徐文静¹, 常国梁², 时迪迪¹, 叶芝菡², 张耀方², 张守红¹
1. 北京林业大学水土保持学院, 北京 100083;
2. 北京市水科学技术研究院, 北京 100048
收稿日期: 2020-06-13; 修回日期: 2020-08-17; 录用日期: 2020-08-17
基金项目: 国家水体污染控制与治理科技重大专项项目（No.2017ZX07102，2017ZX07102-001）
作者简介: 徐文静(1996-), 女, E-mail:xuwenjing06@163.com
通讯作者（责任作者）: 张守红(1985—), 男, 教授, 博士生导师, 主要研究方向为城市雨水控制与利用和流域综合治理. E-mail: zhangs@bjfu.edu.cn

摘要：非点源污染是流域水环境污染的重要原因之一，非点源污染风险分区是有效治理水污染的重要前提.本文采用指数函数法改进潜在非点源污染指数（Potential Non-Point Pollution Index，PNPI）模型基于专家评价法主观赋权的不足，并采用改进后的PNPI模型解析北运河上游流域非点源污染风险空间分布特征.结果表明：①指数函数法通过构建土地利用指标、径流指标和距离指标的指数函数描述污染源因子与运输因子之间的关系，能够直观反映研究区内非点源污染风险的空间分布特征；②研究区2017年非点源污染风险呈现出东南高西北低的空间分布特征，极低、低、中等、高和极高风险区面积占比分别为52.4%、0.5%、12.4%、25.1%和9.6%；③研究区非点源污染极高风险区主要集中在人口密集的东南平原区河道两侧，主要土地利用方式为城镇用地；极低风险区则主要分布在人口稀疏且距离河道较远的西北山区，主要土地利用方式为有林地.PNPI模型模拟结果可为北运河上游流域非点源污染防治和生态清洁小流域分区治理提供科学参考.
关键词：非点源污染风险分区PNPI模型指数函数法北运河上游
Spatial distribution of non-point source pollution risk in the upper Beiyun River Watershed
XU Wenjing¹, CHANG Guoliang², SHI Didi¹, YE Zhihan², ZHANG Yaofang², ZHANG Shouhong¹
1. School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083;
2. Beijing Water Science Technology Institute, Beijing 100048
Received 13 June 2020; received in revised from 17 August 2020; accepted 17 August 2020
Abstract: Non-point source pollution is the one of the major causes of water pollution, and its risk zoning is the essential prerequisite for effective control of water pollution. In this study, the Exponential Function Method (EFM) was employed to avoid the problem associated with the subjective evaluation in the Potential Non-Point Pollution Index (PNPI) model, and the revised PNPI was applied to simulate the spatial distribution of non-point source pollution risk in the upper Beiyun River Watershed. The results show that the EFM, which uses the exponential function among land use, runoff, and distance indicators to quantitatively describes the relationship between non-point pollution source and transportation factors, can effectively simulate the spatial distribution of non-point source pollution risk in the upper Beiyun River Watershed. The non-point source pollution risk is high in the southeast and low in the northwest of the watershed. The proportions of areas with extremely low, low, medium, high, and extremely high risk are 52.4%, 0.5%, 12.4%, 25.1%, and 9.6%, respectively. The areas with extremely high risk are mainly distributed in the densely populated regions along both sides of the rivers in the southeast plain where the main land use type is urbanized land, while the areas with extremely low risk are located in the northwest mountainous regions covered with forests and far away from the rivers. Those results could provide scientific reference for the integrated watershed management as well as the ecological clean small watershed construction projects in the upper Beiyun River Watershed.
