洙趙新河流域農(nóng)業(yè)面源污染特征的模擬研究

崔瀅 孫慧中 徐立榮

文章編號：1671-3559（2024）01-0078-09DOI：10.13349/j.cnki.jdxbn.20231107.001

摘要：針對農(nóng)業(yè)面源污染特征無法直觀監(jiān)測問題， 以山東省菏澤市洙趙新河流域為研究區(qū)域， 構(gòu)建SWAT模型對研究區(qū)徑流量及總氮、總磷負荷量進行模擬研究， 分析農(nóng)業(yè)面源污染的時空分布特征， 識別農(nóng)業(yè)面源污染關(guān)鍵源區(qū)及農(nóng)業(yè)面源污染類型。 結(jié)果表明：率定和驗證期的徑流、總氮、總磷的決定系數(shù)和納什系數(shù)均能滿足SWAT模型精度要求；研究區(qū)農(nóng)業(yè)面源污染負荷年際變化較小， 農(nóng)業(yè)面源污染主要集中發(fā)生在豐水期， 即7—10月份， 污染物負荷量在枯水期與平水期呈現(xiàn)明顯的減小趨勢；流域中下游的污染物負荷量比上游的大， 農(nóng)業(yè)面源污染的關(guān)鍵源區(qū)集中在流域中下游及流域南部；畜禽養(yǎng)殖為主要面源污染來源， 污染物入河量占全部入河污染物總量的85.16%。

關(guān)鍵詞：農(nóng)業(yè)面源污染； SWAT模型；徑流；總氮；總磷；洙趙新河流域

中圖分類號：X522

文獻標志碼：A

開放科學識別碼（OSID碼）：

Simulation on Characteristics of Agricultural

Non-point Source Pollution in the Zhuzhaoxin River Basin

CUI Ying， SUN Huizhong， XU Lirong

（School of Water Concervancy and Environment， University of Jinan， Jinan 250022， Shandong， China）

Abstract： Aiming at the problem that the characteristics of agricultural non-point source pollution can not be directly monitored， taking the Zhuzhaoxin River Basin in Heze city， Shandong province as the research area， SWAT model was constructed to simulate the runoff， total nitrogen and total phosphorus load in the study area， the spatial-temporal distribution characteristics of agricultural non-point source pollution were analyzed， and the key source areas and types of agricultural non-point source pollution were identified. The results show that the determination coefficients and Nash coefficients of runoff， total nitrogen and total phosphorus in the calibration and verification periods can meet the accuracy requirements of SWAT model. The agricultural non-point source pollution load in the study area has little inter-annual change， and the agricultural non-point source pollution mainly occurs in the wet season， that is， from July to October. The pollutant load shows an obvious decreasing trend in the dry season and the normal season. The pollutant load in the middle and lower reaches of the basin is larger than that in the upper reach. The key source areas of agricultural non-point source pollution are concentrated in the middle and lower reaches of the basin and the southern part of the basin. Livestock and poultry farming is the main non-point source of pollution， and the amount of pollutants into the river accounts for 85.16% of the total amount of pollutants.

Keywords： agricultural non-point source pollution; SWAT model; runoff; total nitrogen; total phosphorus; the Zhuzhaoxin River Basin

