基于GIS和MUSLE的東北溝小流域非點源污染關鍵區(qū)識別

劉 楠, 謝永生,, 索改弟, 景民曉, 陳 磊

(1.西北農(nóng)林科技大學 資源環(huán)境學院, 陜西 楊凌 712100; 2.中國科學院 水利部 水土保持研究所, 陜西 楊凌 712100)

基于GIS和MUSLE的東北溝小流域非點源污染關鍵區(qū)識別

劉 楠1, 謝永生1,2, 索改弟1, 景民曉1, 陳 磊2

(1.西北農(nóng)林科技大學 資源環(huán)境學院, 陜西 楊凌 712100; 2.中國科學院 水利部 水土保持研究所, 陜西 楊凌 712100)

以河北省平泉縣東北溝小流域DEM、土地利用類型和土壤調(diào)查數(shù)據(jù)為基礎，在地理信息系統(tǒng)(GIS)的支持下，運用修正的通用土壤流失方程(MUSLE)對研究區(qū)非點源污染進行關鍵區(qū)識別及分級。結(jié)果表明：關鍵區(qū)按所占面積從大到小依次為低風險關鍵區(qū)、高風險關鍵區(qū)和中風險關鍵區(qū)，且各區(qū)主要沿水域分布。關鍵區(qū)中農(nóng)業(yè)用地占到了流域農(nóng)業(yè)用地總面積的37.3%，而隨著風險等級的提高，關鍵區(qū)中農(nóng)業(yè)用地所占比例顯著增加。研究區(qū)非點源污染的主要來源是沿水域分布的農(nóng)業(yè)用地，與實際情況吻合，研究結(jié)果能為研究區(qū)非點源污染治理提供科學指導和理論支持。將GIS與MUSLE模型相結(jié)合能夠快速識別非點源污染關鍵區(qū)，該方法科學有效，具有很強的適用性。

非點源污染; 關鍵區(qū); GIS; MUSLE

國內(nèi)外大量研究表明，在點源污染得到基本控制后，伴隨水土流失而產(chǎn)生的非點源污染成為流域水環(huán)境惡化的主要原因[1]。據(jù)統(tǒng)計，全世界30%～50%的地表已經(jīng)受到非點源污染物的影響[2]，而在我國，繼點源污染后，來自農(nóng)業(yè)的非點源污染已經(jīng)成為最重要的環(huán)境污染源[3]。但是由于非點源污染具有以下特征：污染發(fā)生隨機性；機理過程復雜性；排放途徑不確定性；污染負荷的時空差異性，因此對其的監(jiān)測、模擬與控制變得十分困難[4]。而通常少數(shù)景觀單元輸出的污染物往往占了整個流域污染負荷的大部分[5]，這些地區(qū)就成為非點源污染的關鍵源區(qū)。有研究顯示，磷的關鍵源區(qū)只占整個流域的小部分，磷流失量的90%來源于10%的區(qū)域，且主要分布于靠近河流的區(qū)域[6]，因此對關鍵區(qū)的識別和治理變得尤為重要。但傳統(tǒng)的非點源污染監(jiān)測方法需要耗費大量的人力、物力和財力，且難以獲得科學的流域范圍污染評價結(jié)果[7]，在我國環(huán)境問題突出和環(huán)境保護投入有限的背景下，如何識別非點源污染關鍵區(qū)，有針對性地制定控制與管理措施，從而提高污染治理的成效成為迫切需要解決的課題[8]。

地理信息系統(tǒng)(GIS)具有強大的空間數(shù)據(jù)管理能力，并具有空間數(shù)據(jù)采集、可視化和全面的空間分析功能。這些優(yōu)點契合了非點源污染監(jiān)測和模擬過程中的難點，為非點源污染關鍵區(qū)識別提供了現(xiàn)實的工具和方法，且具有費用低、周期短、簡便易行等特點，因此GIS和非點源污染的有機結(jié)合成為了必然。

