地下水硝酸盐污染的来源识别模型研究综述.docVIP

地下水硝酸盐污染的来源识别模型研究综述

地下水硝酸盐污染来源的复杂性决定了识别工作的多维度属性，不同土地利用类型下的氮输入特征与水文地质条件的耦合作用，使得传统的定性溯源方法难以满足精细化管控需求。当前主流的识别模型可分为机理驱动、数据驱动和混合驱动三大类，三者在假设前提、数据需求、适用场景上存在显著差异，构成了来源识别的方法体系核心。

一、机理驱动模型：过程模拟的物理基础

机理驱动模型基于氮素在地下环境中的迁移转化规律，通过数学方程描述对流、弥散、吸附、生物降解等过程，实现硝酸盐来源的定量归趋。这类模型的核心优势在于能够明确刻画污染物的时空分布特征，反映污染过程的内在机制，适用于水文地质条件清晰、长期监测数据充足的区域。

（一）分布式水文模型的耦合应用

SWAT（SoilandWaterAssessmentTool）模型是农业面源污染溯源的代表性工具，通过将流域划分为多个水文响应单元，模拟不同土地利用、施肥制度、灌溉模式下的氮素流失过程。研究表明，在华北平原小麦-玉米轮作区，耦合同位素示踪剂的SWAT模型能够将面源污染来源的识别精度提升至85%以上，可定量区分化肥施用、畜禽养殖、生活污水三类污染源的贡献比例。但该模型对输入数据的分辨率要求较高，当流域内缺乏逐场次的降水、土壤孔隙度、渗透系数等参数时，模拟结果的不确定性会显著上升。

MODFLOW与MT3DMS的耦合模型则聚