鄉(xiāng)鎮(zhèn)生活污水排放特征及污染源強(qiáng)識(shí)別研究

中圖分類號(hào)：X824文獻(xiàn)標(biāo)志碼：A

0 引言

庭、公共設(shè)施和工廠廚房、浴室、洗衣房和其他生活設(shè)施[1-2]。在一些中、大尺度的研究中，通過將區(qū)域生活污水的排放量、水質(zhì)與當(dāng)?shù)氐慕邓⑷丝?、生活污水是指日常生活中產(chǎn)生的廢水，來自家經(jīng)濟(jì)水平等進(jìn)行相關(guān)分析[3-4]，通過建立區(qū)域尺度模型，反映不同地區(qū)（如地州或市縣級(jí)行政區(qū)）的污染排放差異，并初步建立了單一人為或自然因素與生活污水排放量、水質(zhì)之間的關(guān)系。相關(guān)研究發(fā)現(xiàn)區(qū)域經(jīng)濟(jì)發(fā)展水平與污水水質(zhì)的高度相關(guān)性[5。在市級(jí)或更小的行政單元上，影響生活污水排放的因素主要包括經(jīng)濟(jì)收入水平、家庭規(guī)模、人口結(jié)構(gòu)、教育水平、就業(yè)狀況、生活方式等[。然而在更小的空間尺度上，要量化這些因素的空間差異，并將其納入模型是比較困難的，因?yàn)橄嚓P(guān)的統(tǒng)計(jì)指標(biāo)通常只到縣級(jí)尺度。在影響城鎮(zhèn)污水排放的因素中，人口數(shù)量是一個(gè)極其重要的因素。還有研究發(fā)現(xiàn)城市黑臭水體的分布熱點(diǎn)與人口高密度區(qū)有較高的重合度[7]。因此，人口密度空間制圖水平的提升可為鄉(xiāng)鎮(zhèn)及其以下尺度的污水排放精細(xì)化模擬提供新的技術(shù)支持。目前人口分布圖層空間分辨率精度已經(jīng)達(dá)到 100m 甚至更高[8，能夠滿足縣級(jí)甚至鄉(xiāng)鎮(zhèn)以下水平的空間建模。

生活污水按排放來源可分為廁所的“黑水”和洗浴、洗衣和廚房的“灰水”[9]。由于生活污水中含有懸浮固體（SS）、有機(jī)物（OM）、氮（N）磷（P）營(yíng)養(yǎng)物質(zhì)、硫酸鹽和致病菌等多種污染物，向水生環(huán)境排放生活污水將增加生態(tài)和公眾健康風(fēng)險(xiǎn)[10-12]。近年來，隨著我國(guó)鄉(xiāng)村振興工作的推進(jìn)，鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)不斷發(fā)展壯大[13]，鄉(xiāng)鎮(zhèn)區(qū)域人口相對(duì)集中，生活污染物排放總量急劇上升，逐漸達(dá)到并超過工業(yè)污染，成為中國(guó)最大的環(huán)境污染源[14-16]，但鄉(xiāng)鎮(zhèn)污水處理設(shè)施缺乏、處理效率較低的問題突出[17-18]，鄉(xiāng)鎮(zhèn)生活污染治理已成為改善區(qū)域環(huán)境質(zhì)量的重中之重[19-20]。隨著農(nóng)村產(chǎn)業(yè)不斷發(fā)展，人口外流減少，改變了農(nóng)村生活污水排放的水量和水質(zhì)[21-23]。估算生活污染物排放量，識(shí)別其空間特征及影響因素是進(jìn)行污染有效管理的前提[24-25]。由于生活污水污染形式的復(fù)雜性和特殊性，需要針對(duì)特定區(qū)域進(jìn)行相關(guān)研究[26]。

