2025, Vol. 46
2. 华东师范大学地理科学学院, 上海 200241
, JI Guang-xing1
, LI Qing-song1 , LI Meng1 , GAO Hong-kai2 , CHEN Wei-qiang1 , GUO Yu-long1
2. School of Geographic Sciences, East China Normal University, Shanghai 200241, China
自改革开放以来, 中国的人口增长和经济快速发展带来了需求激增[1], 导致工业、农业生产与环境保护之间的矛盾加剧, 引发了严重的面源污染问题. 面源污染是指地表累积的污染物如土壤中携带的泥沙颗粒、农药和化肥等氮营养物质在降雨径流的冲刷下进入受纳水体而造成的污染[2, 3]. 同时, 面源污染的间歇性、随机性和滞后性使得其监测和控制相对困难[4 ~ 6], 而全球气候变化的加剧使得面源污染预测方面的防控与管治工作更加困难. 气候变化可能通过对降水、气温和蒸发等方面的影响[7, 8]加剧现有的面源污染问题, 对水生生态系统和人类健康构成威胁. 因此, 理解和适应气候变化对面源污染的影响, 对于制定有效的环境保护策略和措施至关重要.
面源污染的研究起源于20世纪60年代, 当时学者们通过结合因果分析和统计分析方法, 建立了农业面源污染模型以模拟污染负荷. 其中, Wischmeier等[9]的通用土壤流失方程（USLE）是一个里程碑, 为定量计算面源污染负荷提供了基础. 随着面源污染问题逐渐受到国际关注, 20世纪70年代至80年代, 大量研究开始聚焦于污染源调查、污染特点分析和水质影响研究. 加拿大和美国在此期间提出了面源污染负荷输出系数模型[10], 用以探究土地利用与水体富营养化的关系. 随后, 多种模型如CREAMS[11]、AGNPS[12]、HSPF、SWRRB[13]和ANSWERS[14]等被开发出来, 尽管它们在空间分析方面有所局限, 但在发展和模拟精度方面已相对成熟, 能够有效预测流域中泥沙迁移并应用于面源污染研究. 20世纪80年代至90年代, 更多适用于中小流域的模型如ANSWERS和AGNPS等被开发[15, 16], 进一步推动了面源污染机制模型的研究.
随着全球定位系统（GPS）、遥感技术和地理信息系统（GIS）的进步, 以上技术在流域研究中的应用日益广泛. 研究者们开发了能够集成可视化表达、数学计算和空间信息处理等多种功能的综合性模型. 与传统的仅能进行数学运算的模型相比, 以上新模型通过引入所需的空间和属性数据库, 模拟污染物的运移过程. 代表性的大型分布式机制模型包括SWAT模型[17]、AnnAGNPS模型[18]和BASINS模型[19]. 尽管以上模型在模拟流域过程方面具有优势, 但由于对数据的要求较高、获取难度较大以及计算过程的复杂性[20], 使得它们不具备普适性. 相比之下, InVEST框架中的营养物传输率模型（NDR）具有易于获取的参数、清晰的机制、简单的计算过程以及强大的空间表达能力. 因此, 它已成为国际上应用最广泛的氮污染评估集成平台, 非常适合用于大尺度面源污染的模拟研究[21].
近年来, 中国国内的面源污染主要是通过SWAT模型来进行研究[22 ~ 24], 且相关研究表明中国农村地区, 农田、家畜禽养殖和由于城乡结合引起的生活排污是造成水体氮素富营养化的主要原因[25]. 同时, 孙嘉[26]评估中国2011年不同省市的农业面源污染情况, 发现河南省的总氮输出量将近全国各省份平均输出量的3倍, 可见河南省氮素面源污染形势严峻. 因此, 本文选取河南省作为研究区, 利用InVEST模型模拟河南省2000~2020年氮素面源污染负荷及其时空分布. 之后, 将FLUS模型与InVEST模型耦合, 模拟河南省在SSP2-4.5和SSP5-8.5两种情景下2030~2050年的氮素面源污染负荷及其空间分布. 本研究希望能更加客观地评估出河南省2000~2050年的氮素面源污染变化规律, 以期为河南省未来的面源污染控制与治理提供科学支撑.
