2026, Vol. 56
自20世纪40年代化学农药大规模使用以来，农药入海压力显著增加，全球近海水体中农药检出频次显著升高，近海生态健康衰退趋势日趋严峻[1]。农药主要通过地表径流、河流和地下水渗透、大气沉降等途径进入海洋，对海洋初级生产、海洋生物和生态系统产生潜在影响，甚至威胁人类健康[2-3]。国际上为控制农药污染问题出台了一系列政策和计划，包括联合国环境规划署(United Nations Environment Programme)的全球农药污染防治行动、欧洲的水框架指令和海洋战略框架指令[4]、美国环保署(Environment Protection Agency)的清洁水法和农药环境安全计划等[5]。中国作为农药生产和消费大国[6]，历来重视农药污染防治，农业农村部于2015年颁布《到2020年农药使用量零增长行动方案》，公告也明确禁止在蔬菜上使用毒死蜱(Chlorpyrifos)[7]，同时对莠去津(Atrazine)的残留量进行了限量标准规定[8]，有效减缓了中国农药入海通量增加的趋势。
三嗪类除草剂(如莠去津)、磺酰脲类除草剂(如烟嘧磺隆，Nicosulfuron)和有机磷类杀虫剂(如毒死蜱)是全球广泛施用的农药，在全球重要流域和地表水中广泛检出，如中国辽北农田周边河流[9]、太湖流域[10]和漓江流域[11]，美国的密西西比河[12]，巴西的亚马逊河[13]以及埃及的尼罗河罗塞塔支流等[14]。作为农业面源污染流失的汇，近海水体中也有广泛检出，如欧洲的波罗的海和地中海[15]，中国的渤海、北黄海近岸及长江口沿岸海域[16]，陆源输入特征明显[17]。这3种农药具有较高的持久性及毒性效应，可强烈干扰海洋生物的内分泌系统，并通过食物链对人类神经、生殖等系统产生不良影响[18-19]。准确评估流域农药污染物入海通量，是深入理解农药污染行为和精准防控的关键。
基于调查监测数据建立流域模型，是评估污染物入海通量的有效技术手段。自1950年代起，流域模型不断发展完善，早期流域模型以统计模型为主，包括土壤保持局(Soil conservation service, SCS)和土壤侵蚀方程(Universal soil loss equation)等模型[20-21]。统计模型简单易用、数据量少，受降雨、土壤类型、水文条件等因素影响和过程缺少，精度较差[22]。1970年代以来，HSPF(Hydrological simulation program-fortran)、SWAT(Soil and water assessment tool, SWAT)等流域分布式水文模型不断完善，应用于农药污染和通量的模拟计算[23-24]。其中，SWAT模型具有操作简单，空间分异性好，水循环完整，模型概念清晰，可长时期模拟等优点[25]。随着模型技术的发展，流域农药污染模拟逐渐成为研究热点，尤其是在面源污染问题突出的地区，对农药入海通量的量化评估具有重要意义。
莱州湾作为山东省最大的海湾，位于渤海南部，由于其半封闭型的地理特征，海水交换能力差，加之沿岸众多河流携带面源污染物入海，对莱州湾的生态环境构成了巨大压力[26]。调查结果显示，小清河流域是莱州湾农药污染的主要来源区域，夏季主要种植玉米、冬季主要种植小麦以及水果(如苹果、葡萄)等作物，常用莠去津与烟嘧磺隆复配制剂防治玉米田杂草，用毒死蜱防治果树虫害，因此，明确小清河流域农药污染现状和入海通量是莱州湾近海农药污染防治的重要前提[27]。
当前，基于SWAT模型的小清河流域面源入海通量仅有氮、磷污染模拟研究，缺少针对农药入海通量的数值模拟研究[28]。农药作为有机污染物，在流域环境中的吸附性、降解性和半衰期等理化性质具有显著的地域化特征，其迁移转化过程与氮、磷等营养物质差异显著，无法照搬氮、磷流域模型框架和参数化方案[29-30]。针对莱州湾农药污染治理的要求，迫切需要对农药入海通量进行精细化模拟[31]。因此，本文应用SWAT模型对水文过程和生地化过程的描述，构建适用于农药迁移的模型参数体系，对小清河流域莠去津、烟嘧磺隆和毒死蜱等三种典型农药的入海通量进行模拟研究，分析流域内农药入海通量的时空分布特征，并识别关键污染源区，以期为小清河流域农药面源污染治理提供依据。本文研究成果可为评估中国农药使用量零增长行动方案在流域层面的实施效果提供直接数据支撑，同时为《渤海综合治理攻坚战行动计划》农业面源污染防治提供科学依据，对支撑国家生态保护目标具有重要意义。
1 研究区域与方法 1.1 研究区域概况小清河流域(116°50′E—118°45′E，36°15′N—37°20′N)位于山东省中西部，隶属黄河水系，辖济南、滨州、淄博、东营和潍坊的五市十八县(市、区)(见图 1(a))，流域总流域面积约10 336 km2，农业用地面积约6 586 km2，占比63.7%，常年降雨量在550~708 mm之间。小清河源头为济南市西郊睦里闸，包括孝妇河、淄河、塌河等40余条支流，河道总河长约237 km，年径流量12.7亿m3，于寿光市羊口镇进入莱州湾。
|
( 编号1—10依次为羊口、王道闸、甄庙、范李、西闸、猪龙河入小清河处、张官庄、袁家桥、辛丰庄、睦里庄等10个小清河流域支干流的采样站位。(a)采样站点、气象站点、水文站点位置，水系和行政区域分布; (b)子流域分布; (c)土地利用类型。Sampling stations numbered 1 to 10 correspond to the following main and tributary sites in the Xiaoqing River Basin: Yangkou, Wangdaozha, Zhenmiao, Fanli, Xizha, the confluence of Zhulong River and Xiaoqing River, Zhangguanzhuang, Yuanqiaoqiao, Xinfengzhuang, and Mulizhuang. (a) Locations of sampling stations, meteorological stations, hydrological stations, water systems and administrative region distribution; (b) Subbasin distribution; (c) Land use types. ) 图 1 小清河流域地理位置空间分布图 Fig. 1 Spatial distribution map of the geographical location of the Xiaoqing River Basin |
