土地利用方式对河流生态健康有着重大影响[1, 2, 3],土地利用尤其是农业用地方式的不合理,加之农田管理模式的不恰当,会导致土壤侵蚀,过量氮、 磷经径流冲刷形成非点源污染,威胁河流水质[4,5]. Yu等[6]、 Tong等[7]的研究表明土地利用变化引起的非点源污染是导致河流水质下降的重要原因,剖析土地利用与河流水质的内在联系是非点源污染研究的关键内容之一.
农业面源作为非点源的重要组分,是导致河流、 湖泊等水体水质恶化的重要原因[8,9],其发生具有随机性、 排放途径及排放污染物具有不确定性、 形成机制复杂,是非点源污染管控的难点[10,11]. 目前关于农业面源与地表水环境关系[12,13]的研究表明,农业面源对地表水质的影响作用显著、 范围广,主要表现在: 地表水质不仅受农田中化肥、 农药使用量、 农业耕作方式、 地形条件等因子影响,还受到各类景观空间分布格局影响. 这些研究的尺度涉及流域[14]、 子流域[15]、 缓冲区[16]等多层次,研究手段多将空间分析方法如地理信息系统技术(GIS)[17,18]、 遥感技术(RS)[19,20]等,同数理分析方法如输出系数法[16]、 模型估算法[21,22]等结合,定量化研究两者的关系.
洱海是云南省第二大淡水湖泊,农业是洱海流域的基础产业,种植业和畜禽养殖业则是农业经济的主导产业. 近年随着流域经济发展,土地利用开发强度加剧,流域非点源污染尤其是农业面源污染对河流水质的威胁日趋加重. 目前关于洱海流域农业面源对水环境影响的研究[15, 23, 24, 25]大多从农业面源污染产生、 迁移、 转化机制,污染负荷估算,污染过程模拟等方面进行水环境效应分析,很少考虑土地利用方式的不合理所导致的农业面源污染恶化问题. 针对此问题,本研究采用空间分析和统计分析方法,从综合农业用地和各类农业用地面积百分比入手,揭示洱海流域农业用地方式与入湖河流水质的内在联系,以期为流域农业面源治理提供参考.
1 材料与方法 1.1 研究区概况洱海流域(E99°32′~100°27′、 N25°25′~26°16′)位于云南省大理白族自治州,属澜沧江-湄公河水系,流域面积2 565 km2,湖泊面积251 km2,入湖河溪大小共计117条(图 1).
![]() | 图 1 研究区范围 Fig. 1 Scope of the study area |
流域气候属典型的高原大陆性气候,干湿季分明,5~10月为雨季,11月~次年4月为非雨季,多年年均温度和降雨量分别为15.1℃和1 048 mm. 2012年末流域农村人口548 471人,占总人口数的65.8%,居民主要经济来源为种植业和畜牧业. 种植业主要包括粮食作物和经济作物,有水稻、 小麦、 玉米、 蔬菜、 烤烟等; 畜牧业品种有大牲畜(牛马驴骡)、 生猪、 羊等. 近年,流域经济作物种植规模明显增加,畜牧业生产规模不断扩大,推动着农业经济快速发展的同时,给流域水环境也带来极大压力和影响[26].
1.2 水质数据及分析水质数据选用2013年洱海流域入湖河流雨季和非雨季的水质数据,雨季数据为5~10月的平均值,非雨季的数据为1~4月和11~12月的平均值,其中,D7~D9流域水质数据为实测值,其它各流域水质数据由大理州环境监测站提供. 水质数据监测频率均为每月1次,选取以下6个代表性水质指标: pH、 溶解氧(DO)、 高锰酸盐指数、 总氮(TN)、 氨氮(NH4+-N)和总磷(TP).
实测数据中pH值通过便携式pH计测定(pH56型,Martini instruments),DO值通过便携溶氧仪测定(YSI DO200),其它指标值通过实验室监测得到,监测方法参照《水和废水监测分析方法》(第四版).
