环境科学学报  2020, Vol. 40 Issue (7): 2629-2637
基于SWAT模型的磷负荷削减最佳管理措施(BMPs)评估研究    [PDF全文]
孙浩然1,2, 边睿1, 李若男3, 曹晓峰2, 齐维晓2, 彭剑峰2, 李绍坤4, 和学智4, 和学强4    
1. 东北师范大学环境学院, 长春 130117;
2. 清华大学环境学院, 北京 100084;
3. 中国科学院生态环境研究中心, 北京 100085;
4. 丽江市环境监测站, 丽江 674100
摘要:基于高空间分辨(0.07 m)土地利用数据和详细的农业管理信息,利用SWAT(Soil and Water Assessment Tool)模型对关帝河子流域的农业耕作进行精细化模拟,评估了4种农业最佳管理措施(BMPs)对非点源磷负荷的削减效果.结果表明:3个水文站径流的率定结果均达到R2>0.5、NSE>0.4、PBIAS < ±35%,其中,2个站点的R2>0.6、NSE>0.5、PBIAS < ±5%;总磷率定的R2>0.9、NSE>0.9、PBIAS < ±20%,即SWAT模型对径流和总磷的模拟值均与实测值展现出较高的一致性.在流域尺度上,对总磷负荷的削减效率由高到低排序依次为:植被缓冲带>15°以上坡地退耕还林>有林地补植>化肥减施.宽度为1~5 m的植被缓冲带对总磷负荷的削减效率可达30%~48%;15°以上坡地退耕还林的实施可以削减约30%的总磷负荷,同时可能增加农民收入;然而,由于研究区土地利用格局和降水条件的特殊性,有林地补植和化肥减施对削减总磷负荷的影响较小,削减效率均不足1%.
关键词程海流域    SWAT模型    最佳管理措施(BMPs)    高空间分辨土地利用        
Evaluation of best management practices (BMPs) for phosphorus load reduction based on SWAT model
SUN Haoran1,2, BIAN Rui1, LI Ruonan3, CAO Xiaofeng2, QI Weixiao2, PENG Jianfeng2, LI Shaokun4, HE Xuezhi4, HE Xueqiang4    
1. School of Environment, Northeast Normal University, Changchun 130117;
2. School of Environment, Tsinghua University, Beijing 100084;
3. Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085;
4. Lijiang Environmental Monitoring Station, Lijiang 674100
Received 25 December 2019; received in revised from 3 April 2020; accepted 3 April 2020
Abstract: Based on the high spatial resolution (0.07 m) land use and detailed agricultural management information, the reduction of non-point source phosphorus load was evaluated by applying best management practices (BMPs) to an agricultural watershed using SWAT (Soil and Water Assessment Tool) model. The results showed that the simulated values of SWAT model were highly consistent with the measured ones. The calibration results of runoff on all three hydrological stations achieved R2 >0.5, NSE >0.4 and PBIAS < ±35%, and two of them achieved R2 >0.6, NSE >0.5 and PBIAS < 177;5%. In addition, the calibration results of phosphorus achieved R2 >0.9, NSE >0.9 and PBIAS < ±20%. On watershed scale, the reduction efficiency of total phosphorus load ranked as follows:Buffer strip > Returning farmland with slopes above 15° to orchards > Replanting under canopy > Fertilization reduction. The reduction efficiency of total phosphorus load for Buffer strip with width of 1~5 m were up to 30%~48%. Returning farmland with slopes above 15° to orchards can reduce total phosphorus loads by about 30% and may increase the profitability of farmers. However, due to the particular land use pattern and precipitation conditions, the efficiency of Replanting under canopy and Fertilization reduction was less than 1%.
Keywords: Chenghai lake watershed    SWAT model    best management practices    high spatial resolution of land use    phosphorus    
1 引言(Introduction)