1 材料与方法 1.1 研究区域概况河南省位于中国中东部, 地理位置介于北纬31°23′~36°22′, 东经110°21′~116°39′之间, 行政面积约为16.7万km2. 该区域地势西高东低, 地貌由东向西依次为平原、丘陵、山地以及零星的水体[27], 土地利用类型以耕地为主. 河南省气候类型多样, 从南至北横跨亚热带季风气候和温带季风气候, 并包含长江、淮河、黄河和海河流域. 年均气温在10.5~16.7℃之间, 年降水量在407.7~1 295.8 mm之间, 降水主要集中在夏季, 冬季降水较少. 季风环流对河南省气候产生重要影响, 夏季受东南季风影响, 带来充沛降水, 而冬季则受西北风影响, 气候偏干. 地形因素亦对省内气候分布产生影响, 山区与平原地区在温度和降水上存在差异. 此外, 河南省气象灾害频发, 包括干旱、洪涝、冰雹等极端气候事件, 对农业生产和区域经济社会发展构成挑战.
1.2 研究方法 1.2.1 FLUS模型FLUS模型是一个高效的土地利用变化模拟和预测工具, 它是由Liu等[28]结合元胞自动机（CA）和随机森林（RF）算法开发出来的, 能够快速且准确地模拟多种土地利用类型之间的转换. 关于该模型的原理很多研究[29 ~ 31]都有详细描述, 本文不再赘述.
1.2.2 InVEST模型InVEST模型的养分输送比（NDR）模块使用质量守恒方法来模拟营养物质在空间中的转移, 与其他复杂的营养素模型不同, 该模型不描绘营养循环的细节, 而是模拟营养物质的长期稳定运动. 模型基本原理如下：
|
(1) |
|
(2) |
式中, xexp, i为各栅格单元i的营养物氮素输出负荷, loadsurf, i为地表营养物氮素负荷, NDRsurf, i为地表营养物氮素传输率, loadsub, i为次表层营养物氮素负荷, NDRsub, i为次表层营养物传输率, xexptot为子流域营养物氮素输出总量.
1.3 数据来源数字高程模型（DEM）：从地理空间数据云平台下载空间分辨率为30 m的DEM数据, 利用ArcGIS对DEM进行操作, 获取河南省流域坡度数据和子流域.
本研究使用的河南省2000~2020年土地利用类型数据源自中国科学院地理科学与资源研究所. 利用全球0.25°×0.25°分辨率的Land-Use Harmonization 2（LUH2）数据集中的SSP2-4.5和SSP5-8.5两种共享社会经济路径（SSP）数据确定河南省2030年、2040年和2050年各土地利用类型的面积数量, 并采用FLUS模型预测河南省未来2030~2050年的土地利用数据. 其中, SSP2-4.5情景中社会经济因素遵循其历史趋势, 没有显著变化, CO2排放量在21世纪中叶开始下降, 在这种情况下, 到本世纪末气温将上升2.7℃；SSP5-8.5是一种较为激进的情景, 预测CO2排放水平到2050年大约翻一番, 全球经济增长迅速, 到2100年全球平均气温将升高4.4℃.
气象数据来源于中国科学院地理科学与资源研究所. SSP2-4.5和SSP5-8.5两种气候情景下2030~2050年的降水量数据来源于国家地球系统科学数据中心.
2 结果与分析 2.1 土地利用变化模拟本研究采用FLUS模型, 以河南省2010年的土地利用现状图为基准, 对2020年的土地利用分布进行了模拟. 模拟完成后, 将得到的2020年土地利用分布图与实际观测的2020年土地利用分布图进行了精度对比（如图 1）. 结果表明, 平均Kappa系数为0.94, 标准Kappa系数为0.89（大于0.75的阈值）, 这表明FLUS模型在模拟土地利用变化方面具有较高的准确性和可靠性.