为覆盖农药流失关键期，分别于2022年8月23—24日(雨季)和2023年4月16—17日(非雨季)进行小清河流域河流及入海口表层水样采集(见图 1(a))。每站位采集10 L水样，经0.45 μm玻璃纤维滤膜过滤后，均分两份样品于4 ℃冷藏保存带回实验室分析。利用甲醇活化后的Waters Oasis HLB固相萃取柱，对水样进行富集、萃取和洗脱[32]。于2023年7月12日—8月22日，分别在小清河入海口羊口镇王家庄子、八面河村，广饶县辛庄村、郭家村进行农田土壤样品连续采集，土壤农药样品采用甲醇提取液经微波消解提取。将水样固相萃取洗脱液和土壤样品微波消解提取液通过旋蒸浓缩至1 mL后，经液质联用仪(LC-MS)进行莠去津、烟嘧磺隆和毒死蜱的定量分析[32]，三种农药的主要理化性质见表 1。为保证数据质量，我们执行了严格的质量控制程序。信噪比(S/N)为检出限(Limit of detection, LOD)的3倍、定量限(Limit of quantitation, LOQ)的10倍。分析过程中，每20个样品设置一个空白样品和一个加标空白样品，所有空白样品中目标污染物均未检出(低于LOD)，样品中目标物浓度低于LOD的报为未检出(Not detected, N.D.)。三种农药回收率分别为119%、73%、83%，其中，莠去津回收率略高于常规范围(80%~120%为可接受)，该偏差在方法学允许范围内，定量限分别为0.26、0.06和0.04 ng/L，检出限分别为0.88、0.21和0.12 ng/L。
|
表 1 3种农药的主要理化性质 Table 1 Key physicochemical properties of the three target pesticides |
关键源区是指研究区域内以较小的面积承担污染负荷热点的区域[33]。本文选取单位面积负荷指数法对小清河流域农药污染负荷强度进行计算，进行关键污染源区的识别，以子流域单位面积的农药负荷量为划分标准[34]。根据本文构建的SWAT模型2022年莠去津、烟嘧磺隆和毒死蜱负荷的月尺度输出结果，在ArcGIS中采用自然断点分级法将单位面积农药负荷强度划分为微度、轻度、中度、高度、重度与关键源区6个等级[35]。计算公式如下：
| $ P_{i}=\frac{PT_{i}}{A_{i}} $ |
式中：Pi为子流域在i时段内的负荷强度，kg/ha；PTi为子流域在i时段内产生总负荷量，kg或g；Ai为子流域面积，ha。
1.4 数据分析采用决定系数(R2)和纳什系数(Efficiency of nash-sutcliffe, ENS)对模拟计算结果的可靠性进行评价[36-37]。其中，R2用于评价实测值与模拟值的相似程度；ENS用于表征实测值与模拟值的拟合程度，以ENS>0.4，R2>0.5作为模型模拟结果可靠性评价标准[38-39]。利用SPSS软件(版本号17.0)对小清河流域做时间尺度上的相关性分析，分析降雨量、径流、农药施用量和农药入海通量之间的关系；使用ArcGIS和SPSS进行空间和数据分析，探究影响农药负荷空间分布的因素，如子流域农药负荷量与耕地面积、农药施用量的相关性。
2 模型构建与校验 2.1 模型构建 2.1.1 SWAT模型应用SWAT(版本号2012)模型，构建小清河流域莠去津、毒死蜱和烟嘧磺隆三种农药入海通量模型，包含水文过程、土壤侵蚀和农药输移共3个模块。其中，水文过程模块包括径流、降雨等地表演变及汇流动力学过程。土壤侵蚀模块利用通用土壤侵蚀方程(Modified universal soil loss equation)计算在降水和径流过程影响下的土壤侵蚀量。农药输移模块由土壤运移、土壤输出和河道迁移转化3个过程组成。应用ArcGIS(版本号10.2)软件平台进行模拟计算，时间步长为月。初始变量采用零值，进行2年的模拟平衡计算，以减少计算误差。模型利用SWAT-CUP软件自带的全局分析法(Global sensitivity analysis)进行模型参数的敏感性分析和率定。模型主要敏感参数见表 2。
|
|
表 2 小清河流域莠去津、烟嘧磺隆和毒死蜱入海通量模型的敏感参数取值情况 Table 2 The sensitive parameter values of the model of flux into the sea of atrazine, nicosulfuron, and chlorpyrifos in the Xiaoqing River Basin |
来源模型基础数据库包括空间数据库和属性数据库(见表 3)。空间数据库主要包括数字高程数据、土地利用类型数据、土壤类型分布数据、河网水系数据等。其中，数字高程图(Digital elevation model)采用90 m×90 m网格，来源于地理空间数据云(https://www.gscloud.cn/)。土地利用类型数据来自中国科学院资源环境科学中心，分辨率为1 km，该分辨率已满足流域尺度农药负荷空间分布的分析需求，共包括耕地、林地、草地、水域、城市建设用地与裸地等6种类型(见图 1(c))。土壤分布类型来自世界土壤数据库(Harmonized World Soil Database)中的1∶100万中国土壤数据集，由中科院南京土壤所基于第二次全国土壤调查数据编制而成[40]，主要以褐土和潮土等壤质土为主，占比分别为29.50%和27.60%。河网水系采用1.94 m×1.94 m网格影像数据，按照流域面积、流量、河流长度等因素划分的四级水系、五级水系和小清河流域规划方案中的河网信息进行校正。
