設施農業生產區降雨徑流和氮磷輸出特征及模擬
——以滇池東岸花卉大棚種植區為例

曾曉嵐，王濤濤，羅萬申，劉 定，丁文川，王雙雙

(1：重慶大學三峽庫區生態環境教育部重點實驗室，重慶 400045)(2：重慶大學低碳綠色建筑國際聯合研究中心，重慶 400045)(3：中國市政工程西南設計研究總院有限公司，成都 610081)

設施農業生產區降雨徑流和氮磷輸出特征及模擬
——以滇池東岸花卉大棚種植區為例

曾曉嵐1,2，王濤濤1,2，羅萬申3，劉 定1,2，丁文川1,2，王雙雙1,2

(1：重慶大學三峽庫區生態環境教育部重點實驗室，重慶 400045)(2：重慶大學低碳綠色建筑國際聯合研究中心，重慶 400045)(3：中國市政工程西南設計研究總院有限公司，成都 610081)

為掌握滇池流域花卉大棚種植區的非點源污染特征，提高和改善滇池水環境質量，本研究選取呈貢縣斗南村花卉大棚種植區作為研究對象，在實測降雨徑流數據的基礎上，通過建立Storm Water Management Model模型分別對全年連續降雨條件下和典型設計降雨條件下的降雨徑流水質、水量進行了模擬. 研究結果表明：1)模型的流量、化學需氧量(CODCr)、懸浮物(SS)、總氮(TN)和總磷(TP)的Nash-Sutcliffe效率系數分別為0.858、0.835、0.803、0.712和0.752，能夠較好地模擬研究區域的水質、水量變化. 2)研究區域的平均徑流系數為0.59，CODCr、SS、TN和TP的單位面積負荷率分別為118.34、82.90、54.64和5.46 kg/(hm2·a)，TN和TP是主要控制的污染物. 3)各污染物濃度峰值的出現時間均早于流量峰值出現的時間，因此對滇池東岸花卉大棚種植區應進行污染物尤其是TP、TN濃度與流量錯峰控制.

非點源污染；花卉大棚；SWMM模型；滇池流域；污染負荷

農業非點源污染主要是指農業生產活動中，農田中的土粒、氮、磷、農藥、化肥及其他有機或無機污染在降雨過程中，通過農田地表徑流、農田排水和地下滲漏，進入水體所造成的污染[1]. 隨著工業污水和城市生活污水等點源污染逐步得到控制，非點源污染尤其是農業非點源污染正在成為水體污染的主要原因[2]. 有報道指出，2014年滇池流域入湖污染物來源組成中，來源于農業非點源污染的總磷(TP)和總氮(TN)分別為175和829 t[3]. 昆明是我國著名的鮮花生產基地，當地的塑料大棚栽培面積超過3333 hm2，其中以花卉種植為主的呈貢縣斗南村位于滇池東岸，其塑料大棚種植面積達到總種植面積的90%[4]. 一方面花卉種植的施肥強度大、種植茬數多、管理更集約、季節性強，另一方面塑料大棚的使用不僅增加了地表徑流量，而且會減少地表侵蝕和面源污染[5]，因此，滇池東岸花卉大棚種植區表現出不同于傳統大田農業種植區的降雨產匯流特征和農田面源污染負荷.

目前滇池周邊已經構建起從源頭控制到末端截污的流域截污治污體系，其主要功能是根據不同區域的降雨徑流污染產生特征對周邊城市和農村初期降雨徑流進行收集和處理[6]. 國內現有的相關研究主要針對城市區域降雨徑流污染的收集截流，而對農村區域則鮮有報道[7-8]，特別是針對花卉大棚種植這種特殊的土地利用類型徑流污染的研究更少[5].

