降雪量和融雪径流对地表水体污染物输出的影响*

高俣晗，刘 硕，张美琦，于 益

(哈尔滨师范大学)

0 引言

随着城市化水平的不断加速，不透水面的比例迅速扩张，城市非点源污染对水环境的影响不断加剧[1-3]，成为仅次于农业面源污染的第二大污染源.与降雨径流相比，融雪径流时间集中在每年春季融雪期，对城市水体污染冲击力较大[4-5].而在北方高纬度城市，每年春季融雪期自3月持续到5月，而融雪初期产生的融雪径流量不大，4月末至5月初受温度急剧上升影响，在较短时间产生较大径流量，内河水质不仅受到来自降雨径流的污染，每年春季的融雪径流也对河流水质造成了很大的冲击[6-8].

通过水文模型模拟的方法来研究融雪径流是重要的手段之一[9-10]，目前国内外已经有一些学者利用模型来进行融雪径流方面的研究[11-13].在SWMM模型方面，研究多基于降水径流的研究，如聂铁锋等在2012年模拟了广州市城区暴雨强度条件下COD、TSS等污染物峰值误差较小，并结合ArcGIS二次开发平台对径流结果进行可视化描述[14-16]；薛宇雷等在2018年模拟了流域地表径流并进行了非点源污染的研究，得出入河口氮、磷元素污染物浓度指标并给出了化肥的合理使用强度[17].受自然条件影响，降雪只高纬度地区，因此在北方地区进行融雪径流研究较少，并且SWMM模型设有特定的融雪模块，融雪速率与温度和风速密切相关，流域内的积雪融化后参与产流过程[18-19]，每个子流域的积雪状态更新取决于积雪转移量、蒸发量、耗散量及融化量，而融化量采用了热量平衡方程来计算[20-21].该文将SWMM模型应用于哈尔滨市地区，构建产汇流模型模拟不同降雪量条件下融雪径流量及污染负荷变化，可以为春季水环境污染控制提供科学的数据，在降雪量大的年份可采取有效的防范措施.

1 材料与方法

1.1 研究区概况

哈尔滨市位于125°42′～130°10′E，44°04′～46°40′N 之间，地处于黑龙江省南部，辖9个区、7个县，代管两个县级市，属于温带大陆性季风气候，冬季寒冷干燥且时间较长，自每年11月～次年2月底，冰封期自每年12月～次年3月，融雪期发生在每年3月底～4月初，全年最高气温可达38 ℃，最低温度低至-36 ℃，年平均温度 4.5 ℃.整体地势起伏不大，东南部的阿城区有部分山脉[22]，该研究主要选取哈尔滨市主城区，主要河流包括松花江、呼兰河、阿什河、何家沟及马家沟，主要行政区包括松北区、道里区、南岗区、香坊区、道外区、阿城区6个行政单元作为研究范围，研究位置如图1所示.

图1 研究区位置示意图

1.2 数据来源

降雪量、温度、风速等气象数据选用哈尔滨市机场气象站每年11月1日～次年4月30日数据，土地利用数据采用2017年Landsat 8 OLI遥感影像数据和GDEM 30M分辨率数字高程数据.

1.3 土地利用分类方法

对遥感影像进行监督分类并结合目视解译确定地物类别并计算不透水面积，结合划分汇水区和数字高程数据计算各汇水区坡度、特征宽度等参数.

1.4 融雪径流样品采集及分析方法

水质数据来自2018年春季采集的融雪径流样品，选取研究区范围内绿地、水体、屋顶、小区及内部道路、主要道路和人行道共6种下垫面48个采样点，采样点设置情况如图1所示，于2018年4月1日、13日和28日进行3次样品采集，每个采样点设置3个平行样品，并同时对各排放口径流量数据进行实时监测，融雪样品使用采样器将地表径流引入棕色聚乙烯瓶中，进行封口和贴标签处理，并带回实验室密封冷藏保存.水质测定参照最新国家标准，具体为COD参照HJ828-2017，NH3-N参照HJ535-2009，TP参照GB11893-1989，TN参照GB11894-1989.