收稿日期：2022-09-12????????? 網(wǎng)絡(luò)首發(fā)時間：2023-11-08T12：37：07

基金項目：山東省自然科學基金項目（ZR2021ME145）；菏澤市生態(tài)環(huán)境局委托項目（SDGP371700202002000099）

第一作者簡介：崔瀅（1997—），女，遼寧莊河人。碩士研究生，研究方向為水文學及水資源。E-mail：357200236@qq.com。

通信作者簡介：徐立榮（1976—），女，河北滄州人。教授，博士，研究方向為水文學及水資源。E-mail：stu_xulr@ujn.edu.cn。

網(wǎng)絡(luò)首發(fā)地址：https：//link.cnki.net/urlid/37.1378.N.20231107.1429.002

農(nóng)業(yè)面源污染是指農(nóng)業(yè)生產(chǎn)、經(jīng)營過程中產(chǎn)生的各種污染物在降水和徑流的沖刷作用下進入水體中并造成污染的過程［1］。從2012年開始，我國的農(nóng)業(yè)和農(nóng)村已經(jīng)超越工業(yè)和城市地區(qū)成為水污染的最主要來源。根據(jù)《第二次全國污染源普查公報》，2017年全國農(nóng)業(yè)水污染物化學需氧量（COD）、總氮（TN）、總磷（TP）排放量分別為1.07×107、1.42×106、2.12×105 t，分別占全國水污染物排放量的49.8%、46.52%、67.21%［2］。面源污染具有隨機性、潛伏性、廣泛性［3］，治理難度較大且不易處理，因此水污染防治的重點應(yīng)該落在面源污染的防控上。

近年來，我國農(nóng)業(yè)面源污染特征的研究主要包括氮、磷元素在土壤中的轉(zhuǎn)化機理、不同條件下流失特征實驗，農(nóng)業(yè)面源污染負荷的量化研究以及管理政策和技術(shù)措施的研究［4］。由于農(nóng)業(yè)面源污染的形成與變化過程很難直觀地監(jiān)測到，因此國外農(nóng)業(yè)面源污染特征方面的研究重點在于建立模型［5］，模擬污染物的形成、產(chǎn)生過程及其空間分布規(guī)律，并有針對性地對多種情景進行模擬預(yù)測［6］。從20世紀90年代開始，應(yīng)用較多的模型主要是遙感（RS）、地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）等。隨著科技的發(fā)展，越來越多功能強大的軟件應(yīng)用于研究面源污染，如流域水環(huán)境模擬工具BASINS、Anlold、分布式流域水文模型SWAT和AnnAGNPS 98等［7］。我國農(nóng)業(yè)面源污染的研究起步相對較晚，20世紀90年代以來，我國學者對面源污染的機制進行了更為深入的探索。薛金鳳等［8］基于化學理論和流體力學建立了顆粒態(tài)氮-磷模型；郝芳華等［9］對小流域提出了新的模型計算方法；賴斯蕓等［10］利用單元調(diào)查法，基于單元分析和定量研究，從4個方面測算了2001年中國農(nóng)業(yè)面源污染量，并證明了單元調(diào)查法對定量分析面源污染的可行性，為我國農(nóng)業(yè)面源污染的量化估算和污染調(diào)查評估體系奠定了基礎(chǔ)；田樂［11］將我國的實際情況與模型結(jié)合，為農(nóng)業(yè)面源污染的研究與治理開拓了新思路。

SWAT模型是美國農(nóng)業(yè)部開發(fā)的模擬面源污染負荷的計算模型，屬于物理分布式模型［12］，主要功能包括估算面源污染負荷、不同管理措施下的水質(zhì)變化評價、耦合集成模型等［13-14］。SWAT模型的最大優(yōu)點是既能對流域多尺度的徑流、泥沙和營養(yǎng)物的負荷進行模擬，還能對不同時間和氣候條件下面源污染負荷情況的進行分析［15］，因此成為探究流域面源污染形成與分布的優(yōu)質(zhì)評估工具，得到了國內(nèi)外學者的高度認可［16-20］。

目前， 山東省水污染形勢嚴峻， 已經(jīng)造成了相應(yīng)的水環(huán)境功能負擔。 位于山東省南部的南四湖為淮河流域第二大淡水湖， 是南水北調(diào)東線工程最重要的蓄水胡泊。 洙趙新河是南四湖最具代表性的入湖河流， 其水質(zhì)好壞對南四湖水質(zhì)及南水北調(diào)東線調(diào)水水質(zhì)有直接影響。 本文中基于SWAT模型對洙趙新河流域進行農(nóng)業(yè)面源污染特征的研究， 在為決策部門治理水環(huán)境污染問題提供科學依據(jù)的同時， 也為平原區(qū)農(nóng)業(yè)面源污染的模擬研究提供參考。

