利用细颗粒物监测技术量化随时间变化的沙负荷量

研究利用美国地质调查局（USGS）的悬浮物浓度（SSC）与总悬浮固体（TSS）数据，建立了明尼苏达州Greater Blue Earth River（GBER）流域砂负荷估算模型。通过对比几何形态砂预算（290,000 Mg/年）与2007-2019年TSS数据反演的砂负荷（359,000 Mg/年），发现两者差异仅22%。若仅用TSS监测评估流域悬浮物负荷，可能低估砂组分36%-42%。研究证实TSS数据可用于动态追踪砂负荷，并强调砂组分在悬浮物监测中的重要性。

　　

摘要

河流中的沙负荷会导致地貌变化，从而影响河流的流动过程，如横向迁移以及垂直堆积或侵蚀。然而，许多沉积物监测项目仅跟踪可作为总悬浮固体（TSS）测量的细颗粒沉积物。在此，我们评估了利用TSS数据来确定沙负荷的能力。我们利用美国地质调查局（USGS）发布的悬浮沉积物浓度（SSC）数据与TSS数据，建立了美国明尼苏达州中南部大蓝地球河（GBER）流域内TSS与沙负荷之间的关系。GBER流域的TSS负荷值在该州属于较高水平，已有大量研究致力于确定该流域的细颗粒沉积物平衡。我们利用这一细颗粒沉积物平衡数据，结合主要沉积物来源的现场粒径分布数据，并调整了上游湖泊的沉积物截留效率，从而构建了沙负荷模型。根据该模型，每年有29万吨沙从GBER流域输出。相比之下，根据2007至2019年的TSS数据计算出的年沙负荷为35.9万吨，平均误差仅为22%。同一时期的年均TSS负荷为46.9万吨。如果仅依靠TSS监测来评估该流域的沉积物负荷，可能会低估实际悬浮沉积物的数量36%至42%。本研究强调了利用TSS监测数据追踪长期沙负荷变化的潜力，同时也强调了在悬浮沉积物采样中包含沙颗粒的重要性。

利益冲突

作者声明没有利益冲突。

数据可用性声明

所有数据均公开可用。流量和TSS数据可通过明尼苏达州污染控制机构（MPCA）的流域监测负荷网络在线获取（2024）。用于建立回归模型的TSS和SSC数据可见于USGS的出版物（Ellison等人，2014；Groten等人，2016）。大蓝地球河的原始细颗粒沉积物平衡数据见Bevis（2015），其中包含了对沙负荷计算的调整方法；相关说明也见于Gran和Czuba（2017）的研究。本研究中的沙负荷模型已更新至包含2019年的数据。沙负荷数据及TSS回归分析结果见附于本手稿的补充文件（表S1a–c和S2a–f）。