氣候與社會經濟變化下撫河流域氮磷負荷變化

摘要：目前對氮磷預估的研究主要是基于氣候變化和社會經濟不變的假定，缺少考慮社會經濟動態變化對氮磷負荷的影響。為研究氣候和社會經濟共同作用下氮磷負荷的變化，選取第六次耦合模式比較計劃（CMIP6）中情景完善的5個氣候模式中的7個氣候情景SSPs（SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP4-3.4、SSP4-6.0、SSP5-8.5），采用SWAT水文模型模擬分析了氣候變化和社會經濟變化共同作用下撫河流域2021～2050年氮磷負荷相對基準期（1995～2014年）的時空變化特征。研究結果表明：① 社會經濟變化是氮磷負荷變化的主要影響因素，但1981～2020年氣候對總氮負荷變化的貢獻率從14.4%上升到18.2%，對總磷負荷變化的貢獻率從13.5%上升到17.8%，表明氣候變化對總氮總磷負荷的影響在增加，社會經濟變化對總氮總磷負荷的影響減小。② 撫河流域多年平均總氮負荷量約9 333.4 t，1995～2014年以-113.7 t/a速率呈顯著下降趨勢；相對于基準期，流域總氮負荷量在2021～2050年預計呈顯著減少趨勢。空間分布上，總氮負荷主要集中在流域中下游干流附近，中游東部和西部總氮負荷較低。③ 撫河流域多年平均總磷負荷量約1 632 t，1995～2014年以2.1 t/a速率呈上升趨勢；2021～2050年流域總磷負荷量相比基準期將呈增加趨勢。空間分布上，在流域出口及中下游總磷負荷濃度較高，中游東部和上游總磷負荷較低。

關 鍵 詞：氮磷負荷； 未來預估； 氣候變化； 社會經濟； CMIP6; SWAT模型； 撫河流域

中圖法分類號： X52 文獻標志碼： A DOI：10.16232/j.cnki.1001-4179.2024.02.009

0 引 言

IPCC第六次評估報告（AR6）指出，人類活動導致的氣候變化對包括水資源在內的自然資源造成嚴重的負面影響，增大了水資源短缺的風險［1-2］。然而，水資源短缺不僅體現在可用水量的減少，水質惡化也加劇了清潔水資源短缺問題［3］。全球氣溫持續上升以及工業化城鎮化進程加快、農業畜牧業面積擴大等加劇了營養物質（氮、磷）的富集，進而導致水體富營養化等一系列水質惡化的問題［4］。如何有效控制各種污染源的排放，是水環境質量改善的關鍵問題?！?021年中國生態環境狀況公報》統計結果表明，全國80%的河流中的污染物，氮磷占比在一半以上。《長江流域水資源質量公報》顯示，氮磷過量導致的富營養化是長江流域各種類型水體共同面臨的突出問題，其中鄱陽湖中有68%～76%的污染負荷來源于總氮總磷，且湖中的氮磷量排放遠超標準［5-7］。由此可見，治理氮磷過量導致的水環境污染是一項重要的工作。

氣候和社會經濟變化都會對氮磷負荷產生重要影響。AR6顯示近年全球溫度持續上升，2011～2020年全球地表平均溫度相較1850～1900年上升1.09 ℃（0.95～1.20 ℃），且未來20 a全球溫升預計達到或超過1.5 ℃。全球變暖背景下水溫上升，水中含氧量降低，有害藻華增加，富營養化加劇。同時，氣候變化導致的降水變化將對地表徑流產生影響，進而影響氮磷的輸送與轉移［8-9］；雨季時降水量增多，對地表的污染物沖刷加劇，使入河氮磷負荷量增加，但同時徑流量增加也可能會使流域氮磷濃度被稀釋；旱季時降水減少，沖刷能力減弱，流域氮磷負荷量減少，然而徑流量減少也可能降低營養物稀釋能力，導致氮磷濃度增加［10-13］。另外，已有研究表明，社會經濟變化下的農田施肥、畜禽養殖和生活污水是氮磷負荷的主要來源，對氮磷負荷的變化具有重要影響［14-16］。氮磷過量造成的水污染問題還會危及人類和動物健康、飲用水使用、水生生態系統功能，并造成嚴重的經濟損失［17-22］。因此，研究氣候和社會經濟變化對氮磷負荷的影響具有重要意義，有助于水環境保護與管理。

撫河是長江流域鄱陽湖五大水系之一，流域水資源豐富，在鄱陽湖5條主要支流中，撫河流域氮磷濃度最大，是氮、磷等污染物的主要貢獻來源。目前，國內外對氮磷預估的研究主要是基于社會經濟中的人口和耕地不變的假定下進行的［23-24］，缺少考慮社會經濟動態變化對氮磷負荷的影響。為探究氣候和社會經濟變化對氮磷負荷的影響，提升未來氮磷預估結果的可靠性和科學性，本文在考慮氣候變化的影響下，引入了SSPs下的社會經濟動態變化，根據社會經濟中人口和耕地變化，結合線性回歸模型，量化管理措施下的施肥量，采用動態管理措施輸入SWAT水文模型，開展了氣候和社會經濟共同作用下撫河流域徑流和氮磷負荷可能變化預估，分析2021～2050年撫河流域徑流、氮磷時空變化特征以及氣候和社會經濟變化對氮磷變化的貢獻，以期為撫河流域水資源調節利用和制定水污染防治措施提供理論依據。

