流域非点源污染的最佳管理措施成本效益分析研究进展 | [PDF全文] |
2. 浙江省环境监测中心,杭州 310012
2. Zhejiang Environmental Monitoring Center, Hangzhou 310012, China
近年来,非点源污染已不同程度地影响到全球30%~50%的地表水[1]。我国非点源污染也已成为水体污染的主要贡献者[2]。氮磷等营养物质的大量流失进一步加快了受纳水体富营养化进程,严重破坏水生态平衡。因此,控制非点源污染对于改善水环境具有重要意义。相对于点源污染而言,非点源污染具有时空分散性、随机性、隐蔽性等特点[3],因而,非点源污染防治具有一定的复杂性和困难性。最佳管理措施(best management practices,BMPs)是一种将工程类和非工程类措施相结合的综合污染防控体系,它通过改变或影响流域水文、土壤侵蚀、生态及养分循环等过程来达到控制非点源污染的目的,已成为非点源污染治理的最为有效的手段之一[4]。工程措施主要通过改变或切断污染物的迁移途径来减少污染物的流失,主要措施包括植被过滤带、人工湿地、植物篱、植草河道等;非工程措施即管理措施,大多是从源头控制非点源污染流失,包括耕作管理措施、综合肥力管理措施、景观管理措施等。
非点源污染控制措施种类繁多,如何筛选出最佳管理措施是制定非点源污染综合控制方案的关键。在满足环境治理要求的前提下,经济成本成为非点源污染控制措施筛选的重要因子。成本效益分析作为传统的经济评价手段,是一种有效的BMPs优选方法。它基于措施的成本和效益对各类BMPs进行评价,根据措施布置效果排序,选出适合特定区域的BMPs优化组合。BMPs的成本效益分析一般包括4个步骤:1)分析流域污染来源和污染现状,因地制宜地选择合理有效的措施;2)估算BMPs成本;3)预测BMPs的污染削减效果;4) 完成BMPs成本效益分析,并优选出成本效益高的BMPs组合。
本文主要从BMPs成本效益分析的概念界定、研究方法和相关应用3个方面对BMPs的成本效益分析研究现状进行总结和分析,并对BMPs主要应用瓶颈进行讨论,以期为流域非点源污染BMPs筛选提供参考。
1 BMPs成本效益分析概念界定成本效益分析是一种常用的BMPs评价手段,旨在满足水质指标条件下获得成本最低的措施组合(即在成本限制条件下最大程度提高水质)。在流域非点源污染控制中存在大量潜在有效的BMPs方案,通过成本效益分析评价不同措施的成本和效益,从而优选出成本效益高的方案。在成本效益分析中,“效益”特指环境效益,即污染物的削减和水质的提升,采用物理单位进行换算。BMPs的“成本”主要包括研究成本、布置成本和后期维护成本,采用货币单位衡量的方法。由于BMPs成本效益分析中的“效益”是指环境效益,应当将措施布置的经济收益作为机会成本纳入成本核算中[5]。
1.1 成本组成非点源污染控制措施的成本一般分为显性成本和隐性成本2个方面[6]。显性成本是看得见的成本,例如工程建造、维护成本和人工费用等。相对于显性成本,隐性成本具有来源复杂、难以量化和隐蔽性等特点,它主要是一些宣传、科研、行政和信息获取等费用。不同区域中的隐性成本相差很大,例如,农民学习一种新的技术措施所耗费的成本,由于受到农民自身的年龄、教育程度、当地事物的参与程度等多方面因素的制约而难以衡量。当前的主要解决方法是借助统计模型将专家观点和农民偏好纳入到成本考虑范畴,通过打分法确定各因素比重,从而有效衡量措施的隐性成本。REIMER等[7]通过对印第安纳流域45个农民进行深度访谈,了解农民对不同控制措施的偏好及其原因,发现省时省力性、措施与农民需求的一致性以及利益的可感知性是影响农民选择BMPs的最主要因素,也就是隐性成本核算的主要影响因素。
不同类型的BMPs的成本组成不同。工程类措施的成本主要包括工程建设费用和后期维护费用。通常,工程建设费用远超过维护费用,但TOSAKANA等[8]对美国西北部1 500名农民的调查发现,农民认为措施的维护成本与建设成本同等重要。实际上,许多措施的非点源污染削减效果不断下降的原因正是后期维护的匮乏。因此,在成本效益分析中应当充分考虑维护成本的重要性。非工程类措施与工程类措施的成本组成差别较大,由于前者无须工程建设,成本的主要来源不是建设费用,而多是人工费用和科研费用。
