基于SWAT模型的地表水環(huán)境質量模擬及污染溯源分析

2023-11-17 04:49:08許龍祥

水利科技與經濟 2023年11期

許龍祥,沈沛

(1.儀征市棗林灣水利站, 江蘇儀征 211400;2.儀征市真州水利站,江蘇儀征 211400)

國內生態(tài)研究高度重視西藏阿里地區(qū)地表水水質情況,水污染防治策略的制定成為西藏乃至全國發(fā)展的重要戰(zhàn)略。目前,對于水環(huán)境的模擬多采用氣象、徑流、水質等多種類型的數(shù)據(jù),結合相關的技術和手段來反映水域的情況[1-3]。水環(huán)境的模型有經驗模型、概念模型和功能模型3種。其中,經驗模型主要是估算污染負荷;功能模型則主要估算水質中的污染物數(shù)值。由于功能模型不適用于研究地表水中污染物的遷移變化特征[4],而經驗模型需要考慮土地利用類型、降雨和面源污染之間的相互關系,構建出來的模型缺乏一定的通用性[5]。

鑒于此,為系統(tǒng)全面地評估阿里地區(qū)地表水環(huán)境質量,本文引入土壤和水質評估工具(Soil and Water Assessment Tool,SWAT)模型進行數(shù)據(jù)模擬,并利用綜合污染指數(shù)法結合內梅羅指數(shù),進行水體污染程度的估算,通過水體和受控因素的分析,得出污染物主要成分,并對其進行溯源分析。

1 地表水環(huán)境質量建模及其質量的分析

1.1 基于SWAT地表水環(huán)境質量模型的構建

常見地表水水質評價的方法有物理法、化學法和生物法3種。但基于上述方法分析的水質一般只能體現(xiàn)局部結果,而無法從整體上進行系統(tǒng)分析[6-7]。目前,關于阿里地區(qū)地表水環(huán)境的調查一般只聚焦個別河流或者湖泊,系統(tǒng)的研究框架尚未很好的搭建。冰川融水的補給、典型污染物的測量、地面分辨率的采樣空間和短時間的水質環(huán)境跟蹤等相關因素的影響[8],使現(xiàn)有的關于阿里地表水質的測量結果無法反映出其真實的地表水質情況,難以全面展現(xiàn)阿里地區(qū)地表水質整體質量和污染情況[9]。

為了更好地體現(xiàn)多因素對地表水質的影響,研究引入SWAT模型,模擬西藏阿里地區(qū)水環(huán)境和水質特征。SWAT是由美國農業(yè)部研發(fā)的預測大流域復雜多變下土地管理與水分、泥沙和化學物質之間的相互影響模型,近年來得到廣泛的使用[10-11]。相較于其前身農村流域水資源模擬器(Simulator for Water Resources in Rural Basins,SWRRB)模型,SWAT模型通過引入多水文響應單元、改進河道水質計算模塊,增加了由于沉淀作用引起養(yǎng)分減少的計算,增添城區(qū)污染物的累積和沖刷計算等,使其能夠更加精準地評估地表水環(huán)境質量。SWAT模型的構造見圖1。

圖1 SWAT模型結構示意圖

從圖1可以看出,SWAT模型涉及到降水、徑流、土壤水分、地下水、水分的蒸發(fā)散失以及河水的匯合等。SWAT作為一個可以模擬連續(xù)時間序列的物理基礎模型,其流域水分過程可以分為產流和坡面匯流部分以及河道匯流部分。其中,產流和坡面匯流部分主要決定每個子流域內主河道中水分、砂石、營養(yǎng)物質和化學物質等的輸入量,而河道匯流部分主要控制上述物質的輸出量,通過流域水分的輸入和輸出,實現(xiàn)整個水分系統(tǒng)的水量平衡。SWAT模擬的水文循環(huán)中水量平衡公式如下:

(1)

式中:SWt為土壤最終含水量;SW0為第i天土壤的初始含水量;t為時間;Rday為第i天的降水量;Qsurf為第i天的地表徑流量;Ea為第i天的蒸散量;Wseep為第i天從土壤剖面進入包氣帶的水量;Qgw為第i天回歸流的水量。

利用SWAT構建地表水質環(huán)境模擬模型,需要使用地形地貌數(shù)據(jù)、氣象數(shù)據(jù)、土地類型數(shù)據(jù)、水文和水質數(shù)據(jù)等,并且需要根據(jù)研究對象的需求和特征,構建出特定的數(shù)據(jù)庫。特定數(shù)據(jù)庫的內容應包含農業(yè)種植情況、化肥使用量和相應的灌溉情況等。模型的數(shù)據(jù)處理流程見圖2。

圖2 模型數(shù)據(jù)處理流程

從圖2可以看出,SWAT模型最先注重數(shù)字高程模型、土地利用情況、土壤數(shù)據(jù)和氣象數(shù)據(jù)的收集,結合特征數(shù)據(jù)生成適用于研究對象的數(shù)據(jù)庫,在合理規(guī)劃影響因素的同時,做到因地制宜的分析。

