平原河网溶解无机氮来源的稳定同位素示踪
——以温瑞塘河为例
刘音利1,廖忠鹭1,2,王芃玮1,詹晨灿1,谭鑫敏1,王宇昊1,马浩翔1,纪晓亮1,2*
1.温州医科大学公共卫生学院,浙江省流域水环境与健康风险研究重点实验室,浙江 温州 325035；
2.浙南水科学研究院,浙江 温州 325035
摘要：选择浙江典型平原河网—温瑞塘河为研究区,联合多种水化学参数和稳定同位素(δ15N/δ18O-NO3−、δ15N-NH4+、δ18O-H2O),识别了水体溶解无机氮(DIN)污染的时空分布特征和主要来源,在此基础上,构建了一种耦合硝酸盐和氨氮浓度及其同位素和贝叶斯污染源解析模型(SIAR)的DIN 定量源解析方法,计算了温瑞塘河各污染源对DIN 的贡献率.结果表明:温瑞塘河DIN 污染严重,其浓度变化范围为1.43~12.88mg/L,氨氮､硝酸盐和亚硝酸盐分别占DIN 的63%、35%和2%;DIN 污染呈现明显的时空异质性,时间上DIN 浓度呈现丰水期
关键词：平原河网；溶解无机氮；稳定同位素；污染源解析；SIAR模型
近年来,平原河网区高度发达的社会经济条件和强烈的人类活动导致大量氮素随工业､农业､生活污水排放到受纳水体[1].河网区河道大都属于缓流型河道,易出现水体滞留现象,河道中污染物难以输出,导致水环境溶解无机氮(DIN)污染日趋严重[2-3].目前,针对河流氮污染的防治主要有两个方向:一是源头防控,精准解析污染源,减少氮素输入;二是流域治理,构建有利的水生生态环境,实现氮素的衰减净化.相较于流域治理,源头控制是提升水环境质量的根本,而明确河流DIN 来源是实施区域氮污染高效控制的关键科学基础.
平原河网水体DIN 污染来源复杂多样,主要包括大气沉降､土壤氮等自然源和氮肥､粪便污水等人为源.常用的水体氮污染源解析方法包括基于物理机制的过程机理模型和以输出系数模型为代表的经验统计模型[2].过程机理模型其本质是利用“3S”平台,在数字高程模型、土地利用及土壤等数据基础上,将流域划分为多个水文响应单元,充分考虑了流域中污染物迁移转化的各个环节和过程.然而,过程机理模型形式复杂、参数众多、数据获取困难,在缺乏基础资料地区无法推广使用[4].输出系数模型等经验模型不涉及污染发生的具体过程和内在机理,利用黑箱原理,仅考虑模型的输入输出关系,数据依赖程度低,建模简单.但由于不同污染源的输出系数难以准确获得,通常都是依据经验进行设置,导致源解析计算会产生较大的误差,其定性意义要远大于定量的意义[5].
依据不同污染源稳定同位素信号不同这一原理,硝酸盐氮氧同位素(δ15N/δ18O-NO3−)广泛应用于水体氮污染来源判别[6-8].近年来,以贝叶斯污染源解析模型(SIAR/MixSIAR)为代表的相关数学模型的出现,实现了不同污染源贡献率的定量化,将稳定同位素示踪技术从定性识别推进到定量解析阶段[9-11].对于以硝酸盐为主要DIN 组分的水体,利用δ15N/δ18O-NO3−能够获得可信的溯源结果.然而,对于平原河网而言,除了硝酸盐以外,氨氮也是重要甚至是主要的DIN 组分[12-14].缺少对氨氮来源的研究,将导致无法全面掌握平原河网氮素来源.此外,流域氮污染源排放的氮素通常以有机态氮/氨氮为主,这些污染物在形成硝酸盐之前必然要经过微生物硝化过程[15].硝化过程引起的同位素分馏效应会同时造成产物硝酸盐δ15N贫化和底物氨氮δ15N的富集[16].在这种情况下,仅利用硝酸盐中贫化的δ15N值会造成对高δ15N值污染源(比如粪便污水)贡献率的低估.如果能够将硝化过程氮的初始形态(氨氮)同位素和硝酸盐同位素结合,进而系统解析DIN 的来源,有助于减少同位素分馏作用的影响[17].但目前尚鲜见基于硝酸盐和氨氮同位素识别DIN 来源的定量化研究.
