關(guān)鍵詞：面源污染；DPeRS模型；遙感；陜西??；總氮

中圖分類號(hào)：X52 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1672-2043（2024）12-2805-12 doi：10.11654/jaes.2024-0828

陜西省地跨黃河、長江兩大流域，是中國重要的糧食和北方水果主產(chǎn)區(qū)，南水北調(diào)中線工程重要的水源地，同時(shí)也是全國水土流失最嚴(yán)重省份之一。近年來，隨著陜西省各類綜合治理及生態(tài)環(huán)境保護(hù)工程的實(shí)施，流域點(diǎn)源污染基本得到控制，面源污染作為影響水質(zhì)安全的重要污染源，已經(jīng)成為受到廣泛關(guān)注的重要問題[1-2]，其具有的隨機(jī)性、廣泛性、滯后性、模糊性、潛伏性等特點(diǎn)，加大了相應(yīng)的研究、治理和管理政策制定的難度[3-4]。氮元素是作物生長的基本元素，人類活動(dòng)如農(nóng)田、農(nóng)村畜禽養(yǎng)殖和城鄉(xiāng)結(jié)合部地帶的生活排污的不斷加劇，以及農(nóng)業(yè)集約化程度的提升，導(dǎo)致了諸如流域水體氮元素富營養(yǎng)化、地下水硝酸鹽污染等一系列水環(huán)境問題[5-6]和生物多樣性喪失[7]。嚴(yán)重的水土流失，既危及黃河中下游安全，同時(shí)也制約陜西，特別是黃河流域的生態(tài)保護(hù)和高質(zhì)量發(fā)展。因此，開展陜西省總氮（TN）面源污染時(shí)空特征解析，識(shí)別面源污染主要來源，能夠?yàn)榱饔蜿懺次廴究刂啤⑺|(zhì)提升提供重要的技術(shù)支持。

模型模擬是面源污染定量化研究的有效手段，隨著遙感和地理信息技術(shù)在面源研究領(lǐng)域的應(yīng)用，面源污染空間特征研究進(jìn)程也在加快[8-9]，目前模型與遙感技術(shù)耦合已經(jīng)成為面源污染定量化研究的重要趨勢(shì)。國內(nèi)外對(duì)面源污染負(fù)荷評(píng)估的模型較多，具有代表性的有HSPF、SWMM、STORM、AnnAGNPS、SWAT、Johns輸出系數(shù)、WARMF和SPARROW等模型，國內(nèi)使用較多的是輸出系數(shù)法[10-12]、AnnAGNPS[13-14]、SWAT[15-18]和DPeRS模型[19-24]。馬廣文等[4]應(yīng)用輸出系數(shù)法分析了長江上游流域土地利用對(duì)面源污染的影響及其差異；陳海濤等[25]利用SWAT模型探討了輸入數(shù)據(jù)精度與準(zhǔn)確性對(duì)徑流和TN 模擬結(jié)果的影響；歐陽威等[26]利用SWAT模型計(jì)算出撓力河流域的面源污染數(shù)據(jù)，并將其與In VEST模型中的生境質(zhì)量模擬結(jié)果相結(jié)合，對(duì)撓力河流域的生態(tài)安全進(jìn)行了研究；王雪蕾等[20]利用DPeRS模型估算了巢湖流域氨氮和化學(xué)需氧量的面源污染負(fù)荷，并進(jìn)行污染特征解析；馮愛萍等[24]利用DPeRS模型對(duì)海河流域TN和總磷（TP）的負(fù)荷進(jìn)行了模擬評(píng)估與綜合分析。縱觀現(xiàn)有研究，對(duì)陜西省面源污染的研究大多著眼于省域范圍內(nèi)的黃河、長江等流域或某一地區(qū)[27-28]，或僅對(duì)單一指標(biāo)污染特征進(jìn)行分析[27，29-30]，方法多使用輸出系數(shù)法[31-32]，一是缺乏從時(shí)間與空間兩個(gè)維度對(duì)陜西全省的面源污染時(shí)空特征分析，二是缺少從管理需求出發(fā)的多尺度、多類型面源污染空間精細(xì)化量化評(píng)估。