|
图 1 河南省土地利用模拟示意 Fig. 1 Simulation of land use in Henan Province |
为了减少LUH2数据集中耕地、林地、草地、建设用地以及未利用地等5类用地面积与实际面积之间的偏差对土地利用模拟产生的潜在影响, 本研究采用FLUS模型, 依据研究区域2020年的实际土地利用数据, 对LUH2数据集中未来各用地类型的面积进行模拟. 鉴于LUH2数据集未预测水体面积的变化, 本研究参考Liao等[32]的研究方法, 得出2030年、2040年和2050年各土地利用类型的预测面积. 河南省两种气候情景（SSP2-4.5和SSP5-8.5）下2030、2040和2050年土地利用类型的面积如表 1所示.
|
表 1 不同气候情景下土地利用类型面积/km2 Table 1 Area of land use types under different climate scenarios/km2 |
2.2 时空变化分析 2.2.1 历史时期时空变化分析
基于河南省DEM数据, 2000年、2010年和2020年土地利用类型数据以及年降雨量数据, 利用InVEST模型, 估算河南省2000年、2010年、2020年氮素面源污染输出负荷, 模拟的河南省氮输出负荷如图 2所示.
|
图 2 2000~2020年氮素面源污染分布 Fig. 2 Distribution of nitrogen non-point source pollution from 2000 to 2020 |
河南省2000年、2010年和2020年氮素输出负荷分别在0~8.88、0~14.49和0~11.58 kg·（hm2·a）-1之间, 氮素输出总量分别为3.30×104、6.36×104和2.77×104 t, 氮素输出负荷均值分别为1.99、3.84和1.67 kg·（hm2·a）-1. 总的来说, 在2000~2020年期间, 河南省氮输出总量和输出负荷先增加后减少, 这与陶园等[33]的研究结果相符. 从空间分布来看, 2000~2020年氮素输出负荷分布, 与河南省的地形分布相似. 河南省的中部、西部和南部平原地区的氮输出负荷明显高于北部平原, 氮素输出负荷高的地区通常与高人口密度和广泛的耕地分布密切相关.
使用ArcGIS软件对2000~2020年河南省氮输出负荷的变化情况进行分析, 结果如图 3所示. 2000~2010年河南省整体上氮素输出负荷增加, 平均增加1.85 kg·（hm2·a）-1, 局部输出负荷有所减少, 主要分布在湖泊、河流周围；2010~2020年河南省整体上氮素输出负荷减少, 平均减少2.17 kg·（hm2·a）-1, 局部输出负荷有所增加, 主要呈现散点分布, 这些区域都存在着人口密度大、耕地占有量大的共同特点.
|
图 3 2000~2020年氮素面源污染变化分布 Fig. 3 Variation distribution of nitrogen non-point source pollution from 2000 to 2020 |
基于SSP2-4.5和SSP5-8.5两种情景下的未来土地利用数据以及降水量数据, 分别得到两种不同情景下2030年、2040年和2050年河南省氮输出负荷分布（图 4）及其输出负荷变化（图 5）.
|
图 4 不同气候情景下河南省氮素面源污染 Fig. 4 Nitrogen non-point source pollution in Henan Province under different climate scenarios |
|
图 5 不同气候情景下氮素面源污染变化分布 Fig. 5 Variation distribution of nitrogen non-point source pollution under different climate scenarios |
图 4展示了SSP2-4.5和SSP5-8.5两种情景下2030年、2040年和2050年氮素输出负荷分布. SSP2-4.5情景下2030年、2040年和2050年氮素输出总量分别为2.82×104、2.83×104和2.86×104 t, 氮素输出负荷均值分别为1.70、1.71和1.72 kg·（hm2·a）-1；SSP5-8.5情景下2030年、2040年和2050年氮素输出总量分别为2.85×104、2.82×104和2.87×104 t, 氮素输出负荷均值分别为1.72、1.70和1.73 kg·（hm2·a）-1. 在空间分布上, 未来两种情景下氮素输出负荷主要集中在中部和南部. 在SSP2-4.5情景下2030~2050年氮素输出的总量和负荷均值逐年升高, 在SSP5-8.5情景下2030~2050年氮素输出的总量和负荷均值先下降后升高. 表明在SSP2-4.5情景政府干预下氮素输出负荷仍会以较为缓慢的速率上升, 在SSP5-8.5情景无政府干预情景下人类社会内部会人为地自我控制氮素输出负荷的变化.
