• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2014-2019年钦江河口典型污染物的入海通量研究

鲁栋梁 钟复双 杨斌 张鹏 廖能健

引用本文:
Citation:

2014-2019年钦江河口典型污染物的入海通量研究

    作者简介: 鲁栋梁(1981-),男,副教授,博士,主要从事陆源污染物对近岸海域生态环境响应机制研究,E-mail:ldl@bbug.edu.cn;
    通讯作者: 杨 斌(1983-),男,副教授,博士,主要从事海洋生源要素生物地球化学研究,E-mail:binyang@bbgu.edu.cn
  • 基金项目: 国家自然科学基金项目(41966002);广西自然科学基金项目(2018GXNSFAA281295,2021GXNSFDA075004,2018GXNSFDA281025);北部湾大学人才科研启动基金项目(2017KYQD218);大学生创新训练项目(201911607075)
  • 中图分类号: P734

Study on the discharged flux of typical pollutants in Qinjiang river estuary from 2014 to 2019

  • 摘要: 基于2014-2019年钦江入海河口断面流量以及化学需氧量(COD)、总氮(TN)和总磷(TP)这3种典型污染物的浓度,本研究通过LOADEST模型优化了COD、TN和TP入海通量计算方程,其优化后的判定性系数分别为0.857、0.772和0.717,这说明优化后的方程能够满足钦江河口典型污染物入海通量及水质变化特征的评估。结果表明:(1)2014-2019年,COD、TN和TP无论是浓度还是通量均呈现先升高后降低的变化趋势,TN依然超标严重;(2)COD、TN和TP季节变化特征显著(p<0.01),入海通量干季低于湿季,浓度干季高于湿季,COD和TN的入海通量与降雨量呈极显著相关性(R2=0.897,p<0.01,R2=0.748,p<0.01),COD和TN主要来自非点源,而TP与降雨量呈显著相关性(R2=0.359,p<0.05),TP不仅受到非点源影响,也受到点源影响,建议加强沿江污水管网和污水处理能力建设。
  • 图 1  研究区域

    Figure 1.  Study area

    图 2  钦江COD、TN和TP负载模拟值和实测值的关系

    Figure 2.  The relationship between simulated and measured values of COD, TN and TP loads of Qinjiang river

    图 3  流量、COD、TN和TP浓度的年际和月际变化

    Figure 3.  Inter annual and monthly concentration variations of flow, COD, TN and TP

    图 4  COD、TN和TP通量的年际和月份变化

    Figure 4.  Inter annual and monthly flux variations of COD, TN and TP

    图 5  2014-2019年钦江季流量、温度和降雨量的年际变化

    Figure 5.  Inter annual variations of quarterly water loads, temperature, and monthly precipitation at Qinjiang river estuary from 2014 to 2019

    图 6  COD、TN和TP负荷量与其浓度和流量的关系

    Figure 6.  The relationship between COD, TN and TP loads with its concentrations and flow rates

    表 1  LOADEST模型中不同方程的拟合参数AICSPPC

    Table 1.  The simulation value of AIC and SPPC were fitting different equations in LOADEST model

    拟合方程123456789
    CODAIC1.0321.0570.9771.060.9991.0881.0881.0350.972
    SPPC−39.44−41.47−42.58−42.72−40.51−44.87−41.98−44.08−38.97
    TNAIC1.3541.3701.3701.1331.3881.1581.1571.1831.000
    SPPC−51.01−52.73−52.73−45.34−54.52−47.39−47.34−49.43−43.97
    TPAIC2.3132.3392.3392.1932.3662.2212.2222.252.132
    SPPC−85.54−87.61−87.63−83.50−89.72−85.66−85.67−87.84−84.70
    下载: 导出CSV

    表 2  COD、TN和TP污染物入海通量的拟合方程及其相关拟合参数

    Table 2.  The fitting equations of COD, TN and TP pollutants fluxes and related fitting parameters

