姚 婧，肖宇婷，樊 敏，諶 書(shū)，劉云峰，陳 雯，鄧 粵，王美玲

1.西南科技大學(xué)環(huán)境與資源學(xué)院，四川 綿陽(yáng) 621010 2.成都市沱江流域投資發(fā)展集團(tuán)有限公司，四川 成都 611741

隨著城市化和工業(yè)化快速發(fā)展，城市工業(yè)廢水和生活污水肆意排放，用水量過(guò)耗及水生態(tài)環(huán)境惡化等問(wèn)題嚴(yán)重影響了流域水環(huán)境的可持續(xù)發(fā)展[1]。流域污染負(fù)荷的預(yù)測(cè)解析研究可以為流域水環(huán)境綜合治理提供科學(xué)合理的分析，有助于制定針對(duì)性方案，為水環(huán)境規(guī)劃與管理提供科學(xué)支撐[2]。目前，工業(yè)點(diǎn)源和生活污染源污染負(fù)荷的預(yù)測(cè)方法主要有輸出系數(shù)法[3-5]、多元統(tǒng)計(jì)分析法[6-9]及分布式模型[10-13]等。輸出系數(shù)法所需數(shù)據(jù)較少，操作簡(jiǎn)單，模擬精度較高，在大中尺度流域具有較好的適用性，在國(guó)內(nèi)外得到廣泛應(yīng)用。排污系數(shù)法[14-15]借鑒經(jīng)典輸出系數(shù)模型思路，將污染物輸出系數(shù)替換為排放系數(shù)，得到污染物排放量，對(duì)點(diǎn)源污染和面源污染負(fù)荷都可進(jìn)行估算，參數(shù)較少，應(yīng)用范圍廣，適用于缺乏實(shí)驗(yàn)條件的區(qū)域[16]。多元統(tǒng)計(jì)分析法預(yù)測(cè)精度高，但受樣本數(shù)量的限制無(wú)法準(zhǔn)確判別污染趨勢(shì)的變化，適應(yīng)性較差[17]。分布式模型預(yù)測(cè)精度高，但所需參數(shù)較多，且建模時(shí)要求擬合程度高，適用性較差，難以應(yīng)用到缺乏水力、水文、水質(zhì)等眾多參數(shù)的大中尺度流域。

沱江流域是四川省人口密度最大、城市分布最密集、工農(nóng)業(yè)生產(chǎn)最發(fā)達(dá)的地區(qū)，該區(qū)域承載了全省30.8%的經(jīng)濟(jì)總量和26.2%的人口。然而，流域內(nèi)工業(yè)、城鎮(zhèn)、農(nóng)村生活和畜禽養(yǎng)殖等各類污染源眾多，使沱江流域成為長(zhǎng)江上游較為典型的污染較重流域[18]。目前，針對(duì)沱江流域水污染開(kāi)展的一系列研究主要圍繞單個(gè)污染物指標(biāo)或小單元范圍的污染物負(fù)荷估算及源解析[19]、時(shí)空分布特征分析[20]、水質(zhì)評(píng)價(jià)[21-22]、污染現(xiàn)狀分析[23]、污染類型劃分及防治[24-25]等，缺乏整個(gè)流域范圍內(nèi)主要污染源的多個(gè)污染指標(biāo)在未來(lái)時(shí)空演變的研究。因此，筆者以沱江流域?yàn)檠芯繀^(qū)域，在28個(gè)縣(市、區(qū))尺度上采用灰色模型法、工業(yè)點(diǎn)源傳統(tǒng)統(tǒng)計(jì)法和生活污染源排污系數(shù)法分別預(yù)測(cè)2020—2025年流域人口數(shù)、工業(yè)點(diǎn)源和生活污染源污染負(fù)荷，并利用ArcGIS技術(shù)探索2025年沱江流域各縣(市、區(qū))人口、工業(yè)點(diǎn)源和生活污染源的污染負(fù)荷空間分布特征。通過(guò)分析其時(shí)空變化趨勢(shì)，提出相應(yīng)的治理措施，對(duì)恢復(fù)沱江流域水環(huán)境質(zhì)量，保護(hù)長(zhǎng)江上游水生態(tài)安全具有重要意義。

