成渝地區雙城經濟圈人類活動氮磷輸入時空演變及其驅動因素

鄧陳寧，張澤乾，徐 睿，李 虹，鄒天森，楊鵲平*，劉偉玲，聶 沖，趙艷民

1. 中國環境科學研究院，北京 100012

2. 國家長江生態環境保護修復聯合研究中心，北京 100012

3. 北京師范大學水科學研究院，北京 100875

隨著社會經濟的飛速發展，伴生的水污染已成為備受關注的熱點問題[1]. 高強度的人類活動顯著改變了氮磷等養分的地球化學循環，導致水體富營養化等一系列水生態環境問題[2-3]. 河流養分通量與人類活動養分輸入之間存在較強的相關性，氮磷養分輸出的比例分別為輸入的20%～30%和3%～6%[4-6]. 人為氮磷輸入主要來源于農業活動和食物生產消費[7]. 在農業集約程度較高的區域，作物施肥和畜禽養殖可能引入過量的養分輸入[8]；在人口密度較高的城市群，食物生產消費方式和土地利用的改變也直接影響著養分循環[9]. 此外，氣候條件、土地覆蓋和社會經濟發展水平的差異，也會導致各地區養分輸入與環境響應過程不盡相同[10].

隨著我國城市化進程的加快，諸多經濟區和城市群等高復雜度的社會-經濟-自然復合系統正在加速形成[11]. 目前，我國城市群大多處于發展的初級階段，以水體富營養化為代表的環境問題尚未完全解決.城市群內跨市社會經濟活動相互作用，使區域環境問題放大升級為跨區域問題[12-14]，亟待找尋科學的解決方案. 成渝城市群是我國城市群的典型代表，其作為長江經濟帶戰略支撐之一，是西部大開發的重要平臺和高質量發展的重要增長極之一. 《成渝地區雙城經濟圈建設規劃綱要》明確提出，要共筑長江上游生態屏障，推動生態共建共保，加強污染跨界協同治理，探索綠色轉型發展新路徑. 因此，開展成渝地區雙城經濟圈人為氮磷輸入研究對綠色可持續發展至關重要.

模型是研究區域氮磷輸入和水環境響應的重要技術手段. 用于定量分析區域氮磷輸入和輸出的數學模型主要分為機理模型和統計模型. 機理模型以HSPF (hydrological simulation program-fortran)[15]和SWAT (soil and water assessment tool)[16]等為代表，統計模型以SPARROW (spatially referenced regressions on watershed)[17]等為代表. 然而，由于對輸入數據的精度要求高，上述模型在數據缺乏或質量不佳地區的應用十分受限. 基于活動水平數據的準物料平衡模型凈人為氮輸入(NANI)和凈人為磷輸入(NAPI)可定量評估區域人為氮磷的輸入[18-19]，為有限數據區域養分輸入及環境響應估算提供了途徑. 目前，NANI和NAPI已廣泛應用于多尺度不同類型的區域[7,20]，成為定量評估河流氮磷輸入的有效指標[21]. 為此，該研究基于NANI和NAPI模型，以成渝地區雙城經濟圈人類活動氮磷輸入為研究對象，定量辨識其時空格局及環境響應過程，以期為城市群環境養分管理提供參考.

1 數據與方法

1.1 研究區域

成渝地區雙城經濟圈地處長江經濟帶上游地區的四川盆地，位于長江經濟帶與“一帶一路”的交匯處，是我國西部地區人口最密集、產業基礎最雄厚、發展水平最高的城鎮化區域[22]. 成渝地區雙城經濟圈生態資源、水能資源、礦產資源豐富，總面積18.5×104km2，占全國的1.9%. 2019年，常住人口約9 600×104人，地區生產總值近6.3×1012元，分別占全國的6.9%和6.3%. 成渝地區雙城經濟圈以成都市和重慶市為中心，包括重慶市的中心城區及萬州、涪陵、綦江、大足、黔江、長壽、江津、合川、永川、南川、璧山、銅梁、潼南、榮昌、梁平、豐都、墊江、忠縣等27個區(縣)以及開州、云陽的部分地區，四川省的成都、自貢、瀘州、德陽、綿陽(除平武縣、北川縣)、遂寧、內江、樂山、南充、眉山、宜賓、廣安、達州(除萬源市)、雅安(除天全縣、寶興縣)、資陽等15個市. 長江在區域內流經高海拔生態脆弱區、平原人口稠密區及工業聚集區，生態環境風險疊加交織.

