(1.zhongguokuangyedaxue(beijing)tudifukenyushengtaizhongjianyanjiusuo, beijing 100083; 2.zhejiangdaxue gonggongguanlixueyuan, hangzhou 310058; 3.zhongguoziyuanweixingyingyongzhongxin, beijing 100083)
;;;;
亚博app (1.institute of land reclamation and ecological rehabilitation, china university of mining and technology, beijing 10 083, china; 2.school of public affairs, zhejiang university, hangzhou 310058, china; 3.china centre for resources satellite data and application, beijing 100083, china)
;;;;
亚博app
备注
为了保障农田安全和生态型土地整治的顺利进行,以巢湖为研究对象,运用SWAT模型模拟巢湖流域2000—2010年面源污染(总氮、总磷)的空间分布,采用地理加权回归(GWR)模型评估2000—2010年实施的2 609个土地整治项目对面源污染的影响。结果 表明:(1)巢湖流域面源污染恢复与恶化情况并存,总体偏向改善。(2)2000—2005年和2005—2010年面源污染变化区域存在空间差异,与南部地形起伏度高及农业耕作区的空间布局相关。(3)2000—2010年土地整治与面源污染现状R2在0.71~0.74,呈负相关。一方面土地整治中四大工程的实施使得耕地细碎化降低,集约化农业活动也减少了化肥使用量,另一方面,土地整治实施带动了面源污染治理项目落地,使得综合治理效果显著。期望为类似区域开展以面源污染治理为重点的生态景观型土地综合整治提供参考。
in order to ensure the safety of farmland and the smooth progress of ecological land consolidation, chaohu lake was taken as the research object. the research used swat model to simulate the spatial distribution of non-point source pollution(tn and tp)from 2000 to 2010, and used geographic weighted regression(gwr)model to assess the impact of 2609 land consolidation projects on the non-point source pollution. the results showed that:(1)non-point source pollution in the chaohu lake basin coexisted with recovery and deterioration, and the overall pollution level had decreased;(2)there were spatial differences in the area of non-point source pollution change between 2000—2005 and 2005—2010, which was related to the high terrain in the south and the spatial layout of agricultural farming areas;(3)during the study period, the r2 of land consolidation and non-point source pollution(tn and tp)was between 0.71 and 0.74, which was negatively correlated. on the one hand, the implementation of the four major projects in land improvement has reduced the fragmentation of farmland and the intensive agricultural activities have also reduced the amount of fertilizer use. on the other hand, the implementation of land consolidation has led to the landing of non-point source pollution control projects, resulting in a remarkable effect of comprehensive management. this paper is expected to provide reference for similar areas to carry out ecological land remediation focusing on non-point source pollution control.
引言
中国土地整治开始于20世纪90年代末,经历了“重数量”、“数量与质量并重”和“数量、质量与生态并重”的3个阶段[1]。土地整治的作用不仅仅是提高土地利用效率,促进农业生产活动,它更提升了一个维度的内涵[2],不仅要通过“田水路林村镇”改善人类的生存条件,还要通过“山水林田湖草”整治以实现生态化国土空间,即建设生态良田、修复受损土地和改善环境为中心的生态景观型的土地整治已成为主线[3]。
巢湖地处江淮,毗邻长江,是安徽省长江流域最大的河流系统,也是国家粮食安全战略布局的重要区域。农田安全是粮食安全的重要保障,而农田水环境是保障农田安全的关键环节。随着农业经济飞速发展,粮食大幅增产,面源污染问题成为巢湖流域水环境治理的焦点,从1978年首次发生富营养化,水质不断恶化,到2003年污染状态峰值,逐渐的引起政府及专家学者的重视。目前,中国农业面源污染主要来源于化肥施用、农田固体废弃物、畜禽养殖粪污、水产养殖污水和农村生活污染等5个方面[4]。相关研究表明农业布局调整措施[5],防护林种植措施[6],改善农业种植结构措施[7],生态排灌措施等[8]亚博app土地整治措施会对面源污染产生间接影响,以面源污染治理为中心的生态景观型的土地整治是实现巢湖流域生态农田建设的必经之路。
然而,从区域角度来看,土地整治多是点状分布,且以增加耕地面积与提高耕地质量为核心,对面源污染境与生态环境的改善无显著作用,面源污染治理往往更侧重于农村污染防控[9]、农用地化肥施用的控制[10],以及水体的治理等[11]方面。本研究以巢湖为例,基于SWAT模型模拟的2000—2010年面源污染负荷(总氮、总磷)和2000—2010年土地整治项目数据,结合GWR模型,从宏观角度探究区域尺度的土地整治项目实施与面源污染的空间关系,分析土地整治对面源污染的作用机制,为巢湖以及同类地区以面源污染治理为中心的生态景观型土地综合整治提供科学依据及建议。
1 研究区概况与研究方法
