面源污染作为影响饮用水源地水质安全的重要污染源，引起管理部门的广泛关注.对于管理部门，面源污染存在两个急需解决的问题，首先是污染负荷的量化，其次是污染源的解析.模型是解决这两个问题的有效手段，国内外学者在面源污染负荷模型方面的研究较多(朱萱等，1985;刘枫等，1988;Arnold et al., 1998; Cronshey and Theurer， 1998; 张之源等，1999;欧阳威等，2010;李家科等，2011;李开明等，2013)，但是模型的应用条件受到流域特征和基础数据的限制，需要建立一套能够满足我国管理需求的面源污染负荷估算模型.

巢湖作为安徽省重要的饮用水源，我国学者开展了大量面源污染相关的基础研究工作，具体包括污染源调查、田间尺度养分流失监测、面源负荷估算模型应用和面源污染风险评价及源识别等.2007—2009年巢湖流域开展了不同产业(种植业、畜禽养殖业和水产养殖业等)的污染源调查工作，并在调查的基础上深入分析了污染物排放量和污染防治措施(汪洁等，2009).在田间尺度上，开展了长时间系列麦稻轮作下农田养分流失监测和秸秆覆盖与平衡施肥对磷素流失的影响等研究(王静等，2009;王桂苓等，2010).模型方面，我国学者分别应用土水评估工具模型(Soil Water Assessment Tool，SWAT)、农业面源年化模型(Annualized Agricultural Nonpoint Source，AnnAGNPS)和输出系数模型(Export Coefficient Model，ECM)对巢湖子流域面源污染负荷进行时空分析(鲍锦磊，2006;Ji and Sun， 2011;欧阳威等，2014)，并应用磷指数法和最佳管理措施(BMPs)对巢湖流域面源污染风险进行评价，进而对流域面源污染防治措施进行优化分析(王晓辉等，2007;周慧平和高超，2008).巢湖流域的面源研究多集中在氮磷指标上，而管理部门较为关注的氨氮(NH₄⁺-N)和化学需氧量(COD_Cr)污染指标研究较少.

综上，本研究从管理需求出发，结合现有面源模型研究成果，参照二元结构面源污染负荷估算原理(郝芳华等，2006)，构建以遥感像元为基本水文单元的遥感分布式面源污染估算模型——DPeRS(Diffuse Pollution Estimation with Remote Sensing)模型(Wang et al., 2012;王雪蕾等，2013)，对巢湖流域农田种植、农村生活、城镇径流和畜禽养殖等产生的NH₄⁺-N和COD_Cr污染负荷进行估算.同时深入分析巢湖流域面源污染源，为流域面源污染综合防治部门提供决策支持.

巢湖流域位于安徽省中部，属于长江下游左岸水系，流域面积1.4万km²，为亚热带季风气候，流域多年平均气温为16 ℃，极端最高和最低气温分别为41.3 ℃和-15.7 ℃.相对湿度76%，多年平均年降水量为1215 mm，其中汛期5—8月降水量占年降水量的51%.由数字高程数据结合水系矢量数据提取的巢湖流域范围包括合肥市市辖区、长丰县、肥东县、肥西县、巢湖市市辖区、庐江县、无为县、含山县、六安市市辖区和舒城县，具体位置示意和土地利用如图 1所示.

图 1(Fig. 1)

图 1 研究区位置示意图 Fig. 1 Location of Chao Lake Basin(CLB)

(1)土地利用矢量数据：由2010年HJ1A/B影像数据(空间分辨率30 m)经过数据前处理，按照监督分类的最大似然法以人机交互方式完成，巢湖流域土地利用空间分布(二级分类)结果见图 1.

(2)坡度数据：由30 m DEM数据(NASA提供https://wist.echo.nasa.gov/~wist/api/imswelcome)，利用ArcGIS功能模块计算巢湖流域坡度，具体空间分布见图 2a.