1 研究區(qū)域概況

沱江是長(zhǎng)江的一級(jí)支流，位于四川省中部，發(fā)源于綿竹市清平鎮(zhèn)，經(jīng)簡(jiǎn)陽(yáng)市、資陽(yáng)市、資中縣、內(nèi)江市、自貢市和富順縣等至瀘州市匯入長(zhǎng)江。河流全長(zhǎng)為712 km，流域面積約為3.29×104km2。2005年四川省環(huán)境公報(bào)顯示，省控監(jiān)測(cè)河段中，11.8%的斷面滿足I類水質(zhì)標(biāo)準(zhǔn)，5.9%的斷面滿足II類水質(zhì)標(biāo)準(zhǔn)，58.8%的斷面屬于IV類水質(zhì)，5.9%的斷面屬于V類水質(zhì)，劣于V類水質(zhì)標(biāo)準(zhǔn)的斷面占17.6%。沱江流域沿江區(qū)域工礦業(yè)發(fā)展較快，大量污水、工業(yè)廢水未經(jīng)處理或者處理未達(dá)標(biāo)直接排入河流，城鎮(zhèn)生活、畜禽養(yǎng)殖和農(nóng)業(yè)種植污染的疊加進(jìn)一步增加了流域污染排放強(qiáng)度，流域面臨日益嚴(yán)峻的水環(huán)境壓力[26]。因此，預(yù)測(cè)沱江流域工業(yè)點(diǎn)源、生活污染源污染負(fù)荷，掌控流域污染負(fù)荷時(shí)空變化特征，可為該流域環(huán)境綜合治理方案的制定和流域環(huán)境規(guī)劃與管理提供科學(xué)參考。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

環(huán)境庫(kù)茲涅茨曲線理論認(rèn)為經(jīng)濟(jì)發(fā)展水平與環(huán)境污染間存在倒“U”形關(guān)系[27-28]，同時(shí)，相關(guān)研究[29]也證實(shí)地方經(jīng)濟(jì)總量是導(dǎo)致工業(yè)廢水排放增加的主要因素。筆者將工業(yè)GDP值作為工業(yè)廢水排放量的參考指標(biāo)，其中，工業(yè)廢水排放數(shù)據(jù)來(lái)源于《四川省水資源公報(bào)》，工業(yè)GDP數(shù)據(jù)來(lái)源于《四川統(tǒng)計(jì)年鑒》，工業(yè)點(diǎn)源污染負(fù)荷數(shù)據(jù)來(lái)源于四川省環(huán)境科學(xué)研究院監(jiān)測(cè)站的監(jiān)測(cè)報(bào)告，污染負(fù)荷排放濃度數(shù)據(jù)來(lái)源于《污水綜合排放標(biāo)準(zhǔn)》(GB 8978—1996)中的一級(jí)標(biāo)準(zhǔn)，詳見(jiàn)表1。

表1 數(shù)據(jù)來(lái)源Table 1 Data sources

相關(guān)研究表明[29]，人口對(duì)工業(yè)污染負(fù)荷的貢獻(xiàn)主要體現(xiàn)在廠區(qū)內(nèi)人口產(chǎn)生的生活廢水排放，而這些廢水與工業(yè)廢水合并排放，其影響不明顯，因此將人口數(shù)作為生活污染源污染負(fù)荷的參考指標(biāo)，其數(shù)據(jù)來(lái)源于《四川統(tǒng)計(jì)年鑒》(為消除工業(yè)點(diǎn)源、城市和農(nóng)村生活污染源各相關(guān)參數(shù)之間的相關(guān)性對(duì)預(yù)測(cè)精度的影響，筆者保持所有預(yù)測(cè)數(shù)據(jù)在同一時(shí)間和空間尺度上)。

2.2 工業(yè)點(diǎn)源的污染負(fù)荷預(yù)測(cè)

沱江是四川省重要河流之一，其以僅占全省3.5%的水資源支撐了全省30%的經(jīng)濟(jì)總量和26.2%的人口，沱江流域工業(yè)GDP對(duì)四川省工業(yè)GDP發(fā)揮了重要作用[18]。

