2024, Vol. 45
2. 兰州交通大学建筑与城市规划学院, 兰州 730070
2. School of Architecture and Urban Planning, Lanzhou Jiaotong University, Lanzhou 730070, China
河流水质优劣对于流域内水资源安全和生态建设具有重要作用, 是流域生态环境高水平保护和社会经济可持续发展的关键因素[1], 河流作为陆地生态系统主要汇集处, 受周围土地利用类型及景观格局影响显著[2]. 近年来, 探究不同时空尺度下土地利用类型与水质指标的相关关系已成为当前国内外学者的研究热点[3 ~ 8]. 在分析土地利用类型、景观指数与水质指标的相关关系时逐渐加入气候、地形等相关因素, 综合判断研究区域环境特征对水质指标的影响, 王杰等[9]在研究环巢湖景观对河流水质影响时, 不仅分析土地利用和景观指数对水质的相关性, 同时探究了气候、地形和土壤和水质指标的相关关系. 针对分析方法的选择与使用, 学者们采用冗余分析[10]、多元线性回归分析和主成分分析等方法探究土地利用和水质指标的相关关系, 易帆等[11]采用冗余分析和主成分分析等方法探究了大渡河流域不同空间尺度下土地利用对水质指标的影响, 得出大空间尺度缓冲区下土地利用对水质影响更加显著；文献[12, 13]采用主成分分析和皮尔逊相关性分析, 得出城市用地是对河流水质影响程度最高的土地利用类型. 总氮（TN）是衡量水质污染程度, 水体富营养化的重要指标之一[14], 其主要来源为生活污水、化肥和农药等[15]. 已有研究针对土地利用/景观指数对TN的研究得出绿地林地、香农多样性指数（SHDI）和景观性状指数（LSI）对TN存在负相关作用, 耕地、建设用地、景观聚集度指数（AI）和最大斑块指数（LPI）等指标对TN存在正相关作用[16, 17]. 综上, 现阶段土地利用及景观格局对水质特征的相关关系研究已有一定的进展, 但量化土地利用和景观格局与水质的相关关系的研究却鲜有提及. Yao等[18]结合土地利用与水质指标的关系模型提出了土地利用是快速城市化水质预测的重要指标, 探究高精度的回归模型结合土地利用变化模型做水质预测会成为未来的研究热点之一. 因此, 本文在研究土地利用/景观格局指数对水质指标相关性研究的基础上, 以总氮为主要研究对象, 在研究不同土地利用/景观指数对水体TN的影响程度的基础上, 探究相关性的量化关系, 建立以土地利用与景观格局为基础的流域水质预测方法.
黄河流域甘肃段是整个黄河流域重要的水源涵养区和生态补给区, 甘肃段的生态环境质量直接关系到黄河流域的生态安全[19]. 现阶段, 国内外针对黄河流域甘肃段综合的水环境质量评价和土地利用及景观格局与水质的响应关系的相关研究较少. 因此, 本研究以黄河上游甘肃段为研究区域, 结合区域内独特的地理特征, 将黄河上游甘肃段划分为水源涵养区[20]、水土流失区[21]和生态脆弱区[22]这3种典型区域, 通过采用水质评价方法和随机森林回归模型等方法对不同典型区域内土地利用及景观格局开展针对性研究, 同时使用BP神经网络[23]量化土地利用及景观指数与水质指标的响应关系, 旨在为黄河上游甘肃段水环境保护、土地利用优化提供科学依据.
1 材料与方法 1.1 研究区概况黄河流域甘肃段位于100.0°~108.5°E, 33.0°~37.5°N, 地处黄河上游, 黄土高原西侧, 总面积14.3×104 km2, 占黄河流域总面积的17.65%, 贡献了黄河60%的水资源量[24]. 区域年平均降水量400 mm且集中在7~9月, 年平均气温7℃. 黄河流域甘肃段位于青藏高原与黄土高原的过渡带, 由于气候作用以及地表植被稀少, 致使甘肃段对黄河多年平均输沙量超过5 000万t. 甘肃是黄河流域重要的水源涵养区和补给区[25], 承担着我国主要江河源头产流区保护、涵养水源、防风固沙和生物多样性保护等重要生态功能. 本研究选取黄河流域甘肃段6个水质监测断面为研究点, 其中S1和S2位于所属水源涵养区的甘南藏族自治州, S3和S5位于所属水土流失区的临夏回族自治州, S4和S6位于所属生态脆弱区的兰州市, 研究区域及采样点如图 1所示.
|
图 1 研究区域示意 Fig. 1 Schematic of the study area |
水质数据为2020年黄河流域甘肃段6个点位的水质监测数据, 该数据统计了2020年1~12月6个水样点, 数据分析选取月监测平均值, 监测点位如图 1所示. 采样和分析方法参照《地表水环境质量标准》（GB 3838-2002）[26], 选取溶解氧（DO）、高锰酸盐指数、氨氮（NH4+-N）、总氮（TN）和总磷（TP）等5项指标为代表性水质分析指标.