1.3 空间分析基础数据源为2012年资源一号02c卫星拍摄的2.36 m高精度卫片及中国科学院地理信息中心的30 m分辨率DEM,根据2012年全国土地分类(试行)标准,基于归一化植被指数(NDVI)、 归一化建筑指数(NDBI)和归一化水体指数(MNDWI)这3个归一化差异指数,采用面向对象分类方法[27,28]提取流域农业用地(图 2),包括耕地、 园地、 林地、 牧草地、 鱼塘等; 在Arcgis 10.1(ESRI)平台上基于流域DEM进行小流域划分,选取了流域内10条主要入湖河流及其小流域为研究对象,以D(编号)表示. 其中D1~D3分别为北部三条入湖河流弥苴河、 永安江、 罗时江所在流域,D4~D9为西部苍山十八溪中的六条入湖河流所在流域,D10为南部入湖河流波罗江所在流域.
![]() | 图 2 洱海流域农业用地 Fig. 2 Land use of Erhai Lake Basin |
在进行分析之前,利用SPSS 19软件[29]描述统计对数据进行缺失值查找、 误差值排除及标准化去量纲,并采用单样本K-S(Kolmogorov-Smirnov)检验法检验所有数据的正态性,对非正态分布数据通过个案排秩进行正态性转换. 在显著性水平α=0.05的条件下,采用单因素方差分析验后多重比较法分析10个小流域雨季和非雨季入湖河流水质特征. 基于SPSS 19,用因子分析法分析10个小流域雨季和非雨季入湖河流水质的空间特征及主要污染因子,分析方法采用KMO和球形Bartlett检验法.
利用Canoco 4.5排序软件[30]分析农业用地与入湖河流水质的关系. 首先对研究区雨季和非雨季10条入湖河流水质数据进行趋势对应DCA分析,发现两者梯度长度最大值分别为0.692和0.299,均小于1,即选用线性模型为排序模型,并选用目前线性模型最常用的冗余分析方法RDA[5]进行两者关系研究. RDA排序图中两者相关性正负取决于箭头的同向或异向,相关性大小由两者箭头投影的长短决定.
2 结果与分析 2.1 各小流域农业用地利用方式研究区内10个小流域农业用地方式如图 2和图 3所示. 研究区内农业用地在各小流域的面积占比为37.84%~85.22%,空间差异明显. 农业综合用地面积占比大的流域主要集中在西部D4~D9这6个小流域,且农业用地面积在6个小流域的占比均超过50%.
![]() | 图 3 小流域农业用地利用方式 Fig. 3 Farm land use patterns of sub-watersheds |
各流域农业用地构成,以林地为主,占农业用地比例为40.23%~80.84%(D2除外),主要分布于山区; 耕地次之,占农业用地比例为11.87%~60.38%,主要分布于坡度较缓的平坝区; 草地主要分布于平坝区,面积居第三,其它地类占比较少. 就各小流域而言,洱海西部流域(D4~D9)农业用地构成相对简单,主要为林地和耕地,且林地面积占比超过耕地; 洱海北部和南部流域农业用地构成相对西部流域复杂,其主要农业用地包括林地、 耕地和草地,除D3流域外,北部和南部其它各流域草地面积占比平均为22%.
2.2 各小流域水质特点 2.2.1 各小流域水质时空特征研究区内10个主要小流域雨季和非雨季入湖河流水质如图 4所示,其中D4和D5流域入湖河流为季节性河流,非雨季断流. 经单因素方差分析发现,在5%的显著性水平下,除pH外,10个小流域其它各水质指标呈现明显的时空差异. 主要表现为: pH和DO最大值出现在D6流域,NH4+-N和TP最大值以及pH最小值出现在D9流域,高锰酸盐指数最大值和DO最小值出现在D3流域,NH4+-N和TP最小值出现在D8流域. 雨季,高锰酸盐指数、 NH4+-N、 TP出现最大值,pH、 DO、 高锰酸盐指数、 TN出现最小值; 非雨季,pH、 DO、 TN出现最大值,NH4+-N、 TP出现最小值.
