巢湖流域氮磷面源污染与水华空间分布遥感解析

王雪蕾，王新新，朱 利，马友华，吴传庆*，王 强，冯爱萍，陈敏鹏（.环境保护部卫星环境应用中心，北京 0009；.中国农业大学资源与环境学院，北京 009；.安徽农业大学资源与环境学院，安徽 合肥006；.中国农业科学院，农业环境与可持续发展研究所，北京 0008）

巢湖流域氮磷面源污染与水华空间分布遥感解析

王雪蕾1，王新新2，朱 利1，马友华3，吴传庆1*，王 强3，冯爱萍1，陈敏鹏4（1.环境保护部卫星环境应用中心，北京 100094；2.中国农业大学资源与环境学院，北京 100193；3.安徽农业大学资源与环境学院，安徽 合肥230036；4.中国农业科学院，农业环境与可持续发展研究所，北京 100081）

基于遥感监测手段，分别应用DPeRS模型和MODIS水华提取方法对巢湖流域氮磷面源污染特征和巢湖水体水华爆发规律进行遥感像元尺度解析，结果表明: 2010年巢湖流域总氮产生量为1900.3t，入河量为846.5t；总磷为244.1t，入河量为76t.巢湖流域农业面源污染对氮素污染贡献最大，而水土流失则对磷面源污染贡献最大；综合巢湖流域氮磷面源污染和水华爆发的时空特征分析，明确氮磷面源污染与巢湖水华具有相关性，并且时间上水华爆发频率较氮磷面源污染具有先滞后后同步的特征，且面源污染负荷与水华爆发面积的相关系数为0.45；在空间上，面源污染负荷较大区域与水华爆发频度较高区域也有较好的匹配性；基于这种相关性，应用DPeRS模型对巢湖流域进行氮磷减排情景分析，结果表明在施肥量减少30%，农村生活垃圾处理率提高到60%，畜禽粪便处理率和城市垃圾处理率提高到80%的情况下，氮磷面源污染平均削减率可以达到50%.

面源污染；氮磷；水华；遥感；巢湖流域

巢湖流域作为我国重要的五大淡水湖之一，面临着较为严峻的面源污染问题，其中巢湖水华是氮磷面源污染对水质产生的重要影响之一.当前国内学者对流域面源污染负荷和水华的研究较多［1-4］，其中面源污染负荷的研究多采用AnnAGNPS模型法［5］、平均浓度法［6-7］、输出系数法［8-9］、SWAT等过程机理模型［10］等.水华监测主要包括传统的实验室采样分析法［11］和近几年发展的遥感动态监测法［12］.但是对于管理部门，更需要将巢湖流域水陆作为整体进行研究，综合面源污染负荷和水华发生规律制定合理的流域污染防治措施.针对这一需求，本研究将遥感数据作为水陆研究的驱动，基于大尺度模型［13-14］，构建以遥感像元为最小模拟单元的面源污染负荷估算模型-DPeRS［15-16］对巢湖流域农田种植、农村生活、城镇径流、畜禽养殖和水土流失等引发的氮磷面源污染负荷进行估算，同时采用MODIS数据对巢湖流域水华爆发情况进行分析，最后通过DPeRS情景分析和陆地面源污染与水华爆发的时空特征分析，提出巢湖流域污染防治的措施，为流域污染管理部门提供决策支持.

1 材料与方法

1.1 研究区概况

巢湖流域位于安徽省中部，属于长江下游左岸水系，流域面积1.4万km2，气候为亚热带季风气候，流域多年平均气温为16℃，极端最高气温41.3℃，极端最低气温零下15.7℃.多年平均相对湿度76%，多年平均年降水量1215mm，其中汛期5～8月降水量占年降水量51%.巢湖流域农业经济发达，是我国主要的商品粮生产基地.研究区巢湖流域位置图如图1所示.

图1 研究区位置示意Fig.1 Location of the Chao Lake Basin （CLB）

表1 主要空间数据列表Table 1 List of main spatial data

1.2 主要数据库

DPeRS模型运行需要的数据包括巢湖流域土地利用、植被覆盖、月降水、坡度坡长、农作物产量等，水华提取主要基于MODIS数据（250m），具体数据来源和处理方法见表1.

