三峡库区非点源污染负荷时空分布模拟外文翻译资料

本科毕业设计（论文）

外文翻译

三峡库区非点源污染负荷时空分布模拟

中文译文：

1. 介绍

近年来，来自农业活动的非点源（NPS）污染是水质唯一最大的威胁（Arhonditsis et al., 2000; Ongley et al., 2010）。相当多的氮（N），磷（P）和沉积物进入水生环境（Collins and Anthony, 2008; Granlund et al., 2000; Harmel et al., 2006; Ramos and Martinez-Casasnovas, 2006），导致富营养化，从而使有毒藻类浓度增加和氧气消耗增加（Choi, 2008; Harmel et al., 2006）。三峡大坝建成，带动了长江上游三峡库区（TGRR）的快速发展。农业区主要位于山区，人为干扰和坡地植被破坏导致土壤侵蚀（Luet al., 2011; Wang et al., 2012; Zhang and Lou, 2011）。过度培养和过度施肥使得大量N和P被释放，导致TGRR中严重的富营养化（Zhang et al., 2008）。因此，关于TGRR中NPS污染的控制和管理的研究对于水资源保护具有至关重要的意义。

由于大流域的空间和时间变化，N，P和沉积物的管理极其复杂。因此，需要了解NPS污染物和高污染区域的空间和时间分布。这些信息对于主要农业流域的管理至关重要（Wu et al，2012）。在污染物负荷相对较高的时期，对污染严重的地区控制NPS污染具有显著的成本效益。此外，了解不同污染物的时空分布对于预测和估算TGRR中降雨径流引起的非点源污染负荷的未来变化趋势具有重要意义。这些信息也是评估TGRR中非点源污染负荷变化的起因所必需的。

近几十年来，分布式参数和基于过程的模型已被广泛用于估计NPS营养物负荷。有人提出，随着流域尺寸的增加，数据需求呈指数增长（Croke et al., 2004; Zhang, 2010），这种情况限制了现有模型在大流域的应用。包含更多过程的模型总是会产生更多的不确定性并增加出错的可能性，这就会因为缺乏足够的监测数据而导致难以精确描绘所有过程（Gassman et al., 2007）。虽然土壤和水评估工具（SWAT）在流域管理决策的每日，每月和每年的长期连续模拟中表现良好（Shen et al，2010，Shen et al，2012，Shen et al， 2013a，Zhang，2010），但由于数据短缺，该模型在整个TGRR的较大规模流域中的应用通常是有问题的。因此，模拟大尺度流域的最佳方法是应用全流域精度计算方法（WWPCM）。WWPCM在流域内的所有小流域使用SWAT模型或其他基于物理的模型;然后，使用从这些运用中获得的信息来获得整个流域的总NPS污染负荷。

所述TGRR是大型流域，具有超过58000平方千米的区域，其中水文水质数据是不够的。基于这种情况，在SWAT模型的支持下应用了小尺度流域扩展法（SWEM）（Hong et al., 2012）。SWEM对于缺乏足够数据的大型流域的NPS污染负荷估算具有良好的适用性。

本文的目的是确定非点源污染物的空间和时间分布，并确定高污染区域。总体目标是实现以下任务：（1）将SWAT模型应用于支持小规模流域扩展方法（SWEM）到整个TGRR；（2）确定径流N，P和沉积物的时空分布；（3）将污染严重的NPS污染物区域确定为优先控制区域。

1. 材料和方法
   1. 流域描述和数据可用性

TGRR（28°10-32°13N，105°17-110°11E）位于长江上游，水资源丰富。地貌主要由山脉（74.0％）和低丘（21.7％）组成。该流域具有大约58000平方千米的区域，是由森林，农业区，河流和工业和住宅位点组成（见图1）。农田占总面积的18％，78％的耕地位于坡地（gt;10°）。该地区的主要土壤类型为紫色土（47.8％），石灰岩（34.1％）和黄色土（16.3％）。年平均温度约为18℃，最低温度范围为6°C至8°C，最高温度范围为27°C至29°C。平均降水量为1400毫米，80％的降雨发生在4月至10月。农业是该地区的主要经济活动。肥料的大量施用导致大量N和P的释放，从而导致TGRR中严重的富营养化。因此，增强对NPS污染物的空间和时间分布的系统认识以及识别高污染区域是极其重要的。这些信息对TGRR的可持续发展至关重要。

图 1 TGRR的位置（a），四部分区域（b），高程(c)和土地利用类型(d)

SWAT模拟的数据资料库如表1所示。数字高程模型(DEM)数据采用50米网格(高程)的数字地图。土地利用数据（1：100,000）被归类为稻田，旱地（农业），草地，果园，森林（果园除外），城市土地和未利用土地（空地或未开垦土地）。土壤类型分为27种类型。然后使用1980年至2010年期间气象站的日常监测数据模拟流域气候条件，气象数据生成器用于补充缺失的记录。其他包括农作物种植，耕作，灌溉，社会经济以及施肥的数量和时间的信息都是根据统计年鉴以及典型流域的实地调查得出的。

表 1 TGRR中可用数据的描述

• 1. 关于SWAT模型和小规模流域扩展方法（SWEM）的描述

SWAT模型由美国农业部农业研究局开发，在本研究中，我们使用该模型来模拟流域响应。利用土壤、土地利用和坡度特性将子流域进一步划分为水文响应单元(HRUs)，HRUs是通过模型模拟营养物、沉积物和化学物质流动和运输的最小地理区域（Maringanti et al., 2011）。在本研究中，使用改进的SCS曲线数法计算地表径流，而使用改进的通用土壤流失方程（MUSLE）估算沉积物产量，然后使用QUAL2E模型在溪流中进行计算径流，沉积物和化学物质和路径选择。

基于之前在TGRR的一部分中引入SWEM（Hong et al., 2012; Shen et al., 2013b; Shen et al., 2013c），在本研究中，我们通过进行长期连续模拟此SWEM进一步扩展到整个TGRR。如前所述，SWEM在大型流域的几个典型小流域采用SWAT模型，然后将这些典型流域的参数扩展到周围区域，直到可以获得整个流域的NPS污染负荷。在我们之前的研究中验证了模拟的合理性，表明SWEM在TGRR中具有良好适用性（Hong et al，2012）。考虑到数据的可用性和分区同质性，TGRR分为四个部分进行定量研究：御临，小江，大宁和香溪。接下来，选择了四个典型的小流域，分别在TGRR的这四个部分中，作为TGRR不同部分的代表。在选择这些小流域时，考虑了地形，面积大小和SWEM测量数据的充分性。具体过程包括：1）灵敏度分析，即筛选最敏感参数以提高校准和验证的效率的过程；2）校准和验证，即利用每月观测到的径流，沉积物，总氮（TN）和总磷（TP）数据来校准和验证模型的过程。2004年至2005年的数据用于校准，2006年的观测用于验证；3）扩展模拟，即在TGRR的相应部分运行经过良好校准的模型的过程。

由于ArcSWAT自身的参数校准性能较低，因此在进行校准前，需要进行灵敏度分析来选择第一个过程中的敏感参数。在这项研究中，使用SWAT模型进行了与径流，沉积物和N和P相关的参数的灵敏度分析。结果显示在我们先前的研究中（Hong et al., 2012; Shen et al., 2013b）。

在第二个过程中，为御临，小江，大宁和香溪的小流域生成参数组。采用SWAT- cup将SUFI2 (sequence Uncertainty Fittingversion2)、GLUE、ParaSol (Parameter Solution)和MCMC (Markov Chain Monte Carl

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[273058]，资料为PDF文档或Word文档，PDF文档可免费转换为Word