洱海流域位于中國(guó)云南省西部，是周邊居民飲用水資源的主要來源。隨著經(jīng)濟(jì)的發(fā)展以及鄉(xiāng)村振興工作的推進(jìn)，洱海流域內(nèi)污水中的污染物含量明顯增加，水環(huán)境污染防治工作面臨嚴(yán)峻的挑戰(zhàn)[27]，引起社會(huì)廣泛關(guān)注。洱源縣地處洱海源頭，位于大理市以北 70km ，總面積約 2 614km² 。洱源的三條河流羅時(shí)江、永安江、彌苴河（稱北三江）是洱海最主要的徑流補(bǔ)給入湖河流，為洱海提供約59% 的入湖流量；海西海、此碧湖、西湖（稱北三湖），也是流域內(nèi)重要的水體。該區(qū)域水系發(fā)達(dá)，地下水和溫泉資源豐富，居民多居庭院。近年來，為有效提升洱海水質(zhì)，洱源縣正在推進(jìn)鄉(xiāng)鎮(zhèn)及村落截污治污體系提升改造等工作。洱海流域截污、治污體系采取分片區(qū)集中處理的模式，建設(shè)大量的污水管網(wǎng)，污水收集率不斷提高，但仍存在少量清污分流不徹底和跑、冒、滴、漏的情況，此外，多個(gè)污水處理廣面臨進(jìn)水濃度偏低、運(yùn)行能耗高的問題。洱海保護(hù)面臨巨大壓力，對(duì)排水環(huán)境質(zhì)量監(jiān)測(cè)及污水特征進(jìn)行研究并制定相應(yīng)的管理方案十分必要。

1資料與方法

1.1 研究區(qū)域

選取洱源縣開展研究，涉及縣域內(nèi)位于洱海流域的6個(gè)鄉(xiāng)鎮(zhèn)，分別是：此碧湖鎮(zhèn)（縣城駐地）、三營(yíng)鎮(zhèn)、右所鎮(zhèn)、鄧川鎮(zhèn)、鳳羽鎮(zhèn)、牛街鄉(xiāng)（見圖1）。研究區(qū)為北亞熱帶高原季風(fēng)氣候，降水時(shí)空分布不均，年平均降水量約 750mm，5 月底至10月份為雨季，占全年降水的 80% 以上。多年平均氣溫 15.1^°C [28]?？紤]到研究區(qū)域較大，且區(qū)域內(nèi)社會(huì)經(jīng)濟(jì)特征有一定差異，所以總體上將研究區(qū)域劃分為中心區(qū)、郊區(qū)和集鎮(zhèn)三個(gè)區(qū)域，再測(cè)算出適合本區(qū)域的居民生活污染排放系數(shù)，并對(duì)這些數(shù)據(jù)進(jìn)行分析，使用樣點(diǎn)監(jiān)測(cè)、GIS空間分析模型來分析污染排放的空間差異。

1.2水環(huán)境數(shù)據(jù)收集與處理

（1）取樣位點(diǎn)。鄉(xiāng)鎮(zhèn)生活污染包括鄉(xiāng)鎮(zhèn)居民日常生活直接產(chǎn)生的污水污染和其他污染，以及酒店、餐館、醫(yī)院、政府及教育機(jī)構(gòu)產(chǎn)生的污染。因此，調(diào)查和監(jiān)測(cè)的主要對(duì)象包括鄉(xiāng)鎮(zhèn)居民小區(qū)、村落庭院、酒店、醫(yī)院、文教機(jī)構(gòu)，選取了分布于洱源縣城中心、郊區(qū)和集鎮(zhèn)的不同聚集地進(jìn)行樣本監(jiān)測(cè)。

（2）取樣與監(jiān)測(cè)。2022年9月至2023年1月，每月1次在40個(gè)地點(diǎn)收集流出廢水樣本。將1L水樣收集于棕色玻璃瓶中，保存于Coleman冷藏箱（Therapak；Coleman，OR，USA）并運(yùn)送到實(shí)驗(yàn)室，在 4^°C 環(huán)境下儲(chǔ)存，根據(jù)《地表水和污水監(jiān)測(cè)技術(shù)規(guī)范》（HJ/T91—2002）[29]進(jìn)行TP、TN、NH₄⁺. -N、COD、 BOD₅ 、SS等指標(biāo)分析。

1.3 污染因子的關(guān)聯(lián)性分析

水質(zhì)指標(biāo)之間往往具有一定關(guān)聯(lián)性，為避免建模時(shí)指標(biāo)變量的共線性影響，對(duì)連續(xù)型數(shù)值指標(biāo)進(jìn)行了Pearson相關(guān)性分析（見圖2，顏色越深相關(guān)性越高），剔除相關(guān)性較高的部分指標(biāo)（相關(guān)系數(shù) R 大于0.6）。最終納入分析的水質(zhì)指標(biāo)包括： BOD₅ 、TN、TP及SS。再利用非參數(shù)Kruskal-Wallis檢驗(yàn)[30]比較各功能區(qū)水質(zhì)指標(biāo)濃度差異。