1 研究區概況、數據來源與研究方法

1.1 研究區概況

撫河（26.8°N～28.5°N，115.9°E～116.7°E）位于江西省東部，全長349 km，流域面積17 186 km2，是江西省第二大河流，地勢東南高而西北低，面向鄱陽湖傾斜。目前，撫河流域內有大型水庫兩座、中型水庫一座，分別為洪門水庫、廖坊水庫和東鄉幸福水庫，其中東鄉幸福水庫位于撫河下游的支流，對李家渡水文站徑流模擬研究無影響。廖坊水庫位于撫河中游，2002年開始蓄水使用，水庫總庫容4.32億m 汛期平均出庫流量為143.2 m3/s，占撫河流域汛期流量的13.4%；洪門水庫位于撫河上游的支流，1960年開始蓄水使用，水庫的總庫容量12億m 汛期平均出庫流量為105.7 m3/s，僅占撫河流域汛期流量的9.8%。廖坊和洪門水庫對流域徑流影響小，因此本文未考慮其對徑流的影響。

撫河流域農村占地面積大，承載著人類生活、農田以及畜禽養殖場為主的污染物的排放，是進行流域水污染研究的典型區域。下游李家渡水文站（116.2°E，28.2°N）是撫河入鄱陽湖的重要控制站，控制面積為15 811 km2（見圖1）。

1.2 數據來源

（1） 觀測數據。1961～2019年撫河流域李家渡水文站的逐日徑流觀測數據來源于《中華人民共和國水文年鑒》。水質數據為2012～2017年李家渡水文站逐月氨氮、總磷、五日生化需氧量數據，來源于江西省水文局。氣象觀測數據包括撫河流域9個氣象站的1961～2019年逐日降水、平均氣溫、最高氣溫、最低氣溫、日照時數、風速和相對濕度數據，來源于中國氣象局國家氣象信息中心。數字高程（DEM）來自美國宇航局的SRTM（Shuttle Radar Topography Mission），分辨率為90 m×90 m。土壤數據來源于聯合國糧食及農業組織（FAO），分辨率為1 km×1 km。土地利用數據（2015年）是中國科學院資源環境科學數據中心提供的1∶100 000數據，分辨率為1 km×1 km。社會經濟數據為1961～2019年人口總數、耕地面積數據，來源于《撫州市統計年鑒》。

（2） 氣候模式數據。選取第六次耦合模式比較計劃（CMIP6）中情景完善的5個氣候模式（見表1）的歷史試驗期（1961～2014年）和7個情景（SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP4-3.4、SSP4-6.0、SSP5-8.5）（見表2）下的預估期（2015～2050年）逐日降水、平均氣溫、最高氣溫、最低氣溫、相對濕度、太陽輻射等氣象要素。

（3） 未來人口。采用共享社會經濟路徑（SSPs）下的2020～2050年格點化人口數據，分辨率為1 km×1 km，來源于共享社會經濟路徑（SSPs）人口和經濟格點化數據庫（gridded datasets for population and economy under Shared Socioeconomic Pathways）。5種SSPs，分別為可持續發展路徑SSP1、中間路徑SSP2、區域競爭路徑SSP3、不均衡路徑SSP4、傳統化石燃料為主的路徑SSP5。SSP中包括定量元素和定性元素，其中定量元素包括人口、GDP等指標，定性元素主要用來描述全球發展的7個方面：人口和人力資源、經濟發展、生活方式、人類發展、環境與自然資源、政策和機構、技術發展［25-26］。

（4） 未來土地利用數據。采用由Liao等［26］基于LUH2（Land-Use Harmonization）數據和未來土地利用模擬模型（FLUS）預估的中國未來土地利用數據（http∥www.geosimulation.cn/China PFT SSP-RCP.html.），包括SSPs下2020～2100年每5 a一期的，空間分辨率為1 km的土地利用，分為草地、林地、耕地、城市、水體和裸地等6個主要類型。本次研究提取了7種情景下2020，2030，2040年的耕地數據，用于模擬未來氮磷負荷。

1.3 研究方法

1.3.1 SWAT模型率定與驗證

本文對撫河流域的氮磷負荷模擬研究采用SWAT（Soil and Water Assessment Tool）模型。SWAT模型是美國農業部（USDA）于1994年開發的分布式水文模型［27-28］，通過大量的國內外學者改進研究，對不同環境適應情況較好［29-32］。SWAT模型適用于流域水平衡核算、河流氮磷負荷變化、管理措施對流域水質水量的影響等研究。模型根據DEM確定水流流向，生成河網后進行子流域劃分。子流域的數量由集水面積劃分閾值確定，集水面積閾值越小，河網就越密集，子流域個數就越多，在綜合考慮撫河流域情況后，設置劃分流域生成29個子流域。

