面源污染時空格局動態演變預測與防治分區研究

譚濤　孫玉陽

摘要：為對面源污染時空格局精準預測，改善其污染情況，此次研究以某研究區域為例，開展面源污染時空格局演變并提出一定的防治策略。以研究范圍內不同區域為實例，對20年來的面源污染排放強度進行核算，建立數據統計模型，并利用EKC預測模型獲取空間自相關關系，獲取研究區內時空格局動態演變情況。研究區分析結果表明：各區域污染數值均超過1%的置信水平，且空間相關測度GMI指數大于0.20；研究區域D及F為熱點區域，區域A和G為過渡區域，區域B和E為冷點區域，可依據此進行分區治理。

關鍵詞：面源污染；時空格局動態演變；流失系數；冷熱點分析

中圖分類號：X501 文獻標志碼：A

前言

氮肥是在農業中扮演著至關重要的角色，它是農作物生長的主要動力來源。沒有足夠的氮肥，許多作物無法正常生長，導致產量大幅下降。然而，持續多年的過量使用氮肥已經帶來了嚴重的問題，使其變成社會環境的隱形殺手，同時也是農業面源污染的重要原因，不僅對土壤健康造成了威脅，也對環境產生了負面影響。長期單一施用化學肥料容易使土壤中硝離子大量剩余并迅速累積，加速土壤的鹽積及鹽漬化。超量使用無機肥料，會促使大部分土壤出現氮、磷、鉀含量過高的現象。由于農民缺乏專業的種植知識，對肥料使用缺乏科學知識，只關注見效快，導致養分供應失衡，影響作物正常吸收利用。加大緩控釋肥推廣力度，實現化肥的零增長，科學施藥，可在保障作物產值的前提下，促進農業科學綠色健康的發展，故對環境進行面源污染核算或監測具有重要作用。目前現有的面源污染的核算常用方法包含：清單分析法、綜合調查法、聚類分析法、單元調查法等。單一的評估核算方法受自然因素、土地差異等條件的影響，導致評估結果不準確。因此文章采用的研究方法為利用流失系數來與清單分析法、單元調查評估法來綜合判定，并以此為基礎提出防治分區治理措施。

1 面源污染時空格局動態演變預測研究方法

1.1 計算面源污染排放強度

為確保流失系數的有效性及準確性，通過查找搜集相關文獻及歷史資料進行參考校正，將區域分為7個區域并用A-C表示。文章核算的化肥面源污染單元為磷肥、氮肥與復合肥。運用化肥流失系數法，核算氮的總排放量和磷的總排放量，進而核算化肥面源污染排放總量及強度，計算公式如式（1）、式（2）：

式（1） -式（2）中，E是總排放量；Ei是產生并流失的污染物量；Ci是指標統計數；βij是流失系數；A是播種面積；I是面源污染排放強度。通過上述二式，能夠計算出面源的污染排放程度。

1.2 建立數據統計模型

空間白相關測度（GMI）是檢驗相鄰區域單元關聯性的常用指標，可以代表相鄰測試區域化肥面源污染排放強度在空間內的總體趨勢。GMI的取值范圍在-1 -1之間。在一定顯著水平下，當CMI為負值時，面源污染排放強度呈現離散趨勢，具有明顯的空間差異特征；當CMI接近零時，表明其面源排放強度呈現隨機分布狀態，不具有相關特性；當CMI為正值時，面源排放強度呈現明顯聚集狀態，具體公式如式（3）、式（4）：

式（3） -式（4）中，n是測試數量；Wij是空間矩陣，Xi、Xj分別表示地區i和j的觀測值，X表示觀測平均值，S2表示觀測值方差。冷熱點分析是探索局部空間聚類分布特征方法，用于標志空間聚集程度的測算。當G*i為（+）時為熱點區域，代表污染強度排放強度較高；當G+i為（-）時為冷點區域，代表污染強度排放強度較低；當G+i指數不顯著則為過渡區域，公式如式（5）：

式（5）中，Wij（d）為距離空間權重。在以上的計算模型中，能夠分別獲取到全局模型白相關和局部空白相關。

1.3 EKC預測模型

EKC（環境庫茲涅茨曲線）預測模型通常包含三次曲線、二次曲線以及線性模型，其形式由不同顯著結果決定。這些模型可以表現為N型（正向和反向兩種方向）、U型（正向和反向兩種方向）和直線型。對于指標數據的處理，EKC模型的公式如式（6）：

其中，I代表面源污染排放強度；Git代表人均農業產值；Pit代表農作物種植結構；Mit代表農業機械投入強度；S代表產業結構；Rit代表農村居民收入結構；Nit代表農村居民人均純收入；Uit代表城鎮居民收入差距；Ait代表農業產業結構；μit為隨機誤差；i代表區域，t代表時間；ηn代表回歸系數。基于上述模型，對研究區的面源污染排放情況進行分析，并對結果進行討論。