1? 研究區(qū)概況

洙趙新河流域位于山東省菏澤市北部，干流起點位于東明縣北部菜園集鄉(xiāng)的宋寨村，終點位于濟寧市西南侯樓村。流域西鄰黃河，向東流入南四湖水系，南臨東魚河與萬福河，北接梁濟運河，干流全長145 km，流域面積為5 553.62 km2，如圖1所示。該流域?qū)儆邳S泛沖積平原，土層深厚，土壤為潮土土類，質(zhì)地以沙質(zhì)土為主，易于沖刷，屬華北平原新沉降盆地的一部分；地貌以平原為主，包含少量低山殘丘地貌和極少積水洼地地貌；地形自西南向東北呈簸萁形逐漸降低，西部高程約68.5 m，東部高程約為37 m，地面坡度為1/5 000～1/10 000，平均坡度1/8 000，地勢較平坦。流域?qū)儆诒睖貛Т箨懶园霛駶櫦撅L氣候區(qū)［21］，夏熱冬冷，四季分明，多年平均氣溫為13.7 ℃，作物一年兩熟為主，多年平均降水量為662.7 mm。

菏澤市是山東省的糧食主產(chǎn)區(qū)［22］， 農(nóng)業(yè)人口比例較大， 水資源總量短缺， 屬于極度缺水地區(qū)。 農(nóng)村污水一般呈粗放型排放， 大多直接排入明溝暗渠或直接灑在地面上， 缺少集中污水處理措施及裝置， 部分河段污染嚴重［23-24］。 由《菏澤市統(tǒng)計年鑒》可知， 洙趙新河流域多年平均肥料施用量數(shù)據(jù)為氮肥1.58×105 t、磷肥5.85×104 t、鉀肥2.91×105 t、復合肥1.17×105 t。 每年3、7、10月份為主要化肥施用時間， 肥料以尿素、二銨和復合肥為主。 近年來， 地方政府推進農(nóng)村生活污水及垃圾的集中處理， 使當?shù)氐奈廴厩闆r略有改善， 主要措施包括：1）在河流兩側(cè)重點敏感區(qū)域建設(shè)污水處理設(shè)施；2）大力推廣有機肥代替化肥技術(shù)，推廣施用生物農(nóng)藥和高效、低毒、低殘留農(nóng)藥，減少農(nóng)藥施用量；3）劃定畜禽養(yǎng)殖區(qū)域，在畜禽散養(yǎng)密集區(qū)建設(shè)畜禽糞便、污水綜合利用或者無害化處理設(shè)施，對畜禽養(yǎng)殖產(chǎn)生的糞便、污水進行集中處理利用。

2? 研究方法

2.1? 數(shù)據(jù)庫建立

本文中將地理信息系統(tǒng)ArcGIS作為基礎(chǔ)數(shù)據(jù)工具，采用SWAT模型對研究區(qū)域面源污染進行模擬和識別?？臻g數(shù)據(jù)和屬性數(shù)據(jù)是SWAT模型建立的兩大主要輸入數(shù)據(jù)?？臻g數(shù)據(jù)主要指數(shù)字高程、土壤數(shù)據(jù)、土地利用數(shù)據(jù)，各要素在空間上對應(yīng)統(tǒng)一；屬性數(shù)據(jù)主要包括氣象數(shù)據(jù)、土壤屬性數(shù)據(jù)等，包含了各要素的屬性資料。本文中所涉及的空間數(shù)據(jù)及屬性數(shù)據(jù)如表1所示。

2.2? SWAT模型構(gòu)建

在SWAT模型中的“Watershed Delineator”模塊中，使用“Burn-in”模塊，添加研究區(qū)域水系數(shù)據(jù)；數(shù)字高程數(shù)據(jù)（DEM）預(yù)處理完成后，結(jié)合已有經(jīng)驗和模型要求，設(shè)定流域面積閾值為10 000，將洙趙新河流域劃分為31個流域。

在子流域劃分完成后，通過SWAT模型的水文響應(yīng)單元（HRU）分析子模塊，采用多水文響應(yīng)（multiple HRUs）劃分的方法設(shè)定土地利用、土壤及坡度閾值分別為10%、5%、10%，低于這個閾值的土地利用、土壤及坡度將被拆分合并到其他類別中。將洙趙新河流域31個子流域共劃分129個HRU。

2.3? 模型的率定與驗證

2.3.1? 徑流率定與驗證

利用輔助軟件SWAT-CUP中的SUFI-2算法進行敏感性分析。 首次輸入時選取58個參數(shù)， 經(jīng)過多次迭代進行敏感性范圍調(diào)試， 最終得到37個適用于本文的敏感性參數(shù)。 通過SWAT-CUP軟件對已選定的敏感性參數(shù)進行調(diào)參處理， 得到適宜參數(shù)范圍。