1.2 效益界定在成本效益分析中BMPs的效益特指环境效益,即在BMPs布置后,相对于基准情景特定污染物的削减或水质的提升。其中,基准情景即为未布置BMPs的情景,它是一系列自然环境条件的集合,涉及土地利用情况、气候条件、土壤类型分布、地形地貌和社会经济发展情况等多方面的因素;能否准确衡量基准情景下非点源污染负荷是影响效益评价结果准确性的关键。不同研究者采用不同的“效益”衡量方式:SHESHUKOV等[9]将BMPs布置前后污染负荷的改变量与基准情景下污染负荷量的比值作为草地措施的效益,以此评估不同措施的适用性;MAHARJAN等[10]通过研究BMPs对子流域污染物削减和流域出口水质提升的影响,从而综合评估措施的环境效益。为确定子流域污染物削减效果与流域出口水质提升的相关关系,GIRI等[11]构建了多种统计学模型,试图采用简单实用的方法来衡量BMPs的环境效益,以此指导BMPs的布置位置。
目前,BMPs效益评估的难点在于:一方面相关资料难以搜集且价格高昂,模型的效益评价过程需要翔实的多年气象数据、水质监测数据和措施特征相关数据,因此,数据搜集的完备性在很大程度上取决于该流域是否具有完善的流域监测系统和农业数据库;另一方面则是水质响应延滞性[12-13]导致的措施效果评价的误差,这是由于BMPs对氮磷等污染物的削减效果并不能迅速在污染物受纳水体中体现出来,在污染物削减和水质提升之间存在一个“延迟时间”,可能是几天到数十年。
2 BMPs成本效益分析方法 2.1 成本效益核算方法 2.1.1 成本核算方法成本核算方法主要有经验计算法和模型计算法2种。
经验计算法通过文献查阅、现场调查和资料收集来确定措施成本。PANAGOPOULOS等[14]采用机会成本法,根据相关经济研究和文献数据确定苜蓿草地耕种、绵羊养殖和植被过滤带的成本。张雅帆[15]将工程类BMPs成本细化至投资费用、维护费用和运行费用;其中,投资费用包括建筑工程、临时工程、其他工程和预备费用,根据相关国家标准和行业标准进行BMPs成本计算。
经济模型是BMPs在筛选过程中进行经济分析的主要工具,它实质上是通过研究BMPs成本与收益之间的数量关系,确定在一定水质目标下成本最低的措施组合。目前,大多数经济模型是基于简单的经济优化算法,通过分析措施布置对经济因素的影响,确定在经济生产过程中固定的输入输出参数,建立成本和经济收益的相关函数,进而模拟农业经济生产过程中资源和商品的供需平衡,得到价格变化和作物产量变化的相关数据。经常采用的经济模型主要是环境成本模型(environmental cost model, ECM)、农业部门模型(agricultural sector model, ASM)和农田尺度经济模型(farm-level economic model, FEM)等。例如,ATTWOOD等[16]所采用的ASM就是一种广泛应用的可以模拟农产品市场供需平衡的经济模型。
国外普遍采用模型计算法核算成本,主要得益于其完备的农业经济数据和较为成熟的BMPs相关经济模型。但国内由于缺乏相关经济数据库和经济模型,主要采用经验计算法。例如,由于畜禽养殖在我国许多流域是非点源污染的主要来源[17-18],通过减少畜禽养殖量可有效减少流域非点源污染流失,该措施的成本可通过计算畜禽削减所导致的经济损失来代替。
2.1.2 效益评价方法流域非点源污染模型是BMPs效益评价的主要途径。该模型是对农业非点源污染在自然生态系统中一系列复杂的物理、生物、化学等过程的数学定量描述。根据模型建立途径和模拟过程原理的不同,可将流域非点源污染模型划分为经验模型和物理模型。非点源污染模型在BMPs效益评价中的特征见表 1。
点击放大 |
经验模型常用的主要是输出系数模型(export coefficient model,ECM)[19]和磷指数法(phosphorus index,PI)[20]。经验模型不涉及非点源污染迁移转化的具体过程,其构建主要基于现场监测实验提取数据,通过污染物输入和输出关系的量化来进行模拟。经验模型作为一种“黑箱模型”,由于不涉及非点源污染迁移转化的具体过程,主要通过改变模型的输入数据来完成BMPs效益评价,往往局限于管理类措施[21-23],如化肥削减和畜禽养殖数量削减等,难以对工程类BMPs的空间布置和效益评估提供较为合理的模拟。