Keywords: non-point source pollutionrisk zoningPNPI modelexponential function methodBeiyun River Basin
1 引言(Introduction)我国是世界上水土流失最严重的国家之一, 水土流失既是非点源污染产生的重要来源, 同时又是污染物进入水体的重要途径(Novotny, 1999; 杨爱民等, 2008).化肥、农药和重金属等非点源污染物, 在径流和泥沙携带下进入水体, 不仅造成水体污染(莫明浩等, 2012; 梁增芳等, 2019), 还会危害人类健康.水土流失越严重的地区, 非点源污染风险相应越高(段淑怀等, 2007).近年来随着城市化进程加快, 化肥农药的施用及养殖急剧增加, 由水土流失引起的非点源污染已成为水质恶化的重要原因之一(赵立荣等, 2015; 梁增芳, 2018).
为综合解决小流域水土流失和非点源污染等生态环境问题, 北京市提出生态清洁小流域治理模式(毕小刚等, 2005).生态清洁小流域是指以小流域为单元, 按照“生态修复、生态治理、生态保护”三道防线进行分区治理, 实现清水出沟、人与生态环境和谐发展的目标(毕小刚等, 2005; 杨进怀, 2018), 可作为现阶段解决小流域非点源污染及水环境问题的有效方法之一(贾鎏等, 2010; 周萍等, 2010).然而, 目前生态清洁小流域“三道防线”划分方法主要根据植被盖度、地貌部位、坡度和土地利用4个指标进行划分(祁生林, 2006).该划分方法在地形变化大和土地利用方式较集中连片的山区具有较好适用性, 但因指标边界定义模糊, 防线划分主观性强等原因, 尚难在地势平坦和土地利用方式复杂变化的平原区尤其是城乡结合部小流域应用(时迪迪等, 2020).
为科学有效地实施平原区小流域非点源污染分区治理, 可采用非点源污染模型进行非点源污染风险区划分.常见的非点源污染模拟方法主要分为机理模型和统计模型(张汪寿等, 2013).机理模型主要通过对连续时段内污染物的输入、运移转化及输出进行模拟, 识别污染发生时间和污染区域, 如SWAT模型(Arnold et al., 1998; Sharma et al., 2019)、AGNPS模型(Young, 1989; Adu et al., 2018)、HSPF模型(Borah et al., 2003; Kim et al., 2019).机理模型需要大量数据进行模型率定及验证, 操作复杂, 不适用于数据缺乏地区.经验模型主要根据土地利用、径流量与污染物之间的关系, 模拟流域非点源污染负荷或污染潜力, 如输入系数法(Johnes, 1996; Cheng et al., 2018)、农业非点源污染潜在指数(Petersen et al., 1991)等.经验模型输入数据较少, 计算简便, 但大多基于区域经验统计结果, 普适性较差.
Munafo等(2005)提出了潜在非点源污染指数模型(Potential Non-point Pollution Indicator, PNPI), 该模型以土地利用指标、径流指标和距离指标来表征非点源污染风险发生的潜力.Cecchi等(2007)应用PNPI模型评估了意大利Viterbo区域的非点源污染风险, 并解析了污染负荷的空间分布.李婷等(2010)在PNPI模型的基础上建立了R-PPI模型, 用以评估河段水体潜在污染.武晓峰等(2011)根据我国土地利用的复杂性对PNPI模型进行改进, 并将改进后的模型应用于北京市密云县蛇鱼川小流域, 识别污染严重区.时迪迪等(2020)以均方差决策法改进PNPI模型中专家打分法的主观不足, 构建北沙河上游流域潜在非点源污染指数模型, 解析流域内非点源污染风险空间分布特征.PNPI模型所需输入数据较少, 操作简单, 可直观掌握流域内非点源污染的空间分布特征.然而该模型中对于3个指标的权重赋值基于专家评价法, 没有考虑产生污染的来源和运输过程及它们之间的关系, 有较强主观性.由Yang等(2013)提出的T-APPI(Transformed-Agricultural Nonpoint Pollution Potential Index)模型, 采用指数函数公式构建非点源污染负荷与污染源因子、污染运输因子之间的线性关系, 并评估了全国潜在非点源污染风险, 研究结果表明指数函数法可避免专家评价法赋权的主观影响, 更加科学客观.
本文采用指数函数法代替PNPI模型中专家打分法, 以改进该模型主观赋权以及未考虑污染产生和运输之间关系的不足, 并以北运河上游流域为例, 基于土地利用、土壤类型和DEM等基础数据, 采用改进后的PNPI模型模拟分析流域内非点源污染风险的空间分布特征, 划分非点源污染风险等级区, 并提出相应的非点源污染防治措施.研究结果可为生态清洁小流域三道防线划分和北运河上游流域综合治理提供科技支撑.
2 研究区概况(Overview of the study area)北运河发源于北京市昌平及海淀西北部山区, 自西北向东南流经北京市朝阳区、通州区、河北省廊坊市, 最后于天津市汇入海河.上游由东沙河、北沙河、南沙河3条支流组成, 于沙河镇汇集于沙河水库, 沙河水库以上区域称为北运河上游流域.北运河上游流域(图 1)位于北纬40°00′~40°30′和东经115°50′~116°25′, 面积约为1136 km².
图 1(Fig. 1)