選取于樓閘斷面數(shù)據(jù)進行流域徑流模擬，模型預(yù)熱期為2 a（2009年1月—2010年12月），模擬期為2011年1月—2019年12月。受研究區(qū)水質(zhì)水量監(jiān)測資料的限制，設(shè)定徑流的率定期為2013—2016年，驗證期為2017年及2018年2、6、7、9、10、11月。

徑流率定、驗證結(jié)果如下：徑流率定期決定系數(shù)R2為0.83，納什系數(shù)EN為0.77；徑流驗證期R2為0.85，EN為0.84，均符合模型精度要求，能模擬研究區(qū)徑流情況，率定、驗證期的模擬及實測結(jié)果如圖2所示。

2.3.2? 營養(yǎng)物率定與驗證

在徑流率定和驗證的基礎(chǔ)上，將徑流敏感性參數(shù)的最優(yōu)值同樣選擇于樓閘斷面的歷年監(jiān)測數(shù)據(jù)，對營養(yǎng)物TN、TP進行率定與驗證，共選取15個水質(zhì)參數(shù)，設(shè)置500次迭代為一個周期，經(jīng)過多個迭代周期后得出最優(yōu)參數(shù)結(jié)果。

模型以2009年1月—2010年12月為預(yù)熱期，TN率定期為2016年5月—2017年12月，驗證期為2018年1月—2019年12月；TP率定期為2013年1月—2017年12月，其中多個月份數(shù)據(jù)缺失，實際共有43個月的數(shù)據(jù)，模型驗證期為2018年1月—2019年12月。

TN率定期及驗證期結(jié)果如下：率定期R2為0.78， EN為0.7；驗證期R2為0.52，EN為0.41。

TP率定期及驗證期結(jié)果如下：率定期R2為0.80， EN為0.76；驗證期R2為0.69，EN為0.64。

結(jié)果表明，TN、TP的率定與驗證均符合模型精度要求，能很好地模擬研究區(qū)TN、TP負荷情況，TN、TP負荷量的率定和驗證結(jié)果分別如圖3、4所示。

3? 結(jié)果與分析

將率定、驗證后的模型徑流與營養(yǎng)物的運行最優(yōu)參數(shù)重新輸入模型中，得到研究區(qū)多年農(nóng)業(yè)面源污染負荷模擬情況，以月尺度為單位輸出，經(jīng)整理后得到子流域TN、TP負荷，并對其進行特征分析。

3.1? 研究區(qū)農(nóng)業(yè)面源污染時間分布特征

3.1.1? 農(nóng)業(yè)面源污染的年內(nèi)變化

由模擬結(jié)果可知，多個年份的污染物年內(nèi)變化始終處于相似波動的狀態(tài)，在土壤和土地利用條件不變的情況下，此時的波動主要來自降水量的影響。以2018、2019年為例，對流域內(nèi)TN、TP的面源污染時間分布進行研究，并對污染物變化特征進行分析，結(jié)果如圖5所示。從圖中可以看出：氮、磷污染物負荷在年內(nèi)隨降水量的變化而變化，這種變化主要集中在豐水期之后，即7—10月份。TN負荷量的年內(nèi)變化差異較大，變化范圍為0.61～1 100.70 t，2018年的峰值出現(xiàn)在8、9月份，2019年的峰值出現(xiàn)在6、8月份；TP負荷量的年內(nèi)分布特征與TN的類似，變化范圍為1.97～149.21 t，2018、2019年的峰值分別出現(xiàn)在9、8月份。雖然這2個年份的降雨最大值均出現(xiàn)在7月份，且7月份為當?shù)刂饕シN施肥期，用水量與施肥量均較平時較大，但面源污染的擴散需要一定的時間，因此污染物的峰值往往會在雨季之后的幾個月出現(xiàn)。