SWMM模型(Storm Water Management Model)[9]即暴雨雨水管理模型，是1971年美國國家環境保護局(USEPA)為解決日益嚴重的城市非點源污染而開發的城市暴雨管理模型，包括水文、水力和水質模塊. 主要應用包括：進行城市地表徑流分布式模擬，定量分析區域水質和排污情況，預報排水系統和受納水體中各點水流和水質狀況，適用于排水系統的規劃、分析、設計以及管理措施的評估[10]. SWMM模型作為分布式、連續模擬模型，在城市非點源污染模擬中得到了廣泛應用[11-13]. SWMM 的通用性較好，對城市區和非城市區均能進行準確的模擬[14-15]，目前國內的模擬研究主要集中在城市區，非城市區的模擬研究鮮有報道[16-17]. 為掌握滇池流域花卉大棚種植區的降雨徑流和氮磷流失特征，本研究選取滇池東岸呈貢縣斗南村花卉大棚種植區作為研究對象，嘗試建立SWMM模型，根據實測降雨徑流數據率定模型參數，在對模型進行驗證的基礎上，對滇池東岸花卉大棚區的降雨徑流污染分別進行全年連續降雨條件下和典型設計降雨條件下的模擬，獲得該區域的降雨徑流污染水質水量特征，以期為滇池流域花卉大棚種植區域降雨徑流污染的收集截流提供理論依據以及為在國內非城市區運用SWMM模型提供參考.

1 SWMM模型的構建

1.1 研究區概化

本研究區域位于滇池東岸呈貢縣境內斗南村北側的玫瑰大棚種植區，面積為73.2 hm2. 根據地形和排水溝渠(包括農灌主渠和農灌支渠)布置特性，借助衛星地圖，將研究區域按各溝渠的實際匯水范圍劃分為104個子匯水區域、74個節點、76段排水溝渠和1個排放口，排放口位于農灌主渠的末端(圖1). 各子匯水區面積介于0.36～1.21 hm2之間. 農灌溝渠為明渠，渠寬為0.6～1.0 m，渠深為0.4～0.9 m. 該區域內的農業灌溉污水和雨水通過農灌支渠匯入區域中間的一條南北走向的農灌主渠排出，穿過環湖東路流入滇池，對滇池水體造成污染.

圖1 研究區域位置及子匯水區概化圖Fig.1 Location and conceptualization sketch of study area subcatchment

1.2 模型參數的靈敏度分析

本研究利用2013年8月16日的降雨數據，以5%為固定步長變化逐個參數值，分別取其值的80%、85%、90%、95%、105%、110%、115%、120%，采用修正的摩爾斯分類篩選法對模型的水文水力參數和水質參數進行局部敏感性分析，篩選出對模擬值影響大、敏感性大的參數，為下一步模型參數的率定、校驗做準備. 其結果如表1所示.

參照文獻[18]對敏感度進行分級：|Si|≥1為高靈敏度參數；0.2≤|Si|<1為靈敏參數；0.05≤|Si|<0.2 為中靈敏參數，0≤|Si|<0.05為不靈敏參數(i為模型的第i個狀態變量).

SWMM模型水文水力參數中影響徑流總量和流量峰值的靈敏參數主要為Conduit roughness和N-imperv，這與其他研究者的結果相近[19]. SWMM模型水質參數中影響污染負荷和濃度峰值的靈敏參數主要為C1、C2和R，其中C1在污染物峰值濃度的靈敏度接近1，影響非常大. 參數n是影響污染物濃度峰值的靈敏度參數，而對污染負荷的影響則相對較小(表1).

表1 SWMM 模型參數局部靈敏度分析結果

1.3 模型參數的率定

SWMM模型的參數包括產匯流系統模塊的水文水力參數，水質模塊的污染物累積、沖刷參數. 本研究選用Horton入滲模型模擬研究區的降雨入滲過程，參考相關文獻[20-21]，將最大入滲速率、最小入滲速率、衰減系數和排干時間的初始值設為96 mm/h、0.5 mm/h、7 h-1和7 d. 選用指數函數累計模型模擬污染物的累積，需要輸入的參數包括指數累積方程中的最大累積量和累積常數. 選用指數沖刷模型模擬污染物的沖刷過程，輸入參數包括指數沖刷方程中的沖刷系數和沖刷指數. 為反映不同土地利用類型的地表污染物累積沖刷過程，將各子匯水區內土地利用類型分為大棚、綠地和道路3種分別進行模擬，選擇化學需氧量(CODCr)、懸浮物濃度(SS)、TN和TP等4種污染物作為主要污染因子，模型中各參數通過率定最終確定.

