農業面源污染模型研究進展

周夢嬌,馮華軍，*,沈霞娟

(1.浙江工商大學 環境科學與工程學院，浙江 杭州 310012；2.嘉興市秀洲區環境保護監測站，浙江 嘉興 314000)

0 引言

近年來，在一系列農業扶持政策的指導下，我國農村農業經濟發展態勢向好，農業發展過程中產生的環境污染問題也日益凸顯，農業面源污染的氮磷排放量分別占水環境中氮磷污染總量的81%和93%[1-2]。由此可見，農業面源污染的治理勢在必行。但與工業點源相比，農業面源污染具有隨機性、滯后性、涉及面廣、控制難度大等特點[3]，使得農業面源污染的研究和治理難度較大，尤其是農業面源污染負荷的核算，不能與工業點源一樣簡單地通過水質水量來計算。

面源污染模型是核算農業面源污染負荷，制定農業面源污染治理對策，評估農業面源防治效果的有效手段，也是目前國內外學者普遍使用的方法。面源污染模型耦合了水文水利、氣象氣候、地理環境、污染物轉化等一系列影響因素，以野外實地考察為基礎，結合計算機、衛星遙感等技術，在時間及空間尺度上對面源污染進行量化研究，從而探查污染物的來源，確定污染物的濃度，核算污染物負荷，然后基于計算結果預測污染造成的影響并提出可行的管理措施，對污染治理和環境管理決策提供支持[4]。目前我國研究者使用的面源污染模型多種多樣，每種模型的特點不一，優劣勢明顯，針對的污染類型也不盡相同。例如EPIC模型只能應用于農田小區，模擬的污染物主要有氮、磷和農藥，而HSPF模型適用于流域尺度，可對COD進行模擬研究[2]。

本文從農業面源污染模型發展歷程角度出發，詳細介紹了常用的幾種農業面源污染模型，逐一討論各模型的基本組成和優缺點。通過分析農業面源污染模型在實際應用中遇到的問題，指出農業面源污染模型的未來發展方向。

1 常用的農業面源污染模型

目前農業面源污染模型在學術上尚未形成統一的分類系統，認可度較高的是根據模型的發展歷程及特征將模型分為3類[5]。一是統計模型，又稱經驗模型，這類模型形式簡單而且只注重應用，在形式上大多僅為一個公式，獲得方法通常是經過長年累月的數據積累、整理和總結，從中歸納出一個普適性的經驗方程；二是機理模型，這類模型從污染產生的源頭出發，探究了污染物的輸移和轉化過程，對污染形成的過程進行了解釋；三是流域綜合模型，這類模型包含的內容廣泛，而農業面源污染則作為其中的子模塊進行模擬。本文大體沿用此分類方法對模型進行介紹。

1.1 統計模型

農業面源污染研究之初，人們普遍認為是雨水沖刷土壤帶走了污染物，研究者首先從土壤侵蝕入手，從而提出了通用土壤流失方程(USLE)。1965年美國農業部頒布了農業手冊，詳細介紹了USLE的使用方法[6]，其公式為

A=R×K×L×S×C×P

其中A表示平均年度土壤流失量，t/hm2；R表示降雨徑流侵蝕指數，106J·mm/(hm2·h·a)；K表示土壤侵蝕性因子，kg·m2·h /(106J·mm·hm2)；L和S表示斜面長度和坡度的地形因子，無量綱；C表示作物管理因子，無量綱；P表示土壤保持系數，無量綱。

該公式只適用于中等質地土壤，在坡度小于120 m、坡度介于3%和18%之間的地區準確度較高，因此USLE的通用性不強[7]。

1985年，美國農業部對USLE進行了修正，形成了修正通用土壤流失方程(RUSLE)。在R值和K值的計算方法上都進行了改進，同時把作物管理因子分成多個次因子，從而使該模型能更靈活地描述種植制度、保土耕作措施和輪作等情況[8]。之后美國農業部在RUSLE基礎上研發了RUSLE 2.0版本，該版本采用獨立參數的方法，要求用戶充分描述6大因子的具體狀態，使得預測結果更加準確，使用范圍更加靈活，與其他模型的相容性更高[9]。