图 2(Fig. 2)

图 2 2010年巢湖流域主要空间数据 Fig. 2 Main spatial database of CLB in 2010

(3)土壤类型：由地方部门提供，结合最新土地利用数据对土壤类型数据进行空间修正，土壤类型空间分布见图 2b.

(4)月降水量数据：由国家气象数据中心下载，以DEM作为协变量，采用薄板样条滑动平均法进行降水数据的空间插值(刘志红等，2008)，巢湖流域2010年降水量的空间分布见图 2c.

(5)月植被覆盖度：从2010年环境星数据库中选取12景HJ1A/B(每月1景)影像数据，采用最大最小值定量反演算法(王雪蕾等，2013)，得到巢湖流域年均植被覆盖度空间分布如图 2d所示.

(6)社会经济统计资料：以地方年鉴为基础，数字化2010年巢湖流域县级人口、畜禽养殖量、耕地面积、化肥、作物产量及播种面积等数据，用于计算农田氮磷表观平衡量.

基于统计数据、土地利用、DEM和降水等数据，采用遥感分布式DPeRS面源污染负荷模型，并结合畜禽养殖单元标准换算和空间关联分析方法，对巢湖流域农业面源污染(农田径流、农村生活和畜禽养殖)和城镇径流污染开展模拟研究，探究面源氨氮(NH₄⁺-N)和化学需氧量(COD_Cr)的时空分布特征，明确巢湖流域面源污染源，具体技术路线见图 3.

图 3(Fig. 3)

图 3 技术路线图 Fig. 3 Flowchart of the research

DPeRS模型是遥感分布式二元结构模型，模型机理与大尺度模型(郝芳华等，2006)相同.在本研究中主要应用DPeRS模型对农业(农田径流型、农村生活型和畜禽养殖型)和城镇生活的NH₄⁺-N和COD_Cr面源污染负荷进行估算，本研究中用到的具体模块包括农田氮平衡核算模块，植被覆盖度定量遥感反演模块，溶解态污染负荷估算模块和入河模块.具体算法介绍如下.

(1)农田氮平衡核算模块：采用输入输出法对农田氮表观平衡量进行计算(Wang et al., 2014).输入项包括化肥、饲料、粪肥、生物固氮、大气沉降和种子幼苗等过程，输出项为农作物带走氮量.

(2)植被覆盖度定量遥感反演模块：应用归一化植被指数(Normalized Difference Vegetation Index，NDVI)间接反演植被覆盖度(F_c)，具体算法如下：

式中，NDVI _veg是纯植被像元的NDVI值，NDVI_soil是完全无植被覆盖像元的NDVI值，α_NIR是近红外波段的地表反射率，α_RED是红光波段的地表反射率.

(3)溶解态污染负荷估算模块：以暴雨径流产污模型为基础，具体构建农田径流、农村生活、畜禽养殖和城镇径流的溶解态污染负荷估算方程(王雪蕾等，2013)，具体如下：

式中，C_Dis是溶解态面源污染负荷(t · km^-2);i是面源污染类型，其中1是农田径流型，2是城镇径流型，3是农村生活型，4是畜禽养殖型;j是月份;Q_i是单位面积面源污染源强(t · km^-2);L_i是次降水冲刷后剩余污染物的量(t · km^-2);N_i是自然因子修正系数，用来表征对面源污染物空间分布产生影响的主要自然因子的空间异质性;S_i是社会因子修正系数，用以表征城镇和农村的经济发展对面源污染物排放的影响;ε为径流系数;ε₀为标准径流系数，反映不透水硬化地面情况，本研究中，ε₀ 默认取值为0.87;k为地面冲刷系数;r为降雨强度(mm · d^-1);t为降雨历时(h);P为日降雨量(mm · d^-1);Slop_co，Veg_co和Soil_co分别为坡度、植被和土壤因子;W为垃圾处理率;U为垃圾入网率.

(4)入河模块：基于DEM和流域水系划分亚流域，以亚流域为单元计算入河系数，具体方程如下

式中，Q_discharge为面源污染物入河量(t);Area是像元面积;CR为径流系数(unitless);Prec和Runoff分别为年降雨量和年径流量.本研究采用的Prec和Runoff数据来源于站点实测数据.