|
|
表 3 小清河流域空间数据库和属性数据库及来源 Table 3 Spatial and attribute databases of the Xiaoqing River basin and their data sources |
属性数据库主要包括土地利用类型属性表、土壤类型属性表、气象数据、水文水质数据、农业管理信息数据等(见表 3)。其中，土地利用类型属性应用SWAT模型自带的土地利用属性数据库信息；土壤类型属性采用世界土壤数据库与土壤水特性模型(Soil plant air water)相结合的方法[41]自行建立，包括物理和化学属性信息。气象数据包括2011年1月—2023年4月的日降雨量、日最高/最低气温、日相对湿度、日平均风速与日太阳辐射数据，通过SWAT模型中国大气同化驱动数据集(The China Meteorological Assimilation Driving Datasets for the SWAT Model)网站(http://www.cmads.org/)及中国气象数据(http://data.cma.cn/data/index.html)获取。模型水文过程利用2020年1月—2023年4月黄台桥站、石村站和岔河站的径流数据及2013—2018年岔河站径流数据进行率定和验证，相关水文数据来源于山东省水文局、全国水情信息网(http://xxfb.mwr.cn/index.html)和文献[42]。农业管理信息数据包括作物类型、耕作方式与施肥情况等信息，其中，作物类型主要为玉米和小麦，采用冬小麦-夏玉米轮作方式，主要施用硝烟莠去津(烟嘧磺隆、硝磺草酮、莠去津三元复配除草剂)，用药量约为150~200 g/亩，果树常施用毒死蜱；施用时间主要在3月中旬和7月中旬。
2.1.3 空间离散化基于SWAT模型的流域划分模块，对数字高程数据进行离散化处理，确定流域范围、河网水系结构、流域与河道的汇水关系，将小清河流域划分为67个子流域(见图 1(b))。按照土地利用、土壤和坡度分别为5%、10%和10%的最小阈值，进一步将小清河流域划分得到651个水文响应单元。
2.2 模型校验模型校验分为参数设定和模拟验证两个时期，利用实测数据进行校验。模型以2011—2012年为模拟平衡期，对2013年1月—2023年4月的径流量和农药通量进行模拟。其中，径流量利用黄台桥、石村和岔河水文站2020年1月—2023年4月的径流量监测数据进行校验，同时采用岔河水文站2013—2018年径流量文献[42]进一步校验，分别以2020—2021年和2013—2016年为参数率定期，以2022年1月—2023年4月和2017—2018年为模拟验证期。在径流量模拟校验的基础上，将野外调查所得的农业管理信息数据输入模型进行农药通量模拟与校验。农药通量利用2022年8月和2023年4月小清河流域10个站位的监测数据进行校验，分别以8月和4月为参数率定期和模拟验证期。模型参数初始值采用模型建议值、文献值[43-48]和现场调查分析值，最终通过参数率定确定(见表 2)。
2.2.1 径流量率定与验证小清河2020年1月—2023年4月的径流量模拟结果表明(见图 2)，黄台桥、石村和岔河水文站的径流量模拟结果与实测数据基本吻合，三个水文站点校准期和验证期ENS值分别平均为0.56、0.71和0.61，均大于0.5，R2值分别平均为0.59、0.75和0.69。岔河水文站2013—2018年的径流量模拟结果与实测数据的也基本吻合，校准期和验证期ENS值平均为0.61，R2值平均为0.64。小清河径流量表现出明显的季节性变化特征，峰值均出现在降雨量较大的7月和8月(见图 2)。参数敏感性分析表明，径流敏感参数由高到低分别为SCS径流曲线系数(CN2)、基流α系数(LPHA_BF)、土壤蒸发补偿系数(ESCO)、深蓄水层渗透系数(RCHRG_DP)与深层地下水径流系数(GWQMN)等(见表 2)。
|
图 2 小清河流域2020年1月—2023年4月(a)黄台桥站、(b)石村站和(c)岔河站，及2013—2018年(d)岔河站水文站径流量模拟值和实测值 Fig. 2 Simulated and measured runoffs of the hydrological stations of (a) Huangtaiqiao Station, (b) Shicun Station, and (c) Chahe Station from January, 2020 to April, 2023, and (d) Chahe Station from 2013 to 2018 in the Xiaoqing River Basin |
小清河流域莠去津、烟嘧磺隆和毒死蜱的模拟结果表明(见图 3)，三种典型农药通量的模拟结果与实测数据基本吻合，2022年8月和2023年4月10个站位的ENS值为0.47—0.56，均大于0.4，R2为0.51—0.57。进一步分析发现，三种典型农药在小清河流域的迁移过程参数差异显著(见表 2)，这主要由农药的理化特征决定，同时受流域环境因素影响。其中，莠去津属于水溶性强、土壤附着性差的有机物[49-50]，其土壤吸附系数小于烟嘧磺隆和毒死蜱，而冲刷系数高于另外两种农药，参数主要受降雨径流和地下水调控，最终入海量占总施用量的比例为0.5%。烟嘧磺隆具有水溶性强、土壤附着性强的特征[51]，参数主要受土壤和水环境调控，表现为土壤和水体降解快等特点，最终入海量占总施用量的比例为0.01%。毒死蜱属于水溶性差、土壤附着性强的有机物[52]，其参数主要受土壤环境和泥沙迁移过程调控，在土壤中能够保持较长时间的活性，最终入海量仅为总施用量的0.001%。
|