本研究采用遙感分布式面源污染評(píng)估模型（Dif?fuse pollution estimation with remote sensing，DPeRS）對(duì)2016—2020年陜西全省范圍TN面源污染排放負(fù)荷和入河負(fù)荷進(jìn)行像元尺度空間精細(xì)化評(píng)估分析，從農(nóng)田種植、畜禽養(yǎng)殖、農(nóng)村生活、城鎮(zhèn)徑流和水土流失5個(gè)類型識(shí)別其主要污染類型，進(jìn)一步識(shí)別TN面源污染優(yōu)控單元，探討TN面源污染對(duì)水體污染的貢獻(xiàn)率，為水質(zhì)污染溯源、流域水質(zhì)改善提供決策支持。

1 材料與方法

1.1 研究區(qū)概況

以陜西省為研究區(qū)，對(duì)其TN面源污染時(shí)空特征進(jìn)行評(píng)估分析。陜西省地域狹長，地勢(shì)南北高、中間低，省域總面積205 624.3 km²。北山和秦嶺將陜西分為三大自然區(qū)域：北部是陜北高原，中部是關(guān)中平原，南部是秦巴山地。用地類型以林地、耕地和草地為主，分別占省域面積的61.6%、16.4%和15.7%，其中，耕地以旱地為主，主要分布在關(guān)中平原和陜北黃土高原，水田主要分布在陜南漢中盆地。秦嶺山脈橫貫全省東西，秦嶺以北為黃河水系，主要支流從北向南有窟野河、無定河、延河、洛河、涇河（渭河支流）、渭河等；秦嶺以南屬長江水系，有嘉陵江、漢江和丹江。陜西屬大陸性季風(fēng)氣候，境內(nèi)南北間氣候有明顯差異，年均氣溫7～16 ℃，年均降水340～1240mm，降水南多北少。研究區(qū)區(qū)位圖和土地利用分布詳見圖1。

1.2 研究方法

1.2.1 面源污染評(píng)估模型

DPeRS 模型[33]是以大尺度面源污染模型[34]為基礎(chǔ)，采用“二元結(jié)構(gòu)”原理構(gòu)建的遙感分布模型，主要評(píng)估由降水引起的地表徑流型面源污染。該模型耦合定量遙感模型和生態(tài)水文過程模型，可對(duì)流域尺度面源污染負(fù)荷的時(shí)空動(dòng)態(tài)進(jìn)行定量分析，模型算法以遙感數(shù)據(jù)為驅(qū)動(dòng)，空間計(jì)算單元為影像柵格，涉及的參數(shù)根據(jù)流域水文特征、土地利用和土壤特征等因素確定。模型具體可概括為農(nóng)田徑流型、城鎮(zhèn)徑流型、農(nóng)村生活型、畜禽養(yǎng)殖型和水土流失型5個(gè)污染類型，溶解態(tài)污染物和顆粒態(tài)污染物2 個(gè)元素形態(tài)。其中，溶解態(tài)面源污染物即表明面源污染物具有水溶性，可隨地表徑流發(fā)生遷移，整個(gè)過程受水循環(huán)控制，污染來源主要是農(nóng)田生產(chǎn)過程中施用的肥料，城鎮(zhèn)生活和農(nóng)村生活中非集中處理和排放的生活垃圾、生活污水污染，以及散養(yǎng)和集中養(yǎng)殖過程中未集中處理的畜禽糞便污染等；顆粒態(tài)面源污染物即通過附著在土壤顆粒體而實(shí)現(xiàn)遷移運(yùn)動(dòng)的污染元素（本研究?jī)H指TN），其過程與水土流失密切相關(guān)。溶解態(tài)和顆粒態(tài)面源污染負(fù)荷估算方法見表1，參數(shù)說明詳見表2。其中，自然因子修正系數(shù)（N）用來表征對(duì)面源污染物空間分布產(chǎn)生影響的主要自然因子的空間異質(zhì)性；社會(huì)因子修正系數(shù)（S）用以表征城市及其經(jīng)濟(jì)發(fā)展對(duì)面源污染物排放的影響；標(biāo)準(zhǔn)化地表徑流系數(shù)（?₀）在本研究中取值為0.87。此外，基于陜西省主要水文站的月度觀測(cè)數(shù)據(jù)，采用HEQM 模型[35-36]模擬TN 入河系數(shù)，進(jìn)一步核算研究區(qū)面源污染TN入河負(fù)荷。

