長江經濟帶農業面源總磷污染時空特征分析

關鍵詞：總磷；DPeRs模型；長江經濟帶；降水；植被覆蓋度

中圖分類號：X52 文獻標志碼：A 文章編號：1672-2043（2024）12-2752-13 doi：10.11654/jaes.2024-0935

農業面源污染受土地利用方式、農田管理、地形地貌、氣候水文等多種自然和社會經濟因素的影響[1-2]，具有時空變異性。其監測方法主要分為定點觀測和模型估算兩類[3]。定點觀測通過徑流、水質監測和同位素追蹤等野外實驗方法核算污染強度，耗費大量人力物力，僅適用于河道和流域尺度，難以開展大區域監測。模型估算包括經驗模型、機理模型和遙感監測模型等，其中經驗模型（如輸入輸出模型和污染指數模型）是基于統計關系進行污染物估算，簡單易用，但魯棒性較差。隨著對面源污染機理研究的深入發展，基于過程的機理模型（如HSPF、AnnAGNPS和SWAT模型等）得到廣泛應用[4-7]，但其對監測數據依賴性較高且模擬過程復雜。目前，遙感監測模型主要指遙感分布式面源污染評估（Diffuse pollution esti?mation with remote sensing，DPeRS）模型，該模型在全國農業面源污染監測評估工作中已經得到應用，主要優勢在于在提高數據空間分辨率的同時[8-9]，可實現農業面源污染強度監測從“點”到“面”的轉變，為制定區域性污染控制政策提供了更加精準的依據。

進入“十四五”以來，長江經濟帶水環境質量持續改善[10-11]。《2022年中國生態環境狀況公報》顯示，長江經濟帶2022年地表水優良水質斷面的比例達到了98.1%，比2016年提高了15.8個百分點。2022年，長江經濟帶的糧食總產量達到了2.42億t[12]，占全國總產量的1/3，但該區域復種指數較高，化肥和農藥的施用量居高不下。隨著工業和城鎮點源污染問題逐步得到控制，農業面源污染逐漸從次要環境問題上升為主要環境問題。第二次污染源普查數據顯示，長江經濟帶的農業面源總磷排放量占其總磷總排放量的66.6%，農業面源污染已成為該區域水生態環境保護的重點[13]。

流域面源磷在降水驅動下隨地表徑流和土壤侵蝕等途徑進入臨近水體中[14]，全球每年從農田流失的面源磷達到了1.28×107 t，農田的磷輸出與降水關系密切[15-17]。楊林沛等[15]在自然降雨條件下，對上海市崇明島旱地徑流水文水質進行長期自動監測，結果表明旱地農田徑流量主要受降雨量的影響，總磷的輸出以沖刷作用為主。歐陽威等[16]基于SWAT 模型明確了東北低溫農區磷流失特征，研究發現面源磷輸出與降水量顯著正相關，豐水年的輸出量是枯水年的2.5倍。張繼宗等[17]對太湖平原典型農田、溝渠和近農田河道地表水特征進行監測，降水后監測的結果表明，汛期農田磷流失頻度和強度均大于非汛期，磷含量高出0.26 mg·L^-1。

目前，大量學者針對長江經濟帶農業面源污染開展了排放時空特征[18-20]、人類活動影響[18，21]、農業集約化影響[22]及污染控制技術[23]等研究，并基于農業面源空間分布異質性，研究了化肥、農田固體廢棄物、土地利用類型、土壤類型[24-25]等人類活動因素對農業面源污染的影響等。然而，關于降水和植被覆蓋度等關鍵自然因素對農業面源污染影響的定量分析研究相對較少。本文利用DPeRS模型，結合地面監測、衛星遙感和指標調查等多源數據，對2016—2022年長江經濟帶農業面源總磷污染情況開展像元尺度的精細化空間評估[26]，定量分析總磷排放的時空變化特征，重點分析了影響總磷排放的兩個自然因子（降水量和植被覆蓋度），并探討它們與總磷排放強度的時空變化關系及驅動機制，旨在為長江經濟帶的農業面源總磷污染監測與防控提供科學參考。