![]() | 图 4 小流域入湖河流水质 Fig. 4 Water quality in inflow rivers of sub-watersheds |
采用因子分析法分析洱海流域入湖河流的水质主要污染因子,结果显示: 在df=15,P < 0.001时,KMO和球形Bartlett检验法的结果为0.63和121.24; 主成分分析法提取了特征值大于1的前两个主要因子,两因子方差累计贡献为58.24%; 方差最大正交旋转法旋转得到因子荷载矩阵(表 1).
![]() | 表 1 洱海流域水质因子荷载矩阵1) Table 1 Rotated component matrix for all water quality data in the Erhai Lake Basin |
研究区水质在10个小流域旋转因子如图 5所示,从中可知D3~D9小流域水质状况类似,在第一个因子上的荷载较高,D1、 D2和D10小流域水质状况类似,在第二个因子上的荷载较高,也即第一个因子能更好地解释洱海流域西部区域的水质状况,6个水质指标中总磷污染相对严重,第二个因子能更好地解释洱海流域北部和南部区域(除D3)的水质状况,有机物及氮污染突出.
![]() | 图 5 洱海流域各区水质旋转空间的因子 Fig. 5 Component plot in rotated space for all data in different zones of Erhai Lake Basin |
对选取的入湖河流6个水质指标分析发现,洱海流域北部和南部入湖河流水质受农业面源污染影响较西部区域大,其有机物和氮污染严重,流域的绝大多数农田和草地分布于此区,范围广、 面积大,入湖河流流程长,受干扰性大. 洱海流域西部区域农业用地中林地占绝对优势,且为入湖河流的发源地,入湖河流流程短促,受农业用地方式的影响较小,水质相对较好.
2.3 农业用地面积百分比与入湖河流水质的关系 2.3.1 综合农业用地面积百分比与入湖河流水质相关性研究区综合农业用地面积百分比与入湖河流雨季和非雨季水质相关性如图 6,在显著性水平α=0.05时,农业用地面积百分比与雨季pH和DO呈正相关,与DO呈显著正相关,与高锰酸盐指数、 NH4+-N、 TN、 TP呈负相关,相关系数分别为-0.859、 -0.565、 -0.693、 -0.181,与高锰酸盐指数和TN在α=0.01和α=0.05时呈显著负相关; 在显著性水平α=0.05时,农业用地面积百分比与非雨季pH、 DO、 TN和TP均呈正相关,相关系数为0.310、 0.179、 0.221、 0.146,与高锰酸盐指数和NH4+-N呈负相关,相关系数为-0.384、 -0.328.
![]() | 图 6 综合农业用地面积百分比与入湖河流水质的冗余性分析 Fig. 6 RDA analyses of comprehensive farm land percent and inflow rivers water quality |
可见,综合农业用地并不能很好表征河流水质的变化,尤其是其对雨季高锰酸盐指数、 TN的显著正向效应,与许多研究结论[2, 3, 31]不一致,这些研究认为农业用地化肥农药的施用是导致水体富营养、 水质恶化的重要原因. 该文根据全国土地利用分类标准提取农业用地,由耕地、 林地、 草地、 园地和鱼塘等构成,对水质的影响效应各异,因此综合分析的结果是各类农业用地作用结果的叠加效应,并不能很好地反映各类农业用地对河流水质的指示作用. 鉴于洱海流域是农业面源污染为主的典型区域,与河流水质关系密切,因此需对农业用地与河流水质的关系进行深入研究.
