2021, Vol. 42
2. 北京市水科学技术研究院, 北京 100048;
3. 北京市水土保持工程技术研究中心, 北京 100083
, ZHANG Jian-jun1 , ZHANG Yao-fang2 , CHANG Guo-liang2 , SHI Di-di1 , XU Wen-jing1 , SONG Zhuo-yuan1 , YU Pei-dan1 , ZHANG Shou-hong1,3
2. Beijing Water Science Technology Institute, Beijing 100048, China;
3. Beijing Engineering Research Center of Soil and Water Conservation, Beijing 100083, China
非点源污染是全球水环境治理面临的严峻挑战之一, 防治非点源污染是我国目前水体污染控制与治理的重点方向[1, 2].非点源污染关键源区的识别是非点源污染治理的关键[3]、而非点源污染负荷和风险评估是识别非点源污染关键源区的前提条件[4].目前, 针对非点源污染研究主要以污染物负荷核算的定量研究和非点源污染风险评估的定性研究两个方面开展.国内外非点源污染负荷定量研究多采用AnnAGNPS模型[5]、SWAT模型[6]和SWMM模型[7]等机制模型模拟的方法, 这类模型优点是能模拟污染物产生和迁移的物理过程和非点源污染负荷的时空分布特征; 但缺点是计算复杂, 需要大量的监测数据对模型进行率定和参数本地化[8], 在缺乏相关监测数据的地区应用难度大、模拟精度差[9].同时, 非点源污染与气候特征、水文条件、地形地貌、植被特征、土壤理化性质和人类活动[8, 10]等因素密切相关, 具有随机性、广泛性、滞后性、潜伏性、模糊性和隐蔽性等特点[11], 增加了非点源污染治理和研究的难度[12].而观测数据的误差; 模型结构和参数的误差; 对污染物产生迁移的物理和化学过程认知的不足等3方面产生的不确定性[13, 14], 使非点源污染负荷的定量研究十分困难.
非点源污染风险评估定性研究多采用潜力指数法(APPI/T-APPI)[15, 16]、磷指数法(PI)[17]、风险指数法(PNI)[18]、输出风险模型法[19]和“源-汇”污染负荷对比指数法[20]等方法, 这类方法优点是需要数据较少, 计算简便, 能快速对区域非点源污染风险进行评估, 并常以风险概率值为间隔划分污染风险等级, 确定非点源污染关键源(高风险)区[3]; 缺点是无法揭示非点源污染迁移转化的过程和影响因素.有学者指出, 解决非点源污染问题无需对非点源污染负荷进行精确定量化[21, 22].通过构建指标体系对非点源污染风险进行评估, 快速识别非点源污染关键源区, 并提出“因地制宜, 因害设防”的措施体系才是解决区域非点源污染快速有效的途径[21].
潜在非点源污染指数模型(PNPI)[23]是非点源污染风险评估方法之一, 该模型以土地利用指标、径流指标和距离指标的加权综合表征非点源污染风险, 能快速识别非点源污染关键源区.PNPI不仅考虑自然因素对水环境的影响, 而且还考虑人为因素对区域水生态环境的压力[24]; 且输入数据为广泛可用的土地利用、数字高程(DEM)和土壤类型这3类数据, 应用范围广, 尤其是在数据缺乏区域的应用极其重要.该模型既能相对全面地考虑非点源污染过程和影响因素, 又能定量揭示非点源污染风险时间上的动态变化和空间上的高风险区域, 为非点源污染治理提供参考, 已被广泛应用于非点源污染风险的评估[24~26].原PNPI模型通过专家打分法对土地利用指标、径流指标和距离指标进行权重赋值, 而专家打分法有较强的主观性.时迪迪等[4]和聂启阳等[26]分别用均方差决策法和变异系数法改进原PNPI模型专家打分法主观确定权重的不足, 评估流域潜在非点源污染风险.客观赋值方法根据数据序列的离散程度、变化幅度和快慢、信息熵大小等特征确定权重, 虽能克服专家打分主观赋值的不足, 但受数据质量及数据处理方法等影响, 不同的客观赋权方法对各指标的赋权不同, 进而输出不同结果.然而, 目前尚缺乏关于不同赋权方法对PNPI模型输出结果的影响的对比研究.
本研究基于北运河上游流域1980、1990、2000、2010和2020年这5期土地利用类型数据、DEM数据和土壤类型数据, 通过PNPI模型解析北运河上游流域潜在非点源污染风险时空变化特征, 对比分析均方差决策法、熵值法、变异系数法、专家打分法和指数函数法等不同赋权方法对PNPI模型输出结果的影响.本研究结果以期为非点源污染风险时空变化特征模拟分析提供参考, 以期为北运河上游流域非点源污染防治提供依据.
1 材料与方法 1.1 研究区概况北运河发源于北京市昌平及海淀西北部山区, 自西北向东南流经北京市朝阳区、通州区和河北省廊坊市, 最后于天津市汇入海河(图 1).北运河上游主要由东沙河、北沙河和南沙河这3条支流组成, 汇集于沙河镇沙河水库, 地理坐标为115°50′~116°25′E, 40°00′~40°30′N, 面积约为1 135 km2.流域属于温带大陆性季风气候, 夏季炎热多雨、冬季寒冷干燥, 四季分明[27].多年平均降雨量为642.5 mm, 降雨量年内分配不均, 降雨多集中在6~8月[10].研究区高程在30~2 401 m之间, 呈现西北部地势高东南部地势平坦的特征.