图 1 北运河上游流域地理位置图 Fig. 1Location of the upper Beiyun River Basin

研究区气候类型为温带大陆性季风气候, 夏季炎热多雨、冬季寒冷干燥.多年平均降雨量为475.7 mm, 降雨量年内分配不均, 降雨多集中在6—9月, 占全年降雨量80%以上(廖如婷等, 2018).研究区高程为30~2401 m, 呈现由山区逐渐过渡到平原, 西北部地势高、东南部地势平坦的特征.土壤类型包括褐土、棕壤土、粗骨土、潮土、新积土和风沙土(图 2a), 渗透系数分别为0.235、0.232、0.147、0.211、0.245和0.074 m·d^-1.研究区内2017年土地利用类型复杂(图 2b), 主要土地利用方式为有林地、城镇用地和旱地, 占总面积的比例分别为35%、23%和14%.
图 2(Fig. 2)

图 2 北运河上游流域土壤类型图(a)及2017年土地利用类型图(b) Fig. 2Soil types (a) and land use types (b) of the upper Beiyun River Basin in 2017

3 材料与方法(Materials and methods)3.1 数据来源研究数据主要基于北运河流域地理数据库, 其中包括：研究区边界图、数字高程模型(DEM)、土地利用图、土壤类型图及北运河上游河网分布图等, 数据来源及说明见表 1.
表 1(Table 1)

表 1 基础数据及其来源 Table 1 Sources of basic data

表 1 基础数据及其来源 Table 1 Sources of basic data 数据类型 格式 来源 流域边界 矢量 北京市水科学技术研究院 乡镇边界 矢量 北京市昌平区水务局 水系 矢量 北京市水科学技术研究院 数字高程模型 栅格 昌平区水土保持工作站 2017年土地利用 栅格 地理国情监测云平台 土壤类型 矢量 昌平区水土保持工作站

3.2 研究方法采用指数函数法改进PNPI模型中专家打分法的不足, 计算流程见图 3.该模型以30 m×30 m栅格为研究单元, 将污染的产生、迁移和降解过程表达为土地利用指标(Land Cover Index, LCI)、径流指标(Run-Off Index, ROI)和距离指标(Distance Index, DI)之间的线性关系, 并对以上3个指标归一化后进行指数函数计算, 得到每个单元格的PNPI值, 以此表示各土地单元对受纳水体造成的潜在非点源污染风险.
图 3(Fig. 3)

图 3 潜在非点源污染指数模型计算路线图 Fig. 3Flowchart of the PNPI model

3.2.1 土地利用指标土地利用指标表示不同土地利用方式对受纳水体造成潜在非点源污染的风险.该指标值由生物学家、自然科学家、生态学家和环境工程师等领域的多位专家根据不同土地利用方式所造成的污染潜力打分得出(Munafo et al., 2005; Cecchi et al., 2007), 分值在0~10之间(表 2).人口密集区和耕地集中区分值较高, 人类活动较少的自然区域分值较低.土地利用指标值标准差越小, 代表专家对该土地利用方式的评价标准越统一.
表 2(Table 2)

表 2 各土地利用指标值及其标准差 Table 2 LCI values for various types of land use and their standard deviations

表 2 各土地利用指标值及其标准差 Table 2 LCI values for various types of land use and their standard deviations 土地利用类型 土地利用指标值 标准差 水田 7.67 1.80 旱地 6.33 2.50 有林地 0.44 0.88 灌木林 0.56 1.01 疏林地 0.78 1.09 果园 7.89 2.26 高覆盖度草地 4.00 2.35 中覆盖度菜地 1.94 2.27 水库坑塘 0.14 0.38 河渠 0.14 0.38 滩地 0.78 1.64 城镇用地 8.22 2.22 农村居民点 6.89 1.36 其它建设用地 7.22 2.54

3.2.2 径流指标径流指标表示地形、土地利用和土壤类型对污染物在运输过程中的渗漏作用, 由每个单元格的坡度、土壤类型和土地利用方式共同决定.径流指标值为每个土地单元到达受纳水体所经路径上所有土地单元初步径流系数的平均值与坡度修正系数之和.根据不同土壤类型和土地利用方式确定相应的初步径流系数(Munafo et al., 2005; Cecchi et al., 2007), 如表 3所示, 并进行坡度矫正(表 4).其中, 参考车振海(1995)的研究进行土壤渗透分级(表 5).
表 3(Table 3)