1.2.2模型數(shù)據(jù)庫構(gòu)建

DPeRS模型模擬所需要的數(shù)據(jù)主要包括土地利用、月植被覆蓋度、月降水量、坡度坡長、土壤類型和農(nóng)田氮磷平衡量等。模型所有的空間數(shù)據(jù)均為投影和行列號(hào)一致的柵格數(shù)據(jù)，空間分辨率均統(tǒng)一轉(zhuǎn)換為30 m。其中，土地利用分布數(shù)據(jù)采用GF-1、GF-2、ZY-3等衛(wèi)星影像數(shù)據(jù)，以人機(jī)交互式專家判讀的方法進(jìn)行分類，并利用野外核查評(píng)估解譯數(shù)據(jù)的精度，2020 年野外核查評(píng)估一級(jí)精度為97%；采用像元二分法進(jìn)行全省月植被覆蓋度反演；基于DEM數(shù)據(jù)（30m 空間分辨率）計(jì)算研究區(qū)坡度和坡長數(shù)據(jù)[37]；基于中國氣象數(shù)據(jù)網(wǎng)數(shù)據(jù)，通過最優(yōu)插值方法分析得到的地面資料和衛(wèi)星資料融合分析降水的方法獲得月降水量空間分布數(shù)據(jù)；基于現(xiàn)有的土壤全氮含量數(shù)據(jù)，結(jié)合實(shí)地采樣檢測(cè)，采用隨機(jī)森林（RF）算法獲得精度較高的土壤全氮含量分布數(shù)據(jù)；基于2016—2020年陜西省分縣人口數(shù)量、耕地面積、化肥施用量、畜禽養(yǎng)殖量、作物產(chǎn)量及播種面積等統(tǒng)計(jì)數(shù)據(jù)，采用輸入輸出法計(jì)算研究區(qū)農(nóng)田氮平衡量[38]。模型主要數(shù)據(jù)的來源和處理分析方法詳見表3。

1.2.3 面源污染入河風(fēng)險(xiǎn)劃分方法

基于地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)限值和中國地表水資源量數(shù)據(jù)，在假設(shè)點(diǎn)源和面源對(duì)水質(zhì)的影響各占一半的前提下，參考文獻(xiàn)[23]構(gòu)建面源污染潛在風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)，基于陜西省TN面源污染入河負(fù)荷值，評(píng)估其面源污染入河風(fēng)險(xiǎn)。標(biāo)準(zhǔn)限值及風(fēng)險(xiǎn)類別見表4。

1.2.4 面源污染優(yōu)控單元識(shí)別方法

“十二五”期間原環(huán)保部開展了水污染防治分區(qū)管理工作，結(jié)合水質(zhì)目標(biāo)劃定了控制單元，在其基礎(chǔ)上，結(jié)合水質(zhì)管理目標(biāo)和保證鄉(xiāng)鎮(zhèn)完整性的情況下，繼續(xù)對(duì)控制單元進(jìn)行細(xì)化，最終形成了我國1 784個(gè)控制單元[39]，納入了《重點(diǎn)流域水污染防治規(guī)劃》（2016—2020年），其中陜西省有49個(gè)控制單元?？紤]到面源污染源頭治理和過程控制兩種重要方式，選取排放負(fù)荷和入河量?jī)身?xiàng)指標(biāo)對(duì)面源污染優(yōu)控單元進(jìn)行識(shí)別判定，使用2016—2020年所有控制單元兩項(xiàng)指標(biāo)的平均值作為篩選閾值，省內(nèi)每個(gè)控制單元的兩項(xiàng)指標(biāo)值分別與閾值進(jìn)行對(duì)比，面源污染排放負(fù)荷和入河量均大于本省閾值的單元被判定為最優(yōu)先控制單元，將其作為源頭與入河過程協(xié)同Ⅰ類面源優(yōu)控單元；排放負(fù)荷大而入河量小或者排放負(fù)荷小而入河量大的控制單元判定為Ⅱ類面源優(yōu)控單元，分別作為源頭Ⅱ類面源優(yōu)控單元和入河Ⅱ類面源優(yōu)控單元，其他情況均判定為一般面源污染控制單元。本研究篩選的TN 排放負(fù)荷閾值為1.28 t·km^-2，入河量閾值為1696.2t。

