本发明涉及环境科学领域，具体为一种流域农业非点源污染的治理方法。
背景技术：
随着十八届三中全会的闭幕，环境、土地、农业相关政策的出台无疑将在未来改变着中国的农业发展步伐，推行更深层次的农村改革。在这一过程中，农业现代化所带来的环境问题不容忽视。随着城市生活污水和工业废水逐步得到控制，农业非点源污染问题开始突出，成为威胁水环境安全的重要因素，当今世界各国已经逐渐意识到农业非点源污染问题的严重性和控制形式的紧迫性，所采取的的污染防治研究工作也纷至沓来(Delgado and Scalenghe 2008)。2015年4月“水污染防治行动计划”的颁布，要求今后更长一段时间内开展农业非点源污染研究，其中系统的非点源污染控制技术的提出和创新将是水环境保护工作的重点。但目前，我国在非点源污染控制理论及技术应用方面还处于储备阶段，相关实践工作还刚刚起步(Shen et al.2012)，农业非点源污染的理论研究和控制措施实践亟待加强。
在我国七大流域内，由于长期频繁传统耕种、坡地的大量垦殖，畜禽养殖规模的不断扩大，面蚀与沟蚀不断加剧，大量营养盐随径流与泥沙汇入受纳水体，造成了河流水环境质量下降、湖泊富营养化等一系列环境问题。使得这些区域水环境面临来自农业活动产生的非点源污染的压力日益加大，如何有效协调经济增长与水环境安全的矛盾已经成为亟待解决的问题。
与点源污染相比，非点源污染具有随机性、广泛性、滞后性、模糊性和潜伏性等特征(贺缠生等.1998,王晓燕等.2003)，通常受到流域气候、水文、地形、土壤、土地利用以及管理方式等众多因素的影响，空间变异性强，不同景观单元的污染负荷差异显著(Rao et al.2009)。对其监测和治理相对都比较困难，需要耗费大量的人力、物力和财力。因此，如何从流域整体开展非点源污染的管理与控制已经成为国内外关注的热点和难点(陈磊2013)。推广实施“最佳管理措施”(Best Management Practices,BMPs)是进行农业非点源污染源控制的有效手段。就流域整体而言，少数区域的非点源污染物输出量通常占据全流域负荷总量的绝大比例。非点源污染关键源区(CSAs，Critical Source Areas)是指对流域内水环境整体状况有决定性影响的污染敏感区域(Tripathi et al.2005)。流域尺度的非点源污染控制，应首先明确污染源的时空分布特征，并在此基础上识别出非点源污染的关键源区，这已经成为当前流域非点源污染的核心理念和关键所在。BMPs是国内外较常采用的非点源污染控制方法，主要有工程型和非工程型两大类(Maringanti et al.2009)。BMPs实施往往需要紧密结合研究区的污染物产生规律和下垫面特性，在此基础上对众多工程和管理措施进行准确评估和优选。从流域整体层面上来看，如何在不同的空间尺度及有限的资金条件下实现BMPs的合理、高效的配置，对非点源污染的传输迁移转化等各个阶段实现有效的控制，从而为决策者提供更为全面、客观、细致、准确的决策参考依据，是保证流域非点源污染控制科学性、高效性的最终落脚点。
在非点源污染的控制中，选择适合区域特点的BMPs是提升非点源污染控制成效的关键。国外一些学者从部分国家的BMPs的综述研究中，初步总结了不同措施的适用条件和成本效益等(Cuttle et al.2007)，为进一步研究提供了选择依据和数据支持。有关BMPs应用的实证研究多是采用工程措施或管理措施的一种(Schoumans et al.2013,Konrad et al.2014)或是随机搭配的组合方案(Hsieh and Yang 2007)。此类研究虽能证明BMPs对非点源污染的控制作用，但由于BMPs的实施效果受研究区域环境背景、耕作措施及污染物类型等因素影响较大(Jha et al.2009)，在污染类型多变或区域水文条件复杂的情况下，单一BMP的实施往往并不能满足水质治理目标的需求(Allan 2004)。关于BMPs组合对非点源污染的综合效应研究尚不多见，不同BMP之间是否存在协同作用，或存在反作用也不明确。基于不同地区及不同污染物来源的BMPs效率综合数据库的建立，认识各种BMPs的应用效果和适用条件，探寻不同BMPs的组合手段及措施间的相互关系，将有助于能够因地制宜的选择最佳管理措施。
