基于關(guān)鍵污染源區(qū)識別的鄉(xiāng)村低影響開發(fā)措施選址方法研究*
——以成都市溫江區(qū)壽安鎮(zhèn)為例

林子琦楊青娟

(西南交通大學(xué)建筑學(xué)院,四川 成都 611756)

近年來我國鄉(xiāng)村面源污染問題日益突出,逐漸成為鄉(xiāng)村水環(huán)境整治的瓶頸。盡管水環(huán)境治理技術(shù)和方法不斷改進,但其惡化的態(tài)勢并未得到有效遏制[1]。隨著低影響開發(fā)(LID)體系被越來越多地區(qū)接受并應(yīng)用[2],我國部分學(xué)者開始陸續(xù)將LID應(yīng)用于鄉(xiāng)村地區(qū)面源污染治理中,但目前尚未形成成熟的理論與技術(shù)應(yīng)用體系,特別是關(guān)于定量系統(tǒng)地針對LID措施在鄉(xiāng)村地區(qū)的選址研究有待拓展。將LID應(yīng)用于鄉(xiāng)村地區(qū)并開展深入研究,對控制鄉(xiāng)村面源污染、改善鄉(xiāng)村水環(huán)境具有重要意義。

隨著LID相關(guān)研究的不斷發(fā)展,當(dāng)前國內(nèi)外對于LID技術(shù)的研究熱點整體可歸納為兩大主要研究方向[3]：(1)LID設(shè)施效益量化實驗研究,主要集中在雨水利用、污染削減、模型模擬3個主要方面;(2)LID設(shè)施效益實踐指導(dǎo)研究,主要集中在園區(qū)空間設(shè)計、綠色屋頂應(yīng)用、設(shè)施應(yīng)用方案比選3個方向。此外,還包括相關(guān)技術(shù)研發(fā)、綜述啟示、評價分析等其他方向研究。隨著相關(guān)研究不斷深入,LID措施的空間選址布局及優(yōu)化配置問題越來越受到重視,已成為當(dāng)下LID技術(shù)研究熱點[4]。當(dāng)前關(guān)于LID措施布局優(yōu)化方面的研究多集中于城市地區(qū),且隨著計算機技術(shù)的快速發(fā)展,呈現(xiàn)出了以SWMM[5]、SUSTAIN[6-7]、InfoWorks ICM、MIKE等水文仿真模型與分散搜索算法、遺傳算法等智能優(yōu)化算法相結(jié)合的構(gòu)建多目標(biāo)優(yōu)化設(shè)計模型[8-11]的趨勢,初步形成了較為科學(xué)系統(tǒng)且兼顧措施成本與效益的城市區(qū)域LID措施選址方法,并積極地將其應(yīng)用到實際案例中[12-14]。而在鄉(xiāng)村地區(qū),目前仍大多依靠定性探討的方式[15-17]，通過概念性總結(jié)、專家評議和實地調(diào)研等傳統(tǒng)方法進行 LID 措施的選址布局。由于我國城市與鄉(xiāng)村在土地利用、規(guī)劃布局、生產(chǎn)集約化程度和污染控制方式等方面具有顯著差異,城市區(qū)域的LID選址方法難以在鄉(xiāng)村應(yīng)用,而鄉(xiāng)村地區(qū)的LID選址方法則多為定性探討,缺乏定量、科學(xué)、系統(tǒng)的方法工具作為支撐。在與之相關(guān)的流域面源污染治理研究中,主要關(guān)注于農(nóng)業(yè)面源污染,多采用輸出系數(shù)法、磷指數(shù)法以及SWAT、AGNPS等[18-20]水文仿真模型等方法通過計算模擬出流域污染物負(fù)荷分布,進而識別出關(guān)鍵污染源區(qū),將其作為治理措施的選址區(qū)域;亦或是通過多因子綜合評價的方式,運用最小累計阻力模型(MCR)[21-23]等構(gòu)建面源污染風(fēng)險指標(biāo)評價體系進行評價,從而得到相應(yīng)的治理措施選址區(qū)域。但通過上述方法所識別出的措施選址區(qū)域結(jié)果尺度過大,更適用于傳統(tǒng)的最佳管理措施(BMPs)中的工程措施,對于由BMPs演化而來的具有分散式、小規(guī)模、源頭控制特征的LID措施來說并不適用。因此對于我國當(dāng)前生態(tài)環(huán)境特別是水環(huán)境污染嚴(yán)峻的鄉(xiāng)村地區(qū),如何對LID措施進行科學(xué)系統(tǒng)地選址并使選址結(jié)果更符合LID措施特點,該方面的研究還有待進一步深入探尋。