1.2 研究方法

該研究基于張汪壽等[5,23]改進的NANI和NAPI模型對2011-2019年成渝地區雙城經濟圈人類活動氮磷輸入進行估算. 該方法將養分輸入分為非點源輸入(NANIn、NAPIn)和點源輸入(NANIp、NAPIp)，計算公式：

1.2.1非點源輸入

人為非點源氮輸入(NANIn)主要由農村地區食品/飼料凈氮輸入量(Nr-im)、氮肥施用量(Nfert)、作物固氮量(Nfix)和大氣NOx沉降量(Ndep)組成. 人為非點源磷輸入(NAPIn)主要由農村地區食品/飼料凈磷輸入量(Pr-im)、磷肥施用量(Pfert)和非食品磷輸入量(Pnon)組成.

式中，Nhc和Phc分別為農村地區人類N、P消費量，Nlc和Plc分別為畜禽N、P消費量，Ncp和Pcp分別為作物產品中供人類食用的N、P量，Nlp和Plp分別為畜禽產品中供人類食用的N、P量(含水產品). 上述變量單位均為kg/(km2·a)，分別按N和P計.

由于食物產品在加工、運輸、儲存和零售等過程中存在損耗，因此作物以及畜禽、水產品不能被完全利用，取折損系數為10%[4]；化肥施用量根據單一肥料和復合肥施用量(折純)估算[24]；作物固氮量根據共生固氮作物種植面積(豆類、花生)和非共生固氮作物種植面積(稻谷、其他作物)估算[5]；大氣NOx沉降量根據氮氧化物排放量估算[25]；非食品磷輸入量根據常住人口數估算.

1.2.2點源輸入

點源氮磷輸入(NANIp和NAPIp)主要為經處理后排放的生活污水和工業廢水中的N、P量，計算公式：

式中：Nurb和Purb分別為通過生活污水輸入的N、P量，通過城市地區常住人口數和人均氮磷消耗量估算[26-27]，單位均為kg/(km2·a)，分別按N和P計；Nind和Pind分別為通過工業廢水輸入的N、P，單位均為kg/(km2·a)，分別按N和P計；Isew為城市污水處理率，%；Irem-tn和Irem-tp分別為污水處理工藝對于N、P的平均去除率，分別取0.6和0.7[5,28].

1.3 數據來源

所用數據主要包括活動水平數據和相應參數. 活動水平數據包括2011-2019年研究區域涉及地市的城鎮和農村常住人口、人均食品消費量(包括糧食、蔬菜、肉類、禽類、水產品、蛋類、奶類、干鮮瓜果)、作物產量及面積(稻谷、小麥、玉米、高粱、豆類、薯類、花生、油菜籽、芝麻、蔬菜、水果)、農用化肥施用量(氮肥、磷肥、復合肥)、畜禽養殖數量(牛、馬、驢、騾、羊、豬、家禽、肉兔)、水產品產量、工業廢水排放量、城市污水處理率、氮氧化物排放量等，主要來源于國家和地方統計局及其他政府部門發布的統計年鑒等. 作物產品和畜禽產品的氮磷含量、作物固氮率等相關參數來源于長江流域相關研究[5-6,24,29-34].由于研究區域中重慶市的開州、云陽以及四川省的綿陽、達州、雅安均為部分區域，故采用面積加權[35]的方法將市域尺度的數據進行分配.

2 結果與討論

2.1 人類活動氮磷輸入總量及其組成結構

2011-2019年成渝地區雙城經濟圈平均NANI和NAPI分別為13 063和2 291 kg/(km2·a)，高于長江經濟帶尺度[7]和全國尺度的平均水平[25,34-38]，但低于長三角和長江中游城市群[10]. 如圖1所示，研究區域中，非點源和點源NANI分別為12 514和549 kg/(km2·a)，分別占NANI總量的95.8%和4.2%. 非點源NANI中氮肥施用量占比最高，為非點源氮輸入量的60.3%，為NANI總量的57.8%. 非點源和點源NAPI分別為2 210和82 kg/(km2·a)，分別占NAPI總量的96.4%和3.6%. 與非點源NANI組分占比結構相似，非點源NAPI中磷肥施用量占比最高，為非點源磷輸入58.8%，為NAPI總量的56.7%. 從NANI和NANI的組成結構來看，化肥施用量是主要組分，食品/飼料養分凈輸入量次之，與長江經濟帶尺度和全國尺度的氮磷輸入結構相似[9,27,37]. 結果表明，成渝地區農業生產活動對于人為氮磷輸入影響顯著. 農業土地利用方式不合理、種養模式不科學、農用化肥施用強度過高等均會引起人為非點源氮磷的過量輸入，造成氮磷在土壤中滯留，并伴隨降雨引起的沖刷、淋濾等過程進入水環境，增大了環境污染風險[39]. 因此，可將“源頭-過程-末端”相結合的養分管理模式作為深入研究方向和有效措施途徑，實現經濟效益與環境效益的雙贏.