本研究于2013年8月16日、2014年8月18日和2014年9月17日進行了3場有效的降雨徑流采樣. 水樣采集從降雨徑流產生開始，每20 min采集一次，直至降雨結束，同時監測排放口的流量變化. 采集的水樣立即送往實驗室，根據《水和廢水監測分析方法》(第四版)[22]分別采用重鉻酸鉀法、濾紙抽濾法(0.45 μm濾膜)和過硫酸鉀消解-紫外分光光度法對CODCr、SS、TN、和TP濃度進行測定. 2013年8月16日、2014年8月18日和2014年9月17日分別采集水樣18、15、24個.

表2 SWMM模型的水文水力參數率定值

Tab.2 Calibration results of hydrological and hydronic parameters in SWMM

參數名稱含義率定值N-imperv不滲透性粗糙系數N值0.015N-perv滲透性粗糙系數N值0.5Destore-imperv不滲透性洼地蓄水/mm2Destore-perv滲透性洼地蓄水/mm7%Zero-imperv無洼地蓄水不滲透性/%40Conduitrough-ness渠道粗糙系數0.17Max.infil.rate最大入滲速率/(mm/h)94Min.infil.rate最小入滲速率/(mm/h)0.6Decayconstant衰減系數/h-17Dryingtime排干時間/d7

本研究采用2013年8月16日和2014年8月18日兩場降雨徑流監測數據進行參數率定，采用2014年9月17日的降雨徑流監測數據進行模型驗證. 采用Nash-Sutcliffe效率系數NS[23]作為目標函數來衡量模擬值與實測值之間的擬合度.NS效率系數的計算公式為：

(1)式中，NS為效率系數，Qm為實測瞬時值，Qp為模擬瞬時值，Qavr為實測平均值. 當NS=1 時，說明模擬值與實測值相等，NS>0.5時為可接受模擬值. 效率系數分級為：0.5～0.7為丙等，0.7～0.9為乙等，NS>0.9為甲等.

輸入2013年8月16日和2014年8月18日兩場降雨數據，結合SWMM模型用戶使用手冊，反復調整參數并進行模擬，使模擬結果最大程度和實測結果相吻合. 經率定的水文水力參數結果如表2所示，水質參數結果如表3所示.

表3 SWMM模型的水質參數率定值

圖2 排放口流量的模擬值與實測值變化過程Fig.2 Measurement and simulation values of rainfall runoff flow from the outlet of the area

1.4 模型的驗證

采用2014年9月17日的降雨(降雨量為5.6 mm,降雨歷時為5 h；其中前一個小時降雨量為5 mm，后4個小時降雨量0.6 mm)徑流監測數據對模型進行驗證. 圖2和圖3是模型模擬值與實測值的對比，根據公式(1)計算，流量、CODCr、SS、TN和TP的NS效率系數分別為0.858、0.835、0.803、0.712和0.752，均在0.7以上，說明SWMM模型可以較好地模擬該研究區域的地表徑流變化過程和地表污染物質量濃度變化過程. 因此可認為針對該研究區域所設定的SWMM模型各項參數均較為合理，所構建的SWMM模型準確可靠，可以用于后續的模擬研究.