1 材料與方法

1.1 研究區概況

長江經濟帶橫跨我國東、中、西三大區域，覆蓋了長江上游的重慶、四川、貴州、云南，長江中游的江西、湖北、湖南，以及長江下游的上海、江蘇、浙江和安徽，共計11個省市[27]。該區域總面積約為205.23萬km2，占國土面積的21%。長江經濟帶屬于亞熱帶季風氣候，夏季高溫多雨，冬季溫暖少雨，降雨主要集中在5—10 月[28]，年均降水量為1 067 mm，時空分布不均勻，全年日照時長為1 800～2 300 h[29]。在土地利用方面，研究區主要包括林地、耕地和草地，分別占總面積的47.5%、39.3%和9.9%。其中，耕地以旱地為主，旱地面積是水田面積的4.5倍。長江經濟帶2022年的土地利用類型如圖1所示。

1.2 基礎數據及處理

本文采用DPeRS 模型估算長江經濟帶2016—2022年間的農業面源總磷污染排放強度及排放量，模型輸入數據主要分為兩類：遙感數據和地面數據。遙感數據包括土地利用分類產品和月植被覆蓋度產品，地面數據包括月降水量數據、土壤數據、坡度坡長數據和分縣指標調查數據等，所有數據均統一轉換為空間分辨率為1 km的柵格數據，具體數據來源及處理方法如下：

（1）土地利用分類產品。利用Landsat和高分等衛星影像，采用最大似然法對遙感影像進行土地利用分類，類型主要包括耕地（水田和旱地）、林地、草地、水域、城鄉、工礦、居民用地及未利用土地。

（2）月植被覆蓋度產品。基于MODIS 的標準化NDVI產品MOD13A2，采用最大最小值定量反演算法計算植被覆蓋度。MOD13A2 數據的來源為https：//adsweb.nascom.nasa.gov/search。

（3）月降水量數據。基于長江經濟帶國家級氣象站的降水量數據，結合數字高程模型（DEM）作為協變量，采用薄板樣條滑動平均法對站點降水量數據進行空間插值，以獲得覆蓋全長江經濟帶的12個月的月降水量數據。降水量站點數據來源于中國氣象數據網（http：//data.cma.cn）。

（4）土壤數據。來源于國家基礎信息數據1∶100萬土壤類型和空間分布資料。

（5）坡度坡長數據。采用ASTER 30 m DEM 數據，利用ArcGIS軟件ls_cal.aml模塊計算研究區的坡度和坡長數據。

（6）分縣指標調查數據。來源于中國農村統計年鑒、中國縣域統計年鑒和地方統計年鑒等，統計內容包括長江經濟帶分縣鄉村人口、耕地面積、水田（或旱地）面積、各類農作物播種面積及產量、各類畜禽養殖量等。

1.3研究方法

1.3.1 DPeRS模型

DPeRS模型是一種以遙感影像像元為基本模擬單元的面源污染強度估算工具。該模型不僅考慮了降水、植被覆蓋度、地形地貌等自然因素，還綜合了施肥利用效率、人口、牲畜和家禽等社會經濟因素。DPeRS模型算法[30-31]基于二元結構原理，利用遙感數據驅動，耦合了定量遙感模型與生態水文過程模型，從而對多尺度面源污染強度的時空動態進行定量分析，污染類型覆蓋了農田徑流、畜禽養殖和農村生活排放。模型技術路線如圖2所示。

DPeRS模型農業面源總磷排放強度核心模塊包括溶解態磷農業面源污染負荷估算模型和顆粒態磷農業面源污染負荷估算模型。溶解態磷農業面源污染負荷估算模型包括農田徑流、農村生活和畜禽養殖三種類型，計算公式[30]如下：

1.3.4主導因子分區準則

結合農業面源污染排放強度與降水、植被覆蓋度等自然因素的偏相關系數和復相關系數的顯著性檢驗結果，確定長江經濟帶農業面源污染排放強度主導自然因子的分區準則（表1）[37]。