针对适合区域特征进行BMPs组合优选，对其成本与效益进行经济分析和评价，是十分必要的。早期研究多在小区或农田地块尺度利用实地监测的方法探讨BMPs实施的成本效益问题(Dillaha et al.1988,Chaubey et al.1995,Arheimer and Wittgren 2002)，但实地监测往往需要大量的人力、物力，而且其成果带有明显的区域特征，可移植性受到限制。近年来，模型模拟由于费用低、评价周期短，被广泛用于量化流域尺度BMPs的远期效益(Srivastava et al.2002,Hsieh and Yang 2007)。此类研究多是利用机理模型模拟各种BMPs情景下的污染负荷削减效果，并结合一定的经济学方法进行成本效益评价。然而，由于非点源污染的发生受土壤、地形、气候、水文、土地利用和管理方式等众多因素的影响，污染负荷的输出存在显著的空间差异性(Marsh,1998)，使得BMPs的实施效果具有“点位特异性(site-specific)”，其对污染物负荷的削减效率在不同区域、不同尺度存在较大差异(Rao et al.2009)。另外，BMPs的实施效果也在一定程度上取决于污染物类型的影响。这使得流域BMPs的优化配置成为复杂的多目标问题，应考虑社会、经济、环境与生态效益等多目标间的权衡。
非点源污染过程具有高度的时空异质性，使得BMPs的实施效果亦受到尺度效应的影响(Rao et al.2009)。加拿大农业部自2004年开展了最佳管理措施流域评价项目(The Watershed Evaluation of BMPs，WEBs)，对全国范围内9个小流域实施BMPs的环境效益和经济效益进行评价。研究发现在地块尺度上单个BMP对污染物削减的效果往往比较明显，而在流域尺度上多种BMPs对水质的综合影响却难以确定。国外一些学者就不同尺度下BMPs的实施效率进行了研究。Gitau等将SWAT模型和GA算法应用于农田尺度和流域尺度对BMPs进行费用效益评价，研究认为由于受尺度效应的影响，使得农田等小尺度的研究结果难以在大尺度流域进行应用(Gitau et al.2006)。Panagopoulos等(2011)指出以往模型对流域尺度BMPs的评价研究，忽视了地块间的差异性，难以评价BMPs对地块尺度污染负荷的削减效果(Panagopoulos et al.2011)。上述研究，虽然指出了BMPs实施效果的尺度效应，但缺乏对结果比较的深入探讨。因此，应结合研究区域实际，开展水文响应单元(HRUs)、子流域、流域不同空间尺度下的BMPs框架体系研究，构建BMPs组合优化、费用效益评价以及空间配置于一体的非点源污染控制措施体系。
技术实现要素：
为了克服我国现有的流域农业非点源污染控制技术体系单一、方法不确定性较高且的不足,本发明提供一种流域农业非点源污染控制措施的优化配置方法，以实现流域水环境整体改善的目的，这将对水保措施实施方案科学选择提供强有力的科技支撑。
为解决上述技术问题，本发明所采用的技术方案是：
一种流域农业非点源污染控制措施的优化配置方法，其步骤为：
1)构建一目标研究区非点源污染的空间及属性数据库以及一BMPs削减效率评估工具箱；
2)根据该目标研究区流域出口的实测水文、水质数据对SWAT模型和IFSM模型进行参数率定，然后对参数率定后的SWAT模型和IFSM模型进行参数敏感性分析和模型率定及验证；
3)利用非点源污染模型综合分析该待研究区中流域各下垫面条件下的非点源污染情况，并对各下垫面因子进行评判，筛选出影响最为显著的下垫面因子；
4)根据步骤4)得到的下垫面因子识别该目标研究区中田间地块尺度的具有相同下垫面特征的CSAs区域；然后通过IFSM模型对该CSAs区域所采取的措施进行模拟，得到不同高风险区下垫面地块的土壤类型和坡度信息；
5)以所述土壤类型、坡度信息作为评价依据，采用所述BMPs削减效率评估工具箱对各项拟实施BMPs的污染物削减效率进行预评估，然后根据目标地块不同措施的削减效率高低，得到对应的BMPs配置的情景方案；
6)采用SWAT模型和IFSM模型对所述情景方案的BMPs削减效率进行评估，获取地块尺度拟实施BMPs的效率值；
7)运用数据库构建方法将该目标研究区的地块尺度高风险区、不同BMPs配置的情景方案中的拟实施BMPs、BMPs实施成本构建不同情境方案下的优化算法基础数据库，然后对不同情境方案进行优化模拟，获取该目标研究区的流域农业非点源污染控制最优BMPs空间配置组合。
进一步的，首先将该空间及属性数据库中的土地利用、土壤类型以及气象数据输入IFSM模型，然后将IFSM模型模拟结果输入SWAT模型中运行，输出流域非点源污染定量化分析闭合式反馈回路模拟系统。
进一步的，结合SWAT-CUP 2012进行参数敏感性分析和模型率定及验证。
进一步的，通过多因素方差分析对各下垫面因子进行评判，筛选出影响最为显著的下垫面因子。
进一步的，采用非支配排序遗传算法对不同情境方案进行优化模拟，获取流域农业非点源污染控制最优BMPs空间配置组合。
进一步的，以该目标研究区的流域各水系月尺度连续监测水质数据为基础结合非参数检验方法，定量分析不同负荷削减比例下，水质发生统计学意义变化的概率，然后运用回归拟合的方法，揭示水质显著改善概率与流域污染负荷削减比例间的非线性响应关系，从而设定该非支配排序遗传算法的环境效益指标。
与现有技术相比，本发明的积极效果为：
