非点源污染信息监测及定量模拟尺度

3.4　非点源污染信息监测及定量模拟尺度

通俗的描述时空尺度模拟过程为，在一个特定的时间和空间范围内所要描述的现象，如何进行简化并采用何种模型，以最大限度去满足客观现象概化的要求。空间尺度效应泛指变量的变异特征对研究区域的面积、采样网格距离或测量面积的大小的依赖性。一般来讲，非点源污染模拟分析过程中涉及的水文尺度通常是指水文过程、水文观测或水文模型的特征长度，因而通常所说的尺度包含三个含义，即过程尺度、观测尺度和模拟尺度。理论上，观测尺度、模拟尺度应该尽量与过程尺度相吻合，但受到测量技术和模拟水平的限制，往往达不到该要求，进行必要的模拟时间或空间尺度转换就尤为重要。

R.Schulze^［206］从水文的角度具体分析了尺度问题出现的原因，认为主要归于以下几个方面：①表面过程的空间异质性。如地貌、土壤、降雨、蒸发和土地利用等的时空不均匀分布。②响应的非线性。比如山坡过程和河道过程的响应快慢不同。③过程的临界阈值。比如根据不同决定因素，将产流机制分为蓄满产流和超渗产流；且随着尺度的变化，占主导地位的过程在发生改变。④在研究过程中发现的一些新特性，比如边缘效应。⑤人类活动的影响。如修建大坝、引水或者土地利用变化等。尺度问题越来越受到人们的关注并不是偶然的，而是随着技术、信息的发展以及对水文现象研究的日益深入和扩展必然要面临的问题。

一般的尺度转化过程中，通常将从小尺度到大尺度的信息转换称为聚集（Upscaling），反之称为解集（Downscaling）。传统测量得到的都是点的观测值，比如用雨量计测得的降雨量，虽然精度较高，但其代表性却值得怀疑。随着遥感（RS）在水文学上的应用，已经能获取空间平均的面信息，为我们进行大尺度的研究提供了有力的数据支撑。但新技术新方法的出现总是会引出新的问题。虽然RS能获得大范围的信息量，但要将其用于我们的研究尺度还需经过处理。L.G.Lanza^［207］等就如何将RS获取的资料进行解集，对其与传统方法得到的数据一致这个问题进行了研究，内容涉及尺度问题、可靠性分析及不确定性评估等。

目前国际上对聚集和解集的主要处理思路是：①聚集：对较小尺度下建立的模型进行均化和再参数化。目前实际上就是将原系统的部分变量进行空间或时间积分，再用某个均化的特征参数表示。②解集：在大尺度模型中将网格尺度减小，以满足与小尺度模型的衔接需要；仅在感兴趣的区域或时段使用较小尺度的网格，而对其他区域或时段仍使用较大尺度的网格。把那些感兴趣的区域或时段所建立的小尺度模型嵌套到较大尺度的模型中，实现不同尺度的模型混合计算。

由于在不同的尺度下，研究对象所表现出来的特性可能完全不同，所以大尺度流域的特征值并不是若干小尺度值的简单叠加，小尺度值也不能通过简单的插值或分解得到，而是要通过分析建立不同尺度之间的转换关系而获得。传统的聚集方法有简单的取平均或者按经验公式转换，这些方法的不足之处在于容易损失大量信息。理论上我们可以将大陆或全球范围离散成很小的网格，从而利用观测结果模拟，但是由于受到计算能力的限制，在实际应用中无法实现^{［208～211］}。继第一个分布式水文模型——SHE模型首次提出后，国内外相继研制自己的分布式水文模型。常用的分布式模型流域离散方法有子流域离散法、网格法、山坡法、典型单元面积（REA）、水文响应单元（HRU）、分组响应单元（GRU）、聚集模拟单元（ASA）以及水文相似单元（HSU）等多种，根据需要也可以是相互间的多种组合^［104］。在Wood等提出的典型单元面积REA（Representative Elementary Area）概念的基础上，国内学者于1994年首次提出了典型单元尺度REL（Representative Elementary Level）概念及其协同意义，认为在小于REL的尺度上研究问题时，必须考虑区域内各量的空间结构，不能用简单的平均方法以点代面，对大于REL的尺度进行研究时，由于各子区域相互独立，可以考虑用算术平均或权重平均以点代面。^{［212～213］}REL概念为遥测雨量站的布设合理性分析提供了一条理论途径。“网格”概念的提出使水文学前进了一大步，在这方面已经取得了许多令人欣慰的成果。此外，丁晶^［68］等对中宏观尺度的分析方法做了归纳。这些新的尺度分析方法正被用于实践研究并在不断完善中。

相对于聚集来说，解集技术则成熟得多。现在已经提出了一系列的解集方法，比如经验回归法、人工神经网络法、天气分类法、气流指标法、随机天气生成法以及将有限面积的模型嵌套到GCMs中的方法等等。Rober等利用GCMs的输出对水文气象变量做统计解集，检验了逐日水文气象变量与三个区域大气环流指标的经验关系；D.Conway和P.D.Jone^［214］则利用天气分类法对GCMs输出进行解集；在大气环流的基础上，用多元随机解集模型生成逐日降雨系列并应用于两个不同的气候区，取得了较好的效果；针对传统参数解集模型的不足，已有人提出了基于数据驱动的非参数解集模型，并验证了该模型的适用性^［215］。这些仅仅只是水文空间尺度问题的初步探索，基于已有的研究成果，还需要做大量的研究工作。

在水文模拟尺度发展的同时，农业非点源污染定量模拟的尺度效应也逐渐得到重视，农业非点源污染的空间尺度问题源于其野外观测与数值或物理模型应用之间的差距，在定量计算时，由于存在尺度效应，使得小尺度上观测到的大量数据无法得到有效利用，众多分布式模型的应用存在较大瓶颈，解决这些问题的关键就是要建立不同空间尺度间的转换方法。过去受测量技术等的限制，以小尺度研究为主的非点源信息监测及模拟已远远不能满足要求，且随着遥感（RS）和地理信息系统（GIS）等新技术在水文学中的应用，空间尺度已逐渐从流域、大陆扩大到全球。

目前农业非点源污染的定量研究主要是基于小区实验资料的分析归纳得出，实质上仅适用于背景条件一定、尺度规模有限的实验区或田块氮磷流失量的估算，是一种基于集总参数系统的定量研究。在具体计算时，还往往用简化处理的办法将实验区氮、磷等的输移视为一个均衡发展过程，即在总量一定的情况下，除去残留在土壤中的氮、磷含量，即可得到流失量。这种处理方式对于面积很小的实验小区可能不会造成太大的偏差，但是随着流域面积的增大，研究区内地形更为复杂，其间会发生诸如转化或聚集，这种模式的弊端就暴露出来。而且更大区域还受到地形、植被、土壤、降雨等空间变化的随机因素影响，其分布参数的特性会随着空间尺度的加大而增强，即使不考虑时间尺度的变化，区域内不同位置农业非点源污染的定量计算也是个不容易解决的难题。对于区域总的农业非点源污染量，可以在流域出口通过测定流量及水中的氮、磷含量予以确定，但是却无法确定来源于区域内部的具体位置，这种集总参数系统的处理方法并不能真实地刻画以典型分布参数为特征的区域内部农业非点源污染的空间分布。