基于输出系数法的陕西农业面源污染负荷研究

李建勋,李明万,刘晓雨,杨 丽 (西安理工大学经济与管理学院,陕西 西安 710054)

现代化农业的快速发展在促进农业经济价值充分发挥的同时也造成一定生态价值的损害,农药、化肥、地膜等农用物资的不合理使用以及畜禽粪便、生活废水的粗放式排放等问题在降水与灌溉的作用下不仅造成土壤侵蚀,对邻近水体也造成污染,引发严重的农业面源污染问题[1-3]。

陕西省作为中国中西部重要的农业生产功能区和生态环保区,其农业面源污染问题已经引起了众多学者和管理部门的关注。韩洪云等[4]利用模型分析法对陕西眉县农业面源污染进行研究,认为以提高化肥利用率为特征的技术支持政策是未来农业面源污染治理政策的首要选择。范拴喜[5]则对渭河流域陕西段的农业面源污染进行分析,提出了改善渭河流域陕西段农业面源污染的对策。考虑到种植业引发的面源污染问题,王莉[6]对秦岭北部俞家河流域的污染途径做了研究分析。不同于对陕西内部各地区面源污染问题的研究,陶园等[7]立足于整个黄河流域,探究了流域内各省份影响农业面源污染因素的时空分布状况以及污染治理效率。应用数学模型对农业面源污染进行模拟和估算是研究面源污染的重要手段,张晓瑾等[8]运用SWAT模型对泗河流域范围内农业面源污染负荷进行了估算,并划分了其时空分布特征。吴佳鹏等[9]采用指标体系法对密云水库的生态系统健康状况进行了评价。

纵观现有研究,对陕西省面源污染研究大多只涉及省内某一特定地域或特定流域,难以反映整个陕西省域内农业面源污染负荷现状,使用的SWAT模型所需参数较多,区域性差异大,增加了地面基础信息的获取难度[2];而指标体系法虽可综合分析影响农业面源污染物流失的主要因子,能够为农业面源污染风险提供一个更为合理的评价框架,灵活性较强,但常规农业面源污染风险指标体系法[10-11]中存在污染来源分类少、指标选择不全面、研究单元不精细等问题。相较于以上模型,输出系数法算法简单,所需参数较少,主要通过产污系数、排污系数、入河系数等参数估算污染物产生量、排放量,产污系数受人为因素影响较小,污染物产生量估算较为准确[7],因此在我国面源污染负荷研究中取得了广泛的应用。输出系数法最初由 OMERNIK[13]提出,此后JOHNES[14]在以往模型的基础上综合考虑了土地利用类型、人口和牲畜数量等因素对面源污染的影响,建立了更为完善的输出系数模型。唐肖阳等[3]采用输出系数法估算了汉江流域13个地级市的TN、TP污染负荷;蔡明等[18]考虑降雨因素影响和污染物在迁移过程中的损失,采用改进的输出系数法对渭河流域总氮负荷量进行了估算;刘菊等[19]采用输出系数模型和生态系统综合评价模型估算了四川省宝兴县面源污染物TN、TP负荷量。上述研究表明,输出系数法在面源污染负荷研究中具有一定的优越性。但是前人研究多着眼于黄河或汉江等流域,或只涉及陕西省内单个或部分地级市,难以反映陕西省整体农业面源污染现状。基于此,笔者以陕西省内10个地级市为研究对象,采用输出系数模型估算2020年陕西省内TN、TP的污染负荷,旨在为陕西省农业面源污染的后续治理提供参考。

1 材料与方法

1.1 研究区域概况

陕西省下辖10个地级市,分别为安康、汉中、商洛、西安、咸阳、铜川、宝鸡、渭南、延安和榆林市;按地形地貌与风土人文可分为陕南、关中、陕北3个地区,3个地区地形迥异:陕南地处秦岭与大巴山脉交界处,关中多平原,陕北地处黄土高原。由于农业面源污染的治理一般以行政区划为单位分区治理,故选择以陕西10个地级市为研究对象(图1)。

图1 研究区示意Fig.1 The diagrammatic sketch of research area

1.2 研究方法

估算农业面源污染负荷的方法主要分为机理模型类和经验统计类,鉴于陕西省内降水、日照、温度以及连续水文水质等监测数据稀少,机理类模型操作难度大且准确度难以保证,输出系数法(ECM)[7]作为经验统计类估算的代表方法,结构简单、应用方便,通过收集土地利用类型、畜禽养殖数量等相关基础数据就可得到准确率高的结果,主要通过产污系数、排污系数、入河系数等参数估算污染物产生量、排放量及入河量。虽然排污系数及入河系数受到环境治理措施和手段、降水、下垫面等因素综合影响,取值的不确定性较大,存在一定的局限性,但是避免了面源污染发生的复杂过程,在大面积流域或地域的面源污染估算中具有代表性。基于此,采用ECM估算陕西省各地市TN、TP的污染负荷量与负荷强度。