随着对非点源污染迁移转化过程的深入研究,物理模型逐渐替代经验模型,成为非点源污染负荷模拟和最佳管理措施评价的主要工具。从模型结构来看,常用的物理模型有集总式和分布式2类。集总式模型将整个流域作为一个整体进行研究,未能考虑水文要素的空间分布,难以反映由于不断增强的人类活动导致的较大的下垫面空间差异;该类模型常用的有农业管理系统的化学污染物、径流与侵蚀模型(chemicals, runoff and erosion from agricultural management systems, CREAMS)[24]和农业管理系统地下水负荷影响模型(groundwater loading effects on agricultural management systems, GLEAMS)[25]等。而分布式非点源污染模型将流域划分为较小的空间单元,每一个空间单元都具有相似的水文和地理特征,能够有效地模拟下垫面差异较大的流域;因此,分布式模型应用更为广泛,相关模型开发也较多。常见的分布式BMPs评估模型包括区域非点源污染流域环境响应模型(area non-point source watershed environment response simulation, ANSWERS)[26]、水文模拟模型(hydrological simulation program in FORTRAN, HSPF)[27]、农业非点源污染模型(agricultural non-point source pollution model, AGNPS)[28]和水土评估工具(soil and water assessment tool, SWAT)[29],其中以SWAT模型应用最为广泛。相关研究[30-32]表明,物理型非点源污染模型是工程类和非工程类BMPs效益评价的有效工具,它根据不同的管理措施情景方案,调整模型内置参数和输入数据,预测相对于基准情景下的非点源污染削减量,进而完成BMPs在模型中的模拟。由于模型的输出在不同流域对各个参数具有不同程度的敏感性,在措施布置前应当对模型进行充分的率定和验证,以降低模型模拟的误差。
2.2 成本效益优化方法成本效益分析是用于识别和度量BMPs空间布置效益和费用的系统方法,其基本任务就是分析计算措施在布置过程中的成本和效益,通过比较评价,选择净效益最大的方案以供决策;成本效益分析框架见图 1。成本效益优化条件主要包括2个:1)成本最小化,以将流域出口水质目标作为约束条件,将措施成本最小化作为目标函数;2)效益最大化,对于给定的措施成本,存在一种BMPs组合使污染物削减量最大。
流域管理项目一般是基于水质提升或污染物削减来开展的,因此,成本效益分析相关研究主要集中在给定的水质目标或污染物削减量下的BMPs成本最小化研究;也有少部分研究会以给定的成本作为约束条件,例如,ANCEV等[33]和AZZAINO等[34]考虑到用于植被过滤带布置的资金来源是有限的,通过优化植被过滤带的布置位置和宽度,提高措施的污染削减效率。成本效益分析作为一种单目标决策分析方法,广泛应用于流域非点源污染管控措施的筛选,但相较于多目标的决策分析方法,其局限性也非常明显:成本效益分析形成的优选结果单一,难以提供多种统筹考虑经济效益、环境效益和社会效益的BMPs优化组合。
2.3 BMPs成本效益分析的应用目前,BMPs成本效益分析研究主要集中在3种类型:基于非点源污染模型与成本经验算法的成本效益分析,基于非点源污染模型与经济模型耦合的成本效益分析和基于优化算法的成本效益分析。
2.3.1 基于非点源污染模型与成本经验算法的成本效益分析非点源污染模型作为非点源污染核算的有效工具,广泛应用于BMPs效益的评估。一些研究借助经验算法和非点源污染模型,分别核算措施成本和污染物削减量。PANAGOPOULOS等[35]将BMPs施用前后污染负荷的差值作为污染物去除效率,用措施成本与去除效率的比值来计算成本效益,发现不同措施在不同的作物种植区域具有不同的成本效益。在国内,LIU等[36]通过经验公式和SWAT模型,分别计算措施的机会成本和污染削减率,比较不同措施的成本效益,最终选择退耕还林(园)、免耕和化肥削减20%的措施组合作为研究区域的农业非点源污染控制方案;王晓燕等[37]基于对BMPs经济成本和价值的估算,综合考察各项措施的成本-效益关系,对不同BMPs的费用效益比、内部收益率、投资回收期、经济净现值等经济指标进行计算,结果表明,将耕地变为果园和河岸植被缓冲带2项措施可以较低成本有效控制非点源污染。
该方法的主要问题在于成本计算结果的不确定性和计算过程的复杂性,随着农业生产数据库的日益完备和模型技术的不断发展,经济模型的引入较好地解决了这一问题。
2.3.2 基于非点源污染模型与经济模型耦合的成本效益分析在BMPs效益评估过程中,非点源污染模型与经济模型的耦合一般采用模块化耦合方法,2种模型的运行相对独立,通过将一个模型的输出作为另一个模型的输入,建立2种模型的相互联系。