温瑞塘河分布于东南沿海的温瑞平原地区,其水系纵横交错,水系总长约 1200km,具有典型的平原河网特征.本文以温瑞塘河流域为例,通过不同水文期河流水质监测和多种理化指标浓度及稳定同位素(δ15N/δ18O-NO3−、δ15N-NH4+、δ18O-H2O)分析,明确温瑞塘河DIN 的污染特征,定性识别河流DIN的来源及关键迁移转化过程;在此基础上,尝试建立一种数据需求量小、易于使用、结果准确的耦合硝酸盐和氨氮浓度及其同位素和SIAR模型的DIN定量源解析方法,计算不同水文期各类型污染源的贡献率,并对研究结果的不确定性进行分析,旨在为区域氮污染源识别提供参考.
温瑞塘河(27°52′~28°4′N,120°28′~120°46′E)位于瓯江以南､飞云江以北的温瑞平原,流经人口密集的温州城区,受人类活动和干扰严重.河网水面面积19.5km2,主河道河床面宽30~50m,流域面积740km2,总灌溉面积32000hm2.温瑞塘河流域属典型的亚热带季风气候,雨热同期,多年平均气温为17.9℃,全年温度变化明显,夏季炎热,冬季寒冷.多年平均降雨量为1800mm,年内分布不均,70%的降雨集中在4~9月[18].流域主要的土地利用类型包括人居地､林地和农地.作为东南沿海地区典型的平原河网,温瑞塘河水动力条件弱,流速缓慢,经常出现滞留状态,河流流向不定,受降雨情况及水闸调控[19].
综合考虑温瑞塘河水系分布特点､流域土地利用状况和当地环保部门水质监测点位设置情况,本研究共设置15 个水质监测断面(图1).其中,采样点1、2、3、7、8、9、12 位于主河道,其余采样点位于支流.从土地利用情况来看,3、5、9、10、11、12、13 为温州市城区采样点,1、2、6、7、8 为城乡结合部采样点;4、14 位于工业区;15 为城市湿地采样点.
分别于2020年7 月(丰水期), 2020 年11 月(平水期)和2021 年1 月(枯水期)对地表水进行采样分析.每次野外采样在一天内完成,从上午9:00 持续至下午4:00.水样采集时依据《地表水环境质量监测技术规范》于河道中泓线表层30~50cm 处使用有机玻璃采水器进行取样[20].将采集后的水样缓缓倒入润洗过的 500mL 高密度聚乙烯瓶后置于冷藏箱.水温(T)、溶解氧(DO)、pH 值、电导率(EC)、浊度(TUR)和叶绿素a(Chl-a)等理化指标利用预先校准的便携式多参数水质分析仪(EXO2,Xylem,美国)现场直接测定.样品运回实验室后当天利用 0.45μm 微孔滤膜进行过滤和分装,于一周内完成样品水化学指标的分析测试工作.硝酸盐(NO3−)、亚硝酸盐(NO2−)和氨氮(NH4+)浓度测定使用连续流动注射分析仪(Autoanalyser-3,Seal,德国)完成;氯离子通过离子色谱(Compact IC plus 882,Metrohm,瑞士)测定.“三氮”数据通过测试 2 个平行样进行数据质量控制;氯离子数据通过在样品中插入已知浓度的标准品进行数据质量检测.为了使溯源结果更加准确,课题组对流域内的污染源进行了采集.用于测定降雨氨氮同位素的样品于2021 年4~6 月(雨季)以及2021 年11~12 月(旱季)利用自制的降雨采集装置(直径20cm 漏斗连接1000mL 玻璃瓶,并在漏斗上放置乒乓球以阻止水分蒸发)进行收集,共采集降雨样品26件.土壤采集时间为2020 年12 月,采集时先除去土壤表面碎屑等杂物,用小铲子取地表1~10cm土壤约500g 装在布袋内,共收集32 件土壤样品.2020 年12月从当地农资市场采购尿素3 个,复合肥7 个.污水样品于2022 年3 月、4 月和2022 年7 月取自温州市西片区污水处理厂,共收集污水样品10 个.