1.3 模型方法

表2 DPeRS模型结构和构建原理Table 2 Construction and theories of DPeRS model

1） DPeRS面源负荷估算模型

DPeRS模型将面源污染源定义为农田径流、城市径流、农村生活、畜禽养殖和水土流失5个类型；将面源污染物概化为溶解态和吸附态两类；具体指标为总氮（TN）、总磷（TP）、氨氮（NH4+-N）和化学需氧量（CODcr）；模型包括五大模块:农田氮磷平衡核算模块、植被覆盖度定量遥感反演模块、溶解态污染负荷估算模块、吸附态污染负荷估算模块和入河模块，模型核心算法和参数说明分别见表2和表3［15-16］.本研究中仅讨论氮磷两个指标.

表3 模型中的主要参变量列表Table 3 The main parameters list

（2） 基于NDVI的蓝藻水华遥感识别及年度分析

从蓝藻水华的光谱特征分析可知，近红外谱段的陡坡效应是水华与水体最明显的光谱差异，且富集度越大的水华其陡坡效应越明显.基于NDVI指数能较好反应近红外谱段陡坡效应的原理［19］，本研究采用NDVI植被指数提取蓝藻水华，NDVI的反演算法见表2中植被覆盖度模块.其中， NDVI为正值时表明水面有蓝藻覆盖，蓝藻密度越大，NDVI值越大，可以选择适当阈值来提取蓝藻水华的分布范围［20］.考虑到MODIS（250m）数据的光谱特性（含有红光和近红外波段）和高时间分辨率（1d 2次白天过境），本研究采用基于2010年MODIS数据完成巢湖蓝藻水华日常监测，在此基础上开展流域2010年水华年度分析的监测，并分析获得水华出现频度、发生频率、起始日期等信息.

2 结果与讨论

2.1 巢湖流域面源污染物空间分布特征

2.1.1 溶解态污染物空间特征 应用DPeRS模型对的巢湖流域2010年面源污染负荷进行月尺度估算，结果表明:巢湖流域溶解态TN和TP平均污染负荷分别为0.21t/km2和0.02t/km2.巢湖流域溶解态氮磷面源污染产生量的空间分布如图3所示，模拟结果的空间统计见表4.溶解态氮磷面源污染空间分布表明，巢湖流域的西南部溶解态污染物负荷较小，流域北部溶解态污染物负荷较大；具体表现为合肥市市辖区面源污染较重，且污染类型以城市径流型为主；其次为肥西县，主要污染类型为畜禽养殖型.

图3 溶解态氮磷面源污染产生负荷的空间分布Fig.3 Spatial distribution of dissolved N and P loads of CLB in 2010

表4 溶解态氮磷面源污染统计Table 4 Productions of dissolved N and P pollutants in CLB catchment in 2010

图4 吸附态面源污染空间分布Fig.4 Spatial distribution of adsorbed N and P loads of CLB in 2010

2.1.2 吸附态面源污染物空间特征 DPeRS吸附态污染负模拟结果表明:巢湖流域平均吸附态氮磷负荷分别为0.02t/km2和0.006t/km2，其中舒城县的吸附态氮磷负荷最高分别为0.06t/km2和0.03t/km2.巢湖流域吸附态氮磷面源污染空间分布特征如图4所示，西南部山区由于土壤侵蚀量较大，表现为较高的吸附态面源污染负荷，其次巢湖水体的西北部和东南部的污染负荷也较高.具体污染负荷的统计结果见表5.

表5 吸附态氮磷面源污染统计Table 5 Productions of adsorbed N and P pollutants in CLB in 2010

综合溶解态和吸附态面源污染模拟结果，从空间分布来看，巢湖流域氮磷污染主要集中在巢湖流域西南部地区.合肥市面源污染物产生量最大.

2.2 巢湖流域面源污染量估算结果分析

DPeRS模型入河模块估算结果表明:巢湖流域2010年产生的溶解态和吸附态面源污染物共9.35万t，进入水体4.73万t.其中: TN1900.3t，进入水体846.5t； TP 244.1t，进入水体76t.各区县污染物的产生量及排放量统计结果（表6）表明合肥市市辖区总氮总磷的产生量和入河量最大.