2 結果與分析

2.1 總磷污染排放量時空變化特征分析

基于DPeRS模型對長江經濟帶2016—2022年農業面源總磷污染排放量進行年尺度估算，結果表明，總磷排放量呈波動下降趨勢，從2016年的1.21×10⁵ t下降到2017年的6.49×10⁴ t，下降比例為46.5%，2017—2022年期間波動較小，基本維持在4.5×10⁴ t左右（圖4a）。2015年和2016年農業部（現農業農村部）和環境保護部（現生態環境部）分別發布了《到2020年化肥使用量零增長行動方案》和《畜禽養殖禁養區劃定技術指南》，農業面源污染治理相關政策通過控制化肥農業面源污染源、農業種植結構調整、養殖行業整治等多方面協同發力，2016—2017年農業面源污染排放量顯著下降，農業面源污染治理成效開始顯現。進一步分析11個省份農業面源總磷污染排放量情況，結果表明，各省之間的總磷排放量存在顯著差異，總磷排放量均值排名前3的省份為湖南、湖北和四川，排放量均值分別為1.09×10⁴、1.05×10⁴ t 和9.27×10³（t 圖4b）。

2.2總磷污染排放強度空間變化特征分析

結合空間分辨率為1 km的土地利用分類產品，對2016—2022年長江經濟帶各省耕地面積進行統計分析，結果顯示各省耕地面積的變化率均低于1%。農業面源總磷污染平均排放強度在空間上存在較大的差異性，總磷排放強度高于長江經濟帶平均排放強度的省份包括湖南、湖北、四川、江西和安徽5 個省份，主要集中在人口較多、農業集約化水平較高的地區（圖5a）。

長江經濟帶2016—2022年逐像元農業面源總磷污染排放強度的趨勢分析結果顯示（圖5b），排放強度降低的區域面積大于排放強度增加的區域面積，總磷排放強度呈降低趨勢的像元面積占比約為13.8%，是呈增加趨勢像元面積占比的4倍，其中，貴州、安徽和江西等省份總磷排放下降比例較高。結果表明，自“十三五”以來，長江經濟帶各省份推動有關農業投入品減量化、生產清潔化以及廢棄物資源化等政策，在一定程度上降低了農業面源總磷的輸入。

2.3 自然因子與總磷污染排放強度相關性分析

2.3.1 降水

國家氣象局公布的降水數據表明（圖6），長江經濟帶2016—2022 年降水量的波動范圍為893.99～1 314.41 mm·a^-1，多年平均降水量為1 077.48 mm·a^-1，年均降水量超過多年平均值的年份有2016年（1 314.41mm·a^-1）、2017年（1 079.25 mm·a^-1）和2020年（1 190.51mm·a^-1）。總磷排放強度與降水二者變化趨勢比較吻合，2016、2017年和2020年降水量較大，總磷排放強度也相應較大。

從空間分布來看，年均降水量呈從西北部向東南部上升的趨勢，其中浙江、江西、湖南等省份年降水量較為充足（圖7a）。從空間維度分析，總磷排放強度與降水的相關系數在-0.99～1.00之間，平均相關系數為0.27，整體呈正相關。研究區內絕大部分省市的總磷污染排放強度與降水為正相關關系，呈正相關的區域面積為7.13×105 km²，占長江經濟帶總面積的34.8%（表2），負相關區域主要分布于四川盆地、湖南南部以及云貴兩省交界處（圖7b）。顯著性水平（α=0.05）的t 雙側檢驗表明，研究區總磷排放強度與降水相關系數通過顯著性檢驗的區域面積為1.59×105km²，其中正相關區域面積為1.47×105 km²，面積占比約為正相關區域的20.7%，負相關區域面積為1.19×104 km²，面積占比約為負相關區域的4.4%。

2.3.2植被覆蓋度

長江經濟帶2016—2022年植被覆蓋度的波動范圍為59.15%～70.75%，多年植被覆蓋度均值為65.13%，其中2018—2021 年的植被覆蓋度超過多年平均值（圖8）。由于2022年長江經濟帶經歷了高溫干旱極端天氣，植被生長受到影響，造成2022 年比2021年植被覆蓋度下降較為明顯。總磷排放強度與植被覆蓋度變化趨勢基本相反，2016年和2017年植被覆蓋度較低，總磷排放強度也相應較大。