1.4 污染排放量估算

鄉(xiāng)鎮(zhèn)居民生活污染排放量采用以下方法計(jì)算。

G_s=V×n×0.001

G_p=C×G_s

式中： G_s 和 G_p 分別為污水排放量（ in³/d ）和污染物排放量 （g/d） ； V 為人均污水排放量 （L/ （人d））；n 為區(qū)域人口； C 為排放污水的主要污染物濃度（ σ?mg/L ）。根據(jù)小區(qū)和村落樣點(diǎn)排水監(jiān)測(cè)結(jié)果，鄉(xiāng)鎮(zhèn)小區(qū)與郊區(qū)村落的 V 值分別取為 152L/ （人d）和265L/ （人d）。

1.5污染排放濃度空間格局分析

高/低聚類統(tǒng)計(jì)[3]用于測(cè)量研究區(qū)域內(nèi)某變量的高/低值集中程度?？傮w空間關(guān)聯(lián)的 G 統(tǒng)計(jì)量為

式中： x_i 和 x_j 是要素 i 和 j 的屬性值； w_i，j 是要素 i 和 j 之的空間權(quán)重； n 是要素的數(shù)量。當(dāng)返回的 plt;0.05 時(shí)，可以拒絕零假設(shè)（不存在特征值的空間聚類）。如果零假設(shè)被拒絕，當(dāng) z 得分值為正時(shí)，則觀測(cè) G 指數(shù)大于預(yù)期 G 指數(shù)，表明在研究區(qū)該要素為高值聚集；當(dāng) z 值為負(fù)時(shí)，則觀測(cè) G 指數(shù)小于預(yù)期 G 指數(shù)，表明要素為低值聚集。

采用克里金插值模擬鄉(xiāng)鎮(zhèn)居民排水污染物濃度圖層?？死锝鸩逯当举|(zhì)上是一種加權(quán)移動(dòng)平均技術(shù)，它使用來自半變異函數(shù)的估計(jì)來執(zhí)行空間插值[19]。更具體地說，它是一組線性回歸，通過最小化數(shù)據(jù)中空間協(xié)方差的方差來確定在感興趣區(qū)插值的最佳權(quán)重組合，其中權(quán)重來自變異函數(shù)的估計(jì)[32]。筆者利用R軟件（版本4.1.2，https：//cran.r-project.org/）“automap”“gstat”中的克里金方法進(jìn)行研究區(qū)內(nèi)生活污水排放濃度的空間插值。

1.6 污染排放量的空間模擬

嘗試使用更精細(xì)的人口密度柵格作為主要協(xié)變量加入模型，并評(píng)估該柵格是否有助于提高生活污水排放量及濃度的估算精度。通過人口圖層的約束可以將區(qū)域污水排放量重新分配到人類聚集的區(qū)域。

采用以下兩種方案對(duì)人口進(jìn)行分布式處理。

方案1：使用目前空間分辨率最高的Worldpop 約束性人口統(tǒng)計(jì)柵格數(shù)據(jù)2020（https：//hub.worldpop.org/geodata/listing？id=78）。

方案2：利用自上而下的人口映射方法，以2020年中國(guó) 1km 格網(wǎng)住宅用地密度數(shù)據(jù)[33作為權(quán)重層，將已知區(qū)域總?cè)丝冢ㄖ袊?guó)縣域統(tǒng)計(jì)年鑒2021一鄉(xiāng)鎮(zhèn)卷人口數(shù)據(jù)）重新分配，并重采樣到 100m×100m 的網(wǎng)格單元。

由于上述兩個(gè)人口圖層基礎(chǔ)數(shù)據(jù)來源不同，其所反映的人類聚居區(qū)范圍可能不一致，因此，以從Sentinel-210 m Land Use/Land Cover（https：//wwwarcgis.com/apps/instant/media/index.html？appid=fc92d38533d440078f17678ebc20e8e2）提取的城鄉(xiāng)邊界作為掩膜[34]，對(duì)上述圖層進(jìn)行裁剪處理。

2 結(jié)果與分析

2.1不同功能區(qū)的污水水質(zhì)差異

5類功能區(qū)污水 BOD₅ 、TP、TN、SS的濃度范圍及Kruskal-Wallis檢驗(yàn)結(jié)果見圖3。由圖3可知，各污染指標(biāo)平均濃度在部分功能區(qū)之間有顯著差異（2 （plt;0.05） ）。 BOD₅ 、TP和SS三項(xiàng)指標(biāo)平均濃度最高的功能區(qū)為醫(yī)院，最低的為居民小區(qū)；TN濃度最高為商業(yè)區(qū)，最低的為居民小區(qū)，其余功能區(qū)之間差異不顯著 （pgt;0.05 ）。總體上，在所有功能區(qū)中醫(yī)院排水污染物濃度最高、水質(zhì)最差，其次為商業(yè)區(qū)，再次為文教區(qū)和村落，居民小區(qū)的排水濃度均值最低。