圖1 人類活動氮磷輸入總量及其組成特征Fig.1 Anthropogenic nitrogen and phosphorus inputs and their composition

2.2 人類活動氮磷輸入時間軌跡及空間格局

2011-2019年成渝地區雙城經濟圈NANI和NAPI總量均呈下降趨勢(見圖2). 由圖2可見，與2011年相比，2019年NANI和NAPI總量分別降低了43.2%和25.9%. 這主要是由非點源NANI和NAPI下降引起的，二者分別降低了44.9%和26.8%，但點源NANI和NAPI則分別上升了7.0%和3.3%. 對于非點源NANI，農村地區食品/飼料凈氮輸入量、氮肥施用量以及大氣氮沉降量均呈明顯下降趨勢，分別下降了105.8%、13.4%和43.5%. 農村地區食品/飼料凈氮輸入量降為負值，表明該區域以出口食品/飼料為主，氮素隨食品/飼料的輸出流出研究區域. 氮肥施用量以及大氣氮沉降量的下降與《到2020年化肥使用量零增長行動方案》和《大氣污染防治行動計劃》等的實施密不可分[12,40]. 對于點源NANI，經處理后生活污水輸入量增加了12.9%，這是城市化進程加快，城市常住人口數量急劇增長的結果. 2019年成都市和重慶市城市常住人口數量比2011年分別增加了30.9%和30.0%. 經處理后工業廢水輸入量降低了45.5%，與工業產業升級和結構調整等有關. 對于非點源NAPI，磷肥施用量下降了13.4%，農村地區食品/飼料凈磷輸入量、非食品磷輸入量也因農村常住人口減少等分別下降了45.4%和18.6%. 對于點源NAPI，其趨勢與點源NANI相似，經處理后生活污水輸入量增加了5.7%，經處理后工業廢水輸入量降低了49.4%.

圖2 NANI和NAPI及其組分的年際變化Fig.2 Interannual variation of NANI, NAPI and their components

空間尺度上，2011-2019年NANI(見圖3)和NAPI(見圖4)平均強度較高的地區主要集中于區域中部，包括遂寧市、內江市、自貢市、資陽市，以及與成都臨近的德陽市，與重慶市臨近的廣安市等. 德陽市NANI和NAPI均為最高，分別為30 451和455 kg/(km2·a)，遂寧市、內江市、廣安市、自貢市、資陽市依次降低且均高于成渝地區雙城經濟圈NANI和NAPI總量. 雅安市NANI和NAPI均為最低，分別為4 801和546 kg/(km2·a). 非點源NANI和NAPI空間異質特性與NANI和NAPI總量的高度相似，N、P肥施用量空間格局與非點源NANI和NAPI高度相似.不難發現，德陽市、遂寧市、內江市、廣安市、自貢市、資陽市等地區化肥施用強度均較高. 已有研究[1,7]表明，NANI和NAPI與耕地面積均呈正相關. 2019年上述各市耕地面積占比分別為42.0%、50.7%、50.8%、48.5%、49.4%和55.8%，單位面積糧食總產量分別達到330.5、267.5、317.0、283.9、316.7和289.1 t/km2，均處于較高水平. 點源NANI和NAPI最高的為成都市，分別為1 646和243 kg/(km2·a)，主要由城市生活污水主導. 成都市作為成渝城市群雙核心之一，城市常住人口數遠高于其他地級市. 與非點源NANI和NAPI最低值相似，雅安市點源NANI和NAPI也最低. 這與其環境底數、產業結構、人口分布等有關. 截至2019年，雅安市森林覆蓋率高達67.38%，而NANI和NAPI與森林面積均成反比[2,9]. 諸如此類因素造成雅安市NANI和NAPI均呈現較低水平.