图 5展示了SSP2-4.5和SSP5-8.5两种情景下2020~2050年氮素输出负荷变化情况. 结合图 5的数据可以分析出：在SSP2-4.5情景下2020~2030氮素变化输出负荷的总量增加0.05×104 t, 但平均值减少0.01 kg·（hm2·a）-1；2030~2040氮素变化输出负荷的总量增加0.01×104 t, 但平均值减少0.03 kg·（hm2·a）-1；2040~2050氮素变化输出负荷的总量增加0.03×104 t, 且平均值减少0.01 kg·（hm2·a）-1. 在SSP5-8.5情景下2020~2030氮素变化输出负荷的总量增加0.07×104 t, 但平均值增加0.01 kg·（hm2·a）-1；2030~2040氮素变化输出负荷的总量减少0.03×104 t, 但平均值减少0.04 kg·（hm2·a）-1；2040~2050氮素变化输出负荷的总量增加0.05×104 t, 且平均值增加0.01 kg·（hm2·a）-1.
从空间分布上来看, 未来两种情景河南省氮素输出负荷的空间分布是一致的, 但是氮素输出负荷的增加与减少存在一定的区域性. 从时间分布上来看, SSP2-4.5情景下未来30 a氮素变化负荷输出总量持续增加, 其中豫北部分地区的氮输出负荷持续增长, 但是增长数值不高；SSP5-8.5情景下未来30 a氮素变化负荷输出总量先升高后降低, 但是无氮输出负荷持续增长的区域. 这种变化的规律表明在SSP2-4.5政府干预情景下氮素输出负荷的变化以政府的意志为主导, 变化规律较为复杂；在SSP5-8.5无政府干预情景下氮素输出负荷的变化虽然波动较大, 但其变化规律一致.
2.3 冷热点分析借助ArcGIS 10.7软件的热点分析操作, 对2000~2050年的河南省氮素输出负荷进行分析, 得到河南省氮素冷热点分布（图 6和图 7）.
|
图 6 2000~2020年氮素面源污染热点分布 Fig. 6 Hot spots distribution of nitrogen non-point source pollution from 2000 to 2020 |
|
图 7 不同气候情景下氮素面源污染热点分布 Fig. 7 Distribution of hot spots of nitrogen non-point source pollution under different climate scenarios |
由图 6可以看出, 2000年河南省氮素输出热点区域主要分布在河南省中部以及南部, 冷点区域主要分布在河南省西部以及北部的山脉、丘陵附近. 2010年河南省氮素输出热点区域主要分布在河南省中部以及南部, 较2000年面积有所较少；冷点区域仍聚集在山脉、丘陵附近, 较2000年面积有所较少, 零星分布的散点区域减少. 2020年河南省氮素输出热点区域中部面积较2010年更加分散, 东南部面积增加；冷点区域分布面积有所扩张, 分布状况逐渐与2000年相似. 总之, 2000~2020年河南省氮素输出负荷热点区域有所减少, 热点区域大部分集中在河南省南部区域, 分布区域有扩散趋势；而冷点区域变化不大, 仍主要集聚在山脉和丘陵附近.
由图 7可以看出, SSP2-4.5情景下河南省未来30 a的氮素输出冷热点格局变化剧烈, 热点区域呈现先增后减的趋势. 在SSP2-4.5情景下河南省2030~2040年的热点面积均有所增加, 冷点面积变化不大；2040~2050年冷、热点面积分布均有所减少. SSP5-8.5情景下河南省未来30 a的总体空间格局相对稳定, 从2030~2050年河南省东部的热点面积逐渐减少, 北部的冷点面积逐步扩张, 但二者的主要聚集区域的面积变化不大. 但是, 无论在何种情景下河南省南部的热点聚集区域和西部区域的冷点聚集区域面积变化都不大, 而东部的热点聚集区域和北部的冷点聚集区域面积波动剧烈. 呈现这样情况的原因可能是河南省北部和东部的水系较为发达, 氮素输出随着河流冲刷到黄河及淮河水系中, 同时河南省东部和南部平原区域的农田较多, 大量的氮素随着农户的施肥进入农田中, 使得东南部氮素输出较北部更多, 形成了“团状+散点”的河南省氮素输出的污染冷热点分布格局.