從空間分布來看，年均植被覆蓋度存在空間差異性，長江以南地區整體高于長江以北地區（圖9a）。從空間維度分析，總磷排放強度與植被覆蓋度的相關系數在-1.00～1.00之間，空間平均相關系數為-0.32，整體呈負相關。統計分析表明，總磷排放強度與植被覆蓋度呈負相關的面積為7.53×10⁵ km²，占長江經濟帶總面積的36.7%（表2），在有總磷污染排放的區域，植被覆蓋度與總磷排放強度呈正相關區域零散分布在研究區內，沒有明顯的聚集性（圖9b）。顯著性水平（α=0.05）的t 雙側檢驗表明，總磷排放強度與植被覆蓋度相關系數通過顯著性檢驗的區域面積為1.60×10₅ km²，其中負相關區域面積為1.52×10⁵ km²，面積占比約為負相關區域的20.2%，正相關區域面積為8.36×10³ km²，面積占比約為正相關區域的3.6%。長江經濟帶面積廣闊，自然生態條件復雜多變，總磷與自然因子未通過顯著性檢驗的區域受多影響因子綜合作用，對自然因子繼續開展偏相關性和復相關性分析尤為重要。

2.3.3 多因子相關性

降水和植被覆蓋度是響應研究區總磷排放強度變化的2個重要自然因子，通過偏相關系數和復相關系數來深入分析兩者與總磷排放強度的相關程度。

長江經濟帶2016—2022年農業面源污染總磷排放強度與降水自然因子的空間平均偏相關系數為0.30，整體呈正相關性（圖10a），呈正相關的區域面積為7.30×10⁵ km²，占研究區總面積的35.6%。呈負相關特征的區域零散分布于四川盆地和長江以南的省市，面積為2.56×10⁵ km²，面積占比為12.5%（表3）。顯著性水平（α=0.05）的t雙側檢驗表明，研究區總磷排放強度與降水偏相關系數通過顯著性檢驗的區域面積為2.10×10⁵ km²，面積占比約為有污染物排放區域的21.4%，集中分布在長三角區域和湖北東部。

長江經濟帶2016—2022年農業面源污染總磷排放強度與植被覆蓋度自然因子偏相關系數空間平均偏相關系數為-0.34，整體呈負相關性表現（圖10b），呈負相關的面積為7.55×10⁵ km²，占比為36.9%（表3）。顯著性水平（α=0.05）的t雙側檢驗表明，研究區總磷排放強度與植被覆蓋度的偏相關系數通過顯著性檢驗的區域總面積為2.14×10⁵ km²，約占有污染物排放區域面積的21.7%。總體而言，研究區總磷排放強度與植被覆蓋度因子的偏相關顯著性高于降水因子。

長江經濟帶農業面源污染總磷排放強度與降水和植被覆蓋度的復相關系數在0～0.99之間，復相關系數空間均值為0.67，長三角區域和湖北東部復相關性顯著，復相關性較弱的地區零散分布于各省市，沒有明顯的區域性（圖11）。顯著性水平（α=0.05）的F檢驗表明，總磷排放強度與降水和植被覆蓋度的復相關系數通過顯著性檢驗的區域（F gt; F_0.05）總面積為2.04×10⁵ km²，面積占比約為有污染物排放區域總面積的20.7%。

2.4 自然因子對總磷污染排放驅動力分析

根據農業面源污染排放強度主導自然因子分區準則，長江經濟帶受自然因子影響的類型主要劃分為4類：降水因子主導、植被覆蓋度因子主導、降水和植被覆蓋度共同主導和其他因子主導。研究區農業面源總磷污染主導自然因子空間分布如圖12所示，不同區域的主導自然因子具有較強的空間差異。

降雨因子主導的總磷污染排放地區主要集中于江蘇南部、安徽中部、湖北東部和江西南部等長江中下游地區。這些區域的總磷排放強度受到降水量的直接影響，面積為1.35×10⁵ km²，約占研究區總面積的6.6%（表4）。由于這些地區水系密布，農業生產活動密集且農業生產能力相對較強，降雨強度和頻率直接影響磷的遷移與流失，增加了磷流入水體的風險。植被覆蓋度主導的總磷污染排放地區主要集中在四川東部，區域面積為6.14×10⁴ km²，約占研究區總面積的3.0%。該地區植被覆蓋率相對較高，對土壤的保護作用顯著，有助于減少磷的流失。降水和植被覆蓋度共同主導的區域占比最少，面積為7.74×10³ km²，約占研究區總面積的0.4%。其他因子主導的區域則離散分布于整個長江經濟帶，面積占比最高，約為38.2%，表明人類活動如農業集約化、化肥使用及土地利用變化等因素對總磷污染的影響更為顯著。