圖3 排放口污染物濃度的模擬值與實測值變化過程Fig.3 Measurement and simulation values of contaminant concentrations from the outlet of the area

2 SWMM模型的模擬運用

在SWMM模型基礎上，本研究根據昆明市氣象局提供的1995-2008年降雨數據，針對研究區域分別進行全年連續降雨條件下和典型設計降雨條件下的模擬. 其中，進行全年連續降雨的模擬可以充分反映降雨間隔時間對徑流水質的影響以及降雨的隨機性，真實反映年內不同降雨持續時間、不同雨量大小的降雨下污染物的流失情況，以估算流域全年的污染負荷[19]，識別主要污染物. 而進行典型設計降雨的模擬可以得到典型的流量過程和污染物濃度過程[24]，可用于指導截流方案的設計.

2.1 全年連續降雨條件下的模型模擬

單位面積負荷率是衡量區域污染程度的重要指標，通過污染物單位面積負荷率和研究區域的面積，可以初步測算出該研究區域徑流污染對受納水體總體污染的貢獻率[19]. 本研究根據SWMM 模型要求的輸入格式，將連續14 a的小時降雨資料進行了長時間序列模擬.

該區域14 a的總降雨量為10857.7 mm，產生的總徑流量為6427.0 mm，則得知該研究區域的平均徑流系數為0.59. CODCr、SS、TN和TP的單位面積負荷率分別為118.34、82.90、54.64和5.46 kg/(hm2· a)(表4).

表4 14 a連續降雨條件下的模型模擬結果*

*單位面積負荷率=年均污染負荷/研究區域面積，本研究區面積為73.2 hm2.

2.2 典型設計降雨條件下的模型模擬

設計不同降雨情景(即不同降雨重現期)是進行水量、水質模擬不可或缺的基本要素. 目前國內外普遍采用的設計降雨方法有芝加哥暴雨過程線法、Pilgrim and Cordery法和Huff法等，其中Huff 法是一種基于區域多年降雨統計資料的方法，具有計算簡單、代表性強等優點[25]. 本研究利用Huff法對降雨數據進行分析，得到滇池東岸降雨特征為以單峰雨型為主，雨峰多位于降雨的前1/4處，即降雨強度峰值發生前的時間與總降雨歷時的比值為0.25. 基于昆明市暴雨強度公式(2)，應用芝加哥降雨過程線設計降雨時程分布，構建降雨歷時為2 h，雨峰系數γ=0.25，重現期分別為0.3、0.5、1、3和5 a的5種設計降雨過程作為降雨輸入數據，進行不同降雨重現期下的模型模擬，假定降雨從16：00點開始，18：00點結束. 水量模擬結果如圖4所示，水質模擬結果如圖5所示.

(2)

式中，i為降雨強度(mm/min)，P為降雨重現期(a)，t為降雨歷時(min).

圖4 不同降雨重現期下研究區域排放口流量過程線Fig.4 Discharge hydrograph from the outlet of the area under different rainfall return periods

根據不同降雨重現期下排放口流量過程線，可得相應的流量峰值及出現的時間. 由表5可知，重現期為0.5、1、3和5 a的徑流峰值比重現期為0.3 a的分別增大了1.1、2.7、6.3和7.5倍；每個重現期降雨條件下的徑流峰值比前一個重現期的分別增大了106.2%、81.8%、93.8%和16.8%，這說明隨著降雨重現期的增大，流量峰值也呈上升趨勢，但上升幅度逐漸減小，峰值流量逐漸趨于平穩. 隨著降雨量的增加，排放口流量不斷增大，一般在降雨開始后120～150 min 達到最大值，之后隨著降雨強度的減小而逐漸減小(圖4). 相同降雨歷時，降雨量越大排放口徑流總量越大.

不同降雨重現期下研究區域排放口污染物濃度峰值隨降雨強度的增大而增大，不同降雨重現期下的SS、CODCr、 TN和TP濃度峰值均呈現出相同的變化規律，即5 a一遇>3 a一遇>1 a一遇>0.5 a一遇>0.3 a一遇(圖5). 降雨強度越大，質量濃度峰值出現的時間越早，并且降雨重現期越大，各污染物濃度在峰值后的下降速度越快. 在5 a一遇和3 a一遇的降雨強度下，SS、CODCr和TN濃度經過峰值后迅速降至1 a一遇、0.5 a一遇及0.3 a一遇過程線以下，表明與低降雨強度沖刷相比，經高強度降雨沖刷后地表產生的污染物濃度較小.