3 讨论根据本研究结果发现在SSP2-4.5和SSP5-8.5这两种情景下河南省未来30 a的氮素输出总量整体上均呈上升趋势, 认为可能是以下3个方面的原因：①根据未来的土地利用变化模拟发现, SSP2-4.5和SSP5-8.5两种情景下2030~2050年耕地的面积均是增加的, 同时林地和草地的面积减少. 与林地和草地相比耕地的储氮能力较弱, 输出的氮素增加. ②耕地的增多将会导致化肥、农药等物资施用量增加, 在施用强度不变的情况下, 输入的总量增加导致氮素输出总量增加. ③在SSP2-4.5和SSP5-8.5两种情景下, 由于气候的变化导致这两种情景未来的降雨量增多, 使得降水从土壤中冲出的氮素增加, 从而出现氮素输出负荷增加的情况.
由于两种不同气候情景下模拟出来的河南省未来30a氮素输出总量整体上均是升高的, 这就为河南省未来氮素面源污染防控敲响警钟. 为预防这种趋势, 结合河南省的实际情况, 针对河南省今后的发展提出以下建议：①降低耕地肥料使用量. 针对河南省的农用地, 应该强化肥料的合理使用管理, 减少肥料对水环境的影响, 改进农业管理水平, 增加肥料利用率, 以便有效遏制河南省农业氮素面源污染排放. ②调整种植结构. 对于氮素输出负荷高的区域, 可选择种植氮承受能力高的作物, 由此可提高氮素有效性同时免除或减少施肥. 合理规划种植制度与轮作方式可以有效降低氮、磷进入受纳水体的风险[34]. ③强化对畜禽养殖的监管力度. 河南省畜禽养殖规模大, 所以相应造成的污染也较为严重. 所以, 加速从分散经营到规模化养殖, 强化对小规模养殖场和农户的监管, 加强对散户的畜禽粪便排放的控制, 推动畜禽养殖的制度化、规范化[35], 以减少河南省氮、磷面源污染. ④从源头上加强预防和控制. 积极发挥政府功能, 采取设立缓冲区、设置生态沟和植被缓冲带等措施[36], 来减少河南省的氮素输出负荷.
虽然FLUS和InVEST模型在预测和分析土地利用变化以及氮素输出负荷模拟方面具有数据需求低、适用范围广等优点, 但是受限于模型, 本文可能会忽视一些复杂的自然和社会经济因素, 从而影响模型的准确性. 因此, 未来研究时可以通过加入社会经济因素以及开展多模型预测校准的工作, 提高模型的准确度, 从而更好地为氮素面源污染的模拟预测提供帮助.
4 结论（1）在2000年、2010年和2020年, 氮素输出总量分别为3.30×104、6.36×104和2.77×104 t, 氮素输出负荷均值分别为1.99、3.84和1.67 kg·（hm2·a）-1. 河南省氮素输出总量和负荷在2000~2020年间先上升后下降, 整体上保持下降水平.
（2）在空间分布上, 2000~2020年氮输出负荷整体呈现出“平原高, 山丘低”的特征, 可见氮素面源污染与地形有极大关系.