(1)

(2)

式(1)～(2)中,Li为污染物i在地域的总负荷量,t·a-1;Eij为第j种土地利用类型或第j种畜禽养殖或人口因素导致的污染物i的输出系数;Aj为第j种土地利用类型的面积或畜禽养殖的数量或人口数量,hm-2·a-1或头-1·a-1或人-1·a-1;P为降水输入的污染物总量(因其相对于农业面源污染物总量可忽略不计,且陕西省内缺乏相关监测数据,为保证数据和结果的精确性,故不考虑此项影响);Mq为地级市q的污染物TN或TP负荷强度,kg·hm-2·a-1;Lq为地级市q的污染物TN或TP负荷量,t·a-1;该研究所选污染源除农田污染源外还包括畜禽养殖源和农村生活源,参考史志华等[16]与刘亚琼等[17]的研究,取R为地级市行政区划面积,hm2。

不同类型污染源对整个地域污染水平的贡献率(Fij)的计算公式为

(3)

式(3)中,Lij为第i个地级市由于第j种污染源导致的污染物总量,t。

《陕西统计年鉴》中2020年陕西省水产品养殖增产量为-377 t,受地域所限,陕西省水产养殖规模较小,与其他污染源相比输出的面源污染物负荷量也较小,因此该研究未考虑水产养殖源对农业面源污染的影响。农业面源污染源主要考虑农业用地源、畜禽养殖源和农村生活源这3类污染源;在农业用地类型中,笔者主要根据陕西省及各地级市《第三次全国国土调查主要数据公报》对其进行划分,农业用地划分为耕地与园地,其中耕地包括水田与旱田,园地单独划分为一类,主要包括果园、茶园及其他园地,因此农业用地类型主要考虑水田、旱田、园地3种,畜禽养殖主要考虑猪、牛、羊和家禽4种类型。

估算污染物的负荷量关键在于确定输出系数的值。影响输出系数的因素主要有地形、地貌、水文、气候、土地利用、土壤类型、植被覆盖和人类活动等,其主要获取方法有现场监测法和查阅文献法[18]。现场监测法多用于小流域定点监测,大面积或多区域易受时间与财力限制,缺乏陕西省相关监测成果。而相似地理条件的区域其地形地貌、水文、气候、土壤类型等影响输出系数的因素也大致相同,因此利用相似地理条件的其他地区已有研究成果,取其平均值来确定输出系数值,在一定程度上能保证输出系数的准确性[3,16-21]。不同土地利用类型的参考输出系数值和该研究的具体取值见表1。

表1 不同土地利用类型的输出系数Table 1 Output coefficients for various types of land utilization

畜禽养殖和农村生活部分的面源污染物输出系数采用刘菊等[19]研究中的排泄系数和生活污染输出系数,畜禽养殖的排泄系数代表牲畜排泄物直接进入受纳水体的比例,因此不适合直接用于TN、TP输出系数取值,参照唐肖阳等[3]与刘亚琼等[17]的研究,确立畜禽养殖业的TN和TP输出系数,分别取各自排泄系数的10%。农村生活污染的输出系数则反映了当地农村居民对生活污水及废弃物的利用和处理水平。陕西省不同污染源的输出系数分类及其取值见表2。

表2 陕西省不同污染源的输出系数值Table 2 Classification and value of export coefficient of different pollution sources in Shaanxi Province

1.3 数据来源

根据《2020年陕西省统计年鉴》以及各地级市第3次全国国土调查主要数据,得到陕西省各地级市农业用地面积、畜禽数量和农村人口数量(表3)。

表3 2020年陕西省各地级市农村常住人口和农业统计数据Table 3 The rural permanent population and agricultural statistics of various cities in Shaanxi Province in 2020

其中榆林市的农业用地面积最大,但农村人口数较少;西安市的农业用地面积较小,但农村人口数最多;渭南市的畜禽养殖数量最多,农业用地面积与农村人口数也很可观。

2 结果与讨论

利用输出系数模型计算2020年陕西省各地级市不同农业污染源类型(包括不同土地利用类型、畜禽养殖和农村生活)产生的TN和TP负荷量、负荷强度以及不同污染源的污染负荷贡献率。