土地利用数据由地理空间数据云平台获取2020年研究区域对应的Landsat8遥感影像数据, 空间分辨率为30 m. 采用ENVI5.3软件监督分类与人工目视解译相结合的方法, 将土地利用数据分为耕地、森林、灌木地、草地、水体、雪山/冰川、荒地、建设用地和湿地等9种类型. 其中, 雪山和湿地占比极低, 在分析中不做研究. 基于现有缓冲区划分研究[27 ~ 30], 使用ArcGIS 10.8在河流上游建立水质监测断面的河岸带缓冲区, 缓冲区半径选取200 m、500 m、1 km、2 km、5 km和10 km.
1.3 分析方法 1.3.1 水质评价方法单因子指数水质评价方法是将各项水质指标的实测值与《地表水环境质量标准》（GB 3838-2002）中的水质标准中对应项的标准限值进行对比, 选取超标严重的单项指标作为所属水样的水质类别, 能够直观地了解到水质状况, 同时能够有效地避免了确定指标权重的主观随意性[31].
1.3.2 景观指数法景观指数是高度浓缩景观格局信息, 能够定量反映研究区域的空间异质性[32]. 参考国内外现有研究[33 ~ 36], 从表征景观的丰富度、优势度、破碎度及多样性等景观指标中选取6个景观指数. 包括斑块个数（NP）、斑块密度（PD）、聚集度指数（AI）、最大斑块指数（LPI）、景观形状指数（LSI）和香农多样性指数（SHDI）, 各景观指数生态学意义如表 1所示.
|
表 1 研究所选景观指数及其生态学意义 Table 1 Selected landscape index and the ecological significance |
1.4 数据处理与统计分析方法
基于黄河甘肃段内各断面2020年1~12月水质月监测数据, 结合研究区段地理位置特殊性, 采用单因子指数法开展水质综合评价, 以获得研究区科学、准确的水环境评价结果以及影响断面水质的主要污染因子. 同时基于研究区段2020年土地利用数据, 通过ArcGIS和Fragstats软件进行监测断面不同空间尺度的缓冲区划分与景观指数计算. 使用随机森林回归模型[37]衡量土地利用类型及景观指数对不同水期内水质指标解释能力, 在此基础上使用SPSSPRO软件建立土地利用类型及景观指数与水质的相关关系的BP神经网络模型, 通过训练的BP神经网络模型实现水质预测功能.
2 结果与分析 2.1 水质特征分析选用地表Ⅲ类水水质标准开展黄河甘肃段不同典型区域6个监测断面2020年1~12月水质单因子评价, 结果图 2所示. 由单因子评价可得, TN指标在1 a内变化较大, 其他指标均处于稳定状态, 6个断面在评价指标中包含TN指标时, 水质均未达到Ⅲ类水水质标准；当6个断面在评价指标中不包含TN指标时, 单因子评价结果较好, 仅存在S3断面未满足标准. 此外, 由于黄河上游降雨集中在7~9月, 期间黄河径流量增大, 属于丰水期. 单因子评价反映出TN指标在不同的水期内存在一定差异, 6个监测断面丰水期TN指标整体比枯水期低. 因此, 针对黄河上游典型区域开展土地利用/景观格局与水质的相关关系研究时, 需重点考虑水体中TN指标.