2.3 巢湖流域氮磷面源污染源解析

综合DPeRS模型对溶解态和吸附态氮磷面源污染模拟结果，巢湖流域氮磷面源污染源分析结果表明:对于TN指标，城市径流型和农田径流型为主要的面源污染源，分别占总污染量的34.6%和33.7%，农村生活型比例为12.3%，畜禽养殖型为6.47%；对于TP指标，水土流失型（不包括农田）污染是最主要的面源污染源，占总污染量的39.6%，其次为城市生活型污染，占污染量的24.4%，其他类型污染排序为农田径流型（16.1%）＞畜禽养殖型 （11.2%）＞农村生活型（8.7%）.巢湖流域氮磷面源污染源解析表明:对于TN指标，巢湖流域仍然以农业面源污染（农田型、畜禽型和农村生活型）为主，其污染比例占总面源污染的52.5%；其次为城市径流型，占34.6%；对于TP指标，水土流失（不包括农田）是造成流域磷面源污染的重要原因，其污染比例占总比例的39.6%，其次为农业面源污染，占35.9%.综合氮磷指标，巢湖流域农田径流占总氮磷面源污染的62.6%，其次为农村生活占23.5%，最后为畜禽养殖占13.9%.

表6 区县污染物产生量及排放量Table 6 Annual NPS production and amount into the river in CLB counties

2.4 巢湖流域面源污染与巢湖水华时间空间分布分析

利用MODIS遥感影像对2010年巢湖水华情况进行遥感监测，水华月度爆发频度和面积的监测结果表明: 2010年共监测到水华发生66次，首次监测到水华的时间是4月，其中7月、8月份和10月份监测到水华出现频次较高，分别为10次，15次和11次.其中未监测到150km2以上面积的蓝藻水华，监测到100km2以上面积的蓝藻水华5次，水华最大面积为140km2.将氮磷面源污染负荷与巢湖水华爆发面积和爆发频率进行对比分析（图5），结果表明氮磷面源污染负荷与水华爆发面积的相关系数为0.45（图5），氮磷面源污染的负荷变化与水华发生频率具有相同的趋势，并且水华的发生较氮磷面源污染强度的变化具有先滞后性后同步的特性，即在氮磷负荷和水华暴发频率先后达到最大后，水华爆发频率与氮磷负荷变化趋势同步.具体表现为:面源污染3月份出现第一个小高峰，在4月第一次发现巢湖水华；7月氮磷面源污染负荷达到最大值，8月水华爆发频度达到最大，9～12月二者变化趋势相同，同步变大和变小（图5）.

图5 2010年氮磷面源污染及水华爆发关系分析Fig.5 The analysis of NP load distribution and algal bloom in Chao Lake in 2010

基于遥感影像的巢湖流域年氮磷面源污染负荷与水华年分布频率空间分布见图6，从空间上，水华爆发频率较高的区域表现为巢湖水体的西北部和南部，氮磷面源污染负荷较高的区域为巢湖水体的西北部和巢湖流域山区.从氮磷面源污染和水华空间分布上可以看出，合肥地区的面源污染对巢湖水华的影响较大.

2.5 巢湖流域DPeRS模型情景分析

从施肥量、垃圾处理率、粪便处理率3个方面制定情景，具体为（1）保证作物产量不变的情况下，施肥量减少30%；（2）城市垃圾处理率和畜禽粪便处理率均由20%提高到80%.（3）农村垃圾处理率从0提高到60%.

情景分析结果表明:对于农田模块，施肥量减少30% 的情况下，TN产生量削减了43%，TP削减了30%；对于畜禽养殖模块，畜禽粪便处理率提高到80%，TN和TP均削减了75%；对于城市径流型模块，垃圾处理率达到89%时，TN和TP的平均削减率为21%；对于农村型氮磷面源模拟模块，垃圾处理率提高到60%的情况下，TN和TP的平均削减率为60%.具体削减量变化见表7.综合分析结果表明，新情景下TN入河量削减38.7%，TP削减了39.3%.