圖3 NANI及其組分的空間異質性Fig.3 Spatial heterogeneity of NANI and its components

圖4 NAPI及其組分的空間異質性Fig.4 Spatial heterogeneity of NAPI and its components

2.3 人類活動氮磷輸入驅動因素

基于NANI和NAPI模型結構，人類活動氮磷輸入各組分對其有直接影響. 由于研究區域內各地區社會經濟發展水平不同，為量化不同組分對NANI和NAPI變化的相對貢獻度，引入Lindeman-Merenda-Gold(LMG)模型. LMG模型基于多元回歸模型，在考慮因變量之間相關關系和順序效應的基礎上，通過平均對變量所有可能的邊際貢獻，以此分解因變量的方差，進而對因素的相對貢獻度進行計算[41-43]. 該模型基于Rstudio的“relaimpo”包[44]實現. LMG模型結果顯示，2011-2019年研究區域內各地區農村地區食品/飼料氮輸入量、氮肥施用量、作物固氮量、大氣氮沉降量、經處理生活污水氮輸入量、經處理工業廢水氮輸入量對于NANI的相對貢獻度分別為24.5%、25.2%、17.3%、17.1%、6.1%和9.7%. 2011-2019年研究區域內各地區農村地區食品/飼料磷輸入量、磷施用量、非食品磷輸入量、經處理生活污水磷輸入量、經處理工業廢水磷輸入量對于NAPI的相對貢獻度分別為21.0%、30.4%、24.2%、14.0%和10.5%. 其中農用化肥施用相對重要性最高，食品/飼料養分輸入量等次之.

此外，NANI和NAPI也受社會經濟或自然因素的間接影響. 基于文獻調研[1,27,45]，選取社會因素(總人口密度、城市人口密度、農村人口密度)、經濟因素(人均GDP、單位面積GDP)及土地利用因素(耕地面積、森林面積)進行影響因素分析. Pearson相關性分析結果(見圖5)表明，NANI和NAPI均與農村人口密度及耕地面積呈顯著正相關，與森林面積呈顯著負相關(由于土地利用變化速率較人口和GDP緩慢，因此土地利用選取2019年進行分析)，但其與人均或單位面積GDP均無顯著關系.

圖5 NANI和NAPI與影響因素的Pearson相關性分析Fig.5 Pearson correlation analysis of NANI, NAPI and driving factors

隨著農村人口密度的增加，NANI和NAPI也呈上升趨勢〔見圖6(a)〕. 近年來，隨著城市化進程的加快，部分農村人口轉變為城市人口，使得NANI和NAPI中農村地區食品/飼料養分輸入量降低，直接影響氮磷輸入總量. 相關研究[1]表明，人口密度存在閾值，當人口密度高于100人/km2時，其對人為氮磷輸入變異解釋的能力趨于穩定. 此外，隨著耕地面積占比的上升，人為氮磷輸入強度也會上升〔見圖6(b)〕，這也是德陽等市NANI和NAPI較高的原因. 然而，森林面積占比則與人為氮磷輸入強度呈顯著負相關〔見圖6(c)〕，雅安市NANI和NAPI值較低也可反映這一特點.

圖6 NANI和NAPI與主要影響因素的相關關系Fig.6 The correlation between NANI-NAPI and the main driving factors

3 結論與展望

a) 成渝地區農業生產活動對于人為氮磷輸入影響顯著. 2011-2019年，成渝地區雙城經濟圈平均NANI和NAPI分別為13 063和2 291 kg/(km2·a)，高于長江經濟帶尺度和全國尺度的平均水平，但低于長三角和長江中游城市群的強度水平. 其中，非點源NANI和NAPI中農用化肥輸入量為主要來源，食品/飼料養分輸入量次之.

b) 人為氮磷輸入年際變化特征由城鄉人口結構演變和農業生產措施優化驅動. 在時間尺度上，2011-2019年成渝地區雙城經濟圈總NANI和NAPI均整體呈下降趨勢，其中NANI和NAPI總量分別降低了43.2%和25.9%，非點源NANI和NAPI分別降低了44.9%和26.8%，但點源NANI和NAPI分別上升了7.0%和3.3%.

c) 人為氮磷輸入空間異質性受城市間農業發展水平和人口密度差異影響明顯. 在空間尺度上，2011-2019年NANI和NAPI平均強度較高的地區大部分集中于區域中部以及成都市、重慶市的臨近地市等.其中德陽市NANI和NAPI均為最高，分別為30 451和4 553 kg/(km2·a)，遂寧市、內江市、廣安市、自貢市、資陽市依次遞減，雅安市NANI和NAPI均為最低，分別為4 801和546 kg/(km2·a).

d) 人為氮磷輸入模式受社會經濟因素和自然因素的間接影響. NANI和NAPI與農村人口密度、耕地面積占比均呈顯著正相關，與森林覆蓋率均呈顯著負相關.

e) 在未來的研究中，算法方面，可結合養分流動和養分輸出，改進模型、優化參數、完善體系，從全鏈條對氮磷的社會經濟循環進行剖析，基于經濟與環境效益共贏視角，削減其對大氣、土壤和水環境的直接與間接影響；管理方面，加強區域環境的協同治理研究和政策制定，可為城市群、跨界流域等的可持續發展提供保障和動能.