样品稳定同位素的测试由中国农业科学研究院稳定同位素实验室和中国科学院沈阳应用生态研究所协助完成.δ15N/δ18O-NO3−测定通过反硝化细菌法将硝酸盐转化为N2O,之后采用同位素比值质谱仪(Delta V-Precon,Thermo Fisher Scientific,美国)测定;δ15N-NH4+测定采用次溴酸盐-盐酸羟胺法将NH4+氧化为N2O,之后通过同位素比例质谱仪(Isoprime 100-EA,Elementar,英国)测定;δ18O-H2O采用高精度液态水和水汽同位素分析仪(L1115-I,Picarro,美国)测定.表层土壤和氮肥置于烘箱中干燥48h(60℃),研磨为粉末,过100目筛.将粉末包在锡杯中,送入同位素比例质谱仪(Isoprime100-EA,Elementar,英国)进行同位素分析. 降雨和生活污水样品过0.45μm 微孔滤膜后测定样品同位素组成,测定方法同地表水.稳定同位素数据利用在样品中插入已知同位素丰度的标准品进行数据质量控制.δ15N-NO3−的分析精度为0.2‰,δ18O-NO3−分析精度为0.5‰;δ15N-NH4+分析精度为0.4‰;δ18OH2O分析精度为0.2‰;固体样品δ15N 分析精度为0.2‰.
贝叶斯污染源解析模型(SIAR)由Parnell 等[21]在2010 年提出,该模型在贝叶斯框架下基于马尔科夫链蒙特卡罗方法求解质量平衡模型,进而模拟计算端元贡献率的后验分布.SIAR模型封装于R语言统计软件,其数学形式表示如下:
本文建立一种耦合硝酸盐和氨氮浓度及其同位素数值和SIAR 模型的河流DIN 定量源解析方法,该溯源方法流程如下:首先,获得氨氮和硝酸盐的浓度和同位素数据;之后,计算氨氮和硝酸盐占DIN 的比例;同时,通过SIAR 模型分别对氨氮和硝酸盐进行溯源,计算不同污染源的贡献率;将不同形态DIN 的占比乘以每种DIN 形态对应的污染源
贡献率,从而实现DIN 来源的定量解析;最后,利用各污染源贡献率的累积频率分布对结果的不确定性进行分析.
对模型模拟输出结果进行不确定性评估是模型有效性的重要环节.基于贝叶斯原理的SIAR模型的最大优点是能够输出不同污染源贡献率的完整后验分布,克服了质量平衡模型只能输出单一数值(比如平均值)的缺点,能够对模型结果进行不确定性分析.本文将模型输出的n 组m 种污染源贡献比例值按照从小到大的顺序进行排列,分配给每个模拟值出现的概率为1/n,所有模拟值出现的概率之和为1,以累积频率为x轴,贡献率为y轴,得到模拟值累积频率分布图.累积频率分布图提供了模拟值的分位值,即p/n×100%是第p 个模拟值的分位点.利用Ji等[22]提出的不确定性指数(UI90)评估结果的不确定性强度,以 5% 和 95% 分位点作为不确定性边界,将此范围内污染源贡献率最大值和最小值之差除以90 即可计算出UI90[23].UI90数值越大表明模型结果的不确定性越强,值越小表明结果越稳定,不确定性越小[24].