3.1.2? 農(nóng)業(yè)面源污染的年際變化

2013—2019年洙趙新河流域污染物負荷與降水量變化如圖6所示。由圖可見：洙趙新河流域年均降水量為657.76 mm，其中2018年降水量最大，為671.82 mm，2017年降水量最少，為657.89 mm，年際間降水量變化較小，最大變化值為13.93 mm。 TN、TP負荷量變化情況類似， TN負荷量最大值出現(xiàn)在2013年， 為14 237.7 t， TP負荷量最大值也出現(xiàn)在2013年， 為865.76 t；2019年TN負荷量為1 382.23 t， 為歷年TN負荷量最小值，同年TP負荷量為104.23 t，為歷年TP負荷量最小值。洙趙新河流域農(nóng)業(yè)面源污染負荷隨時間逐年遞減，表明近年當?shù)卣畬r(nóng)業(yè)面源污染的治理略有成效。

3.2? 農(nóng)業(yè)面源污染空間分布特征

以2019年為基準年，將各子流域TN、TP負荷量空間分布進行可視化處理，結(jié)果如圖7所示。由圖可知：洙趙新河干流的污染物負荷量較小，TN負荷主要集中于流域南部、洙趙新河中下游以及鄆巨河巨野縣段，其他區(qū)域污染物負荷量較小。從行政區(qū)劃上來看，菏澤市牡丹區(qū)、鄆城縣、鄄城縣和巨野縣TN污染較為嚴重，其他縣區(qū)污染較輕。TP負荷的分布情況與TN的類似，但TP的負荷量相對較小。

3.3? 面源污染關(guān)鍵源區(qū)識別

根據(jù)SWAT模型模擬計算的TN、TP負荷量， 采用流失強度指數(shù)法［25］對研究區(qū)農(nóng)業(yè)面源污染進行關(guān)鍵源區(qū)識別， 將單位面積污染物負荷量作為流失強度評價指標， 按照自然斷點分級法［26］將評價指標進行分級賦值， 得到的劃分類別與賦值標準如表2所示， TN、TP流失強度分布如圖8所示。 從表、圖中可得：研究區(qū)內(nèi)單位面積TN負荷量為0.001～1.361 kg/hm2， 其中26號子流域TN流失強度最大，單位面積TN負荷量達到0.399～1.361 kg/hm2，6、28、29號子流域TN流失強度較大，單位面積TN僅占全流域面積的2.28%， 但TN負荷量達到40 513.49 kg， 占全流域TN總負荷量的29.31%，并且4個子流域的耕地面積占到流域總耕地面積的77%， 可見農(nóng)業(yè)生產(chǎn)活動對流域內(nèi)TN的產(chǎn)生和排放都具有極大的影響。 研究區(qū)TP流失強度分布與TN的相似， 6、20、23、27號子流域流失強度最大， 單位面積TP負荷量達到0.001 3～0.001 5 kg/hm2， 4個子流域的面積占全流域的2.94%， TP負荷量合計高達916.30 kg。 1、2、4、17、19號子流域TP流失強度相對較大， 單位面積TP負荷量達到0.001 1～0.001 2 kg/hm2。 上述9個子流域的耕地面積占到全流域總耕地面積的50.37%。 畜禽養(yǎng)殖污染對TP負荷的貢獻最大， 主要集中在流域南部的菏澤市牡丹區(qū)、鄄鄆河鄆城縣河段沿岸及下游巨野縣河段。

綜上可知，洙趙新河流域污染物流失強度較大的子流域是6、20、23、26、27、1、2、4、17、19、28、29號子流域，應(yīng)將這些子流域作為農(nóng)業(yè)面源污染關(guān)鍵源區(qū)。

3.4? 面源污染類型識別

根據(jù)《菏澤市統(tǒng)計年鑒》，按照不同污染因子進行整理和統(tǒng)計，得到2019年洙趙新河流域涉及區(qū)（縣）的農(nóng)業(yè)面源污染物的入河量如表3所示。由表可知，TN、TP污染嚴重的區(qū)域主要集中在牡菏澤市牡丹區(qū)、鄆城縣、鄄城縣及巨野縣，其他區(qū)域污染較輕，與模擬結(jié)果一致。