USLE及其修正模型引入我國后，我國研究者更多的將該模型應用于土壤侵蝕定量評價及土壤侵蝕空間分布的研究中，例如史志華等[10]使用RUSLE模型估算了小流域農田土壤侵蝕量，左琳琳[11]通過通用土壤侵蝕方程計算得到2015年巢湖流域農田面源土壤侵蝕量小于8 584.89 t/hm2·a，王嬌等[12]通過USLE模型對太行山水土流失空間分布特征進行研究，從而確定了區域水土流失敏感性定量評價的方法和模式。

USLE及其修正模型僅對區域土壤侵蝕做出了模擬，未考慮氮、磷、農藥及其它化合物[13]，適用范圍較窄，但它的靈活性和簡便性使其在農業面源污染模擬應用中較為廣泛。雖然諸多機理性模型已被研發并投入使用，但在應用過程中為了操作簡便，仍使用通用土壤流失方程作為農業面源污染模塊[14]。

1.2 機理模型

單純的土壤侵蝕模擬不能滿足農業面源污染研究的需要，研究者試圖從污染形成的機理方面進行深入探究，因此CREAMS模型應運而生。上世紀70年代，美國農業部研發建立了CREAMS模型[15]，該模型首次系統考慮了面源污染中水文、土壤侵蝕和污染物轉移過程，從污染物遷移轉化的角度探究面源污染的產生。較多研究者認為CREAMS模型的出現具有里程碑式的意義，標志著農業面源污染模型進入機理研究階段。

CREAMS中的水文模型一般采用日降雨量估算日平均徑流量；侵蝕模型是根據水文子模型的輸出以及降雨動能、土壤可蝕性指標等估算侵蝕量；化合物模型則依據水文模型和侵蝕模型的輸出以及所要模擬化合物的特征，估算污染物的流失量[16]。考慮到CREAMS模型不能評估農藥使用對環境造成的影響，美國農業部在其基礎上提出GLEAMS模型[17]，該模型考慮了農藥隨地下滲漏進入地下水的過程，在模型中增加了農藥的垂直通量模擬，模擬在不同管理模式下，農藥對地下水產生的影響。

EPIC模型則是對CREAMS模型的更進一步改進，將模塊增加到9個，分別是氣候模塊、水文模塊、土壤侵蝕模塊、養分循環模塊、土壤溫度模塊、作物生長模塊、耕作模式模塊、經濟效益模塊、作物環境控制模塊、農藥和殺蟲劑模塊、C循環模塊，后又增加了農藥和殺蟲劑模塊和C循環模塊，構成了由11個模塊組成的內容豐富、體系龐大的模型。該模型可以綜合評價作物產量、水土流失、氣候變化影響、農田水肥管理等。

EPIC模型引入我國后，單獨作為面源污染模型應用的研究并不多見，研究學者更多的將EPIC作為作物生長模型，用于評估土壤和氣候變化對土壤侵蝕和作物產量的影響。例如潘東華等[18]通過EPIC模型探究了中國西南地區石漠化對玉米旱災風險的影響。

近年來，部分學者開始嘗試將EPIC模型用于土壤侵蝕的研究中。汪邦穩等利用徑流小區的實測數據計算了皖西、皖南主要土壤可蝕性值，并對EPIC模型進行了驗證[19]；羅蘭花構建了基于EPIC模型的水土流失數據測量誤差評估方法[20]。

1.3 流域綜合模型

為了探究農業面源污染產生的機理，在之前的研究過程中設定的假設條件范圍都較少，大多以小田塊為單元，使得農業面源污染模型應用時在空間尺度上受到限制。從適用時間范圍來看，機理模型大多只能模擬單次降雨過程，不能實現連續性。因此農業面源污染模型模擬開始著手于時間和空間的大尺度拓展，例如ANSWERS模型和AGNPS模型實現了空間上的拓展，AnnAGNPS模型則實現了連續模擬。