注：ace-文教區(qū)，biz-商業(yè)區(qū)，cr-居民小區(qū)，hosp-醫(yī)院，rur-農(nóng)村庭院。

2.2污水濃度及人口的空間分布特征

研究區(qū) BOD₅ 、TN、TP、SS觀測(cè)值的中值濃度范圍分別為 29.1～124.5，39.5～253.5，1.28～6.15， 10～42mg/L 。各指標(biāo)的高/低聚類 G 統(tǒng)計(jì) z 得分見表1，所有指標(biāo)的 G 統(tǒng)計(jì) p 值均大于0.05，說明各污染物濃度在研究區(qū)未表現(xiàn)出明顯高/低值聚集特征。

各污染指標(biāo)濃度的普通克里金插值結(jié)果見圖4?？芍煌廴疚餄舛鹊目臻g格局有一定差異，這可能與鄉(xiāng)鎮(zhèn)發(fā)展程度有關(guān)。在所有指標(biāo)中，三營(yíng)、右所、鄧川均表現(xiàn)出相對(duì)較高的污染排放濃度。而對(duì)于TP指標(biāo)，除上述3個(gè)鄉(xiāng)鎮(zhèn)外，位于此碧湖鎮(zhèn)的縣城中心城區(qū)也有較高的排放濃度。

2.3 污水排放量的空間分布

基于兩種人口空間化方案所得研究區(qū)內(nèi)污水排放量空間格局見圖5。雖然兩者都能夠反映各鄉(xiāng)鎮(zhèn)中心區(qū)由于人口密度較高而呈現(xiàn)出的污水排放熱點(diǎn)，但人口密度的空間分布對(duì)污水產(chǎn)出量空間格局有較大影響。兩種方案估算最高單位面積排放量差異不大，方案1為 ），方案2為 6.3t/（d/hm²） ；兩種方案估算的區(qū)域總排放量分別為 1.85×10⁴ 、 1.67×10⁴t/d

通過方案1、方案2人口圖層估算得到的污染物排放量空間分布分別見圖6、圖7。鄉(xiāng)鎮(zhèn)中心、人口密度較高的區(qū)域顯示出污水排放熱點(diǎn)。方案1、方案2最高 BOD₅ 排放量分別達(dá)527.4、464.6 （ d?hm² ），區(qū)域 BOD₅ 日總排放量分別達(dá)1348.4、1216.1kg ；方案1、方案2最高TN排放量分別達(dá)1 093.3、 857.4g/ （ .d?hm² ），區(qū)域TN日總排放量分別達(dá)2504.5、2253.1kg；方案1、方案2最高TP排放量分別達(dá)19.1、 17.4g/ （ .d?hm² ），區(qū)域TP日總排放量分別達(dá)50.8、 45.8kg ；方案1、方案2最高SS排放量分別達(dá)167.5、 139.3g/ C d?hm² ），區(qū)域SS日總排放量分別達(dá)405.4、 366.1kg 。對(duì)于上述4項(xiàng)指標(biāo)的日總排放量估計(jì)，方案2均低于方案1約 10% 。

3 討論

3.1 不同方案污染模擬的準(zhǔn)確性

污水中污染物排放量模擬的準(zhǔn)確性主要受污染指標(biāo)濃度插值模型準(zhǔn)確性以及人口分布模擬結(jié)果的影響。

在污染濃度插值方面，由于監(jiān)測(cè)點(diǎn)位分布相對(duì)集中，且不同功能區(qū)相互交織，來自不同功能區(qū)的污染物排放濃度局部差異使克里金模型未能很好地捕捉污染濃度的空間分異特征。污水濃度在整個(gè)模擬空間被不同程度的平均化，致使插值后的污染物濃度偏低。