1 研究區(qū)概況

東北溝小流域位于河北省平泉縣西部，地理坐標為118°3′39″—118°37′9″E，41°3′7″—41°6′19″N，屬燕山山脈中低區(qū)，流域總面積19.4 km2，海拔593～1 179 m。多年平均降雨量為540.8 mm，氣候為溫帶大陸性季風氣候，因此降水季節(jié)性變化明顯，5—8月降雨量占全年降水量的75%左右，且降雨多以暴雨形式出現(xiàn)，降雨強度大、侵蝕力強，為非點源污染的發(fā)生創(chuàng)造了條件。流域內(nèi)土壤類型以褐土、棕壤和石質(zhì)土為主，共占流域面積的86%，其中褐土占到了流域面積的38%。流域地勢由東北和西北向西南傾斜，地貌類型屬于土石山區(qū)，同時它也屬于流入潘家口水庫的灤河水系，是京津地區(qū)重要的水源地。

2 研究方法

土壤侵蝕和非點源污染是密不可分的。Maas等[9]發(fā)現(xiàn)，土壤流失嚴重的地區(qū)通常也是農(nóng)業(yè)非點源污染發(fā)生的關鍵區(qū)域。Schauble[10]認為，土壤侵蝕不僅包括泥沙顆粒的運移，而且還包括隨之發(fā)生的營養(yǎng)物和污染物的運移。這兩個過程都是通過地表徑流同時發(fā)生的，具有不可分離性。所以，侵蝕模型可以用來識別非點源污染的關鍵區(qū)。

2.1 模型選擇

本研究采用Sivertun等[11]提出的MUSLE模型，它是在USLE的基礎上改進而來的。表達式如下：

P=K·S·W·U

(1)

式中：P——發(fā)生非點源污染的風險；K——土壤因子；S——坡度因子；W——河道因子；U——土地利用因子。和USLE相比，該模型沒有給出土壤侵蝕和污染物的定量信息，但可以直觀分辨出對水質(zhì)產(chǎn)生影響的高風險區(qū)域。該模型具有以下幾個優(yōu)點：(1) 快速識別關鍵區(qū)，能夠為后續(xù)的深入研究提供基礎；(2) 省時省力，對硬件和操作人員沒有特殊要求，在一般的商業(yè)GIS軟件上即可運行；(3) 易于更新，當其中一個因子發(fā)生變化時，并不影響其它因子，整個模型可以方便進行重新計算，所以它也能夠?qū)^(qū)域內(nèi)的污染風險進行時空變化分析。

2.2 MUSLE各因子的計算方法

2.2.1 土壤K因子 土壤K因子即土壤可蝕性因子，即土壤遭受侵蝕的敏感程度，是指單位侵蝕力在標準小區(qū)上所產(chǎn)生的土壤流失量。在同等條件下，土壤K值越大，土壤受侵蝕的潛在危險性越大。土壤可蝕性可以通過小區(qū)測定直接得到，但這種方法非常繁瑣，而且要求十分苛刻。所以本研究采用EPIC[12]模型計算土壤因子K

K={0.2+0.3exp[-0.0256Sd(1-Si/100)]}×[Si/(Cl+Si)]0.3×{1-0.25C/[C+ exp(3.72-2.95C)]}×{1-0.7Sn/[Sn+ exp(-5.51+22.9Sn)]}

(2)

式中：Sd——砂粒質(zhì)量分數(shù)；Si——粉粒質(zhì)量分數(shù)；Cl——黏粒質(zhì)量分數(shù)；C——有機碳質(zhì)量分數(shù)。Sn=1-Sd/100。

經(jīng)過公式計算求得不同土壤類型的K值：褐土為0.237 (t·h)/(MJ·mm)，棕壤為0.172 (t·h)/(MJ·mm)，石質(zhì)土為0.172 (t·h)/(MJ·mm)，新積土為0.154 (t·h)/(MJ·mm)，粗骨土為0.302 (t·h)/(MJ·mm)，黃綿土為0.332 (t·h)/(MJ·mm)。

2.2.2 地形因子 在模型的早期應用中，只考慮了坡度因子S，而忽略了坡長因子L對土壤侵蝕的影響，這是不科學的。因為在土壤侵蝕的過程中，當坡度相同時，坡長越長，徑流速度越大，匯流的徑流越大，侵蝕力越強。因此，Mitasova等[13]對該模型進行了改進，用LS因子即地形因子，取代了S因子，使模型更加完善，其計算公式如下：

