利用復(fù)合指紋法分析劍川雙河水庫泥沙來源

尹 捷， 楊苑君， 喻慶國， 陳 晨，李 波， 羅 旭， 李麗萍， 王鈞霞， 歐陽敏

(1.西南林業(yè)大學(xué) 濕地學(xué)院， 云南 昆明 650224; 2.云南農(nóng)業(yè)大學(xué) 水利學(xué)院，云南 昆明 650201; 3.西南林業(yè)大學(xué) 國家高原濕地研究中心， 云南 昆明 650224;4.西南林業(yè)大學(xué) 生態(tài)與環(huán)境學(xué)院， 云南 昆明 650224; 5.西南林業(yè)大學(xué) 林學(xué)院， 云南 昆明 650224)

土壤侵蝕、泥沙輸移作為全球關(guān)注的生態(tài)環(huán)境問題，會造成土壤中大量的養(yǎng)分損耗，不僅對工業(yè)生產(chǎn)、社會發(fā)展和環(huán)境響應(yīng)有著嚴重的負面影響[1-2]，還會造成泥沙淤積，導(dǎo)致水庫、湖泊等水量儲存空間變小等問題[3]。淤積泥沙主要來自流域中已被侵蝕的土壤，因此，解決泥沙來源問題對流域水土流失綜合治理具有重要意義。

20世紀初，國內(nèi)外研究學(xué)者開始研究小流域泥沙來源監(jiān)測方法[4],其中，復(fù)合指紋法因其操作簡單、適用范圍廣的特點而在國內(nèi)外被廣泛應(yīng)用。如在國內(nèi)，楊明義等[5]證實了土壤物質(zhì)組成均一的黃土高原小流域應(yīng)用復(fù)合指紋法識別泥沙來源的可行性；郭進等[6]運用全碳、放射性核素(226Ra，137Cs)、堿金屬K及重金屬Zn組成的最佳指紋因子組合識別三峽水庫區(qū)泥沙來源；郝福星等[7]研究黃崗巖典型崩崗小流域內(nèi)懸浮泥沙來源采用了Ca，Li，Sn，K和Ba組成的最佳指紋因子組合。在國外，Walling等[8]利用復(fù)合指紋識別法篩選出N，P，Sr，Ni，226Ra、137Cs，210Pbex，F(xiàn)e，Al等作為指紋因子識別了Ouse河及其支流Wharfe和懸浮泥沙來源；Collins等[9]利用47種指紋因子，分析典型小流域4種不同土地利用類型源地與英國最大濕地河流侵蝕泥沙之間的貢獻率關(guān)系；Carter等[10]利用復(fù)合指紋法研究Aire河流經(jīng)城市前后懸浮泥沙的來源及其變化。

滇西北劍湖流域，位于青藏高原東南部，處于橫斷山脈縱谷地段，具有褶皺斷裂密布、強烈，地震活動頻繁等特點，故該流域存在著大量不穩(wěn)定的松散固體物質(zhì)，導(dǎo)致坡面土壤穩(wěn)定性較弱，易發(fā)生土壤侵蝕、造成水土流失[11]。雙河水庫流域作為劍湖流域的上游小流域，對整個劍湖流域的生態(tài)環(huán)境有著非常重要的影響。雙河水庫流域內(nèi)植被類型多樣，但受人為影響較大，附近居民較多，主河道兩側(cè)耕地面積較廣，并且常年有煤礦開采，土地利用類型豐富。但該小流域土壤侵蝕非常嚴重，在未修建水庫之前，是劍湖淤積泥沙的主要貢獻源[12]，故探究小流域內(nèi)土地利用類型的土壤侵蝕狀況將對劍湖淤積泥沙的治理有很大幫助。目前尚缺乏對劍湖流域泥沙具體來源的實驗研究。

因此本文選取劍川雙河水庫流域作為研究區(qū)，運用復(fù)合指紋法，通過采集源地和水庫沉積泥沙土壤樣品，分析土壤樣品的化學(xué)指標，篩選能夠判別泥沙來源的最佳指紋因子組合，定量研究雙河水庫流域不同土地利用類型對水庫沉積泥沙貢獻比，以期為中國滇西北水土流失區(qū)域泥沙來源研究和流域綜合治理提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