2 結(jié)果與分析

2.1 面源污染時(shí)空分布特征

2016—2020年陜西省TN面源污染排放負(fù)荷的空間分布如圖2所示，TN面源污染負(fù)荷高值區(qū)主要集中分布在黃河流域段的農(nóng)田種植區(qū)，且渭河流域段更為顯著，具體表現(xiàn)在寶雞市中部、西安市北部、咸陽市和渭南市大部等區(qū)域，其中，黃河流域段TN面源污染排放負(fù)荷均值為1.48 t·km^-2，渭河流域段為1.57 t·km^-2，分別為全省水平的1.18倍和1.25倍，南部的秦嶺地區(qū)用地類型以林地為主，TN面源污染負(fù)荷整體相對(duì)較低，為全省水平的0.59倍。

對(duì)2016—2020 年陜西省TN面源污染排放負(fù)荷和入河負(fù)荷的空間核算結(jié)果進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明，2016—2020年陜西省TN面源污染平均排放負(fù)荷和排放量分別為1.25 t·km^-2和25.75 萬t，平均入河負(fù)荷和入河量分別為0.40 t·km^-2和8.31 萬t。分流域來看，黃河流域段TN面源污染平均排放量占全省平均排放量的76.19%（19.62萬t），其中渭河流域段平均排放量占比為40.98%（10.55萬t）；黃河流域段TN面源污染平均入河量占全省平均入河量的54.36%（4.52萬t），其中渭河流域段平均入河量占比為47.18%（3.92萬t）。年際對(duì)比來看，除2016年外，2017—2020年陜西省TN面源污染排放和入河特征的波動(dòng)變化趨勢(shì)一致，負(fù)荷值、排放總量和入河總量均為2017年最高，2018 年最低，這與其降水量的變化趨勢(shì)相一致（降雨徑流是面源污染發(fā)生的主要驅(qū)動(dòng)力）；此外，氮平衡量是農(nóng)業(yè)面源污染的初始源強(qiáng)，因2016年陜西省農(nóng)田氮平衡量相對(duì)較高，故2016年陜西省面源污染排放負(fù)荷和排放量較為突出。2016—2020 年TN面源污染排放和入河信息詳見圖3。

2.2面源污染入河風(fēng)險(xiǎn)分布特征

2016—2020年陜西省TN面源污染入河風(fēng)險(xiǎn)空間分布如圖4所示，整體上看，面源污染入河高風(fēng)險(xiǎn)區(qū)主要集中分布在渭河流域段，其中渭南和咸陽市的中南部、西安市北部及延安市北部的部分地區(qū)屬于常年高風(fēng)險(xiǎn)區(qū)，是陜西省面源污染空間管控的重點(diǎn)區(qū)。從時(shí)間變化上看，2017—2020年陜西省TN面源污染入河風(fēng)險(xiǎn)相對(duì)較高，高風(fēng)險(xiǎn)區(qū)平均面積占比為11.43%，此外，2017—2020年寶雞市中東部地區(qū)也處于高風(fēng)險(xiǎn)水平，2020年延安市TN面源污染入河風(fēng)險(xiǎn)較前4年有所降低。

2.3面源污染類型特征分析

基于2016—2020年陜西省TN面源污染空間核算結(jié)果，進(jìn)一步統(tǒng)計(jì)分析農(nóng)田徑流型、畜禽養(yǎng)殖型、農(nóng)村生活型、城鎮(zhèn)生活型和水土流失型5種污染源的面源污染平均排放量和平均入河量（表5）。結(jié)果表明，農(nóng)田徑流型是陜西省TN面源污染的首要污染類型，該類型TN平均排放量占排放總量的86.83%，TN平均入河量占入河總量的92.27%；其次為水土流失型，該類型排放量占比為13.01%，入河量占比為7.39%；畜禽養(yǎng)殖、農(nóng)村生活和城市生活的影響較小。