    名称拟合方程
    CODLn(L)=11.361+0.832lnQ+0.012lnQ2−0.039sin(2πdtime)−0.151cos(2πdtime)−0.063dtime−0.041dtime2
    TNLn(L)=9.758+1.104lnQ−0.107lnQ2+0.396sin(2πdtime)+0.182cos(2πdtime)−0.014dtime−0.066dtime2
    TPLn(L)=7.102+1.266lnQ−0.043lnQ2+0.558sin(2πdtime)+0395cos(2πdtime)−0.002dtime−0.095time2
    拟合相关参数a0a1a2a3a4a5a6
    CODR2=0.857Std.Dev0.0890.1530.1160.0850.1230.0260.017
    PPCC=0.928t-ratio28.045.441.1−1.46−1.23−2.45−2.5
    SCR=0.148p-Value0.0000.0000.0190.0630.0190.0010.001
    TNR2=0.772Std.Dev0.090.1550.1180.0860.1250.0260.017
    PPCC=0.977t-ratio18.477.13−1.914.621.46−1.54−3.92
    SCR=0.104p-Value0.0000.0000.0030.0000.0120.0050.000
    TPR2=0.717Std.Dev0.1580.2730.2070.1510.2190.0460.029
    PPCC=0.973t-ratio44.834.64−1.213.71.8−1.05−3.22
    SCR=0.153p-Value0.0000.0000.0810.0000.0060.0100.000
    下载: 导出CSV
  • [1] PARK Y S, ENGEL B A, FRANKENBERGER J, et al. A web-based tool to estimate pollutant loading using LOADEST[J]. Water, 2015, 7(9): 4858-4868.
    [2] KIM K, KANG M S, SONG J H, et al. Estimation of LOADEST coefficients according to watershed characteristics[J]. Journal of Korea Water Resources Association, 2018, 51(2): 151-163.
    [3] 钱 伟, 冯建祥, 宁存鑫, 等. 近海污染的生态修复技术研究进展[J]. 中国环境科学, 2018, 38(5): 1855-1866. doi: 10.3969/j.issn.1000-6923.2018.05.031
    [4] GASSMAN P W, REYES M R, GREEN C H, et al. The soil and water assessment tool: historical development, applications, and future research directions[J]. Transactions of the ASABE, 2007, 50(4): 1211-1250. doi: 10.13031/2013.23637
    [5] 潘灿民, 张珞平, 黄金良, 等. 厦门西海域、同安湾入海污染负荷估算研究[J]. 海洋环境科学, 2011, 30(1): 90-95. doi: 10.3969/j.issn.1007-6336.2011.01.021
    [6] JHA M K, GASSMAN P W, ARNOLD J G. Water quality modeling for the Raccoon River watershed using SWAT[J]. Transactions of the ASABE, 2007, 50(2): 479-493. doi: 10.13031/2013.22660
    [7] SHIN M H, SEO J Y, CHOI Y H, et al. Evaluation of LOADEST model applicability for NPS pollutant loads estimation from agricultural watershed[J]. Journal of Korean Society on Water Environment, 2009, 25(2): 212-220.
    [8] PARK Y S, ENGEL B A. Identifying the correlation between water quality data and LOADEST model behavior in annual sediment load estimations[J]. Water, 2016, 8(9): 368. doi: 10.3390/w8090368
    [9] 杨永俊, 胡展铭, 林忠胜, 等. 基于在线监测的江河入海径流通量计算方法研究与应用——以辽河口为例[J]. 海洋环境科学, 2020, 39(5): 804-808. doi: 10.12111/j.mes.20190007
    [10] 喻 一, 宋 芳, 赵志杰, 等. 深圳河河口近10年典型污染物通量变化研究[J]. 北京大学学报: 自然科学版, 2020, 56(3): 460-470.
    [11] PELLERIN B A, BERGAMASCHI B A, GILLIOM R J, et al. Mississippi river nitrate loads from high frequency sensor measurements and regression-based load estimation[J]. Environmental Science & Technology, 2014, 48(21): 12612-12619.
    [12] TOOR G S, HARMEL R D, HAGGARD B E, et al. Evaluation of regression methodology with low-frequency water quality sampling to estimate constituent loads for ephemeral watersheds in Texas[J]. Journal of Environmental Quality, 2008, 37(5): 1847-1854. doi: 10.2134/jeq2007.0232
    [13] DUAN S W, POWELL R T, BIANCHI T S. High frequency measurement of nitrate concentration in the Lower Mississippi River, USA[J]. Journal of Hydrology, 2014, 519: 376-386. doi: 10.1016/j.jhydrol.2014.07.030
    [14] 高信娟. 九龙江营养盐输出的水文调控及LOADEST模型应用研究[D]. 厦门: 厦门大学, 2018.
    [15] AKAIKE H. Information theory and an extension of the maximum likelihood principle[M]//PARZEN E, TANABE K, KITAGAWA G. Selected Papers of Hirotugu Akaike. New York: Springer, 1998: 199–213.
    [16] 李 娜, 盛 虎, 何成杰, 等. 基于统计模型LOADEST的宝象河污染物通量估算[J]. 应用基础与工程科学学报, 2012, 20(3): 355-366. doi: 10.3969/j.issn.1005-0930.2012.03.002
    [17] 黄 宏, 廖忠鹭, 狄 迪, 等. 基于LOADEST和数字滤波的水源地基流氮素输出定量方法应用实例[J]. 环境科学学报, 2020, 40(1): 188-196.
    [18] SCHWARZ G. Estimating the dimension of a model[J]. The Annals of Statistics, 1978, 6(2): 461-464.