雙河水庫流域位于滇西北的云南省大理白族自治州劍川縣北部(26°33′53″—26°38′55″N，99°43′34″—99°54′25″E)。該流域南北長約9.47 km，東西寬約18.11 km，總面積達88 km2。流域內(nèi)山地連綿起伏，地形東高西低。雙河貫穿整個流域，其上游源頭老君山地處橫斷山脈南段，下游水流匯集于雙河水庫。整個流域海拔最高點為4 098 m，最低點為2 295 m，海拔高低懸殊1 803 m。該流域土地利用類型豐富，包括居民地、林地、耕地、草地及煤礦采集區(qū)域。其中，林地占地面積83.85%，草地占地面積11.22%，耕地占地面積4.12%，煤炭采集及堆積區(qū)域占地面積0.22%，居民地、水域等其他非泥沙來源區(qū)面積占0.58%。該流域林地植被類型多樣，優(yōu)勢種以櫟類、云南松林為主，林下植被層豐富，但林地表層覆蓋度差異較大，少則小于10%，大則高達80%。該流域相對大的海拔高差，多樣化的土地利用類型以及長期的人為擾動，對該地區(qū)的水土流失影響較大。

1.2 研究方法

1.2.1 樣品采集 首先利用ArcGis10.2.2對雙河水庫流域進行DEM水文信息提取及土地利用類型大致分類(見圖1)，預(yù)先確認泥沙源地大概采樣點位置。

圖1 雙河水庫流域土地利用類型及采樣點分布

據(jù)影像圖和現(xiàn)地調(diào)查，雙河水庫流域土地利用類型多樣，包括居民地、河流、水庫、耕地、林地、草地以及煤炭采集及堆積區(qū)域，其中，林地占據(jù)面積最大，且類型多樣，包括闊葉林地、針葉林地以及灌木林地，但影像圖不易分辨。本研究擬將容易發(fā)生土壤侵蝕的土地利用類型作為水庫沉積泥沙來源地，通過觀察，可能會發(fā)生土壤侵蝕的土地利用類型有地表覆蓋度較低的林地、草地、耕地和煤炭開采及堆積區(qū)域，故將泥沙源頭分為林地、草地、耕地及采礦用地4種。其中，采礦用地主要分布于該流域中游地區(qū)，雖占據(jù)面積較小，但由于人為擾動大、地表常年裸露于表面，故我們猜測易發(fā)生泥沙輸移。

2018年6月進行樣品采集。潛在泥沙源地樣品采集時，考慮采樣點在流域的位置、采樣點的坡度、坡向、植被覆蓋度及距河流遠近等條件選取采樣地，且為避免產(chǎn)生隨機誤差，對每個樣地采用五點混合采樣法[6]，即每點采集表層0—2 cm土樣(去除表面的枯枝落葉層)[13]，同一樣地的5個土樣混合均勻，取1 kg置于自封袋中。泥沙源地采樣共計52個樣品，其中草地18個，林地17個，耕地14個，采礦用地3個(見圖1)分別標號，帶回實驗室。

沉積泥沙樣品采集選擇在雙河水庫入庫口、水庫中和水庫尾分別進行，采用隨機五點混合采樣法[6]采集0—5 cm表層沉積泥沙[13]，在每個采樣地隨機采5個沉積泥沙樣并攪拌均勻，取1 kg置于自封袋中，分別標記為水庫前、水庫中和水庫尾，帶回實驗室。

1.2.2 項目測定

(1) 樣品處理。對52個潛在泥沙源地樣品進行風(fēng)干磨細，并揀除樣品中的石塊、枯落物及根系，過2mm篩。對3個水庫沉積泥沙樣品進行冷凍干燥備試，將各泥沙樣品均勻混合平均分成3份，即作為各泥沙樣點位置平行樣。待需測定樣品時，將所有樣品處理磨細完全過100目篩。