圖5 不同降雨重現期下研究區域排放口污染物濃度變化過程線Fig.5 Variation of contaminant concentrations from the outlet of the area under different rainfall return periods

不同重現期下，降雨及徑流對地表累積污染物的沖刷程度也不同，隨徑流產生并排放的非點源污染物總量亦不同(表5). 排放口的非點源污染負荷總量與降雨重現期呈正相關關系，即降雨重現期越大，污染物排放總量越大.

不同降雨重現期下污染物濃度峰值及出現的時間如表5所示. 分別將各污染物濃度峰值的時間節點與對應徑流流量峰值時間節點進行對比，可知各污染物濃度峰值的出現時間均早于流量峰值的出現時間.

表5 典型設計降雨條件下的模型模擬結果

()內數字為相同重現期下濃度峰值相比于流量峰值出現提前的時間.

3 模擬結果討論

3.1 對全年連續降雨條件下的模型模擬結果的討論

本研究區域為花卉大棚種植區域，大棚覆蓋是該區域與傳統大田種植的主要差別. 傳統的平坦大田種植區域的綜合雨量徑流系數為0.1～0.2，而該區域的綜合雨量徑流系數為0.59，可見大棚的覆蓋增加了區域的不滲透性，導致地表徑流量的增加. 龍天渝等[26]研究得出的三峽庫區大田種植TN負荷為2.6～4.2 kg/(hm2·a)，TP負荷為0.432～3.186 kg/(hm2·a)，可得知該大棚種植區域的TN和TP單位面積負荷率要高于其他大田種植區域. 這是因為雖然大棚覆蓋阻礙了降雨對地表的直接沖刷，但是高度集約化的花卉種植產生了大量的花卉殘枝、塑料薄膜等固體廢棄物，這些固體廢棄物通常堆放在露天場地和溝渠兩邊，腐敗后就隨著降雨沖刷進入地表徑流中，使得該區域內的降雨徑流中TN和TP濃度較高，成為大棚種植區降雨徑流的主要污染物，是收集截流的主要對象. 滇池流域截污治污體系的服務范圍主要為城市區域和農村區域，該區域的CODCr的單位面積負荷率明顯低于昆明城區，而TN和TP的則相差不大(表4). 可見對TN和TP而言，對本研究區域徑流污染的收集截流和城區同樣重要. 此外，滇池流域面積為2920 km2，其中耕地占25%[27]，即耕地面積為730 km2，本研究區面積為0.732 km2，所以本研究花卉大棚區面積占滇池流域耕地面積的比例為0.1%，但本研究區TN和TP的污染負荷總量(表4)占滇池流域農業面源污染負荷[3]的比例分別為0.48%和0.23%,所以滇池流域花卉大棚區徑流污染是滇池流域農業面源污染的重要來源. 故應對滇池東岸花卉大棚種植區域降雨徑流進行收集截流處理.

3.2 對典型設計降雨條件下的模型模擬結果的討論

從場次降雨的模擬分析中可以看出，降雨強度是影響徑流量大小和污染物流失的主要因素. 降雨強度較大時，污染物濃度峰值較大，濃度峰值出現時間會提前，因此對該區域進行降雨徑流污染收集時，應該收集污染濃度相對較高的部分，相應的收集截流時間也應該提前. 由于場次降雨中的污染物濃度和徑流量變化不同步，污染物濃度峰值出現時間要早于流量峰值，可以考慮合理利用污染物濃度峰值和流量峰值出現的時間差，實現低流量高濃度污水和高流量低濃度污水的分流，從而達到高效收集截流的目的.