（3）在SSP2-4.5情景下2030~2050年氮素输出的总量和负荷均值逐年升高, 但其整体变化规律较为复杂；在SSP5-8.5情景下2030~2050年氮素输出的总量和负荷均值先下降后升高, 但其整体变化规律一致.
| [1] | 绳国庆. 我国PPI的影响因素分析[J]. 价格理论与实践, 2013(2): 61-62, 96. |
| [2] |
谢晓琳, 钱锋, 赵健, 等. 流域农业面源污染防治科学问题与技术研发需求[J]. 环境科学学报, 2023, 43(12): 152-157. Xie X L, Qian F, Zhao J, et al. Scientific issues and technological development needs for the prevention and control of agricultural non-point source pollution in river basins[J]. Acta Scientiae Circumstantiae, 2023, 43(12): 152-157. |
| [3] |
杨世琦. 基于国家粮食安全下的农业面源污染综合防治体系思考[J]. 中国农业科学, 2022, 55(17): 3380-3394. Yang S Q. Thought of pollution comprehensive prevention and control system of non-point sources based on national food security[J]. Scientia Agricultura Sinica, 2022, 55(17): 3380-3394. DOI:10.3864/j.issn.0578-1752.2022.17.010 |
| [4] |
李乐, 马巍, 勾蒙蒙, 等. 三峡库区典型流域硝态氮输出特征及归因分析[J]. 水土保持学报, 2022, 36(4): 74-84. Li L, Ma W, Gou M M, et al. Export characteristics of nitrate-N and its dominant factors in typical basins of the Three Gorges Reservoir Area[J]. Journal of Soil and Water Conservation, 2022, 36(4): 74-84. |
| [5] |
李娜, 韩维峥, 沈梦楠, 等. 基于输出系数模型的水库汇水区农业面源污染负荷估算[J]. 农业工程学报, 2016, 32(8): 224-230. Li N, Han W Z, Shen M N, et al. Load evaluation of non-point source pollutants from reservoir based on export coefficient modeling[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(8): 224-230. |
| [6] |
郑二伟, 周海生, 吕翠美, 等. 考虑面源污染的河南省农业生态系统能值评价[J]. 农业资源与环境学报, 2020, 37(5): 689-694. Zheng E W, Zhou H S, Lü C M, et al. Emergy evaluation of agricultural ecosystems in Henan Province considering non-point source pollution[J]. Journal of Agricultural Resources and Environment, 2020, 37(5): 689-694. |
| [7] |
欧阳威, 徐逸, 黄浩波, 等. 东北低温农区近四十年气温降水变化及其对面源氮磷输出影响[J]. 农业环境科学学报, 2017, 36(7): 1285-1292. Ouyang W, Xu Y, Huang H B, et al. Climate variation in the past forty years and its impact on non-point source pollution in northeast hypothermia agricultural region[J]. Journal of Agro-Environment Science, 2017, 36(7): 1285-1292. |
| [8] |
邹凯波, 张玉虎, 刘晓伟, 等. 气候变化下乌伦古河流域农业面源污染负荷响应[J]. 干旱区研究, 2022, 39(2): 625-637. Zou K B, Zhang Y H, Liu X W, et al. Response of agricultural nonpoint source pollution load in the Ulungur River Basin under climate change[J]. Arid Zone Research, 2022, 39(2): 625-637. |
| [9] | Wischmeier W H, Smith D. Predicting rainfall-erosion losses from cropland east of the Rocky Mountains[R]. Washington: Agricultural Handbook, 1965. |
| [10] | Johnes P J. Evaluation and management of the impact of land use change on the nitrogen and phosphorus load delivered to surface waters: the export coefficient modelling approach[J]. Journal of Hydrology, 1996, 183(3-4): 323-349. DOI:10.1016/0022-1694(95)02951-6 |
| [11] |
刘纪辉, 赖格英. 农业非点源污染研究进展[J]. 水资源与水工程学报, 2007, 18(1): 29-32. Liu J H, Lai G Y. Research progress of the agricultural non-point source pollution[J]. Journal of Water Resources and Water Engineering, 2007, 18(1): 29-32. DOI:10.3969/j.issn.1672-643X.2007.01.007 |
| [12] | Young R A, Onstad C A, Bosch D D, et al. A non-point source pollution model for evaluating agricultural watersheds[J]. Journal of Soil and Water Conservation, 1989, 44(2): 168-173. |