国务院发布的《水污染控制行动计划》(“水十条”)要求在全国范围内推进水体富营养化治理, 持续改善流域水环境质量.磷通常是淡水系统初级生产力的限制养分(Schindler, 1977; Paerl, 2006), 因此, 磷输入量的增加会促进水体中的藻类大量繁殖甚至导致水华暴发.在过去的10年间, 随着废水零排放技术的推广, 工业点源磷污染得到了有效控制(Xiong et al., 2017);由于沼气池的普及, 农村分散住宅粪便造成的磷污染也显著减少(Chen et al., 2017).农业非点源(NPS)污染(朱铁群, 2000; 丁晓雯等, 2012; Zhai et al., 2014)已成为水体磷素的主要来源.非点源污染因为具有分散性、隐蔽性和随机性等特点, 近年来已成为水质管理中最难以控制的问题之一.

最佳管理措施(BMPs) (孙棋棋等, 2013)是一系列广泛应用于控制农业非点源污染的工程或非工程措施.为了在有限的公共资金下实现水质目标, 通过流域模型来对管理措施进行评估和筛选是非常有必要的.在众多非点源模型中, SWAT (Soil and Water Assessment Tool)(Parajuli et al., 2008; Yang et al., 2009; Arabi et al., 2010; Zhang et al., 2011)因其强大的泥沙、氮磷输移模拟算法以及详细的农业管理综合数据库而被广泛采用.例如, Adeogun等(2018)在SWAT模型编辑界面通过修改FILTERW、USLE参数值分别模拟了植被缓冲带和河道拦沙坝两种工程措施对泥沙产量的削减效果; Ni等(2018)通过改变SWAT模型中的管理操作来模拟保护性耕作和轮作方式调整对控制流域氮磷负荷的影响.有研究表明在评估农业BMPs对非点源污染负荷削减效果的过程中, SWAT模型对土地利用和农业管理数据非常敏感(Lee et al., 2010).然而, 目前已有报道的大部分研究采用的土地利用数据均不能分辨出具体的农作物类型, 无法针对不同作物的具体管理操作进行详细模拟, 这可能会增加模拟过程中的不确定性, 降低评估结果的可信度.

程海湖作为云南省九大高原湖泊之一, 近年来水质持续恶化, 总磷已达到《地表水环境质量标准》(GB3838—2002)Ⅳ类标准.陈学凯等(2018)利用改进的Johnes输出系数模型计算得出程海流域非点源溶解态磷的入湖负荷约为24.70 t·a-1, 解析空间分布发现程海湖南岸是重点源区.鉴于此, 本研究选取程海南岸的典型小流域(关帝河子流域)为研究对象, 使用无人机航拍技术获取能够分辨出具体农作物类型的土地利用数据, 并基于实地调研的详细农业管理信息, 利用SWAT模型评估不同BMPs对流域非点源磷负荷的削减效果.以期为程海流域磷污染控制以及其它流域的非点源污染研究提供建议与参考.

2 研究区(Study area)

程海流域(100°38′~100°41′E, 26°27′~26°38′N)位于云南省丽江市永胜县, 是一个农业经济为主的山区流域.流域内海拔高度为1465~3263 m, 属亚热带高原季风气候, 年平均气温18.5 ℃, 年平均降水量733.6 mm, 6—9月短时强降水约占全年降水量的80%, 流域内多为季节性河流(赵润等, 2014).SWAT模型建立在总面积为318.3 km2的程海流域, 关帝河子流域(面积为9.27 km2)被选定为BMPs实施区域(图 1).

图 1 程海流域区位图 Fig. 1 Location of the Chenghai Lake basin
3 材料与方法(Materials and methods) 3.1 高空间分辨土地利用数据获取

高空间分辨土地利用图是基于无人机航拍的高清图像解译得到的.本研究使用DJI Phantom4旋翼无人机搭载一体化云台相机(1/2.3英寸CMOS, 有效像素1240万)拍摄正射照片, 为保证足够高的分辨率, 航拍飞行高度控制在160 m左右, 航向重叠度、旁向重叠度都在60%以上.利用Agisoft Photocan软件对航拍图像进行进一步处理, 生成数字正射影像图(DOM), 然后将DOM加载到Arcgis10.1中进行人工解译.解译过程中, 土地利用属性主要依据目标对象的大小、形状、颜色、纹理和图案等特征, 对比现场采集的解译样本数据进行赋值.解译完成后, 现场对解译结果进行校验.

