物通量与流量的相关系数大小顺序如下:TP＞NH4+ -N＞TN＞SS＞NO3——N.另外,统计结果表明...     

基于L-THIA模型的四川省濑溪河流域非点源污染负荷分析

非点源污染是造成流域水环境恶化的重要原因之一,掌握非点源污染的时空分布特征是流域水环境污染防治和流域综合管理的基础性工作.为落实国家《水污染防治行动计划》,四川省启动了濑溪河等流域综合治理达标方案编制工作,探明濑溪河流域非点源污染负荷及其分布特征是该方案编制的前提.以四川省境内濑溪河流域为研究区域,基于GIS（地理信息系统）,利用L-THIA（long-term hydrologic impact assessment,长期水文影响评价）模型,基于2015年土地利用地图数据、土壤水文数据以及长时间序列（2009—2014年）逐日降雨数据,调整模型参数,使模型模拟径流量符合水文站监测数据,进而模拟2014—2015年流域内的非点源污染负荷空间分布.L-THIA模型模拟得到濑溪河流域径流量约为5.10×108 m3,和控制水文站实测径流量相比,模型模拟相对误差为5%,表明模型模拟质量较好,模拟结果可信度较高.结果表明,流域内TP、NH₃-N、COD_Cr非点源污染负荷分别为204.10、353.12、5 162.53 t;农业用地对研究区的非点源污染影响最大,林地最小;根据濑溪河水系分布特点将研究区划分为16个控制单元,各控制单元TP、NH₃-N、COD_Cr的空间分布特征及比例相似,研究区非点源污染平均负荷强度为3.72 t/km2,TP、NH₃-N、COD_Cr的输出范围分别为（0.08~0.15）（0.14~0.27）（2.19~3.89）t/km2.研究显示,流域非点源污染产生量的估算和空间分布特征的揭示为编制濑溪河流域水污染治理方案提供了科学参考.      

四川省清平水库流域非点源污染负荷计算

使用美国通用流失方程（ＵＳＬＥ）计算出四川清平水库流域１２个集水区域的高地潜在侵蚀量，并用０．２的输沙系数计算出每年流入水库中的泥沙为１９．３２万ｔ，同时也计算了氮磷进入水库的数量，文中讨论了ＵＳＬＥ模型在山区水库流域的适用性和模型参数的率定方法。     

两种新型流域非点源污染负荷估算模型的比较

为探索简单快捷、实用性强的流域非点源估算模型,基于降雨量差值法的基本思想,应用径向基函数(RBF)神经网络和支持向量机(SVM)2种技术,以渭河流域历年降雨量资料为基础建立了相应的流域非点源污染负荷估算模型.并将2种模型估算结果与相关分析法估算结果进行了比较,综合分析渭河流域历年径流量与三者所推得的历年点源负荷的标准差.结果表明,支持向量机的估算结果最为合理,且计算简单,操作便捷,具有实用价值.     

密云水库流域非点源污染负荷估算及特征分析

采用改进的输出系数模型,以研究区实测数据为基础,结合基于水文水质资料和文献数据的方法确定输出系数取值,估算了密云水库上游潮河和白河流域平水年(2000年)和丰水年(2010年)的非点源污染负荷.结果表明:①通过对降雨和地形的表征,改进的模型降低了估算误差,总氮、总磷在平水年和丰水年的模拟误差均降低20％以上,可以更精确地模拟污染负荷的时空分布情况.②总氮、总磷负荷量在平水年和丰水年分别为7505.28 t、997.88 t和10022.1 t、1075.6 t,总氮负荷量随降雨径流量的增加而有显著增大,但总磷负荷增加不大,反映出总氮负荷量在不同水文年份中变化显著.③来自流域农业非点源污染的总氮、总磷负荷量占总负荷的85％以上.总磷主要来自于农村生活污染源,占70％以上,2000年与2010年比例变化不大;总氮污染,在2000年主要来自于农村生活,占当年污染负荷总量的31.44％,而2010年主要来自禽类养殖,占当年污染负荷总量的27.27％,反映出10年间经济发展导致主要污染源发生变化.④污染高风险区空间分布的总体特点是“东高西低,局部集中,分布不均,靠近水体”,密云县、赤城县以及丰宁县等人口密度较大、以农业种植和畜禽养殖为主要产业的地区为污染负荷总量较高的区县.     

松涛水库流域非点源污染负荷模拟模型

对大尺度非点源污染模型进行时间步长改进,实现溶解态模型日和吸附态模型半月时间尺度的拓展,并选取松涛水库流域为研究对象,应用改进的模型估算该流域2003～2007年的非点源污染负荷,最后结合研究区调查资料对估算结果进行验证.研究结果表明:①流域主要污染类型为溶解态非点源污染,溶解态TN、TP负荷所占比重分别为80.28%和72.03%;②农田TN、TP和NH+4-N负荷分别占负荷总量的45.69%、38.58%和40.56%.是流域非点源污染的重要来源;大牲畜养殖产生的非点源COD负荷占COD总量的63.65%,是流域COD非点源污染的重点控制对象;③农田、农村居民点和畜禽养殖产生的几种污染类型的不同指标(COD、TN、TP、NH+4-N)在时间和空间上均呈现出一定的分布规律,与土地利用、降水变化规律有很强的相关性,年内变化出现5月份和9月份2个峰值,湿季污染负荷量超过干季的4倍;④应用2005年研究区的调查资料验证模型结果和率定模型参数,模型模拟结果优于原模型,相对误差均小于20%,基本满足应用要求.     