在人口分布模擬方面，部分誤差來自柵格數(shù)據(jù)的空間匹配性，例如，不同空間分辨率柵格轉(zhuǎn)化造成的邊界誤差。人口模擬方案2中將鄉(xiāng)鎮(zhèn)人口降尺度分布到住宅相對(duì)密度柵格時(shí)，總?cè)丝跀?shù)偏低。據(jù)2020年第七次人口普查數(shù)據(jù)換算洱源縣洱海流域范圍共有人口199349人，而人口模擬方案2模擬結(jié)果為196053人，比人口普查統(tǒng)計(jì)值偏低 1.7% ；方案1中Worldpop約束性人口統(tǒng)計(jì)柵格數(shù)據(jù)2020年人口為199476人，相較人口普查統(tǒng)計(jì)值偏高 0.1% 。雖然Worldpop數(shù)據(jù)對(duì)人口數(shù)模擬精度相對(duì)略高，但由于其模擬方法復(fù)雜，空間尺度較大，對(duì)研究區(qū)當(dāng)?shù)厝丝诰奂氐谋磉_(dá)不夠準(zhǔn)確，在用高分辨率聚落邊界對(duì)其裁剪后，實(shí)際參與計(jì)算的人口數(shù)量仍然有所下降，造成污水排放量模擬值偏低。與使用現(xiàn)成公開的大尺度人口密度數(shù)據(jù)相比，基于鄉(xiāng)鎮(zhèn)人口統(tǒng)計(jì)數(shù)據(jù)及住宅密度圖層調(diào)整的人口空間模擬更容易在計(jì)算資源消耗及模擬精度之間實(shí)現(xiàn)較好的平衡。流域范圍內(nèi)的污染來源主要是農(nóng)業(yè)地區(qū)，也有其他的研究得出了類似的結(jié)果[35-36]

3.2污染濃度與污染輸出格局

在污染指標(biāo)濃度插值模型確定的情況下，污染物排放空間格局主要受人口分布模擬結(jié)果的影響。雖然不同功能區(qū)污水污染物濃度的空間格局有一定差異，但在兩種人口模擬方案中，人口的高密度區(qū)通常也是污水排放量以及污染物排放量的熱點(diǎn)區(qū)。經(jīng)模型測(cè)算，鄉(xiāng)鎮(zhèn)中心的污水源強(qiáng)至少是周邊郊區(qū)的1.6倍。這反映了污水排放與鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)發(fā)展程度、人口的高度耦合關(guān)系[3-5]。值得注意的是：污染指標(biāo)濃度的分布（見圖4）顯示，洱源縣城所在地此碧湖鎮(zhèn)中心城區(qū)除TP外的其他3個(gè)污染指標(biāo)濃度相較其他鄉(xiāng)鎮(zhèn)中心偏低，這可能與縣城區(qū)域各排污單位的污水預(yù)處理設(shè)施和市政管網(wǎng)等設(shè)施相對(duì)完善、預(yù)處理效果較好有關(guān)。牛街、三營(yíng)、右所、鄧川等鄉(xiāng)鎮(zhèn)鎮(zhèn)區(qū)及周邊區(qū)域因農(nóng)作物種植面積廣闊，存在較為顯著的農(nóng)業(yè)面源污染問題。這一現(xiàn)象與區(qū)域內(nèi)種植業(yè)、養(yǎng)殖業(yè)（以散養(yǎng)戶為主）以及乳制品特色產(chǎn)業(yè)（多為家庭作坊式生產(chǎn)）等污染源的排放密切相關(guān)。相較之下，鳳羽鎮(zhèn)中心區(qū)域內(nèi)除SS外的其他3個(gè)污染物指標(biāo)濃度均顯著低于其他鄉(xiāng)鎮(zhèn)中心區(qū)域。經(jīng)實(shí)地調(diào)研發(fā)現(xiàn)，鳳羽鎮(zhèn)當(dāng)?shù)刈∷薏惋嫎I(yè)規(guī)模有限，且無規(guī)?；a(chǎn)企業(yè)。結(jié)合該鎮(zhèn)所處地理位置及產(chǎn)業(yè)結(jié)構(gòu)特征分析，農(nóng)業(yè)面源污染對(duì)鎮(zhèn)區(qū)環(huán)境影響相對(duì)較小。值得注意的是，研究區(qū)域SS指標(biāo)的異常升高可能具有偶然性，具體原因有待后續(xù)持續(xù)監(jiān)測(cè)加以驗(yàn)證。

影響鄉(xiāng)鎮(zhèn)污水排放的因素十分復(fù)雜，在中小尺度上全方位測(cè)量這些因素及這些因素的代理指標(biāo)、時(shí)空分異等還面臨諸多困難。相關(guān)問題還有待進(jìn)一步深入研究。