1980年Beasley提出了ANSWERS模型[21]，是一個基于降水事件的分布式參數模型，它的一個假設條件是徑流量與水文參數構成函數關系，所以ANSWERS模型在使用時，首先要用網格法將流域劃分為若干個單元，相鄰的兩個網格之間，以第一個網格的流出結果作為第二個網格的流入初始值，逐個演算，得到最終結果。ANSWERS模型通過這種將大流域劃分成小網格的方式，實現了模型研究在空間上的擴大。

AGNPS模型是1987年美國農業部與明尼蘇達污染物防治局共同開發的計算機模擬模型[22]。該模型是典型的流域分布式事件模型，但與ANSWERS模型不同的是，在實際操作中，AGNPS模型首先將將流域劃分為若干個正方形網格，然后將這些網格產生的地表徑流匯流到一起進行計算，經演算后即可得出氮、磷和化學需氧量(COD)隨顆粒物轉移及沉積物遷移富集等結果。Perrone等[23]在加拿大的魁北克省內一個小流域試驗田里評估了AGNPS模型，該試驗模擬了12次暴雨徑流產生的泥沙量，模擬值和實測值的平均誤差在10%～15%之間。

AGNPS模型在評價和預測農業面源污染方面表現良好，但該模型只能模擬單次事件。因此研究者又開發了AnnAGNPS模型[24]，相較于AGNPS模型，AnnAGNPS模型有3大突出特點[25]：一是改變了流域劃分方式，采用了更能表征流域水文特點的集水區劃分法；二是通過連續模擬及累計計算，實現了長時序的模擬預測；三是采用了修正的土壤流失方程，提高了模型的精準性。王飛兒等[26]利用AnnAGNPS模型對千島湖的氮磷輸出總量進行了預測，結果顯示預測值和實測值的誤差在10%之內，證明該模型在模擬農業面源污染方面效果良好。

目前在這幾種模型中AnnAGNPS模型的使用比較普遍，研究內容涉及氮磷流失、參數不確定性分析、水文模擬、土壤流失等多個方面。例如趙串串等[27]運用AnnAGNPS模型對流域內氮磷流失污染特征進行了定量分析，并以灞河為例提出面源污染控制方案。高瑞梅[28]通過AnnAGNPS模型對羅李村流域水文進行了模擬與評價，結果顯示該模型適用于羅李村流域的徑流過程模擬；亓潘[29]通過AnnAGNPS模型對砒砂巖小流域的徑流和產沙量進行了模擬，結果表明，徑流和產沙年際變化很大，且空間分布不均。

在農業面源模型從內容到形式上都逐漸完善之后，研究者開始關注流域的整體情況，而農業面源則作為構成流域的一部分來研究，因此出現了一批更注重實用性的功能性綜合集成模型，具有代表性的有RZWQM模型、SWAT模型等[30-31]。

SWAT模型是在SWRRB模型基礎上發展起來的一個可應用于大流域的模型，也是目前使用范圍最廣，最受研究者關注的一個模型。SWRRB模型是一個具有物理機制的田塊尺度非點源污染模型，隨后又加入了GLEAMS的殺蟲劑部分和EPIC的作物生長部分，形成了一個可以模擬評價小流域尺度非點源污染的模型。但SWRRB模型僅能將研究區域劃分為10個亞區，且每個區域的徑流量和泥沙量出口必須與流域出口保持一致，這就嚴重限制了它的使用范圍。SWAT模型可以通過按一定規則劃分的水文響應單元單獨計算地表徑流量，然后進行匯流演算，克服了不能應用于大流域的瓶頸[32]。同時，SWAT模型又是一個物理基礎模型，且可以進行長時序的模擬[33]。