2 SWMM模型构建与验证

2.1 汇水区划分

运用Arcgis水文分析工具对DEM数据进行洼地填充、流向分析、汇流累积量计算、提取河网等操作，中心城区依据排水管网、雨水溢流口及泵站服务范围进行概化，其它地区结合地形及水文分析结果进行概化，最终将研究区范围内6个主城区划分为25个子汇水区，概化为58个排水管，14个排水节点，6个末端排水口(如图2所示).

图2 模型示意图

2.2 融雪径流产汇流计算

SWMM是基于物理的、离散时间的模型，径流模拟分为产流模块和汇流模块[23-24]，在产流模拟中，汇水区上的进流量来自降水或其他相邻指定子汇水区、耗损水量包括蒸发量洼地蓄水量及下渗量[25]，选取SWMM所提供的Horton下渗模型，见式(1).

f(p)=fc+(f0-fc)e-kt

(1)

式中,f(p)为下渗能力(mm/h)，f0为初始下渗能力(mm/h)，fc为最大下渗能力(mm/h)；k为下渗能力随时间的递减系数；t为时间(h).

在汇流过程中，选择了动力波的演算方法，方程组式见式(2).

(2)

式中：Q为径流量(m3/s)，A为管道横截面面积(m2)，H为水深(m)，g为重力加速度，n为管道粗糙系数，R为水力半径(m)，v为水流速度(m/s).此种方法采用动量守恒方程来模拟管道中水流状态随时间的变化，此外SWMM还提供了恒定流和运动波的方法.各汇水区通过向管网、节点或周围子汇水区排放径流及污染负荷完成汇流过程[26-28].

2.3 模型参数率定及验证

模型所需参数分为确定性参数和经验参数两大类，确定性参数如：汇水区面积5171.28～70949.8 hm2；管道长度203～716.4 m；通过遥感解译得到子汇水区不透水面积比例为13%～79.96%；平均坡度0.09～14.53 m等，经验参数需要通过参数率定来确定.将 2017年11月1日～2018年4月30日降雪数据输入模型，得到何家沟排水口径流量模拟结果，与实测数据进行对比(如图3所示)，通过反复试算调整模型不确定性参数.最终得到参数包括：不透水区曼宁系数0.012，透水区曼宁系数0.16，不透水区洼蓄量2.02 mm，透水区洼蓄量4.7 mm，最大入渗率76 mm·h-1，最小入渗率3.5 mm·h-1.

城市雨雪径流的水质情况往往取决于地表污染物的累积、下垫面条件、生产生活活动、降雨强度等.该文采用指数函数模拟地表污染物的冲刷.输入的参数有：各类污染物的冲刷系数、冲刷指数.该文参考研究经验以及模型手册其他学者的研究成果，经过对比分析以及土地利用类型的差异，确定出污染物的累计和冲刷参数见表1、表2.

表1 地表污染物累积参数

表2 地表污染物冲刷参数

将 2017年11月1日～2018年4月30日降雪数据输入模型，得到何家沟、马家沟排水口径流量实际监测数据与模拟结果对比(如图3、4所示)，验证选取纳什效率系数公式(3)：

图3 何家沟排放口监测值与模拟值

(3)

式中：Q0为实测；Qm为模拟值；Q为实测平均值.ENS越趋近于1模拟效果越好，大于0.7 时，表明模拟结果与实际结果拟合程度较高.将模拟后径流量与实测值根据式(3)进行验证，得到纳什效率系数值为0.81，大于0.7，可以较好的反应真实径流过程.

图4 马家沟排放口监测值与模拟值

3 结果与讨论

3.1 降雪量及径流量变化

通过对2007～2018年降雪量进行统计分析，得出降雪量年际差异较大.其中2014年降雪量29.5 mm为最小值，2010年为最大值年份，降雪量达到了116 mm，超过百年一遇降雪强度.12年平均年降雪量为68.75 mm，多数年份降雪量维持在50～70 mm，仅2014年及2015年降雪量较少，在40 mm以下.数据可代表哈尔滨市最大最小降雪量范围，模型以此为驱动因素，可真实反映哈尔滨市降雪量变化带来的融雪径流变化特点.从哈尔滨市年降雪量距平及其累积距平演变趋势(如图5所示)可见，年降雪量整体呈现出先增加后降低的变化趋势，其中以2013年为突变点，在2013年之后年降雪量基本呈下降趋势.

