分布式非点源模型模拟尺度

2.3　分布式非点源模型模拟尺度

集总式或分布式是描述空间数据处理的方式，集总式模型用空间参数的平均值计算整个流域，分布式模型是将流域景观具体划分为几个较小的功能性的土地单元，模型对每个具体土地单元/网格进行分别计算，进而可对整个流域进行预测。随着流域变量的增加，集总式模型预测的可信度和准确性下降，其缺点在于不能对特定位置做出预测而忽略一些重要的潜在的环境问题。分布式非点源模型与尺度大小不同的流域有关，模型通常需处理与水循环相关的降雨、径流、漫流、水系分布，除了计算暴雨带来的径流之外，还需估计这些过程带来的沉积物和输出的营养盐。

国内外有关非点源污染分布式模型的研究主要集中于模型和应用、管理方面。20世纪70年代是农业非点源模型大发展的时期，从简单的经验统计分析提高到复杂的机理模型，其次是从长期平均负荷输出或单场暴雨分析上升到连续的时间序列响应分析。如系列模型PTR－HSP－ARM－NPS，其他机理和连续时间序列模型包括农业化学品运输模型（ACTMO），统一运输模型（UTM），LANDRUN等。这些模型大都是以水文数学模型为基础的非点源污染模型，但大部分模型大范围推广应用价值不大。20世纪80年代以来由简单的统计分析向机理模型转变，这些模型虽经过了一些实测数据的检验得到了有限的应用，但过高的数据要求，使模型只能适用于很小的集水面积，推广应用也有一定的局限性。后期以反映时空特性和过程的具有物理基础的分布式模型为重点，研究将集水面积分成众多独立单元，每个面积单元分开进行模拟，最后再加以集成，模拟的每一个小单元中可以得到多个输出结果，模拟计算精度较高，但模型运行时需要对每一个单元的系统参数进行详尽的描述，相邻单元各个因子又相互作用，应用分布式模型以信息量和监测的经济代价换取了模型模拟的有效性和准确性，已有少数分布式模型在国外流域面源污染治理中得到应用^［138］。

20世纪80年代以来，研究的重点主要转向如何把已有模型应用到非点源污染的管理中去，开发新的实用模型，研究并广泛实施非点源污染控制与管理措施等，同时注意经济效益的分析，出现了新一代非点源污染模型。如著名的农业管理系统中的化学污染物污染模型CREAMS、流域非点源污染模拟模型ANSWERS、农田尺度的水侵蚀预测模型WEPP和用于农业非点源管理和政策制定的农业非点源污染模型AGNPS等机理模型。这个时期，GIS与一些简单经验统计模型如美国通用土壤流失方程（USLE）等集成，计算土壤侵蚀率和侵蚀量，二者的集成方式也仅限于松散集成。

由于非点源污染具有很强的空间变异性，其中基于物理基础的分布式模型在流域的模拟计算中，主要是把流域分为小的区域和离散的单元来反映流域的空间变异性，具有强大处理空间数据能力的GIS等技术也受到越来越多的研究者青睐。分析目前非点源污染模型，如PTR－HSP（Hydrocomp Simulation Program）、NPS、ARM、STORM、UTM（Unified Transport Model）、LANDRUN（Land Runoff Model）、INCA（Integrated Nitrogen in Catchments）等，主要以水文学为基础，可以详细描述流域污染物的迁移转化的机理和路径，能模拟污染物在连续时间内的污染负荷。但该模型对数据要求很高，适用于小尺度的流域范围，大范围推广的价值不大^{［100～105］}。20世纪90年代以来，GIS开始与分布式模型和污染物负荷模型相结合，研究领域更加广泛，类型也多样化。如ANSWERS、CREAMS、AGNPS、HSPF、SWRRB、EUROSEM等，模型研究开始向实用方向发展，重点放在将已有模型广泛应用于非点源污染控制和管理上，并注重经济效益的分析，这些模型能精确地描述污染物迁移转化的过程和机理，但模型对环境问题的描述和空间分析能力有限，在广泛应用中受到许多限制。如典型的CREAMS模型适用于田块尺度的计算，局限于小尺度的、土地利用状况单一、土壤均质、降雨均匀、耕作措施单一的地块。著名的SWAT模型通过确定流域内气象、土壤特征、地形、植被、管理措施等具体参数，将各种条件直接输入到模型中实现污染物模拟分析。又如ANSWERS－2000模型在美国的两个小流域中进行了非点源污染预测，结果表明该模型能预测流域中径流量、泥沙、硝酸盐和溶解磷的流失量，预测值和实测值的误差在40%以内，该模型已经从试验阶段走向实际运用，但在模型移植过程中，有效快速地获取大量空间变异性信息以及模型参数选取问题却是需要研究的重点问题之一^{［110～113］}。同时，模型输出结果的敏感性分析和信息空间尺度的定量化，以及如何通过信息敏感性分析有效进行参数识别，提高模型预报精度，也是推进分布式非点源污染模型应用的关键问题。