基于此,本研究以鄉(xiāng)村面源污染防治為目的,將LID理念引入鄉(xiāng)村面源污染治理中,從風(fēng)景園林、環(huán)境工程、水文學(xué)等多學(xué)科視角出發(fā),結(jié)合我國成都平原地區(qū)鄉(xiāng)村流域特點,以壽安鎮(zhèn)為例,運用ArcGIS、SWAT等軟件工具,通過量化手段構(gòu)建了一種從面源污染風(fēng)險性與水文敏感性結(jié)合出發(fā)判定關(guān)鍵污染源區(qū)的LID措施選址方法。通過優(yōu)先考慮在選址區(qū)域進行LID設(shè)計改造,可以提高LID措施的實施效率,實現(xiàn)在有限的土地資源占用下獲得較高的面源污染去除效益,進而更好地實現(xiàn)面源污染控制和鄉(xiāng)村水環(huán)境水質(zhì)提升。當(dāng)前,我國正大力開展鄉(xiāng)村振興工作,其中鄉(xiāng)村水環(huán)境的整治是鄉(xiāng)村振興生態(tài)建設(shè)中的重要一環(huán)。研究結(jié)果有利于指導(dǎo)研究區(qū)壽安鎮(zhèn)后續(xù)LID設(shè)計以及其他類似成都平原鄉(xiāng)村地區(qū)的未來面源污染防治及生態(tài)發(fā)展。同時研究豐富了LID措施在我國鄉(xiāng)村地區(qū)選址方面的量化研究。

1 研究區(qū)概況

研究區(qū)壽安鎮(zhèn)隸屬四川省成都市,位于四川都江堰精華灌區(qū)、成都飲用水核心保護區(qū)內(nèi),同時其具有明顯的川西林盤布局特征,屬于典型的四川成都平原鄉(xiāng)村地區(qū)。以壽安鎮(zhèn)行政區(qū)域作為研究范圍,面積約48.16 km2。區(qū)域內(nèi)地勢平坦,土壤類型較單一,有以金馬河、江安河、楊柳河為主的分布廣泛的都江堰灌溉渠系,水系發(fā)達。耕地面積約占全鎮(zhèn)總面積的48%,當(dāng)前以花卉苗木種植產(chǎn)業(yè)為主導(dǎo)產(chǎn)業(yè),花木面積占耕地面積的79%,由花木種植所造成的農(nóng)業(yè)面源污染對境內(nèi)水環(huán)境的威脅不容忽視。

2 研究方法

2.1 基于關(guān)鍵污染源區(qū)識別的LID措施選址方法構(gòu)建

面源污染的發(fā)生受土壤、地形、氣候、水文、土地利用和管理方式等眾多因素的影響,因此流域內(nèi)不同景觀單元單位面積的污染負(fù)荷差異十分顯著[24]。少數(shù)景觀單元輸出的污染物往往占了整個流域污染負(fù)荷的大部分[25],對受納水體的質(zhì)量有著決定性的影響,因而成為面源污染物的關(guān)鍵污染源區(qū)[26]。本研究通過量化的方式構(gòu)建一種將面源污染風(fēng)險性與水文敏感性相結(jié)合,進而判定關(guān)鍵污染源區(qū)的鄉(xiāng)村地區(qū)LID措施選址方法,如圖1所示。

方法主要分為兩步,第一步識別出研究區(qū)的面源污染高污染區(qū)域和水文敏感區(qū)域。具體包括：(1)通過SWAT模型來實現(xiàn)對研究區(qū)流域的面源污染模擬,模擬出研究區(qū)所在流域內(nèi)不同子流域的污染物負(fù)荷分布情況,進而識別出研究區(qū)內(nèi)產(chǎn)生面源污染負(fù)荷量高的子流域匯水區(qū),即為研究區(qū)內(nèi)的面源污染高污染區(qū)域;(2)選取土壤地形指數(shù)作為水文敏感性分析的重要指標(biāo),利用ArcGIS平臺相關(guān)工具計算研究區(qū)域的土壤地形指數(shù)進而劃定出相應(yīng)的水文敏感區(qū),即研究區(qū)內(nèi)易產(chǎn)生徑流的區(qū)域,這些區(qū)域也意味著更多污染累積的可能。第二步利用ArcGIS平臺相關(guān)工具將識別出的研究區(qū)面源污染高污染區(qū)域和水文敏感區(qū)域兩類區(qū)域進行疊加,得到的區(qū)域即為研究區(qū)內(nèi)的關(guān)鍵污染源區(qū)。此類區(qū)域既是研究區(qū)內(nèi)產(chǎn)污量高的區(qū)域,又是極易產(chǎn)生徑流的區(qū)域,因此將其作為LID措施的優(yōu)先選址區(qū)域。該方法優(yōu)點為在傳統(tǒng)水文仿真模擬區(qū)域面源污染負(fù)荷分布進而劃定污染源區(qū)的基礎(chǔ)上,通過疊加水文敏感區(qū),進一步細(xì)化縮小了污染源區(qū),使選址識別結(jié)果更符合LID措施分散式、小規(guī)模、源頭控制的特點。