將2012年設定為預熱期，利用撫河流域2013～2015年和2016～2017年逐日氣象和水文水質資料開展SWAT模型的參數率定和驗證。采用SWAT-CUP對撫河流域本地參數進行敏感性分析，篩選出對徑流和氮磷影響較大的參數，最終確定12個敏感的水文水質參數（見表3），選取的參數與已有研究具有一致性［33-34］。并對參數設置了自動率定，運行設置次數為1 000次。

模型模擬效果的檢驗采用決定系數R2、納什效率系數Nash-Sutcliffe（Ens）和百分比偏差（PBIAS）。Ens反映模擬值和觀測值的統計差異程度，R2代表模擬值和觀測值變化趨勢的一致性，R2和Ens越接近于1則表明模擬結果越好；PBIAS代表模擬值大于或小于實測值的平均趨勢，最優值為0，正值和負值分別表示低估和高估帶來的模型偏差［35］。綜合考慮后，本文設定Ens和R2大于0.8時認為符合水文模擬精度要求；Ens和R2大于0.65時認為模型精度符合水質模擬要求，徑流和氮磷的PBIAS絕對值分別小于10%和15%時認為精度符合模型要求。

撫河流域李家渡水文控制站逐月徑流模擬和實測對比顯示，月流量模擬的R2在率定期和驗證期均大于0.9，Ens均大于0.8，PBIAS的絕對值均小于10%，說明SWAT模型能夠較好地模擬撫河流域的降水徑流關系（見圖2和表4）。

圖3為李家渡水文控制站逐月氨氮、總磷模擬和實測對比結果，R2在率定期和驗證期均大于0.7，Ens均大于0.65（見表5），PBIAS的絕對值均小于15%，表明模型在撫河流域對氨氮和總磷模擬適用性較好。由于水質受多因素影響，氨氮和總磷模擬結果明顯低于徑流模擬效果（見圖3）。總體來看，率定驗證后的SWAT模型對徑流和氮磷模擬效果均較好，適用于氣候和社會經濟變化下的徑流和氮磷負荷預估研究。

1.3.2 氮磷總量統計方法

本次研究對社會經濟變化下的氮磷來源統計主要包括農田施肥、畜禽養殖、生活污水3個方面。因撫河流域所涉及的行政區主要為撫州市，所以主要統計該市的氮磷總量。

（1） 農業施肥。根據農業部門發布的資料和當地文獻資料，流域內主要以水稻和油菜為主要農作物，種植時間為4月中下旬和10月中下旬。根據統計年鑒和《全國水資源綜合規劃地表水水質評價及污染物排放量調查估算工作補充技術細則》計算氮肥、磷肥和復合肥中的總氮總磷量。

（2） 生活污水。根據《第二次全國污染源普查產排污系數手冊（生活源）》（2019年），得到流域生活污水中污染物排放系數，結合流域人口數據，計算出生活污水產生的氮磷量。

（3） 畜禽養殖。根據《第一次全國污染源普查畜禽養殖業源產排污系數手冊》，得到流域存欄牲畜情況以及畜禽糞便排泄系數，根據公式（1）計算得出畜禽養殖產生的氮磷量。M=mi=1NiCiPi（1）式中：M代表畜禽排污總量，kg；N代表畜禽飼養數量，頭（只）；C代表畜禽飼養周期，d；P代表畜禽排污系數，kg/［頭（只）·d］；m代表畜禽種類。

將統計得到的3個方面總氮總磷數據設置成管理措施輸入到模型中，可得2012～2017年流域逐月氨氮和總磷數據，與觀測時期（2012～2017年）李家渡水文控制站的逐月氨氮和總磷數據進行率定驗證，由1.3.1節內容可知模擬效果較好，以此確保了模擬的基礎數據準確。

1.3.3 未來管理措施量化方法

本文根據歷史時期氮磷總量來源將管理措施設定為農業施肥、畜禽養殖和生活污水3個方面。根據歷史時期（1961～2019年）耕地面積、人口總數、撫河流域農業施肥、畜禽養殖、生活污水產生的總氮總磷數據，進行相關性分析發現，人口和生活污水產生的氮磷數據、耕地和農業施肥下的氮磷數據具有相關性，相關系數rgt;0.90，有統計學意義（顯著性Plt;0.05）。將耕地面積作為自變量、農業施肥下的總氮總磷作為因變量進行統計擬合建立線性回歸模型；將人口總數作為自變量、生活污水產生的總氮總磷作為因變量進行統計擬合建立線性回歸模型，結果如表6～7所列。

將共享社會經濟路徑下的未來人口、耕地結合線性回歸模型，計算出農業施肥、生活污水管理措施下的施肥量，并對其進行SWAT模型的概化處理，以間接施肥和連續施肥的管理方式輸入到模型中。農業施肥以間接施肥的方式，設置每年4月中下旬和10月中下旬施肥，施肥方式為每月一次；生活污水以連續施肥的方式，設置每天施肥，施肥方式為每天一次。