表 3 不同土壤类型和土地利用方式初步径流系数表 Table 3 Preliminary runoff coefficients for different types of soil and land use

表 3 不同土壤类型和土地利用方式初步径流系数表 Table 3 Preliminary runoff coefficients for different types of soil and land use 土地利用类型 土壤渗透性分级 A B C D 水田 0.90 0.90 0.90 0.90 旱地 0.70 0.80 0.86 0.90 有林地 0.36 0.60 0.73 0.79 灌木林 0.49 0.69 0.79 0.84 疏林地 0.36 0.60 0.73 0.79 果园 0.45 0.66 0.77 0.83 高覆盖度草地 0.30 0.58 0.71 0.78 中覆盖度菜地 0.49 0.69 0.79 0.84 水库坑塘 0 0 0 0 河渠 0 0 0 0 滩地 0.76 0.85 0.89 0.91 城镇用地 0.77 0.85 0.90 0.92 农村居民点 0.57 0.72 0.81 0.86 其它建设用地 0.46 0.69 0.79 0.84

表 4(Table 4)

表 4 坡度校正表 Table 4 Slope adjustments

表 4 坡度校正表 Table 4 Slope adjustments 坡度 修正系数 ＜2°50′ 0 2°50′~3°41′ 0.1 3°41′~4°32′ 0.2 4°32′~5°23′ 0.3 5°23′~6°14′ 0.4 6°14′~7°05′ 0.5 7°05′~7°56′ 0.6 7°56′~8°47′ 0.7 8°47′~9°38′ 0.8 9°38′~10°29′ 0.9 >10°29′ 1

表 5(Table 5)

表 5 土壤渗透分级 Table 5 Classification of soil permeability

表 5 土壤渗透分级 Table 5 Classification of soil permeability 渗透系数/(m·d-1) 渗透分级 渗透强度 >1 A 极强 0.4~1 B 强 0.05~0.4 C 中等 < 0.05 D 弱

3.2.3 距离指标距离指标表示土地单元到达受纳水体的水力长度.污染物距离水体越远, 在迁移过程中降解越多, 到达受纳水体时造成的污染负荷越少.距离指标计算公式见式(1).

(1)

式中, D_i为第i个单元格到受纳水体的水力距离, 用单元格数表示；k为常量, 本研究取值为0.090533(Cecchi et al., 2007).
3.2.4 指数函数法Petersen等(1991)提出了包括人畜动物风险因子(PALI)、化学物使用因子(CUI)、径流因子(RI)和沉积物产生因子(SPI)的农业非点源污染指数模型(APPI).Yang等(2013)参考Sartor等(1974)和郝芳华等(2006)的研究, 将非点源污染的产生归纳为污染的产生和运输过程, 构建T-APPI模型.表达式为式(2).

(2)

借鉴T-APPI模型的指数函数公式, 本研究将LCI归纳为污染源因子, ROI和DI归纳为污染运输因子, 并采用极值归一化的方法使3个指标在0~1之间, 标准化公式见式(3).

(3)

式中, X^′为指标的归一化值, X为指标原始值, X_max为指标最大值, X_min为指标最小值.
潜在非点源污染指数(PNPI)与3个指标之间的关系表述见式(4).

(4)

4 结果与分析(Results and analysis)4.1 2017年土地利用指标空间分布特征分析土地利用指标表示不同土地利用方式下的土地单元所产生的潜在非点源污染风险.整体上, 研究区土地利用指标呈现东南高西北低的空间分布特征(图 4).土地利用指标极高值区主要分布于南口地区东南部、城南街道、城北街道、南邵镇、马池口地区、沙河镇、百善镇、阳坊镇中部、上庄镇南部、苏家坨镇北部、回龙观地区、西北旺镇、马连洼街道等地, 这些区域主要土地利用方式为城镇用地和旱地, 人口密集, 人类活动频繁, 种植养殖业发达, 生活污水和化肥农药的使用易对周遭水体产生较高的非点源污染风险.土地利用指标极低值区主要为林地和沙河水库、十三陵水库等水域, 山区林地地势陡峭, 人为活动影响较小, 产生非点源污染负荷相对较小, 水域作为一种土地利用方式同时也是受纳水体, 无法对其自身产生非点源污染负荷, 因此土地利用指标值极低.而在西北山区零星区域土地利用指标值较高, 这些区域主要土地利用方式为旱地、果园及其他建设用地, 农药化肥及工业废水污染使得该区域非点源污染风险较高.
图 4(Fig. 4)