總之，與傳統(tǒng)以縣區(qū)、鄉(xiāng)鎮(zhèn)行政單元集總處理的建模方法[37相比，以人口分布圖層輔助的空間分布式水污染排放建模方法具有明顯優(yōu)勢(shì)。它能夠在更精細(xì)的尺度上模擬污染源強(qiáng)的空間格局，更接近研究區(qū)的現(xiàn)實(shí)情況，可以為污染管理部門制定更為科學(xué)的水污染治理方案提供更有力的決策支持。

4結(jié)論及建議

本文基于分布式人口數(shù)據(jù)，通過對(duì)比洱海上游源頭區(qū)域洱源縣鄉(xiāng)鎮(zhèn)不同功能區(qū)生活污水排放濃度的差異，研究了生活污水排放量空間模擬協(xié)變量的潛在效用。

4.1結(jié)論

（1）人口圖層作為協(xié)變量參與空間模擬，有助于提高在中小尺度上對(duì)污染排放熱點(diǎn)區(qū)的識(shí)別。模擬結(jié)果顯示，各鄉(xiāng)鎮(zhèn)的中心區(qū)域具有較高的人口密度，是污水排放的熱點(diǎn)區(qū)，這些區(qū)域在污水治理中應(yīng)給予優(yōu)先考慮。

（2）不同污染物濃度的空間格局有一定差異，這可能與鄉(xiāng)鎮(zhèn)發(fā)展程度、不同區(qū)域人口污染排放習(xí)慣、污水收集等基礎(chǔ)設(shè)施建設(shè)、產(chǎn)業(yè)發(fā)展布局、農(nóng)業(yè)面源污染等有關(guān)。

4.2 建議

（1）在人口密集區(qū)域開展污水管網(wǎng)收集設(shè)施的改造。

（2）規(guī)范區(qū)域內(nèi)地下水、溫泉等水源的使用，杜絕私自開采地下水或接續(xù)溫泉的情況，并進(jìn)一步查找未納入截污系統(tǒng)的污水，杜絕跑、冒、滴、漏。

（3）增強(qiáng)對(duì)洱海全流域鄉(xiāng)鎮(zhèn)污水排放情況的跟蹤檢測(cè)，及時(shí)掌握變化情況，并制定應(yīng)急預(yù)案處理突發(fā)情況。同時(shí)進(jìn)一步開展研究，找準(zhǔn)關(guān)鍵點(diǎn)，切實(shí)提高污水收集率及污染物處理能力。

（4）加大對(duì)洱海流域內(nèi)農(nóng)業(yè)面源污染治理。

（5）加強(qiáng)污水排放及治理的宣傳力度，教育當(dāng)?shù)鼐用窦坝慰妥袷叵嚓P(guān)制度，保護(hù)洱海流域生態(tài)環(huán)境。

參考文獻(xiàn)：

[1]LIXY.RuralDomestic SewageTreatment TechnologyApplication in Conghua District of Guangzhou underthe Rural Revitalization Strategy[J].IOP Conference Series：Earthand Environmental Science，2021， 621（1）：012097.

[2]ZHANGQG，HEC，RENJZ，etal.Waste toRenewable Biohydrogen[M].Pittsburgh：Academic Press，2021：55-70.

[3]YAOT，WEIYG，ZHANGJ，etal.What Influences theUrban SewageDischarge in China？The Effect ofDiversified Factors on the Urban Sewage DischargeinDifferentRegionsof China[J].Environment， Developmentand Sustainability，2021，24（5）：1-37.

[4]WANGYC，LUXW，CHENGF.Investi-gation and Analysis on Rural Domestic Sewage Dis-chargeinKeyWatersheds[J].IOPConferenceSeries：EarthandEnvironmental Science，202O，526（1）：012036.

[5]FENGY，ZHENGBH，JIAHF，etal.Influence of Social and Economic Development on Water Quality in DongtingLake[J]. Ecological Indicators， 2021，131：108220.

[6]PETRIEB，BARDENR，KASPRZYKHORDERNB.AReview on Emerging Contaminants inWastewatersandtheEnvironment：CurrentKnowledge，Understudied areas andRecommendations for FutureMonitoring[J].WaterResearch，2O15，72：3-27.

[7]CHENGL，LUOJ，ZHANGCY，etal.Characteristics and Influencing Factors of Spatial Dif-ferentiationofUrbanBlackand OdorousWatersin Chi-na[J].Sustainability，2018，10（12）：4747.

[8]BALAKRISHNANK.AMethodforUrban Population Density Prediction at 30 m Resolution[J] Cartography and Geographic Information Science， 2020，47（3）：193-213.