本发明的有益效果是，从提升BMPs实施效率的角度出发，识别流域农业非点源污染负荷分布特征，为不同尺度BMPs的配置提供依据；构建BMPs评估工具箱为BMPs削减效率的而确定提供规范化的评估技术；建立基于NSGA-II的流域农业非点源污染BMPs优化配置方案模拟情景，筛选流域农业非点源污染控制的BMPs最优配置方案，建立适合流域特点的BMPs组合空间层次配置体系。从流域整体的角度对其成本效益进行分析，从而为有效控制非点源污染，促进水源地保护和流域健康，奠定可靠的基础。同时为有效控制非点源污染，促进水源地保护和流域健康，奠定可靠的基础。
附图说明
图1为流域农业非点源污染控制措施优化配置技术体系图。
具体实施方式
下面结合附图对本发明进行进一步详细描述。
本发明的流域农业非点源污染控制措施的优化配置方法如图1所示，其包括如下步骤：
(1)非点源污染特征分析
1)以RS、GIS技术为支持，构建研究区非点源污染空间及属性数据库(表1)，作为下一步模型应用过程中各类数据调用的基础；
2)采用SWAT模型(Arnold J G,Moriasi D N,Gassman P W,et al.SWAT:Model use,calibration,and validation[J].Transactions of the ASABE,2012,55(4):1491-1508.)和IFSM模型(Rotz C A,Coiner C U.Integrated Farm System Model(IFSM):Reference Manual Version 2.0[J].Agricultural Research Service,USDA.http://www.ars.usda.gov/Main/docs.htm,2006)结合的多尺度模型相结合的方法，将步骤1)所构建的空间数据库及属性数据库中的土地利用、土壤类型以及气象数据等输入到模型中，构建流域非点源污染定量化分析综合模拟技术方案，SWAT模型作为实现非点源污染关键源区识别的工具，IFSM模型作为地块尺度BMPs经济效益分析的工具；
3)应用流域出口的实测水文、水质数据对SWAT模型和IFSM模型进行参数率定，并结合SWAT-CUP 2012(Abbaspour K C.SWAT-CUP 2012[J].SWAT Calibration and Uncertainty program—A User Manual.Swiss Federal Institute of Aquatic Science and Technology,Dübendorf,2012)对SWAT模型的参数进行敏感性分析、模型率定及验证，以保证SWAT和IFSM模型模拟结果的准确性和合理性；
4)在此基础上利用SWAT模型综合分析待研究区中流域各下垫面条件下的非点源污染情况，并通过多因素方差分析对各下垫面因子进行评判，筛选出影响最为显著的下垫面因子，以此作为识别田间地块尺度的具有相同下垫面特征的非点源污染关键源区(CSAs，Critical Source Areas)并且通过IFSM模型对CSAs区域所采取的措施进行模拟。
(2)BMPs削减效率评估
5)通过收集国内外BMPs效率研究相关的280篇文献，提取有关BMPs削减效率信息，采用SQL和VBA技术，基于Microsoft ACCESS 2010平台构建BMPs削减效率评估工具箱，通过步骤4)获取非点源污染特征分析结果，进而获取的不同高风险区下垫面地块的土壤类型、坡度等属性信息作为评价依据，采用BMPs削减效率评估工具箱对各项拟实施BMPs的污染物削减效率进行预评估，根据目标地块不同措施的削减效率高低，按照水环境质量的达标要求和BMPs配置方案的经验污染物削减效率，提出BMPs配置的情景方案；
6)采用SWAT模型和IFSM模型相结合的方法来对步骤5)所提出的BMPs配置的情景方案对应的田间地块尺度拟实施的BMPs削减效率进行评估，以获取地块尺度拟实施BMPs的效率值；
7)在此基础上将地块尺度BMPs评估相关参数(步骤6)的结果)在流域尺度模型SWAT中进行反馈模拟，以解决多尺度条件下BMPs削减效率评估问题；
(3)地块尺度BMPs空间配置方案优选
9)以流域各水系月尺度连续监测水质数据为基础结合非参数检验方法，定量分析不同负荷削减比例下，水质发生统计学意义变化的概率，在此基础上，运用回归拟合的方法，揭示水质显著改善概率与流域污染负荷削减比例间的非线性响应关系，从而设定非支配排序遗传算法的环境效益指标；
10)运用数据库构建方法将地块尺度高风险区、不同BMPs配置的情景方案中的拟实施BMPs、BMPs实施成本构建不同情境方案下的优化算法基础数据库，以此为基础结合非支配排序遗传算法(NSGA-II)对不同情境方案进行优化模拟，获取流域农业非点源污染控制最优化的BMPs空间配置组合。