|
图 2 单因子水质评价结果 Fig. 2 Results of single-factor water quality evaluation |
黄河上游甘肃段不同典型区域水质监测断面河岸带缓冲区土地利用类型特征如图 3所示. 水源涵养区S1和S2水质监测断面不同空间尺度下土地利用类型以草地为主, 同时存在水体、森林和耕地等其它土地利用类型. 随着缓冲区尺度增加, S1断面草地占比与S2断面的森林占比逐渐升高, 水体占比逐渐减少, 草地占比在10 km缓冲区内占比达到96.21%；水土流失区S3和S5水质监测断面与生态脆弱区S4和S6水质监测断面在不同空间尺度下土地利用类型均以草地和耕地为主. 与水源涵养区不同, 水土流失区与生态脆弱区内耕地占比显著提升, 其中S3断面在1 000 m缓冲区内耕地占比达到最高, 为63.46%. 针对S1~S6水质监测断面不同尺度下土地利用类型占比分析可得, 草地和耕地是黄河上游甘肃段水源涵养区、水土流失区和生态脆弱区这3种典型研究区域内河岸带缓冲区的主要土地利用类型.
|
（a）S1, （b）S2, （c）S3, （d）S4, （e）S5, （f）S6 图 3 黄河上游甘肃段不同尺度河岸带缓冲区土地利用类型组成 Fig. 3 Land use type composition of buffer zone in the Gansu section of the upper reaches of the Yellow River |
研究区域不同空间尺度下河岸带缓冲区景观指数特征如图 4所示. 通过分析不同典型区域景观格局特点可得, 在黄河上游甘肃段不同典型区域河岸带缓冲区内, NP、LSI和SHDI指数随着缓冲区范围增加而升高, 说明随着缓冲区尺度的不断增加, 研究区域内景观破碎度越大, 景观斑块不规则化程度越高. PD指数在3种典型区域内随缓冲区范围增加而降低, 分析图 3可得, 草地和耕地逐渐成为3种典型区域的主要土地利用类型, 表示景观斑块不规则化程度越高, 研究区域内景观异质性越低. LPI指数在不同类型缓冲区下均随缓冲区距离的增大而呈现减小趋势, 说明随着缓冲区尺度的增加, 人类活动逐渐减弱. 其中, 生态脆弱区LPI指数减小幅度较低, 分析原因可能是生态脆弱区研究点位于兰州市, 人类活动对当地景观格局影响较高.
|
图 4 黄河上游甘肃段不同典型区域河岸带缓冲区景观指数特征 Fig. 4 Landscape index characteristics of the riparian buffer zone in different typical regions of the Gansu section in the upper reaches of the Yellow River |
基于2.2.1节研究区域土地利用类型分析结果, 研究区域内土地利用类型以草地和耕地为主, 结合土地利用类型占比（图 3）, 研究区域内存在水体、森林、荒地和建设用地等面积占比不高但对水质影响程度较大的土地利用类型, 采用随机森林回归模型计算出不同土地利用类型和景观指数对TN指标影响程度, 结果如图 5所示. 在枯水期, 水源涵养区内对TN影响较高的土地利用类型和景观指数为耕地、森林、草地、LPI和SHDI；对水土流失区影响程度最高的土地利用类型和景观指数为草地、耕地、建设用地、水体和AI；对生态脆弱区影响程度最高的土地利用类型和景观指数为建设用地、LPI、SHDI、AI、PD和LSI；在丰水期, 水源涵养区中建设用地、AI、PD、LSI和NP对TN的影响程度显著提高, 耕地、森林、草地、SHDI和LPI仍对TN具有较高的影响程度；水土流失区中水体对TN的影响程度增大, 景观指数对TN的影响程度与枯水期相同, 均为AI影响程度最高；生态脆弱区中AI对TN影响程度降低, LSI对TN影响程度提高. 土地利用类型对TN的影响程度与枯水期保持一致, 均为建设用地对TN影响程度最高.
|
（a）和（d）为水源涵养区, （b）和（e）为水土流失区, （c）和（f）为生态脆弱区 图 5 河岸带缓冲区随机森林模型不同土地利用类型及景观格局对水质解释率 Fig. 5 Water quality interpretation rate of the random forest model for different land use types and landscape patterns |
基于随机森林模型分析结果, 对研究区域内土地利用类型和景观指数对TN建立BP神经网络模型, 模型经过训练后在不同典型区域和枯水期产生30组预测数据, 丰水期产生10组预测数据, 预测数据和实测数据的误差分析如图 6所示. 从中可知, 在枯水期内, 土地利用类型和景观指数对水源涵养区TN的预测值误差均小于其他两种典型区域, 30组土地利用预测值误差区间为0.2~0.94, 误差均值和平均误差率为0.41和6.7%；30组景观指数预测值误差区间为0.03~1.41, 误差均值和平均误差率为0.47和17.8%. 在丰水期内, 与枯水期结果相同, 误差区间最小的区域仍为水源涵养区, 10组土地利用预测值误差区间为0.09~0.2, 误差均值和平均误差率为0.16和7.8%；10组景观指数预测值误差区间为0.07~0.19, 误差均值和平均误差率为0.14和6.8%. 此外, 丰水期内生态脆弱区开展景观指数对TN指标的预测产生的误差值最大, 误差区间为0.28~1.23, 误差均值和平均误差率为0.72和49%.