图 3 2022年8月和2023年4月小清河流域10个站位(a)莠去津、(b)烟嘧磺隆和(c)毒死蜱的月通量模拟值和实测值 Fig. 3 Simulated and measured monthly fluxes of (a) atrazine, (b) nicosulfuron, and (c) chlorpyrifos at 10 stations in the Xiaoqing River Basin in August, 2022 and April, 2023 |
应当指出，由于小清河流域的农药不仅来源于农业种植，还可能与工业污水、生活污染等点源有关，污染来源广泛，统计数据时会受到多方因素的影响，这可能是导致本文模拟与实际情况出现偏差的原因，今后的研究中要加强污染源和流域调查，获取高质量数据，以提高模拟精度。
3 结果与讨论 3.1 农药入海通量年际分布特征模拟结果表明，2013—2022年小清河流域莠去津、烟嘧磺隆和毒死蜱年入海通量均呈逐年下降趋势(见图 4)。其中，莠去津和烟嘧磺隆入海通量下降幅度较大，分别由2013年的579和1.76 kg，下降到2022年的166和0.54 kg，降幅平均约为70%，这与东北地区近年来莠去津、烟嘧磺隆等除草剂的使用量下降趋势一致[53-54]。2013—2016年毒死蜱入海通量下降幅度较大，由3.10 kg下降到1.80 kg，之后降幅平缓，至2022年约为1.30 kg。农药入海通量的年际变化与中国农药使用管理政策密切关联。自2013年国家农业部明确禁止在蔬菜上使用毒死蜱后[7]，其入海通量在短期内显著下降。文献表明，莱州湾毒死蜱含量由2022年的0.21 ng/L降至2023年的0.07 ng/L[31, 55]，太湖流域毒死蜱含量由2014年的4 800 μg/L也降至2022年的137 μg/L[56-57]，均与本研究模拟的入海通量年际变化趋势结果一致。特别是中国《农药使用量零增长行动方案》、《农药减量化增效行动方案》的实施，致使莠去津的使用管控更加严格，同时烟嘧磺隆逐步被低毒性农药(如苯唑草酮、双环磺草酮等)替代，共同推动了农药入海通量的大幅下降，相应地渤海、黄海等海水中莠去津和烟嘧磺隆的检出浓度逐渐下降[31, 55]。
|
图 4 小清河流域莠去津、烟嘧磺隆和毒死蜱入海通量的年际变化 Fig. 4 The interannual variation of the fluxes of atrazine, nicosulfuron, and chlorpyrifos into the sea in the Xiaoqing River Basin |
2013—2022年小清河流莠去津、烟嘧磺隆和毒死蜱的入海通量均呈3月和7月高的双峰型季节变化规律(见图 5(d))，两个季节的入海通量分别约占全年的66%、65%和56%。其中，莠去津、烟嘧磺隆等除草剂入海通量具有夏季高、春季次高特征，两个季节差异性分别约为53%和49%；而毒死蜱等杀虫剂的入海通量春、夏季差异性不明显，约为14%。这说明，杀虫剂和除草剂在农业生产使用上的季节性差异对农药入海通量具有明显影响。这与龙王河、太湖等流域夏季或雨季农药输出量较高的规律一致[10, 57-58]。
|
图 5 小清河流域莠去津、烟嘧磺隆和毒死蜱的(a)农药施用量、(b)降雨量、(c)径流量、(d)入海通量的季节变化和(e)相关性分析散点图 Fig. 5 The seasonal variation of the (a) pesticide use, (b) rainfall, (c) runoff, and (d) flux into the sea of atrazine, nicosulfuron and chlorpyrifos in the Xiaoqing River Basin, and (e) the scatter plot of correlation analysis |
相关性分析表明(见图 5(e))，莠去津、烟嘧磺隆和毒死蜱的入海通量与降雨量的r值平均为0.676±0.032，与径流量的r值平均为0.792±0.067，存在显著相关性(p < 0.01)，丰水期农药的入海通量受降雨和径流调控明显上升。此外，农药的入海通量也受地表农作物的施药时间和施用量的影响，二者呈显著正相关(p < 0.01，r=0.618±0.036)(见图 5(e))。调研发现，小清河流域夏季农作物以玉米为主，于7月中旬施用莠去津、烟嘧磺隆等除草剂控制玉米田间杂草(见图 5(a))，且7—8月是小清河流域的雨季(见图 5(b))，随着降雨量的增加径流量显著增加(见图 5(c))，这样，在“降雨-径流-农药通量”驱动下，7月除草剂(莠去津、烟嘧磺隆)施用与雨季叠加，导致夏季峰值显著。应当指出，3月中下旬是冬小麦等农作物施药的时间(见图 5(a))，此期间虽为非汛期，但除草剂入海通量也会出现相应增加的现象。而毒死蜱主要用于果树和部分农作物的害虫防治，施用时间集中在3和7月(见图 5(a))，且果树种植区径流缓冲能力较强，故春、夏季双峰差异小。
3.3 农药污染负荷空间分布特征小清河流域莠去津、烟嘧磺隆和毒死蜱的污染负荷空间差异明显(见图 6)，主要集中在东营广饶县、济南章丘市、潍坊市与淄博市，其土地利用构成均以农业用地为主，果树和农作物种植面积较大(见图 1(c))。其中，莠去津污染负荷主要集中在小清河上游的章丘(子流域编码：44、53、62号)和中游的高青县(11号)、广饶县(8、29号)，以及下游支流的潍坊农业种植区(48、54号)，负荷量均超300 kg(见图 6(a))；烟嘧磺隆污染负荷主要集中在8、29、44、48、53、54与62号子流域，负荷量均超1 300 g(见图 6(b))；毒死蜱污染负荷主要集中在支流流经的11、48、61、62与63号子流域，负荷量均超1 750 g(见图 6(c))。农药污染负荷热点地区主要是平原地区，农药停留时间长，而污染负荷低的地区土地利用主要以城镇、林地、草地为主(见图 1(c))。相关性分析结果表明，莠去津、烟嘧磺隆和毒死蜱的子流域污染负荷量与耕地面积(p < 0.01)、农药施用量(p < 0.05)显著相关。
|