图 4 2017年土地利用指标分布图 Fig. 4Spatial distribution of the land use indicator in 2017

4.2 2017年径流指标空间分布特征分析径流指标表示地形、土地利用和土壤类型对污染物传输过程的影响.研究区内土壤渗透速率为0.05~0.40 m·d^-1, 各类型土壤的渗透性差异较小, 因此, 土壤类型差异对径流指标的影响相对较小.不同土地利用方式初步径流系数不同, 水库坑塘和河渠作为污染物的受纳水体, 无污染物运输过程, 初步径流系数为0, 而城镇用地、旱地等土地利用方式下垫面不透水面积较大, 对污染物在运输过程中的渗滤作用较弱, 到达受纳水体的污染物多, 初步径流系数较高.受坡度影响, 在坡度大于7°的山区, 污染物流速快, 在流动过程中渗漏较少, 初步径流系数的修正系数较大, 径流指标值较高；而靠近河网且地势平坦的区域, 由于坡度较小, 初步径流系数的修正系数小, 径流指标值较低.从整体来看, 研究区径流指标呈现西北高东南低的空间分布特征(图 5), 与坡度表现出较强相关性.这是由于研究区内土壤渗透性差别不大, 对径流指标影响较小；不同土地利用方式虽对径流指标影响较大, 但受到坡度的矫正作用, 使其对径流指标的影响减弱.
图 5(Fig. 5)

图 5 2017年径流指标分布图 Fig. 5Spatial distribution of the runoff indicator in 2017

4.3 距离指标空间分布特征分析距离指标表示土地单元到达受纳水体的水力长度.根据距离指标计算公式, 距离指标值与每个单元格到水体的水力距离呈反比, 即距离河网越近, 距离指标值越大, 对受纳水体造成的污染的可能性越高.研究区距离指标值较高区主要分布于受纳水体附近, 较低值分布于距离水体较远的区域(图 6).
图 6(Fig. 6)

图 6 距离指标分布图 Fig. 6Spatial distribution of the distance indicator

4.4 潜在非点源污染空间分布特征分析采用公式(4)将土地利用指标、径流指标和距离指标进行指数函数计算, 得到研究区2017年非点源污染风险空间分布图, 并基于自然断点法将非点源污染风险划分为5级(图 7).研究区非点源污染风险以极低风险区为主, 面积为594.8 km², 占总面积的52.4%, 低、中等、高和极高风险区面积分别为6.2、140.7、284.7和109.6 km², 面积比例分别为0.5%、12.4%、25.1%和9.6%(表 6).
图 7(Fig. 7)

图 7 基于指数函数法2017年非点源污染风险空间分布 Fig. 7Spatial distribution of the non-point source pollution risks based on the exponential function method in 2017

表 6(Table 6)

表 6 2017年非点源污染风险分级表 Table 6 Classification of the non-point source pollution risks in 2017

表 6 2017年非点源污染风险分级表 Table 6 Classification of the non-point source pollution risks in 2017 等级 面积/km2 占土地总面积比例 极低 594.8 52.4% 低 6.2 0.5% 中等 140.7 12.4% 高 284.7 25.1% 极高 109.6 9.6%

北运河上游流域2017年非点源污染风险呈现东南高西北低的空间分布特征, 极高风险区主要集中在南口镇东南部、城南街道、城北街道、南邵镇、马池口地区、流村镇北部、阳坊镇、上庄镇、沙河地区、百善镇、回龙观地区、西北旺镇及苏家坨镇北部等地的河道两侧, 土地利用方式为城镇用地, 人口集中, 下垫面不透水面积大, 且距离水体较近, 化肥农药的大量使用及地表径流对两侧水体造成极高的污染风险；极低风险区主要分布在西北、南部山区以及水库河渠.水库河渠作为一种土地利用方式, 同时也是受纳水体, 非点源污染风险极低；其它极低风险区主要土地利用方式为有林地和灌木林, 植被覆盖度高, 水土流失量小, 人类活动影响弱, 产生的污染负荷少, 且距离下游水体远, 污染物质能够到达水体并对水体造成污染的风险较低.低风险区与中等、较高风险区间存在一条明显界线, 这是由于该区域为黑峪口-良乡西断裂带, 导致断裂带两侧坡度、土地利用等存在明显差距.断裂带西北部坡度在7°以上, 主要土地利用方式为有林地和灌木林, 断裂带以东南坡度在7°以下, 主要土地利用方式为城镇用地及旱地.
极高风险区土地利用方式为城镇用地、果园、其它建设用地、农村居民点、水田和旱地, 其中城镇用地面积最大, 为76.8 km², 占极高风险区面积的70.1%, 其次是果园, 面积为27.9 km², 占极高风险区面积的25.4%(表 7).在西北山区存在风险值极高的零星区域, 原因是这些区域土地利用方式为果园, 农业种植污染负荷较大, 非点源污染风险极高.
表 7(Table 7)