鑒于沱江流域各縣(市、區(qū))工業(yè)廢水排放數(shù)據(jù)的獲取存在局限性，以及沱江流域?qū)λ拇ㄊ」I(yè)GDP的貢獻(xiàn)性和代表性，筆者選取四川省1992—2010年工業(yè)GDP值和工業(yè)廢水排放量歷史數(shù)據(jù)，首先計(jì)算了1992—2009年每年工業(yè)GDP增長(zhǎng)率(αi)和工業(yè)廢水排放量增長(zhǎng)彈性系數(shù)(εi)，然后分別求其平均值，得到工業(yè)GDP年均增長(zhǎng)率(α)和工業(yè)廢水排放量增長(zhǎng)彈性系數(shù)(ε)，將該參數(shù)應(yīng)用到沱江流域各縣(市、區(qū))未來(lái)工業(yè)GDP和工業(yè)廢水排放量的預(yù)測(cè)計(jì)算中。最后基于2016年沱江流域各縣(市、區(qū))工業(yè)GDP值、工業(yè)廢水排放量、工業(yè)GDP年均增長(zhǎng)率和工業(yè)廢水排放量增長(zhǎng)彈性系數(shù)，采用工業(yè)點(diǎn)源傳統(tǒng)統(tǒng)計(jì)法計(jì)算2020—2025年沱江流域各縣(市、區(qū))工業(yè)點(diǎn)源污染負(fù)荷[30]，其相關(guān)計(jì)算公式及關(guān)鍵參數(shù)取值見(jiàn)表2。

表2 工業(yè)點(diǎn)源主要污染負(fù)荷預(yù)測(cè)Table 2 Prediction of main pollution loads from industrial point sources

2.3 生活污染源主要污染負(fù)荷預(yù)測(cè)

GM(1,1)預(yù)測(cè)模型利用累加技術(shù)使原始數(shù)據(jù)具備指數(shù)規(guī)律，然后建立一階微分方程并求解，最后將所求結(jié)果再累減還原，即為灰色預(yù)測(cè)值，對(duì)未來(lái)進(jìn)行預(yù)測(cè)[31]。GM(1,1)預(yù)測(cè)模型主要針對(duì)“小樣本、少數(shù)據(jù)、貧信息”的不確定性系統(tǒng)展開(kāi)研究，預(yù)測(cè)效果較好，運(yùn)算過(guò)程簡(jiǎn)單。

該研究基于沱江流域2013—2018年各縣(市、區(qū))城鎮(zhèn)和農(nóng)村人口歷史數(shù)據(jù)，采用GM(1,1)預(yù)測(cè)模型探索了2020—2025年流域內(nèi)各縣(市、區(qū))城鎮(zhèn)和農(nóng)村人口的發(fā)展趨勢(shì)，所有計(jì)算過(guò)程均在R中實(shí)現(xiàn)[31-32]。在此基礎(chǔ)上，采用排污系數(shù)法探明城鎮(zhèn)和農(nóng)村生活污染源的污染負(fù)荷變化特征，相關(guān)計(jì)算公式及主要參數(shù)取值見(jiàn)表3。

表3 生活污染源主要污染負(fù)荷預(yù)測(cè)Table 3 Prediction of main pollution loads from domestic non-point pollution sources

3 結(jié)果與分析

3.1 工業(yè)GDP與工業(yè)廢水排放量時(shí)空分布預(yù)測(cè)