3.2 SWAT模型构建

SWAT模型(Srinivasan et al., 1998)是美国农业部农业研究中心在20世纪90年代开发的一种计算非点源污染的分布式物理模型.它可以模拟评估简单或复杂流域在特定农业管理措施下的非点源污染(Dechmi et al., 2012).在SWAT模型中, 根据基于数字高程模型(DEM)生成的河网和用户定义的流域出口, 流域被划分为多个子流域.每个子流域又被进一步划分成多个土地利用、土壤类型和坡度均相同的水文响应单元(HRU), HRU是最小的计算单元.利用气象、土壤属性、土地利用、农业管理措施等输入数据, SWAT分别计算每个HRU上的径流、产沙量和营养负荷, 进而求出整个流域的总负荷(Choto et al., 2019).SWAT采用EPIC模型对作物生长和养分循环过程进行交互模拟, 该模型对磷元素循环过程的模拟主要考虑溶解态磷和吸附态磷, 同时计算磷的流失以及作物生长的吸收(陈岩等, 2019).

用于SWAT模型建立和率定的空间、属性输入数据如表 1所示.利用2000—2018年流域内3个雨量站点(河口站、王官站、黑伍站)和1个气象站点(永胜站)的气象数据作为模型驱动数据.利用2018年刘家河、马军河、团山河的逐日流量监测数据和2018年6月—2019年9月关帝河的逐日总磷监测数据对模型参数进行率定.模型建立并完成率定后, 基于关帝河子流域的高空间分辨土地利用数据进行BMPs的模拟应用与评估.

表 1 SWAT模型输入数据 Table 1 Data inputs for the SWAT model
3.3 BMPs模拟与评估

本研究结合程海流域的实际农业环境, 选择化肥减施、15°以上坡地退耕还林、有林地补植和植被缓冲带4种BMPs进行模拟评估, 具体情景设置见表 2.在SWAT模型中, 通过改变一个或多个特定参数值来模拟BMPs的实施(Zhou et al., 2009).削减效率被定义为BMPs实施后削减的总磷负荷与基准情景下总磷负荷的比值(Mtibaa et al., 2018).计算公式见式(1).

表 2 BMPs情景设置 Table 2 BMPs scenarios setting
(1)

式中, R为流域尺度上总磷负荷的削减效率, TPBAS为基准情景下模型输出的总磷负荷, TPBMPs为引入BMPs后模型输出的总磷负荷.

4 结果与讨论(Results and discussion) 4.1 高空间分辨土地利用类型图

关帝河子流域的高空间分辨(0.07 m)土地利用类型图见图 2.按照SWAT土地利用数据库将研究区土地利用分为20个细致类别, 其中耕地解译至具体农作物类型, 详细分类及占比见表 3.研究区内林地面积占比为52.52%, 主要分布在受人类活动影响较小的上游山区;受人类活动影响, 中游丘陵地区的森林质量较低, 土地利用以有林地为主;整个区域内耕地面积为127.15 hm2, 占比为10.60%, 主要种植的农作物为玉米(108.76 hm2)、水稻(12.85 hm2)和生姜(5.2 hm2), 主要分布在下游地势平坦地区.分析土地利用空间格局, 林地、草地分布于流域上游, 难以发挥其对非点源污染的拦截作用, 而耕地靠近流域出口, 农田径流、泥沙和营养物质经河道直接汇入湖区造成污染.因此, 在耕地区域设置植被拦截措施显得尤为重要.关帝河子流域不同农作物的详细管理操作见表 4.流域内玉米与大豆轮作, 水稻和生姜为单季种植.种植生姜施用的化肥量最大, 其中, 过磷酸钙施用量超过2000 kg·hm-2, 复合肥施用量超过1000 kg·hm-2.水稻的化肥施用量其次, 其中, 过磷酸钙施用量超过1000 kg·hm-2, 复合肥施用量约为600 kg·hm-2.玉米和大豆不施用磷肥, 复合肥施用量也较少, 玉米的复合肥施用量约675 kg·hm-2, 大豆仅为300 kg·hm-2.不同农作物的施肥种类、施肥量以及对磷素的吸收能力都存在差异, 本研究利用无人机技术获取能够分辨出具体农作物类型的土地利用数据, 结合不同作物的具体管理操作, 优化了SWAT模型的输入数据, 实现了对农业区域的精细化模拟, 一定程度上能够提高BMPs评估结果的可靠性.