    [19] RUNKEL R L, CRAWFORD C G, COHN T A. Load estimator (LOADEST): a Fortran program for estimating constituent loads in streams and rivers[M]//U. S. Geological Survey. Techniques and Methods Book 4. Reston: U. S. Geological Survey, 2004.
    [20] KIM J, LIM K J, PARK Y S. Evaluation of regression models of LOADEST and eight-parameter model for nitrogen load estimations[J]. Water, Air, & Soil Pollution, 2018, 229(6): 179.
    [21] JHA B, JHA M K. Rating curve estimation of surface water quality data using LOADEST[J]. Journal of Environmental Protection, 2013, 4(8): 849-856. doi: 10.4236/jep.2013.48099
    [22] ZHANG D, LU D L, YANG B, et al. Influence of natural and anthropogenic factors on spatial-temporal hydrochemistry and the susceptibility to nutrient enrichment in a subtropical estuary[J]. Marine Pollution Bulletin, 2019, 146: 945-954. doi: 10.1016/j.marpolbul.2019.07.056
    [23] 谢小华, 宋向明, 王 敏, 等. 陆源入海排污口化学耗氧量变化规律分析[J]. 海洋环境科学, 2008 (S1): 72-74.
    [24] 许自舟, 许 妍, 余 东, 等. 平原城市区设闸河流氮磷污染物入海通量研究[J]. 海洋环境科学, 2018, 37(6): 819-825. doi: 10.12111/j.cnki.mes20180604
    [25] LU D L, YANG N N, LIANG S K, et al. Comparison of land-based sources with ambient estuarine concentrations of total dissolved nitrogen in Jiaozhou Bay (China)[J]. Estuarine, Coastal and Shelf Science, 2016, 180: 82-90. doi: 10.1016/j.ecss.2016.06.032
    [26] SCHIFF K C, TIEFENTHALER L L. Seasonal flushing of pollutant concentrations and loads in urban stormwater[J]. Journal of the American Water Resources Association, 2011, 47(1): 136-142. doi: 10.1111/j.1752-1688.2010.00497.x
    [27] SHEN Z Y, CHEN L, LIAO Q, et al. Impact of spatial rainfall variability on hydrology and nonpoint source pollution modeling[J]. Journal of Hydrology, 2012, 472/473: 205-215. doi: 10.1016/j.jhydrol.2012.09.019
  • [1] 许自舟许妍余东朱容娟梁雅惠陶冠峰魏琳 . 平原城市区设闸河流氮磷污染物入海通量研究. 海洋环境科学, doi: 10.12111/j.mes20180604
    [2] 陈思杨宋琍琍吕宝强 . 浙江主要港湾海域沉积物污染及潜在生态风险评价. 海洋环境科学, doi: 10.13634/j.cnki.mes.2017.04.010
    [3] 孙伟张守本杨建森魏潇朱金龙刘元进 . 小清河口水环境质量评价及主要污染物入海通量研究. 海洋环境科学, doi: 10.13634/j.cnki.mes.2017.03.008
    [4] 蔡永兵孟凡德李飞跃谢越张华 . 小清河口闸控感潮河段As、Sb的时空分布特征及入海通量估算. 海洋环境科学, doi: 10.12111/j.mes.20190235
    [5] 刘汉霖聂红涛王雅丽孙雪魏皓 . 基于统计数据的滨海地区污染物入海通量计算方法研究与应用—以天津市为例. 海洋环境科学, doi: 10.12111/j.mes20190622
    [6] 劳齐斌卜德志张可欣孙霞颜金培陈法锦陈立奇矫立萍 . 秋冬季台湾海峡西部海域大气颗粒物中有机氯农药的污染特征及入海通量. 海洋环境科学, doi: 10.12111/j.mes20190418
    [7] 胡展铭杨永俊林忠胜徐广鹏滕辉 . 江河入海径流通量监测技术研究. 海洋环境科学, doi: 10.12111/j.mes20180620
    [8] 杨永俊胡展铭林忠胜王玉 . 基于在线监测的江河入海径流通量计算方法研究与应用——以辽河口为例. 海洋环境科学, doi: 10.12111/j.mes.20190007
    [9] 郑楠徐雪梅魏雅雯赵化德 . 夏季环渤海主要入海河流溶解无机碳分布及入海通量估算. 海洋环境科学, doi: 10.12111/j.mes.2021-x-0133
    [10] 柯宏伟陈凯赵雯璐陈勉林嫣刘萌阳王俊林静蔡明刚 . 九龙江河口区多环芳烃分布逸度模型和实测分析. 海洋环境科学, doi: 10.13634/j.cnki.mes.2016.02.001
    [11] 李卫卫孙昭晨梁书秀 . 辽河口区径流对污染物漂移扩散的影响. 海洋环境科学, doi: 10.12111/j.mes20190219
    [12] 隋娟娟江雪艳许博超于志刚 . 黄河干流铀同位素的沿程变化及入海通量. 海洋环境科学, doi: 10.13634/j.cnki.mes.2016.03.005
    [13] 袁蕾孙永光康婧樊景凤付元宾 . 典型入海河口海域水环境健康风险评价-以辽河口为例. 海洋环境科学, doi: 10.13634/j.cnki.mes.2016.05.009
    [14] 徐程杨斌莫小荣宁志铭黄海方 . 茅尾海入海河口区表层沉积物磷形态特征研究. 海洋环境科学, doi: 10.12111/j.mes.20200080
    [15] 杨永俊赵骞韩成伟邢传玺宋丽娜胡展铭 . 基于公平原则的海域-流域水污染物总量分配方法研究. 海洋环境科学, doi: 10.12111/j.mes20190522
    [16] 芦静林建国谢悦 . 海洋柱体结构壁面污染物对流扩散的数值模拟. 海洋环境科学, doi: 10.12111/j.mes.20190136
    [17] 许自舟周旭东隋伟娜赵凯朱容娟梁雅惠余东 . 基于SWAT模型的碧流河流域入海径流模拟研究. 海洋环境科学, doi: 10.12111/j.mes20200208
    [18] 张帅李晓康刘祯祚姚岭芸王政徐艳 . 基于高通量测序技术分析青岛市典型海滩沉积物的微生物多样性. 海洋环境科学, doi: 10.12111/j.mes.20200001
    [19] 刘保良陈旭阳李武全青尚敏邢素坤 . 茅尾海海洋公园沉积物持久性毒害污染物生态风险分析. 海洋环境科学, doi: 10.12111/j.mes20190606
    [20] 陈兆林孙钦帮包吉明赵素芳王阳王冰 . 金州湾表层沉积物污染物时空分布特征及生态风险评价. 海洋环境科学, doi: 10.13634/j.cnki.mes.2015.04.003
  • 加载中
图(6)表(2)
计量
  • 文章访问数:  398
  • HTML全文浏览量:  170
  • PDF下载量:  4
出版历程
  • 收稿日期:  2020-11-02
  • 录用日期:  2021-05-20
  • 网络出版日期:  2021-11-29