3.1.1 時(shí)間變化特征

2016年各縣(市、區(qū))工業(yè)GDP值和工業(yè)廢水排放數(shù)據(jù)分別來(lái)源于《四川統(tǒng)計(jì)年鑒》和四川省環(huán)境科學(xué)研究院監(jiān)測(cè)站，將其分別與筆者提出的經(jīng)濟(jì)增長(zhǎng)預(yù)測(cè)法和工業(yè)傳統(tǒng)統(tǒng)計(jì)法計(jì)算得到的預(yù)測(cè)值進(jìn)行比較，相對(duì)誤差均為10%以下，表明筆者提出的方法和所得工業(yè)GDP值、工業(yè)廢水排放量預(yù)測(cè)結(jié)果是可信的。圖1體現(xiàn)了沱江流域工業(yè)GDP值與工業(yè)廢水排放量的變化趨勢(shì)，如圖1所示，2016—2025年，沱江流域工業(yè)GDP值呈逐年遞增趨勢(shì)，工業(yè)廢水排放量呈逐年遞減趨勢(shì)。2016年工業(yè)GDP總值為0.875×1012元，2020年為1.599×1012元，到2025年將增加到3.399×1012元。2016年工業(yè)廢水排放量為1.164×108t，2020年為0.980×108t，預(yù)計(jì)到2025年，工業(yè)廢水排放量將減少到0.522×108t。工業(yè)GDP值與工業(yè)廢水排放變化曲線與環(huán)境庫(kù)茲列茨曲線相似，呈現(xiàn)出倒“U”型。在工業(yè)經(jīng)濟(jì)增長(zhǎng)過(guò)程中，研發(fā)支出上升，推動(dòng)生產(chǎn)技術(shù)進(jìn)步，在提高生產(chǎn)率的同時(shí)也改善了資源的使用效率，降低了產(chǎn)出的污染排放，削弱了生產(chǎn)對(duì)自然與環(huán)境的影響。

圖1 沱江流域工業(yè)GDP值與工業(yè)廢水排放量變化趨勢(shì)Fig.1 Variation of industrial GDP and industrial wastewater discharge in the Tuojiang River basin

3.1.2 空間分布特征

2025年各縣(市、區(qū))工業(yè)GDP值與工業(yè)廢水排放量空間分布如圖2所示，工業(yè)GDP值呈中、上游較高，下游較低的特征；工業(yè)廢水排放量呈上游較多，中游和下游較少的特征。其中，工業(yè)GDP值較高的分別是上游的龍泉驛區(qū)，中游的簡(jiǎn)陽(yáng)市、雁江區(qū)和仁壽縣，下游的江陽(yáng)區(qū)；工業(yè)廢水排放量較多的分別是上游的綿竹市和廣漢市，中游的資中縣和下游的富順縣。

圖2 2025年沱江流域各縣(市、區(qū))工業(yè)GDP值與工業(yè)廢水排放量空間分布Fig.2 Spatial distribution of industrial GDP and industrial waste waterdischarge among counties in the Tuojiang River basin in 2025

3.2 工業(yè)點(diǎn)源主要污染負(fù)荷時(shí)空分布預(yù)測(cè)

3.2.1 時(shí)間變化特征

采用經(jīng)過(guò)驗(yàn)證的工業(yè)點(diǎn)源傳統(tǒng)統(tǒng)計(jì)法預(yù)測(cè)得到2016—2025年各縣(市、區(qū))工業(yè)點(diǎn)源主要污染負(fù)荷，并對(duì)整個(gè)流域進(jìn)行統(tǒng)計(jì)分析，見(jiàn)圖3。

圖3 沱江流域工業(yè)廢水主要污染負(fù)荷變化趨勢(shì)Fig.3 Variation of main pollution loads of industrialwaste water in the Tuojiang River basin

由圖3可知，工業(yè)點(diǎn)源主要污染負(fù)荷呈逐年遞減趨勢(shì)，2016年沱江流域工業(yè)點(diǎn)源COD、NH3-N、TN和TP污染負(fù)荷分別為10 916.38、814.59、2 680.01、108.72 t，預(yù)計(jì)到2025年，各污染負(fù)荷分別減為4 898.49、365.53、1 202.60、48.79 t，減少率分別為55.13%、55.13%、55.13%和54.30%。沱江流域“二三一”向“三二一”產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型與經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)力轉(zhuǎn)變(尤其是創(chuàng)新和消費(fèi)驅(qū)動(dòng)型增長(zhǎng))使工業(yè)點(diǎn)源污染負(fù)荷逐漸減少[36]。