2.2 SWAT模型模擬及率定

2.2.1 研究區(qū)污染源及主要目標(biāo)污染物確定

經(jīng)查閱資料、走訪及實地調(diào)研得出壽安鎮(zhèn)面源污染來源主要可歸結(jié)為土壤養(yǎng)分流失和農(nóng)作物及花木種植污染排放兩方面。農(nóng)作物及花木種植污染排放在SWAT模型中農(nóng)業(yè)行為模塊下,通過定義研究區(qū)內(nèi)農(nóng)業(yè)行為并以化肥農(nóng)藥的形式輸入模型,污染負(fù)荷排放量計算在模型中具體涉及作物種類、化肥種類、施肥次數(shù)、施肥量等指標(biāo)。為了解研究區(qū)流域農(nóng)作物及花木的施肥情況,進行了多次實地田野調(diào)查,最終得到研究區(qū)流域施用化肥的類型、次數(shù)、施用量等相關(guān)數(shù)據(jù)(見表1)。土壤養(yǎng)分流失方面則因SWAT模型的模擬機制,只需要考慮到污染物的產(chǎn)生階段,對其流失與入河階段模型會自動模擬,故不需要單獨設(shè)置?？紤]到模擬時長以及污染物數(shù)據(jù)獲取難度等原因,氮、磷兩種營養(yǎng)物質(zhì)同時模擬率定的難度較高。對比研究區(qū)內(nèi)氮、磷二者的相對污染程度,確定以總磷作為SWAT模擬的主要目標(biāo)污染物。

2.2.2 模型數(shù)據(jù)庫構(gòu)建及子流域劃分

SWAT模型數(shù)據(jù)庫包括屬性數(shù)據(jù)庫和空間數(shù)據(jù)庫。屬性數(shù)據(jù)庫包括土地利用屬性數(shù)據(jù)庫、土壤屬性數(shù)據(jù)庫和氣象數(shù)據(jù)庫;空間數(shù)據(jù)庫主要包括數(shù)字高程圖(DEM)、土地利用圖、土壤類型圖和行政區(qū)劃圖等。相關(guān)數(shù)據(jù)資料來源見表2、表3。為了能更好地對整個流域進行模擬分析,需要在一定空間上對整個流域進行一個屬性的重新離散化,即基于DEM數(shù)據(jù)和流域水系劃分子流域,為每一個子流域創(chuàng)建一類或者多類土地利用方式、土壤類型、坡度組合。采用該模型所推薦的子流域劃分閥值500 hm2,將研究區(qū)內(nèi)的流域劃分為55個子流域。

表1 研究區(qū)化肥施用統(tǒng)計Table 1 Fertilizer use statistics in the study area

圖1 LID措施場地選址方法整體框架Fig.1 Overall framework of site selection method for LID measures

表2 SWAT模型構(gòu)建關(guān)鍵數(shù)據(jù)來源及信息Table 2 Key data sources and information for SWAT model construction