图5 降雪量距平及累积距平趋势

选取每年冬季11月1日～第二年4月30日为计算周期，输入在此期间的降雪量数据作为控制变量进行模拟，模型参数保持不变，下垫面不透水率以2017年数据为基准，根据SWMM模型模拟结果对各汇水区及各排放口径流量进行统计分析，结果如图6所示，各汇水区径流量之和及各排放口径流量之和与当年降雪总量呈现正相关性.研究区多年平均总径流量为893.5958 m3，最大值年份为2010年，总径流量达到1835.57 m3，最小值出现在2014年，为215.98 m3.6个排放口产生的入河径流总量与降雪量年际变化相对应，最大值为8.99倍.

图6 降雪量与径流量变化

3.2 径流量变化分析

3.2.1 各汇水区径流量变化分析

通过模型产汇流计算，得到研究区范围内25个子汇水区的径流量，径流量空间分布如图7所示.根据图7显示，在各年份降雪条件下汇水区径流量最大值几乎出现在S19，S19汇水区的12年平均径流量为128.1525 m3，因S19为用地不透水比例最高值区，达到79.964%，包含了行政范围内的道里区、道外区、香坊区以及南岗区各区的小部分面积，该区域内涵盖了居民区、医院、学校、商业区等硬质路面多的功能区，较少有绿地公园等透水面积.除S19之外，融雪径流量较高的区域一般分布在S3～S10，仅S6径流量较小，S3位于江北老区，开发较早，已存在大面积不透水硬质区域，S4～S5以及S7～S10分布在S19周围，仅次于S19，为各行政区核心区域.S11～S16几乎为阿城区境内，该地区多为山地，透水面积较多.年径流量最小值区为位于S24，该区域年径流量最大值仅12.14 m3，多年平均值也基本维持在7.81 m3.

图7 子汇水区径流量

3.2.2 不同排放口入河径流量变化

经过模型产汇流模拟计算，得到研究区范围内6个排放口融雪径流量如图8所示.从总体来看，各个排放口逐年产生的融雪径流量与当年降雪量增减保持较为一致的变化趋势，仅P4排放口在2009和2016年稍有突变；P1道里排放口和P5道外排放口径流量年际变化较其它排放口起伏较大，主要是由于这2个排放口所汇集的汇水子面积较少，径流量少且年际变化不大.在6个排放口中，通过P4阿什河排放口排放的径流量占比最大，达到4391.46 m3，贡献率为48.95%.

图8 排放口径流量

3.3 污染物产出量变化分析

3.3.1 不同汇水区污染物产出量变化分析

根据2018年采集到的融雪径流样品进行水质监测，得到4种入河营养盐类物质平均浓度分别为总磷(TP)0.022、总氮(TN)2.44、COD 45.35、氨氮(NH3-N)1.19 mg/L.该文以2018年融雪径流中的污染物浓度为基准，通过输入不同年份降雪量来模拟不同降雪量条件下研究区范围内的单位面积污染负荷及各排放口入河排污量情况，结果如图9所示.从4种污染物来看，各汇水区单位面积污染负荷与融雪径流量大小相关，在研究区范围内，单位面积污染负荷高值区出现在S2～S4及S19，是由于这些汇水区多为人口密度较大的中心城区，生产生活及交通造成的污染排放较多，产生的污染物进入积雪，进入融雪期后，径流也会对原本的下垫面进行冲刷[29-31]，且这些区域都是绿地及水体比例较低，净化能力较低，易产生污染物堆积[32-33]，因此融雪径流中的污染负荷较高.4种污染物质中，子汇水区单位面积污染负荷的平均值均在2010年降雪条件下达到最大，分别为TP 4.1878 μg/m2、TN 0.0855、COD 4.5158和NH3-N 0.0412 mg/m2.TP单位面积污染负荷最大值和最小值分别出现在2010年和2014年降雪条件下，最大值为最小值的3.05倍；在2018年实测降雪条件下，NH3-N单位面积污染负荷最高值汇水区S19为最低值汇水区S16的24.5倍，TN为2.39倍，COD为24倍.并且2018年降雪条件下研究范围内污染负荷总量分别为TP 7.714、TN 176.16、COD 8041.55、NH3- N 84.46 kg.

