長江中下游地區農業面源污染流失特征及風險評價

關鍵詞：農業面源污染；DPeRS模型；污染風險；遙感；長江中下游

中圖分類號：X52 文獻標志碼：A 文章編號：1672-2043（2024）12-2765-11 doi：10.11654/jaes.2024-0913

氮和磷廣泛存在于自然界且是作物生長的必需元素，高強度的農業生產活動導致過量的氮和磷隨地表徑流和土壤侵蝕進入鄰近水體，從而引起富營養化和水質退化等一系列生態環境問題[1-3]。我國化肥施用量約占全球1/3，同時我國也是世界上最大的畜牧業生產國，《第二次全國污染源普查公報》顯示農業源總氮和總磷排放量占排放總量的40%以上[4-6]。農業面源污染已經成為我國水體的主要污染源和風險源，因此準確量化農業面源污染入河量，識別農業面源污染高風險區，可為農業面源污染精準防控提供決策依據。

復雜人地關系脅迫下農業面源污染物流失入河量在時間和空間上具有的隨機性和不確定性，增加了農業面源污染入河量監測難度[7-8]。模型評估是農業面源污染入河量計算的有效手段，常用的模型包括經驗模型和機理模型[1，4]。經驗模型是基于實地監測數據積累的經驗系數概化計算農業面源污染負荷，例如清單分析法、等標污染負荷法等[1，9]。經驗模型數據輸入和操作簡單，但模擬結果精度較低且難以真實反映實際入河量時空分布特征[9]。機理模型綜合考慮農業活動、氣候變化和地表屬性等特征，可以充分表征農業面源污染物入河的全過程，例如AnnAGNPS模型、HSPF模型和SWAT模型等[10-11]。機理模型可以實現農業面源污染物入河量的準確連續模擬，但模擬結果精度和準確性受輸入數據影響較大[11]。隨著遙感技術的發展，多源遙感數據的應用為缺資料地區模擬和模擬結果準確性提升提供了數據支持[12-13]。因此，基于多源遙感數據和農業面源污染機理模型，準確核算變化環境下農業面源污染入河量，是農業面源污染風險評價的重要前提。

農業面源污染評價方法包括間接評價法和直接評價法[14-16]。間接評價法是基于施肥量、降雨量、耕地面積、人口密度等影響農業面源污染的關鍵因素建立評價指標體系，評價農業面源污染風險特征，例如磷指數法、多因子指數綜合評價法等[17-18]。間接評價法使用的計算數據簡單，但評價結果人為主觀性強，僅能評價農業面源的潛在污染風險[19-20]。直接評價法是基于農業面源污染入河量評估結果分級評價，例如關鍵源區識別法[21-22]。同時，由于地表水水環境容量具有較大的時空差異性，將關鍵源區識別與受納水體納污能力結合有利于進一步提高農業面源污染評價的準確性[23]。因此，構建一套基于農業面源污染入河量和受納水體納污能力的農業面源污染風險評價方法，可為以水質改善為核心的農業面源污染治理工作提供技術支撐。

長江中下游地區是我國重要的糧食生產基地，同時也是長江經濟帶生態文明建設和生態功能維護的核心區域[24-25]。保護好長江流域生態環境是推動長江經濟帶高質量發展的前提，然而，近年來長江中下游地區化肥過量施用等不合理的農業生產行為引起的農業面源污染等環境問題日益突出[26-27]。因此，本研究以長江中下游地區為研究區，通過農業面源污染模型分析農業面源總氮和總磷污染物入河量空間分布特征，探究農業面源污染關鍵驅動因素，結合農業面源污染入河量和受納水體納污能力構建農業面源污染風險評價方法，識別農業面源污染高風險區，為長江中下游地區農業面源污染治理提供技術支撐，助力長江大保護。