本研究利用Excel 365 进行基本的数据统计分析;采用IBM SPSS Statistics 20和Origin 2021b软件进行数据分析和绘图;利用ArcGIS 10.2 软件绘制采样点分布图;采用基于R 语言的SIAR 程序包(SIARV4)计算各污染源对硝酸盐和氨氮的贡献.
2.1 温瑞塘河水化学特征
从表1 可以看出,采样期间,温瑞塘河水体温度变化范围为7.51~30.43℃.水体pH 值范围为7.09~9.40,平均值为(7.77 ± 0.51),整体上处于弱碱性状态.水体DO 含量较高,变化范围为1.01~13.46mg/L,约80%的样品浓度大于2mg/L.DO平均值为5.61mg/L,处于国家地表水环境质量标准III 类水标准[25].温瑞塘河水体EC和TUR 分别为(0.59 ± 0.68) ms/cm 和(26.30 ± 21.78) NTU,表明水体离子成分和悬浮物较多.采样期间Cl−含量很高,平均值为(121.50 ± 193.87)mg/L,最高浓度达到820.28mg/L.温瑞塘河水体Chl-a 含量存在强烈的时空变异性,其变化范围为0.69~110.75μg/L,平均值为(15.69 ± 21.58) μg/L.美国环境保护署以Chl-a 浓度作为富营养化评价标准之一,将10μg/L 作为判断中营养化和富营养化的分界[26].温瑞塘河Chl-a 平均浓度超过了15μg/L,说明采样期间水体富营养化程度较高.
研究区水体氮素污染严重,DIN 的变化范围为1.43~12.88mg/L,平均浓度为(3.99 ± 2.15) mg/L.氨氮的变化范围为0.23~12.08mg/L, 50%以上的样品氨氮浓度劣于V 类水标准(>2mg/L).硝酸盐的变化范围为 0.13~3.55mg/L,平均浓度为(1.38 ± 0.78) mg/L.亚硝酸盐作为硝化过程的中间产物,在水环境中极易发生转化,因此亚硝酸盐浓度很低,平均浓度为(0.09 ± 0.06) mg/L.总体而言,“三氮”含量呈现氨氮> 硝酸盐 > 亚硝酸盐的趋势,氨氮、硝酸盐和亚硝酸盐分别占DIN 组成的63%、35%和2%.由此可见,氨氮和硝酸盐是温瑞塘河DIN 的主要存在形式,需要同时解析硝酸盐和氨氮的来源才能得到准确的DIN 污染溯源结果.
如图2 所示,DIN 浓度在时间上呈现出丰水期(DIN=(2.91±0.94) mg/L,氨氮=(1.89±0.77)mg/L,硝酸盐=(0.94±0.68) mg/L)mg/L,氨氮=(2.23±2.19) mg/L,硝酸盐=(1.40±0.70)mg/L)3.06) mg/L,硝酸盐=(1.80±0.73) mg/L)的变化趋势.分析其原因,一方面,丰水期降雨量大,降雨对河流氮素起到了稀释作用[27-28],并且增加了河流的流动性,有利于污染物的输移;另一方面,丰水期温度高,微生物活性强,有利于含氮污染物的降解,也在一定程度上降低了DIN 的浓度[29].