| [13] | Arnold J G, Williams J R, Nicks A D, et al. SWRRB: a basin scale simulation model for soil and water resources management[J]. Journal of Environmental Quality, 1991, 20(1): 309. |
| [14] | Beasley D B, Huggins L F, Monke E J. ANSWERS: a model for watershed planning[J]. Transactions of the ASAE, 1980, 23(4): 938-944. DOI:10.13031/2013.34692 |
| [15] | Corwin D L, Vaughan P J, Loague K. Modeling nonpoint source pollutants in the vadose zone with GIS[J]. Environmental Science & Technology, 1997, 31(8): 2157-2175. |
| [16] |
夏军, 翟晓燕, 张永勇. 水环境非点源污染模型研究进展[J]. 地理科学进展, 2012, 31(7): 941-9552. Xia J, Zhai X Y, Zhang Y Y. Progress in the research of water environmental nonpoint source pollution models[J]. Progress in Geography, 2012, 31(7): 941-9552. |
| [17] | Di Luzio M, Srinivasan R, Arnold J G, et al. Arc view interface for SWAT 2000 user's guide[R]. College Station: Texas Water Resources Institute, 2002. |
| [18] | Neitsch S L, Amold J G, Kiniry J R, et al. Soil and water assessment tool user's manual version 2000[M]. Temple, Texas: Texas Water Resources Institute, College Station, 2002. |
| [19] | Msnguerra H B, Engel B A. Hydrologic parameterization of watersheds for runoff prediction using SWAT[J]. JAWRA Journal of the American Water Resources Association, 1998, 34(5): 1149-1162. DOI:10.1111/j.1752-1688.1998.tb04161.x |
| [20] |
黄国鲜, 聂玉玺, 张清寰, 等. 流域农业面源污染迁移过程与模型研究进展[J]. 环境工程技术学报, 2023, 13(4): 1364-1372. Huang G X, Nie Y X, Zhang Q H, et al. Research progress of agricultural non-point source pollution migration process and model in basins[J]. Journal of Environmental Engineering Technology, 2023, 13(4): 1364-1372. |
| [21] |
李威, 赵祖伦, 吕思思, 等. 基于InVEST模型的水质净化功能时空分异研究[J]. 灌溉排水学报, 2022, 41(3): 105-113. Li W, Zhao Z L, Lyu S S, et al. Attenuation of pollutants in Beipanjiang River Basin calculated using the InVEST model[J]. Journal of Irrigation and Drainage, 2022, 41(3): 105-113. |
| [22] |
欧阳威, 蔡冠清, 黄浩波, 等. 小流域农业面源氮污染时空特征及与土壤呼吸硝化关系分析[J]. 环境科学, 2014, 35(6): 2411-2418. Ouyang W, Cai G Q, Huang H B, et al. Temporal-spatial distribution of agricultural diffuse nitrogen pollution and relationship with soil respiration and nitrification[J]. Environmental Science, 2014, 35(6): 2411-2418. |
| [23] |
易绍荣, 冯雪娇, 王宗伟, 等. 基于SWAT的河套灌区氮磷面源污染时空变化研究[J]. 农业环境科学学报, 2023, 42(11): 2550-2559. Yi S R, Feng X J, Wang Z W, et al. Spatial-temporal changes of nitrogen and phosphorus non-point source pollution in Hetao Irrigation District based on SWAT[J]. Journal of Agro-Environment Science, 2023, 42(11): 2550-2559. DOI:10.11654/jaes.2023-0436 |
| [24] |
丁杰, 胡兆平, 刘湛, 等. 基于流域水环境模型评估重金属面源污染负荷[J]. 环境科学研究, 2023, 36(6): 1125-1134. Ding J, Hu Z P, Liu Z, et al. Assessment of non-point source load of heavy metals using a watershed water quality model[J]. Research of Environmental Sciences, 2023, 36(6): 1125-1134. |
| [25] |