分流域段來看，黃河流域段農(nóng)田徑流型和水土流失型TN排放量占比分別為86.56%和13.25%，兩種類型TN入河量占比分別為91.30%和8.14%；渭河流域段農(nóng)田徑流型和水土流失型TN 排放量占比分別為88.90% 和10.77%，兩種類型TN 入河量占比分別為94.98%和4.38%。由此可見，黃河流域段和渭河流域段TN面源污染的主要類型均是農(nóng)田徑流，且渭河流域農(nóng)田徑流型面源污染影響更為突出，因此黃河流域尤其是渭河流域段應(yīng)著重加強(qiáng)種植區(qū)養(yǎng)分管理和污染防控，如加大測(cè)土配方施肥和綠色農(nóng)業(yè)節(jié)水減排技術(shù)推廣，以及推行生態(tài)田埂、生態(tài)溝渠等農(nóng)田種植污染攔截消減技術(shù)。

2.4 面源污染優(yōu)控單元識(shí)別

基于2016—2020年面源污染空間估算結(jié)果對(duì)陜西省49個(gè)控制單元進(jìn)行面源污染優(yōu)控單元識(shí)別，結(jié)果表明，2016—2020年陜西省TN面源污染優(yōu)控單元平均個(gè)數(shù)為24個(gè)，其中2017年最多（27個(gè)），2018年最少（19個(gè)）；2016—2020年陜西省TN面源污染優(yōu)控面積占比呈現(xiàn)先上升后下降的趨勢(shì)（圖5），2017年最為突出，其優(yōu)控面積占比達(dá)到70.37%。2020年陜西省源頭與入河過程協(xié)同Ⅰ類優(yōu)控單元面積占比最高（31.18%），其源頭和入河過程Ⅱ類優(yōu)控單元面積占比分別為12.38%和14.86%。從空間分布變化（圖6）來看，2016—2020年渭河流域上游區(qū)域以入河過程Ⅱ類和Ⅰ類為主，其余地區(qū)優(yōu)控單元類型變化不大。其中，2020年陜西?、耦悆?yōu)控單元主要分布于渭河流域，漢江流域農(nóng)業(yè)生產(chǎn)區(qū)的個(gè)別控制單元也屬于Ⅰ類優(yōu)控單元；源頭Ⅱ類優(yōu)控單元多位于黃河流域，入河過程Ⅱ類則多分布于漢丹江流域。因此，渭河流域應(yīng)從源頭和入河兩方面加強(qiáng)污染控制，黃河流域東部應(yīng)以源頭控制為主，渭河流域延安段和漢丹江流域以過程控制為主。

基于TN面源污染優(yōu)控單元識(shí)別結(jié)果，結(jié)合5種類型污染源的面源排放量，進(jìn)一步解析2016—2020年陜西省面源污染優(yōu)控單元內(nèi)的污染主導(dǎo)類型，結(jié)果表明，TN面源污染優(yōu)控單元內(nèi)主導(dǎo)類型是農(nóng)田徑流型，地類上表現(xiàn)為耕地和果園用地更為突出，區(qū)域主要分布在咸陽、銅川、延安、渭南和寶雞等市的局部地區(qū)。因此，上述重點(diǎn)區(qū)域的TN面源污染防控建議以控制單元作為基本防控單元，著重從農(nóng)田和果園養(yǎng)分管理措施方面下手，從節(jié)水、節(jié)肥等方面提高農(nóng)業(yè)生產(chǎn)效率，在保證土壤養(yǎng)分供給的前提下減少養(yǎng)分流失，進(jìn)而降低農(nóng)田生產(chǎn)和果園種植導(dǎo)致的面源污染排放。