1 材料與方法

1.1 研究區概況

長江中下游地區（24°29′ ～35°20′ N，108°21′ ～123°10′E）是我國三大平原地區之一，地跨湖北省、湖南省、安徽省、江西省、浙江省、江蘇省和上海市（圖1a）。長江中下游地區氣候屬于亞熱帶季風氣候，水熱資源豐沛，2023 年降雨量為1 268.17 mm（圖1b）。長江中下游地區土地利用類型主要為林地（49.96%）、水田（19.00%）和旱田（11.50%）（圖1a），其中水田主要種植模式為雙季稻[28]。長江中下游地區是我國的雙季稻主產區，農業化肥施用量高，農業面源污染呈現出明顯的空間聚集態勢[8，25]，且在農業活動和汛期高降雨的影響下長江中下游地區汛期水質不穩定，水質超標問題嚴重[6，27]。

1.2 農業面源污染風險評價方法

農業面源氮磷流失對地表水的污染風險主要與農業面源氮磷入水體量和受納水體納污能力有關[23，29]。因此，選取農業面源總氮和總磷流失負荷作為農業面源污染風險的評價指標，利用改正的理想解法確定評價指標的權重，通過綜合指數加權求和法計算農業面源污染風險綜合評價指數。結合《地表水環境質量標準》（GB 3838—2002）[30]中總氮和總磷的分類標準以及區域地表水資源量確定受納水體的風險閾值，對區域農業面源污染風險進行分級評價，農業面源污染風險評價方法框架如圖2所示。

1.2.1 風險評價指標計算

準確量化農業面源污染入水體量是農業面源污染風險評價的前提，分布式農業面源污染模型不僅綜合考慮了區域下墊面特征、氣候特征和農業活動，同時模型參數校準也是基于當地田間監測、河流水文和水質監測等實地監測數據，經過本地化校核的分布式面源污染模型可以較為準確地定量化農業面源氮磷流失負荷[31]。遙感分布式面源污染評估（Diffuse pol?lution estimation with remote sensing，DPeRS）模型是基于二元結構原理構建的遙感分布式面源污染模型，模型利用降雨、植被覆蓋度和地形等遙感數據以及農田施肥量、牲畜和家禽養殖量等統計數據對區域尺度農業面源污染時空動態進行定量分析[12，32]。因此，本研究采用DPeRS模型對長江中下游地區2023年農業面源氮磷流失負荷進行模擬計算，DPeRS模型的核心算法詳見文獻[33]。

長江中下游地區DPeRS模型數據庫包括：地形數據、降雨數據、土地利用數據、植被覆蓋度數據以及農業統計數據。數據庫中遙感數據的空間分辨率均為250 m，農業統計數據來源于《全國農業面源污染監測評估實施方案（2022—2025年）》指導下2023年度全國農業面源監測縣域尺度統計數據[34]。基于區域下墊面特征，長江中下游地區共劃分為1 065 個匯水單元。DPeRS模型的驗證基于《全國農業面源污染監測評估實施方案（2022—2025年）》中農業面源監測區和驗證流域2023年的監測數據進行時間和空間尺度驗證，監測區和驗證流域空間分布如圖1a所示[34]。基于農業面源監測區地面綜合監測數據，核算2023年監測區農業面源污染物的入河系數，通過對比入河系數的監測值和模擬值對DPeRS模型進行空間尺度驗證（圖3a）。時間尺度模型驗證是基于驗證流域出口月尺度污染物通量監測數據，通過對比驗證流域總氮和總磷通量的監測值和模擬值驗證模型準確度（圖3b和圖3c）。采用皮爾遜相關系數（R）評價DPeRS 模型驗證的效果，R 越接近1表明模擬數據與監測數據的一致性越高[10]。時間和空間尺度DPeRS模型驗證結果中R 均大于0.5（Plt;0.01），證實了長江中下游地區DPeRS模型模擬結果的可靠性，該模型滿足研究需要（圖3）。