|
（a）和（b）为枯水期, （c）和（d）为丰水期 图 6 TN预测值与实测值误差分析 Fig. 6 Analysis of predicted and measured values of TN |
针对黄河上游甘肃段3种典型区域开展单因子水质评价, 得出3种典型区域内均存在TN超标现象, 由于水质监测断面所处的地理位置不同, TN来源存在一定的差异. 水源涵养区位于黄河甘肃段甘南藏族自治州, 该区域主要以畜牧业、小规模农业和旅游业为主, TN超标的主要原因可能与当地的畜牧养殖业和农业相关, 同时受到高原气候以及人为因素等多重影响导致当地的草地退化, 大量牛和羊产生的粪便和化肥由于降雨、地表径流的作用通过土壤携带进入水体, 并在监测点识别出来. 水土流失区主要位于黄河甘肃段下游白银市, 是甘肃省的工业城市以及农业城市, 地表植被稀少和降雨量少[38], 由于采矿以及农业的大力发展, 部分林地和草地被开垦成为耕地[39], 土地沙化和荒漠化加剧, 农业化肥的大量使用致使当地生态系统造成了破坏, 因此该区域水中的污染物主要来源于农业面源污染, 水土流失等过程. 生态脆弱区位于黄河甘肃段中游兰州市境内, 兰州市作为甘肃省省会城市, 存在钢铁厂、食品加工厂和乳制品厂等多种工业企业, 其产生的废水中都含有较高浓度的含氮有机物[40]. 此外, 兰州市土地利用类型主要以草地、耕地为主, 畜牧养殖及瓜果蔬菜种植业比较发达, 种植业漫灌的方式会使动物粪便和氮磷等有机质进入水体, 造成水体富营养化[41].
3.2 土地利用及景观指数对水质的响应关系分析针对黄河上游甘肃段典型区域内不同土地利用类型及景观指数与水质指标的相关性研究, 基于随机森林回归模型分析结果可得, 水体、森林、耕地和草地等土地利用类型及LPI、SHDI、PD和AI等景观指数可以有效地解释河流中TN指标的变化. 但在不同的区域内, 土地利用类型和景观指数对TN的影响程度存在一定差异. 在水源涵养区内, 草地和森林占比较高, 草地和森林能够吸附和拦截地表径流中存在的有机物, 有较好的水质净化功能[42], 对TN影响程度较高；由于水源涵养区生态较为脆弱, 人类活动极易对当地环境造成破坏, 因此耕地和建设用地在水源涵养区中面积占比虽然较小, 但对当地的水环境具有较高的影响程度. 在不同水期中, SHDI和LPI均对TN具有较高的影响作用, 说明景观多样性和人类活动对河流中TN指标存在较高的影响. 通过BP神经网络建立的土地利用/景观指数与TN的相应关系可以得出, TN预测值与实际值误差较小, 平均误差率均在10%以内, 预测精度较高, 能够实现TN预测功能. 在水土流失区中, 草地面积占比较高, 能够起到保持水土、净化水质的作用, 因此枯水期内草地对TN影响程度较高, 在丰水期内河流径流量增加, 水土流失加重, 水体对TN影响程度变高. 此外, 水土流失区中存在大量的耕地, 人类活动较为频繁, 大量草地转化为耕地, 加剧水土流失, 造成水环境恶化[43]. 在不同水期内, 对TN的影响程度最高的景观指数均为AI, 该指数表示景观的聚集度, 土地聚集程度高能够减缓水土流失程度, 同时聚集程度高的景观比分散分布的景观具有更强的污染物截留能力[44]. 不同水期内BP神经网络在水土流失区对TN指标的响应关系表现为景观指数预测效果较好, 可能是由于水土流失区中, 土地利用类型易发生改变, 稳定性较差的原因导致. 在生态脆弱区中, 枯水期和丰水期内对TN指标影响程度最高的土地利用类型和景观指数均为建设用地和LPI, 可能是因为生态脆弱区的研究点位位于兰州市, 人类活动对环境影响程度大[45]. 建设用地面积越大, 人类活动越明显, 对流域造成的有机污染、微生物污染也越强烈, 这与温嘉伟等[30]研究的结果类似, 建设用地与人为活动高度相关, 生活污水和工业废水等排放均会导致水体中粪大肠菌群和有机质浓度升高. 不同水期内BP神经网络在生态脆弱区内对TN指标响应关系表现为土地利用类型预测精度较高, 可能是由于区域对水体产生影响的来源均为建设用地, 人类活动过度导致.