2014-2019年钦江河口典型污染物的入海通量研究

    作者简介:鲁栋梁(1981-),男,副教授,博士,主要从事陆源污染物对近岸海域生态环境响应机制研究,E-mail:ldl@bbug.edu.cn
    通讯作者: 杨 斌(1983-),男,副教授,博士,主要从事海洋生源要素生物地球化学研究,E-mail:binyang@bbgu.edu.cn
  • 1. 北部湾大学 广西北部湾海洋灾害研究重点实验室,广西 钦州 535011
  • 2. 广东海洋大学 化学与环境学院,广东 湛江 524088
基金项目: 国家自然科学基金项目(41966002);广西自然科学基金项目(2018GXNSFAA281295,2021GXNSFDA075004,2018GXNSFDA281025);北部湾大学人才科研启动基金项目(2017KYQD218);大学生创新训练项目(201911607075)

摘要: 基于2014-2019年钦江入海河口断面流量以及化学需氧量(COD)、总氮(TN)和总磷(TP)这3种典型污染物的浓度,本研究通过LOADEST模型优化了COD、TN和TP入海通量计算方程,其优化后的判定性系数分别为0.857、0.772和0.717,这说明优化后的方程能够满足钦江河口典型污染物入海通量及水质变化特征的评估。结果表明:(1)2014-2019年,COD、TN和TP无论是浓度还是通量均呈现先升高后降低的变化趋势,TN依然超标严重;(2)COD、TN和TP季节变化特征显著(p<0.01),入海通量干季低于湿季,浓度干季高于湿季,COD和TN的入海通量与降雨量呈极显著相关性(R2=0.897,p<0.01,R2=0.748,p<0.01),COD和TN主要来自非点源,而TP与降雨量呈显著相关性(R2=0.359,p<0.05),TP不仅受到非点源影响,也受到点源影响,建议加强沿江污水管网和污水处理能力建设。

English Abstract

  • 随着全球沿海工业化的快速发展,近岸海域生态环境备受关注。虽然近年来各国对近岸海域生态环境的防控与治理取得了积极进展,但水体富营养化、生物多样性锐减及生态功能丧失等问题依然严重[1-2]。近海生态环境约60%~80%受河流污染排放影响[3],为了以海定陆,实施陆源污染物的减排管理,评估沿岸河流污染物入海通量及时空变化特征尤其重要。