(2) 樣品分析。將處理好的樣品進行指紋因子測定，測定因子共計27個。主要包括:總有機碳(TOC)，總氮(TN)，總磷(TP)，Ba，Cd，Cr，Cu，Mn，Pb，S，V，Zn，Al，Ca，F(xiàn)e，K，Na，Sn，Ti，Be，Co，Mg，Mo，Ni，Sr，Tl，U等。其中，TOC經(jīng)1 mol/L鹽酸浸泡去除無機碳并烘干稱后取3～5 mg樣品用總有機碳分析儀(vario TOC，德國)測量。TN和TP經(jīng)過消煮，利用連續(xù)流動分析儀(SEAL Analytical AA3，德國)進行測量。Ba，Cd，Cr，Cu，Mn，Pb、S，V，Zn，Al，Ca，F(xiàn)e，K，Na，Sn，Ti，Be，Co，Mg，Mo，Ni，Sr，Tl，U等運用HCl-HNO3-HF酸式消解法經(jīng)微波消解儀(Multiwave PRO，奧地利)消解，并用電感耦合等離子體發(fā)射光譜儀(ICPE-9820，日本)測定。

1.2.3 示蹤方法

(1) 初選指紋因子。為保持泥沙指紋因子在輸移過程中保持穩(wěn)定狀態(tài)，滿足各土地利用類型之間的差異性，初選指紋因子篩選過程需要進行守恒性檢驗及Kruskal-WallisH檢驗，即需3步[13]：范圍限制原則:沉積泥沙指紋因子濃度不得超過泥沙源頭指紋因子濃度范圍[14]。均值限制原則:即要求沉積泥沙指紋因子的均值需在泥沙源頭的范圍之內(nèi)，且沉積泥沙指紋因子的變異程度(CV)需小于泥沙源頭的變異程度[15-17]。Kruskal-WallisH檢驗:通過非參數(shù)檢驗對一定數(shù)量樣本的總體分布特征進行判斷，當(dāng)因子p<0.05時才被認為該因子具有顯著性差異，指紋因子被接受[18-19]。

(2) 最佳指紋因子組合。運用SPSS多元判別分析確定最佳指紋因子組合。將經(jīng)過Kruskal-WallisH檢驗得到的具有顯著性差異(p<0.05)的因子進行多元逐步判別分析，篩選出一組最具有統(tǒng)計意義的指紋因子組合。該分析中最常用方法是Wilks’Lambda算法，即當(dāng)Wilks’Lambda值最小時得到的指紋因子組合，則為篩選出的最佳指紋因子組合[20]，同時要求多元判別分析的正確判別率需達到70%則為判別效果較好[6]。

(3) 多元線性混合模型定量求解泥沙來源貢獻比例。本次研究采樣Walling混合模型[21]求解泥沙來源，將最終得到的最佳指紋因子組合，利用最小二乘法原理，求得多項式混合模型的最小值，擬將其結(jié)果作為混合模型最優(yōu)解，即為各泥沙來源貢獻值。多元線性混合模型如下:

(1)

式中：Res為殘差平方和;Cjji為沉積泥沙中指紋因子i的濃度;Pj為泥沙源地j的泥沙貢獻百分比;Cji為泥沙源地j中指紋因子i的平均濃度;m為泥沙源地數(shù)量;n為指紋因子的數(shù)量。在運用函數(shù)式時，必須滿足兩個前提條件“泥沙源地貢獻百分比總和為1;泥沙源地貢獻百分比不能小于零”，即:

(2)

同時，為了克服Excel規(guī)劃求解程序在最小化混合模型誤差的情況下難以確定最優(yōu)泥沙貢獻的情況，還需采用擬合優(yōu)度(GOF)分析方法檢驗混合模型對樣品觀測值的擬合程度[14]，如公式(3)所示:

(3)

當(dāng)擬合優(yōu)度>0.8時，說明多元混合模型計算結(jié)果具有合理性[22]。

1.2.4 數(shù)據(jù)處理 本文運用ArcGIS進行流域水文信息及土地利用類型信息提取分析，運用SPSS 19.0統(tǒng)計軟件進行數(shù)據(jù)統(tǒng)計分析，運用Excel 2010規(guī)劃求解進行泥沙貢獻比例計算，并運用SigmaPlot 10.0和Excel 2010進行泥沙來源貢獻比例繪圖。