COOLS等[38]将SWAT模型与经济优化模型ECM相结合,将SWAT模型模拟出的污染物削减量和措施成本输入ECM,该模型可计算出措施组合总成本,并通过成本效益分析给不同措施排序,从而在一定的水质目标下优选出成本效益最高的措施组合。STRAUSS等[39]采用由全农田模型(whole farm model, WFM)、GLEAMS和欧洲土壤流失模型(European soil erosion model, EUROSEM)构成的综合模型框架,对关键源区进行措施布置,分析比较不同措施的环境效益、成本和成本效益值。LESCOT等[40]采用SWAT模型评估BMPs的污染物削减效率,采用通用代数建模系统(general algebraic modeling system, GAMS)模型核算措施成本,基于成本效益值对各类措施进行排序。RIBAUDO等[41]采用美国农业部门数学规划模型(United States agricultural sector mathematical programming, USMP)和土壤侵蚀与生产力影响估算模型 (erosionproductivity impact calculator, EPIC) 对密西西比这一超大型流域进行措施成本效益核算发现,当氮的削减量为125万t时,2种措施的成本相同,低于这一数值时肥料削减措施成本更低,高于这一数值时则人工湿地的成本更低。
2.3.3 基于优化算法的成本效益分析随着计算机技术的发展,研究者将优化算法引入成本效益分析,综合考虑BMPs类型、规模和位置等多方面因素,大大提高了措施优选的效率和准确性。优化算法在成本效益分析中的应用一般是基于随机搜索算法,根据经济模型和非点源污染模型的评价结果,通过设定一个目标函数(成本最小或污染削减量最大)来引导算法的搜索方向,获得成本效益最优的措施组合。优化算法主要包括遗传算法和线性规划法[42]。
遗传算法是成本效益分析中最常用的优化算法,它将BMPs的性质作为演化中的“基因”,BMPs的组合作为演化中的“染色体”,以污染物削减效率或措施成本为目标方程,进行不同BMPs随机组合,具有优秀“基因”的组合保留下来,实现BMPs的不断演化,进而获得最佳世代所代表的BMPs在各个区域的配置组合。KAINI等[43]将遗传算法应用于工程性措施上,以营养物和泥沙量的削减量为约束条件,结果发现:在营养物和泥沙削减量分别为20%和40%时,遗传算法主要优选出植被过滤带和植草河道2种措施;而当削减量达到60%时,该算法则将梯田和沉淀池措施也纳入流域非点源污染控制体系。GITAU等[44]以60%的磷削减量为限制条件,根据SWAT模型和遗传算法的模拟结果,轮作、等高线种植和植被缓冲带是较为优化的方案,其中,成本效益最高的措施情景将每千克磷的削减费用从34美元降低到了24美元。
线性规划是将环境规划决策问题概化成在预定的目标函数和约束条件下,对若干BMPs方案进行优化选择的数学规划模型。杨育红等[45]设计了21种措施组合方案,以措施的费用最小为目标函数,以总磷浓度和措施布置面积为约束条件,建立小流域出口水质优化管理模型,结果发现,化肥减施和梯田建设面积是影响方案选择的主要因素。刘建昌等[46]首先对AGNPS模型进行敏感参数分析,提出控制敏感参数的管理措施,然后通过“区间数不确定性系统规划”模型进行环境经济效果的优化,结果表明,线性规划方法的引入所形成的最佳管理方案,可以确保在有效控制非点源污染的基础上经济投入最小。
2.4 BMPs成本效益分析的主要瓶颈 2.4.1 耦合模型时空尺度的差异性耦合模型是成本效益分析中成本核算、效益评估和措施优化的有效途径。环境模型与经济模型的耦合已经比较成熟,但仍存在一些问题。1)评价空间尺度不一致:非点源污染模型是基于地理汇水单元进行评价,而经济模型多是基于行政区划单元;2)评价时间尺度不一致:非点源污染模型的模拟时间尺度多是基于日、月或季节,而经济模型的时间尺度一般是基于年。2种模型评价空间尺度的不一致意味着BMPs在模型中的布置位置和流域中的实际布置位置存在差异,时间尺度不一致则会增加数据转化的困难性,进而导致成本核算和措施效益评价的误差[47]。
2.4.2 不确定性问题在成本效益评价中,成本核算所涉及的措施布置的位置和时间、经济发展状况、技术水平和农民对措施的认可度等各类因素都存在一定的不确定性;同时,环境评价过程也会受到流域自然过程的不可预测性和空间高度异质性等因素的影响。BROUWER等[48]基于对成本效益分析不确定性研究的回顾,指出不确定性问题主要有3大来源:环境目标和参数的不确定性、污染源的不确定性、措施成本和效益评估的不确定性。LACROIX等[49]认为,经济、农业和环境系统复杂的相互作用导致成本效益研究中较高的不确定性,有必要将不确定性纳入到研究中,以期为决策者提供较为真实有效的措施方案。为减少不确定性对分析结果的影响,ELOFSSON[50]在对波罗的海流域非点源污染削减方案的成本效益研究中纳入不确定性分析,结果发现,没有纳入不确定分析的结果会将总成本低估20%以上。