畜禽养殖密度(Animal Density，AD)用单位耕地面积的畜禽单元数量来表示(Tamminga，2003).本研究中，畜禽单元(Animal Unit，AU)计算标准为：1个畜禽单元等于454 kg 畜禽活体重量(Kellogg et al., 2000;李帷等，2007)，各畜种畜禽单元换算标准见表 1.

表 1(Table 1)

表 1 畜禽单元换算表 Table 1 Conversion parameters of animal unit list

表 1 畜禽单元换算表 Table 1 Conversion parameters of animal unit list 畜禽种类 单位畜禽单元的畜禽数量/(头(只)·AU-1) 猪 保育猪 2.7 妊娠母猪 2.7 育肥猪 9.1 乳牛 育成牛 4.0 产乳牛 0.9 肉牛 成年牛 1.1 幼年牛 4.0 羊 羔羊 13.0 育肥羊 7.0 禽 蛋禽 250.0 肉禽 455.0

应用DPeRS模型对2010年巢湖流域面源污染负荷进行月尺度估算，结果表明：2010年巢湖流域NH₄⁺-N和COD_Cr平均污染负荷分别为0.2 t · km^-2和10.5 t · km^-2，其中合肥市污染负荷值较高.巢湖流域NH₄⁺-N和COD_Cr污染负荷的空间分布见图 4，分县统计结果具体见表 2. DPeRS模拟结果表明，巢湖流域氨氮和化学需氧量表现为西南部小、西北部大的空间分布特征，具体表现为合肥市市辖区污染较重，且污染类型以城镇径流型为主;其次为肥西县，主要污染类型为畜禽养殖型.

图 4(Fig. 4)

图 4 巢湖流域2010年面源污染物产生负荷空间分布 Fig. 4 Spatial distribution of NPS pollutants loads in CLB in 2010

表 2(Table 2)

表 2 2010年巢湖流域面源污染物产生量列表 Table 2 Productions of NPS pollutants in CLB catchment in 2010

表 2 2010年巢湖流域面源污染物产生量列表 Table 2 Productions of NPS pollutants in CLB catchment in 2010 行政区划 NH4+-N CODCr 负荷/(t·km-2) 总量/t 负荷/(t·km-2) 总量/t 舒城县 1.6×10-2 33. 7 1.6 3270.4 巢湖市市辖区 5.8×10-2 105.1 2.6 4758.1 庐江县 6.0×10-2 123.2 2.2 4429.7 无为县 7.5×10-2 158.9 3.2 6829.2 含山县 5.7×10-2 33.0 2.7 1534.5 和县 7.0×10-2 24.2 5.8 2006.4 六安市市辖区 5.4×10-2 61.1 4.0 4558.1 合肥市市辖区 1.7 815.5 65.2 31795.3 长丰县 7.7×10-2 29.3 8.7 3335.3 肥东县 6.4×10-2 56.5 8.1 7199.0 肥西县 6.7×10-2 121.8 11.1 20064.2 流域总计 0.2 1562.4 10.5 89780.0

2010年巢湖流域NH₄⁺-N和COD_Cr污染产生量的时间变化情况见图 5.图 5表明，NH₄⁺-N和COD_Cr产污量随降水量呈现季节性变化，降雨是地表径流型面源污染的直接动力.巢湖流域2010年面源产污表现为7—8月份较高，3—4月份次之，其余月份较低.统计结果表明，7—8月份巢湖流域面源NH₄⁺-N和COD_Cr的产生量分别占全年各污染指标总量的39%和44%，其中7月份最高，NH₄⁺-N和COD_Cr产生量分别达到352.3 t和2.3×10⁴ t.