    河流污染物入海通量估算方法主要有SWAT(soil and water assessment tool)模型法、输出系数法和实测法等[4-5]。SWAT模型法需要构建不同土地类型的子流域,计算比较复杂;输出系数法缺乏足够理论和结果评价指标,精度不高[6-7];实测法是采用河流断面的实测数据估算入海通量,可以真实地反映河流污染物的排放总量,但实测数据往往是离散的,不具有连续性[8-9]。因此,可采用优化回归分析法准确评估河流污染物入海通量。LOADEST(load estimator)模型通过多个回归方程优化筛选,建立污染物的入海通量回归方程,利用有限的离散水质数据,准确地评估河流断面日、月、季和年等不同时间尺度各类污染物的入海通量。喻一等[10]采用LOADEST模型研究了深圳河河口近10年来化学需氧量(COD)、总氮(TN)和总磷(TP)污染物的入海通量变化特征。Pellerin等[11]采用LOADEST模型估算了密西西比河氮污染物的入海通量。国内外学者对LOADEST模型的研究认为:(1)增加采样频率和暴雨水样占比可有效提高模型的模拟结果;(2)模拟效果受流域、土地利用类型等因素影响;(3)该模型对于评估以养殖业、农业及混合用地为主的小型流域入海通量效果更佳[12-14]

    钦江为茅尾海的主要入海河流之一,其沿岸以养殖业和农业为主,是典型的亚热带流域海湾小型入海河流。因此,采用LOADEST模型能够准确地评价钦江污染物的入海通量及时间变化特征。本文采用2014-2019年钦江河口断面典型污染物的离散数据,使用LOADEST模型评价钦江COD、TN和TP的入海通量及变化特征,评价结果可为钦江污染物管控及减排措施提供理论依据,为茅尾海生态环境有效改善奠定良好的基础。

    • 钦江位于广西北部湾的北部,发源于灵东水库,上游为平川良田地带,下游弯曲平缓,有5个支流(玉麓江、那隆江、大平江、旧州江和青坪江)汇入。钦江是钦州市农业生产和生活的重要水源,被称之为钦州母亲河。钦江全长约180 km,流域面积约2500 km2,整条河流贯穿于灵山县、钦北区和钦南区等19个乡镇,最终注入茅尾海,沿岸生活居民约120万人(图1)。钦州年平均气温21.7 ℃,干季(10月-翌年3月)平均降雨量91.2 mm(范围为25~328 mm),湿季(4月-9月)平均降雨量324 mm(范围为95~708 mm),其中,湿季降雨量约占全年的80%。钦江入海河口为不规则的混合全日潮,平均潮差为0.96 m,沿岸有两个日均8万吨的污水处理厂(钦州市河东污水处理厂和河西污水处理厂)。

      图  1  研究区域

      Figure 1.  Study area

    • COD、TN和TP浓度来源于钦州市环保局提供的2014年1月至2019年12月钦江河口(高速路东)断面公开数据(http://sthjj.qinzhou.gov.cn/xxgk_16731/shjzl_17098/),监测频率为每月一次。河流日流量数据来自于广西壮族自治区水利厅网站公开数据(http://slt.gxzf.gov.cn/page/index.html?act=3)。气象数据来自于国家气象数据网2014-2019年连续监测的公开数据(https://data.cma.cn/)。

    • 入海通量指一定时间内通过河流某一断面污染物的总量,即已知污染物的浓度Ci、流量Qi和时间t可计算出污染物的入海通量,公式如下:

      式中:$ {L}_{t} $$ t $时间内污染物的入海通量(kg/d);Ci(mg/L)和Qi(m3/L)分别表示浓度和流量。

      LOADEST模型为美国地质调查局开发的模型,主要用于河流污染物的通量评估。模型中共有11种回归方程循环嵌套而成,每个方程均可表征流量和时间的变化趋势,最多可输出9个方程的回归参数[15-17]。根据污染物的流量和调查离散的浓度数据进行回归分析,模型内置优化回归分析结果可通过信息准则AIC(Akaike information criterion)和施瓦茨后验概率准则SPPC(Schwarz posterior probability criteria)判定污染物入海通量的最优回归方程,AIC的值最小,而SPPC的值越大为最佳回归模型[18-19]。LOADEST模型参数估值方法主要有3种:最小方差无偏估值MVUE(minimum variance unbiased estimate)、渐近极大似然估值AMLE(adjusted maximum likelihood estimation)和最小绝对偏差法LAD(least absolute deviation)。根据模型的校正误差是否为正态分布以及是否有删失型数据而采用不同的评估方法。若校正误差处于正态分布并存在删失型数据时应采用AMLE评估,非删失型数据采用MVUE评估;校正误差处于非正态分布时采用LAD进行评估。通过拟合相关系数(R2)判定方程的拟合效果,R2越接近于1,表明拟合效果越好。通过t检验的t值和p值判定其拟合数据是否具有统计学意义,p值越小,表明拟合数据越具有统计学意义。