|
图 1 北运河上游流域地理位置图示意 Fig. 1 Location of the upper Beiyun River basin |
本文数据主要有流域边界矢量数据, 来源于北京市水科学技术研究院; 乡镇边界矢量数据, 来源于北京市昌平区水务局; 30 m DEM栅格数据和土壤类型矢量数据均来源于北京市水科学技术研究院; 1980、1990、2000、2010和2020年这5期土地利用数据来源于地理国情监测云平台, 空间分辨率均为30 m.利用人工目视解译的方法对五期数据进行验证和修订, 形成水田、旱地、有林地、灌木林、疏林地、果园、高覆盖度草地、中覆盖度草地、河渠、水库坑塘、城镇用地、农村居民点和其它建设用地这13个二级分类土地利用数据(图 2).
|
图 2 1980~2020年北运河上游流域土地利用和土壤类型 Fig. 2 Land use and soil types in the upper Beiyun River basin from 1980 to 2020 |
PNPI模型通过将非点源污染的产生、迁移和降解这3个过程简化为土地利用指标(LCI)、径流指标(ROI)和距离指标(DI)模拟分析区域非点源污染风险.每个像元的潜在非点源污染风险PNPI值为土地利用、径流和距离这3个指标的函数:
|
式中, a为LCI系数, b为ROI系数, c为DI系数.
本文首先采用均方差决策法、熵值法、变异系数法、专家打分法和指数函数法计算流域潜在非点源污染风险; 然后用Jenks自然间断点分级法对流域非点源污染风险进行分区; 最后用斜率法表征流域非点源污染风险的时间变化趋势; 综合上述方法探究基于不同赋权方法的北运河上游流域非点源污染风险时空变化特征.
1.3.1 PNPI模型土地利用指标(LCI)表示不同土地利用方式对受纳水体造成潜在非点源污染的风险[4].土地利用指标越高, 其潜在污染风险越高.该指标值由生态学家、生物学家、自然科学家和环境工程师等领域的众多专家根据不同土地利用方式所造成的污染潜力打分(0~10)得出.本研究参考时迪迪等[4]和Cecchi等[24]的研究成果, 筛选出本研究区土地利用指标(表 1).
径流指标(ROI)表示地形、土地利用和土壤类型对污染物在运输过程中的渗漏、过滤和阻碍等作用, 由每个单元格的坡度、土壤类型和土地利用方式共同决定.径流指标越高, 表征径流非点源污染负荷损失越低, 最终进入收纳水体的污染物越多, 污染风险越高.径流指标值为像元到达受纳水体所经过所有土地单元径流系数的平均值[4, 23, 24], 本文参考Cecchi等[24]提供的径流系数(表 1)对像元的初始径流系数进行赋值, 然后进行坡度矫正(表 2), 土壤渗透等级参考车振海[28]的研究成果(表 3).
|
表 2 坡度校正表[4] Table 2 Slope correction coefficients |
|
|
表 3 土壤渗透分级[28] Table 3 Classification of soil permeability |
距离指标(DI)表示土地单元到达受纳水体的水力长度.污染物距离水体越远, 在迁移过程中降解作用影响越小, 污染风险越高.距离指标计算公式为:
|
(1) |
式中, Di为第i个单元格到受纳水体的水力距离, 用单元格数表示; k为常量, 本文取值为0.090 533[24].
1.3.2 专家打分法专家打分法是通过征询有关知名专家, 对众多专家意见进行统计、筛选、归类、处理、分析和归纳, 并客观综合专家的评分对指标进行权重赋值[29].本研究参考PNPI模型原始权重数值(LCI=0.48, ROI=0.26, DI=0.26)[23, 24, 30]评估流域非点源污染风险.
1.3.3 均方差决策法均方差决策法根据随机变量的离散程度为随机变量的权重赋值, 值越大, 变量越离散, 权重越大, 其计算步骤如下[4]:
标准化处理:
|
(2) |
计算随机变量的平均值E(Gi):
|
(3) |
计算Gi的均方差σ(Gj):
|
(4) |
计算Gj的权重系数W(Gj):
|
(5) |
式中, xij为指标集Gj中的指标值, zij为标准化后的指标值, xmax和xmin分别为Gj指标集中的最大值和最小值, E(Gi)为第j项评价指标的平均值, σ(Gj)为第j项评价指标的均方差, W(Gj)为第j项评价指标的权重.
1.3.4 熵值法熵值法根据信息熵度量一个随机变量的信息量, 信息量越多, 熵值越小, 指标权重越大; 反之亦然[31].其计算步骤如下.
假设有m样本n评价指标, 构建初始数据矩阵X:
|
(6) |
并用公式(2)进行数据标准化处理, 得到标准化矩阵Y:
|
(7) |
计算评价指标的熵值Hi:
|
(8) |
|
(9) |
计算评价指标的权重Wi:
|
(10) |
式中, xij为i个样本j项指标的原始值; xmax和xmin分别为矩阵X中的最大值和最小值; fij为i个样本j项指标的比重.
1.3.5 变异系数法变异系数法是通过随机变量的差异大小和对比强度确定变量的权重, 差异越大, 指标对评价对象的贡献越大, 权重越大[32].其计算步骤如下:
计算指标变异系数CVi:
|
(11) |
计算各指标权重Wi:
|
(12) |
式中, Xi为第i个指标均值; σi为第i个指标的标准差.
1.3.6 指数函数法参考Sartor等[15]和Yang等[16]的研究成果, 将土地利用指标归为污染源因子, 径流指标和距离指标归为污染运输因子, 描述污染源因子与运输因子之间的关系, 构建土地利用指标、径流指标和距离指标的指数函数关系.其计算步骤为: ①用公式(2)对3个指标进行标准化处理, ②建立土地利用指标、径流指标和距离指标之间的指数函数关系:
|
(13) |
Jenks自然间断点分级法又称自然断点法, 通过迭代算法计算数据序列的断点, 使各等级间差异最大化, 每个等级内差异最小化, 从而对数据中的相似值进行分组, 该方法保持了数据的统计性[33].