2.3.2 各类农业用地面积百分比与入湖河流水质相关性为进一步研究洱海流域农业用地与河流水质的关系,从各类农业用地占各小流域总农业用地面积的百分比与入湖河流水质的关系进行分析,结果见图 7. 从中可知,耕地与TN、 TP在雨季和非雨季均呈正相关,与两者的相关系数雨季为0.252、 0.581,非雨季为0.149、 0.511,与高锰酸盐指数、 NH4+-N在雨季和非雨季分别呈正相关和负相关,与两者的相关系数雨季为0.388、 0.053,非雨季为-0.137、 -0.147; 林地与耕地的表现相反,林地与TN、TP、 高锰酸盐指数、 NH4+-N的相关系数雨季为-0.526、 -0.275、 -0.469、 -0.155,非雨季为-0.012、 -0.100、 0.282、 0.151; 草地和园地在雨季与耕地的表现类似,非雨季与耕地的表现相反,主要表现为: 雨季,草地和园地与高锰酸盐指数、 NH4+-N、 TN呈正相关,其中草地与TN在α=0.05的水平显著正相关; 非雨季,草地与所有水质指标均呈负相关,园地与NH4+-N、 TN、 TP均呈负相关. 鱼塘与高锰酸盐指数、 NH4+-N、 TN在雨季和非雨季均呈微弱负相关,对TN和TP的指示作用不显著,这可能与其面积在流域内所占比重过小有关.
![]() | 图 7 各类农业用地面积百分比与入湖河流水质的冗余性分析 Fig. 7 RDA analyses of all kinds of farm land percent and inflow rivers water quality |
为定量揭示农业用地面积百分比对研究区入湖河流水质影响程度的大小,根据RDA分析结果绘制出各农业用地利用类型对水质指标的方差解释率图 8. 从中可知,不同农业用地类型对入湖河流水质的影响不同,且存在季节性差异. 具体表现为: 耕地>林地>草地>园地>鱼塘; 雨季>非雨季.
![]() | 图 8 各农业用地面积百分比对水质参数变异的贡献率 Fig. 8 Contribution rate of agricultural land area proportion to water quality parameters variation |
可见,研究区内耕地和林地对河流TN、 TP效应稳定,不受季节影响,耕地面积扩张对河流水质产生负向效应,林地则有利于水质改善; 草地和园地对河流水质的影响随季节性变化大,两者与河流水质的关系由雨季时正相关变成非雨季时微弱负相关; 鱼塘对河流水质的指示作用不显著.
3 讨论上述研究表明,受各类农业用地的叠加影响,各流域水质呈现空间差异性,流域北部和南部区域入湖河流水质受农业用地影响较西部区域大. 研究发现流域西部农业用地类型相对简单,林地占绝对优势且主要位于坡度大的山区,同时林地为此区入湖河流的发源地,入湖河流流程短促,水质相对好,主要以总磷污染为主; 流域北部和南部农业用地类型多样,流域大部分耕地和草地位于此区的平坝区域,且北部养殖业较多,入湖河流流程长,水质易受影响,河流水质差,主要污染指标为有机物和氮. 这与陈纬栋[24]、 翟玥等[25]的研究结论一致,他们的研究结果表明洱海流域北部区域是农业面源污染发生和入湖的主要区域,南部次之. 可见,流域入湖河流水质与农业用地方式关系密切,治理时应重点关注北部和南部不同农业用地对水质的联合效应,并采取针对性的管控措施.
农业用地与入湖河流水质的关系密切,相对于综合农业用地,各类农业用地面积百分比能更好地表征入湖河流水质变化,且存在季节性差异. 耕地和林地与河流水质的关系稳定,表现为耕地与河流TN和TP在雨季和非雨季均呈正相关,林地与河流TN和TP雨季和非雨季均呈负相关,这与大多数研究[2, 3, 12, 31]结论一致,表明耕地氮磷施肥量增多会加重河流水质氮磷污染,而林地是水体潜在污染物的“汇”,具有削减暴雨径流、 减少水土流失、 吸附污染物等功能,可有效减少地表径流冲刷后带入河流的营养盐,减轻水质污染. 草地和园地与河流水质的关系受季节影响较大,雨季时两者对水质均有不利影响,主要是由于畜牧及种植产生的氮、 磷污染物随径流进入水体,影响水体水质,而非雨季时这种不利影响则变得不显著. 研究区内鱼塘相对少,对TN和TP的指示作用被占绝对优势的林地掩盖,指示作用不显著. 可见,加强流域农业源治理,特别要注意对雨季耕地、 园地及草地的合理管控.