3.2.2 空間分布特征

2025年沱江流域各縣(市、區(qū))工業(yè)點(diǎn)源主要污染負(fù)荷空間分布如圖4所示，各縣(市、區(qū))工業(yè)點(diǎn)源主要污染負(fù)荷空間分布差異較大，COD排放量呈中游較少，上、下游較多的特征。COD排放量較高的縣(市、區(qū))分別是上游的旌陽(yáng)區(qū)和廣漢市，中游仁壽縣和資中縣，下游富順縣和瀘縣，其中仁壽縣COD排放量為全流域最高。NH3-N排放量呈上游和中游較多，下游較少的特征。NH3-N排放量較高的縣(市、區(qū))分別是上游的旌陽(yáng)區(qū)和廣漢市，中游的仁壽縣和下游的富順縣，其中富順縣NH3-N排放量為全流域最高。TN排放量呈上游和下游排放量較多，中游排放量較少的特征。TN排放量較高的縣(市、區(qū))分別是上游的綿竹市、廣漢市、旌陽(yáng)區(qū)和彭州市，中游的仁壽縣和下游的隆昌縣、富順縣和龍馬潭區(qū)，其中富順縣和龍馬潭區(qū)TN排放量為全流域前二位。TP排放量呈上游右岸、中游左岸和下游右岸較多，其他區(qū)域較少的特征。TP排放量較多的縣(市、區(qū))分別是上游的綿竹市，中游的仁壽縣，下游的隆昌縣、富順縣和瀘縣，其中隆昌縣TP排放量為全流域最高。研究表明[36]，工業(yè)污染時(shí)空格局與地方經(jīng)濟(jì)總量、增速等密切相關(guān)。各縣(市、區(qū))之間工業(yè)經(jīng)濟(jì)規(guī)模與增速的差異使工業(yè)點(diǎn)源污染空間差異更為顯著。

圖4 2025年沱江流域各縣(市、區(qū))工業(yè)點(diǎn)源主要污染負(fù)荷空間分布Fig.4 Spatial distribution of main pollution loads from industrialpoint sources of counties in the Tuojiang River basin in 2025

3.3 農(nóng)村、城鎮(zhèn)人口時(shí)空分布預(yù)測(cè)

3.3.1 時(shí)間變化特征

研究首先將經(jīng)GM(1,1)預(yù)測(cè)模型計(jì)算得到的2019年人口預(yù)測(cè)值與《四川統(tǒng)計(jì)年鑒》中對(duì)應(yīng)的人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行比較，相對(duì)誤差為10%以下，表明此研究方法可信。

其次，利用人口趨勢(shì)灰色模型預(yù)測(cè)法計(jì)算得到2020—2025年各縣(市、區(qū))城鎮(zhèn)、農(nóng)村人口數(shù)，并對(duì)整個(gè)流域進(jìn)行統(tǒng)計(jì)分析，如圖5所示。

農(nóng)村人口呈逐年遞減趨勢(shì)，城鎮(zhèn)人口呈逐年遞增趨勢(shì)。2016—2025年，農(nóng)村人口減少約1.841×106人，減少率為18.89%，而城鎮(zhèn)人口增加約3.905×106人，增加率為41.91%。

2016年，農(nóng)村人口數(shù)大于城鎮(zhèn)人口數(shù)，自2017年起，農(nóng)村人口數(shù)開(kāi)始小于城鎮(zhèn)人口數(shù)，且隨著時(shí)間的推移，農(nóng)村與城鎮(zhèn)人口數(shù)之間的差異逐漸增大，預(yù)計(jì)到2025年，城鎮(zhèn)人口數(shù)將增加至農(nóng)村的1.67倍。

圖5 沱江流域農(nóng)村、城鎮(zhèn)人口變化趨勢(shì)Fig.5 Variation of population between ruraland urban in the Tuojiang River basin

3.3.2 空間分布特征

2025年各縣(市、區(qū))農(nóng)村、城鎮(zhèn)人口空間分布如圖6所示。

由圖6可見(jiàn)，流域農(nóng)村、城鎮(zhèn)人口空間分布差異較大。城鎮(zhèn)人口呈上游、中游較多，下游較少的特征。城鎮(zhèn)人口分布較多的有上游的彭州市、旌陽(yáng)區(qū)、新都區(qū)和龍泉驛區(qū)，中游的簡(jiǎn)陽(yáng)市、仁壽縣、資中縣、安岳縣、雁江區(qū)和東興區(qū)，下游的瀘縣、江陽(yáng)區(qū)和自流井區(qū)，其中新都區(qū)、龍泉驛區(qū)和自流井區(qū)城鎮(zhèn)人口分布位列前三；農(nóng)村人口呈中游最多，下游其次，上游最少的特征。其中中游的簡(jiǎn)陽(yáng)市、仁壽縣、資中縣和安岳縣農(nóng)村人口分布較多。城鎮(zhèn)、農(nóng)村人口的差異性分布與其當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展水平密切相關(guān)。