1.3.8 变化斜率法为研究流域潜在非点源污染风险的时间序列变化趋势, 本文采用变化斜率法对1980~2020年北运河上游流域潜在非点源污染风险的年际变化进行定量分析, 计算公式如下[34]:
|
(14) |
式中, slope为变化斜率; n为时间年数; Ai为第i年的非点源污染风险(LCI/ROI/PNPI); 当slope＜0, 表明北运河上游流域潜在非点源污染风险呈降低的趋势, 反之亦然.
2 结果与分析 2.1 潜在非点源污染风险指标时空变化特征 2.1.1 土地利用指标时空变化特征北运河上游流域的土地利用指标总体呈现东南高西北低的空间分布特征(图 3).东南区域地势平坦, 主要为旱地、城镇用地和农村居民点, 人口密集, 人类活动频繁, 农药化肥施用、村镇地表径流和生活污水排放等极易对流域产生污染, 例如: 西北旺镇、回龙观镇、沙河镇、百善镇、昌平镇、马池口镇和城南城北街道等区域.西北山区土地利用类型主要为有林地、疏林地和灌木林地等土地利用类型, 该区地势陡峭, 受人类活动干扰较少, 因此产生污染的风险较低.1980~2020年, 西北山区土地利用指标几乎不变, 而东南地区大部分区域变化相对剧烈.阳坊镇、苏家坨镇、上庄镇、流村镇西部受退耕还林[35]和生态移民[36]等政策的影响, 大部分区域土地利用类型由旱地转为疏林地或有林地, 土地利用指标值有降低的趋势; 而流村镇、南口镇、昌平镇、沙河镇、百善镇、史各庄、回龙观镇和永丰乡受城镇化[37]的影响, 地类由旱地转为城镇用地, 土地利用指标值有持续增加的趋势.
|
图 3 1980~2020年北运河上游流域土地利用指标时空变化特征 Fig. 3 Spatial-temporal variation characteristics of LCI in the upper Beiyun River basin from 1980 to 2020 |
流域径流指标整体呈西北高东南低的空间特征(图 4).径流指标值主要受土壤类型、土地利用和坡度等因素的影响.研究区土壤类型以褐土、潮土和棕壤为主, 土壤渗透等级属于中等和弱两个强度, 因此该区径流指标值受土壤类型的影响较小.主城区不透水面积比例高, 径流系数在0.77~0.92之间, 污染物迁移过程中损失较少, 污染风险较高, 而有林地、疏林地和灌木林地的径流系数在0.36~0.84之间.研究区坡度差异较大, 西北山区地势陡峭, 坡度较大, 污染物在迁移过程中向下渗透少, 坡度对径流系数的修正系数较高, 导致径流指标值较高; 而东南平原区坡度较小, 坡度对径流系数的修正系数较低, 坡度与径流指标有较强的相关性.1980~2020年, 径流指标西北山区变化小, 而东南平原区受土地利用类型变化的影响, 变化较大.流村镇、南口镇和昌平镇等主城区在城市扩张影响下, 下垫面不透水面积占地和径流系数逐渐增加, 因此, 径流指标呈增加的趋势; 而苏家坨镇、上庄镇和流村镇西部区域, 地类由旱地变为有林地和疏林地, 径流系数降低, 导致径流指标呈降低的趋势.
|
图 4 1980~2020年北运河上游流域径流指标时空变化特征 Fig. 4 Spatial-temporal variation characteristics of ROI in the upper Beiyun River basin from 1980 to 2020 |
如图 5所示, 距离受纳水体越近, 非点源污染物在迁移过程中损失越小, 非点源污染风险越高; 距离受纳水体越远, 非点源污染物在迁移过程中损失越多, 非点源污染风险越低.
|
图 5 距离指标空间特征 Fig. 5 Spatial characteristics of DI |
不同赋权方法得出流域非点源污染风险空间分布特征如图 6.整体上, 北运河上游非点源污染风险呈西北低东南高的空间分布特征, 极高风险区主要分布在受纳水体两侧.主要原因是: ①西北山区土地利用类型主要为林地、草地, 且远离受纳水体和居民地, 产生污染风险较少, 潜在非点源污染风险极低; ②东南平原区域地势平坦, 土地类型主要为水田、旱地、城镇用地、农村居民点等地类、土地利用指标极高; 同时靠近河网, 污染物对受纳水体的污染风险较高, 距离指标较高; ③东南平原, 地类受人类干扰, 养殖业和种植业发达, 化肥农药和畜禽粪便增加污染风险.变异系数和均方差决策法得出西部山区主要为极低风险区, 但还伴随着低和中等风险区, 而熵值法和专家打分得出该区主要为低风险区, 伴随着中等风险区; 而指数函数得出该区基本全部为极低风险区.变异系数和均方差决策法得出东南平原区中等风险区主要分布远离受纳水体和居住地的区域, 高风险区主要分布在城镇用地和农村居民点上, 极高风险区主要分布在受纳水体附近; 指数函数得出该区主要为中等风险区, 而熵值法和专家打分法主要为高风险区和极高风险区.