图 6 小清河不同子流域(a)莠去津，(b)烟嘧磺隆和(c)毒死蜱污染负荷量的空间分布 Fig. 6 The spatial distribution of pollution loads of (a) atrazine, (b)nicosulfuron, and (c) chlorpyrifos in different subbasins of the Xiaoqing River |
进一步分析表明，杀虫剂类农药毒死蜱污染负荷主要分布在小清河孝妇河、淄河、塌河与杏花沟支流流域，而除草剂类农药莠去津和烟嘧磺隆则分布在小清河干流上游和中下游地区，这种区域分布的差异主要与农业种植作物有关，杀虫剂的负荷热点区主要是果树等经济类作物区，而除草剂负荷热点区则以粮食作物的种植为主。
3.4 农药关键污染源区小清河流域各子流域莠去津、烟嘧磺隆和毒死蜱的负荷强度范围分别为2~14、0.01~0.06和0.04~0.09 g/ha，具有显著的空间差异性(见图 7)。其中，秀去津的关键源区为6、9、29与54号子流域，烟嘧磺隆的关键源区为6、9、14、29、44、53、54、55与62号子流域，毒死蜱的关键源区为1、2、3、4、5、15、16、17与24号子流域，三种农药的负荷强度占比分别为25%、43%和20%。
|
图 7 小清河不同子流域(a)莠去津，(b)烟嘧磺隆和(c)毒死蜱负荷强度空间分布 Fig. 7 Spatial distribution of (a) atrazine, (b)nicosulfuron, and (c) chlorpyrifos load intensity in different subbasins of the Xiaoqing River |
从子流域空间分布来看，莠去津、烟嘧磺隆的关键源区主要分布在小清河干流上游和中下游流域，毒死蜱的关键源区主要分布在小清河塌河支流流域。关键源区在行政区上集中分布在淄博市、东营广饶县、济南章丘市与潍坊寿光市，与农药污染负荷空间分布具有较好的一致性。
4 结论与展望针对莱州湾莠去津、毒死蜱和烟嘧磺隆3种典型农药，基于SWAT模型，构建了小清河流域入海通量核算模型，利用多年水文观测数据和2022—2023年农药调查数据，对模型进行了校验，模拟计算了小清河流域3种典型农药的入海通量，通过分析污染负荷空间分布特征，识别了关键源区。2013—2022年莠去津、烟嘧磺隆和毒死蜱的年际入海通量逐年下降，2022年分别为166、1.30和0.54 kg，季节上呈3月和7月高的双峰变化规律。污染负荷空间上呈地势平坦农田子流域污染负荷热点分布，受耕地面积、农药施用量等因素的影响，主要集中在东营广饶县、济南章丘市、潍坊市与淄博市。小清河流域农药关键源区为1、2、4、5、6、9、17、24、29与54号子流域，主要集中在淄博市、东营广饶县、济南章丘市与潍坊寿光市。未来，针对关键源区(如淄博市、东营广饶县)农药管控，应优先推广低毒农药替代，优化施药时间(如避开雨季)，增加植被缓冲带等治理措施。
应当指出，本文研究仍存在不足，一方面，未纳入工业点源、生活污水中的农药输入，可能低估总入海通量；另一方面，模型月尺度难以捕捉短期暴雨事件的农药流失峰值。未来研究可借助更高时空分辨率的监测，并整合多源农药输入数据, 以进一步提升模型模拟结果的精准性。
| [1] |
孙晓霞, 于仁成, 胡仔园. 近海生态安全与未来海洋生态系统管理[J]. 中国科学院院刊, 2016, 31(12): 1293-1301. Sun Xiaoxia, Yu Rencheng, Hu Zaiyuan. Nearshore ecological security and future marine ecosystem management[J]. Bulletin of the Chinese Academy of Sciences, 2016, 31(12): 1293-1301. (  0) |
| [2] |
邢警. 农药对海洋生态环境的危害及防治措施[J]. 农村经济与科技, 2020, 31(9): 62-63. Xing Jing. The harm of pesticides to the marine ecological environment and preventive measures[J]. Rural Economy and Science-Technology, 2020, 31(9): 62-63. ( 0) |
| [3] |
Hashimi M H, Hashimi R, Ryan Q. Toxic effects of pesticides on humans, plants, animals, pollinators and beneficial organisms[J]. Asian Plant Research Journal, 2020, 5(4): 37-47. ( 0) |
| [4] |
张海燕, 申继忠. 2023年全球农药监管新政概览[J]. 世界农药, 2024, 46(2): 27-34. Zhang Haiyan, Shen Jizhong. Overview of new global pesticide regulations in 2023[J]. World Pesticides, 2024, 46(2): 27-34. ( 0) |
| [5] |
刘红刚, 刘蕊, 刘亚萍, 等. 美国农药使用管理制度概述[J]. 世界农药, 2024, 46(3): 8-12. Liu Honggang, Liu Rui, Liu Yaping, et al. Overview of the United States pesticide use management system[J]. World Pesticides, 2024, 46(3): 8-12. ( 0) |
| [6] |
Ritchie H, Roser M, Rosado P. Pesticides[EB/OL]. https://ourworldindata.org/pesticides.