随着计算机技术的发展，大型化和实用化机理模型的建立发展至今，GIS的栅格数据分析功能及空间分析功能逐渐提高，GIS与分布式非点源模型的集成成为非点源污染模型发展的主流，分布式模型应用日趋广泛。分布式参数机理模型的空间数据输入效率、模拟输出显示度和模型运行效率因二者的集成而大大提高，较好地反映了土地的区域变异情况。一些机理模型如AGNPS、WEPP与支持栅格数据空间分析的GIS软件GRASS、ARCI/INFO进行紧密集成，模型已经不再是单纯的数学运算程序，而是集空间信息处理、数据库技术、数学计算、可视化表达等功能于一身的大型专业软件。其中比较著名的有美国国家环保局开发的BASINS、Arnold等开发的SWAT以及美国自然资源保护局和农业研究局联合开发的AnnAGNP等。同时期，随着网格数据分析和空间分析功能的扩展，如Arc－View与分布式参数模型AGNPS、AnnAGNPS、SWAT、BASINS集成，充分发挥桌面系统强大的交互查询功能，广泛应用于模型研究区域降雨—径流、土壤侵蚀、溶质迁移的连续模拟，估算污染负荷，以明确主要的污染因子和关键源区，并与控制管理措施结合。虽然分布式模型擅长于发现区域局部的影响与异常，但模型操作的复杂性，尤其是大量的输入数据用以描述外界因素的差异，这在一定程度上也制约了分布式模型的发展和应用。

总体上，国内外已有的分布式非点源污染方面的定量化研究主要集中向两个方向发展^{［17～19］}。一是野外实地考察和监测，直接利用获取的实测资料进行估算和评价。但长期的研究发现，这种方法只适用于面积不大的小流域，对于大流域而言，所耗费用高、周期长、效率低，而且由于误差导致可靠性差，往往得不偿失。另一方面就是模型研究，即根据不同的目的进行各种类型的非点源污染模型研究，如农业化学品运输模型（ACTMO）、城市地表径流数学模型（STORM）、农业非点源污染模型（AGNPS）、流域非点源污染模拟模型（ANSWERS），分布式SWAT模型以及对流域点源和非点源综合控制的BASINS模型。这些模型虽在很大程度上成为非点源污染量化研究的有利手段，但由于非点源污染本身具有很强的随机性、不确定性以及时空变异性，而且具有物理基础的分布式模型对资料的依赖程度高、参数率定和移植都很困难，使得模型难以在应用中取得理想效果^{［99，104～108］}。传统的平均浓度法只能对面源污染做一粗略的估算，通过相关模式的推演来计算污染物流失量，影响了研究精度，计算结果的可靠性较差，无法得到面源污染的空间分布情况，尤其在面对众多不确定性因素及极值的水文外界条件时，模型运行所需的大量参数使其无法进行湖泊或水源地污染风险评估及安全预警。