1.2 基于單因子指數(shù)法和綜合指數(shù)的地表水質量分析

利用SWAT模型對阿里地區(qū)地表水質環(huán)境進行模擬后,收集并輸入相關的數(shù)值,可以得到對應的結果。根據(jù)阿里地區(qū)地形地貌和相關產業(yè)的類型,將地表水污染指標定位為地表水中氨氮和總磷含量的污染[9],統(tǒng)計區(qū)域涵蓋工業(yè)企業(yè)、污水廠、畜禽養(yǎng)殖、農村生活和施肥等6個指標。地表水的污染除了常見的氮磷以外,還涉及其他物質的污染,如鉛、鐵、氟化物等。

為了全面分析阿里地區(qū)地表水質的質量,研究將單因子指數(shù)法和地表水綜合指數(shù)相結合,系統(tǒng)分析地表水中各物質的含量及水質質量。單因子指數(shù)法(Single factor index method ,SF)主要利用實測數(shù)據(jù)和標準進行對比分析,選取最差的水質作為最后的評價結果。SF判斷某斷面綜合污染指數(shù)的公式如下:

(2)

式中:pi為某評價指標的相對污染值;p為測量斷面的污染指數(shù);n為該斷面的內測點數(shù)。

利用SF算法對水質污染情況進行量化表述,但基于SF方法描述的水質只能顯示出水體中某種污染物質的含量指標,無法適用于多種污染物同時存在的情況,且多種污染物存在但含量都不超標的水體所導致的環(huán)境風險可能也會高于單一污染物濃度較高的水體[12]。因此,在綜合污染指數(shù)的基礎上,計算內梅羅污染指數(shù)(N.L.Nemerow,NLN),實現(xiàn)考量各指標平均污染指數(shù)的同時考慮其污染指數(shù)的最大值。NLN是一種兼顧極值或突出最大值的計權型多因子環(huán)境質量指數(shù),考慮了污染影響作用最大的因子,并在加權過程匯總避免了權重系數(shù)中主觀因素的影響,在環(huán)境質量評價上有著較為廣泛的應用。NLN計算公式如下:

(3)

式中:maxi為單因子環(huán)境質量指數(shù)最大值;avei為各單因子環(huán)境質量指數(shù)的平均值。

根據(jù)I值大小,可以判斷出待測對象的水質質量。I>1,表示水質質量不能滿足評價標準要求;I=1,表示環(huán)境處于臨界狀態(tài);I<1,表示水質質量比評價標準要好。

2 地表水環(huán)境質量模型及水質污染結果

選取阿里地區(qū)地表水重要的12條河流和湖泊中的22個監(jiān)測斷面作為實驗對象,驗證研究所構建的SWAT模型性能,其中對實驗對象的數(shù)據(jù)按照2020-2021年月度采樣進行數(shù)據(jù)采集。阿里地區(qū)位于西藏西部,轄7縣、36個鄉(xiāng)鎮(zhèn)、232個行政村;常住人口主要為當?shù)夭孛?多從事養(yǎng)殖畜牧業(yè)。此外,該地還涉及食品加工、皮革、制藥、采礦等工業(yè),水質污染負荷的點源污染主要為畜禽養(yǎng)殖和農村生活排放,污染負荷受面源污染和點源污染的共同作用。

選取人口密度最低的札達縣象泉河為實驗對象,驗證研究所構建模型的性能。由于象泉河污染源主要為面源污染,受人為干預較少,因此相較于其他地區(qū)的水源,有更為精確的實驗結果。實驗結果見圖3。

圖3 象泉河污染負荷的預測和實測結果

從圖3可以看出,2020年象泉河的污染負荷量高于2021年污染負荷量。2020年7月和2021年7月是象泉河負荷量最高月份,最大負載量分別為5 840和5 037kg/月,相對誤差分別為-0.14%和-0.12%。實際負荷曲線的走向大致為“先上升后下降、再上升和再下降”的趨勢,研究構建的模型所得出的負荷預測結果能夠與實際曲線良好的貼合。

選取人口密度較大且污染負荷主要為點源污染的普蘭縣孔雀河為實驗對象,設計實驗驗證SWAT模型對污染負荷的預測結果,見圖4。

圖4 孔雀河污染負荷的預測和實測結果

從圖4可以看出,模型預測負荷和實際負荷曲線能夠達到較好的貼合,2020年孔雀河負荷的峰值出現(xiàn)在8月份,最大負荷值62 13kg/月。2021年負荷峰值出現(xiàn)在5和8月份,最大負荷值分別為5 664和5 342kg,2021年的最大負荷值相比2020年有所下降。模型的平均預測精度分別為95.23%和97.64%。