( 0) |
| [7] |
中华人民共和国农业农村部. 中华人民共和国农业部公告第2032号[EB/OL]. 2013. Ministry of Agriculture and Rural Affairs of the People's Republic of China. Announcement No. 2032 of the Ministry of Agriculture of the People's Republic of China[EB/OL]. 2013. ( 0) |
| [8] |
中华人民共和国农业农村部. GB 2763—2021食品安全国家标准食品中农药最大残留限量[S]. 2021. Ministry of Agriculture and Rural Affairs of the People's Republic of China. GB 2763—2021 National Food Safety Standard: Maximum Residue Limits for Pesticides in Food[S]. 2021. ( 0) |
| [9] |
王万红, 王颜红, 王世成, 等. 辽北农田土壤除草剂和有机氯农药残留特征[J]. 土壤通报, 2010, 41(3): 716-722. Wang Wanhong, Wang Yanhong, Wang Shicheng, et al. Residual characteristics of Herbicides and organochlorine pesticides in farmland soils of northern liaoning[J]. Soil Bulletin, 2010, 41(3): 716-722. ( 0) |
| [10] |
代倩子, 徐枫, 虞霖, 等. 太湖区域13种磺酰脲类除草剂污染特征[J]. 环境科学与技术, 2021, 44(9): 1-6. Dai Qianzi, Xu Feng, Yu Lin, et al. Pollution characteristics of 13 sulfonylurea herbicides in the Taihu Region[J]. Environmental Science & Technology, 2021, 44(9): 1-6. ( 0) |
| [11] |
刘洁雪, 梁萧, 覃礼堂, 等. 漓江流域桂林市区段有机磷农药和磺胺类抗生素的复合污染及其生态风险[J]. 环境科学研究, 2022, 35(1): 60-69. Liu Jiexue, Liang Xiao, Qin Litang, et al. Combined pollution and ecological risk of organophosphorus pesticides and sulfonamide antibiotics in the Guilin urban section of the Lijiang River Basin[J]. Environmental Science Research, 2022, 35(1): 60-69. ( 0) |
| [12] |
Lizotte R E, Steinriede R W, Locke M A. Occurrence of agricultural pesticides in Mississippi Delta Bayou sediments and their effects on the amphipod: Hyalella azteca[J]. Chemistry and Ecology, 2021, 37(4): 305-322. DOI:10.1080/02757540.2021.1886281 ( 0) |
| [13] |
Cezarette G N, Souza M C O, Rocha B A, et al. Levels and health risk assessment of twenty-one current-use pesticides in urban and riverside waters of the Brazilian Amazon Basin[J]. Environmental Research, 2024, 252(Pt 3): 119027. ( 0) |
| [14] |
Eissa F, Al-Sisi M, Ghanem K. Occurrence and ecotoxicological risk assessment of pesticides in sediments of the Rosetta branch, Nile River, Egypt[J]. Journal of Environmental Science (China), 2022, 118: 21-31. DOI:10.1016/j.jes.2021.08.047 ( 0) |
| [15] |
Orlikowska A, Fisch K, Schulz-Bull D E. Organic polar pollutants in surface waters of inland seas[J]. Mar Pollut Bull, 2015, 101(2): 860-866. DOI:10.1016/j.marpolbul.2015.11.018 ( 0) |
| [16] |
Liu L, Tang J, Zhong G, et al. Spatial distribution and seasonal variation of four current-use pesticides (CUPs) in air and surface water of the Bohai Sea, China[J]. Science of The Total Environment, 2018, 621: 516-523. DOI:10.1016/j.scitotenv.2017.11.282 ( 0) |
| [17] |
李亚楠, 刘琳, 何秋生, 等. 黄海及长江口4种新型农药分布特征与生态风险评估[J]. 海洋环境科学, 2024, 43(4): 534-542. Li Yanan, Liu Lin, He Qiusheng, et al. Distribution characteristics and ecological risk assessment of four new pesticides in the Yellow Sea and Yangtze River Estuary[J]. Marine Environmental Science, 2024, 43(4): 534-542. ( 0) |
| [18] |
赵雨朦, 魏海峰, 马晴晴, 等. 烟嘧磺隆对翅碱蓬生理代谢的影响研究[J]. 环境生态学, 2019, 1(6): 8-12, 17. Zhao Yumeng, Wei Haifeng, Ma Qingqing, et al. Study on the effects of nicosulfuron on the physiological metabolism of suaeda salsa[J]. Environmental Ecology, 2019, 1(6): 8-12, 17. ( 0) |
| [19] |
张玉龙, 屈佩, 徐可东, 等. 毒死蜱水生生物毒性效应研究进展[J]. 生态毒理学报, 2024, 19(5): 135-150. Zhang Yulong, Qu Pei, Xu Kedong, et al. Research progress on the aquatic toxic effects of chlorpyrifos[J]. Journal of Ecotoxicology, 2024, 19(5): 135-150. ( 0) |
| [20] |
Peter Fiener, Tomáš Dostál, Josef Krása, et al. Operational USLE-Based modelling of soil erosion in Czech Republic, Austria, and Bavaria—differences in model adaptation, parametrization, and data availability[J]. Applied Sciences, 2020, 10(10): 3647-3657. DOI:10.3390/app10103647 ( 0) |
| [21] |
Bombino G, Denisi P, Gómez J A, et al. Modelling the event-based hydrological response of olive groves on steep slopes and clayey soils under mulching and tillage management using the SCS-CN, Horton and USLE-family models[J]. Soil Use and Management, 2023, 39(1): 571-587. DOI:10.1111/sum.12814 ( 0) |
| [22] |
周玉良, 刘丽, 金菊良, 等. 基于SCS和USLE的程海总磷总氮参照状态推断[J]. 地理科学, 2012, 32(6): 725-730. Zhou Yuliang, Liu Li, Jin Juliang, et al. Inference of reference conditions for total phosphorus and total nitrogen in Chenghai Lake based on SCS and USLE models[J]. Scientia Geographica Sinica, 2012, 32(6): 725-730. ( 0) |
| [23] |