|
图 6 1980~2020年基于不同赋权方法潜在非点源污染风险空间变化特征 Fig. 6 Temporal change characteristics of potential non-point source pollution risks based on different weighting methods from 1980 to 2020 |
不同赋权方法得出各风险等级面积占比差异较大(表 4).流域潜在非点源污染风险极低、低、中等、高和极高区的1980~2020年平均面积占比分别为: ① 30.04%、14.02%、26.98%、17.38%和11.58%(变异系数法); ②31.36%、18.24%、17.85%、20.38%和12.17%(均方差决策法); ③ 3.72%、35.32%、15.95%、21.10%和23.92%(熵值法); ④ 54.22%、1.05%、19.51%、19.00%和6.23%(指数函数法); ⑤0.54%、38.04%、16.38%、26.63%和18.40%(专家打分法).其中, 指数函数法得出非点源污染风险极低风险区面积占比最高为54.22%, 而低风险和极高风险面积占比最低, 分别为1.05%和6.23%; 专家打分法得出非点源污染风险极低风险面积占比最小6.17%, 而低风险和高风险最高分别为38.04%和26.63%.
|
|
表 4 1980~2020年基于不同赋权方法潜在非点源污染风险等级和平均面积占比 Table 4 Risk levels of potential non-point source pollution and the proportion of average area based on different weighting methods from 1980 to 2020 |
2.3 不同赋权方法潜在非点源污染风险时间变化特征对比分析 2.3.1 指标权重时间变化特征分析
不同的赋权方法得到的土地利用、径流和距离这3个指标的权重如表 5.均方差决策法、熵值法、变异系数法和专家打分法均得出土地利用指标权重最大, 平均权重分别为0.46、0.53、0.45和0.48, 这表明可以通过调整土地利用结构降低流域潜在非点源污染风险[4].但不同赋权方法得到的径流和距离权重差异较大, 均方差决策法和变异系数法得出的径流指标权重在这3个指标中最小, 平均权重分别为0.21和0.10, 而熵值法却得出距离指标平均权重最小为0.15.1980~2020年, 均方差决策法和变异系数法土地利用指标权重有增加的趋势, 而熵值法土地利用指标权重有降低的趋势.受退耕还林、城镇化和生态移民等政策的影响, 土地利用结构发生改变, 土地利用斑块破碎度增加, 导致土地利用指标的离散性和差异性增加, 不同赋权方法得出的土地利用指标权重变化趋势不同.
|
|
表 5 1980~2020年土地利用指标、径流指标和距离指标权重 Table 5 Weightings of the land use, runoff, and distance indicators from 1980 to 2020 |
2.3.2 潜在非点源污染风险时间变化特征分析
不同的赋权方法得出北运河上游非点源污染风险的时间变化特征如图 7.除熵值法外, 其它4种方法得到的非点源污染风险时间变化率的空间分布基本一致.西北山区流域非点源污染风险基本不变, 仅受纳水体附近的非点源污染风险有增加的趋势.东南地区流域非点源污染风险时间变化剧烈, 苏家坨镇、上庄镇、流村镇西部和阳坊镇受退耕还林[35]和生态移民[36]等政策的影响, 部分区域土地利用类型由旱地转为疏林地和有林地, 或由水田转为旱地, 导致非点源污染风险降低.而流域非点源污染风险增加的区域主要为城镇用地, 农村居民点等地类.例如: 南口镇、昌平镇、南邵镇、马池口镇、沙河镇、百善镇、巩华镇、七里渠乡、史各庄、回龙观镇和永丰乡、东北旺乡等城区快速向外扩张, 地类由旱地转为城镇用地, 土地利用指标和径流指标增加, 导致流域非点源污染风险增加.熵值法得出昌平镇、七里渠乡、史各庄和回龙观镇等城区非点源污染风险呈增加的趋势, 而东南平原区大部分地区却呈减少的趋势, 与其他赋权方法得出的趋势不同.主要是因为熵值法求出径流指标权重较大, 但径流指标值较小; 同时径流指标权重呈增加的趋势, 权重越来越大; 而且熵值法求出土地利用指标呈减少的趋势, 导致该区非点源污染风险值逐渐降低.
|
图中数字为各风险等级的面积袁单位为km2 图 7 1980~2020年基于不同赋权方法潜在非点源污染风险时间变化特征 Fig. 7 Temporal change characteristics of potential non-point source pollution risks based on different weighting methods from 1980 to 2020 |
1980~2020年, 不同赋权方法所得的潜在非点源污染风险各等级面积变化趋势不一致(图 7).变异系数法得出中等风险区面积比例呈减少趋势, 减少了6.61%, 其它4个风险等级区面积比例均呈增加趋势; 专家打分法得出高风险区面积比例呈减少的趋势, 减少了5.52%, 其它4个风险等级区面积比例均呈增加的趋势.均方差决策法、指数函数法得出极低风险区和低风险区面积比例均呈增加的趋势, 分别增加了2.76%、4.04%和1.11%、0.41%, 而熵值法得出极低风险呈降低的趋势.均方差决策法、熵值法和指数函数法得出高风险区和极高风险区均呈降低的趋势.整体上, 极低和低风险区呈增加的趋势, 而高和极高风险区呈减少的趋势.