2 農業面源污染模型發展中存在的問題

2.1 基礎數據獲取困難

模型基礎數據的代表性、模型計算單元的精細程度以及模型參數的準確性是模型模擬的關鍵問題之一[34]。隨著模型相關研究的不斷深入，模型結構越來越完善，內容越來越豐富，但同時對數據的數量和精度要求越來越高。例如BASINS系統中用來模擬農業面源污染的HSPF模型，需要輸入長時序的降雨和蒸發等數據，同時也需要與之對應的水文及水質的數據去校正模型[35]。而我國的農業面源研究起步晚，監測工作薄弱、資金投入短缺[36]，導致面源數據積累少，數據連續性差，數據密集程度不高等問題。同時,我國數據共享程度低也是限制農業面源污染模型廣泛應用的原因之一。但隨著我國數據化、信息化的進步，以及水文水質等數據收集站監測點的增多和發展，所需的氣象數據、土壤數據、土地利用數據、河道水力數據和其他相關數據將更易獲取[37]。農業部自2012年開始在全國建立了273個農田面源污染國控監測點和25個規模化養殖污染物排放國控監測點[38]。隨著面源污染研究的不斷拓展與深入，農業面源污染模型基礎數據缺乏問題將會逐步得到解決。

2.2 模型不確定性分析是難點

模型模擬結果的不確定性源于人們對自然系統認識的局限性，任何模型的模擬結果與自然系統的實際情況之間都存在誤差，且這些誤差的大小和分布都無法確定[39]，因此需要進行不確定性分析。不確定性分析主要從3方面著手，一是污染過程本身，二是模型的結構和參數，三是數據來源和準確性。目前應用于農業面源污染的不確定性定量方法主要有靈敏性分析、蒙特卡羅法、一階誤差分析、bootstrap法、傅里葉敏感性檢驗法等。雖然方法較多，但大多是對單一不確定性來源進行評估，還未形成一套完整的基礎理論和方法體系，且多數研究只局限于個別案例，農業面源污染的本質和內在規律研究不夠，不能對模型模擬的中間過程進行核查[40]。

2.3 國外流域綜合模型需本土化

中國的農業面源污染研究起步晚，基礎數據積累少，鑒于此，中國學者開發了一些簡單的經驗模型，如李懷恩提出的平均濃度法、蔡明提出的降雨扣除法等[11]，這些模型對數據要求低，因此應用較為廣泛，但其估算結果的準確性也相應較低。除此之外我國研究者也開發了一些物理模型，如清華大學學者研發了非點源污染過程綜合模型(IMPULSE模型)、王宏等構建的中小流域綜合水質模型等[39]，但這些模型的應用范圍局限于開發者的研究項目，未得到推廣普及。

目前，我國廣泛使用的農業面源污染模型大部分是美國農業局開發的，這些模型是基于美國國情開發的，在我國本土使用過程中不可避免地出現引進模型的共性問題，例如數據的分類、格式不統一等[34]。例如美國的土地分為9個一級類型、35個二級類型，而我國土地分為8大類、46小類，這使得我國土地數據與國外模型嚴重不匹配。同時國外模型參數不適用于我國，例如目前使用較為廣泛的通用土壤流失方程中的坡度因子，因其在開發時主要考慮的是美國的地形，因此用于我國土壤流失計算時結果偏差較大，劉寶元等通過多地區的觀測資料，對通用土壤流失方程中10°以上坡度因子計算公式進行了修正，修正后的公式提高了10°以上坡地的土壤流失預報精度[41]。由此可見，國外模型具有諸多優勢，深受研究者青睞，但模型參數的本地化率定卻是在使用時必須解決的問題。

3 農業面源污染模型發展趨勢與展望

3.1 拓展研究深度與廣度

農業面源污染涉及到環境、氣候、人文、水文、經濟等多方面因素，是各方面因素交叉影響的結果，因此農業面源污染機理也是復雜多樣的[42]。然而目前關于農業面源污染的機理還未十分明確，使得研究者在構建模型的時候，不可避免的出現誤差，甚至是忽略掉重要節點，這也是造成模型模擬結果不確定性的主要原因。在接下來的研究中，農業面源污染模型須進一步加強污染機理的探究，從研究深度上進一步拓展。