2 結(jié)果與分析

2.1 最佳指紋因子組合篩選

2.1.1 指紋因子篩選 對27個指紋因子進行守恒性檢驗(均值限值條件、范圍限制條件)和Kruskal-WallisH檢驗，篩選出差異性顯著的因子。經(jīng)初選指紋因子3個步驟得到結(jié)果如表1所示。

表1 雙河水庫沉積泥沙及水庫泥沙源頭指紋因子篩選過程

注:“*”表示在0.05水平上顯著；a表示沉積泥沙中指紋因子的平均濃度在源頭泥沙指紋因子濃度范圍內(nèi)；b表示沉積泥沙中指紋因子的上下限在源頭泥沙指紋因子濃度范圍內(nèi)；p表示分別滿足均值限制條件和范圍限制條件；“-”為未檢驗。

結(jié)果表明，差異顯著的因子占大多數(shù)。在27個指紋因子中，首先因守恒性檢驗剔除的異常因子有TOC，V，Zn，Ti，Tl 5個指紋因子。剩余的22個指紋因子，大部分指紋因子呈現(xiàn)了顯著差異性，除Al，F(xiàn)e，Co，Mo，Mn和Ni 6個指紋因子外，其余16個指紋因子全部通過Kruskal-Wallis H檢驗(p<0.05)，將其作為初步篩選出的指紋因子，可進入多元逐步判別分析。

2.1.2 源頭泥沙判別 經(jīng)多元逐步判別分析，共計8種因子(S，Ca，Sr，TP，Cr，Ba K，Mg)確立為最佳指紋因子，形成最佳指紋因子組合,并且Wilks’ lambda值由0.097變?yōu)?.008，判別能力達到了89.60%(見表2)，判別效果較好。

表2 最佳指紋因子及辨別正確率

其中，單個源頭泥沙判別中采礦用地因地類特殊，與其他土地利用類型指紋因子含量差異巨大，故判別正確率達100%。林地、草地和耕地正確辨別率為95.80%,95.70%和70%。依據(jù)組質(zhì)心第一和第二函數(shù)得到的多元判別分析歸類結(jié)果(見圖2)，以原點(0，0)為起始點，分別向4個土地利用類型組質(zhì)心處做向量，向量之間夾角越小，則表明兩者之間相關(guān)性越高[23]。可以看出，采礦用地、草地和林地之間夾角較大，相關(guān)性較弱，但耕地與林地和草地之間夾角較小，且部分樣點出現(xiàn)判別錯誤與其他土地利用類型交錯分布的現(xiàn)象。其主要原因在于自2000年云南省開始實施退耕還林還草政策，坡度大于25°的農(nóng)耕地必須全部實施退耕[24]，且在采集草地時已經(jīng)發(fā)現(xiàn)，少量草地是耕地長期未種植作物而荒廢形成的撂荒地，故少部分樣地的指紋因子含量界限模糊，進而導(dǎo)致耕地、林地和草地發(fā)生了誤判。

2.1.3 土地利用類型與最佳指紋因子對應(yīng)分析 將泥沙源地與最佳指紋因子組合進行對應(yīng)分析[25]。通過原點(0，0)向任一土地利用類型作向量及該向量的反向延長線。過最佳指紋因子點作該向量的垂直向量，比較各指紋因子垂點，越接近向量正方向的因子即與該土地利用類型相關(guān)性越強(見圖3)。通過該分析可得知，與草地相關(guān)性最強的因子是Sr和Mg;與林地相關(guān)性最強的是Ca;與耕地相關(guān)性最強的因子最多，有Sr，Mg，Ca，Ba和K;而采礦用地與其他土地利用類型差異較大，且指紋因子相關(guān)性較其他土地利用類型都較弱，但相對來說，S的相關(guān)性最強，其次是TP，這與煤炭中S和P是在煤炭中的含量較多有關(guān)[26]。