4 结论（1）通过单因子水质评价法可得, 影响黄河上游甘肃段3种典型区域水环境的主要指标为TN, 在分析黄河河流水质特点时应以TN指标为主要研究对象, 受丰水期径流影响, TN指标在7~9月丰水期多呈现下降趋势；DO、高锰酸盐指数、NH4+-N和TP等4种水质常规指标均满足Ⅲ类水水质标准且在不同水期内均保持稳定.
（2）通过随机森林回归模型计算不同典型区域对TN指标影响程度最高的土地利用类型与景观指数, 得出不同水期内3种典型区域的土地利用类型和景观指数对TN指标的影响程度变化较小, 且存在耕地、水体等土地利用类型占比较小且对水质指标影响程度较大的情况.
（3）BP神经网络训练建立的模型可以得出, 通过土地利用类型和景观指数与水质指标的相关关系开展水质指标预测, 存在较好的预测结果, 能够以土地动态变化预测开展水质动态变化预测.
| [1] |
刘敏, 赵良元, 李青云, 等. 长江源区主要河流水化学特征、主要离子来源[J]. 中国环境科学, 2021, 41(3): 1243-1254. Liu M, Zhao L Y, Li Q Y, et al. Hydrochemical characteristics, main ion sources of main rivers in the source region of Yangtze River[J]. China Environmental Science, 2021, 41(3): 1243-1254. DOI:10.3969/j.issn.1000-6923.2021.03.028 |
| [2] | Hobbie S E, Finlay J C, Janke B D, et al. Contrasting nitrogen and phosphorus budgets in urban watersheds and implications for managing urban water pollution[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(16): 4177-4182. |
| [3] |
李念, 姜涛, 陈其兵. 城市湿地公园土地利用方式对水环境质量的影响[J]. 四川农业大学学报, 2022, 40(4): 601-609. Li N, Jiang T, Chen Q B. Effect of land use on water environment quality in urban wetland park[J]. Journal of Sichuan Agricultural University, 2022, 40(4): 601-609. |
| [4] | Chiang L C, Wang Y C, Chen Y K, et al. Quantification of land use/land cover impacts on stream water quality across Taiwan[J]. Journal of Cleaner Production, 2021, 318. DOI:10.1016/j.jclepro.2021.128443 |
| [5] |
陈优良, 邹文敏, 刘星根, 等. 东江源流域不同空间尺度景观格局对水质影响分析[J]. 环境科学, 2022, 43(11): 5053-5063. Chen Y L, Zou W M, Liu X G, et al. Scale effects of landscape pattern on water quality in Dongjiang River source watershed[J]. Environmental Science, 2022, 43(11): 5053-5063. |
| [6] | Gule T T, Lemma B, Hailu B T. Implications of land use/land cover dynamics on urban water quality: case of Addis Ababa city, Ethiopia[J]. Heliyon, 2023, 9(5). DOI:10.1016/j.heliyon.2023.e15665 |
| [7] | Shehab Z N, Jamil N R, Aris A Z, et al. Spatial variation impact of landscape patterns and land use on water quality across an urbanized watershed in Bentong, Malaysia[J]. Ecological Indicators, 2021, 122. DOI:10.1016/j.ecolind.2020.107254 |
| [8] |
张柳柳, 刘睿, 郑达燕, 等. 土地利用对典型喀斯特河流溶解性有机质的直接和间接影响[J]. 环境科学, 2023, 44(10): 5511-5523. Zhang L L, Liu R, Zheng D Y, et al. Direct and indirect effects of land use on dissolved organic matter in a typical Karst River[J]. Environmental Science, 2023, 44(10): 5511-5523. |
| [9] |
王杰, 刘安安, 张俊武, 等. 基于流域单元的环巢湖综合景观对河流水质的影响[J]. 环境科学, 2024, 45(6): 3214-3224. Wang J, Liu A A, Zhang J W, et al. Effect of integrated landscape characteristics around Chaohu Lake on river water quality based on watershed units[J]. Environmental Science, 2024, 45(6): 3214-3224. |
| [10] |
祁兰兰, 王金亮, 叶辉, 等. 滇中"三湖流域"土地利用景观格局与水质变化关系研究[J]. 水土保持研究, 2021, 28(6): 199-208. Qi L L, Wang J L, Ye H, et al. Study on the land use landscape pattern and water quality change in the 'Three Lakes' basin in central Yunnan[J]. Research of Soil and Water Conservation, 2021, 28(6): 199-208. |
| [11] |