2.3.3 极高和高风险区土地结构分析不同赋权方法得出的极高风险区和高风险区内各土地类型面积占比差异较大(图 8).极高风险区的主要地类为城镇用地、旱地、农村居民点、果园、水田和其它建设用地.极高风险区中水田、旱地和果园的面积占比在1980~2020年间分别减少: ① 18.50%、17.66%和10.79%(专家打分方法); ② 26.23%、18.92%和14.98%(指数函数法); ③ 22.11%、10.53%和16.10%(熵值法); ④ 16.47%、17.55%和9.74%(均方差决策法); ⑤ 14.82%、17.96%和8.71%(变异系数法).而城镇用地、农村居民点和其它建设用地极高风险区中面积占比分别增加: ① 36.02%、9.66%和1.30%(专家打分方法); ② 56.30%、1.46%和2.37%(指数函数法); ③38.92%、8.77%和1.06%(熵值法); ④29.88%、11.88%和2.07%(均方差决策法); ⑤ 25.81%、13.74%和2.20%(变异系数法).高风险区的主要土地利用类型为水田、旱地、果园、城镇用地、农村居民点、其它建设用地和草地(高、中覆盖度草地), 其中旱地面积占比最大.从图 8可见, 高风险区中水田、旱地和果园的面积比例呈降低的趋势, 而城镇用地、农村居民点和其它建设用地面积比例呈增加的趋势.研究时序内北运河上游流域潜在非点源污染极高和高风险区主要地类由水田、旱地和果园逐渐演变为城镇用地和农村居民地.
|
图 8 1980~2020年基于不同赋权方法潜在非点源污染极高和高风险区土地类型 Fig. 8 Land types in areas with extremely high and high risk of potential non-point source pollution based on different weighting methods from 1980 to 2020 |
PNPI模型通过土地利用、径流和距离这3个指标综合反映非点源污染发生的风险, 其优点是输入数据的广泛可用性, 无需详细的基础数据和实测的水文数据; 且操作简单, 能有效地解析出符合流域实际的潜在非点源污染风险分布特征[4].但PNPI模型不能详细模拟和评估每一种污染物的迁移过程和污染物负荷; 同时该模型是靠专家的经验来对土地利用指标赋值, 具有一定的主观性[26]; 而且不同地区的气候、土地利用管理、土地利用强度和耕作方式不同, 会使PNPI模型的土地利用参数无法通用[30].因此, 未来可采用实测水质数据, 构建不同污染物和土地利用指标之间的定量关系, 校核PNPI模型参数, 以实现PNPI模型对特定污染物负荷的定量模拟和污染物关键源解析, 提升PNPI模型的适用性.
本研究表明赋权方法对流域非点源污染风险分析结果影响较大, 不同赋权方法得出流域潜在非点源污染风险时空变化特征不同.不同赋权方法得出的流域潜在非点源污染风险可以分为3类(图 6和图 7), Ⅰ类是以专家打分法和熵值法得出的流域非点源污染风险“严格”型, 这类非点源污染极高和高风险区面积占比较大, 而极低风险区面积占比较小; Ⅱ类是以均方差决策法和变异系数法得出的流域非点源污染风险“中等”型, 这类非点源污染5个风险等级面积占比相对平均; Ⅲ类是以指数函数法得出的流域非点源污染风险“宽松”型, 这类非点源污染极低风险区面积占比较大, 而极高风险面积占比较小.北运河上游是北运河重要的水源涵养区, 对改善流域生态环境和水生态修复至关重要; 同时, “山水林田湖草是生命共同体”对流域水污染治理提出了严格要求.在Ⅰ类“严格”型中, 东南地区非点源污染风险几乎全部为极高和高风险区, 非点源污染关键源区面积太大, 而且还包含有林地和疏林地等非点源污染风险较低的土地利用类型, 与实际情况不符; 在Ⅱ类“中等”型中, 非点源污染极高和高风险区主要分布在东南地区的城镇用地和旱地上, 得出的非点源污染极高和高风险区时空分布特征与指数函数法得出的结果相似.因此, 北运河上游非点源污染风险评估应推荐均方差决策法和变异系数法对土地利用、径流和距离这3个指标进行赋权.结果为流域非点源污染重点(高风险)区优先治理提供空间依据, 从而尽可能降低北运河上游非点源污染风险, 保障流域水生态安全.而根据流域的实际情况, 本研究得出指数函数法输出的结果更符合北运河上游流域非点源污染风险空间分布特征.首先, 西北山区主要土地利用类型为有林地、灌木林和疏林地, 植被覆盖度较高, 水土流失量较小; 同时该区坡度陡峭, 受人类活动影响较小, 且远离下游受纳水体, 应属于极低风险区.熵值法和专家打分法判断该区域主要为低风险和中等风险区; 变异系数法和均方差决策法判断该区域主要为极低风险区, 但还伴随着大面积的低和中等风险区; 而指数函数法得出该区基本全部为极低风险区, 与实际情况一致.其次, 由表 6可见, 指数函数法得出的极低风险区面积占比与研究区林地(林地、灌木林和疏林地)的面积占比最为接近.此外, 指数函数法避免了指标权重确定带来的主观误差[16]和数据质量带来的系统误差, 清晰地描述了污染源因子与运输因子之间的指数函数关系[38].
|
|
表 6 1980~2020年林地与不同赋权方法极低风险区面积占比/% Table 6 Area proportion of woodland and extremely low-risk areas with different weighting methods from 1980 to 2020/% |
流域非点源污染防治应根据非点源污染风险的空间分布特征合理布局防控措施体系.例如: 极高风险区的城乡居民点应优先治理, 可采用生物滞留池[39]、透水铺装[40]、植被过滤带[41]和人工湿地[42]等措施降低地表径流污染风险; 对于高风险的旱地和果园等污染区域, 可通过调整种植结构, 改变传统种植模式, 推行测土配方、定量施肥施药以降低农药和化肥等污染风险; 对于畜禽养殖污染风险可推行畜禽生态养殖模式[43], 采用畜禽粪便无害化处理[44]等措施; 而对于西北低风险区可采取封育措施进行生态保护.本研究表明, 合理优化土地利用结构和空间布局能降低区域非点源污染风险.但土地利用变化复杂, 且存在空间异质性, 无法通过改变某种地类的面积去评价流域非点源污染风险的变化情况.例如: 本研究中水田、旱地和果园等高风险地类在减少, 但城镇用地和农村居民点等高风险地类却在增加, 无法判断流域非点源污染高风险区面积是降低还是增加.因此, 如何优化土地利用结构和空间布局; 城镇用地、农村居民点和旱地等地类的面积变化及其向非点源污染高风险区的转化情况等问题有待进一步研究.