2.5結(jié)果驗(yàn)證

基于陜西省現(xiàn)有地面水質(zhì)監(jiān)測(cè)站和水文監(jiān)測(cè)站分布情況，結(jié)合子流域空間區(qū)劃及土地利用空間分布，在充分考慮監(jiān)測(cè)數(shù)據(jù)完整性條件下，選取以面源污染為主的蘆村河斷面作為面源污染模型結(jié)果驗(yàn)證點(diǎn)位，該斷面接近三水河入涇河的入口，其所在的小流域土地利用分布以林地、草地和耕地為主?；谔J村河斷面2020年水質(zhì)水量月度監(jiān)測(cè)結(jié)果核算斷面年度TN污染量，與DPeRS模型核算的蘆村河斷面所在小流域2020年面源污染入河量結(jié)果進(jìn)行對(duì)比驗(yàn)證。2020年蘆村河斷面TN污染量為217.40 t，DPeRS模型核算的該斷面所在小流域TN 面源污染入河量為179.35 t，驗(yàn)證結(jié)果表明，假設(shè)蘆村河斷面所在小流域范圍內(nèi)污染源全部為面源的前提下，TN面源污染的模型模擬精度達(dá)到82.50%。

3討論

3.1 DPeRS模型的適用性分析

對(duì)比國內(nèi)外面源污染模型，DPeRS模型在模型結(jié)構(gòu)、模型運(yùn)行條件和模擬指標(biāo)等方面具有較大的管理應(yīng)用優(yōu)勢(shì)。模型以遙感像元為基本模擬單元，與SWAT等模型提出的水文響應(yīng)單元（HRU）概念相比，在保證模擬精度的前提下極大地提高了面源污染模擬的空間分辨率，同時(shí)DPeRS 模型耦合了定量遙感模型和生態(tài)水文過程模型，彌補(bǔ)了無資料或缺資料地區(qū)模型估算的不足。模型的參數(shù)設(shè)置可以根據(jù)參數(shù)豐富度進(jìn)行重新構(gòu)架，也可以根據(jù)管理需求完成國家、流域和行政區(qū)多層次的面源污染負(fù)荷評(píng)估。此外，模型模擬指標(biāo)為TN、TP、化學(xué)需氧量、氨氮，與管理部門關(guān)注指標(biāo)相一致，且能夠從農(nóng)田、農(nóng)村生活、畜禽養(yǎng)殖、城鎮(zhèn)徑流和水土流失5個(gè)方面對(duì)面源污染源進(jìn)行解析，與傳統(tǒng)總量減排核算方法相比，實(shí)現(xiàn)了從“點(diǎn)”到“面”的突破，可為因地制宜地制定面源污染防治方案提供技術(shù)支撐。

3.2 評(píng)估結(jié)果對(duì)比分析

模型模擬是面源污染評(píng)估的主要手段，由于現(xiàn)有模型方法多樣、所需數(shù)據(jù)繁雜，存在不確定性和區(qū)域適用性，即使在同一區(qū)域，研究結(jié)果也相差較大[24]。蒙小俊等[40]利用輸出系數(shù)法（ECM）對(duì)2010—2019年陜西省11個(gè)地市區(qū)的農(nóng)業(yè)面源污染TN和TP的污染負(fù)荷（即本研究的排放量）進(jìn)行估算，其中2019年TN負(fù)荷為129 027.14 t，通過等標(biāo)污染負(fù)荷法計(jì)算結(jié)果，說明陜西省的首要農(nóng)業(yè)面源污染源是農(nóng)業(yè)種植。李建勛等[31]基于輸出系數(shù)法對(duì)2020年陜西省各地市農(nóng)業(yè)面源污染TN和TP負(fù)荷量（即本研究的排放量）進(jìn)行估算，其中2020年TN負(fù)荷量為38 835.9 t，西安、咸陽、渭南市的負(fù)荷強(qiáng)度較大。DPeRS 模型模擬的2019年和2020年陜西省農(nóng)業(yè)面源（本研究中包括農(nóng)田徑流、畜禽養(yǎng)殖和農(nóng)村生活3種類型）TN排放量分別為22.98萬t和20.76萬t，與前兩者的估算結(jié)果在量級(jí)上保持一致，具體數(shù)值的差異與所使用的模型方法、數(shù)據(jù)源、參數(shù)取值等因素有關(guān)。輸出系數(shù)法為經(jīng)驗(yàn)統(tǒng)計(jì)類估算方法，主要依賴于統(tǒng)計(jì)數(shù)據(jù)和排污系數(shù)進(jìn)行估算，排污系數(shù)取值的不確定性較大，存在一定的局限性，且未考慮面源污染發(fā)生的復(fù)雜過程，這種方法通常會(huì)產(chǎn)生一定的誤差；而DPeRS 模型耦合了定量遙感模型和生態(tài)水文過程模型，實(shí)現(xiàn)了遙感像元尺度面源污染負(fù)荷的空間量化評(píng)估，與輸出系數(shù)法相比，DPeRS模型模擬結(jié)果在空間上更為精細(xì)且更加機(jī)理化。DPeRS模型評(píng)估結(jié)果表明農(nóng)田地表徑流是陜西省TN面源污染的首要污染類型，寶雞市中部、西安市北部、咸陽市和渭南市大部等區(qū)域TN面源污染負(fù)荷相對(duì)較高，這與前兩者的研究結(jié)論較為一致。