由于不同水系河道受纳氮污染物的差异和流域氮素循环过程及强度的不同,温瑞塘河DIN 污染呈现显著的空间差异(图3).总体而言,主河道水动力条件相对较强,有利于河道中含氮污染物输移,因此主河道监测点(编号1、2、3、7、8、9 和12)DIN污染情况普遍低于支流监测点(编号5、10、11、13、14).编号1、2、6、7 和8 监测点处于城乡结合部,距离主城区较远,主要受农业面源和城镇生活污水的双重影响,呈现硝酸盐含量大于氨氮的特点.编号5、10 和11监测点位于深入主城区居民生活区的支流上,这些区域属于温州的“老城区”,人口密集,并且存在污水管网不完善、截污纳管不彻底等问题[30],再加上这些支流水动力条件极弱,水体处于滞留状态,河道中氮素无法扩散,因此污染最严重,并且呈现氨氮是水体DIN主要形式的特点.编号13监测点处于新建成的居民区,污水管网和处理设置相对完善,因此氮素含量低于主城区监测点.编号4 和14 监测点位于工业区域,由于工业污水排放受到严格管控,其水质主要受工业区周边生活区域部分生活污水的影响,因此水质好于位于生活区的其他支流监测点.此外,由于14 号监测点与三垟湿地相邻,水质一定程度上受湿地水体调控,故其硝酸盐占比较大.编号15监测点处于三垟湿地区域,人口密度较小,种植有瓯柑､黄菱等农作物,水质主要受到农业面源污染的影响,DIN 以硝酸盐为主.
硝化过程和反硝化过程是重要的氮循环过程,对DIN的组成(硝酸盐和氨氮比例)和去除具有关键作用,硝酸盐和氨氮同位素特征能够为这两个过程的识别提供重要的信息.δ18O 值能够用于判断硝化反应的发生[31].理论上,硝化作用产生的硝酸盐所含的氧原子有1个来源于大气中的氧气,2个来源于周围环境中的水[32].然而,近期研究通过对18O 进行标记发现至少有一半的氧原子与周围水的氧原子发生了交换,而且在亚硝化过程中也可能会存在催化交换过程,会进一步降低硝酸盐中来自于氧气的比例,因此硝酸盐中会有5/6甚至所有的氧原子都由水供应[33].同时,有研究指出自然环境中硝化过程产生硝酸盐的δ18O 值可比理论值高出 5‰[6].综合以上分析,本研究将硝化过程δ18O-NO3−理论值加5‰作为研究区硝化过程产生硝酸盐δ18O 值的上限,将水的δ18O 值作为下限.从图4(a)可以看到,所有采集的样品δ18O-NO3−值范围处于研究区硝化过程δ18O-NO3−范围内,因此可以判断硝化作用是该流域水体氮循环的关键过程.反硝化过程是指在低缺氧条件(<2mg/L)下,反硝化细菌将硝酸盐转化为氮气或氧化亚氮的过程.反硝化过程会导致NO3−浓度的降低,并且由于微生物优先使用轻同位素14N,剩余的δ15N-NO3−和δ18O-NO3−会以约 2:1 的比例同步富集[34-35].图4 (b,c)显示NO3−和δ15N-NO3−值并未呈现负相关,并且δ15N-NO3−和δ18O-NO3−也没有呈现比值为2:1的正相关性.加之采样期间水体DO含量较高(DO均值 = (5.61 ± 3.26) mg/L),不利于反硝化过程的发生.以上分析表明温瑞塘河水体未发生显著的脱氮过程.
2.4.1 定性识别
河流氮素来源主要包括大气沉降､氮肥､土壤氮､粪便污水和工业废水.自五水共治以来,温瑞塘河流域范围内的工业企业污水排放受到严格的管控.因此,将大气沉降、氮肥、土壤氮和粪便污水作为温瑞塘河水体DIN 的潜在来源.大气沉降硝酸盐、氮肥、土壤氮和粪便污水δ15N 的典型范围分别为-13‰~13‰、-6‰~6‰、0‰~8‰和3‰~17‰;大气沉降和硝化作用产生硝酸盐的δ18O-NO3−分别为25‰~75‰ 和-10‰~10‰[6,36-37].温瑞塘河丰水期和平水期的δ15N/δ18O-NO3−分布较为分散而枯水期较为集中(图5(a)),说明由于降雨径流的影响,丰水期和平水期不同污染来源空间变化上差异性明显.丰水期､平水期和枯水期硝酸盐δ15N 变化范围分别为4.98‰~15.06‰、-1.17‰~11.10‰ 和 3.03‰~8.00‰.由于大气降水的影响,δ18O呈现出丰水期((5.75 ± 1.61)‰)高于枯水期((1.28 ± 1.66)‰)和平水期((-2.23 ± 1.45)‰)的特点.如图5 (a)所示,大部分水样的δ15N/δ18O-NO3−值分布在粪便污水范围内,另有一些分布在粪便污水、土壤氮和氮肥的重叠范围内,反映了生活污水对该流域水体硝酸盐污染影响最大,土壤氮和氮肥也有一定的贡献.图5 (b)显示了不同污染源的δ15N-NH4+范围.从图中可以看出,温瑞塘河地表水样品δ15N-NH4+的季节变化较小,丰水期、平水期和枯水期的变化范围分别为3.05‰~20.73‰、2.37‰~20.71‰、1.51‰~19.49‰.样品δ15N-NH4+大部分落在粪便污水范围内,指示粪便污水是塘河氨氮的主要来源.