4 结论(1) 北运河上游非点源污染风险呈东南部高西北部低空间特征.极高风险区主要分布在人口密集的东南平原区河道两侧, 主要土地利用类型为水田、旱地、果园、城镇用地、农村居民点和其它建设用地, 极低风险区主要分布在远离受纳水体的西北山区.1980~2020年, 北运河上游非点源污染极高和高风险区面积呈减少的趋势, 而极低和低风险区却呈增加的趋势; 同时极高和高风险区主要地类由旱地、水田和果园逐渐变为城镇用地和农村居民地.
(2) 均方差决策法、熵值法、变异系数法和专家打分法均得出土地利用指标权重最大, 平均权重分别为0.46、0.53、0.45和0.48, 而不同赋权方法确定的径流指标和距离指标的权重差异较大, 得出的各非点源污染风险等级区的面积占比差异也较大.
(3) 指数函数法通过建立土地利用指标与径流和距离两个指标之间的指数函数关系, 输出结果更符合流域非点源污染风险空间分布特征, 得出极低风险区面积占比最高为54.22%, 而低风险和极高风险面积占比最低分别为1.05%和6.23%.
| [1] | Lian Q Y, Yao L G, Ahmad Z U, et al. Nonpoint source pollution[J]. Water Environment Research, 2019, 91(10): 1114-1128. DOI:10.1002/wer.1205 |
| [2] |
陈仕奇, 龙翼, 严冬春, 等. 三峡库区石盘丘小流域氮磷输出形态及流失通量[J]. 环境科学, 2020, 41(3): 1276-1285. Chen S Q, Long Y, Yan D C, et al. Characteristics of nitrogen and phosphorus output and loss flux in the shipanqiu watershed, Three Gorges Reservoir Area[J]. Environmental Science, 2020, 41(3): 1276-1285. |
| [3] |
冯爱萍, 王雪蕾, 徐逸, 等. 基于DPeRS模型的海河流域面源污染潜在风险评估[J]. 环境科学, 2020, 41(10): 4555-4563. Feng A P, Wang X L, Xu Y, et al. Assessment of potential risk of diffuse pollution in Haihe River Basin based using DPeRS model[J]. Environmental Science, 2020, 41(10): 4555-4563. |
| [4] |
时迪迪, 张守红, 王红. 北沙河上游流域潜在非点源污染风险时空变化分析[J]. 环境科学研究, 2020, 33(4): 921-931. Shi D D, Zhang S H, Wang H. Risk analysis of spatio-temporal variation of potential non-point source pollution in the upper reaches of the Beisha River[J]. Research of Environmental Sciences, 2020, 33(4): 921-931. |
| [5] | Yasarer L M W, Lohani S, Bingner R L, et al. Assessment of the soil vulnerability index and comparison with AnnAGNPS in two Lower Mississippi River Basin watersheds[J]. Journal of Soil and Water Conservation, 2020, 75(1): 53-61. DOI:10.2489/jswc.75.1.53 |
| [6] | Liu R M, Xu F, Zhang P P, et al. Identifying non-point source critical source areas based on multi-factors at a basin scale with SWAT[J]. Journal of Hydrology, 2016, 533: 379-388. DOI:10.1016/j.jhydrol.2015.12.024 |
| [7] |
刘芳, 赵进勇, 路明, 等. 基于SWMM的城市初雨净化设施布局优化研究[J]. 中国水利水电科学研究院学报, 2020, 18(3): 212-222. Liu F, Zhao J Y, Lu M, et al. Research on layout optimization of urban initial rain purification facilities based on SWMM[J]. Journal of China Institute of Water Resources and Hydropower Research, 2020, 18(3): 212-222. |
| [8] | Shen Z Y, Liao Q, Hong Q, et al. An overview of research on agricultural non-point source pollution modelling in China[J]. Separation and Purification Technology, 2012, 84: 104-111. DOI:10.1016/j.seppur.2011.01.018 |
| [9] |
王清睿, 刘瑞民, 门聪, 等. 基于CLUE-S的香溪河土地利用变化预测与总磷污染负荷分析[J]. 农业环境科学学报, 2018, 37(4): 747-755. Wang Q R, Liu R M, Men C, et al. Land use change predictions based on the CLUE-S model and total phosphorus load analysis[J]. Journal of Agro-Environment Science, 2018, 37(4): 747-755. |
| [10] | Shen Z Y, Hou X S, Li W, et al. Relating landscape characteristics to non-point source pollution in a typical urbanized watershed in the municipality of Beijing[J]. Landscape and Urban Planning, 2014, 123: 96-107. DOI:10.1016/j.landurbplan.2013.12.007 |
| [11] |
欧阳威, 刘迎春, 冷思文, 等. 近三十年非点源污染研究发展趋势分析[J]. 农业环境科学学报, 2018, 37(10): 2234-2241. Ouyang W, Liu Y C, Leng S W, et al. An analysis of research trends about non-point source pollution over the last three decades[J]. Journal of Agro-Environment Science, 2018, 37(10): 2234-2241. DOI:10.11654/jaes.2017-1768 |
| [12] |
闫雪嫚, 卢文喜, 欧阳琦. 基于替代模型的非点源污染模拟不确定性分析——以石头口门水库汇水流域为例[J]. 中国环境科学, 2017, 37(8): 3011-3018. Yan X M, Lu W X, Ouyang Q. Uncertainty analysis of non-point source pollution simulation based on surrogate model-case study for Shitoukoumen Reservoir Catchment Basin[J]. China Environmental Science, 2017, 37(8): 3011-3018. DOI:10.3969/j.issn.1000-6923.2017.08.025 |
| [13] | Yan X M, Lu W X, An Y K, et al. Assessment of parameter uncertainty for non-point source pollution mechanism modeling: a Bayesian-based approach[J]. Environmental Pollution, 2020, 263. DOI:10.1016/j.envpol.2020.114570 |