4 結論

控制和治理滇池東岸花卉大棚種植區產生的農業非點源污染對滇池水環境治理至關重要. 本研究通過構建SWMM模型對研究區域進行了全年連續降雨條件下和典型設計降雨條件下的降雨徑流水質水量模擬，得到如下結論：

1)構建的SWMM模型流量、CODCr、SS、TN和TP的NS效率系數分別為0.858、0.835、0.803、0.712和0.752，能夠較好地模擬研究區域的水量和水質變化.

2)研究區域的平均徑流系數為0.59，CODCr、SS、TN和TP的單位面積負荷率分別為118.34、82.90、54.64 和5.46 kg/(hm2·a). 其中，TN和TP的單位面積負荷率與昆明市區接近，是主要控制的污染物.

3)各污染物濃度峰值的出現時間均早于流量峰值出現的時間，對滇池東岸花卉大棚種植區應進行污染物尤其是TP、TN濃度與流量錯峰控制.

[1] Meng Fanxiang, Zhao Qian, Ma Jianetal. Evaluation of agricultural non-point source pollution loadings in Dasu River.JournalofAgro-EnvironmentScience, 2010, (S1): 145-150. [孟凡祥, 趙倩, 馬建等. 農業非點源污染負荷及現狀評價——以大蘇河地區為例, 農業環境科學學報, 2010, (S1): 145-150.]

[2] Zhang Rongshe, Zhou Qi, Shi Yunpengetal. Study on storm runoff characteristics in agricultural area in the Dianchi Valleys.ChinaWater&Wastewater, 2003, 19(2): 13-16. [張榮社, 周琪, 史云鵬等. 滇池流域農業區的暴雨徑流特征研究. 中國給水排水, 2003, 19(2): 13-16.]

[3] Xu Xiaomei, Wu Xue, He Jiaetal. Research on the pollution characteristics of Dianchi watershed (1988-2014) and identification of countermeasures.JLakeSci, 2016, 28(3): 476-484. DOI: 10.18307/2016.0302. [徐曉梅, 吳雪, 何佳等. 滇池流域水污染特征(1988-2014年)及防治對策. 湖泊科學, 2016, 28(3): 476-484.]

[4] Li Jing, Yang Hao, Xie Biaoetal. Distribution and source diagnosis of polycyclic aromatic hydrocarbons in agricultural soil at the shore of the Dianchi Lake.EnvironmentalScience&Technology, 2015, 38(12): 31-35. [李婧, 楊浩, 謝標等. 滇池湖濱農業土壤中PAHs分布特征及來源. 環境科學與技術, 2015, 38(12): 31-35.]

[5] Shi Feng, Du Pengfei, Zhang Daweietal. Nonpoint source pollution simulation in greenhouse region of Dianchi Basin.JTsinghuaUniv(Sci&Tech), 2005, (3): 363-366. [石峰, 杜鵬飛, 張大偉等. 滇池流域大棚種植區面源污染模擬. 清華大學學報(自然科學版), 2005, (3): 363-366.]

[6] He Jia, Xu Xiaomei, Yang Yanetal. Problems and effects of comprehensive management of water environment in Lake Dianchi.JLakeSci, 2015, 27(2): 195-199. DOI:10.18307/2015.0201. [何佳, 徐曉梅, 楊艷等. 滇池水環境綜合治理成效與存在問題. 湖泊科學, 2015, 27(2): 195-199.]

[7] Li Yuexun, Xu Xiaomei, He Jiaetal. Point source pollution control and problem in Lake Dianchi basin.JLakeSci, 2010, 22(5): 633-639. DOI:10.18307/2010.0502. [李躍勛, 徐曉梅, 何佳等. 滇池流域點源污染控制與存在問題解析. 湖泊科學, 2010, 22(5): 633-639.]

[8] Li Zhongjie, Zheng Yixin, Zhang Daweietal. Impacts of 20-year socio-economic development on aquatic environment of Lake Dianchi Basin.JLakeSci, 2012, 24(6): 875-882. DOI:10.18307/2012.0610. [李中杰, 鄭一新, 張大為等. 滇池流域近20年社會經濟發展對水環境的影響. 湖泊科學, 2012, 24(6): 875-882.]