圖2 4種土地利用類型多元判別分析歸類圖

圖3 土地利用類型與最佳指紋因子對應(yīng)分析

2.2 泥沙源地分析

2.2.1 總體泥沙來源貢獻比 以各土地利用類型的泥沙貢獻比為自變量，分別以水庫前、水庫中和水庫尾的最佳指紋因子的濃度為約束條件，利用多元線性混合模型求解水庫沉積泥沙的來源貢獻比，此時水庫前、水庫中和水庫尾的擬合優(yōu)度分別為0.831±0.001，0.809±0.003和0.806±0.003，均大于0.8，結(jié)果具備合理性。

模型求解結(jié)果顯示，水庫3個不同位置的沉積泥沙來源貢獻百分比不同(見圖4)。水庫前部:草地對沉積泥沙的泥沙貢獻百分比均值達到50.43%，耕地次之，貢獻百分比均值為28.92%，最小為采礦用地，貢獻百分比均值僅有0.53%。水庫中部:泥沙貢獻百分比均值草地和林地相當(dāng)，均為36%左右，而耕地稍低，僅為27.35%，采礦用地最低，泥沙貢獻百分比均值為0.16%。水庫尾部:泥沙貢獻百分比大小發(fā)生變化，貢獻百分比均值最大的為耕地(54.81%)，超過泥沙貢獻百分比半數(shù)，而草地和林地分別為27.92%和17.24%，均較前兩個位置點減少;同時，水庫尾采礦用地泥沙貢獻率僅為0.03%，趨近于零。因此，從整體看來，隨著泥沙在水庫沉積時間先后，耕地貢獻百分比逐漸變大，而草地逐漸變小，采礦用地更是逐漸趨近于零。針對這個現(xiàn)象，分析其原因可能是泥沙分選導(dǎo)致[24]，該區(qū)域草地和采礦用地土壤粒徑普遍偏大，故更容易在入庫口堆積，而耕地粒徑較小，容易被水流攜帶到水庫尾部進行沉積。此外，通過水庫前、中、尾3點進行平均值計算可得，總體上泥沙貢獻百分比最大的是草地和耕地，分別為37.28%和34.62%，林地稍低為27.86%，采礦用地僅為0.24%。

圖4 泥沙來源貢獻比例

2.2.2 單位面積泥沙來源貢獻比 不同土地利用類型對水庫沉積泥沙的貢獻還可通過單位面積泥沙來源貢獻比來分析，單位面積泥沙貢獻比通過泥沙來源貢獻百分比和土地利用類型面積的比值得到(見圖5)。由圖5可知，水庫前、中、后3個位置及三者取平均值后的單位面積泥沙貢獻比為：耕地(9.55%)>草地(3.87%)>采礦用地(1.24%)>林地(0.38%)，不同土地利用類型的單位面積泥沙貢獻百分比值差異較大。

綜合泥沙源地分析的結(jié)果可以看出：①耕地雖然不是水庫最大的沉積泥沙來源，但其單位面積泥沙貢獻百分比最大，因為耕地土壤受人為干擾相對較強，且主要分布在河道兩側(cè)，導(dǎo)致雨水帶動大量土壤發(fā)生坡面侵蝕，較其他土地利用類型而言極易發(fā)生水土流失，該結(jié)果與前人的研究相符[6。13]；②草地作為本區(qū)域最大的泥沙來源區(qū)，單位面積泥沙貢獻率也居于第二，與郭進[6]、陳方鑫等[24]研究結(jié)果草地泥沙貢獻率較低差異較大，其主要原因是前人研究區(qū)域草地的覆蓋度相對較高，故起到了抑制水土流失的效果，但本區(qū)域草地地表植被覆蓋度低，研究區(qū)內(nèi)大部分草地植被覆蓋度≤50%，故草地在單位面積上也發(fā)生較大的土壤侵蝕。加之草地在研究區(qū)內(nèi)占地面積較大，故草地對水庫泥沙的貢獻率也較大；③采礦用地主要集中在中游區(qū)域，并且堆積于主河道附近，由于人類干擾導(dǎo)致土壤極不穩(wěn)定，雖其總體泥沙貢獻比較低，但因為采礦用地面積占比較小，故其沉積泥沙單位面積貢獻比較大，是林地的3倍，與周曼等[23]研究結(jié)果類似，這與采礦區(qū)大量松散堆積物導(dǎo)致地表嚴重壓實和非均勻沉降，表層徑流增加了入河泥沙量有關(guān)[26]。但由于煤炭顆粒較大，且其流經(jīng)的主干河道較緩，故泥沙容易在入庫前及河道中進行沉積，導(dǎo)致采礦用地相比農(nóng)地和草地在水庫中的單位面積泥沙貢獻率相對較低，與常維娜等[13]研究結(jié)果相似；④林地作為該地區(qū)的主要土地利用類型，總體的泥沙貢獻比較大。楊明義等[5]研究結(jié)果表明，人工坡地果園林下植被少會導(dǎo)致土壤侵蝕嚴重。本研究區(qū)林地以天然林為主，占地面積大，但少部分林地地表覆蓋度低，且流域內(nèi)山高坡陡，地表物質(zhì)松散不穩(wěn)定，時而大量降水導(dǎo)致坡面崩塌，造成水土流失，因此導(dǎo)致了總體泥沙貢獻比較大[23]。但林地單位面積上的泥沙貢獻率最小，證實大部分林地的土壤穩(wěn)定性強，因為林木根系在土壤中既有粗壯的垂直根發(fā)揮錨固作用，也有細小根系鋪于土體中形成網(wǎng)絡(luò)包裹土壤結(jié)構(gòu)，根土復(fù)合體結(jié)構(gòu)使林地土壤更加穩(wěn)定，從而固持水土，防止土壤侵蝕[27]。