表 7 极高风险区土地利用类型表 Table 7 Land use types of the extremely high risk areas

表 7 极高风险区土地利用类型表 Table 7 Land use types of the extremely high risk areas 土地利用类型 面积/km2 占极高风险区面积比例 城镇用地 76.8 70.1% 果园 27.9 25.4% 其它建设用地 1.7 1.6% 农村居民点 1.4 1.3% 水田 0.9 0.8% 旱地 0.9 0.8%

5 讨论(Discussion)PNPI模型是一种经验模型, 以土地利用指标、径流指标和距离指标来表征非点源污染发生的风险(Munafo et al., 2005).相较其它经验模型(如输出系数法等), PNPI模型计算的是潜在非点源污染的相对值, 具有潜在性和相对性.该模型未考虑流域降雨特征对非点源污染产生和迁移所造成的影响, 不能详细估算污染负荷或单位面积污染物的输出量, 因此无需流域详细数据和实测资料, 操作简便, 易于操作, 能够有效解析流域内非点源污染空间分布特征, 合理划分污染风险区, 可应用于数据匮乏地区的非点源污染风险防治.
在PNPI模型中, 通过专家评价法赋予土地利用指标、径流指标和距离指标一定权重, 分别为4.8、2.6和2.6(Munafo et al., 2005; Cecchi et al., 2007; 武晓峰等, 2011), 计算公式见式(5).

(5)

通过专家评价法赋权所得的2017年非点源污染风险空间分布图表明(图 8), 极高风险区主要集中在平原区河道两侧, 极低风险区主要分布在河渠水库及远离河道的山区, 与指数函数法的所得结果大致相同, 但在局部地区仍存在差异.例如山区的河道两侧附近, 专家评价法所得结果为低风险区, 而指数函数法所得结果为极低风险区, 这些区域主要土地利用方式为有林地和灌木林, 人类活动少, 虽距离河道较近, 但对水体造成污染的可能性极小；此外, 对于十三陵北部、苏家坨及温泉地区河道两侧区域, 专家评价法所得结果主要为极高风险区, 而在指数函数法中属于高风险区, 这些区域主要土地利用方式为农村居民点及旱地, 相较人口集中的城镇, 产生的污染负荷较小(耿润哲等, 2012), 非点源污染风险也相对较低.相比之下, 指数函数法所得结果与研究区实际情况更吻合.指数函数法通过构建污染源因子及污染运输因子与非点源污染负荷之间的指数函数关系, 且弥补了专家评价法中主观赋权的缺点, 研究结果符合流域实际情况, 具有一定的推广应用价值.
图 8(Fig. 8)

图 8 基于专家评价法2017年非点源污染风险空间分布 Fig. 8Spatial distribution of non-point source pollution risks based on expert evaluation method in 2017

在流域治理过程中, 应对研究区内非点源污染极高风险区优先布局防控措施, 并对不同等级的风险区制定不同的防治措施.例如, 在非点源污染极高风险区, 可采取植被缓冲带(王琼等, 2020)、人工湿地(余佳洁等, 2020)等措施消减风险；在中等、高风险区内的畜禽养殖污染可采取优化畜禽养殖结构、促进畜禽生态养殖模式(郭珊珊等, 2019)、畜禽粪便无害化处理(武淑霞等, 2018)等措施；对于农业种植污染可采取调整种植结构(郑田甜等, 2019)、肥料高效施用等技术；对于城镇径流污染可采取透水铺装(李美玉等, 2020)、下凹式绿地(Zhang et al., 2014)、植被过滤带(茅超颖等, 2017)等海绵措施来削减污染风险.针对低和极低风险区, 采取封禁等近自然措施进行生态保护.
6 结论(Conclusions)1) 指数函数法通过构建土地利用指标、径流指标和距离指标的指数函数, 描述了污染源因子与运输因子之间的关系, 结果能够直观反映研究区内非点源污染风险空间分布特征.
2) 研究区2017年非点源污染风险呈现出东南高西北低的空间分布特征, 极低、低、中等、高和极高风险区面积占比分别为52.4%、0.5%、12.4%、25.1%和9.6%.
3) 研究区非点源污染极高风险区主要集中在人口密集的东南平原区河道两侧, 主要土地利用方式为城镇用地；极低风险区则主要分布在人口稀疏且距离河道较远的西北山区, 主要土地利用方式为有林地.