2 結果與分析

2.1 面源污染強度核算

文章實驗數據來源于《中商產業研究院數據庫》和《國家農業數據中心》2000年- 2020年期間數據，結合面源污染排放強度、空格局演變和特征分類，對不同區域面源污染情況進行分析預測。根據上述公式對實驗數據進行面源污染指標計算及分析。從污染指標集聚與擴散趨勢可以看出，在土地種植期間，2000年至2020年各區域污染指標數值均超過在1%的置信水平，且空間相關測度CMI指數大于0. 20，表明測試區域的COD、BOD5、TN、TP在區域上一直保持較高的聚集狀態。在2000年-2010年測試區域的GMI值呈現下降狀態，面源污染的聚集趨勢有所緩解。2010年至2020年期間測試區域面源污染CMI指標不斷增加，聚集情況加劇。在2010年各項指數最低，聚集程度最低。

對實驗所得到的各項指標進行冷熱點分析。其中，D、F位置是主要置信熱點，即熱點區域，產生原因主要為此部分居民主要從事種植業及畜牧業，生活垃圾比較多，化肥施用量也相對較多，因此形成了熱點區域。A、G位置幾乎無顯著波動，為過渡區域。B區域為置信冷點，因為地處核心位置，農業種植區域面積較少，也非畜牧業主要發展位置，因此判定為冷點區域位置。對冷熱點量化分析，得到各個區域的冷熱點置信度，其結果如下：2000年區域A為0，區域B為- 95%，區域C為90%，區域D為95%，區域E為95%，區域F為90%，區域G為0；2005年區域A為- 90%，區域B為- 90%，區域C為90%，區域D為95%，區域E為90%，區域F為95%，區域G為0；2010年區域A為0%，區域B為- 95%，區域C為95%，區域D為90%，區域E為99%，區域F為90%，區域G為0；2015年區域A為0%，區域B為- 90%，區域C為90%，區域D為99%，區域E為95%，區域F為95%，區域G為一90％；2020年區域A為0%，區域B為- 95%，區域C為95%，區域D為95%，區域E為95%，區域F為90%，區域G為0%。

結合不同區域下的養殖業發展情況進行分析。各個區域不同年份的養殖情況及化肥施用情況見圖1。

將得到的結果與上述內容相對應，發現文章預測結果與實際情況相符。

2.2 面源污染EKC分組模擬及預測

根據前文敘述的回歸模型計算方式，對測試區域內的數值進行回歸估計預測，得到不同變量下面源污染EKC分組擬合結果見表1。

根據回歸模型結果分析得出：熱點區域使用二次曲線進行預測；冷點區域使用三次曲線分析；過渡區域使用三次曲線進行預測。

2.3 防治分區研究

綜合對比上述三種不同區域的曲線形態及拐點變化具有較大差異，表明區域空間特異性分析的必要性。見表2為依據所得數據分析結果。

熱點區域：曲線呈現倒U型，面源污染表現為由升到降的趨勢，由于測試區域D及F未跨過第一個拐點，所以目前處于隨著農業經濟的不斷增長，化肥面源污染在不斷增強階段，短時間難以擺脫對化肥的依賴，應該提高化肥的吸收及利用率，減少成分流失，科學配比，改變生態環境。

冷點區域：曲線呈現倒N型，面源污染為降一升一降趨勢，目前區域B和E處于下降階段，表現為隨著農業經濟的增長，面源污染強度下降，短時間內不會出現第二次拐點。

過渡區域：曲線呈現倒N型，面源污染為降一升-降趨勢，目前區域A和G處于上升階段，表現為隨著農業經濟的增長，面源污染強度上升，由于上升趨勢將維持較長時間，需引起高度重視。

3 結束語

為深入了解中國化肥面源污染的情況，尋找可行的解決方案，進行了測試區域的面源污染情況研究。研究結果表明，目前中國化肥面源污染整體表現較差，污染排放度較高，各地方區域之間存在較大差異。通過空間白相關分析可知，面源污染排放強度呈現出顯著的聚集狀態，即相鄰區域的污染程度相互影響。模擬面源污染排放強度特征預測，研究發現面源污染與農業發展間存在著不同的非線性關系。大部分區域正處于污染加劇階段，且相鄰區域間存在相互影響的現象。因此，為減少面源污染帶來的影響，在不影響農業經濟發展的前提下，需要提前做好防范工作，并根據具體地區的情況采取因地制宜的措施，以減少面源污染帶來的影響。