3 结语BMPs作为非点源污染控制的有效途径,在污染物的源头削减、过程拦蓄以及生态系统修复方面均起到至关重要的作用,但BMPs的选择需要综合考虑措施实施的环境效益和经济成本。成本效益分析作为一种综合考虑经济成本和环境效益的BMPs优化方法,将经济可行性纳入到BMPs的选择中,使BMPs的布置更加符合流域实际情况,可有效解决流域综合管理中经济发展与环境保护的矛盾。本文对成本核算、效益评价和成本效益分析的方法进行了阐述,对成本效益分析在BMPs中的优选应用进行了回顾,分析讨论了该方法在应用中所存在的时空尺度差异性和模拟不确定性问题等限制因子。考虑到BMPs的成本效益分析涉及环境、经济和社会等多方面综合因素,在未来的研究中,一方面应当建立和健全更加实时有效的经济数据库和水文水质数据库,借助丰富的实测数据对水质模型进行充分验证,减少模拟过程中的不确定性;另一方面要依靠不断发展的计算机技术来提高BMPs的成本效益分析和优化的效率和准确性,加强不同类型模型的耦合,提升成本效益分析方法在实际应用中的可行性。
[1] |
杨淑静, 张爱平, 杨世绮, 等.农业非点源污染现状分析及国内外研究进展.
中国农业气象,2009,30 :82–85.
YANG S J, ZHANG A P, YANG S Q, et al. Status analysis of agricultural non-point source pollution and advances in domestic and overseas. Chinese Journal of Agrometeorology, 2009,30 :82–85. (in Chinese with English abstract) |
[2] |
樊娟, 刘春光, 石静, 等.非点源污染研究进展及趋势分析.
农业环境科学学报,2008,27 (4):1306–1311.
FAN J, LIU C G, SHI J, et al. Advances and tendencies of the study on non-point source pollution. Journal of Agro-Environment Science, 2008,27 (4):1306–1311. (in Chinese with English abstract) |
[3] |
张红举, 陈方.太湖流域面源污染现状及控制途径.
水资源保护,2010,26 (3):87–90.
ZHANG H J, CHEN F. Non-point pollution statistics and control measures in Taihu Basin. Water Resources Protection, 2010,26 (3):87–90. (in Chinese with English abstract) |
[4] |
DAKHLALL A O, PARAJULI P B. Evaluation of the best management practices at the watershed scale to attenuate peak streamflow under climate change scenarios.
Water Resources Management, 2016,30 (3):963–982. DOI: 10.1007/s11269-015-1202-9. |
[5] |
LEDOUX L, TURNER R K. Valuing ocean and coastal resources: A review of practical examples and issues for further action.
Ocean & Coastal Management, 2002,45 (9/10):583–616. |
[6] |
KURKALOVA L A. Cost-effective placement of best management practices in a watershed: Lessons learned from conservation effects assessment project.