3 討論

（1）DPeRS模型可行性分析

農業面源污染的評估方法多樣，不同評估方法的結果可能存在差異性。本文基于DPeRS模型對長江經濟帶農業面源總磷污染排放量進行監測評估，2016—2022年總磷排放量最高值為1.21×10⁵ t，最低值為4.05×104（t 圖4）。本文對比了學者們在相似時空區域內其他農業面源污染評估方法的結果，如朱洋洋等[18]采用綜合調查法分析了2000—2020年長江經濟帶農業面源污染的時空分布，區域總磷排放量在2000—2015年間呈上升趨勢，而在2016—2020年出現下降，2020年排放量為2.23×10⁴ t；黃雪梅[19]基于清單分析法的研究揭示了長江經濟帶三大城市群中52個城市2008—2017年的農業面源污染排放量，三大城市群總磷排放量總體呈上升趨勢，尤其是成渝城市群的污染物排放總量和增長速率最高，2017年總磷排放量為8.94×104t。對比結果顯示，本文采用DPeRS模型得到的長江經濟帶農業面源總磷污染排放空間估算量，與上述學者得到的農業面源總磷污染排放量存在差異，但總磷排放變化趨勢和量級基本一致，說明基于遙感的DPeRS模型在計算流域尺度的總磷排放量上是可行的。

（2）農業面源總磷污染影響因子分析

面源污染主要依靠地表徑流對污染物進行運輸和轉移，受到降水的大小、強度及時空分布差異的影響，自然因子在農業面源污染中扮演著重要角色，特別是在長江經濟帶這樣的生態敏感區。依據自然因子與總磷污染排放強度相關性分析結果和主導因子分區準則，長江中下游地區為降雨因子主導區域（圖12），重點需從源頭上防范汛期的農業面源污染排放。許多學者針對上海[15]、浙江[17]、安徽[38]等地區的農業面源污染排放規律開展分析，流域內不同地區污染物強度受水資源量的影響較大，與本文主導因子分區結果保持一致。四川東部面源污染總磷排放為植被覆蓋度因子主導區域，依據降水和植被覆蓋度主導分區研究結果，可通過增強植被覆蓋和合理安排灌溉方式等手段分地區采取針對性防控措施和保護管理計劃。

長江經濟帶三成以上的地區多為其他因素主導，表明人為因素對總磷排放輸出可能產生更大影響。化肥施用量與農業面源總磷污染密切相關，針對研究區2016—2022年各省份單位耕地面積施肥量與總磷排放量進行線性擬合，擬合結果顯示，貴州省、浙江省和江西省3個省份的總磷排放量與單位面積施肥量的R²優于0.65（圖13），其余8個省份的R2低于0.30。3個省份總體為其他因素主導省份（圖12），表明該區域總磷排放受化肥等人為因素的影響高于自然因素。

4 結論

（1）2016—2022年，長江經濟帶農業面源總磷污染排放量顯著下降，從1.21×10⁵ t下降到4.69×10⁴ t，下降比例為61.3%。總磷排放強度呈降低趨勢的區域是呈增加趨勢區域面積的4倍。

（2）長江經濟帶總磷排放強度與降水顯著正相關、與植被覆蓋顯著負相關，植被覆蓋度與總磷排放強度的響應程度高于降水。復相關性分析結果表明，總磷排放強度與自然因子復相關性明顯，空間均值為0.67，特別是在長三角和湖北東部地區的相關性較強。

（3）長江經濟帶農業面源總磷污染排放強度受降水因子為主導驅動的區域主要分布在水系密集且農業生產能力相對發達的中東部地區，植被覆蓋度為主導驅動類型的區域則集中在植被覆蓋率相對較高的四川東部。