1.3.4 氣候和社會經濟變化對氮磷負荷的貢獻率 首先，在率定后的SWAT模型中輸入1961～1980年氣溫、降水等氣候要素以及管理措施，模擬出撫河流域的氮磷負荷量；然后，模擬氣候和社會經濟共同影響下1981～2000年和2001～2020年相對1961～1980年氮磷負荷的變化；最后，進行管理措施不變，氣候變化和管理措施變化，氣候不變的敏感性試驗，模擬分別在氣候變化和社會經濟變化下氮磷負荷相對1961～1980年的變化。

設管理措施不變、氣候變化下，1981～2020年氮磷負荷量與1961～1980年氮磷負荷量之差為變化量X，管理措施變化、氣候不變下，1981～2020年氮磷負荷量與1961～1980年氮磷負荷量之差為變化量Y；氣候和管理措施共同變化下，1981～2020年氮磷負荷量與1961～1980年氮磷負荷量之差為變化量Z，貢獻率計算公式如下：

氣候對氮磷負荷的貢獻率=X/Z×100%（2）

社會經濟對氮磷負荷的貢獻率=Y/Z×100%（3）

氣候和社會經濟變化交叉作用的貢獻率=（Z-X-Y）/Z×100%（4）

1.3.5 氣候模式訂正與降尺度

本次研究采用Spatial Disaggregation（SD）統計降尺度方法和Equidistant Cumulative Distribution Functions（EDCDF）偏差訂正方法，對全球氣候模式數據進行了降尺度和偏差訂正，將數據空間分辨率統一為0.5°×0.5°，方便與觀測值進行對比分析。

SD統計降尺度原理是假定當前反映地形和氣候特征的分辨率數據在未來時期保持不變，然后采用雙線性插值法對觀測數據的多年各月平均值進行插值，至模式數據分辨率。模式數據與插值后的觀測數據相減，產生的差值代表觀測場與模擬場的偏差。然后，將偏差場插值回觀測數據的分辨率后，應用到觀測數據上，得到降尺度后的模式數據［36］。

EDCDF是基于累計經驗分布函數法改進的一種偏差訂正方法，該方法是累計經驗分布函數法的改進方法，其原理為根據觀測值和模擬值之間的差值來計算其各百分位上的偏差（假設校正期間觀測值和模擬值之間的差異在給定百分位數內保持不變），在此基礎上建立觀測值、模擬值和預估值的累計概率分布函數（CDF），從而計算出某一值未來所對應的累計概率［37］。公式為

Δ=F-1ocFms（x）-F-1mcFms（x）（5）

xcorrect=x+Δ（6）

式中：x為氣候變量；F為累積概率分布函數（CDF），F-1為倒數；oc為基準期觀測值；mc為基準期模擬值；ms為校正期模擬輸出。

多模式集合結果表明，氣候模式偏差訂正后撫河流域1995～2014年月平均氣溫與實測月氣溫的相關系數達到0.95，最大偏差在5％以內（見圖4（a））。從降水量年內分布來看，偏差訂正后的月降水模擬數據與實測數據的相關系數達到0.91，最大偏差10％以內（見圖4（b））。由此可見，偏差訂正后的多模式集合模擬的流域氣溫和降水與觀測數據的年內分布格局較一致，模擬性能較好，適用于研究未來撫河流域的氣候變化。

1.3.6 M-K趨勢分析

Mann-Kendall（M-K）方法是一種非參數檢驗方法，是時間序列趨勢分析中最為廣泛應用的方法，不受異常值干擾和樣本分布規律等條件限制，對非正態的氣溫、降水、徑流等要素時間序列變化趨勢的分析具有較好的適用性［38］。本文設定P＞0.05，為趨勢變化不顯著；Plt;0.05，為趨勢變化顯著。

2 研究結果

2.1 氣候和徑流變化趨勢

觀測數據顯示，1961～2019年撫河流域年均氣溫約17.0 ℃左右，年降水量約1 784.3 mm。年平均氣溫以0.14 ℃/10 a的速度顯著上升（Plt;0.05），降水以25.3 mm/10 a的速度不顯著上升。

根據多模式集合結果，2021～2050年撫河流域氣溫和降水將增加，呈明顯的變暖變濕趨勢。由圖5（a）可以看出，相比于1995～2014年，SSPs下撫河流域年均氣溫在2021～2030年、2031～2040年、2041～2050年分別升高0.41～0.83 ℃、0.73～1.21 ℃、0.87～1.88 ℃，氣溫的上升速度隨著輻射強迫的加強而加快。2021～2050年撫河流域年降水量總體表現為波動上升趨勢（見圖5（b））。相比于1995～2014年，撫河流域年降水在2021～2030年、2031～2040年、2041～2050年分別增加4.01%～9.70%、0.78%～9.56%、3.87%～12.77%，2031～2040年降水增幅相較其他年段略緩。