[9]HERNANDEZLEALL，TEMMINKH， ZEEMANG，et al.Comparisonof Three Systems for Biological Greywater Treatment[J].Water，2O10，2（2）： 155-169.

[10]LIUZH，WANGLL，DENGCZ.TheDe-viceDesignofaRuralDomestic Sewage TreatmentPer-formance[J].IOP Conference Series：Materials ScienceandEngineering，2017，250（1）：012028.

[11]HUANGP，GUOYG，LOUXY，etal. Survey of Rural Domestic Sewage Treatment Systems ofSongjiangDistrictin Shanghai，China[J].Advanced MaterialsResearch，2012（573/574）：511-515.

[12]RULEKL，COMBERSDW，ROSSD，et al.Diffuse Sources ofHeavy Metals Enteringan Urban Wastewater Catchment[J]. Chemosphere，2006，63（1）： 64-72.

[13]楊兆晨，劉耀林，羅璇，等.基于“門檻-供需”耦合視角的縣域農(nóng)村生活可達(dá)性評(píng)價(jià)[J].農(nóng)業(yè)工程學(xué)報(bào)，2022，38（11）：279-288.

[14]YIXS，LINDX，LIJH，etal.Ecological Treatment Technology forAgricultural Non-point Source Pollution in Remote Rural Areas of China[J].Environ mental Science and Pollution Research International， 2021，28（30）：40075-40087.

[15]LIANGLW，WANGZB，LIJX.TheEf-fect of Urbanization on Environmental Pollution in RapidlyDeveloping Urban Agglomerations[J]. Journal ofCleaner Production，2019，237：117649.

[16]UKAOGOPO，EWUZIEU，ONWUKACV.Environmental Pollution：Causes，Effects，and theRemedies[J]Microorganisms forSustainable Environ-ment andHealth，2020：419-429.

[17]沈豐菊，張克強(qiáng)，李軍幸，等.基于模糊積分模型的農(nóng)村生活污水處理模式綜合評(píng)價(jià)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（15）：272-280.

[18]劉曉璐，牛宏斌，閆海，等.農(nóng)村生活污水生態(tài)處理工藝研究與應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（9）：184-191.

[19]WANGC，F(xiàn)ENGBB，WANGPF，etal. Revealing Factors Influencing Spatial Variation in the Quantityand QualityofRuralDomestic Sewage Dis chargeacross China[J].Process Safetyand Environmental Protection，2022，162：200-210.

[20]ZHAOKR，CHENJY，XUZC，etal.Emission CharacteristicAnalysisofUrban DomesticPollution Sources in China[J].Procedia EnvironmentalSciences，2010，2：761-767.

[21]ZHANGWS，SWANEYDP，HONGB，etal.InfluenceofRapid Rural-UrbanPopulation Mi-gration on Riverine Nitrogen Pollution：PerspectivefromAmmonia-nitrogen[J].Environmental Science andPollutionResearchInternational，2017，24：27201-27214.

[22]NUNEZM，OLIVER-SOLAJ，RIERADE

VALLJ，etal.WaterManagementin IntegratedService Systems：Accounting forWaterFlowsin Urban Areas[J].WaterResourcesManagement，2010，24（8）： 1583-1604.

[23]LIWS，LIJF，CUIJX.ExploringRural Decline with the Perspective of Demographics：Case Study ofHubei，China[J].Physics and Chemistryof the Earth，2020，120：102917.

[24]SUNDQ，ZHANGJX，ZHUCG，etal. AnAssessment of China's Ecological Environment QualityChangeandItsSpatialVariation[J].ActaGeographica Sinica，2012，67（12）：1599-1610.

[25]孔維琳，饒維力，王崇云，等.基于PSR模型的滇池流域農(nóng)村生活污水空間分布特征和控制研究[J].農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)，2012，31（7）：1393-1403.

[26]ZHAOHX，CUIJX，WANGSF，etal. Customizing the CoefficientsofUrban Domestic PollutantDischarge and TheirDrivingMechanisms：Evidence fromthe TaihuBasin，China[J].Journal ofEnvironmentalManagement，2018，213：247-254.

[27]CHENXH，QIANXY，LIXP，etal.Long-term TrendofEutrophication StateofLake Er-hai in 1988—2013 and Analyses of its Socio-economicDrivers[J].Journal ofLakeSciences，2O18，30（1）：70-78.

[28]《中國(guó)河湖大典》編纂委員會(huì).中國(guó)河湖大典：西南諸河卷[M].北京：中國(guó)水利水電出版社，2014.