洙趙新河流域農(nóng)業(yè)生產(chǎn)生活污水排放方式以混合排水和農(nóng)村生活直排水為主， 農(nóng)業(yè)面源污染主要有三大污染源， 即農(nóng)村生活污染、畜禽養(yǎng)殖污染和農(nóng)業(yè)種植污染， 其中畜禽養(yǎng)殖是最主要污染源。 由表3中數(shù)據(jù)可以看出， 流域內(nèi)畜禽養(yǎng)殖污染物入河量最大， 為15 624.37 t，占全部入河污染物總量的85.16%， 因此造成的面源污染壓力最大。

農(nóng)村生活污染主要是由農(nóng)村居民的生活污水、人糞尿及生活垃圾的隨意排放造成的。由表3中數(shù)據(jù)可知，2019年研究區(qū)農(nóng)村常駐人口約為300萬，約占流域總?cè)丝诘?9.54%，農(nóng)村生活污染物入河量達到2 650.81 t，雖然僅占所有入河污染物總量的14.45%，但是洙趙新河流域農(nóng)業(yè)面源污染的第二大來源，對環(huán)境的影響仍不可忽略。

農(nóng)業(yè)種植也是造成農(nóng)業(yè)面源污染的關(guān)鍵原因之一。研究區(qū)農(nóng)田多為旱田，作物一年兩熟，以玉米、小麥及大蒜為主要種植作物，施肥主要以尿素為主，施肥時間普遍在每年3、7、10月份，期間會有少量追肥的情況。針對農(nóng)業(yè)種植造成面源污染的負荷估算不考慮COD的影響，因此農(nóng)業(yè)種植污染物入河量比其他2類污染源的小，污染物入河量為72.31 t，在三大污染物來源中占比0.39%。

4? 結(jié)論

本文中以洙趙新河流域為研究對象， 構(gòu)建SWAT模型， 對徑流量、TN和TP進行模擬研究， 分析研究區(qū)農(nóng)業(yè)面源污染的時空分布特征， 識別污染關(guān)鍵源區(qū)及主要面源污染類型， 得到主要研究結(jié)論如下：

1）根據(jù)建立SWAT模型要求的空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫，選定TN、TP作為主要污染物進行分析，利用于樓閘斷面2013—2019年的相關(guān)水質(zhì)、水量數(shù)據(jù)對2項污染物進行率定和驗證。結(jié)果表明，率定和驗證期的徑流、TN、TP的R2和EN均滿足模型精度要求，證明模型在模擬洙趙新河流域的徑流及TN、TP負荷有很好的適用性。

2）基于構(gòu)建的SWAT模型對研究區(qū)農(nóng)業(yè)面源污染分布進行了模擬與分析。結(jié)果表明，研究區(qū)農(nóng)業(yè)面源污染負荷年際變化較小，徑流與污染物變化趨勢大致相同，污染狀況有逐年好轉(zhuǎn)的趨勢；農(nóng)業(yè)面源污染負荷主要集中在豐水期，即7—10月份，污染物負荷量在枯水期與平水期則呈現(xiàn)明顯的減小趨勢；流域中下游的污染物負荷量比上游的大。

3）面源污染的關(guān)鍵源區(qū)為6、20、23、26、27、1、2、4、17、19、28、29號子流域，主要涉及菏澤市牡丹區(qū)、鄆城縣和巨野縣。畜禽養(yǎng)殖為流域內(nèi)農(nóng)業(yè)面源污染的主要來源，污染物入河量占全部入河污染物的85.16%，其次為農(nóng)村生活污染，污染物入河量占比為14.45%。

參考文獻：

［1］黎竹. 農(nóng)業(yè)面源污染防治現(xiàn)狀及對策建議［J］. 現(xiàn)代化農(nóng)業(yè)， 2019（6）： 48.

［2］佚名.第二次全國污染源普查公報［J］. 環(huán)境保護， 2020， 48（18）： 8.

［3］井柳新， 魏明海， 孫宏亮. 水源農(nóng)業(yè)面源污染風險防控區(qū)劃定方法研究［J］. 中國農(nóng)村水利水電， 2020（10）： 110.

［4］朱梅. 海河流域農(nóng)業(yè)非點源污染負荷估算與評價研究［D］. 北京： 中國農(nóng)業(yè)科學院， 2011.

［5］高康寧. 蘭州段黃河流域農(nóng)業(yè)面源污染分析研究［D］. 蘭州： 蘭州大學， 2009.