表3 氣象站點具體信息Table 3 Specific information of meteorological stations

表4 模型率定及驗證情況Table 4 Model calibration and validation

2.2.3 SWAT模型率定與驗證

SWAT 模型需要利用大量監(jiān)測數(shù)據(jù)對相關(guān)參數(shù)進行調(diào)整,從而實現(xiàn)對模型的校準(zhǔn)和驗證。本次率定采用日尺度時間步長,將2017—2019年定為模型預(yù)熱期,2020年作為模型率定期和驗證期,徑流流量和水質(zhì)指標(biāo)總磷分開率定。徑流觀測數(shù)據(jù)選用江安河溫江站2020年9月15日至11月14日日均徑流實測數(shù)據(jù)。水質(zhì)率定選取總磷作為指標(biāo),觀測數(shù)據(jù)選用江安河溫江站2020年9月15日至11月14日日均實測數(shù)據(jù)。同時由于率定河流江安河為都江堰灌區(qū)的主要干渠之一,屬于典型人工河流,易受上游源頭走江閘開閘放水等人工作業(yè)的影響。故在模型中輸入走江閘2020年徑流、營養(yǎng)物質(zhì)等水文觀測數(shù)據(jù),以使模型模擬更接近于流域真實情況。走江閘觀測數(shù)據(jù)選用江安河進口站2020年日均徑流實測數(shù)據(jù)以及2020年9月15日至11月14日日均總磷實測數(shù)據(jù)。

研究引入SWAT-CUP輔助模型,使用SUFI-2算法對所構(gòu)建的SWAT模型進行率定。結(jié)果顯示,率定期和驗證期徑流和水質(zhì)的決定系數(shù)(R2)均大于0.6,效率系數(shù)(NSE)均大于0.5,相對誤差(PBIAS)絕對值均小于等于15,故認(rèn)為模擬效果較好,模擬結(jié)果可用于后續(xù)研究。率定結(jié)果見表4、模型具體參數(shù)取值見表5。

表5 模型敏感性參數(shù)取值Table 5 Model sensitivity parameter values

2.3 土壤地形指數(shù)的修正及計算

地形指數(shù)是TOPMODEL水文模型的重要參數(shù),它能表征流域中任意一點的徑流累積趨勢和產(chǎn)生污染運動趨勢的潛力。由于地形指數(shù)僅考慮地形對徑流形成的影響,且假定土壤性狀是均勻的[27]?？紤]到土壤的空間差異性,為了能夠更準(zhǔn)確地反映徑流形成過程,WALTER等[28]基于地形指數(shù),綜合考慮地形以及土壤特征,對該參數(shù)進行了改進,即為后來經(jīng)過改善和發(fā)展成為的土壤地形指數(shù),其計算公式為：

STI=ln(α/tanβ)-ln(KsD)

(1)

式中：STI為土壤地形指數(shù);α為通過單位等高線長度進入柵格單元的匯水面積,m2;tanβ為柵格單元坡度;Ks為土壤飽和導(dǎo)水率,mm/h;D為不透水層以上土壤厚度,mm。

本研究所用壽安鎮(zhèn)土壤參數(shù)來自世界土壤數(shù)據(jù)庫(Harmonized World Soil Database Version 1.2 ),壽安鎮(zhèn)相應(yīng)土壤參數(shù)信息見表6。利用SPAW Hydrology 6.02.75土壤計算軟件,計算得出壽安鎮(zhèn)的土壤導(dǎo)水系數(shù)(ln(KsD)為9.944 15。α、tanβ的提取及計算則均在ArcGIS中完成?；谑?1),利用ArcGIS 10.6軟件地圖代數(shù)工具包的柵格計算器工具對研究區(qū)壽安鎮(zhèn)的土壤地形指數(shù)進行計算。

表6 壽安鎮(zhèn)土壤參數(shù)Table 6 Soil parameters in Shouan Town

3 結(jié)果分析

3.1 基于SWAT模擬的研究區(qū)面源污染高污染區(qū)識別結(jié)果及分析

高污染區(qū)域是根據(jù)SWAT模型計算的總磷等污染指標(biāo)的結(jié)果使用單位面積污染負(fù)荷來進行識別的[29]?；赟WAT模型模擬結(jié)果,選用子流域(Sub)為SWAT模型輸出單位,選取模型率定期2020年結(jié)果輸出文件(SWAT Output)中子流域文件的有機磷(ORGP)、礦物質(zhì)磷(SEDP)、可溶磷(SOLP)參數(shù)值總和作為總磷的單位面積污染負(fù)荷。從中提取出研究區(qū)壽安鎮(zhèn)的總磷單位面積污染負(fù)荷,將其作為面源污染程度的評價因子,利用自然裂點分級法對其進行劃分,根據(jù)分級標(biāo)準(zhǔn)的排序?qū)⑽廴矩?fù)荷強度較高和高的子流域確定為研究區(qū)面源污染的高污染區(qū),結(jié)果見圖2、圖3。劃分類別與賦值標(biāo)準(zhǔn)見表7。

表7 2020年壽安鎮(zhèn)內(nèi)子流域面源污染劃分類別與賦值標(biāo)準(zhǔn)Table 7 Classification and assignment standard of non-point source pollution levels in sub-basin of Shouan Town in 2020