2.1 各地级市TN和TP负荷量

农业面源污染物TN和TP负荷量见表4～5。2020年陕西省TN和TP负荷量分别为38 835.9和9 150.1 t,TN负荷量是TP负荷量的4.2倍。从地域分布上看,安康、汉中、咸阳、宝鸡、渭南和榆林市的农业面源污染物TN和TP负荷量都较高。

表4 2020年陕西省各地级市农业面源污染物TN负荷量与贡献率Table 4 The total nitrogen load of agricultural non-point source pollutants in various cities in Shaanxi Province in 2020

畜禽养殖源和农村生活源对TN和TP负荷的贡献率占绝对优势,其中汉中和榆林市畜禽养殖对TN负荷的贡献率分别为46.07%和53.91%,咸阳和渭南市的农村生活源对当地TN负荷的贡献率分别为66.05%和64.87%;安康和商洛市的畜禽养殖源对当地TP负荷的贡献率分别为81.13%和72.83%。大规模、高数量的农村生活污染和畜禽养殖是造成农业面源污染物TN或TP负荷量较高的主要原因。

2.2 各地级市TN和TP负荷强度

2020年陕西省各地级市农业面源污染物TN和TP负荷强度见图2。咸阳和渭南市TN和TP的农业面源污染负荷强度较高,而且TN的负荷强度远远大于TP,前者是后者的4倍左右。咸阳和渭南市位于陕西省关中地区,地处平原,农业产业化程度较高,同时农业资源较为丰富,具有畜禽养殖所需的资源、场地和人力,规模化的畜禽养殖和较高的农村人口数是造成农业面源污染负荷强度较高的主要原因。而西安市为陕西省省会,人口基数大,高密度的农村人口导致大量的N、P面源污染物输出。安康、汉中和榆林市虽然N、P污染物负荷总量较高,但其行政区面积高出前3个地级市,因此其N、P污染物负荷强度并不是特别大。

图2 2020年陕西省各地级市TN和TP农业面源污染负荷强度Fig.2 The total nitrogen and phosphorus load intensity of agricultural non-point source pollutants in cities around Shaanxi Province in 2020

2.3 不同污染源类型对TN和TP负荷的贡献率

由表4可知,除榆林市和宝鸡市外,其他各地级市不同污染源类型对TN负荷的贡献率顺序为农村生活>畜禽养殖>农业用地,其中西安市尤为突出,其农村生活污染对TN负荷的贡献率为87.20%,而榆林和宝鸡市由于地理环境适合大规模畜禽养殖业发展,因此其畜禽养殖污染对当地TN负荷的贡献率最高。表5显示,不同污染源类型对TP负荷贡献率的顺序为畜禽养殖>农村生活>农业用地。目前陕西省农村生活污染对面源污染物TN的贡献最大,畜禽养殖污染对TP的贡献最大。因此,为有效治理陕西省农业面源污染,农村地区生活污染物(废水、废物、废渣)的处理至关重要,大规模化的畜禽养殖业对环境质量造成的不利影响也需引起重视。

表5 2020年陕西省各地级市农业面源污染物TP负荷量与贡献率Table 5 The total phosphorus load of agricultural non-point source pollutants in various cities in Shaanxi Province in 2020

3 结论

针对陕西农业面源污染现状,综合考虑各地级市TN和TP负荷量、负荷强度以及不同污染源的贡献率,运用输出系数法模型对陕西省各地级市农业面源污染物TN和TP负荷量和负荷强度进行估算。结果表明:陕西农业面源污染形势严峻,尤以TN污染问题更为突出,具有较强的区域性差异,其中农村生活污染占比最大。因此在治理过程中应因地制宜、依源施策,注重陕西省经济水平与生态效益的统筹协调;其次,畜禽养殖污染与其他污染类型相比分布最广,因此在制定相关治污防污政策时应更偏重普适性与经济性,以实现各地级市精准治理污染。针对农业用地污染,可根据地理地貌划分陕南、关中、陕北3个片区,各地级市根据所属片区协同治理。

基于输出系数法的陕西农业面源污染负荷研究可为陕西省的农业结构调整和面源污染治理提供数据支持,有利于各地级市行政区精准把握主要污染物来源,促进农业生产与资源环境承载能力的平衡,为农业生产提质增效提供助力。但因研究区域为整个陕西省,对于区县的农业面源污染负荷的分析还不够具体,有待于进一步细化研究尺度,增强负荷量估算结果对管理决策的支持力度。