根據多模式集合，1995～2014年撫河流域年平均流量約558.9 m3/s，年平均流量以-7.6 m3/（s·a）速率呈顯著下降趨勢。相比基準期（1995～2014年），撫河流域年平均流量在2021～2030年、2031～2040年和2041～2050年保持上升趨勢（見圖6），分別上升4.8%～16.3%、7.2%～23.1%、7.1%～20.0%，其中2021～2030年增幅最小，2031～2040年增幅最大，未來撫河流域水資源量更加豐富。

2.2 社會經濟變化及施肥量變化趨勢

相對基準期，撫河流域2020～2050年耕地面積和人口總數變化如表8所列。SSPs下流域耕地面積在2020，2030，2040年普遍呈下降趨勢;人口總數在2020，2030，2040年普遍呈上升趨勢。

相對基準期，撫河流域2021～2050年管理措施施肥量變化如表9所列。SSPs下流域農業施肥量在2021～2030年、2031～2040年和2041～2050年普遍減少（SSP5-8.5除外），其中2021～2030年降幅最小，2031～2040年降幅最大；生活污水產生的施肥量在2021～2030年、2031～2040年、2041～2050年均增加。

2.3 氮磷變化趨勢

2.3.1 總氮變化趨勢

（1） 年際變化。1995～2014撫河流域多年平均年總氮負荷量約9 333.4 t，以-113.7 t/a速率呈顯著下降趨勢（見圖7）。相對于基準期，SSPs情景下受農業施肥量減少的影響，撫河流域在2021～2030年、2031～2040年和2041～2050年總氮負荷量顯著減少，分別下降-33.4%～-17.8%（模式范圍-50.1%～-5.9%）、-36.8%～-22.5%（模式范圍-58.7%～-7.7%）、-35.8%～-19.3%（模式范圍-54.0%～5.4%），與農業施肥量變化一致，在2021～2031年降幅最小，2031～2040年降幅最大。

（2） 空間變化。2021～2050年，SSPs下撫河流域總氮負荷較高的區域集中在位于流域出口的子流域，其次為位于流域中下游的子流域和中上游子流域；流域中游東部和西部總氮負荷較低。總氮負荷空間分布不僅與徑流相關，與人類活動也有著密切的關聯，受社會經濟變化的影響，總氮濃度較高的區域主要集中在化肥施用量較大的耕地和城鎮密集的下游地區（見圖8）。

2.3.2 總磷變化趨勢

（1） 年際變化。根據多模式集合，1995～2014多年平均年總磷負荷量約1 632.0 t，總磷負荷量以2.1 t/a 速率呈上升趨勢（見圖9）。相對于基準期，SSPs下撫河流域總磷負荷量在2021～2050年整體呈增加趨勢，可能與降水量增加，污染物被加速沖刷入河以及生活污水量增加相關；在2021～2030年增加，增幅為0.9%～7.8%（模式范圍-20.2%～16.4%）；2031～2040年和2041～2050年均總磷負荷量有增有減，變幅為-0.5%～5.5%（模式范圍-17.8%～18.9%）和-0.8%～4.5%（模式范圍-18.6%～20.1%）。

（2） 空間變化。根據圖10，2021～2050年，撫河流域總磷負荷較大的區域集中在位于流域出口的子流域，其次為位于流域中下游的子流域和位于流域中部的子流域；中游東部和上游總磷負荷較低。根據模擬結果，撫河流域總磷負荷較大的區域集中在下游人口密集，工業發達的地區，主要是因為大量的城市生活排污和工業廢水造成了總磷濃度較高的現象。

2.4 氣候和社會經濟變化對氮磷負荷變化的貢獻率 根據1961～1980年氣溫、降水等氣象要素以及施肥的管理措施，模擬出的撫河流域的總氮負荷量為9 702.1 t（見圖11（a））。敏感性實驗結果顯示，1981～2020年管理措施不變、氣候變化下總氮負荷量相對氣候和社會經濟共同變化下總氮負荷量增加；管理措施變化、氣候不變下總氮負荷量相對氣候和社會經濟共同變化下總氮負荷量減少。1981～2000年和2001～2020年相對1961～1980年總氮負荷量分別減少282.2 t和369.3 t；假定管理措施不變、氣候變化的敏感性實驗，總氮負荷量分別增加57.1 t和105.5 t（見圖12（a））；假定管理措施變化、氣候不變的敏感性實驗，總氮負荷量分別減少321.1 t和449.5 t；可得氣候變化對撫河流域總氮負荷變化的貢獻率在1981～2000年和2001～2020年分別為14.4%和18.2%（見表10），社會經濟變化對總氮負荷變化的貢獻率分別為81.1%和77.5%，氣候和社會經濟變化交叉作用的貢獻率分別為4.5%和4.3%，氣候變化對撫河流域總氮負荷變化的影響在增加。