驗證模型關于污染負荷同時受面源和點源污染的河流獅泉河的污染負荷預測,實驗結果見圖5。

圖5 獅泉河污染負荷的預測和實測結果

從圖5可以看出,對于同時受點源污染和面源污染的河流負荷預測,模型的精度依舊良好。模型在2020年的最大負荷預測值為247 550kg,實際為247 800kg,相對誤差為-0.10%。同理,2021年的最大負荷預測結果為98 200kg,實際最大負荷值為97 762kg,相對誤差為0.45%。

設計實驗利用SWAT計算阿里地區(qū)12條河流的氨氮通量,由于總磷含量是按照氨氮含量的1/10進行計算的,因此會與實際情況有一定的差異,故研究只計算2021年各流域的氨氮含量。實驗結果見表1。

表1 2021年阿里流域的氨氮通量

從表1可以看出,研究所提出的SWAT模型在進行氨氮通量的測量時,比對實際的結果,最大相差百分比為12.88% ,最小為0.10%。其中,氨氮含量值最大的為拉昂錯河,全年氨氮通量為1 176 025kg;最小為亞多河,全年氨氮通量為235 464kg。

利用NLN指標法和綜合指標,對阿里22個斷面水質進行檢測,各污染物含量及結果見表2。

表2 斷面水質污染物含量

從表2可以看出,各水源關于污染物含量的數(shù)值都較小,符合國家地表水質量環(huán)境標準。因此,將以上指標排除,選取pH、高錳酸鉀指數(shù)、化學需氧量(COD)和五日生化需氧量(BOD)等剩余11項水質質量指標,作為研究的分析項。設計實驗計算阿里地區(qū)2020年全年污染情況,其中,以月度衡量污染較為嚴重地區(qū)的水質綜合指數(shù)變化情況,對比利用綜合污染指數(shù)和內梅羅指數(shù)的水質評價結果,見圖6。

從圖6可以看出,綜合污染指數(shù)法評價水質時,會平均各指標的單因子,將所有因子的貢獻值進行綜合評判。但由于低污染水平因子指標的數(shù)量與綜合污染指標成反比,低污染水平因子指標數(shù)量越多,綜合污染指標越小,對水質污染的反映能力越差。因此,革吉上游和下游的綜合評價值結果相近,其數(shù)值范圍在[0.32,0.40],為無污染。扎日南木錯河流全年的綜合污染指數(shù)值在[0.58,0.72]區(qū)間,為無污染。拉昂錯則全年基本處于輕度污染以上的水平,數(shù)值范圍在[0.96,1.87]。

從圖(b)可以看出,相對于綜合污染指數(shù)法,內梅羅污染指數(shù)具有更高的分配率,并且會劃分出無污染、輕度污染和中度污染的上限值,便于更好地觀察各河全年的污染程度。由圖6(b)可知,革吉上下游全年處于輕度污染,扎日南木錯則基本處于中度污染,而拉昂錯全年為重度污染。

選擇重度污染的河流拉昂錯,分析水體類型和受控因素。根據(jù)詳細的污染類型來源,建立氫氧根濃度與砷、硫化物濃度之間的相關性,分析水質指標對污染物的潛在影響。根據(jù)各污染物之間的關聯(lián)性,分析污染物成分,利用最大方法差旋轉已經標準化后的數(shù)據(jù)因子,得到污染化合物主成分提取數(shù)量,并將其歸納為主成分標準分數(shù)結果,針對水環(huán)境質量數(shù)據(jù)之間差異進行解釋說明。實驗結果見圖7。

圖7 地表水水質因子成分結果

從圖7可以看出,實驗結果中相關成分含量得分占比較為靠前的指標及標準分數(shù)分別是砷0.948、氟化物0.912和高錳酸鹽指數(shù) 0.863。對其中標準分數(shù)在0.90以上的因素砷和氟化物進行分析可以看出,砷在水體環(huán)境中占比含量最高,屬于主要污染物。排名第二的氟化物與砷之間的污染相關性較遠,因此可以認為有機物并非造成阿里地表水污染的主要原因。

考慮到西藏阿里地區(qū)的地理位置處于印度板塊和歐亞板塊的碰撞地帶,地殼活動較為頻繁和劇烈,因此地面會有較多的較高溫度熱泉水,而地下熱泉水中本身富含較高的砷含量和氟化物量,由此將其引入到地表水中。此外,西藏地區(qū)由于擁有含砷量和氟化物含量較高的巖石,這些巖石易溶于堿性水溶液中,而阿里地區(qū)地表水自然環(huán)境下pH多為弱堿性;在雨天情況下,某些含砷和氟化物較高的磷酸礦鹽也會溶解,從而隨雨水流入地表水層中,上述兩種原因進一步加大了地表水含量中砷和氟化物的含量。最后,考慮到干旱地區(qū)河流的蒸發(fā)濃縮作用。阿里地區(qū)位于西藏西部,屬于半干旱地區(qū),河流水分的蒸發(fā)使地表水中砷和氟化物濃度進一步加大。

3 結論