表7 情景设置下污染物产生量与原始值的比较Table 7 The contrast of NPS pollutants under Scenario and the original

3 结论

3.1 DPeRS模拟巢湖流域2010年溶解态氮污染负荷为0.21t/km2，吸附态氮污染负荷为0.014t/km2，总氮产生量为1900.3t，入河量为846.5t；溶解态总磷污染负荷为0.019t/km2，吸附态磷负荷为0.006t/km2，总磷产生量为244.1t，入河量为76t.从空间分布来看，巢湖流域的北部，巢湖湖体的西北部和北部对巢湖水华影响较大，具体表现为合肥市辖区.

3.2 巢湖流域氮磷面源污染源解析表明:对于TN指标，巢湖流域仍然以农业面源污染（农田型、畜禽型和农村生活型）为主，其污染比例占总面源污染的52.5%；其次为城市径流型，占34.6%；对于TP指标，水土流失是造成流域磷面源污染的重要原因，其污染比例占总比例的39.6%，其次为农业面源污染，占35.9%.综合氮磷指标，巢湖流域农田径流占总氮磷面源污染的61%，其次为农村生活占25%，最后为畜禽养殖占14%.

3.3 巢湖流域氮磷面源污染负荷与水华频度和水华爆发面积的时空分析结果表明:巢湖流域氮磷面源污染负荷与巢湖水华的发生有相关性，与水华爆发面积的相关系数为0.45，并且在时间上水华爆发频率较氮磷面源污染强度具有先滞后后同步的变化规律；在空间上，面源污染负荷较大区域与水华爆发频度较高区域也有较好的匹配性，且空间上对巢湖水体产生影响的氮磷面源污染分布在巢湖流域的北部和西部，较为严重的区域为舒城县和合肥市辖区.

3.4 应用DPeRS模型情景分析表明:在施肥量减少30%的情况下，农田TN产生量削减了43%， TP削减了30%；畜禽粪便处理率从20%提高到80%情景下，TN和TP均削减了75%；城市垃圾处理率从20%提高到80%情景下，TN和TP平均削减率为21%；农村生活垃圾处理率从0提高到60%下，TN和TP平均削减率为60%.基于氮磷面源污染与水华的空间相关性，上述措施从控制流域面源污染角度可以作为辅助水华治理的有效措施之一.

［1］朱 萱，鲁纪行，边金钟，等.农田径流面源污染特征及负荷定量化方法探讨 ［J］. 环境科学， 1985，6（5）:6-11.

［2］刘 枫，王华东，刘培桐.流域面源污染的量化识别方法及其在于桥水库流域的应用 ［J］. 地理学报， 1988，43（4）:329-340.

［3］欧阳威，王 玮，郝芳华，等.北京城区不同下垫面降雨径流产污特征分析 ［J］. 中国环境科学， 2010，30（9）:328-332.

［4］罗 倩，任 理，彭文启.辽宁太子河流域非点源氮磷负荷模拟分析 ［J］. 中国环境科学， 2014，34（1）:178-186.

［5］李开明，任秀文，黄国如，等.基于AnnAGNPS模型泗合水流域非点源污染模拟研究 ［J］. 中国环境科学， 2013，33（S1）:54-59.

［6］张之源，王培华，张崇岱.巢湖富营养化状况评价及水质恢复探讨 ［J］. 环境科学研究， 1999，12（5）:45-48.

［7］李家科，李怀恩，董 雯，等.渭河关中段典型支流非点源污染监测与负荷估算 ［J］. 环境科学学报， 2011，31（7）:1470-1478.

［8］Ji C Y， Sun D F.Non-point source pollution in Chao Lake Basin，Anhui， PRC ［R］. Anhui:Asian Development Bank， 2011.

［9］邱 斌，李萍萍，钟晨宇，等.海河流域农村非点源污染现状及空间特征分析 ［J］. 中国环境科学， 2012，32（3）:564-570.

［10］欧阳威，黄浩波，蔡冠清.巢湖地区无监测资料小流域面源磷污染输出负荷时空特征 ［J］. 环境科学学报， 2014，34（4）:1024-1031.

［11］孔 明，张 路，尹洪斌，等.蓝藻暴发对巢湖表层沉积物氮磷及形态分布的影响 ［J］. 中国环境科学， 2014，34（5）:1285-1292.

［12］朱 利，王 桥，吴传庆，等.巢湖水华遥感监测与年度统计分析研究 ［J］. 中国环境监测， 2013，29（2）:162-166.