壽安鎮(zhèn)所屬流域總磷單位面積污染負(fù)荷在0.144～2.100 kg/hm2,壽安鎮(zhèn)總磷單位面積污染負(fù)荷在0.301～2.100 kg/hm2。由于選取壽安鎮(zhèn)行政區(qū)域作為研究范圍,而SWAT模型模擬結(jié)果輸出單位是以壽安鎮(zhèn)所在流域地形為主導(dǎo)形成的天然子流域匯水區(qū),故提取出的壽安鎮(zhèn)內(nèi)子流域會呈現(xiàn)出一定的零散、分割狀態(tài),這是由于流域?qū)儆诳缧姓吔绲奶烊涣饔?提取出的壽安鎮(zhèn)內(nèi)子流域為其實際子流域中的一部分。壽安鎮(zhèn)內(nèi)面源污染較高的子流域匯水區(qū)主要分布在研究區(qū)上游。1、5子流域總磷單位面積污染負(fù)荷最高,分別為2.014、2.100 kg/hm2,7、13子流域總磷單位面積污染負(fù)荷較高,分別為0.994、1.439 kg/hm2。經(jīng)統(tǒng)計4個總磷單位面積污染負(fù)荷較高的1、5、7、13子流域面積共為1 163.3 hm2,占壽安鎮(zhèn)總面積的23.41%,而產(chǎn)出的污染負(fù)荷卻占壽安鎮(zhèn)總量的52%。根據(jù)分級標(biāo)準(zhǔn)的排序?qū)⒖偭讍挝幻娣e污染負(fù)荷較高和高的1、5、7、13子流域確定為研究區(qū)面源污染的高污染區(qū)。結(jié)合4個子流域匯水區(qū)內(nèi)的土地利用現(xiàn)狀以及實際調(diào)研發(fā)現(xiàn),該區(qū)域內(nèi)用地主要為耕地,花木產(chǎn)業(yè)發(fā)達,在種植過程中過量的化肥施用易引起磷養(yǎng)分流失造成面源污染。同時,1子流域匯水區(qū)與5子流域匯水區(qū)分別位于江安河、金馬河一側(cè),河流沿岸存在一定規(guī)模的采沙場等工礦倉儲用地以及耕地等生產(chǎn)空間,同時河道兩側(cè)沿岸的植被緩沖帶等防護措施缺乏有條理的規(guī)劃設(shè)計,造成生產(chǎn)空間產(chǎn)生的面源污染極易流入金馬河中造成水體污染。

3.2 基于土壤地形指數(shù)的研究區(qū)水文敏感區(qū)識別結(jié)果及分析

對研究區(qū)土壤地形指數(shù)計算結(jié)果進行統(tǒng)計分析可知,研究區(qū)土壤地形指數(shù)整體呈正態(tài)分布趨勢,見圖4。通常在區(qū)域內(nèi),一個具有較大土壤地貌指數(shù)值的單元將首先走向飽和,這意味著在區(qū)域內(nèi)產(chǎn)生較大的地表徑流。故在研究當(dāng)中,將具有較高土壤地形指數(shù)值的單元集定義為水文敏感區(qū)。研究參考了切爾西等人劃定水文敏感區(qū)的土壤地形指數(shù)取值方法[30],將研究區(qū)內(nèi)大于平均值1.5個標(biāo)準(zhǔn)差的土壤地形指數(shù)柵格單元作為水文敏感區(qū)[31],結(jié)果如圖5所示。其面積約占總面積的6%,詳細(xì)信息見表8。由圖5可知,壽安鎮(zhèn)水文敏感區(qū)整體分布較為分散,未呈現(xiàn)出明顯的聚集特征。由于這些水文敏感區(qū)代表著研究區(qū)壽安鎮(zhèn)內(nèi)最易于產(chǎn)生徑流、帶來污染的區(qū)域,因此這些水文敏感區(qū)域相較于水文低敏感區(qū)尤其需要進行LID建設(shè)。

圖2 各子流域面源污染級別劃分Fig.2 Classification of non-point source pollution levels in each sub-basin

圖3 以子流域為單位的面源污染高污染區(qū)Fig.3 High-pollution areas of non-point source pollution in sub-basins

圖4 研究區(qū)土壤地形指數(shù)信息統(tǒng)計Fig.4 Statistics of soil topographic index in the study area