1.2.2風險評價指標權重確定

由于農業面源氮磷流失負荷數量級不同，且氮磷污染物對受納水體的危害程度不同，同時評價指標受自然因素和人為活動的共同影響，因此需要對評價指標進行標準化處理，確定各評價指標的客觀權重以增強最終綜合評價結果的可信度。改進的理想解法（Technique for order preference by similarity to ideal so?lution，TOPSIS）是通過構造最優化模型，利用最優化條件，變主觀賦權為客觀賦權[35]。TOPSIS 法是一種面向多指標的多屬性決策方法，可有效減少主觀因素對評價的干擾，準確反映各評價指標的權重，因此本研究利用MATLAB R2020b 通過TOPSIS 法計算各評價指標的權重，具體計算步驟如下：

在農業面源總氮和總磷污染閾值計算的基礎上，基于風險綜合評價指數的計算方法，計算風險綜合評價閾值，參照地表水環境質量標準農業面源污染風險綜合評價劃分為6個等級，結果如表1所示。

1.3 統計分析方法

基于長江中下游地區農業統計數據和空間數據，收集整理長江中下游地區各省市鄉村人口數、耕地園地面積、氮肥純量、磷肥純量、禽肉蛋產量、降雨量、植被覆蓋度、土地利用、坡度等農業面源污染的影響因素，應用R studio 軟件、SPSS 軟件和Origin 2024軟件通過冗余分析（Redundancy analysis，RDA）、皮爾遜相關分析和氣泡圖等方法探究長江中下游地區農業面源污染的關鍵影響因素。RDA 分析中，紅色箭頭為響應變量，表示匯水單元的農業面源總氮和總磷流失負荷，藍色箭頭為解釋變量，表示匯水單元的降雨量和植被覆蓋度，兩條射線之間的角度代表兩個指標之間的相關性[7]。

2 結果與分析

2.1 長江中下游地區農業面源污染物流失特征

2023年長江中下游地區農業面源總氮和總磷流失負荷的空間分布特征如圖4所示。2023年長江中下游地區總氮和總磷流失負荷的變化范圍分別為0～198.41 kg·hm^-2 和0～8.94 kg·hm^-2，平均流失負荷分別為10.70kg·hm^-2 和0.50 kg·hm^-2。長江中下游地區農業面源總氮和總磷流失負荷空間分布具有較大的空間異質性，變異系數分別為149.68% 和154.10%，農業面源污染流失負荷較高的匯水單元主要分布在湖南省、湖北省、江西省和江蘇省。除此之外，長江中下游地區分別有31.21%和28.14%匯水單元的農業面源總氮和總磷流失負荷超出了區域平均水平。

2.2 長江中下游地區農業面源污染風險評價指標分布特征

2023年安徽省、湖北省、湖南省、江蘇省、江西省、上海市和浙江省農業面源總氮流失負荷的變化范圍分別0～39.34、0～198.41、0.01～79.36、0～77.85、0～100.55、0.15～13.99 kg·hm^-2 和0～29.86 kg·hm^-2，農業面源總磷流失負荷的變化范圍分別0～2.36、0～8.94、0～3.65、0～2.85、0～3.96、0～0.80 kg·hm^-2 和0～1.22 kg·hm^-2（圖5a）。其中，農業面源總氮和總磷平均流失負荷最高的地區分別為湖南省和江西省。經過數據標準化后（圖5b），各省市標準化農業面源總氮流失負荷平均值從大到小依次為湖南省（0.09）gt;湖北省（0.07）gt;江西省（0.06）gt;江蘇省（0.05）gt;安徽省（0.03）=上海市（0.03）=浙江省（0.03）；總磷流失負荷平均值從大到小依次為江西省（0.09）=湖南省（0.09）gt;湖北省（0.07）gt; 安徽省（0.04）= 江蘇省（0.04）gt; 上海市（0.03）gt;浙江省（0.02）。