图 5(Fig. 5)

图 5 巢湖流域2010年面源污染物产生负荷的时间分布图 Fig. 5 Temporal distribution of NPS pollutants production in CLB in 2010

DPeRS模型入河模块估算结果表明：巢湖流域2010年NH₄⁺-N产生为1562.4 t，进入水体799.7 t;耗氧有机物(以化学需氧量COD_Cr计)为9.0×10⁴ t，进入水体4.6×10⁴ t(见表 3).各区县污染物的产生量及排放量的统计结果见表 3.

表 3(Table 3)

表 3 区县污染物产生量及排放量 Table 3 Annual NPS production and amount into the river in CLB counties

表 3 区县污染物产生量及排放量 Table 3 Annual NPS production and amount into the river in CLB counties 行政区划 NH4+-N CODCr 产生量/t 入河量/t 产生量/t 入河量/t 舒城县 33.7 17.4 3270.4 1689.0 巢湖市市辖区 105.1 54.3 4758.0 2457.2 庐江县 123.2 61.7 4429.7 2209.1 无为县 158.9 82.1 6829.2 3526.9 含山县 33.0 17.1 1534.4 792.4 和县 24.2 12.5 2006.4 1036.1 六安市市辖区 61.1 27.3 4558.1 1896.7 合肥市市辖区 815.6 421.2 31795.3 16422.3 长丰县 29.3 15.0 3335.3 1716.0 肥东县 56.5 29.2 7199.0 3716.0 肥西县 121.8 61.9 20064.2 10073.3 流域总计 1562.4 799.7 89780.0 45535.0

综合DPeRS模型面源污染模拟结果对巢湖流域面源污染类型进行分析，结果表明：城镇径流是NH₄⁺-N最主要的污染源，占总量的51.0%，其次为农田生产，占总量34.4%;具体污染源排序如下：城镇径流型>农田径流型 >农村生活型(13.0%)>畜禽养殖型(1.6%)(图 6a).畜禽养殖是COD_Cr产生的最主要污染源，占总量的57.1%，其次为城镇径流型，占34.2%，最后为农村生活型占8.7%(图 6b).巢湖流域农业面源污染源(包括农田径流、农村生活和畜禽养殖)解析结果表明，对于NH₄⁺-N指标，农田耕作仍然是巢湖流域农业面源污染的主要污染类型，而对于COD_Cr指标，畜禽养殖是巢湖流域主要的农业污染源.

图 6(Fig. 6)

图 6 污染类型分析图 Fig. 6 Proportion of pollutant sources

对比国内外其他面源污染模型，DPeRS模型在模型结构、模型运行条件和模拟指标等几个方面具有较大的管理应用优势.DPeRS模型以遥感像元为基本模拟单元，与SWAT等模型提出的水文响应单元(Hydrological Response Units，HRU)概念相比，在保证模拟精度的前提下极大地提高了面源污染模拟的空间分辨率(Wang et al., 2012)；同时DPeRS模型中耦合了定量遥感模型，弥补了无资料或缺资料地区模型估算的不足;DPeRS模型的参数设置为开放模式，可以根据参数丰富度进行重新构架，可以根据管理需求完成流域、行政区和国家层次的面源污染监测与评估;模拟指标为TN、TP、COD_Cr和NH₄⁺-N，与国家管理部门关注指标相一致.此外，DPeRS模型系统可以实现遥感像元尺度的污染负荷空间可视化，直观提供了面源污染空间分布的“关键地区”，并从农田、农村生活、畜禽养殖、城镇和水土流失5个方面对面源污染源进行解析，与传统总量减排核算方法相比，实现了从“点”到“面”的突破，为因地制宜制定面源污染防治方案提供了技术支撑.

人口密度是城镇化程度的重要表征指标之一，2010年巢湖流域平均人口密度为300人 · km^-2，其中合肥市人口密度最大为3.9×10³人 · km^-2，各县市城镇人口密度空间分布具体见图 7a.基于空间随机采样分析方法，对NH₄⁺-N的产生负荷和城镇人口密度进行空间相关性分析，结果表明，二者的Pearson相关系数高达0.98，在0.01水平上显著相关.可见，适当调整人口密度格局可以有效控制巢湖流域城镇氨氮面源污染.