    • 基于2014-2019年钦州河口断面监测点的流量及典型污染物COD、TN和TP浓度的离散数据,本研究采用LOADEST模型对典型污染物的入海通量拟合方程进行优选,通过拟合参数AICSPPC判定最佳方程,不同方程对3种典型污染物的拟合参数AICSPPC列于表1。由表1可知,方程9对3种污染物的拟合参数AIC均最小,SPPC最大,因此,方程9为COD、TN和TP入海通量评价的最佳方程,相关参数列于表2,其相关系数(R2)分别为0.857、0.772和0.717(其值越接近于1拟合效果越好);其概率曲线相关系数(PPCC)分别为0.928、0.977和0.973(其值越接近于1拟合效果越好);其残差序列相关系数(SCR)分别为0.148、0.104和0.153(其值越小拟合效果越好);t-ratio的拟合绝对值均大于1;不同变量系数标准偏差(Std.Dev)相对较小。上述分析参数结果表明,该方程对3种典型污染物入海通量的拟合残差之间相对独立,所涉及的模型变量之间不存在相关性,拟合参数值不确定性较低,拟合残差符合正态分布,并具有统计学意义[20-21],这进一步验证了LOADEST模型能够准确评价钦江河口断面COD、TN和TP典型污染物的入海通量及时间变化规律。

      拟合方程123456789
      CODAIC1.0321.0570.9771.060.9991.0881.0881.0350.972
      SPPC−39.44−41.47−42.58−42.72−40.51−44.87−41.98−44.08−38.97
      TNAIC1.3541.3701.3701.1331.3881.1581.1571.1831.000
      SPPC−51.01−52.73−52.73−45.34−54.52−47.39−47.34−49.43−43.97
      TPAIC2.3132.3392.3392.1932.3662.2212.2222.252.132
      SPPC−85.54−87.61−87.63−83.50−89.72−85.66−85.67−87.84−84.70

      表 1  LOADEST模型中不同方程的拟合参数AICSPPC

      Table 1.  The simulation value of AIC and SPPC were fitting different equations in LOADEST model

      名称拟合方程
      CODLn(L)=11.361+0.832lnQ+0.012lnQ2−0.039sin(2πdtime)−0.151cos(2πdtime)−0.063dtime−0.041dtime2
      TNLn(L)=9.758+1.104lnQ−0.107lnQ2+0.396sin(2πdtime)+0.182cos(2πdtime)−0.014dtime−0.066dtime2
      TPLn(L)=7.102+1.266lnQ−0.043lnQ2+0.558sin(2πdtime)+0395cos(2πdtime)−0.002dtime−0.095time2
      拟合相关参数a0a1a2a3a4a5a6
      CODR2=0.857Std.Dev0.0890.1530.1160.0850.1230.0260.017
      PPCC=0.928t-ratio28.045.441.1−1.46−1.23−2.45−2.5
      SCR=0.148p-Value0.0000.0000.0190.0630.0190.0010.001
      TNR2=0.772Std.Dev0.090.1550.1180.0860.1250.0260.017
      PPCC=0.977t-ratio18.477.13−1.914.621.46−1.54−3.92
      SCR=0.104p-Value0.0000.0000.0030.0000.0120.0050.000
      TPR2=0.717Std.Dev0.1580.2730.2070.1510.2190.0460.029
      PPCC=0.973t-ratio44.834.64−1.213.71.8−1.05−3.22
      SCR=0.153p-Value0.0000.0000.0810.0000.0060.0100.000

      表 2  COD、TN和TP污染物入海通量的拟合方程及其相关拟合参数

      Table 2.  The fitting equations of COD, TN and TP pollutants fluxes and related fitting parameters

      钦江河口断面COD、TN和TP污染物入海通量的模拟值与实测值线性回归分析如图2所示。COD的相关系数R2=0.927,斜率k=0.929±0.031,截距b=−1.706±3.793;TN的相关系数R2=0.814,斜率k=0.975±0.061,截距b=−2.675±1.312;TP的相关系数R2=0.729,斜率k=0.896±0.063,截距b=−0.08±0.06。线性回归分析结果表明,COD、TN和TP的实测值和模拟值相关系数R2均大于0.7,说明模拟值与实测值具有很好的一致性,但斜率均小于1,表明实测值小于模拟值。3种典型污染物COD、TN和TP的实测值和模拟值分别相差7.3%、18.6%和27.1%。