1961～1980年模擬出的撫河流域的總磷負荷量為1 640 t。敏感性實驗結果顯示，1981～2020年管理措施不變、氣候變化下總磷負荷量相對氣候和社會經濟共同變化下總磷負荷量增加；管理措施變化，氣候不變下總磷負荷量相對氣候和社會經濟共同變化下也呈增加趨勢（見圖11（b））。模擬氣候和社會經濟共同影響下，1981～2000年和2001～2020年相對1961～1980年總磷負荷量分別增加51.9 t和65.8 t；假定管理措施不變、氣候變化的敏感性實驗，總磷負荷量分別增加7.0 t和11.7 t（見圖12（b））；假定管理措施變化、氣候不變的敏感性實驗，總磷負荷量分別增加42.2 t 和50.6 t，則氣候和社會經濟對撫河流域總磷負荷變化的貢獻率在1981～2000年分別為13.5%和81.3%（見表10）；2001～2020年分別為17.8%和76.9%；氣候和社會經濟變化交叉作用的貢獻率在1981～2000年和2001～2020年分別為5.2%和5.3%，氣候對總磷負荷變化的貢獻率從13.5%上升到17.8%。

上述變化，一方面是由于全球變暖、氣溫上升，降水增加，徑流增多，影響了氮磷的輸送與轉移，使氣候變化對總氮總磷的影響增加；另一方面，相關退耕還林環保政策的實施和污水處理能力的加強也是使社會經濟對總氮總磷的影響減少的原因。

3 結 論

基于多模式集合，分析了SSPs下撫河流域2021～2050年的氣候變化以及社會經濟變化趨勢，并以多模式驅動SWAT模型，預估了2021～2050年流域徑流變化、氮磷時空變化以及氣候和社會經濟變化對氮磷變化的貢獻，得出以下結論：

（1） 相較基準期（1995～2014年），2021～2050年撫河流域表現為明顯的變暖變濕態勢。年均氣溫在2021～2050年呈明顯上升趨勢。同期，年降水量呈波動上升趨勢。流域年平均流量在2021～2050年保持上升趨勢，其中在2031～2040年增幅最大，未來流域水資源量更加豐富。

（2） 相對基準期，SSPs下撫河流域耕地面積在2021～2050年普遍呈下降趨勢；人口在2021～2050年普遍呈上升趨勢。流域農業施肥量在2021～2050年普遍減少（除SSP5-8.5），生活污水產生的施肥量在2021～2050年呈增加趨勢。

（3） 受農業施肥量減少的影響，撫河流域在2021～2050年均總氮負荷量顯著減少。在空間分布上，總氮負荷較高的區域集中在流域中下游的干流附近；下游總氮濃度高也與下游耕地面積大，耕地上大量的化肥施用有關。流域總磷負荷量在2021～2050年呈增加趨勢；在空間分布上，總磷負荷較大的區域集中在流域中下游的干流處；受社會經濟變化的影響，總氮濃度較高的區域主要集中在城市排污和工業廢水排放量大的城鎮發達的下游地區。

（4） 1981～2000年和2001～2020年，氣候變化對總氮負荷變化的貢獻率從14.4%上升到18.2%，對總磷負荷變化的貢獻率從13.5%上升到17.8%，主要是全球變暖下氣溫上升，降水徑流增加影響了氮磷的輸送與轉移，導致氣候變化對總氮總磷負荷的影響增加。

已有研究表明鄱陽湖流域21世紀氣溫、降水和徑流將呈增加趨勢［39］，該結論與本文2021～2050年撫河流域氣溫、降水和徑流預估結果一致。毛安琪等利用2010～2016年氣象和管理措施數據，模擬了2012～2016年氮磷負荷變化，與本文變化結果一致，但未對氮磷變化進行預估［33］。本文在考慮氣候變化的影響下，引入了SSPs情景下的社會經濟動態變化，探討未來氣候和社會經濟對氮磷負荷變化的影響，可提升氮磷預估結果的可靠性，研究結果可以為撫河流域優化水生態環境提供建議。

文本應用SWAT模型對SSPs下撫河流域的氮磷負荷變化進行了較全面的預估，但氣候變化對氮磷負荷的影響較為復雜：氣候模式的選取和水文模型的參數化會對結果帶來較大的不確定性，且人為因素對氮磷負荷的變化也有很大的影響。本文的不足有：未采用多個水文模型以降低結果的不確定性；未考慮水庫調蓄等人為因素對氮磷變化的貢獻率。后續研究中需要采用多個水文模型開展集合預估并疊加考慮水庫調蓄等對氮磷變化的影響，以最大程度提高研究的可信度。

參考文獻：

［1］IPCC.Climate change 2021：the physical science basis［R/OL］.Cambridge：Cambridge University，2021.

［2］KHAN S J，DEERE D，LEUSCH F D L，et al.Extreme weather events：should drinking water quality management systems adapt to changing risk profiles？［J］.Water Research，2015，85：124-136.

［3］夏軍，劉春蓁，任國玉.氣候變化對我國水資源影響研究面臨的機遇與挑戰［J］.地球科學進展，2011，26（1）：1-12.