易帆, 陈旻, 何晓枫, 等. 流域土地利用分析中空间尺度对水质的影响[J]. 中国环境科学, 2023, 43(8): 4280-4291. Yi F, Chen M, He X F, et al. Effect of spatial scale on water quality in watershed land use analysis[J]. China Environmental Science, 2023, 43(8): 4280-4291. |
| [12] | Roldán-Arias A, García-Ávila F, Pesántez-Quintuña K, et al. Spatiotemporal dynamics of a peri-urban stream water quality and its relationship with land use[J]. Case Studies in Chemical and Environmental Engineering, 2023, 8. DOI:10.1016/j.cscee.2023.100420 |
| [13] |
张家权. 辽河汛期水质水量相关性分析[J]. 陕西水利, 2021(10): 107-109. Zhang J Q. Correlation analysis of water quality and Quantity of Liaohe River in flood season[J]. Shaanxi Water Resources, 2021(10): 107-109. |
| [14] |
陈洁, 张立福, 张红明, 等. 白洋淀水体总磷总氮高光谱估算模型比较[J]. 遥感学报, 2023, 27(7): 1642-1652. Chen J, Zhang L F, Zhang H M, et al. Comparative study on the hyperspectral estimation models of TP and TN in Baiyangdian water body[J]. National Remote Sensing Bulletin, 2023, 27(7): 1642-1652. |
| [15] | Rixon S, Levison J, Binns A, et al. Spatiotemporal variations of nitrogen and phosphorus in a clay plain hydrological system in the Great Lakes Basin[J]. Science of the Total Environment, 2020, 714. DOI:10.1016/j.scitotenv.2019.136328 |
| [16] |
徐佳妮, 刘东鑫, 黄赛宇, 等. 青山湖流域景观格局对河流氮磷营养盐影响的时空尺度效应[J]. 环境科学, 2024, 45(7): 4014-4022. Xu J N, Liu D X, Huang S Y, et al. Spatial and temporal scale effects of landscape pattern on riverine nitrogen and phosphorus nutrients in the Qingshan Lake watershed[J]. Environmental Science, 2024, 45(7): 4014-4022. |
| [17] |
谭娟, 熊丽君, 王卿, 等. 不同时空尺度下土地利用结构与空间格局对苏州河水质的影响[J]. 环境科学, 2024, 45(2): 768-779. Tan J, Xiong L J, Wang Q, et al. Effects of land use structure and spatial pattern at different temporal and spatial scales on water quality in Suzhou Creek[J]. Environmental Science, 2024, 45(2): 768-779. |
| [18] | Yao S Y, Chen C, He M N, et al. Land use as an important indicator for water quality prediction in a region under rapid urbanization[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2022.109768 |
| [19] |
赵诚诚, 潘竟虎. 基于供需视角的黄河流域甘肃段生态安全格局识别与优化[J]. 生态学报, 2022, 42(17): 6973-6984. Zhao C C, Pan J H. Ecological safety pattern identification and optimization based on the ecological supply and demand in Gansu section of the Yellow River Basin[J]. Acta Ecologica Sinica, 2022, 42(17): 6973-6984. |
| [20] | 王国庆. 黄河流域水源涵养区界定[J]. 水文, 2022, 42(2): 65. DOI:10.3969/j.issn.1006-009X.2022.02.018 |
| [21] |
王守俊. 甘肃省水土流失重点防治区复核划分研究[J]. 人民黄河, 2018, 40(3): 88-92, 114. Wang S J. Study on rechecking the regionalization of key preventing and controlling areas of soil erosion in Gansu Province[J]. Yellow River, 2018, 40(3): 88-92, 114. DOI:10.3969/j.issn.1000-1379.2018.03.020 |
| [22] |
张天中, 王雯, 刘春芳, 等. 中国西北部生态脆弱区典型区域土地综合整治分区——以甘肃省兰州市为例[J]. 水土保持通报, 2016, 36(3): 141-147. Zhang T Z, Wang W, Liu C F, et al. Division on land consolidation of typical area for ecological fragile area in northwest China-A case study in Lanzhou City of Gansu Province[J]. Bulletin of Soil and Water Conservation, 2016, 36(3): 141-147. |