图 2 关帝河子流域土地利用类型 Fig. 2 Land use types of Guandi river sub-basin

表 3 关帝河子流域土地利用类型 Table 3 Land use of Guandi river watershed

表 4 关帝河子流域不同农作物管理操作时间表 Table 4 Operations schedule of different crops in the Guandi river watershed
4.2 SWAT模型率定

本研究借助SWAT-CUP软件进行参数敏感性分析, 利用SWAT-CUP内置的时序不确定性适应算法(SUFI-2)对模型参数进行自动率定(Arnold et al., 2012).选用确定性系数R2、纳什系数NSE和相对误差PBIAS评价模型率定效果.当R2 > 0.60, NSE > 0.50, PBIAS≤±15%时, 认为模型径流模拟结果“满意”;当R2 > 0.40, NSE > 0.35, PBIAS≤±30%时, 认为氮磷模拟结果“满意”(Moriasi et al., 2015).

2018年3个水文站的实测流量与模拟流量对比以及模型效果评价指标见图 2.刘家河水文站的R2、NSE和PBIAS值分别为0.64、0.52和-4.9%, 马军河水文站分别为0.71、0.67和-4.4%.这些数据表明SWAT模型性能稳健, 对径流的模拟结果可靠性很高.团山河水文站的R2、NSE和PBIAS值分别为0.54、0.41和33.9%, 结果相比前两个站点略低, 但总体来看, 3个水文站的实测流量与模拟流量都展现出了很高的一致性.

关帝河出口总磷负荷的实测值与模拟值如图 3所示.从散点图可以看出, 所有的数据对都在1:1线附近, 说明模拟值与观测值十分接近.此外, 数据对随机分布在1:1线上或线下, 说明模型对总磷的模拟没有系统性的高估或低估倾向.R2、NSE和PBIAS值分别达到0.95、0.94和19.8%, 说明模型对总磷的模拟很好地再现了实际情况.综上所述, SWAT模型被认为能够很好地适应于该研究区, 模型参数的最终率定值见表 5.

表 5 SWAT模型最终参数率定值 Table 5 The final calibrated values of parameter in SWAT model

图 3 SWAT模型对逐日流量数据的率定结果 Fig. 3 Calibration results of the SWAT model for daily flow data at different gauging stations

图 4 SWAT模型对关帝河总磷数据的率定结果 Fig. 4 Calibration results of the SWAT model for daily total phosphorus at the outlet of Guandi river
4.3 BMPs的污染削减效果

本研究评估了4种BMPs在流域尺度上对总磷负荷的削减效率(表 6).相比于基准情景, 不同BMPs的削减效率存在明显差异.如图 5所示, 不同BMPs对总磷污染的削减效率由高到低依次为:植被缓冲带>15°以上坡地退耕还林>有林地补植>化肥减施.