同時，就目前的研究成果來看，農業面源污染模型的研究還是集中在氮磷等營養物質上。荊延德等通過文獻計量學方法指出，統計了Web of Science網站和中國知網中發表的關于農業面源污染模型的相關文獻，其中按照關鍵詞詞頻排序的結果中，污染物指標里氮、磷和硝酸鹽的詞頻位于前列[43]，這說明地表水體富營養化仍然是農業面源污染模型研究的重點。前文已經提到，隨著農業面源污染模型的不斷發展，目前多種模型已經可以實現COD、重金屬等多種污染物的模擬，也在多項研究中得以應用[44-45]。在接下來的研究中，農業面源污染模型研究將覆蓋更多的污染物指標，在研究廣度上進一步拓展。

3.2 服務于流域集成管理模型

從模型結構來看，農業面源污染模型集成于大型流域管理模型是大勢所趨。近年來，流域集成管理思想越來越被接受和認可，大型流域管理模型也隨之成為了研究熱點，而農業面源污染是影響流域環境的重要因素之一，因此農業面源污染模型是大型流域管理模型中必不可少的組成部分，例如美國環保局開發的流域綜合管理平臺BASINS就采用了HSPF模型作為農業面源污染模塊[46]。模型集成并非簡單的結構拼湊，還涉及到農業面源污染與環境污染交互關系，模型耦合過程中模型結構、數據格式匹配等計算機技術層面的問題，這些關鍵點都是可研究的方面。

從模型的用途來看，農業面源污染模型將更多地體現其預測和管理功能。農業面源污染模型可以估算污染負荷，預測污染產生的環境影響，評估土地利用效益，進行流域規劃，為管理者提供決策依據。多數文獻表明，研究者利用農業面源污染模型進行污染負荷估算和預測的相關研究從技術上已經趨于成熟且取得了顯著成果[47-48]，將來農業面源污染模型的應用會在評估和管理層面進行更多的探索和研究。相應的，研究者也嘗試開發適用于相關領域的非專業認識使用的模型版本，例如Rajib 等構建了基于SWAT的網頁平臺SWATShare，實現了SWAT的在線共享、模擬和可視化[49]，降低了用戶的學習門檻，使模型可以更好地服務于決策制定者。

3.3 與新興技術結合

農業面源污染模型的飛速發展得益于各類新興技術的支撐，其中尤為明顯的是“3S”技術。“3S”技術是遙感技術RS、地理信息系統GIS和全球定位系統GPS的集成[50]，自問世以來受到各個領域的關注。上世紀90年代，研究者開始嘗試將“3S”技術應用到農業面源污染模型中來，經過研究者幾十年的探索和研究，目前二者已經可以集成使用，例如SWAT模型已經實現了在Arcgis軟件中的嵌入，利用Arcgis對空間和屬性數據的強大處理能力，進行更為精確的農業面源污染負荷估算[47]。然而在實際應用過程中也存在很多問題，例如最為常見的尺度匹配問題，其中以遙感數據最為明顯。遙感數據在空間上分辨率很高，可達到米級，但在時間上卻只需數天甚至數月才能獲取一個數據，時間分辨率低但空間分辨率高，導致農業面源污染模型建模時必須通過數據的同化和融合進行數據尺度轉化[51]。除此之外，運算效率、模型驗證、不確定分析等也是農業面源污染模型與“3S”技術集成過程中的難題，如何解決這些問題，使“3S”技術更好地服務于農業面源污染模型，將是接下來農業面源污染模型研究的一個方向。

4 結論

農業面源污染模型發展經歷了經驗統計和機理探究階段，現已在結構和適用范圍上趨于完善，并進入實際應用階段。但目前農業面源污染模型仍面臨數據獲取困難、模擬結果的不確定性、引進模型需本土化等諸多問題。在未來的研究中，農業面源污染模型將更多地作為大型流域集成管理模型中第一部分進行開發，并朝著環境評估和管理方面發展。而與“3S”技術既可以助力于農業面源污染模型的研究，同時也對農業面源污染模型的開發提出新的挑戰。