圖6 2025年沱江流域各縣(市、區(qū))城鎮(zhèn)、農(nóng)村人口空間分布Fig.6 Spatial distribution of urban and rural population ofcounties in the Tuojiang River basin in 2025

3.4 城鎮(zhèn)生活污染源主要污染負(fù)荷時(shí)空分布預(yù)測(cè)

3.4.1 時(shí)間變化特征

為進(jìn)一步驗(yàn)證該區(qū)域污染負(fù)荷預(yù)測(cè)結(jié)果的可信性，將采用排污系數(shù)法計(jì)算得到的污染負(fù)荷預(yù)測(cè)結(jié)果與前人研究結(jié)果進(jìn)行比較[16]，兩者相對(duì)誤差為10%以下，表明此研究方法的預(yù)測(cè)結(jié)果可信性較強(qiáng)，城鎮(zhèn)生活污染源主要污染負(fù)荷預(yù)測(cè)結(jié)果如圖7所示。

圖7 沱江流域城鎮(zhèn)生活污染源主要污染負(fù)荷變化趨勢(shì)Fig.7 Variation of main pollution loads from urban domestic non-pointpollution sources in the Tuojiang River basin

城鎮(zhèn)生活污染源主要污染負(fù)荷呈逐年遞增趨勢(shì)，各污染負(fù)荷貢獻(xiàn)率表現(xiàn)為COD>TN>NH3-N>TP。2016—2025年，COD、NH3-N、TN和TP排放量分別增長(zhǎng)了9.62×104、0.64×104、1.15×104、1.54×104t，增長(zhǎng)率均為41.91%。由于城市化的快速發(fā)展，大量農(nóng)村人口向城市匯聚，城市生活用水量上升，水環(huán)境壓力增大，生活垃圾和生活污水排放量增加。

3.4.2 空間分布特征

2025年各縣(市、區(qū))城鎮(zhèn)生活污染負(fù)荷空間分布如圖8所示，各污染負(fù)荷空間分布特征相似，各縣(市、區(qū))污染負(fù)荷空間分布差異較大。COD、NH3-N、TN和TP排放量在空間上均呈中游最多、上游其次、下游較少的特征。上游排放量較多的有新都區(qū)和龍泉驛區(qū)；中游排放量較多的有簡(jiǎn)陽(yáng)市、仁壽縣、雁江區(qū)、資中縣、東興區(qū)和安岳縣；下游排放量較多的是自流井區(qū)、瀘縣和江陽(yáng)區(qū)。其中，新都區(qū)、龍泉驛區(qū)和自流井區(qū)主要污染負(fù)荷量最多。相關(guān)研究表明[16]，生活污染源污染負(fù)荷量與人口數(shù)呈高度正相關(guān)，城市人口密集的區(qū)域生活用水量大，生活垃圾多，污染負(fù)荷量大，農(nóng)村地區(qū)與其相反。

3.5 農(nóng)村生活污染源主要污染負(fù)荷時(shí)空分布預(yù)測(cè)

3.5.1 時(shí)間變化特征

圖9體現(xiàn)了沱江流域農(nóng)村生活污染源主要污染負(fù)荷變化趨勢(shì)。圖9表明，農(nóng)村生活污染源的主要污染負(fù)荷呈逐年遞減趨勢(shì)，各污染負(fù)荷貢獻(xiàn)率表現(xiàn)為COD>TN>NH3-N>TP。2016—2025年，COD、NH3-N、TN和TP排放量分別減少8.07×103、0.81×103、1.01×103、0.14×103t，減少率均為18.89%。人口數(shù)是影響生活污染負(fù)荷的重要因素，城市化驅(qū)使大量農(nóng)村人口向城市聚集，農(nóng)村人口大量減少，農(nóng)村生活污染負(fù)荷量降低，污染程度減緩。

圖8 2025年沱江流域各縣(市、區(qū))城鎮(zhèn)生活污染源主要污染負(fù)荷空間分布Fig.8 Spatial distribution of main pollution loads from urban domesticnon-point sources of counties in the Tuojiang River basin in 2025