［4］DE VILLE S.Temporal variations in the potential hydrological performance of extensive green roof systems［J］.Journal of Hydrology，2018，558：564-578.

［5］張運林，張毅博，周永強，等.生態文明建設以來長江中下游湖泊水生態環境變化［J］.人民長江，2023，54（1）：14-23.

［6］唐國華，林玉茹，胡振鵬，等.鄱陽湖區氮磷污染物分布、轉移和削減特征［J］.長江流域資源與環境，2017，26（9）：1436-1445.

［7］湯顯強.長江流域水體富營養化演化驅動機制及防控對策［J］.人民長江，2020，51（1）：80-87.

［8］GAIN A K，GIUPPONI C，WADA Y.Measuring global water security towards sustainable development goals［J］.Environmental Research Letters，2016，11（12）：1748-1755.

［9］CHAPRA S C，BOEHLERT B，FANT C，et al.Climate change impacts on harmful algal blooms in US freshwaters：a screening-level assessment［J］.Environmental Science amp; Technology，2017，51（16）：8933-8943.

［10］AMANAMBU A C，OBAREIN O A，MOSSA J，et al.Groundwater system and climate change：present status and future considerations［J］.Journal of Hydrology，2020，589：1688-1694.

［11］LALL U，JOSSET L，RUSSO T.A snapshot of the world′s groundwater challenges［J］.Annual Review of Environment and Resources，2020，45：1543-1556.

［12］陶冶，李強.汛期暴雨對遼寧省河流水質的影響淺析［J］.環境保護與循環經濟，2021，41（10）：47-50.

［13］車蕊，林澍，范中亞，等.連續極端降雨對東江流域水質影響分析［J］.環境科學，2019，40（10）：4440-4449.

［14］張玉斌，鄭粉莉，武敏.土壤侵蝕引起的農業非點源污染研究進展［J］.水科學進展，2007，18（1）：123-132.

［15］夏函，李斗果，王永桂，等.社會經濟發展對三峽澎溪河流域氮磷負荷的影響［J］.人民長江，2016，47（22）：26-31.

［16］喬繼平，代俊峰.河流污染的點源和非點源負荷分割研究［J］.中國農村水利水電，2015（6）：17-20.

［17］MICHALAK A M.Study role of climate change in extreme threats to water quality［J］.Nature，2016，535（7612）：349-350.

［18］LI W" H，CHENG X J，ZHENG Y，et al.Response of non-point source pollution to landscape pattern：case study in mountain-rural region，China［J］.Environmental Science and Pollution Research，2021，28（13）：16602-16615.

［19］ZHANG Y L，CHENG G D，LI X，et al.Influences of frozen ground and climate change on hydrological processes in an alpine watershed：a case study in the upstream area of the Heihe River，Northwest China［J］.Permafrost and Periglacial Processes，2017，28（2）：420-432.

［20］張辰，陸建忠，陳曉玲.基于輸出系數模型的云南洱海流域農業非點源污染研究［J］.華中師范大學學報（自然科學版），2017，51（1）：108-114.

［21］高曉曦，左德鵬，馬廣文，等.阿什河流域氮磷輸出負荷及其與下墊面特征的關系研究［J］.中國農村水利水電，2020（4）：5-12.

［22］BI W X，WENG B S，YUAN Z，et al.Evolution of drought-flood abrupt alternation and its impacts on surface water quality from 2020 to 2050 in the Luanhe River Basin［J］.International Journal of Environmental Research and Public Health，2019，16（5）：1661-1672.

［23］TEUTSCHBEIN C，SPONSELLER R A，GRABS T，et al.Future riverine inorganic nitrogen load to the Baltic Sea from Sweden：an ensemble approach to assessing climate change effects［J］.Global Biogeochemical Cycles，2017，31（11）：1674-1701.

［24］O′NEILL B C，TEBALDI C，VAN VUUREN D P.et al.The scenario model intercomparison project（Scenario MIP）for CMIP6［J］.Geoscientific Model Development，2016，9（9）：3461-3482.

［25］姜彤，王艷君，蘇布達，等.全球氣候變化中的人類活動視角：社會經濟情景的演變［J］.南京信息工程大學學報（自然科學版），2020，12（1）：60-80.

［26］LIAO W L，LIU X P，XU X Y，et al.Projections of land use changes under the plant functional type classification in different SSP-RCP scenarios in China［J］.Science Bulletin，2020，65（22）：1935-1947.

［27］PRAGYA P，TINGSANCHALI T，SHRESTHA S.Evaluation of soil and water assessment tool and artificial neural network models for hydrologic simulation in different climatic regions of Asia［J］.Science of the Total Environment，2020，701：9690-9697.

［28］張小麗，彭勇，王本德，等.基于SWAT模型的降雨數據適用性評價［J］.農業工程學報，2014，30（19）：88-96.