| [23] |
罗成明, 卢文喜, 潘紫东, 等. 基于替代模型和流向算法的地下水污染源反演识别[J]. 中国环境科学, 2023, 43(11): 5823-5832. Luo C M, Lu W X, Pan Z D, et al. Inversion and identification of groundwater pollution sources based on surrogate model and flow direction algorithm[J]. China Environmental Science, 2023, 43(11): 5823-5832. DOI:10.3969/j.issn.1000-6923.2023.11.020 |
| [24] |
周文霞, 王星星. 黄河流域甘肃段高质量发展时空格局演变研究[J]. 人民黄河, 2022, 44(4): 4-9. Zhou W X, Wang X X. High-quality development level and temporal and spatial pattern evolution in Gansu Section of the Yellow River Basin[J]. Yellow River, 2022, 44(4): 4-9. DOI:10.3969/j.issn.1000-1379.2022.04.002 |
| [25] |
田晶, 邵世维, 黄怡敏, 等. 土地利用景观格局核心指数提取: 以中国广州市为例[J]. 武汉大学学报(信息科学版), 2019, 44(3): 443-450. Tian J, Shao S W, Huang Y M, et al. Towards a core set of landscape metrics for land use: a case study from Guangzhou, China[J]. Geomatics and Information Science of Wuhan University, 2019, 44(3): 443-450. |
| [26] | GB 3838-2002, 地表水环境质量标准[S]. |
| [27] |
周俊菊, 向鹃, 王兰英, 等. 祁连山东部冰沟河流域景观格局与河流水化学特征关系[J]. 生态学杂志, 2019, 38(12): 3779-3788. Zhou J J, Xiang J, Wang L Y, et al. Relationship between landscape pattern and hydrochemical characteristics of Binggou River Basin in eastern Qilian Mountains[J]. Chinese Journal of Ecology, 2019, 38(12): 3779-3788. |
| [28] |
汪昱昆, 程锐辉, 曾鹏, 等. 上海地区河网水质空间分异及对河岸带土地利用的响应[J]. 生态与农村环境学报, 2019, 35(7): 925-932. Wang Y K, Cheng R H, Zeng P, et al. Spatial differentiation of water quality in river networks in Shanghai and its response to land use in riparian zones[J]. Journal of Ecology and Rural Environment, 2019, 35(7): 925-932. |
| [29] |
刘书颖, 张翔, 徐晶, 等. 基于冗余分析的城市河湖水污染成因及尺度效应[J]. 中国环境科学, 2022, 42(10): 4768-4779. Liu S Y, Zhang X, Xu J, et al. Analysis of the causes for pollution of urban river and lake waters based on the redundancy analysis method and the influence from selection of scales[J]. China Environmental Science, 2022, 42(10): 4768-4779. DOI:10.3969/j.issn.1000-6923.2022.10.035 |
| [30] |
温嘉伟, 王鹏, 黄高翔, 等. 土地利用结构与空间格局对鄱阳湖流域中小河流水质的影响[J]. 环境科学, 2023, 44(12): 6728-6743. Wen J W, Wang P, Huang G X, et al. Influence of land use structure and spatial pattern on water quality of small and medium-sized rivers in Poyang Lake basin[J]. Environmental Science, 2023, 44(12): 6728-6743. |
| [31] |
杨玖, 代佼, 龚兴涛, 等. 基于多种方法的长江上游小流域水质综合评价[J]. 中国环境监测, 2023, 39(S1): 19-26. Yang J, Dai J, Gong X T, et al. Comprehensive evaluation of water quality in small watershed of upper Yangtze River Based on multiple methods[J]. Environmental Monitoring in China, 2023, 39(S1): 19-26. |
| [32] |
王玉仓, 杜晶晶, 张禹, 等. 景观格局对河流水质影响的尺度效应Meta分析[J]. 环境科学, 2024, 45(5): 2631-2639. Wang Y C, Du J J, Zhang Y, et al. Scale effects of landscape pattern on impacts of river water quality: A Meta-analysis[J]. Environmental Science, 2024, 45(5): 2631-2639. |
| [33] |
吉冬青, 文雅, 魏建兵, 等. 流溪河流域景观空间特征与河流水质的关联分析[J]. 生态学报, 2015, 35(2): 246-253. Ji D Q, Wen Y, Wei J B, et al. Relationships between landscape spatial characteristics and surface water quality in the Liu Xi River watershed[J]. Acta Ecologica Sinica, 2015, 35(2): 246-253. |