洱海流域是典型的农业面源为主导的流域[23, 24, 25],作为农业面源污染研究的重要内容之一,其农业用地对入湖河流水质的影响复杂,不仅应考虑水文季节、 农业用地面积等影响因素,还应考虑农业用地自然属性、 空间配置及尺度的影响[5, 6, 16, 31].
4 结论(1)研究区各小流域入湖河流水质受各类农业用地的综合影响,空间差异性显著. 洱海西部区域(D3~D9)入湖河流主要污染指标为总磷,洱海北部和南部区域(D1、 D2和D10)主要污染指标为有机物和氮.
(2)流域综合农业用地面积百分比对入湖河流水质的表征不强. 雨季,综合农业用地面积百分比与入湖河流DO、 pH呈正相关,与高锰酸盐指数、 NH4+-N、 TN、 TP呈负相关,与高锰酸盐指数和TN呈显著负相关; 非雨季,综合农业用地面积百分比与入湖河流DO、 pH、 TN、 TP呈正相关,与其它水质指标呈负相关.
(3)流域各类农业用地面积百分比能很好地表征入湖河流水质. 耕地与TN、 TP在雨季和非雨季均呈正相关,与高锰酸盐指数、 NH4+-N在雨季和非雨季分别呈正相关和负相关; 林地与耕地的表现相反; 鱼塘对TN和TP的指示作用不显著; 草地和园地在雨季与耕地的表现类似,非雨季与耕地的表现相反.
[1] | Rhodes A L, Newton R M, Pufall A. Influences of land use on water quality of a diverse New England watershed[J]. Environmental Science & Technology, 2001, 35 (18): 3640-3645. |
[2] | Meneses B M, Reis R, Vale M J, et al. Land use and land cover changes in Zêzere watershed (Portugal)-Water quality implications[J]. Science of the Total Environment, 2015, 527-528 : 439-447. |
[3] | Teixeira Z, Teixeira H, Marques J C. Systematic processes of land use/land cover change to identify relevant driving forces: implications on water quality[J]. Science of the Total Environment, 2014, 470-471 : 1320-1335. |
[4] | Buck O, Niyogi D K, Townsend C R. Scale-dependence of land use effects on water quality of streams in agricultural catchments[J]. Environmental Pollution, 2004, 130 (2): 287-299. |
[5] | Ouyang W, Song K Y, Wang X L, et al. Non-point source pollution dynamics under long-term agricultural development and relationship with landscape dynamics[J]. Ecological Indicators, 2014, 45 : 579-589. |
[6] | Yu D Y, Shi P J, Liu Y P, et al. Detecting land use-water quality relationships from the viewpoint of ecological restoration in an urban area[J]. Ecological Engineering, 2013, 53 : 205-216. |
[7] | Tong S T Y, Chen W L. Modeling the relationship between land use and surface water quality[J]. Journal of Environmental Management, 2002, 66 (4): 377-393. |
[8] | Wang X H. Sustainable development in tibet requires control of agricultural nonpoint pollution[J]. Environmental Science &Technology, 2014, 48 (16): 8944-8945. |
[9] | Ongley E D, Zhang X L, Yu T. Current status of agricultural and rural non-point source Pollution assessment in China[J]. Environmental Pollution, 2010, 158 (5): 1159-1168. |
[10] | 朱兆良, Norse D, 孙波. 中国农业面源污染控制对策[M]. 北京: 中国环境科学出版社, 2006. 1-12. |
[11] | 陈英旭, 梁新强. 氮磷在农田土壤中的迁移转化规律及其对水环境质量的影响[M]. 北京: 科学出版社, 2012. 1-14 |
[12] | Guo W X, Fu Y C, Ruan B Q, et al. Agricultural non-point source pollution in the Yongding River Basin[J]. Ecological Indicators, 2014, 36 : 254-261. |