| [14] | Zhai X Y, Zhang Y Y, Wang X L, et al. Non-point source pollution modelling using Soil and Water Assessment Tool and its parameter sensitivity analysis in Xin'anjiang catchment, China[J]. Hydrological Processes, 2014, 28(4): 1627-1640. DOI:10.1002/hyp.9688 |
| [15] | Sartor J D, Boyd G B, Agardy F J. Water pollution aspects of street surface contaminants[J]. Journal-Water Pollution Control Federation, 1974, 46(3): 458-467. |
| [16] | Yang F, Xu Z C, Zhu Y Q, et al. Evaluation of agricultural nonpoint source pollution potential risk over China with a Transformed-Agricultural Nonpoint Pollution Potential Index method[J]. Environmental Technology, 2013, 34(21-24): 2951-2963. |
| [17] | Li Z G, Zhang R H, Liu C, et al. Phosphorus spatial distribution and pollution risk assessment in agricultural soil around the Danjiangkou reservoir, China[J]. Science of the Total Environment, 2020, 699. DOI:10.1016/j.scitotenv.2019.134417 |
| [18] | Wu B, Zhang X, Xu J, et al. Assessment and management of nonpoint source pollution based on multicriteria analysis[J]. Environmental Science and Pollution Research, 2019, 26(26): 27073-27086. DOI:10.1007/s11356-019-05923-3 |
| [19] |
荆延德, 张华美. 基于LUCC的南四湖流域面源污染输出风险评估[J]. 自然资源学报, 2019, 34(1): 128-139. Jing Y D, Zhang H M. Risk assessment of non-point source pollution output in Nansihu Lake basin based on LUCC[J]. Journal of Natural Resources, 2019, 34(1): 128-139. |
| [20] |
许芬, 周小成, 孟庆岩, 等. 基于"源-汇"景观的饮用水源地非点源污染风险遥感识别与评价[J]. 生态学报, 2020, 40(8): 2609-2620. Xu F, Zhou X C, Meng Q Y, et al. Remote sensing identification and evaluation of non-point source pollution risk of drinking water source based on "source-sink" landscape[J]. Acta Ecologica Sinica, 2020, 40(8): 2609-2620. |
| [21] |
贾玉雪, 帅红, 韩龙飞. 基于"源-汇"理论的资江下游地区非点源污染风险区划[J]. 应用生态学报, 2020, 31(10): 3518-3528. Jia Y X, Shuai H, Han L F. Zonation on non-point source pollution risk in the lower reaches of Zijiang River based on the "source-sink" theory[J]. Chinese Journal of Applied Ecology, 2020, 31(10): 3518-3528. |
| [22] |
雷能忠, 黄大鹏. 基于GIS的农业面源污染风险评估[J]. 中国农学通报, 2007, 23(12): 381-385. Lei N Z, Huang D P. Research on risk assessment of agricultural non-point source pollution with GIS[J]. Chinese Agricultural Science Bulletin, 2007, 23(12): 381-385. DOI:10.3969/j.issn.1000-6850.2007.12.082 |
| [23] | Munafò M, Cecchi G, Baiocco F, et al. River pollution from non-point sources: a new simplified method of assessment[J]. Journal of Environmental Management, 2005, 77(2): 93-98. |
| [24] | Cecchi G, Munafò M, Baiocco F, et al. Estimating river pollution from diffuse sources in the Viterbo province using the potential non-point pollution index[J]. Annali dell'Istituto Superiore di Sanita, 2007, 43(3): 295-301. |
| [25] |
李婷, 武晓峰. 基于PPI的河段水体潜在污染研究[J]. 环境科学, 2010, 31(11): 2619-2626. Li T, Wu X F. Study on the potential pollution in river section based on PPI[J]. Environmental Science, 2010, 31(11): 2619-2626. |
| [26] |
聂启阳, 吕继强, 孙夏利, 等. 土地利用变化影响的灞河流域潜在非点源污染风险时空变化特征[J]. 水资源与水工程学报, 2019, 30(5): 80-88. Nie Q Y, Lü J Q, Sun X L, et al. Spatial and temporal variations of non-point source pollution risk affected by land use changes in Bahe River Basin[J]. Journal of Water Resources & Water Engineering, 2019, 30(5): 80-88. |
| [27] | Liu J, Shen Z Y, Chen L. Assessing how spatial variations of land use pattern affect water quality across a typical urbanized watershed in Beijing, China[J]. Landscape and Urban Planning, 2018, 176: 51-63. DOI:10.1016/j.landurbplan.2018.04.006 |
| [28] | 车振海. 试论土壤渗透系数的经验公式和曲线图[J]. 东北水利水电, 1995(9): 17-19. |
| [29] |
杨丰政. 基于GIS的徐水县气象灾害风险评估研究[D]. 南京: 南京信息工程大学, 2012. Yang F Z. Zoning of risk assessment of meteorological disaster based on GIS in Xushui county[D]. Nanjing: Nanjing University of Information Science & Technology, 2012. |
| [30] |