图9 子汇水区污染负荷产量

3.3.2 各排放口入河污染物质变化

在不同降雪量条件下模拟研究范围内6个排放口的污染物排放量，研究结果如图10所示.4种污染物污染负荷产量年际变化趋势几乎相同，最大污染负荷量基本出现在2007、2009和2010年，最小值基本出现在降雪量较小的2014、2015年.其中P2～P4以及P6排放口年际浮动较大，而P1和P52个排放口波动较小，是因为汇入这2个排放口的汇水面积较小，P1仅收集到来自道里区小部分的排放量，P5收集到来自道外区和阿城区小部分的径流排放.从图中可以看到，TP污染负荷高值区主要集中在P2何家沟排放口和P3马家沟排放口，这2个排放口多年平均产量分别为0.826 kg和0.738 kg，共占总排放量的46%；P2排放口主要汇集了来自道里区和南岗区融雪径流的排放，这两个行政区的人口密度较大，P3排放口也汇集了来自主要中心城区径流排放，污染负荷较高.从TN排放情况来看，所有排放口排放量之和最大值为2010年降雪条件下的106.98 kg，最小值为53.3 7kg，是在降雪量最小年份2014年的降雪条件下产生的，而多年平均值为75.673 kg.

图10 排放口污染负荷量

3.4 降雪与污染负荷排放相关性分析

对降雪量及各污染物产出量进行正态分布检验，得到结果表明数据服从正态分布，并进行pearson相关系数矩阵分析，得到结果如图11所示.图中椭圆大小表示相关性大小，椭圆越大表明两要素间相关性越低.由图可以看到，各个要素间的相关关系均在0.7以上，表明降雪量与径流量及各污染物产出量之间相关性较高.其中降雪量与径流量相关系数约为0.97，与各污染物排放量间的相关系数较高，仅与COD排放量间的相关系数为0.8，与氨氮排放量相关系数为0.81.通过相关性分析，可以得出降雪量大小与径流量及污染负荷的关系，可以为降雪量较大时期的城市水污染管理提供预判依据.

图11 相关系数图

4 结论

(1)对2007～2018年降雪量进行统计，12年间降雪量波动幅度较大，最大值为2010年降雪量116mm，超过百年一遇降雪强度，最小值为2014年的29.5 mm。模型中下垫面组成及清扫方式等因素保持不变条件下，子汇水区和排放口径流量大小与降雪量呈正相关关系.最大降雪条件下研究范围内融雪径流量为1835.57 m3，排放口径流量之和为1510.56 m3，融雪径流量大易对农田春耕造成危害，并可能造成河流水位上涨及城市灾害.而从空间分布来看，最大融雪径流量几乎都落在S19汇水区，最大径流量排放口为P4道里排放口.

(2)实测融雪径流样品中4种污染物质平均浓度分别为总磷(TP)0.022、总氮(TN)2.44、COD 45.35、氨氮(NH3-N)1.19 mg/L.根据《地表水环境质量标准》(GB3838-2002)进行比对，总磷(TP)和总氮(TN)分别低于Ⅱ类和Ⅳ类水质标准，氨氮(NH3-N)和COD超过Ⅴ类水质标准.

(3)通过模型模拟子汇水区单位面积污染负荷及排放口排放量，在清扫方式、下垫面组成等因素控制不变条件下，模型污染物产出量大小与径流量呈正相关关系.污染负荷最大值是在2010年降雪条件下，最小值是在2014年降雪条件下.各排放口污染负荷产量大小关系为P3>P2>P6>P4>P1>P5.受不透水比例及人口交通密集程度影响，S19汇水区单位面积污染负荷最大.污染物排放入河对城市受纳水体造成直接冲击，该文计算得到不同降雪量条件下研究范围内的污染负荷可以为极端暴雪灾害气象条件下水环境预测及管理提供参考依据.

(4)对降雪量与径流量及各污染物产出量进行相关性分析，得到结果表明降雪量与径流量间相关性较高，而径流量与TP和COD污染负荷排放量相关性相对较低，与TN和氨氮污染负荷排放量相关性高，相关系数均在0.7以上，相关性较强.