[9] Rossman LA. Storm water management model user’s manual version 5.0.USA: United States Environmental Protection Agency, 2009.

[10] Qin Yuhan, Wang Hongwu, Zhang Yilong. Review of urban stormwater runoff models.EnvironmentalScience&Technology, 2016, 39(1): 13-19. [秦語涵, 王紅武, 張一龍. 城市雨洪徑流模型研究進展. 環境科學與技術, 2016, 39(1): 13-19.]

[11] Barco J, Wong KM, Stenstrom MK. Automatic calibration of the U. S. EPA SWMM model for a large urban catchment.JournalofHydraulicEngineering, 2008, 134(4): 466-474.

[12] Shon TS, Kim SD. Estimation of NPS pollutant properties based on SWMM modeling according to land use change in urban area.DesalinationandWaterTreatment, 2012, 38(1/2/3): 333-341.

[13] Li B, Shao DG, Song Metal. Simulating the effect of reducing the non-point source pollution by buffer zone with SWMM. National Conference on Measuring Technology and Mechatronics Automation, 2013: 996-999.

[14] Jang S, Cho M, Yoon J. Using SWMM as a tool for hydrologic impact assessment.Desalination, 2007, 212(1/2/3): 344-356.

[15] Chen CL, Scanlin J, Feng A. Simulating the fate of diazinon in Castro Valley watershed by SWMM∥Global Solutions for Urban Drainage. Reston: ASCE, 2002: 1-16.

[16] Ma Xiaoyu, Zhu Yuanli, Mei Kunetal. Application of SWMM in the simulation of non-point source pollution load in urban residential area.ResearchofEnvironmentalSciences, 2012, 25(1): 95-102. [馬曉宇, 朱元勵, 梅琨等. SWMM 模型應用于城市住宅區非點源污染負荷模擬計算. 環境科學研究, 2012, 25(1): 95-102.]

[17] Wang Zhibiao. Research of the non-point source pollution load in palm-spring residential district based on SWMM[Dissertation]. Chongqing: Chongqing University, 2007. [王志標. 基于SWMM的棕櫚泉小區非點源污染負荷研究[學位論文]. 重慶: 重慶大學, 2007.]

[18] Lenhart L, Eckhardt K, Fohrer Netal. Comparison of two different approaches of sensitivity analysis.PhysicsandChemistryoftheEarth,PartsA/B/C, 2002, 27(9/10): 645-654.

[19] Zhao Lei, Yang Fengle, Yuan Guolinetal. Simulation of the quantity and quality of the urban runoff.ActaEcologicaSinica, 2015, 35(6): 1961-1972. DOI: 10.5846 /stxb201310141523. [趙磊, 楊逢樂, 袁國林等. 昆明市明通河流域降雨徑流水量水質SWMM模型模擬. 生態學報, 2015, 35(6): 1961-1972.]

[20] Zhao Gang, Pang Bo, Xu Zongxueetal. Simulation of urban strom at Dahongmen drainage area by SWMM.JournalofBeijingNormalUniversity(NaturalScience), 2014, 50(5): 452-455. [趙剛, 龐博, 徐宗學等. 基于SWMM模型的北京大紅門排水片區雨洪模擬研究. 北京師范大學學報(自然科學版), 2014, 50(5): 452-455.]

[21] Huber WC, Dickinson RE, Jr TOB. Storm water management model; version 4. Part A User’s, 1988, 2(4): 46-56.

[22] “Water and wastewater monitoring and analysis method” editorial board of State Environmental Protection Administration of China ed. Monitoring and analysis methods of water and wastewater: fourth edition. Beijing: China Environmental Science Press, 2002. [國家環境保護總局《水和廢水監測分析方法》編委會. 水和廢水監測分析方法: 第4版. 北京: 中國環境科學出版社, 2002.]