圖5 單位面積泥沙來源貢獻率

3 結(jié) 論

本文在滇西北劍川雙河水庫流域，開展復(fù)合指紋法定量示蹤水庫沉積泥沙來源。對流域泥沙來源進行定性劃分為草地、林地、耕地和采礦用地，并且定量揭示了各泥沙來源對雙河水庫流域沉積泥沙來源的貢獻率。篩選出了8個指紋因子(S，Ca，Sr，TP，Cr，Ba，K，Mg)組成最佳指紋因子組合，正確判別率達到89.60%，具有較好的正確判別率。同時，該結(jié)果擬合優(yōu)度大于0.8，表明混合模型結(jié)果計算可靠，復(fù)合指紋法適合該類型流域研究。

通過多元線性混合模型分析得出，總體上，在水庫前和水庫中，泥沙總貢獻率最大為草地，其次為耕地和林地，采礦用地最小。但水庫尾，泥沙貢獻率變?yōu)楦刈疃啵浯问遣莸睾土值兀詈笫遣傻V用地。故總體上采礦用地泥沙貢獻百分比最小，而草地和耕地泥沙貢獻百分比均較大，林地次之。單位面積泥沙貢獻百分比大小為：耕地>草地>采礦用地>林地。說明單位面積上耕地發(fā)生土壤侵蝕最為嚴重，而草地次之，林地最弱。采礦用地雖完全裸露于表層，但由于采礦用地粒徑較大，地表徑流或者河道不易將泥沙帶走，故單位面積泥沙貢獻率相對同是裸露地表的耕地來說較小。在水庫前、水庫中和水庫尾，各泥沙土地利用類型的泥沙貢獻隨沉積時間的增加呈現(xiàn)不同變化趨勢，草地和采礦用地的泥沙貢獻率逐漸減少，其主要原因在于泥沙分選過程，草地和采礦用地由于粒徑值較大，故在更靠近水庫入口的位置沉積，而耕地相對粒徑較小，故較容易在水庫尾沉積。

總體看來，雖然耕地的泥沙貢獻沒有草地大，但就單位面積泥沙貢獻比看，耕地的土壤侵蝕程度比其他土地利用類型嚴重得多，其主要原因在于耕地主要集中在河道左右，易受雨水侵蝕及河水沖蝕帶走泥沙，故需要加強退耕還林力度，綜合水土保持植物和工程措施，減輕耕地帶來的土壤侵蝕。此外，草地和林地的單位面積泥沙貢獻率雖與耕地相比較小，但由于面積較大，累積泥沙量偏大。故應(yīng)該進一步增加地表覆蓋度，減輕地表濺蝕，增加徑流下滲，更好地發(fā)揮水土保持作用。