［13］郝芳华，杨胜天，程红光，等.大尺度区域面源污染负荷计算方法［J］. 环境科学学报， 2006，26（3）:375-383.

［14］郝芳华，杨胜天，程红光，等.大尺度区域非点源污染负荷估算方法研究的意义、难点和关键技术 ［J］. 环境科学学报， 2006，26（3）:362-365.

［15］Wang X L， Wang Q， Wu C Q， et al. A method coupled with remote sensing data to evaluate non-point source pollution in the Xin'anjiang catchment of China ［J］. Science of the Total Environment， 2012，430:132-143.

［16］王雪蕾，蔡明勇，钟部卿，等.辽河流域面源污染空间特征遥感解析 ［J］. 环境科学， 2013，34（10）:3788-3796.

［17］刘志红，Li L T， McVicar T R， et al.专用气候数据空间插值软件ANUSPLIN及其应用 ［J］. 气象， 2008，34（2）:92-100.

［18］Wang X L， Feng A P， Wang Q， et al. Spatial variability of the nutrient balance and related NPSP risk analysis for agroecosystems in China in 2010. Agriculture， Ecosystems and Environment， 2014，193:42-52.

［19］王 桥，魏 斌，王昌佐，等.基于环境一号卫星的生态环境遥感监测 ［M］. 北京:科学出版社， 2010:221-224.

［20］陈 云，戴锦芳.基于遥感数据的太湖蓝藻水华信息识别方法［J］. 湖泊科学， 2008，20（2）:179-183.

致谢：本研究中模型方法研究得到北京师范大学郝芳华教授和杨胜天教授的指导，巢湖地区基础数据处理得到安徽农业大学资源与环境学院研究生帮助，在此表示感谢！

Spatial analysis on diffuse pollution and algal bloom characteristic with remote sensing in Chao Lake Basin.

WANG Xue-lei1， WANG Xin-xin2， ZHU Li1， MA You-hua3， WU Chuan-qing1*， WANG Qiang3， FENG Ai-ping1， CHEN Min-peng4（1.Satellite Environment Center， Ministry of Environmental Protection， Beijing 100094， China；2.College of Resources and Environmental Sciences， China Agricultural University， Beijing 100193， China；3.College of Resources and Environmental Sciences， Anhui Agricultural University， Hefei 230036， China；4.Institute of Environment and Sustainable development in Agriculture， Chinese Academy of Agricultural Sciences， Beijing 100081， China）. China Environmental Science， 2015，35（5）：1511～1519

Based on the monitoring with MODIS data， the DPeRS model and algae bloom （AB） information were extracted and were used to assess nitrogen （N） and phosphorus （P） diffuse pollution （DP） and AB characteristics at pixel scale. Results showed 1） the yearly production of total nitrogen was 1900.3t in 2010 and 846.5 t were discharged. The total phosphorus production was 244.1t and the discharge load was 76t. 2） Agriculture contributes mostly the N-DP， and the water loss and soil erosion had great effect on P-DP. 3） The spatial-temporal feature analysis on N/P-DP loads and AB frequency confirmed that the N/P-DP related to AB. The AB happening lagged the DP firstly and after AB reaching the maxim. The DP and AB had the same temporal trend. The spatial distribution of AB matched well with DP. The correlation coefficient of bloom areas and NP loads was 0.45. 4） The scenarios analysis was analyzed with DPeRS model due to the dependency between DP and AB . The four scenarios could reduce N/P-DP 50% with reducing the fertilizer application 30%， improving the decontamination rate of urban and livestock refuse to 80% and rural life to 60%.

diffuse pollution；nitrogen and phosphorus；algae bloom；remote sensing；Chao Lake Basin

X87

A

1000-6923（2015）05-1511-09

王雪蕾（1978-），女，吉林省吉林市人，副教授/高级工程师，博士，主要从事流域尺度生态水文过程模拟和流域污染防治研究.发表论文30余篇.

2014-10-08

国家自然科学基金资助项目（41101378，41001245）；国家科技支撑计划（2012BAD15B03）；国家自然基金（71103186）

* 责任作者， 高级工程师， wxlbnu@163.com