Journal of the American Water Resources Association, 2015,51 (2):359–372. DOI: 10.1111/1752-1688.12295. |
[7] |
REIMER A P, WEINKAUF D K, PROKOPY L S. The influence of perceptions of practice characteristics: An examination of agricultural best management practice adoption in two Indiana watersheds.
Journal of Rural Studies, 2012,28 (1):118–128. DOI: 10.1016/j.jrurstud.2011.09.005. |
[8] |
TOSAKANA N S P, VAN TASSELL L W, WULFHORST J D, et al. Determinants of the adoption of conservation practices by farmers in the Northwest Wheat and Range Region.
Journal of Soil and Water Conservation, 2010,65 (6):404–412. DOI: 10.2489/jswc.65.6.404. |
[9] |
SHESHUKOV A Y, DOUGLAS-MANKIN K R, SINNATHAMBY S, et al. Pasture BMP effectiveness using an HRU-based subarea approach in SWAT.
Journal of Environmental Management, 2016,166 :276–284. DOI: 10.1016/j.jenvman.2015.10.023. |
[10] |
MAHARJAN G R, RUIDISCH M, SHOPE C L, et al. Assessing the effectiveness of split fertilization and cover crop cultivation in order to conserve soil and water resources and improve crop productivity.
Agricultural Water Management, 2016,163 :305–318. DOI: 10.1016/j.agwat.2015.10.005. |
[11] |
GIRI S, NEJADHASHEMI A P, ZHANG Z, et al. Integrating statistical and hydrological models to identify implementation sites for agricultural conservation practices.
Environmental Modelling & Software, 2015,72 :327–340. |
[12] |
BRACMORT K S, ARABI M, FRANKENBERGER J R, et al. Modeling long-term water quality impact of structural BMPs.
Transactions of the ASABE, 2006,49 (2):367–374. DOI: 10.13031/2013.20411. |
[13] |
MEALS D W, DRESSING S A, DAVENPORT T E. Lag time in water quality response to best management practices: A review.
Journal of Environmental Quality, 2010,39 (1):85–96. DOI: 10.2134/jeq2009.0108. |
[14] |
PANAGOPOULOS Y, MAKROPOULOS C, MIMIKOU M. Reducing surface water pollution through the assessment of the cost-effectiveness of BMPs at different spatial scales.
Journal of Environmental Management, 2011,92 (10):2823–2835. DOI: 10.1016/j.jenvman.2011.06.035. |
[15] |
张雅帆. 非点源污染最佳管理措施的环境经济评价: 以密云县太师屯镇为例. 北京: 首都师范大学, 2008: 56-57. ZHANG Y F. Environmental-economic assessment on best management practices in Taishitun Town of Miyun County, Beijing. Beijing: Capital Normal University, 2008:56-57. (in Chinese with English abstract) |
[16] |
ATTWOOD J D, MCCARL B, CHEN C C, et al. Assessing regional impacts of change: Linking economic and environmental models.
Agricultural Systems, 2000,63 (3):147–159. DOI: 10.1016/S0308-521X(99)00077-3. |
[17] |
张维理, 武淑霞, 冀宏杰, 等.中国农业面源污染形势估计及控制对策Ⅰ.21世纪初期中国农业面源污染的形势估计.
中国农业科学,2004,37 (7):1008–1017.
ZHANG W L, WU S X, JI H J, et al. Estimation of agricultural non-point source pollution in China and the alleviating strategies Ⅰ. Estimation of agricultural non-point source pollution in China in early 21 century. Scientia Agricultura Sinica, 2004,37 (7):1008–1017. (in Chinese with English abstract) |
[18] |
张蔚文. 农业非点源污染控制与管理政策研究. 杭州: 浙江大学, 2006: 65-67. ZHANG W W. Research on agricultural non-point source pollution control and management policy. Hangzhou: Zhejiang University, 2006:65-67. (in Chinese with English abstract) |
[19] |
BOWES M J, SMITH J T, JARVIE H P, et al. Modelling of phosphorus inputs to rivers from diffuse and point sources.
Science of The Total Environment, 2008,395 (2/3):125–138. |
[20] |
GBUREK W J, SHARPLEY A N, HEATHWAITE L, et al. Phosphorus management at the watershed scale: A modification of the phosphorus index.