圖5 水文敏感性分析評價Fig.5 Analysis and evaluation of hydrological sensitivity

3.3 基于關(guān)鍵污染源區(qū)識別的研究區(qū)LID措施選址區(qū)域識別結(jié)果及分析

利用ArcGIS平臺,將研究區(qū)壽安鎮(zhèn)的水文敏感區(qū)與產(chǎn)生面源污染負(fù)荷高的子流域匯水區(qū)(高污染區(qū))疊加進而得到研究區(qū)壽安鎮(zhèn)的面源關(guān)鍵污染源區(qū),這既是研究區(qū)內(nèi)極易產(chǎn)生徑流的區(qū)域,又是研究區(qū)內(nèi)產(chǎn)污量高的區(qū)域,將其定義為研究區(qū)內(nèi)的LID措施優(yōu)先選址區(qū)域。它們主要位于研究區(qū)壽安鎮(zhèn)的上游,如圖6所示,整體呈零散狀態(tài)分布,這是由研究區(qū)的水文敏感區(qū)分布特點所致。經(jīng)統(tǒng)計研究區(qū)內(nèi)的LID措施優(yōu)先選址區(qū)域總面積約為75 hm2,約占研究區(qū)高污染匯水區(qū)面積的6%。澳大利亞昆士蘭東南部地區(qū)水敏城市設(shè)計指南[32]指出,LID措施的地表徑流水質(zhì)提升效果并非線性增長,措施所占匯水面積的比例會影響其污染物處理效率,各類措施占比的適宜范圍見表9,若超出該范圍則相應(yīng)的措施污染物削減率幾乎不再提升。為驗證所識別出的選址區(qū)域?qū)ID措施的適用性,研究利用壽安鎮(zhèn)高分辨率衛(wèi)星影像結(jié)合實地走訪調(diào)研,對所識別出的LID選址區(qū)域內(nèi)三生空間進行識別劃分,詳細(xì)見表10，局部衛(wèi)星圖疊加選址結(jié)果及相應(yīng)實地調(diào)研照片見圖7。結(jié)合三生空間識別結(jié)果，壽安鎮(zhèn)選址區(qū)域內(nèi)具有較大LID改造設(shè)計潛力的生態(tài)空間和耕地生產(chǎn)空間共計約63.7 hm2，約占匯水區(qū)總面積的5.46%，該比例接近于文獻[32]所提出的措施占比適宜范圍。

表8 研究區(qū)水文敏感性統(tǒng)計分類Table 8 Statistical classification of hydrological sensitivity in the study area

表9 不同LID措施占匯水區(qū)面積比例的適宜范圍1)Table 9 The appropriate range of the proportion of different LID measures in the catchment area

表10 壽安鎮(zhèn)LID措施選址區(qū)域三生空間統(tǒng)計表Table 10 Statistical table of production-living-health space of LID measures site selection area in Shouan Town

圖6 研究區(qū)LID措施優(yōu)先選址區(qū)域Fig.6 Preferred location of LID measures in the research area

4 結(jié) 論

(1) 運用ArcGIS、SWAT等軟件工具,構(gòu)建了一種從面源污染風(fēng)險性與水文敏感性結(jié)合出發(fā)判定關(guān)鍵污染源區(qū)的LID措施選址方法,為我國鄉(xiāng)村地區(qū)的LID措施選址建設(shè)提供了一種科學(xué)系統(tǒng)的定量方法。

(2) 以成都溫江區(qū)壽安鎮(zhèn)為案例對所提方法進行驗證,結(jié)果表明通過該方法識別的壽安鎮(zhèn)內(nèi)LID措施選址區(qū)域整體呈零散狀態(tài)分布,總面積約為75 hm2,約占壽安鎮(zhèn)高污染匯水區(qū)面積的6%。選址結(jié)果尺度、面積占比適宜,且內(nèi)部涵蓋多種用地類型,對于具有分散式、小規(guī)模、源頭控制特征的LID措施較為適用。

圖7 局部衛(wèi)星圖疊加選址結(jié)果及相應(yīng)實地調(diào)研照片F(xiàn)ig.7 Local satellite images overlaying site selection results and survey photos

(3) 所提方法有利于指導(dǎo)我國類似成都平原鄉(xiāng)村地區(qū)的LID設(shè)計以及面源污染防治。值得注意的是,該方法使用的關(guān)鍵步驟在于SWAT模型模擬以及土壤地形指數(shù)的計算,在實際應(yīng)用時需要一定的數(shù)據(jù)支撐,不同精度的數(shù)據(jù)及模型參數(shù)均會對最終選址結(jié)果產(chǎn)生影響。