LS(r)=(m+1)[A(r)/a0]m[sinb(r)/b0]n

(3)

式中：A——上坡每單位等高線寬度的貢獻面積(m2)；b——坡度(°)；m，n——常數(shù)，分別取0.6和1.3；a0，b0——標準小區(qū)的坡長和坡度，即a0=22.1 m，b0=5.16°=0.09。

2.2.3 河道因子 距離河道的遠近是污染物質(zhì)擴散的一個非常重要的因子，Sivertun等[14]在河道因子的計算中建立了一個權(quán)重函數(shù)(公式4)，根據(jù)每個柵格距離河道的實際距離賦予柵格權(quán)重值，從而可以更加精確地表達距離河道不同距離的泥沙或污染負荷進入河道的比例。

(4)

2.2.4 土地利用因子 不同的土地利用方式?jīng)Q定了不同營養(yǎng)物質(zhì)的含量及發(fā)生土壤侵蝕的風險，McElroy等[15]綜合考慮了各種因素，經(jīng)過驗證，為不同土地利用類型確定了不同的權(quán)重函數(shù)。本研究參考了這個標準，各土地利用方式的權(quán)重值分別為：水體為0，林地為0.005，草地為0.010，居民點0.030，果園為0.075，耕地為0.100。

3 模型運算

MUSLE模型適用性很強，可以在一般的商業(yè)GIS軟件上運行，如ArcVIEW或ArcGIS等。本研究使用ArcGIS 9.3對模型進行運算，使用的功能包括水文分析、重分類、數(shù)據(jù)格式轉(zhuǎn)換、柵格計算器等。計算流程如下：

計算過程所需數(shù)據(jù)包括土壤類型圖、DEM、水系圖和土地利用圖。所有因子圖均采用Albers等積圓錐投影，柵格大小為5 m×5 m。由于MUSLE方程推薦在較小地塊上進行運算，因此本研究符合這一要求，并能夠較為詳細地識別非點源污染關鍵區(qū)。

(1) 土壤因子圖。在研究區(qū)土壤類型矢量文件的屬性表中新建屬性列，命名為柵格值。將計算得到的K值按照類別輸入到這個屬性列中。然后運用ArcToolbox中的轉(zhuǎn)換功能，以柵格值屬性列為輸出域，將土壤類型矢量圖轉(zhuǎn)換為土壤K值柵格圖。

(2) 地形因子圖。在ArcGIS 9.3下使用空間分析模塊，對小流域DEM填洼，然后生成坡度圖，命名為Slope；填洼后進行水流方向和匯流累積量計算，將匯流累積量圖中所有河流及水體賦值為0，這樣可以避免產(chǎn)生不符合實際的高流水累積值，把處理過的流水累積圖命名為Accumulation。然后在柵格計算器中運行以下表達式，得到地形因子圖。

Pow([Accumulation]×5/22.1,0.6)×Pow(sin([slope]×0.01745)/0.09,1.3)×1.6

(3) 土地利用因子圖。對東北溝小流域土地利用矢量圖進行修改，同樣在屬性表中新建屬性列，命名為柵格值，按照上文確定的權(quán)重值分別輸入到柵格值屬性列中，并以其為輸出域，將土地利用矢量圖轉(zhuǎn)換為土地利用柵格圖。

(4) 河道因子圖。在ArcGIS 9.3中應用空間分析功能，以小流域DEM為源數(shù)據(jù)，以小流域矢量河道為目標，計算每個柵格距離水體的距離，命名為watercourse。然后在生成的柵格上利用以下表達式進行計算，使各柵格得到合理的權(quán)重值。

0.6/{exp[0.002×(watercourse)]-0.4}

4 結(jié)果與分析

運用以上方法得出各因子圖，如附圖1和圖1所示。使用ArcMap中的Raster Calculator對4個因子圖進行相乘合并，成圖的柵格大小為5 m×5 m，柵格值范圍為0～22.34，代表了污染風險的大小。根據(jù)標準差對成圖進行重分類，可將流域分為4個類型區(qū)：安全區(qū)、低風險區(qū)、中風險區(qū)和高風險區(qū)。其中低風險區(qū)、中風險區(qū)和高風險區(qū)即為非點源污染關鍵區(qū)。分級標準如表1所示。