2.3 長江中下游地區農業面源污染風險綜合評價指數分布特征

2023年長江中下游地區農業面源污染風險綜合評價指數的平均值為0.05，有32.26% 匯水單元的風險綜合評價指數超出了區域平均水平（圖6a）。長江中下游地區農業面源污染風險綜合評價指數空間分布與農業面源總氮和總磷流失負荷的空間分布特征較為一致，風險綜合評價指數較高的匯水單元主要分布在湖南省、湖北省、江西省和江蘇省（圖4和圖6a）。安徽省、湖北省、湖南省、江蘇省、江西省、上海市和浙江省農業面源污染風險綜合評價指數的變化范圍分別為0～0.23、0～1.00、0～0.37、0～0.36、0～0.47、0～0.07和0～0.14（圖6b）。各省市農業面源污染風險綜合評價指數平均值從大到小依次為湖南省（0.09）gt;江西省（0.08）gt;湖北省（0.07）gt;江蘇省（0.05）gt;安徽省（0.04）gt;上海市（0.03）gt;浙江省（0.02）。

2.4 長江中下游地區農業面源污染風險評價結果

2023年長江中下游地區農業面源污染風險主要為微度和輕度污染風險，數量占比分別為30.33%和43.66%（圖7a）。長江中下游地區農業面源污染風險為中度、強度、重度和極重污染風險的匯水單元占比分別為15.96%、4.70%、2.25% 和3.10%，主要分布在湖南省、湖北省、江西省和江蘇省。農業面源污染風險為微度和輕度污染風險的匯水單元共有788個，其中21.07%分布在安徽省。農業面源污染風險為中度及以上污染風險的匯水單元共有277個，其中24.91%分布在湖南省，21.50% 分布在江蘇省。與長江中下游地區農業面源污染特征一致，湖南省農業面源污染風險相對較高，中度及以上污染風險的匯水單元累計占比達到了46.00%，其中極重污染風險占9.33%（圖4和圖7b）。除此之外，湖北省、江西省和江蘇省農業面源污染風險為中度及以上污染風險的匯水單元累計占比也在30%左右（圖7b）。

3 討論

3.1 長江中下游農業面源污染影響因素分析

降雨是農業面源污染流失的直接驅動力，降雨產生的地表徑流和土壤侵蝕是農業面源污染進入受納水體的主要遷移路徑[37-38]。RDA 分析結果顯示長江中下游農業面源總氮流失負荷與降雨量之間的夾角最小，且相關性分析結果中安徽省、湖南省和江蘇省的降雨量與農業面源污染流失負荷的相關性超過了0.18（Plt;0.05），表明降雨量對農業面源污染流失負荷呈現顯著正相關影響（圖8）。長江中下游地區農業面源污染空間分布特征表明湖南省東部農業面源總氮和總磷流失負荷均呈現較高的污染水平（圖4和圖5a），這與賴詩琪等[39]和Zou等[40]研究中的分布特征一致。此外，RDA 分析結果中降雨量與總氮流失負荷的夾角最小，且湖南省農業面源污染流失負荷與降雨量的相關系數超過了0.33（Plt; 0.01，圖8b），進一步表明降雨量是湖南省農業面源污染的關鍵影響因素[41]。

除降雨量影響外，不同土地利用農業面源污染源強差異以及植被覆蓋度和坡度變化下土壤侵蝕量改變均會影響農業面源污染的產生和遷移過程[1，42]。農村居民點和水田與農業面源總氮流失負荷之間的夾角相對較小（圖8a），表明畜禽養殖和水稻種植是長江中下游地區農業面源總氮污染的重要來源[8，39，43]。與農業面源總氮不同，農業面源總磷易吸附在土壤顆粒中并隨土壤侵蝕遷移入河[1，7，44]。土壤侵蝕是旱田養分損失的重要途徑，RDA分析結果中旱田分布與農業面源總磷流失負荷的夾角相對較小（圖8a），表明旱田是長江中下游地區農業面源總磷污染的重要來源[15，45]。同時，在降雨的驅動下，高坡度和低植被覆蓋度會進一步增加農業面源總磷隨土壤侵蝕向臨近水體的流失量[15，44]。RDA分析結果中植被覆蓋度和坡度與農業面源總磷流失負荷的夾角相對較小，且江西省農業面源總磷流失負荷與植被覆蓋度呈顯著負相關（R=-0.21，Plt;0.01），表明植被覆蓋度是江西省農業面源總磷污染的關鍵影響因素[44]。