［6］HENGHH，NIKOLAIDISNP.Modeling of nonpoint source pollution of nitrogen at the watershed scale［J］. Journal of the American Water Resources Association， 1998， 34（2）： 359.

［7］于峰， 史正濤， 彭海英. 農(nóng)業(yè)非點源污染研究綜述［J］. 環(huán)境科學與管理， 2008（8）： 54.

［8］薛金鳳， 夏軍， 梁濤， 等. 顆粒態(tài)氮磷負荷模型研究［J］. 水科學進展， 2005（3）： 334.

［9］郝芳華， 楊勝天， 程紅光， 等. 大尺度區(qū)域非點源污染負荷計算方法［J］. 環(huán)境科學學報， 2006（3）： 375.

［10］賴斯蕓， 杜鵬飛， 陳吉寧. 基于單元分析的非點源污染調(diào)查評估方法［J］. 清華大學學報（自然科學版）， 2004， 44（9）： 1184.

［11］田樂. 基于SWAT模型的布爾哈通河干流流域面源污染時空分布特征研究［D］. 延吉： 延邊大學， 2020.

［12］SRINIVASANR，ARNOLDJG，JONESCA.Hydrologicmodelling of the United States with the soil and water assessment tool［J］. International Journal of Water Resources Development， 1998， 14（3）： 315.

［13］ANDREAS B， SARA T， PETRA K， et al. Does the temporal resolution of precipitation input influence the simulated hydrological components employing the SWAT model？［J］. Journal of the American Water Resources Association， 2017， 53（5）： 997.

［14］XU F， DONG G X， WANG Q R， et al. Impacts of DEM uncertainties on critical source areas identification for non-point sourcepollutioncontrolbasedonSWATmodel［J］.Journalof Hydrology， 2016， 540： 355.

［15］VOLK M. SWAT： agricultural water and nonpoint source pollution management at a watershed scale［J］. Agricultural Water Management， 2016， 175： 1-3.

［16］JAYAKRISHNANR，SRINIVASANR，SANTHIC，etal. Advances in the application of the SWAT model for water resources management［J］. Hydrological Processes， 2005， 19（3）： 749.

［17］郭薇. 基于SWAT模型的農(nóng)田氮磷面源污染時空變化研究［D］. 鄭州： 華北水利水電大學， 2019.

［18］NORRISG，HAANCT.Impact of subdividing watersheds on estimated hydrographs［J］. Applied Engineering in Agriculture， 1993， 9（5）： 443.

［19］毛安琪. 基于SWAT模型的土地利用演變對撫河流域非點源污染研究［D］. 南昌： 南昌大學， 2020.

［20］張秋玲. 基于SWAT模型的平原區(qū)農(nóng)業(yè)非點源污染模擬研究［D］. 杭州： 浙江大學， 2010.

［21］張倩， 巢世軍， 楊曉麗， 等. 基于SWAT模型的沙塘川流域非點源氮磷污染特征及關(guān)鍵源區(qū)識別［J］. 地球環(huán)境學報， 2022， 13（1）： 86.

［22］王慧勇， 遆超普， 王良杰， 等. 基于SWAT模型的典型農(nóng)業(yè)小流域氮污染時空分布特征及關(guān)鍵源解析［J］. 湖泊科學， 2022， 34（2）： 517.

［23］周錚， 吳劍鋒， 楊蘊， 等. 基于SWAT模型的北山水庫流域地表徑流模擬［J］. 南水北調(diào)與水利科技， 2020， 18（1）： 66.

［24］李娜. 菏澤市2019年氣溫、降水與日照特征變化分析［J］. 農(nóng)技服務(wù)， 2020， 37（3）： 91.

［25］張倩， 巢世軍， 楊曉麗， 等. 基于SWAT模型的沙塘川流域非點源氮磷污染特征及關(guān)鍵源區(qū)識別［J］. 地球環(huán)境學報， 2022， 13（1）： 86.

［26］馬勇， 童昀. 長江中游城市群區(qū)域經(jīng)濟差異的時空演變及影響因子分析［J］. 統(tǒng)計與決策， 2016（21）： 134.

（責任編輯：于海琴）