表 6 不同BMP对总磷负荷的削减效果 Table 6 The reduction of TP loads by different BMP

图 5 不同BMPs对总磷负荷的削减率对比 Fig. 5 Comparison of total phosphorus reduction efficiency with different BMPs

化肥减施10%、30%和50%对总磷负荷的削减量分别仅为2.15、6.87和11.52 kg·a-1, 削减率分别为0.1%、0.32%和0.53%, 说明研究区内单纯减少化肥施用量对缓解非点源磷污染的影响很小.刘瑞民等(Liu et al., 2014)在香溪河流域模拟化肥减施20%和50%, 总磷负荷的削减率分别达到了31%和40%;而常舰等(2017)在西苕溪流域的研究发现, 磷肥施用量减少10%和20%对整个区域控磷效果几乎没有影响.可见化肥减施对总磷负荷的削减效果存在很大的地域特异性, 这主要是受降水条件和农业管理方式差异的影响.本研究区主要施肥期与降水期不重合, 根据2001—2018年的降水量数据, 程海流域6—9月的降水量约占全年降水量的85%~90%, 而此期间的化肥施用量不足全年施肥量的15%.相关研究也证实了避免雨前施肥可以有效减少农田营养流失(Wang et al., 2018).

宽度为1、3和5 m的植被缓冲带对总磷负荷的削减量分别为648.33、898.17和1045.06 kg·a-1, 削减率分别达到30.08%、41.67%和48.48%.结果表明, 在一定范围内, 植被缓冲带的宽度越大, 其对总磷负荷的削减效率越高.但是相关研究认为削减效率随缓冲带宽度增加并非呈现线性增长关系, 当缓冲带宽度增加到一定大小时, 其对污染物的削减率将不再有明显改变(苏天杨等, 2010; 何聪等, 2014; 申小波等, 2014; 胡威等, 2015).由于不同地区水文、地质、气候及土壤等自然条件存在差异, 各研究区的缓冲带最佳宽度各不相同.付婧等(2019)对国内外学者关于缓冲带最佳宽度的研究进行总结分析, 发现磷素和悬浮物的沉积拦截过程主要发生在缓冲带的前5 m处.因此, 考虑到程海流域人均耕地面积有限, 植被缓冲带的布设需要占用一定土地资源, 本研究推荐使用宽度为5 m的植被缓冲带.

关帝河子流域坡度>15°的耕地面积共计26.85 hm2, 约占总耕地面积的21%.根据模型模拟结果, 改耕地为石榴林后总磷负荷可减少634.25 kg·a-1, 削减率为29.42%, 与宽度为1 m的植被缓冲带削减效果相当.另一方面, 经济林果经济价值较高, 农民可能因此获得更多的经济收益.因此, 改陡坡农田为石榴林是地方政府和农民可以长期采用的一种经济、环保的措施.而另一种造林方案, 有林地补植是当地林业部门为实现森林覆盖率稳步增长而推进的中低产林改造项目.本研究将土地利用类型图中的有林地转变为林地后, 重新输入模型进行模拟, 结果显示转变前后总磷负荷的输出结果变化不大, 削减率仅为0.94%.这可能是由于树冠和地表草本植物的截留作用, 有林地产生的地表径流量较少, 对总磷负荷的贡献量较少, 补植为林地后, 虽然产流量进一步降低, 但变化并不明显.而且有林地主要分布于流域中部, 无法起到对下游农田非点源污染的拦截作用.因此, 有林地补植对流域尺度上的总磷负荷削减影响很小.

5 结论(Conclusions)

1) 基于无人机技术获取高空间分辨(0.07 m)航拍影像, 将关帝河子流域土地利用解译至具体农作物类型.林地、有林地和耕地为主要土地利用类型, 占比分别为52.52%、15.01%、10.6%.耕地中主要种植作物为玉米、水稻和生姜, 面积分别为108.76、12.85、5.2 hm2.玉米与大豆轮作, 水稻和生姜为单季种植.精细的土地利用空间数据可以使模拟过程更加贴近实际, 提高BMPs评估结果的可靠性.