苏州河水系非点源负荷模型研究及应用

开发了苏州河水系非点源负荷LOAD模型,对土地利用、降水量、人口密度和污染源进行分析,求得整个区域非点源的污染量.LOAD模型的计算结果为水质模型计算提供了定量化及较合理的非点源污染负荷数据,为正确估算苏州河水系污染负荷和水系水质奠定了基础,为有效控制和治理非点源污染提供了科学方法.     

HSPF水文水质模型应用研究综述

HSPF(Hydrological Simulation Program-Fortran)模型采用FORTRAN语言编写,以Stanford水文模型为基础,能够综合模拟径流、土壤流失、污染物传输、河道水力等过程,并大量应用于气候变化与土地利用变化的流域水环境效应情景模拟.该模型是半分布式水文水质模型的优秀代表,在国外得到广泛的应用.HSPF模型包括PERLND、IMPLND与RCHRES等3个主要模块,分别实现对透水地段、不透水地段与地表水体的水文水质模拟.总体来看,HSPF模型在国外水文、水质过程模拟,以及涉及气候变化和土地利用影响的情景分析中发挥重要作用,但是国内该模型的应用非常有限.HSPF模型存在的主要问题包括:①模型中某些方案和算法还有改进和完善的空间;②模型对数据输入要求较高,模拟的精度受到空间和属性等数据的限制;③模型只限于均匀混合的河流、水库和一维水体模拟,对于复杂流域或水体的模拟研究,需要与其它模型整合以解决更加综合的问题.目前,针对发展与完善HSPF模型的研究仍在继续,包括模型平台开发、模型功能扩展、模型校正方法研究、参数敏感性研究等方面.随着我国基础数据的积累及共享程度的提高,HSPF模型在我国的应用也将更加广泛.     

潮河流域景观格局与非点源污染负荷关系研究

以密云水库上游潮河流域为研究区,在HSPF模型模拟的基础上,利用CCA排序和路径分析等多种统计分析方法,分析不同水平景观格局与非点源污染过程的相关关系,确定各景观指数对非点源污染的影响和贡献程度.结果表明:潮河流域景观格局与非点源污染过程的关系密切,二者的关系与空间尺度也有着紧密的关联.景观格局指数能累积解释55％的流域非点源污染负荷变化,土地利用面积比例的影响要大于景观格局指数,耕地是污染负荷的主要贡献源,而林地和草地较能有效控制污染物的输出.污染负荷受景观的破碎化、多样性和蔓延度的影响较大,流域内的景观越破碎、类型越丰富,斑块分布越零散,污染物的输出也就越多.斑块类型水平上,影响污染物负荷的指标因景观类型不同而异,其中,斑块密度(PD)和边缘密度(ED)是影响流域非点源污染负荷的共性指标.路径分析的结果表明,边缘密度(ED)、香农多样性指数(SHDI)、聚集度指数(AI)和蔓延度指数(CONTAG)是影响流域非点源污染负荷输出的主要景观格局变量,其中,香农多样性指数对TN、TP负荷的解释能力最大.较少的人类活动干扰和斑块类型的团聚分布能减少污染物输出的风险.     

Progress in the research on aquatic environmental nonpoint source pollution in China

ＰｒｏｇｒｅｓｉｎｔｈｅｒｅｓｅａｒｃｈｏｎａｑｕａｔｉｃｅｎｖｉｒｏｎｍｅｎｔａｌｎｏｎｐｏｉｎｔｓｏｕｒｃｅｐｏｌｕｔｉｏｎｉｎＣｈｉｎａＢａｏＱｕａｎｓｈｅｎｇ，ＭａｏＸｉａｎｑｉａｎｇ，ＷａｎｇＨｕａｄｏｎｇＩｎｓｔｉｔｕｔｅｏｆＥｎｖｉｒｏ...     

潮河流域非点源污染控制关键因子识别及分区

将GIS技术、ArcSWAT模型与分析技术相结合,以农耕养殖程度较高的北京密云水库上游潮河流域为研究区,通过对流域近20年非点源污染负荷时空变异情况进行模拟,识别影响非点源污染流失的关键因子,进行非点源污染控制区划.结果表明,总氮和总磷年均负荷量分别为563.3,28.7t/a,氮磷负荷空间分布特征表现为:丰水年以地势较高且农业耕作活动频繁区域为主,平水年和枯水年表现为靠近河道的农业用地与畜禽养殖区为主.采用多因素方差分析11种不同因素对流域非点源污染负荷的影响程度表明,施肥量是影响氮磷输出的最主要的因子,坡长、土壤类型、土地利用方式及坡度是影响氮磷输出的次重要因子;针对潮河流域长期传统耕作以及化肥过量施用的现状,土壤有机磷的含量也会对总磷的输出产生一定的影响.潮河流域可划分为3个污染控制区,第1类:污染控制区(以近河道耕种区为主,面积186.74km²),第2类:污染治理区(农村生活及畜禽养殖区为主,面积23.09km²),第3类:生态修复区(高坡度强降雨区为主,面积1365.25km²).该研究结果可有效提升流域非点源污染治理的效率,为水源地流域环境保护提供参考.     

