在氯化物输入与输出不平衡的流域中，干湿条件下氯化物来源动态的变化：通过示踪剂辅助建模获得的见解

盐分迁移时空变化及TRSAS模型应用研究。采用TRSAS模型分析澳大利亚Scott Creek流域盐分动态，揭示干湿交替条件下溶解土壤盐、地下水及大气沉降对氯离子输出的贡献差异，发现流域储水调控显著影响事件尺度盐分输出，干湿转换期贡献波动最大（0.18-0.42）。通过非均匀混合与土壤盐溶解耦合机制，验证模型在非平衡盐分系统中的适用性。

　　

苟建峰|曲思敏|刘文杰|魏冲|冯学良

淮阴理工学院建筑与土木工程学院，中国淮安223003

摘要

了解流域内的盐分传输对于解决淡水盐碱化问题至关重要。然而，溪流中氯化物来源对干湿条件的动态响应仍不清楚。本研究采用了两库存储选择（TRSAS）模型，以澳大利亚南部的Scott Creek流域为例（该流域具有不平衡的氯化物输入-输出特征），探讨了大气沉降、径流和地下水对氯化物贡献的时间变化。利用日蒸发蒸腾亏缺指数（DEDI）将水文条件分为四种类型（干旱、干转湿、湿转干）。结果表明，在干旱（平均值为0.31）和湿润（平均值为0.36）条件下，通过径流传输的溶解土壤盐分相对稳定，而年轻水体的比例则变化显著（分别为0.58和0.41）。在过渡期间，变化最为明显：在干转湿过程中径流贡献最低（0.18），而在湿转干过程中径流贡献最高（0.42）。此外，相同的降水事件根据流域的储存情况会产生不同的氯化物输出。平均氯化物负荷在湿润条件下达到峰值（11.4吨），是干旱条件下的4.2倍。这些结果表明，控制事件尺度氯化物输出的是流域的储存量，而非降水量本身，这通过调节水文连通性和流动路径的激活来实现。这些发现加深了我们对水文条件与氯化物传输过程之间相互作用的理解，为制定有效的流域尺度盐碱化管理策略提供了重要见解。

引言

淡水盐碱化现象，即淡水系统中溶解盐分长期增加，已成为一个全球性的生态挑战（Iglesias等人，2020年）。目前世界上超过三分之一的淡水体受到盐碱化的影响，预计这一比例还会继续上升，从而引发严重的生态危机（Kaushal等人，2021年；Wu等人，2021年）。淡水盐碱化对特定流域的生态系统和农业影响尤为显著（Miller等人，2024年）。土壤盐分含量的增加显著改变了土壤的物理和化学性质（Zheng等人，2009年；Tedeschi和Dell’Aquila，2005年），导致结构退化。盐分浓度升高还会直接抑制植物功能和生长（Yin等人，2023年；Butcher等人，2016年），进而导致植被退化和生物多样性丧失（Haj-Amor等人，2022年；Pr?v?lie等人，2021年）。这些连锁的生态影响凸显了更好地理解流域内盐分传输的来源、途径和机制的迫切需求。这样的理解为基础，有助于设计针对性的缓解措施和流域管理策略，以应对淡水盐碱化问题。

溪流中的盐负荷来源于多种不同的来源，这些来源在空间和时间上存在显著差异（Balakrishnan等人，2024年；Bailey等人，2022年）。在流域中，溪流盐负荷来源于大气沉降、基岩风化以及人为添加的盐分。大气沉降包括两种形式：干沉降和湿沉降。前者指盐颗粒和气体被风带到地表的过程；后者指降水吸收大气中的氯化物的过程（Teixeira等人，2023年）。基岩风化将岩石转化为沉积物和/或使矿物质溶解为离子，如钙、钾和镁（Krklec等人，2021年）。然而，由于大多数基岩矿物中氯化物的含量有限，这一过程中很少产生氯化物。人为来源，如化肥、道路盐分、污水和城市建设，会向环境中释放各种离子，对流域内的淡水生态系统产生显著影响（P?aczkowska等人，2024年；Kaushal等人，2021年）。此外，在有植被清除历史的流域中，历史上积累的土壤盐分的再释放也是溪流盐负荷的一个额外来源。这通常会导致当前的氯化物输入与输出之间的不平衡，即溪流中的氯化物输出超过当前的大气输入（盐非平衡流域）。根系深厚的植被被移除后，水分吸收减少，地下水补给增加，从而将土壤中储存的盐分逐渐冲入溪流（Kaushal等人，2021年；Anderson等人，2019年）。

在不同的干湿条件下，溪流中的盐负荷来源于多种多样的来源，这些来源在空间和时间上存在显著的变化（Lintern等人，2023年；George和Conacher，1993年）。在干旱条件下，以基流为主的盐输出较为明显，盐分在地下水中滞留时间较长（平均滞留时间超过一年）（Guo等人，2021年；Poulsen等人，2006年）。有限的降水缓慢渗透到土壤中，增加了水与富含盐分的土壤层之间的接触时间。这种长时间的相互作用增强了土壤盐分的溶解，随后通过地下水流动被输送到溪流中，导致溪流中的盐浓度升高（Ao等人，2024年；Henson和Bailey，2023年）。相比之下，在湿润条件下，降水强度大，优先流动路径被迅速激活。径流成为主要的传输机制，降水与土壤盐分之间的接触时间大大减少。因此，大部分降水迅速离开流域，土壤盐分的溶解较少，导致溪流中的盐浓度较低（Snarski等人，2023年；Kinal和Stoneman，2012年）。从干旱到湿润或从湿润到干旱的过渡条件下，溶质的响应更为复杂和非线性，因为径流和地下水路径的主导地位动态变化。这些相互作用和流动路径的调整使得识别和量化溪流盐负荷的来源变得复杂。