[23] Nash JE, Sutcliffe JV. River flow forecasting through conceptual models. Part I: A Discussion of Principles, 1970.

[24] Chen J, Adams BJ. Development of analytical models for estimation of urban storm water runoff.JournalofHydrology, 2007, 336(s3/s4): 458-469.

[25] Zhao Dongquan, Tong Qingyuan, Wang Haozhengetal. Application of SWMM model in urban rainwater elimination system.Water&WastewaterEngineering, 2009, 35(5): 198-201. [趙冬泉, 佟慶遠, 王浩正等. SWMM模型在城市雨水排除系統分析中的應用. 給水排水, 2009, 35(5): 198-201.]

[26] Long Tianyu, Liu Min, Liu Jia. Development and application of non-point source pollution load model of spatial and temporal distribution in Three Gorges Reservoir Region.TransactionsoftheChineseSocietyofAgriculturalEngineering, 2016, 32(8): 217-223. [龍天渝, 劉敏, 劉佳. 三峽庫區非點源污染負荷時空分布模型的構建及應用. 農業工程學報, 2016, 32(8): 217-223.]

[27] Environmental Protection Agency of Kunming, Chinese Research Academy of Environmental Sciences. Study report on “12TYP” of water pollution control in Dianchi Lake Basin. Kunming, 2010. [昆明市環境保護局, 中國環境科學研究院. 滇池流域水污染防治“十二五”規劃研究報告. 昆明, 2010.]

Characteristics and simulation of rainfall runoff and nitrogen & phosphorus outputs in facility agricultural area: A case study of flower greenhouse region in the East Coast of Lake Dianchi

ZENG Xiaolan1,2, WANG Taotao1,2, LUO Wanshen3, LIU Ding1,2, DING Wenchuan1,2& WANG Shuangshuang1,2

(1:KeyLaboratoryofThreeGorgesReservoirRegion’sEco-Environment,MinistryofEducation,ChongqingUniversity,Chongqing400045,P.R.China)(2:NationalCentreforInternationalResearchofLow-CarbonandGreenBuildings,ChongqingUniversity,Chongqing400045,P.R.China)(3:SouthwestMunicipalEngineeringDesign&ResearchInstituteofChina,Chengdu610081,P.R.China)

In order to improve water quality of Lake Dianchi, the characteristics of non-point source pollution from flower greenhouse area along the east bank of the Lake Dianchi were explored. The Storm Water Management Model (SWMM) was built with measured rainfall runoff data to simulate the quantity and quality of rainfall runoff under both continuous and typical rainfall conditions in a flower greenhouse area in Dounan Village, Chenggong County. The results indicate that: 1) The Nash-Sutcliffe efficiency coefficients of the flow, chemical oxygen demand (CODCr), suspended solids (SS), total nitrogen (TN) and total phosphorus (TP) in the SWMM are 0.858, 0.835, 0.803, 0.712 and 0.752, respectively, so that the SWMM model can be used to predict the quantity and quality of rainfall runoff in the area. 2) The average runoff coefficient of the area is 0.59. The annual loads per unit area of CODCr, SS, TN and TP are 118.34, 82.90, 54.64 and 5.46 kg/(ha·a), respectively. TN and TP are major pollutants. 3) The peaks of every pollutant concentrations appeared earlier than the flow peak so controlling the pollutant load should be advanced, especially for TN and TP controlling.

Non-point source pollution; flower greenhouse; SWMM model; Lake Dianchi basin; pollution load

國家水體污染控制與治理科技重大專項(2012ZX07102-001)、高等學校學科創新引智計劃項目(B13041)和重慶大學大型儀器設備開放基金項目(201506150013)聯合資助. 2016-04-27收稿；2016-11-17收修改稿. 曾曉嵐(1972～)，女，博士，副教授； E-mail： wendyzeng@cqu.edu.cn.

DOI 10.18307/2017.0504