[29]齊文啟，連軍，孫宗光.《地表水和污水監(jiān)測(cè)技術(shù)規(guī)范》（HJ/T91—2002）的相關(guān)技術(shù)說明[J].中國(guó)環(huán)境監(jiān)測(cè)，2006（1）：54-57.

[30]MURPHYBL，MORRISONRD.Introductionto EnvironmentalForensics[M].ThirdEdition.Amsterdam：Academic Press，2015.

[31] GETISA，ORDJK.TheAnalysisof Spatial Association byUse ofDistance Statistics[J].GeographicalAnalysis，1992，24（3）：189-206.

[32]OLIVERMA，WEBSTERR.ATutorialGuide to Geostatistics：ComputingandModelling VariogramsandKriging[J].CATENA，2014，113：56-69.

[33]ZHANGDX，SHANGMJ，PENGJF.ADatasetof1kmGridResidentialLandDensityin China（2022）[DB/OL].V1.ScienceDataBank，2024.（2024-02-18） [2024-06-10]. https：//cstr.cn/31253.11.sciencedb.16022.

[34]SCHUGF，F(xiàn)RANTZD，VANDERLINDEN S，etal.Gridded Population Mapping for GermanyBased onBuildingDensity，Heightand Type from Earth Observation Data Using Census Disaggregation and Bottom-up Estimates[J].PloSone，2021，16（3）： e0249044.

[35]TANGXY，TANGDS，LUJH，etal.Source Apportionment of Agricultural Nonpoint SourcePollution in the Hanjiang River Basin[J]. Journal ofAgro-EnvironmentScience，2018，37（10）：2242-2251.

[36]HUANGGX，NIEYX，ZHANGQH，et al.Research Progress ofAgricultural Non-point Source Pollution Migration Process and Model in Basins[J]． Journal of Environmental Engineering Technology， 2023，13（4）：1364-1372.

[37]謝毅文，李嫻，李越，等．東莞市生活污水及污染物的排放量和空間分布特征分析[J].人民珠江，2012，33（4）：54-56.

Characteristics of Rural Domestic Sewage Discharge and Pollution Source Strength Identification Based on Population Distribution Model

CHENWenhua1，ZHOUGuo2，WU Zhangbing2，ZHANG Xiang2，LINMeng2，MUYuan’，HUWenxian4 （1.School of Resources and Environment，Baoshan University，Baoshan 678oo0，China；2.Yunnan Wenbai Environmental Treatment EngineeringCo.，Ltd.，Kunming 65ooo0，China；3.Instituteof Eastern-Himalaya BiodiversityResearch，Dali University，Dali 671006，China；4.School of Surveying and Information Engineering， West Yunnan University of Applied Sciences，Dali 671006，China）

Abstract：Rural domestic sewage treatment is the key to improveregional environmental quality.Due to varying pollution characteristicsacross different functional areasand affected bypopulation distribution，thedegree of polution in different rural areas is diffcult toidentifyTakingEryuan County in theupstreamofErhai Lake asan example，we setup40 monitoring points in5 functional areas suchas residential communities，vilagecourtyards， hotels，hospitals，and cultural and educational institutions in 6 townships.Six indicators including TP，TN， NH₄⁺. -N，COD， BOD₅ and SS of the sewage were continuously positioned and measured. Based on the regional population density layer，non-parametric Kruskal-Walis tests was conducted to compare the diferences of sewage concentration indifferentfunctional areas.Inaddition，the Kriging spatial interpolationmethod wasusedtofitthe concentration distributionofregional sewage indicators according to theobserved values.Combining GIS spatial analysis technology，we quantified the spatial distribution characteristics ofrural domestic sewage，and explored the potential utility of distributed population data as a spatial simulationcovariate of sewage discharge.The results show that the highest concentrationofpollutantsappeared in hospitals，followed by hotels，cultural andeducational areas，villages，and townshipresidential communities.The sewage source strength in the towncenter is atleast1.6 times thatin the surrounding suburbs.Spatial distribution mapping simulation of sewage discharge intensity based onpopulation densitydistribution data facilitates the identification ofhotspots ofsewage concentrationand discharge volume，in small and medium scale research.Areas with higher pollution discharge intensity，corresponding to the densely populated zones，are priority regions requiring focused polution management attention.The spatial pattern analysis of rural domestic sewage based on the population distribution model provides accurate identification of pollution source strength.

Key words：domestic sewage functional area；pollution source strength；non-parametric test；spatial interpolation；water quality index；distributed population data