樊荣. 基于HSPF模型甬江入海总氮排放控制路径研究[D]. 沈阳: 沈阳大学, 2022. Fan Rong. Study on the Path of Total Nitrogen Emission Control into the Sea from the Yongjiang River Based on the HSPF Model[D]. Shenyang: Shenyang University, 2022. ( 0) |
| [24] |
Verma S K, Prasad A D, Verma M K. An assessment of ongoing developments in water resources management incorporating SWAT model: Overview and perspectives[J]. Nature Environment and Pollution Technology, 2022, 21(4): 1963-1970. DOI:10.46488/NEPT.2022.v21i04.051 ( 0) |
| [25] |
左其亭, 王中根. 现代水文学[M]. 北京: 中国水利水电出版社, 2019. Zuo Qiting, Wang Zhonggen. Modern Hydrology[M]. Beijing: China Water Power Press, 2019. ( 0) |
| [26] |
曾容, 路文海, 杨翼, 等. 渤海生态环境问题与管理对策分析[J]. 海洋开发与管理, 2015(5): 91-96. Zeng Rong, Lu Wenhai, Yang Yi, et al. Analysis of ecological and environmental problems in the Bohai Sea and corresponding management strategies[J]. Ocean Development and Management, 2015(5): 91-96. ( 0) |
| [27] |
范新凤, 韩美, 王磊, 等. 小清河入海口近十年水质变化及驱动因素分析[J]. 环境科学, 2020, 41(4): 1619-1628. Fan Xinfeng, Han Mei, Wang Lei, et al. Analysis of water quality changes and driving factors at the estuary of the Xiaoqing River in the past decade[J]. Environmental Science, 2020, 41(4): 1619-1628. ( 0) |
| [28] |
姜德娟, 王琼, 李瑞泽, 等. 基于SWAT模型的小清河流域总氮输出模拟研究[J]. 水资源与水工程学报, 2017, 28(6): 1-7. Jiang Dejuan, Wang Qiong, Li Ruizhe, et al. Simulation study of total nitrogen output in the Xiaoqing River basin based on the SWAT model[J]. Journal of Water Resources & Water Engineering, 2017, 28(6): 1-7. ( 0) |
| [29] |
徐燕, 孙小银, 刘飞, 等. 基于SWAT模型的泗河流域除草剂迁移模拟[J]. 中国环境科学, 2018, 38(10): 3959-3966. XU Y, SUN X Y, LIU F, et al. Simulation of herbicide transport in the Sihe River Basin using SWAT model[J]. China Environmental Science, 2018, 38(10): 3959-3966. ( 0) |
| [30] |
张冰, 张芊芊, 应光国. 东江流域敌敌畏的排放量估算及归趋模拟[J]. 环境科学, 2021, 42(1): 127-135. Zhang B, Zhang Q Q, Ying G G. Estimation and fate simulation of dichlorvos emissions in the Dongjiang River Basin[J]. Environmental Science, 2021, 42(1): 127-135. ( 0) |
| [31] |
Zhao J, Dai Y, Wang L, et al. Spatiotemporal distribution and fate of typical pesticides in the Bohai Sea and surrounding rivers, China[J]. Environmental Pollution, 2025, 371: 125934. DOI:10.1016/j.envpol.2025.125934 ( 0) |
| [32] |
Dai Y, Song X, Zhao J, et al. Spatiotemporal distribution and potential ecological risks of current-use pesticides (CUPs) in Laizhou Bay, China[J]. Marine Environmental Research, 2025, 206: 107042. DOI:10.1016/j.marenvres.2025.107042 ( 0) |
| [33] |
郑磊, 张依章, 张远, 等. 太子河流域莠去津的空间分布及风险评价[J]. 环境科学, 2014, 35(4): 1263-1270. Zheng Lei, Zhang Yizhang, Zhang Yuan, et al. Spatial distribution and risk assessment of atrazine in the Taizi River Basin[J]. Environmental Science, 2014, 35(4): 1263-1270. ( 0) |
| [34] |
Weifeng X, Li Jiake P K, Ke Z, et al. The application of local Moran's I and Getis-Ord Gi* to identify spatial patterns and critical source areas of agricultural nonpoint source pollution[J]. Journal of Environmental Engineering, 2024, 5(150): 142-150. ( 0) |
| [35] |
Leithold J, Fernandes C, Rodrigues D A J, et al. Water quality assessment for organic matter load in urban rivers considering land cover dynamics[J]. Environmental Monitoring and Assessment, 2023, 195(8): 959. DOI:10.1007/s10661-023-11509-x ( 0) |
| [36] |
Nash J E, Sutcliffe J V. River flow forecasting through conceptual models part Ⅰ—A discussion of principles[J]. Journal of Hydrology, 1970, 3(10): 282-290. ( 0) |
| [37] |
陆璇. 应用统计[M]. 北京: 清华大学出版社, 1999. Lu Xuan. Applied Statistics[M]. Beijing: Tsinghua University Press, 1999. ( 0) |
| [38] |
Green C H, Tomer M D, Luzio D, et al. Hydrological Evaluation of the Soil and Water Assessment Tool for a Large Tile-drained Watershed in Lowa[J]. Transactions of the ASABE, 2006, 2(49): 413-422. ( 0) |
| [39] |
Green C H, Van Griensven A. Autocalibration in hydrologic modeling: Using SWAT2005 in small-scale watersheds[J]. Environmental Modelling & Software: Environment Data News, 2008, 23(4): 422-434. ( 0) |
| [40] |
山东省土壤肥料工作站. 山东土壤[M]. 北京: 中国农业出版社, 1994. Shandong Soil and Fertilizer Workstation. Shandong Soils[M]. Beijing: China Agriculture Press, 1994. ( 0) |
| [41] |
姜晓峰, 王立, 马放, 等. SWAT模型土壤数据库的本土化构建方法研究[J]. 中国给水排水, 2014, 11(30): 135-138. Jiang Xiaofeng, Wang Li, Ma Fang, et al. Study on the localization method for constructing soil database for the SWAT model[J]. China Water & Wastewater, 2014, 11(30): 135-138. ( 0) |