为了解开这些相互作用过程及其时间变化，基于过程的建模至关重要。水文模型为量化溪流盐负荷的来源和传输动态提供了强大的工具。已经开发了多种复杂程度不同的模型来研究流域尺度上的盐分平衡和传输过程。这包括传统的氯化物质量平衡（CMB）模型（Guan等人，2010b），以及结合盐度模块的水文模型，如SWAT-salt（Ao等人，2024年；Bailey等人，2019年），SWAT-MODFLOW（Bailey等人，2023年），APEXMOD（Park等人，2023年）。然而，这些模型通常基于降水与储存物之间均匀混合的假设。当试图区分不同时间进入系统的水和溶质时，这种假设会导致不准确的结果。实际上，流域内的水和溶质储存受到蒸发蒸腾、土壤盐分溶解和基岩风化等非线性过程的控制，这些过程随时间变化，导致溪流中的溶质浓度具有时间异质性。因此，依赖均匀混合假设的传统模型无法解决与年龄相关的溶质传输动态，特别是在流动路径激活不均匀的系统中。

基于示踪剂的、按年龄排序的传输建模框架有望准确揭示不同来源的盐分被冲走的传输时间（Benettin等人，2022年；Harman，2015年；Benettin等人，2015年）。该框架假设按年龄排序的水体包保持未混合状态。采用一个具有分布年龄的单一水库模型，通过将其与岩石风化（或土壤盐分淋溶）模块相结合，可以模拟溪流中非保守示踪剂（如电导率（EC）和硝酸盐（NO₃^?）的时间变化（Riazi等人，2022年；Benettin等人，2020年）。这种方法可以追踪不同时间进入流域的水量变化，以及由于蒸发浓缩和土壤盐分溶解过程导致的盐浓度变化。因此，它能够准确描述溪流盐负荷的传输时间。然而，在考虑具有分布年龄的多水库模型时，研究主要集中在使用保守示踪剂（如氯化物和稳定同位素）（Gou等人，2023年；Benettin等人，2015年）。很少有研究利用该模型来探索盐分的传输过程，尤其是在盐非平衡流域中。然而，在变干湿条件下的盐传输动态和来源贡献仍知之甚少，特别是在盐非平衡流域中，其中历史积累的土壤盐分主导了溪流输出。

因此，本研究旨在：1）开发一个基于示踪剂的水文模型，该模型整合了非均匀混合和土壤盐分溶解过程，以表征盐非平衡流域中的氯化物传输动态；2）量化在不同干湿条件下的溪流氯化物来源和年轻水体比例的时间变化及其控制因素；3）研究在相同降水量下，不同干湿条件下的溪流盐负荷差异。

研究区域

研究区域

Scott Creek流域（面积28.4平方公里）位于澳大利亚南部Adelaide东南约30公里的Mount Lofty山脉地区。该流域的海拔范围为185米至480米（图1）。该流域属于地中海气候类型（K?ppen-Geiger气候分类；Peel等人，2007年），年平均降水量为800毫米，其中约85%的降雨发生在5月至9月之间（Anderson等人，2019年；Guan等人，2010b）。

方法论

图2展示了本研究的整体方法论框架。工作流程从输入数据集开始，包括降水、实际蒸发蒸腾量（AET）、流量和氯化物浓度数据（第3.1节），这些数据用于驱动两库存储选择（TRSAS）模型。模型结构包括一个流动模块和一个传输模块，用于模拟两个概念性水库之间的水文通量和氯化物传输过程。

TRSAS模型的性能

表4显示了TRSAS模型在不同方案下的流量和溪流氯化物浓度性能。在流量模拟方面，模型在所有方案中的表现相似。NSE值在校准期间通常超过0.85，在验证期间始终超过0.79。值得注意的是，使用完整数据集进行校准时，模型的流量模拟性能最佳，NSE值为0.91。然而，该模型倾向于高估峰值流量。

讨论

在本研究中，我们发现TRSAS模型能够很好地捕捉到流量和溪流氯化物浓度的时间变化。先前的研究应用TRSAS模型来模拟保守示踪剂并分析流域传输时间分布（Gou等人，2023年；Benettin等人，2015年）。本研究扩展了该模型的应用范围。具体来说，我们在TRSAS模型中加入了溶解土壤盐分过程的模拟，并有效识别了时间变化。

结论

在本研究中，我们采用了两库存储选择（TRSAS）模型来模拟盐非平衡流域中流量和溪流氯化物浓度的时间动态。值得注意的是，在模型校准过程中包含湿润年份的数据对于准确捕捉溪流氯化物动态至关重要。虽然排除湿润年份对流量模拟的影响不大，但省略这些数据显著降低了模型的性能。

未引用的参考文献

Bailey和Hosseini，2023年；Benettin等人，2017年；Guo等人，2018年；Iglesias，2020年；Kirchner，2016b年；Pr?v?lie，2021年；Vrugt等人，2008年。

CRediT作者贡献声明

苟建峰：撰写——初稿、方法论、概念化。曲思敏：撰写——审稿与编辑、可视化。刘文杰：撰写——审稿与编辑、数据管理。魏冲：撰写——审稿与编辑。冯学良：撰写——审稿与编辑、验证。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了国家自然科学基金（编号：42507102、52179011、42401030）和江苏省高等教育机构自然科学基金（编号：25KJB170001）的财政支持。我们感谢Huade Guan提供优化算法代码并协助数据收集。