| [34] | Cheng P X, Meng F S, Wang Y Y, et al. The impacts of land use patterns on water quality in a trans-Boundary River Basin in Northeast China based on eco-functional regionalization[J]. International Journal of Environmental Research and Public Health, 2018, 15(9). DOI:10.3390/ijerph15091872 |
| [35] | Chen Z K, An C J, Tan Q, et al. Spatiotemporal analysis of land use pattern and stream water quality in southern Alberta, Canada[J]. Journal of Contaminant Hydrology, 2021, 242. DOI:10.1016/j.jconhyd.2021.103852 |
| [36] |
徐启渝, 王鹏, 王涛, 等. 土地利用结构与景观格局对鄱阳湖流域赣江水质的影响[J]. 湖泊科学, 2020, 32(4): 1008-1019. Xu Q Y, Wang P, Wang T, et al. Investigation of the impacts of land use structure and landscape pattern on water quality in the Ganjiang River, Lake Poyang basin[J]. Journal of Lake Sciences, 2020, 32(4): 1008-1019. |
| [37] |
张婧婷, 石浩, 田汉勤, 等. 1981—2019年华北平原农田土壤有机碳储量的时空变化及影响机制[J]. 生态学报, 2022, 42(23): 9560-9576. Zhang J T, Shi H, Tian H Q, et al. Spatial-temporal changes in and influencing mechanisms for cropland soil organic carbon storage in the North China Plain from 1981 to 2019[J]. Acta Ecologica Sinica, 2022, 42(23): 9560-9576. |
| [38] | 李振谋. 靖远县盐碱耕地治理工作综述[J]. 农业科技与信息, 2020(12): 7-9. DOI:10.3969/j.issn.1003-6997.2020.12.003 |
| [39] |
王春玮. 白银市土地利用与生态环境耦合关系分析[D]. 兰州: 兰州大学, 2019. Wang C W. Analysis of the coupling relationship between land use and ecological environment in Baiyin City[D]. Lanzhou: Lanzhou University, 2019. |
| [40] | Lee G, Kim K, Chung J, et al. Electrochemical ammonia accumulation and recovery from ammonia-rich livestock wastewater[J]. Chemosphere, 2021, 270. DOI:10.1016/j.chemosphere.2020.128631 |
| [41] | Zhou L, Li L Z, Huang J K. The river chief system and agricultural non-point source water pollution control in China[J]. Journal of Integrative Agriculture, 2021, 20(5): 1382-1395. DOI:10.1016/S2095-3119(20)63370-6 |
| [42] |
向鹃. 冰沟河流域土地利用景观格局对河流水化学的影响[D]. 兰州: 西北师范大学, 2020. Xiang J. Impact of land use/landscape pattern on hydrochemical characteristics in Binggou River Basin[D]. Lanzhou: Northwest Normal University, 2020. |
| [43] |
王杰, 李鹏, 高海东, 等. 丹江上游土地利用/景观指数与水质关系初探[J]. 水土保持研究, 2018, 25(6): 383-389. Wang J, Li P, Gao H D, et al. Preliminary study on the relationship between land use/landscape index and water quality in the upper Reaches of Danjiang River[J]. Research of Soil and Water Conservation, 2018, 25(6): 383-389. |
| [44] |
康文华, 蔡宏, 林国敏, 等. 不同地貌条件下景观对河流水质的影响差异[J]. 生态学报, 2020, 40(3): 1031-1043. Kang W H, Cai H, Lin G M, et al. Influences of landscape on river quality under different geomorphological conditions[J]. Acta Ecologica Sinica, 2020, 40(3): 1031-1043. |
| [45] |
张志杰, 温飞, 张亚群, 等. 区域尺度黄河流域面源污染负荷特征与来源解析[J]. 环境工程, 2022, 40(9): 81-88, 142. Zhang Z J, Wen F, Zhang Y Q, et al. Characteristics and source analysis of non-point source pollution load in the Yellow River Basin on a regional scale[J]. Environmental Engineering, 2022, 40(9): 81-88, 142. |