郑春阳, 陈孝兵, 袁越, 等. 洪水前后新安江源区河流氮素时空分布对比研究[J]. 水资源与水工程学报, 2020, 31(6): 47-53. Zheng C Y, Chen X B, Yuan Y, et al. Temporal and spatial distribution characteristics of nitrogen in the headwaters of Xin'anjiang Watershed: a comparison study between the pre-flooding and post-flooding seasons[J]. Journal of Water Resources and Water Engineering, 2020, 31(6): 47-53. |
| [26] |
孙嘉. 农业非点源污染与防治技术评价及治理模式研究[D]. 北京: 北京林业大学, 2015. Sun J. Agricultural non-point source pollution and prevention technology assessment and pollution control model[D]. Beijing: Beijing Forestry University, 2015. |
| [27] |
李志刚, 娄嘉慧, 史冲. 1960—2020年河南省极端降水时空演变特征[J]. 华北水利水电大学学报(自然科学版), 2024, 45(4): 16-26. Li Z G, Lou J H, Shi C. Spatial and temporal evolution characteristics of extreme precipitation in Henan from 1960 to 2020[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2024, 45(4): 16-26. |
| [28] | Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017, 168: 94-116. |
| [29] |
胡佶熹, 勒先文, 徐勇. 基于FLUS模型多情景土地利用变化对陆地生态系统碳储量影响——以江西萍乡为例[J]. 水土保持研究, 2024, 31(2): 299-309. Hu J X, Le X W, Xu Y. Estimating terrestrial eco-system carbon stock changes caused by multi-scenarios land-use changes based on the FLUS model-a case study of Pingxiang, Jiangxi[J]. Research of Soil and Water Conservation, 2024, 31(2): 299-309. |
| [30] |
刘涛, 张雪梅, 林长存. 基于InVEST与FLUS模型的准格尔旗水源涵养功能分析[J]. 草地学报, 2023, 31(12): 3831-3840. Liu T, Zhang X M, Lin C C. Functional analysis of water conservation in Zhungeer Banner based on InVEST and FLUS models[J]. Acta Agrestia Sinica, 2023, 31(12): 3831-3840. |
| [31] |
袁雪松, 周俊, 胡蓓蓓, 等. 基于FLUS模型粤港澳大湾区"三生空间"多情景模拟预测[J]. 地理科学, 2023, 43(3): 564-574. Yuan X S, Zhou J, Hu B B, et al. Multi-scenario simulation and prediction of ecological-productive-living spaces in Guangdong-Hong Kong-Macao Greater Bay Area based on FLUS model[J]. Scientia Geographica Sinica, 2023, 43(3): 564-574. |
| [32] | Liao W L, Liu X P, Xu X Y, et al. Projections of land use changes under the plant functional type classification in different SSP-RCP scenarios in China[J]. Science Bulletin, 2020, 65(22): 1935-1947. |
| [33] |
陶园, 徐静, 任贺靖, 等. 黄河流域农业面源污染时空变化及因素分析[J]. 农业工程学报, 2021, 37(4): 257-264. Tao Y, Xu J, Ren H J, et al. Spatiotemporal evolution of agricultural non-point source pollution and its influencing factors in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(4): 257-264. |
| [34] |
段亮, 段增强, 夏四清. 农田氮、磷向水体迁移原因及对策[J]. 中国土壤与肥料, 2007(4): 6-11. Duan L, Duan Z Q, Xia S Q. The reason and solution of nitrogen and phosphorus release to water from farmland[J]. Soils and Fertilizers Sciences in China, 2007(4): 6-11. |
| [35] |
马军旗, 乐章. 中国农业面源污染的空间差异与影响因素分析[J]. 农业现代化研究, 2021, 42(6): 1137-1145. Ma J Q, Yue Z. The analysis of the spatial difference and its influencing factors of agricultural non-point source pollution in China[J]. Research of Agricultural Modernization, 2021, 42(6): 1137-1145. |
| [36] |
曲玲, 于志强, 郝启勇, 等. 基于SWAT模型的尼山水库面源污染最佳管理措施研究[J]. 水资源与水工程学报, 2022, 33(4): 32-39, 49. Qu L, Yu Z Q, Hao Q Y, et al. Best management practices for non-point source pollution in Nishan Reservoir based on SWAT model[J]. Journal of Water Resources and Water Engineering, 2022, 33(4): 32-39, 49. |