3.3 面源污染貢獻(xiàn)率分析

第一次（2007年）和第二次（2017年）全國污染源普查結(jié)果顯示，來自農(nóng)業(yè)源水污染物排放量中，TN分別為270.5 萬t 和141.5 萬t，分別占到排放總量的57.2%和46.5%。為探討陜西省TN面源污染對(duì)地表水污染的貢獻(xiàn)率，本研究基于陜西省國、省控地表水?dāng)嗝鎀N濃度和地表水資源量數(shù)據(jù)，計(jì)算全省地表水TN污染量，結(jié)合DPeRS模型模擬的TN面源污染入河量，開展陜西省面源污染貢獻(xiàn)率分析。由于2017年陜西省水質(zhì)斷面進(jìn)行了調(diào)整，因此，本研究?jī)H分析2017—2020年陜西省TN面源污染貢獻(xiàn)率，結(jié)果表明2017—2020 年陜西省TN 面源污染對(duì)水體污染的平均貢獻(xiàn)率為46.51%，其中農(nóng)業(yè)源TN的平均貢獻(xiàn)率為41.87%。

4 結(jié)論

（1）降雨徑流是面源污染發(fā)生的主要驅(qū)動(dòng)力，2016—2020 年陜西省TN 面源污染排放負(fù)荷呈現(xiàn)先下降后上升的變化趨勢(shì)，入河負(fù)荷表現(xiàn)為隨年際變化上下波動(dòng)的趨勢(shì)，與降水量的變化趨勢(shì)相一致。5年間排放負(fù)荷高值區(qū)主要分布在黃河流域段，尤其是渭河流域段的平原種植區(qū)更為顯著，二者的平均排放負(fù)荷分別為全省水平的1.18倍和1.25倍；秦嶺地區(qū)相對(duì)較低，為全省水平的0.59倍。5年間入河高風(fēng)險(xiǎn)區(qū)主要集中分布在渭河流域段，其中渭南和咸陽市的中南部、西安市北部及延安市北部的部分地區(qū)屬于常年高風(fēng)險(xiǎn)區(qū)，是陜西省TN面源污染空間管控的重點(diǎn)區(qū)。

（2）農(nóng)田徑流型是陜西省TN面源污染的首要類型，其次為水土流失型；黃河流域段和渭河流域段TN面源污染主要類型均是農(nóng)田徑流，且渭河流域農(nóng)田徑流型面源污染影響更為突出，應(yīng)著重加強(qiáng)種植區(qū)養(yǎng)分管理和污染防控。2017—2020 年陜西省TN 面源污染對(duì)水體污染的平均貢獻(xiàn)率為46.51%，其中農(nóng)業(yè)源的平均貢獻(xiàn)率為41.87%。

（3）2016—2020年陜西省TN面源污染優(yōu)控單元平均面積占比為61.21%，其中2020年Ⅰ類優(yōu)控單元主要分布于渭河流域，漢江流域農(nóng)業(yè)生產(chǎn)區(qū)的個(gè)別控制單元也屬于Ⅰ類優(yōu)控單元，應(yīng)著重加強(qiáng)關(guān)中平原的咸陽、銅川、延安、渭南和寶雞等市的局部地區(qū)及陜南部分地區(qū)農(nóng)田種植區(qū)防控，渭河流域應(yīng)同時(shí)從源頭和入河兩方面加強(qiáng)污染控制，黃河流域東部應(yīng)以源頭控制為主，渭河流域延安段和漢丹江流域則以過程控制為主。