Journal of Environmental Quality, 2000,29 (1):130–144. |
[21] |
HIRT U, VENOHR M, KREINS P, et al. Modelling nutrient emissions and the impact of nutrient reduction measures in the Weser River Basin, Germany.
Water Science and Technology, 2008,58 (11):2251–2258. DOI: 10.2166/wst.2008.833. |
[22] |
MATIAS N G, JOHNES P J. Catchment phosphorous losses: An export coefficient modelling approach with scenario analysis for water management.
Water Resources Management, 2012,26 (5):1041–1064. DOI: 10.1007/s11269-011-9946-3. |
[23] |
LIU M, LU J. Solution of export coefficients of nitrogen from different land-use patterns based on Bayesian analysis.
Water Science and Technology, 2013,68 (3):632–640. DOI: 10.2166/wst.2013.173. |
[24] | HONEYFIELD H R, BUNTER W A, MOFFITT D C, et al. Use of the CREAMS model in California// American Society of Agricultural Engineers.1984. |
[25] |
LEONARDO R A, KNISEL W G, STILL D A. GLEAMS: Groundwater loading effects of agricultural management-systems.
Transactions of the ASABE, 1987,30 (5):1403–1418. DOI: 10.13031/2013.30578. |
[26] |
FISHER P, ABRAHART R J, HERBINGER W. The sensitivity of two distributed non-point source pollution models to the spatial arrangement of the landscape.
Hydrological Processes, 1997,11 (3):241–252. DOI: 10.1002/(ISSN)1099-1085. |
[27] |
FILOSO S, VALLINO J, HOPKINSON C, et al. Modeling nitrogen transport in the Ipswich River Basin, Massachusetts, using a hydrological simulation program in FORTRAN (HSPF).
Journal of the American Water Resources Association, 2004,40 (5):1365–1384. DOI: 10.1111/jawr.2004.40.issue-5. |
[28] |
YOUNG R A, ONSTAD C A, BOSCH D D, et al. AGNPS: A nonpoint-source pollution model for evaluating agricultural watersheds.
Journal of Soil and Water Conservation, 1989,44 (2):168–173. |
[29] |
ARNOLD J G, FOHRER N. SWAT 2000: Current capabilities and research opportunities in applied watershed modelling.
Hydrological Processes, 2005,19 (3):563–572. DOI: 10.1002/(ISSN)1099-1085. |
[30] |
PARAJULI P B, MANKIN K R, BARNES P L. Applicability of targeting vegetative filter strips to abate fecal bacteria and sediment yield using SWAT.
Agricultural Water Management, 2008,95 (10):1189–1200. DOI: 10.1016/j.agwat.2008.05.006. |
[31] |
BEHERA S, PANDA R K. Evaluation of management alternatives for an agricultural watershed in a sub-humid subtropical region using a physical process based model.
Agriculture Ecosystems & Environment, 2006,113 (1/2/3/4):62–72. |
[32] |
张玉珍, 陈能汪, 曹文志, 等.南方丘陵地区农业小流域最佳管理措施模拟评价.
资源科学,2005,27 (6):151–155.
ZHANG Y Z, CHEN N W, CAO W Z, et al. Evaluation of optimum management practices of a small agricultural watershed in Southeast China. Resources Science, 2005,27 (6):151–155. (in Chinese with English abstract) |
[33] | ANCEV T, LIFRAN R, TAN N. Cost-effective abatement of pollution from agricultural sources classified in risk classes// 13th World Water Congress. France: Montpellier, 2008. |
[34] |
AZZAINO Z, CONRAD J M, FERRARO P J. Optimizing the riparian buffer: Harold Brook in the Skaneateles Lake Watershed, New York.
Land Economics, 2002,78 (4):501–514. DOI: 10.2307/3146849. |
[35] |
PANAGOPOULOS Y, MAKROPOULOS C, MIMIKOU M. Reducing surface water pollution through the assessment of the cost-effectiveness of BMPs at different spatial scales.
Journal of Environmental Management, 2011,92 (10):2823–2835. DOI: 10.1016/j.jenvman.2011.06.035. |
[36] |
LIU R M, ZHANG P P, WANG X J, et al. Cost-effectiveness and cost-benefit analysis of BMPs in controlling agricultural nonpoint source pollution in China based on the SWAT model.
Environmental Monitoring and Assessment, 2014,186 (12):9011–9022. DOI: 10.1007/s10661-014-4061-6. |
[37] |
王晓燕, 张雅帆, 欧洋, 等.流域非点源污染控制管理措施的成本效益评价与优选.