[13] | Chen M, Chen J, Sun F. Agricultural phosphorus flow and its environmental impacts in China[J]. Science of The Total Environment, 2008, 405 (1-3): 140-152. |
[14] | Chen D J, Lu J, Shen Y N, et al. Spatio-temporal variations of nitrogen in an agricultural watershed in eastern China: Catchment export, stream attenuation and discharge[J]. Environmental Pollution, 2011, 159 (10): 2989-2995. |
[15] | 李文超. 凤羽河流域农业面源污染负荷估算及关键区识别研究[D]. 北京: 中国农业科学院, 2014. 14-17. |
[16] | Sliva L, Williams D D. Buffer zone versus whole catchment approaches to studying land use impact on river water quality[J]. Water Research, 2001, 35 (14): 3462-3472. |
[17] | Wen Q C, Chen X, Shi Y, et al. Analysis on composition and pattern of agricultural nonpoint source pollution in Liaohe River Basin, China[J]. Procedia Environmental Sciences, 2011, 8 : 26-33. |
[18] | León L F, Soulis E D, Kouwen N, et al. Nonpoint source pollution: a distributed water quality modeling approach[J]. Water Research, 2001, 35 (4): 997-1007. |
[19] | Ding X W. The simulation research on agricultural non-point source pollution in Yongding River in Hebei Province[J]. Procedia Environmental Sciences, 2010, 2 : 1770-1774. |
[20] | Yang S T, Dong G T, Zheng D H, et al. Coupling Xinanjiang model and SWAT to simulate agricultural non-point source pollution in Songtao watershed of Hainan, China[J]. Ecological Modelling, 2011, 222 (20-22): 3701-3717. |
[21] | 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. |
[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. |
[23] | Shang X, Wang X Z, Zhang D L, et al. An improved SWAT-based computational framework for identifying critical source areas for agricultural pollution at the lake basin scale[J]. Ecological Modelling, 2012, 226 : 1-10. |
[24] | 陈纬栋. 洱海流域农业面源污染负荷模型计算研究[D]. 上海: 上海交通大学, 2011. 58-60. |
[25] | 翟玥, 尚晓, 沈剑, 等. SWAT模型在洱海流域面源污染评价中的应用[J]. 环境科学研究, 2012, 25 (6): 666-671. |
[26] | 大理州统计局.大理州统计年鉴[M].昆明:云南民族出版社, 2013. 90-97, 417-418. |
[27] | 张明月, 杨贵军, 宋伟东, 等. 遥感组合指数与不同分类技术结合提取农业用地方法[J]. 测绘科学, 2011, 36 (5): 73-76. |
[28] | Diaz-Varela R A, Zarco-Tejada P J, Angileri V, et al. Automatic identification of agricultural terraces through object-oriented analysis of very high resolution DSMs and multispectral imagery obtained from an unmanned aerial vehicle[J]. Journal of Environmental Management, 2014, 134 : 117-126. |
[29] | 张红兵, 贾来喜, 李潞. SPSS宝典[M]. 北京: 电子工业出版社, 2009. 188-196, 261-276. |
[30] | 赖江山. 生态学多元数据排序分析软件Canoco5介绍[J]. 生物多样性, 2013, 21 (6): 765-768. |
[31] | Bu H M, Meng W, Zhang Y, et al. Relationships between land use patterns and water quality in the Taizi River basin, China[J]. Ecological Indicators, 2014, 41 : 187-197. |