Estimation of ammonia nitrogen load from nonpoint sources in the Xitiao River catchment, China

Ammonia nitrogen (NH4+-N) is one of the three main forms of total nitrogen (TN). Most studies have estimated the load of TN from nonpoint sources instead of one specific form. The relationship between land use and concentrations of NH4+-N in runoff was analyzed using the hydraulic analysis functions of a Geographic Information Systems (GIS), and the annual loads of NH4+-N in the Xitiao River catchment were estimated according to model results. The results suggested that the calculated annual loads of NH4+-N...     

基于降雨事件监测的非点源污染对灞河水质的影响

在对灞河马渡王水文站断面5次降雨事件过程和2次非洪水过程监测的基础上,分析了灞河流域非点源污染对灞河水质的影响.结果表明:降雨过程期间,COD、总氮、氨氮、硝氮、亚硝氮、总磷指标监测平均值均小于非洪水期监测平均值.各指标负荷输移速率随时间的变化趋势和径流量变化趋势大体相同,即先逐渐增大达到峰值,再逐渐变小;各指标浓度随时间的变化规律大致为:COD、硝氮、总氮浓度先增大后减小;亚硝氮为先减小后增大,总磷的变化规律不明显.总氮、硝氮的浓度峰和负荷输移速率峰均接近或滞后于流量峰;COD的浓度峰接近或滞后于流量峰,而负荷输移速率峰接近或超前于流量峰;总磷、氨氮的浓度峰和负荷输移速率峰均接近或超前于流量峰;而亚硝氮的浓度峰变化规律不明显,负荷输移速率峰接近或超前于流量峰.采用平均浓度法计算了各指标的非点源污染平均浓度及负荷:2009年灞河流域马渡王断面COD、总氮、氨氮、总磷的非点源污染负荷分别为8707.28,723.63,245.52,43.07t.2009年灞河流域马渡王断面NSP负荷COD、总氮、氨氮、总磷所占总负荷相应的比例分别为31.86%、32.69%、42.21%、34.42%.由此可见,非点源污染在灞河水污染中占有较大比重,其对于灞河水质的影响不容忽视.     

基于土地利用回归模型的北京市2013-2019年大气污染时空变化分析

在近年来大力控制大气污染的背景下,通过历史观测数据分析污染物的时空变化特征,有助于总结以往控制的成效,并为制定下一阶段措施提供科学依据.本研究基于北京市大气环境质量监测站点2013-2019年数据,分析了 6种常规大气污染物(PM2.5、NO2、O3、PM10、SO2、CO)的时间变化趋势,并构建了 2013和2019...     

基于GIS的水环境非点源污染模型研究

非点源污染是水环境研究的重点和难点,利用模型对非点源污染进行研究是该项研究的重要内容之一.由于非点源污染具有广泛性、时空异质性和随机性的特点,用常规方法分析、评价、控制和管理有较大难度.随着地理信息系统(GIS)的发展以及非点源污染模型研究的不断深入,二者的结合已在该项研究中取得了一定成果.基于插件式GIS技术、RS技术、空间数据挖掘技术以及空间决策支持系统(SDSS)是非点源模型发展应用的趋势和方向.     

A land use regression model incorporating data on industrial point source pollution

Advancing the understanding of the spatial aspects of air pollution in the city regional environment is an area where improved methods can be of great benefit to exposure assessment and policy support. We created land use regression (LUR) models for SO₂, NO₂ and PM₁₀ for Tianjin, China. Traffic volumes, road networks, land use data, population density, meteorological conditions, physical conditions and satellite-derived greenness, brightness and wetness were used for predicting SO₂, NO₂ and PM₁₀ concentrations. We incorporated data on industrial point sources to improve LUR model performance. In order to consider the impact of different sources, we calculated the PSIndex, LSIndex and area of different land use types (agricultural land, industrial land, commercial land, residential land, green space and water area) within different buffer radii (1 to 20 km). This method makes up for the lack of consideration of source impact based on the LUR model. Remote sensing-derived variables were significantly correlated with gaseous pollutant concentrations such as SO₂ and NO₂. R² values of the multiple linear regression equations for SO₂, NO₂ and PM₁₀ were 0.78, 0.89 and 0.84, respectively, and the RMSE values were 0.32, 0.18 and 0.21, respectively. Model predictions at validation monitoring sites went well with predictions generally within 15% of measured values. Compared to the relationship between dependent variables and simple variables (such as traffic variables or meteorological condition variables), the relationship between dependent variables and integrated variables was more consistent with a linear relationship. Such integration has a discernable influence on both the overall model prediction and health effects assessment on the spatial distribution of air pollution in the city region.