2) 在研究区建立SWAT模型, 借助SWAT-CUP软件对模型参数进行率定.共筛选出17个敏感参数, 先后对选出的9个水文参数和8个水质参数进行率定, SWAT模型模拟的径流和总磷负荷与实际观测结果展现出较好的一致性.虽然监测数据有限, 但能够保证SWAT模型在研究区的适用性.

3) 在流域尺度上, 对总磷负荷的削减效率由高到低排列依次为:植被缓冲带>15°以上坡地退耕还林>有林地补植>化肥减施.植被缓冲带对总磷负荷的削减效果最好, 削减效率约为30%~48%;15°以上坡地退耕还林的实施可以削减约30%的总磷负荷, 同时可能提高农民收入;有林地补植和化肥减施对削减总磷负荷的影响较小, 削减效率均不足1%.在充分考虑生态效益的情况下, 推荐选择5 m的植被缓冲带;在综合考虑生态及经济效益时, 推荐选择15°以上坡地退耕还林.

参考文献
Adeogun A G, Sule B F, Salami A W. 2018. Cost effectiveness of sediment management strategies for mitigation of sedimentation at Jebba Hydropower reservoir, Nigeria[J]. Journal of King Saud University-Engineering Sciences, 30(2): 141-149.
Arabi M, Frankenberger J R, E ngel B A, et al. 2010. Representation of agricultural conservation practices with SWAT[J]. Hydrological Processes, 22(16): 3042-3055.
Arnold J G, Moriasi D N, Gassman P W, et al. 2012. SWAT:Model use, calibration, and validation[J]. Transactions of the ASABE, 55(4): 1491-1508.
常舰.2017.基于SWAT模型的最佳管理措施(BMPs)应用研究——以西苕溪流域为例[D].杭州: 浙江大学 http://d.wanfangdata.com.cn/thesis/Y3229661
Chen Y, Hu W, Chen P, et al. 2017. Household biogas CDM project development in rural China[J]. Renewable and Sustainable Energy Reviews, 67: 184-191.
陈学凯, 刘晓波, 彭文启, 等. 2018. 程海流域非点源污染负荷估算及其控制对策[J]. 环境科学, 39(1): 77-88.
陈岩, 赵琰鑫, 赵越, 等. 2019. 基于SWAT模型的江西八里湖流域氮磷污染负荷研究[J]. 北京大学学报(自然科学版), 55(6): 1-9.
Choto M, Fetene A. 2019. Impacts of land use/land cover change on stream flow and sediment yield of Gojeb watershed, Omo-Gibe basin, Ethiopia[J]. Remote Sensing Applications:Society and Environment, 14: 84-99. DOI:10.1016/j.rsase.2019.01.003
Dechmi F, Burguete J, Skhiri A. 2012. SWAT application in intensive irrigation systems:Model modification, calibration and validation[J]. Journal of Hydrology, 470: 227-238. DOI:10.1016/j.jhydrol.2012.08.055
丁晓雯, 沈珍瑶. 2012. 涪江流域农业非点源污染空间分布及污染源识别[J]. 环境科学, 33(11): 4025-4032.
付婧, 王云琦, 马超, 等. 2019. 植被缓冲带对农业面源污染物的削减效益研究进展[J]. 水土保持学报, 33(2): 1-8.
何聪, 刘璐嘉, 王苏胜, 等. 2014. 不同宽度草皮缓冲带对农田径流氮磷去除效果研究[J]. 水土保持研究, 21(4): 55-58.
胡威, 王毅力, 储昭升. 2015. 草皮缓冲带对洱海流域面源污染的削减效果[J]. 环境工程学报, 9(9): 4138-4144.
Lee M, Park G, Park M, et al. 2010. Evaluation of non-point source pollution reduction by applying Best Management Practices using a SWAT model and QuickBird high resolution satellite imagery[J]. Journal of Environmental Sciences, 22(6): 826-833. DOI:10.1016/S1001-0742(09)60184-4
Liu R, Zhang P, Wang X, et al. 2014. Cost-effectiveness and cost-benefit analysis of BMPs in controlling agricultural nonpoint source pollution in China based on the SWAT model[J]. Environmental Monitoring & Assessment, 186(12): 9011-9022.
Moriasi D N, Gitau M W, Pai N, et al. 2015. Hydrologic and water quality models:Performance Measures and evaluation criteria[J]. Transactions of the Asabe, 58(6): 1763-1785. DOI:10.13031/trans.58.10715