参考文献

Adu J T, Kumarasamy M V. 2018. Assessing non-point source pollution models:A review[J]. Polish Journal of Environmental Studies, 27(5): 1913-1922. DOI:10.15244/pjoes/76497

Arnold J G, Srinivasan R, Muttiah R S, et al. 1998. Large area hydrologic modeling and assessment part Ⅰ:model development[J]. Journal of the American Water Resources Association, 34(1): 73-89. DOI:10.1111/j.1752-1688.1998.tb05961.x

Borah D K, Bera M. 2003. Watershed-scale hydrologic and nonpoint-source pollution models:review of mathematical bases[J]. Transactions of the ASAE, 46(6): 1553-1566. DOI:10.13031/2013.15644

毕小刚, 杨进怀, 李永贵, 等. 2005. 北京市建设生态清洁型小流域的思路与实践[J]. 中国水土保持, (1): 18-20. DOI:10.3969/j.issn.1000-0941.2005.01.009

Cecchi G, Munafo M, Baiocco F, et al. 2007. Estimating river pollution from diffuse sources in the Viterbo province using the potential non-point pollution index[J]. Ann Ist Super Sanita, 43(3): 295-301.

Cheng X, Chen L D, Sun R H, et al. 2018. An improved export coefficient model to estimate non-point source phosphorus pollution risks under complex precipitation and terrain conditions[J]. Environmental Science and Pollution Research, 25(21): 20946-20955. DOI:10.1007/s11356-018-2191-z

车振海. 1995. 试论土壤渗透系数的经验公式和曲线图[J]. 东北水利水电, (9): 17-19.

段淑怀, 路炳军, 王晓燕. 2007. 浅谈北京市山区水土流失与非点源污染[J]. 中国水土保持, (9): 10-11. DOI:10.3969/j.issn.1000-0941.2007.09.005

耿润哲, 王晓燕, 吴在兴, 等. 2012. 北运河下游不同土地利用非点源污染负荷估算[J]. 农业环境科学学报, 31(7): 1412-1420.

郭珊珊, 张涵, 杨汝馨. 2019. 基于耕地承载力的畜禽养殖污染负荷及环境风险研究——以四川省为例[J]. 水土保持通报, 39(1): 226-232+325.

郝芳华, 杨胜天, 程红光, 等. 2006. 大尺度区域非点源污染负荷计算方法[J]. 环境科学学报, (3): 375-383. DOI:10.3321/j.issn:0253-2468.2006.03.004

贾鎏, 汪永涛. 2010. 丹江口库区胡家山生态清洁小流域治理的探索和实践[J]. 中国水土保持, (4): 4-5. DOI:10.3969/j.issn.1000-0941.2010.04.002

Johnes P J. 1996. Evaluation and management of the impact of land use change on the nitrogen and phosphorus load delivened to surface waters:the export coefficient modeling approach[J]. Journal of Hydrology, 183(3/4): 323-349.

Kim T G, Choi K. 2019. A study on water quality change by land use change using HSPF[J]. Environmental Engineering Research, 25(1): 123-128. DOI:10.4491/eer.2019.105

李美玉, 张守红, 王云琦, 等. 2020. 不同清理方式对北京市透水砖铺装渗透率衰减过程影响[J]. 北京林业大学学报, 42(3): 143-150.

李婷, 武晓峰. 2010. 基于PPI的河段水体潜在污染研究[J]. 环境科学, 31(11): 2619-2626.

梁增芳, 肖新成, 倪九派, 等. 2019. 水土流失和农业面源污染视角下三峡库区农户施肥行为探讨[J]. 中国水土保持, (1): 55-57.

梁增芳. 2018. 农业面源污染背景下三峡生态屏障区实施坡耕地治理项目的意义——以重庆市万州区为例[J]. 中国水土保持, (3): 25-27. DOI:10.3969/j.issn.1000-0941.2018.03.010

廖如婷, 胡珊珊, 杜龙刚, 等. 2018. 基于HEC-HMS模型的温榆河流域水文模拟[J]. 南水北调与水利科技, 16(6): 15-20.