图 7(Fig. 7)

图 7 城镇人口密度和农田氮平衡的空间分布 Fig. 7 Spatial distribution of the urban population density(a) and agricultural N Balance(b)

农田表观养分平衡表征了农田土壤系统的养分盈余情况，表观平衡量为正值，说明农田土壤系统有多余的氮磷养分输入到水环境系统，因此农田养分平衡通常作为农田面源污染的源强因子(郝芳华等，2006). 2010年巢湖流域农田土壤氮养分平衡量平均为27.2 t · km^-2，变化范围为5.7~78.0 t · km^-2，农田氮养分平衡空间分布如图 7b所示.基于空间随机采样分析方法，将NH₄⁺-N的产生负荷与农田氮平衡量进行空间相关性分析，结果表明，二者的Pearson相关系数达到0.65，在0.01水平上显著相关.可见，加强农田养分管理，即调整氮肥使用量，提高氮肥使用效率，从而降低氮养分平衡量，可以有效控制巢湖流域氨氮面源污染.

巢湖流域各区县畜禽养殖密度的变动范围在1.0~5.0 AU · hm^-2之间，平均畜禽养殖密度为2.5 AU · hm^-2，超过欧盟规定最大的畜禽养殖密度2.0 AU · hm^-2(Schröder et al., 2003).结合巢湖流域土地利用数据，畜禽养殖密度的空间分布情况如图 8所示.空间分布结果表明，巢湖流域西部地区畜禽养殖密度较高，尤其在合肥市市辖区、肥西县和长丰县，畜禽养殖密度达到3.5AU · hm^-2以上，而此区域的COD_Cr产生负荷也相对较大.采用空间随机采样分析方法，将COD_Cr的产生负荷与畜禽养殖密度进行空间关联分析，结果表明，二者的Pearson相关系数高达0.91，在0.01水平上显著相关.可见，从畜禽产业布局、畜禽养殖规模控制等方面合理控制畜禽养殖密度能有效减缓畜禽养殖所产生的化学需氧量面源污染问题.

图 8(Fig. 8)

图 8 2010年巢湖流域畜禽养殖密度的空间分布 Fig. 8 Spatial distribution of the animal density in CLB in 2010

对比国内外其他面源污染模型，遥感分布式面源污染模型DPeRS在模型结构、模型运行条件和模拟指标等几个方面具有较大的管理应用优势.本研究应用DPeRS模型对巢湖流域氨氮和化学需氧量的面源污染负荷进行模拟和污染类型分析，结果表明：

1)DPeRS模型在流域尺度面源污染模拟结果表明:巢湖流域2010年NH₄⁺-N污染负荷平均为0.2 t · km^-2，产生量为1562.4 t，入河量为799.7 t，COD_Cr污染负荷平均为10.5 t · km^-2，产生量为9.0×10⁴ t，入河量为4.6×10⁴ t.

2)面源污染物的空间分布特征表明，对巢湖流域水质产生影响的面源污染物NH₄⁺-N和COD_Cr主要集中在巢湖流域西北部地区，合肥市面源污染物产生量及入河排放量最大，巢湖流域城镇型面源污染问题突出.

3)DPeRS面源污染源分析表明：城镇径流型污染是NH₄⁺-N最主要的面源污染源，占总污染量的51%，且NH₄⁺-N污染负荷与城镇人口密度和农田氮平衡呈显著相关，Pearson相关系数分别为0.98和0.65.畜禽养殖型污染是COD_Cr最主要的面源污染源，占总污染量的57%，COD_Cr污染负荷与畜禽养殖密度之间有显著的空间关联性，相关系数为0.91.

4)空间相关性分析结果表明，巢湖流域西北部地区是今后污染防治的关键区域，合理调整城镇人口密度空间分布格局，加强农田养分管理，规划畜禽养殖选址和规模等措施，可以有效减缓巢湖流域面源污染问题.