      图  2  钦江COD、TN和TP负载模拟值和实测值的关系

      Figure 2.  The relationship between simulated and measured values of COD, TN and TP loads of Qinjiang river

      近年来,关于钦江流域典型污染物的管控,广西壮族自治区和钦州市同时出台了相关综合整治措施,但据钦州市生态环保局公布的数据显示,目前钦江水质整体仍处于Ⅴ类或劣Ⅴ类,主要是TN、TP和COD超标,钦江水质尚未得到有效改善,这可能是通常采用实测法低估了污染物的排放通量所致。

    • 2014-2019年钦江河口断面的年际流量和月际流量变化见图3A图3B,由图可知,年际流量变化呈锯齿型,2016年为流量年际变化最大的年份。月际流量变化呈先升高后降低的变化特征,其中,7月和8月流量最大,主要受降雨影响[22]。如图3A图3C图3E所示,COD、TN和TP的浓度均呈现先升高后降低的变化趋势,3种典型污染物的年平均浓度最大值均出现在2016年。COD、TN和TP浓度月际变化分别如图3D图3F图3H所示,均呈现周期性变化特征,干季高于湿季,当湿季来临时,COD、TN和TP浓度均呈现逐渐降低的变化趋势,8月达到最低值,等湿季结束后浓度又慢慢升高,次年的2月达到最高值,这表明钦江典型污染物的浓度不仅受到沿岸生活污水和工业废水排放的影响,也受到降雨的影响。降雨将陆域典型污染物冲刷至河流,但河流中污染物的浓度反而低于干季,这表明降雨对污染物浓度具有稀释作用。污染物入海通量不仅受污染物的浓度影响,也受流量的影响,往往流量对污染物的通量具有决定性作用[23-24]。污染物的浓度变化不仅受来源影响,也受温度等其他因素影响,如温度升高微生物活性增强,促进水体中不同形态污染物之间迁移转化,降低污染物在水体中的滞留率,这也是导致污染物的浓度干季高于湿季的重要原因[25]。根据《国家地表水环境质量标准》(GB 3838-2002),钦江水质应执行三类水质排放标准。目前,随着河流污染物的综合整治政策不断落地实施,钦江COD和TP的年平均浓度和月平均浓度均低于三类水质(图3C图3G),而TN年平均浓度和月平均浓度均超出三类水质标准。由此可见,TN为钦江污染物主要超标因子。

      图  3  流量、COD、TN和TP浓度的年际和月际变化

      Figure 3.  Inter annual and monthly concentration variations of flow, COD, TN and TP

    • 基于LOADEST模型估算,钦江2014-2019年入海河口断面COD、TN和TP年平均入海通量分别为39902 t/a、7094 t/a和558 t/a,月平均分别为3325 t/月、591 t/月和46 t/月。COD、TN和TP入海通量的年际和月际变化特征如图4所示。2014-2019年,COD、TN和TP的年际入海通量均呈现先增加后降低的变化趋势,分别如图4A图4C图4E所示。3种污染物入海通量在2016年为最大值,分别高达52600 t、10801 t和951 t,分别是2014-2019年入海通量年平均值的1.32倍、1.52倍和1.71倍。2016年以前,随着钦江沿岸工业和农业不断发展,大量点源和非点源污染物不断排放,导致钦江典型污染物的入海通量不断增加。尤其是2016年增幅较大,主要是钦州河西污水处理厂污染物富集所形成的污泥(约12000 t)未能得到有效处理,使大量的典型污染物重新回到钦江。之后,钦州市人民政府根据《中华人民共和国行政强制法》第十五条规定,对钦州市河西污水处理厂堆积的污泥进行清运处理,同时也对钦州市河西污水处理厂和河东污水处理进行改造扩建,提高了城市污水处理能力。近几年关于河流污染物的综合整治,广西壮族自治区相继出台《广西壮族自治区全面推行河长制工作方案》《广西壮族自治区水污染防治目标责任书》等相关政策,保障河流污染物的有效治理,促使钦江典型污染物入海通量逐年降低。

      图  4  COD、TN和TP通量的年际和月份变化

      Figure 4.  Inter annual and monthly flux variations of COD, TN and TP

      钦江属于亚热带季风气候区,气温和降雨具有明显的干、湿季变化特征,如图5所示,丰水期主要集中在4月-9月,降雨量约占全年的80%,而COD、TN和TP污染物入海通量也主要集中在丰水期,分别如图4B图4D图4F所示,约占全年污染物入海通量的75%。COD、TN和TP入海通量与降雨量的相关系数分别为R2=0.897(p<0.01)、R2=0.748(p<0.01)和R2=0.359(p<0.01),这表明钦江为雨源性河流,降雨对河水流量和污染物入海通量影响较大[22]。因此,建议完善沿岸雨污分流管网建设,加强污水处理与雨污管网互联互通,减少降雨冲刷的污染物直接排放入河,实施源头管理。