Mtibaa S, Hotta N, Irie M. 2018. Analysis of the efficacy and cost-effectiveness of best management practices for controlling sediment yield:A case study of the Joumine watershed, Tunisia[J]. Science of the Total Environment, 616: 1-16. DOI:10.1016/j.scitotenv.2017.10.290
Ni X, Parajuli P B. 2018. Evaluation of the impacts of BMPs and tailwater recovery system on surface and groundwater using satellite imagery and SWAT reservoir function[J]. Agricultural Water Management, 210: 78-87.
Paerl H W. 2006. Assessing and managing nutrient-enhanced eutrophication in estuarine and coastal waters:Interactive effects of human and climatic perturbations[J]. Ecological Engineering, 26(1): 40-54.
Parajuli P B, Mankin K R, Barnes P L. 2008. Applicability of targeting vegetative filter strips to abate fecal bacteria and sediment yield using SWAT[J]. Agricultural Water Management, 95(10): 1189-1200.
Schindler D W. 1977. Evolution of phosphorus limitation in lakes[J]. Science, 195(4275): 260-262.
申小波, 陈传胜, 张章, 等. 2014. 不同宽度模拟植被过滤带对农田径流、泥沙以及氮磷的拦截效果[J]. 农业环境科学学报, 33(4): 721-729.
Srinivasan R, Ramanarayanan T S, Arnold J G, et al. 1998. Large area hydrologic modeling and assessment part II:Model Application1[J]. JAWRA Journal of the American Water Resources Association, 34(1): 91-101.
苏天杨, 李林英, 姚延梼, 等. 2010. 不同草本缓冲带对径流污染物滞留效益及其最佳宽度研究[J]. 天津农业科学, 16(3): 121-124.
孙棋棋, 张春平, 于兴修, 等. 2013. 中国农业面源污染最佳管理措施研究进展[J]. 生态学杂志, 32(3): 772-778.
Wang W, Xie Y, Bi M, et al. 2018. Effects of best management practices on nitrogen load reduction in tea fields with different slope gradients using the SWAT model[J]. Applied Geography, 90: 200-213.
Xiong R H, Chen Q, Liu J, et al. 2017. Experimental study on seeded precipitation assisted reverse osmosis for industrial wastewater reuse[J]. Journal of Water Process Engineering, 20: 78-83. DOI:10.1016/j.jwpe.2017.10.002
Yang Q, Zhao Z, Benoy G, et al. 2010. A watershed-scale assessment of cost-effectiveness of sediment abatement with flow diversion terraces[J]. Journal of Environmental Quality, 39(1): 220-227.
Zhai X, Zhang Y, Wang X, et al. 2014. Non-point source pollution modelling using soil and water assessment tool and its parameter sensitivity analysis in Xin'anjiang catchment, China[J]. Hydrological Processes, 28(4): 1627-1640.
赵润, 董云仙, 谭志卫. 2014. 程海流域生态系统服务功能价值评估[J]. 环境科学导刊, 4: 19-23.
Zhang X, Zhang M. 2011. Modeling effectiveness of agricultural BMPs to reduce sediment load and organophosphate pesticides in surface runoff[J]. Science of the Total Environment, 409(10): 1949-1958.
Zhou X, Helmers M J, Alkaisi M, et al. 2009. Cost-effectiveness and cost-benefit analysis of conservation management practices for sediment reduction in an Iowa agricultural watershed[J]. Journal of Soil & Water Conservation, 64(5): 314-323.
朱铁群. 2000. 我国水环境农业非点源污染防治研究简述[J]. .农村生态环境, (3): 55-57.