Munafo M, Cecchi G, Baiocco F, et al. 2005. River pollution from non-point sources:A new simplified method of assessment[J]. Journal of Environmental Management, 77(2): 93-98.

茅超颖, 王云琦, 马瑞, 等. 2017. 植被过滤带水土保持和水质净化效益研究[J]. 北京林业大学学报, 39(11): 65-74.

莫明浩, 方少文, 涂安国, 等. 2012. 水土流失面源污染及其防控研究综述[J]. 中国水土保持, (6): 32-34.

Novotny V. 1999. Diffuse pollution from agriculture a worldwide outlook[J]. Water Science and Technology, 39(3): 1-13. DOI:10.2166/wst.1999.0124

Petersen G W, Hamlett J M, Baumer G M, et al.1991. Evaluation of agricultural non-point pollution potential in Pennsylvania using a geographic information system[R].Final report ER9105.Harrisburg, PA: Pennsylvania Department of Environmental Resources.60-61

祁生林.2006.生态清洁小流域建设理论及实践——以北京市密云县为例[D].北京: 北京林业大学.44-60

时迪迪, 张守红, 王红.2020.北沙河上游潜在非点源污染风险时空变化分析[J/OL].环境科学研究, 1-18[2020-05-24].https://doi.org/10.13198/j.issn.1001-6929.2020.01.01

Sartor J D, Boyd G B, Agardy F J. 1974. Water pollution aspects of street surface contaminants[J]. Journal-Water Pollution Control Federation, 46(3): 458.

Sharma A, Tiwari K N. 2019. Predicting non-point source of pollution in Maithon reservoir using a semi-distributed hydrological model[J]. Environmental Monitoring and Assessment, 191(8): 522-522. DOI:10.1007/s10661-019-7674-y

王琼, 范康飞, 范志平, 等. 2020. 河岸缓冲带对氮污染物削减作用研究进展[J]. 生态学杂志, 39(2): 665-677.

武淑霞, 刘宏斌, 黄宏坤, 等. 2018. 我国畜禽养殖粪污产生量及其资源化分析[J]. 中国工程科学, 20(5): 103-111.

武晓峰, 李婷. 2011. 流域内污染负荷分布的评价模型研究——以密云县蛇鱼川小流域为例[J]. 中国环境科学, 31(4): 680-687.

杨爱民, 王浩, 孟莉. 2008. 水土保持对水资源量与水质的影响研究[J]. 中国水土保持科学, 6(1): 72-76. DOI:10.3969/j.issn.1672-3007.2008.01.012

Yang F, Xu Z C, Zhu Y Q, et al. 2013. Evaluation of agricultural nonpoint source pollution potential risk over China with a transformed-agricultural nonpoint pollution potential index method[J]. Environmental Technology Letters, 34(21): 13.

Young A. 1989. A nonpoint-source pollution model for evaluating agricultural watersheds[J]. Jour. of Soil and Water Conservation, 44(2): 121-132.

杨进怀. 2018. 生态清洁小流域建设技术[M]. 北京: 水利水电出版社, 7-8.

余佳洁, 周文静, 刘琳.2020.人工湿地对城市降雨径流污染的净化作用[J/OL].山东农业大学学报(自然科学版): 1-6[2020-05-24].http://kns.cnki.net/kcms/detail/37.1132.S.20200506.0851.026.html

张汪寿, 耿润哲, 王晓燕, 等. 2013. 基于多准则分析的非点源污染评价和分区——以北京怀柔区北宅小流域为例[J]. 环境科学学报, 33(1): 258-266.

赵立荣, 陈兴剑. 2015. 库区水土流失与面源污染问题及对策研究[J]. 黑龙江水利科技, 43(1): 101-102. DOI:10.3969/j.issn.1007-7596.2015.01.038

郑田甜, 赵筱青, 顾泽贤, 等. 2019. 基于种植业面源污染控制的星云湖流域种植业结构优化[J]. 生态与农村环境学报, 35(12): 1550-1556.

Zhang S H, Guo Y P. 2013. Explicit equation for estimating storm-water capture efficiency of rain gardens[J]. Journal of Hydrologic Engineering, 18(12): 1739-1748. DOI:10.1061/(ASCE)HE.1943-5584.0000734

周萍, 文安邦, 贺秀斌, 等. 2010. 三峡库区生态清洁小流域综合治理模式探讨[J]. 人民长江, 41(21): 85-88. DOI:10.3969/j.issn.1001-4179.2010.21.024