      图  5  2014-2019年钦江季流量、温度和降雨量的年际变化

      Figure 5.  Inter annual variations of quarterly water loads, temperature, and monthly precipitation at Qinjiang river estuary from 2014 to 2019

    • 污染物入海通量是污染物的浓度乘以流量和时间,因此,污染物的通量不仅受到污染物浓度的影响,还受到流量的影响。COD、TN和TP浓度和流量对负载通量的回归分析结果(图6)表明,COD的浓度与负荷量线性回归的相关系数R2=0.008,p>0.05,斜率k=0.011±0.015;流量与负荷量线性回归分析的相关系数R2=0.856,p<0.01,斜率k=0.554±0.026(图6A)。由图6可知,COD的负荷量与浓度的相关性和斜率几乎为0,且p>0.05,表明COD的浓度变化与入海通量无显著相关性,这可能与COD的不稳定性有关。COD的负荷量与流量呈极显著正相关性,相关系数为0.856,斜率为0.554,表明COD入海通量主要受流量的影响,而流量主要受降雨量的影响,由此推测COD负载量也主要受降雨的影响。Shen等[26]研究表明,降雨所带入河流的污染物主要来自非点源。Schiff等[26]研究表明,降雨所带来的污染物包括大气干湿沉降及地表垃圾和尘埃等,约75%~90%为非点源污染物,说明钦江COD主要来自非点源。降雨对流量回归分析的相关系数(R2=0.716,p<0.01)表明两者呈极显著相关性。通过回归方程计算,降雨对流量的贡献为67.9%,流量对COD通量的贡献为55.4%。

      图  6  COD、TN和TP负荷量与其浓度和流量的关系

      Figure 6.  The relationship between COD, TN and TP loads with its concentrations and flow rates

      TN浓度与负荷量线性回归分析的相关系数R2=0.121,p>0.05,k=0.049±0.021,而流量与负荷量线性回归分析的相关系数R2=0.547,p<0.05,k=2.25±0.314)(图6B)。TN浓度与负载量呈非显著正相关性,斜率为0.149,而TN负荷量与流量显著呈正相关性,斜率为2.251,这表明TN负荷量主要受流量控制,Shen[27]等研究认为钦江中的TN主要来自非点源。钦江上游大多是水稻农田和家禽养殖区,每年4月和7月为水稻播种季节,播种时使用大量的含氮肥料,而此时正处于雨季,可能存在大量氮肥流失和家禽养殖污染物排放的现象,导致非点源对钦江TN负荷量贡献较高。TP浓度与负荷量线性回归分析的相关系数R2=0.143,p<0.05,k=0.062±0.030,而流量与负荷量线性回归分析相关系数R2=0.376,p<0.05,k=21.53±4.069(图6C),TP浓度与负载量呈显著正相关性,其斜率几乎为0,而TP负荷量与流量虽然呈显著正相关性,但其相关系数仅为0.376,而斜率为21.53,这说明TP不仅受非点源的影响,也受点源的影响。

    • (1)LOADEST模型中的方程9为COD、TN和TP入海通量评价的最佳方程,用该方程评估获得COD、TN和TP年平均入海通量分别为39902 t/a、7094 t/a和558 t/a,月平均入海通量分别为3325 t/月、591 t/月和46 t/月。3种典型污染物的年际通量均呈现先升高后降低的变化趋势,2016年的COD、TN和TP年际入海通量最大,分别为52600 t、10320 t和952 t,不同月际间的入海通量具有显著性差异。

      (2)丰水期典型污染物的入海通量约占全年入海通量的75%,COD、TN和TP入海通量与降雨量呈显著相关性,相关系数分别为0.897、0.748和0.359,这说明污染物通量受降雨控制,COD和TN主要来自农业和养殖业非点源,而TP不仅受非点源控制,也受点源控制。

      (3)近几年来,钦江河口断面典型污染物COD、TN和TP的入海物通量呈现逐年降低的变化趋势,但整体水质仍处于Ⅴ类或劣Ⅴ状态,仍未满足河流排放的水质标准。建议加强沿江污水管网和污水处理能力建设,提高沿江污染物的管控能力。本文基于LOADEST模型评估得到了钦江入海河口断面COD、TN和TP入海通量及其年际和月际变化特征,可为钦州湾海域水质的有效改善和沿江污染物的减排方案制定提供科学依据。

参考文献 (27)

目录

    /

    返回文章