| [42] |
Wang S, Peng H, Hu Q, et al. Analysis of runoff generation driving factors based on hydrological model and interpretable machine learning method[J]. Journal of Hydrology: Regional Studies, 2022, 42: 101139. DOI:10.1016/j.ejrh.2022.101139 ( 0) |
| [43] |
范添乐, 宋玥颐, 陈小军, 等. 农药内吸性的研究现状与改善策略[J]. 农药学学报, 2020, 22(4): 579-585. Fan Tianle, Song Yueyi, Chen Xiaojun, et al. Research status and improvement strategies of pesticide systemicity[J]. Journal of Pesticide Science, 2020, 22(4): 579-585. ( 0) |
| [44] |
Imran, Amanullah, Al Al Tawaha A R M. Efficacy of pre and post emergence herbicides alone and in combination for effective weeds control without effecting growth and development of maize (Zea mays L.)[J]. Russian Agricultural Sciences, 2021, 47(3): 261-269. DOI:10.3103/S1068367421030083 ( 0) |
| [45] |
Dogan F N, Karpuzcu M E. Modeling fate and transport of pesticides from dryland agriculture using SWAT model[J]. Journal of Environmental Management, 2023, 334: 117457. DOI:10.1016/j.jenvman.2023.117457 ( 0) |
| [46] |
Holvoet K, Van Griensven A, Seuntjens P, et al. Sensitivity analysis for hydrology and pesticide supply towards the river in SWAT[J]. Physics and Chemistry of the Earth. Parts A/B/C, 2005, 30(8): 518-526. ( 0) |
| [47] |
Bannwarth M A, Sangchan W, Hugenschmidt C, et al. Pesticide transport simulation in a tropical catchment by SWAT[J]. Environmental Pollution, 2014, 191: 70-79. DOI:10.1016/j.envpol.2014.04.011 ( 0) |
| [48] |
Xu G, Zhang F, Li Z. Equilibrium solubility determination and modeling for cinosulfuron in several cosolvent mixtures[J]. Journal of Chemical and Engineering Data, 2021, 66(8): 3315-3322. DOI:10.1021/acs.jced.1c00357 ( 0) |
| [49] |
崔彦丽, 岑江杰, 谭头云, 等. 莠去津在5种不同土壤中的吸附行为及影响因素[J]. 现代农药, 2019, 18(4): 35-38. Cui Yanli, Cen Jiangjie, Tan Touyun, et al. Adsorption behavior and influencing factors of atrazine in five different soils[J]. Modern Pesticides, 2019, 18(4): 35-38. ( 0) |
| [50] |
Graymore M, Stagnitti F, Allinson G. Impacts of atrazine in aquatic ecosystems[J]. Environment International, 2001, 26(7-8): 483-495. ( 0) |
| [51] |
Jiawen Li, Haiyan Huang, Yong Yang, et al. Contamination remediation and risk assessment of four typical long-residual herbicides: A timely review[J]. Science of the Total Environment, 2025, 997: 180169. DOI:10.1016/j.scitotenv.2025.180169 ( 0) |
| [52] |
李界秋, 黎晓峰, 沈方科, 等. 毒死蜱在土壤中的环境行为研究[J]. 中国农学通报, 2007, 23(1): 168-171. Li Jieqiu, Li Xiaofeng, Shen Fangke, et al. Environmental behavior of chlorpyrifos in soil[J]. Chinese Agricultural Science Bulletin, 2007, 23(1): 168-171. ( 0) |
| [53] |
李睿, 吴秋梅, 赵归梅, 等. 我国黑土地农田土壤除草剂残留特征研究及展望[J]. 环境科学, 2023, 44(4): 2395-2408. Li Rui, Wu Qiumei, Zhao Guimei, et al. Research and prospects on herbicide residues in farmland soils of black soil region in China[J]. Environmental Science, 2023, 44(4): 2395-2408. ( 0) |
| [54] |
任文杰, 滕应, 骆永明. 东北黑土地农田除草剂污染过程与消减技术研究进展与展望[J]. 土壤学报, 2022, 59(4): 888-898. Ren Wenjie, Teng Ying, Luo Yongming. Research progress and prospects on pollution process and reduction techniques of herbicides in black soil farmland of Northeast China[J]. Acta Pedologica Sinica, 2022, 59(4): 888-898. ( 0) |
| [55] |
Wang L, Dai A, Dai Y, et al. Comprehensive ecological risk assessment method for multi-pesticide pollution in the Bohai Sea and Yellow Sea, China[J]. Marine Pollution Bulletin, 2025, 214: 117781. DOI:10.1016/j.marpolbul.2025.117781 ( 0) |
| [56] |
曹莹, 张亚辉, 闫振广, 等. 太湖水体中毒死蜱的污染特征及其生态风险评估[J]. 农业环境科学学报, 2016, 35(12): 2413-2419. Cao Ying, Zhang Yahui, Yan Guangwu, et al. Pollution characteristics and ecological risk assessment of chlorpyrifos in Taihu Lake[J]. Journal of Agro-Environment Science, 2016, 35(12): 2413-2419. ( 0) |
| [57] |
尹晓静, 李星豪, 朱道旭, 等. 太湖西北流域水体有机氯及有机磷农药的残留特征、时空分布及生态风险评价[J]. 环境科学学报, 2024, 44(1): 283-298. Yin Xiaojing, Li Xinghao, Zhu Daoxu, et al. Residue characteristics, spatiotemporal distribution and ecological risk assessment of organochlorine and organophosphorus pesticides in water bodies of northwest Taihu Lake basin[J]. Acta Scientiae Circumstantiantiae, 2024, 44(1): 283-298. ( 0) |
| [58] |
张望, 范广宇, 孟祥龙, 等. 海州湾沿岸海水中21种除草剂的分布特征[J]. 江苏农业科学, 2019, 47(23): 289-294. Zhang Wang, Fan Guangyu, Meng Xianglong, et al. Distribution characteristics of 21 herbicides in coastal waters of Haizhou Bay[J]. Jiangsu Agricultural Sciences, 2019, 47(23): 289-294. ( 0) |