3.5.2 空間分布特征

2025年沱江流域各縣(市、區(qū))農(nóng)村生活污染負(fù)荷空間分布如圖10所示，研究區(qū)域各縣(市、區(qū))農(nóng)村生活污染源各污染負(fù)荷空間分布特征相似，各縣(市、區(qū))污染負(fù)荷分布差異較大。

圖10 2025年沱江流域各縣(市、區(qū))農(nóng)村生活污染源主要污染負(fù)荷分布Fig.10 Spatial distribution of main pollution loads from rural domesticnon-point sources of counties in the Tuojiang River basin in 2025

COD、NH3-N、TN和TP的排放量呈中游最多，上游和下游較少的特征。COD、NH3-N、TN和TP排放量較高的有上游的彭州市，中游的簡(jiǎn)陽(yáng)市、仁壽縣、資中縣和安岳縣，下游的沿灘區(qū)和瀘縣。農(nóng)村生活污染源各污染負(fù)荷均與農(nóng)業(yè)人口呈正相關(guān)，農(nóng)業(yè)人口在空間上的不均勻?qū)е赂骺h(市、區(qū))生活污染負(fù)荷分布產(chǎn)生顯著性差異。

4 結(jié)論與建議

4.1 結(jié)論

采用工業(yè)點(diǎn)源傳統(tǒng)統(tǒng)計(jì)法和排污系數(shù)法分別探索了沱江流域工業(yè)和生活污染源主要污染負(fù)荷的發(fā)展趨勢(shì)，并從時(shí)空2個(gè)緯度分析了各污染源主要污染負(fù)荷的分布特征，得出以下結(jié)論：

2016—2025年，沱江流域工業(yè)GDP值呈逐年增加趨勢(shì)，增量為2.52×1012元；工業(yè)廢水排放量與工業(yè)點(diǎn)源污染負(fù)荷均呈逐年減少的趨勢(shì)，其中工業(yè)廢水排放量減少0.64×108t，COD、NH3-N、TN和TP分別減少了6 017.89、449.06、1 477.41、59.93 t。

2016—2025年，農(nóng)村人口與生活污染源各污染負(fù)荷呈逐年減少的趨勢(shì)，其中，農(nóng)村人口減少了1.841×106人，減少率為18.89%，農(nóng)村生活污染源各污染負(fù)荷分別減少了8.07×103、0.81×103、1.01×103、0.14×103t，減少率均為18.89%；城鎮(zhèn)人口與生活污染源各污染負(fù)荷呈逐年增加的趨勢(shì)，其中城市人口增加了3.905×106人，增加率為41.91%，城市生活污染源各污染負(fù)荷分別增加了9.62×104、0.642×104、1.154×104、1.54×104t，增長(zhǎng)率均為41.91%。

從空間分布特征來(lái)看，工業(yè)點(diǎn)源污染負(fù)荷呈上游較少，中、下游較多的特征；城市生活污染源污染負(fù)荷呈中、上游較多，下游較少的特征；農(nóng)村生活污染源的污染負(fù)荷呈中游較多，上、下游較少的特征。

4.2 沱江流域污染防治建議

通過(guò)預(yù)測(cè)沱江流域工業(yè)點(diǎn)源污染負(fù)荷與生活污染源污染負(fù)荷，分析各縣(市、區(qū))污染負(fù)荷時(shí)空分布特征，提出以下控制策略：

1)工業(yè)污染治理。經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)水平等因素均能對(duì)工業(yè)污染物排放量產(chǎn)生嚴(yán)重影響，經(jīng)濟(jì)發(fā)展效應(yīng)是導(dǎo)致工業(yè)廢水排放增加的主要因素。產(chǎn)業(yè)結(jié)構(gòu)對(duì)工業(yè)廢水排放的貢獻(xiàn)量主要受政策影響，技術(shù)改善效應(yīng)對(duì)工業(yè)廢水排放抑制作用較強(qiáng)，因此各地區(qū)應(yīng)優(yōu)化工業(yè)產(chǎn)業(yè)結(jié)構(gòu)，走新型工業(yè)化道路。政府應(yīng)創(chuàng)新管理模式，完善環(huán)境保護(hù)立法，鼓勵(lì)企業(yè)研發(fā)污染治理技術(shù)，加強(qiáng)環(huán)保宣傳力度，提高公眾環(huán)保意識(shí)，避免以環(huán)境容量的過(guò)度為代價(jià)追求工業(yè)經(jīng)濟(jì)的高質(zhì)量和可持續(xù)發(fā)展。