在受人类活动影响强烈的流域,河流水体中水化学离子的含量通常来自于人类活动产生,可以为污染源识别提供信息[38-39].Cl−化学性质稳定,浓度不受生物地球化学过程的影响,仅在含不同Cl−浓度的水体混合时才会发生改变[40].粪便污水具有高Cl−浓度,可以用于指示粪便污水的污染.从图6 可以看出,Cl−离子与DIN浓度存在显著的正相关性(丰水期R = 0.55,P < 0.05;平水期 R = 0.82,P < 0.01;枯水期R = 0.84,P < 0.01),表明DIN 与Cl−离子来自于相似的污染源,即粪便污水是DIN 的主要来源,该结果与同位素示踪结果一致.Cl−离子与氨氮浓度相关性(丰水期R = 0.48,P > 0.05;平水期R = 0.76,P < 0.01;枯水期R = 0.70,P < 0.01)较DIN 稍低,而Cl−离子与硝酸盐不存在明显的相关性(丰水期R = 0.23,P > 0.05;平水期R = -0.26,P > 0.05;枯水期R = 0.07,P > 0.05).这种相关性的差异也侧面证实了研究流域以硝化过程为主,反硝化过程不显著,理由如下:粪便污水源排放的初始DIN 主要由氨氮构成,硝化过程将部分氨氮转化为了硝酸盐,故而Cl−离子与硝酸盐的相关性显著低于与DIN 和氨氮的相关性;反硝化对硝酸盐的去除不显著,换而言之,河流DIN 浓度受水环境脱氮过程的影响有限,因此虽然粪便污水源排放的DIN经历了氮循环过程,但DIN的去除较少,Cl−离子与DIN 浓度依旧能保持很高的相关性.
2.4.2 定量解析
研究区不同污染源的同位素值由课题组前期污染源样品实地采集分析得到(表2).理论上硝化过程发生时,产物硝酸盐中δ15N 贫化幅度和底物氨氮中δ15N 富集幅度一致,本文同时利用硝酸盐和氨氮δ15N 进行DIN 的来源解析,能够减少硝化过程同位素分馏效应的影响,因此,在模拟过程中将同位素分馏系数设为0.
模拟结果见图7,河流DIN的来源呈现一定的季节差异,不同的水文期,不同类型污染源对河流DIN的贡献率有所不同.粪便污水、土壤氮、化肥和大气沉降对温瑞塘河丰水期DIN 的贡献率分别为(71.29±14.24)%、(18.96±13.89)%、(6.78±5.91)%和(2.97±2.28)%,对平水期DIN 的贡献率分别为(57.51±15.53)%、(25.01±16.45)%、(15.24±8.19)%和(2.25±2.28)%,对枯水期DIN 的贡献率分别为(57.60±16.27)%、(26.75±17.58)%、(13.03±7.95)%和(2.61±2.55)%.研究期间丰水期粪便污水的贡献率超过了平水期和枯水期:一方面,大量的降雨会冲刷地表和污水收集管道内留存的生活污染物进入河流,充沛的雨水进入管网系统导致污水溢流,增加了生活污水的输入;另一方面,研究区域雨污混接现象普遍[30],丰水期大量雨水和污水混合在一起进入污水处理厂,导致污水处理设备满负荷运行,降低了对生活污水的处理率.另外,河网水位较低的平水和枯水季节,为维持温瑞塘河的基本水量,会增加从珊溪水库和瓯江的调水量,这在一定程度上降低了粪便污水的贡献,进而提高了化肥和土壤氮的贡献.据不完全统计,温州市流动人口数目在 400 万以上,受疫情管控和春节假期的影响,采样的11 月和1 月期间已有大量外来务工人员返乡,也是造成平水期和枯水期粪便污水贡献率低的原因之一.