生态环境学报,2009,18 (2):540–548.
WANG X Y, ZHANG Y F, OU Y, et al. Optimization and economic evaluation on cost-benefit of best management practices in non-point source pollution control. Ecology and Environmental Sciences, 2009,18 (2):540–548. (in Chinese with English abstract) |
[38] |
COOLS J, BROEKX S, VANDENBERGHE V, et al. Coupling a hydrological water quality model and an economic optimization model to set up a cost-effective emission reduction scenario for nitrogen.
Environmental Modelling & Software, 2011,26 (1):44–51. |
[39] |
STRAUSS P, LEONE A, RIPA M N, et al. Using critical source areas for targeting cost-effective best management practices to mitigate phosphorus and sediment transfer at the watershed scale.
Soil Use and Management, 2007,23 :144–153. DOI: 10.1111/sum.2007.23.issue-s1. |
[40] |
LESCOT J M, BORDENAVE P, PETIT K, et al. A spatiallydistributed cost-effectiveness analysis framework for controlling water pollution.
Environmental Modelling & Software, 2013,41 :107–122. |
[41] |
RIBAUDO M O, HEIMLICH R, CLAASSEN R, et al. Least-cost management of nonpoint source pollution: Source reduction versus interception strategies for controlling nitrogen loss in the Mississippi Basin.
Ecological Economics, 2001,37 (2):183–197. DOI: 10.1016/S0921-8009(00)00273-1. |
[42] |
张祯祯, 刘永, 钱玲, 等.非点源污染最佳管理措施及模拟优化研究进展.
中国给水排水,2013,29 (12):5–10.
ZHANG Z Z, LIU Y, QIAN L, et al. Best management practices, simulation and optimization for non-point source pollutioncontrol. China Water & Wastewater, 2013,29 (12):5–10. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-4602.2013.12.002. |
[43] |
KAINI P, ARTITA K, NICKLOW J W. Optimizing structural best management practices using SWAT and genetic algorithm to improve water quality goals.
Water Resources Management, 2012,26 (7):1827–1845. DOI: 10.1007/s11269-012-9989-0. |
[44] |
GITAU M W, CHIANG L C, SAYEED M, et al. Watershed modeling using large-scale distributed computing in Condor and the soil and water assessment tool model.
SimulationTransactions of the Society for Modeling and Simulation International, 2012,88 (3):365–380. DOI: 10.1177/0037549711402524. |
[45] |
杨育红, 阎百兴.小流域面源污染减控措施优化管理.
生态与农村环境学报,2011,27 (2):11–15.
YANG Y H, YAN B X. Optimal non-point source pollution control practices for a small watershed. Journal of Ecology and Rural Environment, 2011,27 (2):11–15. (in Chinese with English abstract) |
[46] |
刘建昌, 张珞平, 张玉珍, 等.控制农业非点源污染的最佳管理措施的优化设计.
厦门大学学报 (自然科学版),2004,43 (Suppl. 1):267–274.
LIU J C, ZHANG L P, ZHANG Y Z, et al. Optimal design of best management practices to control agricultural non-point source pollution in Chinese watershed. Journal of Xiamen University (Natural Science), 2004,43 (Suppl. 1):267–274. (in Chinese with English abstract) |
[47] |
GHEBREMICHAEL L T, VEITH T L, HAMLETT J M. Integrated watershed-and farm-scale modeling framework for targeting critical source areas while maintaining farm economic viability.
Journal of Environmental Management, 2013,114 :381–394. DOI: 10.1016/j.jenvman.2012.10.034. |
[48] |
BROUWER R, DE BLOIS C. Integrated modelling of risk and uncertainty underlying the cost and effectiveness of water quality measures.
Environmental Modelling & Software, 2008,23 (7):922–937. |
[49] |
LACROIX A, BEAUDOIN N, MAKOWSKI D. Agricultural water nonpoint pollution control under uncertainty and climate variability.
Ecological Economics, 2005,53 (1):115–127. DOI: 10.1016/j.ecolecon.2004.11.001. |
[50] |
ELOFSSON K. Cost-effective reductions of stochastic agricultural loads to the Baltic Sea.
Ecological Economics, 2003,47 (1):13–31. DOI: 10.1016/j.ecolecon.2002.10.001. |