2)農(nóng)村生活污染治理。人口因素嚴(yán)重影響生活污染源污染負(fù)荷的發(fā)展趨勢(shì)，沱江流域中游地區(qū)農(nóng)業(yè)人口密度大，農(nóng)村生活污染嚴(yán)重。因此，環(huán)保部門(mén)應(yīng)該加大沱江流域中游生活污染治理，提升鄉(xiāng)村人口環(huán)保意識(shí)，完善鄉(xiāng)村生活污水處理設(shè)施，推進(jìn)農(nóng)村生活污水治理，改善農(nóng)村環(huán)境質(zhì)量。

3)城市生活污染治理。受人口、經(jīng)濟(jì)條件、社會(huì)發(fā)展趨勢(shì)等因素的影響，大部分地區(qū)城市生活水體污染程度不斷加深。對(duì)此，各地政府部門(mén)應(yīng)結(jié)合當(dāng)?shù)貙?shí)際情況建立更為合理的城市生活污水治理機(jī)制，加強(qiáng)對(duì)城市污水管網(wǎng)的日常維護(hù)，加大對(duì)污染環(huán)境行為的監(jiān)管和處罰力度，通過(guò)稅收和排污許可證制度等控制企業(yè)排污。同時(shí)，城市公民也需要積極參與到環(huán)境保護(hù)的相關(guān)工作中來(lái)，真正實(shí)現(xiàn)全民共同努力，共同促進(jìn)城市的可持續(xù)發(fā)展。

5 創(chuàng)新與展望

工業(yè)產(chǎn)值是影響流域工業(yè)污染負(fù)荷的重要因素，而人口是影響生活非點(diǎn)源污染負(fù)荷的重要因素。該研究耦合2種社會(huì)-經(jīng)濟(jì)因素(工業(yè)GDP與人口)，對(duì)沱江流域各縣(市、區(qū))工業(yè)點(diǎn)源和生活污染源污染負(fù)荷進(jìn)行了長(zhǎng)時(shí)間序列預(yù)測(cè)，并從空間角度探索了各污染源的污染負(fù)荷分布特征，結(jié)果可以直觀展示出各污染源的污染負(fù)荷時(shí)空變化趨勢(shì)和分布格局，為識(shí)別流域重點(diǎn)治理及防控區(qū)域和污染源提供判據(jù)，有利于環(huán)保部門(mén)制定針對(duì)性污染治理政策。該研究提出的基于社會(huì)-經(jīng)濟(jì)因素的流域污染負(fù)荷預(yù)測(cè)解析研究框架，可以推廣到其他流域類似的污染負(fù)荷時(shí)空變化趨勢(shì)研究中，為基于社會(huì)-經(jīng)濟(jì)因素驅(qū)動(dòng)的流域污染負(fù)荷預(yù)測(cè)研究提供研究思路。此外，該研究從全局和局部的角度出發(fā)，基于四川省與各縣(市、區(qū))社會(huì)-經(jīng)濟(jì)因素之間的聯(lián)系，選取四川省工業(yè)廢水排放數(shù)據(jù)計(jì)算工業(yè)廢水排放量增長(zhǎng)彈性系數(shù)，并應(yīng)用到各縣(市、區(qū))工業(yè)點(diǎn)源污染負(fù)荷預(yù)測(cè)，對(duì)個(gè)別社會(huì)-經(jīng)濟(jì)因素變化不顯著的縣(市、區(qū))或工業(yè)廢水排放量較少的縣(市、區(qū))預(yù)測(cè)結(jié)果可能有一定的偏差。因此，在未來(lái)的污染負(fù)荷預(yù)測(cè)中將進(jìn)一步探索四川省與各縣(市、區(qū))的社會(huì)-經(jīng)濟(jì)因素間的內(nèi)在關(guān)系，提高流域污染負(fù)荷的預(yù)測(cè)結(jié)果精度，為水環(huán)境污染的預(yù)防和管理提供參考。