3.2 長江中下游農業面源污染風險特征分析

農業面源污染流失風險不僅與化肥施用和畜禽養殖等農業活動有關，同時也受到降雨和下墊面變化的影響[1，7]。對比分析長江中下游地區各省市農業統計數據發現，江蘇省、湖南省和湖北省的農業氮肥和磷肥施用量顯著高于其他區域，且禽肉蛋產量也相對較高，表明農業種植和畜禽養殖是該區域農業面源污染風險的關鍵影響因素（圖9a）。長江中下游地區農業面源污染風險空間分布特征顯示湖南省東部農業面源污染風險較高，除高強度畜禽養殖和農業種植影響外，高降雨量疊加進一步促進了農業面源污染的發生風險[43，46]。除此之外，氣泡圖中農業面源污染風險綜合評價指數隨降雨量增加而增大（圖9b）。2023年江西省年降雨量顯著高于長江中下游地區其他省市，且相關分析結果中江西省農業面源磷流失負荷與植被覆蓋度呈顯著負相關，結果表明高降雨的沖刷和低植被覆蓋度引起高農業面源總磷流失負荷是農業面源污染風險的重要驅動因素[15]。

通過對比戴詩琴等[46]利用輸出系數法和等標污染負荷評價法研究的湖南省農業面源污染風險分布特征，發現該研究結果與本研究評價結果的空間分布特征相似，中風險和高風險區域主要分布在湖南省的東部，且本研究結果中農業面源污染高風險區的識別結果更為精確。本研究構建的農業面源風險評價方法，不僅綜合考慮了農業生產活動和下墊面特征，同時結合我國地表水水環境管理需求、地表水資源量和農業面源污染特征量化了農業面源污染閾值，有利于精準識別農業面源污染流失對受納水體的污染風險，可以為區域農業面源污染的精準防控提供技術支撐。

4 結論

（1）2023年長江中下游地區農業面源總氮和總磷平均流失負荷分別為10.70 kg·hm^-2 和0.50 kg·hm^-2，農業面源總氮和總磷流失負荷超出區域平均值的匯水單元分別占31.21%和28.14%。受降雨、植被覆蓋度、土地利用的綜合影響，湖南省、湖北省、江西省和江蘇省農業面源總氮和總磷流失負荷相對較高，農業面源總氮和總磷平均流失負荷最高的區域分別為湖南省和江西省。

（2）2023年長江中下游地區標準化農業面源總氮和總磷流失負荷平均值分別為0.05和0.06，標準化農業面源污染風險評價指標的空間分布特征與農業面源污染流失負荷的空間分布特征一致。2023年長江中下游地區農業面源污染風險綜合評價指數平均值為0.05，農業面源污染風險綜合評價指數平均值從大到小依次為湖南省gt;江西省gt;湖北省gt;江蘇省gt;安徽省gt;上海市gt;浙江省。

（3）2023年長江中下游地區農業面源污染風險主要為微度和輕度污染風險（73.99%），污染風險為中度及以上污染風險的匯水單元主要分布在湖南省、湖北省、江西省和江蘇省。在高強度農業活動和高降雨量的綜合影響下，湖南省和江西省農業面源污染風險為中度及以上污染風險的匯水單元累計占比也超過了30%。