［29］陳媛，郭秀銳，程水源，等.基于SWAT模型的三峽庫區大流域不同土地利用情景對非點源污染的影響研究［J］.農業環境科學學報，2012，31（4）：798-806.Times New RomanOWN

［30］魏沖，胡彩虹，陳杰，等.SWAT模型基于不同坡度林地徑流調節作用的實現與應用［J］.水力發電學報，2014，33（3）：98-105，111.

［31］LI D，CHRISTAKOS G，DING X X，et al.Adequacy of TRMM satellite rainfall data in driving the SWAT modeling of Tiaoxi catchment（Taihu lake basin，China）［J］.Journal of Hydrology，2018，556：1139-1152.

［32］GUO H，HU Q，JIANG T.Annual and seasonal streamflow responses to climate and land-cover change in the Poyang Lake basin，China［J］.Journal of Hydrology，2008，355（1-4）：106-122.

［33］毛安琪.基于SWAT模型的土地利用演變對撫河流域非點源污染研究［D］.南昌：南昌大學，2020.

［34］高超，劉青，蘇布達，等.不同尺度和數據基礎的水文模型適用性評估研究：淮河流域為例［J］.自然資源學報，2013，28（10）：1765-1777.

［35］WOOD A W，LEUNG L R，SRIDHAR V，et al.Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs［J］.Climatic Change，2004，62（1）：189-216.

［36］LI H，SHEFFIELD J，WOOD E F.Bias correction of monthly precipitation and temperature fields from intergovernmental panel on climate change AR4 models using equidistant quantile matching［J］.Journal of Geophysical Research.2010，115（D10）：2169-2179.

［37］張建成.基于多變量M-K檢驗的大凌河流域降水趨勢分析［J］.黑龍江水利科技，2020，48（1）：29-33.

［38］田鵬.氣候與土地利用變化對徑流的影響研究［D］.咸陽：西北農林科技大學，2012.

［39］張靜文，郭家力，劉佳，等.鄱陽湖流域入湖徑流時空變化預測［J］.南水北調與水利科技，2016，14（5）：41-48，70.

（編輯：劉 媛）

Evolution of nitrogen and phosphorus load in Fuhe River Basin under climate

and socio-economic changesWANG Yuan，SU Buda，JIANG Tong，WANG Yanjun，SHAN Jingjing

（School of Geographical Sciences，Nanjing University of Information Science amp; Technology，Nanjing 210044，China）

Abstract： The current research on nitrogen and phosphorus（NP）projection is mainly based on assumptions of unchanged climate change and socio-economic conditions，lacking consideration of the impact of socio-economic dynamics on NP loads.To study the changes in NP loads under the combined effects of climate and socio-economic factors，7 new climate scenarios （SSP1-1.9，SSP1-2.6，SSP2-4.5，SSP3-7.0，SSP4-3.4，SSP4-6.0，SSP5-8.5） from 5 climate models with comprehensive scenarios in the Sixth Coupled Model Intercomparison Project （CMIP6） were selected.Using the SWAT hydrological model，the spatial and temporal characteristics of the nitrogen and phosphorus loads in the Fuhe River Basin from 2021 to 2050 were simulated and analyzed relative to the baseline period （1995～2014） under the combined effects of climate change and socio-economic changes.The results showed that：① socio-economic changes were the main factors affecting the changes in nitrogen and phosphorus loads.However，the contribution of climate to the total nitrogen load change increased from 14.4% to 18.2% and the contribution to total phosphorus load change increased from 13.5% to 17.8% during 1981～2020，indicating that the impact of climate change on total nitrogen and phosphorus loads was increasing，the impact of socio-economic changes on total nitrogen and phosphorus loads was decreasing.② The average annual total nitrogen load in the Fuhe River was about 9 333.4 t，with a significant decreasing trend at a rate of -113.7 t/a from 1995 to 2014.Compared to the baseline period，the total nitrogen load in the basin from 2021 to 2050 was expected to show a significant decreasing trend.Spatially，the total nitrogen load was mainly concentrated near the mainstream in the middle and lower reaches of the basin，with lower loads in the eastern and western parts of the middle reaches.③ The average annual total phosphorus load in the Fuhe River Basin was about 1 632 t，showing an increasing trend at a rate of 2.1 t/a from 1995 to 2014，and it was expected to increase from 2021 to 2050 compared to the baseline period.In terms of spatial distribution，higher total phosphorus load concentrations were found at the river basin outlet and in the middle and lower reaches，with lower loads in the eastern middle reaches and upper reaches.

Key words： nitrogen and phosphorus loads；future projection；climate change；socio-economics；CMIP6；SWAT model；Fuhe River Basin

收稿日期：2023-04-03；接受日期：2023-07-22

基金項目：江蘇省研究生教育教學改革課題（KYCX22_1129）；中國氣象局氣候變化專項“鄱陽湖典型流域大氣降水對地表水質影響研究”（CCSF）

作者簡介：王 媛，女，碩士研究生，研究方向為水文與水資源。E-mail： wangyuan19980304@163.com

通信作者：蘇布達，女，教授，博士，主要從事氣候變化與水文水資源研究。E-mail： subd@nuist.edu.cn