圖1 地形因子和河道因子柵格圖

污染風險分區(qū)柵格值范圍安全區(qū)0～0.095(低于平均值)低風險區(qū)0.095～0.257(高于平均值0～1個標準差)中風險區(qū)0.257～0.419(高于平均值1～2個標準差)高風險區(qū)0.419～22.339(大于2個標準差)

在ArcMap中給出了各類柵格的統(tǒng)計信息，通過計算柵格數(shù)可以得出各分區(qū)的面積及各區(qū)所占比例。如表2所示。

表2 風險區(qū)統(tǒng)計

從表中可以看出，非點源污染關鍵區(qū)的面積占到流域總面積的4.2%；另經(jīng)計算，關鍵區(qū)中農(nóng)業(yè)用地占流域農(nóng)業(yè)用地總面積的37.3%，而關鍵區(qū)中非農(nóng)業(yè)用地僅占流域非農(nóng)業(yè)用地總面積的1.5%；關鍵區(qū)中農(nóng)業(yè)用地面積占到了66.1%，中高風險關鍵區(qū)中農(nóng)業(yè)用地面積占到了86.3%，高風險關鍵區(qū)中農(nóng)業(yè)用地面積所占比例則高達92.4%。這說明農(nóng)業(yè)非點源污染是小流域非點源污染的主要來源，且隨著風險等級的提高，農(nóng)業(yè)用地逐漸占據(jù)主導地位。

通過分析東北溝小流域非點源污染風險分級圖(附圖2)可以看出，污染關鍵區(qū)主要沿水域分布，中上游均有集中分布區(qū)，這是因為：(1) 流域內(nèi)地形東北、西北高，向西南逐漸降低，高海拔的污染關鍵區(qū)主要由陡坡農(nóng)業(yè)用地構(gòu)成，而低海拔區(qū)域雖然地形因子的影響相對較小，但受到其它因素的影響發(fā)生污染的可能性也很大。(2) 從土壤類型來看，黃綿土和粗骨土沿河流分布，發(fā)生土壤侵蝕的風險較高，因此這些區(qū)域也成為了非點源污染的關鍵區(qū)。(3) 從土地利用方式來看，流域內(nèi)農(nóng)業(yè)用地多分布在水域附近，且密集程度高，施用的農(nóng)藥化肥隨著水土流失的發(fā)生對水體造成污染，因此這些區(qū)域具有較高的非點源污染風險。

5 結(jié) 論

(1) 流域中非點源污染關鍵區(qū)面積為0.82 km2，占流域總面積的4.2%，且主要沿水域分布。(2) 流域中非點源污染的主要來源是農(nóng)業(yè)用地，且隨著風險等級的提高，農(nóng)業(yè)用地所占比例顯著增加。(3) 沿水域分布的黃綿土和粗骨土發(fā)生土壤侵蝕的風險較高，這對污染物的運移起到了非常積極的作用，因此這些區(qū)域也是非點源污染的關鍵區(qū)。

針對以上問題，應從源頭和過程兩個方面采取相應措施：(1) 鼓勵農(nóng)民科學合理配備化肥和農(nóng)藥施用量，推廣高效、低毒、低殘留農(nóng)藥。(2) 積極實施農(nóng)田水土保持工程，減少農(nóng)田水土流失，抑制污染物的運移過程。(3) 在非點源污染關鍵區(qū)與水體間建立植被緩沖區(qū)等措施，對污染物進行阻截、吸收和轉(zhuǎn)化。

[1] 張維理,吳淑霞,冀宏杰,等.中國農(nóng)業(yè)面源污染形勢估計及控制對策.Ⅰ:21世紀初期中國農(nóng)業(yè)面源污染的形勢估計[J].中國農(nóng)業(yè)科學,2004,37(7):1008-1017.

[2] Pimental D. World soil erosion and conservation[M]. Cambridge: Cambridge University Press,1993.

[3] 胥彥玲,王蘇艦,李懷恩.土地覆蓋變化對流域非點源污染的影響研究:以黑河流域為例[J].水土保持研究,2010,17(3):251-253.

[4] 周健.試論農(nóng)業(yè)非點源污染的危害[J].農(nóng)業(yè)環(huán)境保護,1990,9(1):22-25.