图8 显示,粪便污水的贡献率呈现城市区域>城乡结合区域>工业区域>湿地区域的变化趋势,与人口密度呈现相似的空间变化.城乡结合区域和湿地区域人口密度低于城市区域,加之农业用地分布广泛,故粪便污水贡献率降低,农业面源贡献率相应提高.此外,湿地区域河网密度高,水面占总面积的比例大,大气沉降带来的氮素能够直接进入到水体中,造成湿地区域大气沉降的贡献高于其他区域.工业区与湿地相邻,河流能够与湿地水体产生一定程度的物质交换,导致工业区不同污染源的贡献率与湿地区域呈现相似的变化趋势.总体而言,DIN 来源的空间分布与人口密度、土地利用方式和水体物质交换等因素有关.
定量溯源结果表明粪便污水是温瑞塘河氮污染的最主要污染来源,贡献了57.51%~71.29%的DIN 污染.该研究结果与实际污染情况相符,原因如下:(1)由于污水收集处理系统仍不完善,流域内部分污水处理厂处理工艺较为落后,排放氮素浓度较高;(2)温瑞塘河流经人口稠密的温州市老城区,老城区污水管网破损严重、雨污混接现象普遍,造成部分生活污水进入周边水体;(3)由于市区部分城中村、沿河老居住区等地道路狭窄、房屋密集以及地势高等因素,部分片区尚未建设完成污水收集管网体系,导致部分污水直接从地面散排;(4)部分农村地区土质松软,使得部分污水从化粪池池底外漏,农村生活污水收集处理效率不理想;(5)流域内“六小”行业数量众多、分布广,产生的污水部分通过雨水管排入河道.因此,建议相关政府管理部门着重加强流域内生活污染的防治:(1)优化污水处理工艺,降低污水处理厂排放氮素浓度;(2)开展老片区管网整改,对目前存在的雨污混接､漏接､破损管网进行更新修复;(3)进一步完善城中村､沿河老居住区和农村生活污水处理设施建设;(4)严格监督整治“六小”行业废水乱排､漏排现象,做到雨污分流,达标排放.
温瑞塘河流域的污染源贡献与其他流域既有相似性又有差异性.温瑞塘河与江苏省秦淮河[12]、上海市苏州河[42]、北京市北运河[43]、江苏省无锡市城市河道[44]等城市化地区污染源贡献类似,都是以生活污水贡献为主.而贵州省花溪河和山西省沁河上游等农业流域氮素很大部分来自于土壤有机氮和化肥[45-46].此外,研究发现典型海岸带河流山东省青岛市大沽河中的氮素主要来自于污水、粪便、化肥,土壤氮和降水的贡献率较小[47];粪便污水对浙江省西溪湿地硝酸盐的贡献率最大,大气沉降的贡献率最小[48];另有研究表明,除了生活污水外,内源污染也是氮素的重要来源,比如内源污染对洱海氮素的贡献率达到24%~31%[49].可以发现,粪便污水和农业面源是大多数流域氮素污染的主要来源,但不同流域间的污染来源及不同污染源的贡献率存在差异,这种差异性既与土地利用类型、城市化水平、人口密度和污水处理设施建设程度等因素相关,也与降雨量、河流流量流速等水文气象条件有关.