李婷. 基于PPI的流域污染负荷分布评价研究[D]. 北京: 清华大学, 2010. Li T. Study on assessment of pollution load in small watershed based on PPI[D]. Beijing: Tsinghua University, 2010. |
| [31] |
耿润哲, 王萌, 何洪宇, 等. 生态环境行业扶贫绩效量化评估方法初探: 以承德市围场满族蒙古族自治县为例[J]. 环境科学研究, 2021, 34(2): 501-510. Geng R Z, Wang M, He H Y, et al. Quantitative evaluation and analysis the performance of ecological and environment poverty alleviation: an example study in Weichang county, Chengde City[J]. Research of Environmental Sciences, 2021, 34(2): 501-510. |
| [32] |
王立盟, 孟浩. 基于熵值和变异系数组合赋权法的生态文明评价体系构建及实证分析[J]. 高技术通讯, 2018, 28(4): 372-381. Wang L M, Meng H. Design and empirical research on the ecological civilization construction evaluation system based on entropy method and coefficient of variation[J]. Chinese High Technology Letters, 2018, 28(4): 372-381. DOI:10.3772/j.issn.1002-0470.2018.04.011 |
| [33] | 赖冠中, 陈文音. 基于自然断点法分析的城乡建设用地整理潜力分区研究——以汕头市濠江区为例[J]. 广西城镇建设, 2019(12): 123-127. DOI:10.3969/j.issn.1672-7045.2019.12.016 |
| [34] |
夏会娟, 孔维静, 孙建新, 等. 基于MODIS NDVI的辽河保护区成立前后植被覆盖时空动态研究[J]. 生态学报, 2018, 38(15): 5434-5442. Xia H J, Kong W J, Sun J X, et al. Spatial-temporal dynamics of vegetation cover before and after establishment of Liaohe River Reserve based on MODIS NDVI[J]. Acta Ecologica Sinica, 2018, 38(15): 5434-5442. |
| [35] |
逯进生. 北京市退耕还林成效分析及成果巩固策略[J]. 林业资源管理, 2009(5): 44-49. Lu J S. Analysis and consolidation strategies of the results of the "Returning Farmland to Forest" project in Beijing[J]. Forest Resources Management, 2009(5): 44-49. DOI:10.3969/j.issn.1002-6622.2009.05.010 |
| [36] | 王江. 密云水库上下游流域生态补偿政策设计初探[J]. 中国农村水利水电, 2014(9): 68-69. DOI:10.3969/j.issn.1007-2284.2014.09.017 |
| [37] |
韩会然, 杨成凤, 宋金平. 北京市土地利用空间格局演化模拟及预测[J]. 地理科学进展, 2015, 34(8): 976-986. Han H R, Yang C F, Song J P. Simulation and projection of land-use change in Beijing under different scenarios[J]. Progress in Geography, 2015, 34(8): 976-986. |
| [38] |
郝芳华, 杨胜天, 程红光, 等. 大尺度区域非点源污染负荷计算方法[J]. 环境科学学报, 2006, 26(3): 375-383. Hao F H, Yang S T, Cheng H G, et al. A method for estimation of non-point source pollution load in the large-scale basins of China[J]. Acta Scientiae Circumstantiae, 2006, 26(3): 375-383. DOI:10.3321/j.issn:0253-2468.2006.03.004 |
| [39] | Zhang S H, Guo Y P. SWMM simulation of the storm water volume control performance of permeable pavement systems[J]. Journal of Hydrologic Engineering, 2015, 20(8). DOI:10.1061/(ASCE)HE.1943-5584.0001092 |
| [40] |
李美玉, 张守红, 王云琦, 等. 不同清理方式对北京市透水砖铺装渗透率衰减过程影响[J]. 北京林业大学学报, 2020, 42(3): 143-150. Li M Y, Zhang S H, Wang Y Q, et al. Clogging processes of permeable paver systems under different maintenance methods in Beijing[J]. Journal of Beijing Forestry University, 2020, 42(3): 143-150. |
| [41] |
汤家喜, 何苗苗, 周博文, 等. 辽河上游河岸植被过滤带对地下渗流中氮磷截留效果的影响[J]. 水土保持学报, 2018, 32(1): 39-45. Tang J X, He M M, Zhou B W, et al. Ground water nitrogen and phosphorus retention by established riparian vegetated filter strips in the Upstream of Liaohe River[J]. Journal of Soil and Water Conservation, 2018, 32(1): 39-45. |
| [42] |
赵林丽, 邵学新, 吴明, 等. 人工湿地不同基质和粒径对污水净化效果的比较[J]. 环境科学, 2018, 39(9): 4236-4241. Zhao L L, Shao X X, Wu M, et al. Effects of different substrates and particle sizes on wastewater purification[J]. Environmental Science, 2018, 39(9): 4236-4241. |
| [43] |
郭珊珊, 张涵, 杨汝馨. 基于耕地承载力的畜禽养殖污染负荷及环境风险研究——以四川省为例[J]. 水土保持通报, 2019, 39(1): 226-232. Guo S S, Zhang H, Yang R X. Pollutant loads and environmental risks of livestock production based on arable land carrying capacity-a case study in Sichuan province[J]. Bulletin of Soil and Water Conservation, 2019, 39(1): 226-232. |
| [44] |
武淑霞, 刘宏斌, 黄宏坤, 等. 我国畜禽养殖粪污产生量及其资源化分析[J]. 中国工程科学, 2018, 20(5): 103-111. Wu S X, Liu H B, Huang H K, et al. Analysis on the amount and utilization of manure in livestock and poultry breeding in China[J]. Strategic Study of CAE, 2018, 20(5): 103-111. |