[5]Gburek W J, Sharpley A N. Hydrologic controls on phosphorus loss from upland agricultural watersheds[J]. Journal of Environmental Quality,1998,27(2):267-277.

[6] 張淑榮,陳利頂,傅伯杰,等.農(nóng)業(yè)區(qū)非點源污染潛在危險性評價:以于橋水庫流域磷流失為例[J].第四紀研究,2003,23(3):262-269.

[7] 楊菁薈,張萬昌.SWAT模型及其在水環(huán)境非點源污染中的應用研究進展[J].水土保持研究,2009,16(5):260-266.

[8] 周軍,張穎,高鳳杰,等.阿什河流域農(nóng)業(yè)非點源污染優(yōu)先控制區(qū)域識別[J].水土保持研究,2013,20(3):180-184.

[9] Maas R P, Smolen M D, Dressing S A. Selecting critical areas for nonpoint-source pollution control[J]. Journal of Soil and Water Conservation,1985,40(1):68-71.

[10] Schauble T. Erosionsprognosen mit GIS und EDV-Ein Vergleich verschiedener Bewertungskonzepte am Beispiel einer Gaulandschaft[D]. Geographisches Institut, Universitat Tubingen,Germany,1999.

[11] Sivertun A K E, Reinelt L E, Castensson R. A GIS method to aid in non-point source critical area analysis[J]. International Journal of Geographical Information System,1988,2(4):365-378.

[12] Williams J R, Renard K G, Dyke P T. EPIC: A new method for assessing erosion′s effect on soil productivity[J]. Journal of Soil and Water Conservation,1983,38(5):381-383.

[13] Mitasova H, Hofierka J, Zlocha M, et al. Modelling topographic potential for erosion and deposition using GIS[J]. International Journal of Geographical Information Systems,1996,10(5):629-641.

[14] Sivertun ?, Prange L. Non-point source critical area analysis in the Gissel? watershed using GIS[J]. Environmental Modelling & Software,2003,18(10):887-898.

[15] McElroy A D. Loading functions for assessment of water pollution from nonpoint sources[M]. US Environmental Protection Agency, Office of Research and Development,1976.

IdentificationofCriticalNon-pointSourcePollutionAreasinDongbeigouWatershedBasedonGISandMUSLE

LIU Nan1, XIE Yong-sheng1,2, SUO Gai-di1, JING Min-xiao1, CHEN Lei2

(1.NorthwestA&FUniversity,Yangling,Shaanxi712100,China; 2.InstituteofSoilandWaterConservation,ChineseAcademyofScienceandMinistryofWaterResources,Yangling,Shaanxi712100,China)

Based on DEM and the survey data of land use and soil of Dongbeigou watershed, this paper combined GIS and MUSLE model to identify the critical non-point source pollution areas, and then graded the areas. The results showed that: (1) in descending order, the critical areas were ranged as low risk area, high risk area and moderate risk area. The critical areas mainly distributed along the river; (2) among the critical areas, the agricultural land took 37.3 percent of total agricultural land in the watershed, the proportion of the agricultural land increased significantly as the risk level upgraded, the agricultural lands distributing along the river were the main sources of the pollution, which was in accord with actual situation. The result can provide the basis for further pollution control. Combined with GIS technology, MUSLE model can rapidly identify the critical non-point source pollution areas. This method is scientific and reasonable, and it is of strong adaptability.

non-point pollution; critical areas; GIS; MUSLE

2013-06-10

：2013-09-02

國家科技支撐計劃課題“農(nóng)田水土保持工程與耕作關鍵技術研究”(2011BAD31B01);水利部公益性行業(yè)科研專項“工程開挖面與堆積體水土流失測算技術研究”(201201048);“風力作用下擾動地表侵蝕預報關鍵技術研究”(201201047)

劉楠(1989—),男,河北石家莊人,碩士研究生,主要從事GIS在環(huán)境監(jiān)測與評價中的應用。E-mail:freestyleconan@nwsuaf.edu.cn

謝永生(1960—),男,河南開封人,研究員,主要從事環(huán)境評價、水土保持及土地資源等方面研究。Email:ysxie@ms.iswc.ac.cn

X171.5;TP79

：A

：1005-3409(2014)02-0123-04