1.1 研究区概况亚博appchaohushiwoguodiwudadanshuihu,weiyuanhuishengzhongbu,shiquanguozhongyaodeshuiyuandiheshengtaibaohuqu。dilizuobiaowei116°25'30″—118°29'52″e,30°5'18″—32°32'30″n。chaohubeiyouzhegaohe、dianbuheruhu,xiyounanfeihe、paihe、fenglehe、hangbuhe、baishitianheliuru,nanyuzhaohe、baihuxiangtong,dongjingyuxihexiaxiezhangjiang,shuiziyuanfengfu。chaohudichujianghuaiqiulingdidai,dishixigaodongdi、zhongjiandiwapingtan,qieqihouwenheshirun,nianpingjunqiwen15~16℃,nianpingjunjiangshuiliangwei1 100 mm,xiajijiangyujuduo。turangleixingyihuangzongrangweizhu,tudiliyongleixingyigengdi、lindi、jiansheyongdiyushuiyuweizhu。
考虑到巢湖流域土地整治项目以完整行政区为单位,本研究选取巢湖流域所在的14个县(市、区)为研究区域,即无为县、和县、含山县、舒城县、金安区、长丰县、瑶海区、蜀山区、庐阳区、庐江区、肥西县、肥东县、巢湖市、包河区,总面积约为1.97万km2,见图1。
1.2 数据来源及数据库的建立本文参考以往研究[12-13]和多次试验结果,最终确定适合本研究单元格网大小为1 km×1 km,以此单元格网为单位进行数据库建立及结果与分析,并选择3个时间点即2000年、2005年、2010年进行节点性和阶段性的研究。
1.2.1 面源污染数据 巢湖流域中,面源污染的各方面研究已经很成熟[14-15],SWAT模型也成为了面源污染问题研究的重要手段。SWAT(Soil and Water Assessment Tool)模型是20世纪90年代初美国(USDA)开发的分布式农业面源污染负荷模型[16],可根据不同的土地利用、土壤以及水利措施对流域的水、泥沙、化学物质等进行模拟。
SWAT模型所需要的数据分为两类,空间数据和属性数据,采用阿尔伯斯双标准纬线多圆锥投影(Asia_North_Albers_Equal_Area_Conic),具体情况见表1。
为了后续的定量分析和模型模拟,将SWAT模型模拟的巢湖流域总氮和总磷负荷,按照国家《地表水环境质量标准》修订[19]分为6个级别进行空间展示,划分等级见表2。
1.2.2 土地整治数据 巢湖流域土地整治指标构建的基础数据来自于2000—2010年研究区范围内的土地整治项目。2000—2010年巢湖土地整治项目主要分布于巢湖市、肥东县、肥西县、庐江县、长丰县、无为县和金安区等14个区县,共2 609个,2000—2010年的实际总投资达到9.48亿,新增耕地1.43万hm2,实际建设总规模达到3.12万hm2。考虑数据本身特性以及土地整治项目验收规程的综合性原则,借鉴以往土地整治指标的构建[20-21],选取了整治项目强度、建设强度、新增耕地、总投资以及投资强度5个基础指标。5个指标均可作为土地整治力度的代表,故采用同等权重法综合形成整治因子指标,代表2000—2010年的整治力度,详情见表3,结果见图2。
1.3 统计方法benwenshouxianliyongquanjumoran's ihejubukongjianguanlianzhishu(lisa)jisuanle2000nian、2005nian、2010nianji2000—2005nian、2005—2010nianlianggeshiduanmianyuanwuranquanjukongjianzixiangguanzhishumoran's i(xianzhuxingshuipingp=0.001)。tongguofenxichaohumianyuanwurandekongjianzixiangguanxingjikongjianyizhixing,tanceqiredianquyu,zaijiehedilijiaquanhuiguimoxing(gwr)jinxingtudizhengzhidui2000nian、2005nian、2010nianmianyuanwuranxianzhuangjitudizhengzhidui2000—2005nian,2005—2010nianmianyuanwuranbianhuadeyingxiangyanjiu。
1.3.1 kongjianzixiangguanfenxi kongjianzixiangguanshijieshikongjianshujufenbudeyigezhongyaodefangfa,shicedumouweizhishangdeshujuyuqikongjianweizhishujujiandexianghuyilaichengdu,fenweiquanyuxinghequyuxingliangzhong。gaifangfayijingguangfanyingyongyukongjianshujuwajue,tansuoziranyushehuixianxiangdekongjianmoshihefenbu。
亚博appkongjianzixiangguandemoran's itongjikebiaoshiwei:
式中:zi为要素i的属性与平均值(xi-X^-)的偏差; wi,j为要素i和j之间的空间权重; n为要素总数; S0为所有空间权重的聚合。
1.3.2 地理加权回归模型(GWR)地理加权回归模型(Geographically weighted regression,GWR)[22],是普通线性回归(OLS)的改进,将数据的地理位置带入到回归参数中,并考虑相邻点的空间权重,允许局部的参数估计。已被广泛地应用到经济、自然资源管理、医学多个等研究领域,近年来也逐渐成为水质研究领域的新热点。GWR模型计算公式为:
yi=β0(ui,vi)+∑pk=1βk(ui,vi)xik+εi亚博app (i=1,2,…,n)(2)
式中:(ui,vi)为第i点的空间位置; βk(ui,vi)为第i点的第k个回归系数; εi为第i点的随机误差。
2 结果与分析
2.1 面源污染分布及演变结果与分析面源污染变化趋势分为3类:面源污染无变化区、面源污染恶化区和面源污染恢复区。图3为2000—2010年面源污染(总氮、总磷)模拟结果,表4—7为面源污染风险转移矩阵。由图3亚博app可看出巢湖流域北部长丰县、肥东县、瑶海区、蜀山区、庐阳区、包河区在2000—2010年总氮等级下降较剧烈,而总磷等级在瑶海区、蜀山区、庐阳区、包河区下降趋势较明显。
从表4亚博app—7中可以看出,2000—2005年和2005—2010年两个阶段期间,总氮等级无变化区的比重从92.85%,下降至91.65%,总磷等级无变化区比重也从95.06%下降至94.91%,说明2005—2010年阶段巢湖区域总氮和总磷变化更为剧烈。
亚博appchaohumianyuanwuranbianhuashiehuayuhuifuxianghujiaozhideguocheng,congbianhuaqudemianjilaikan,2005—2010nianzongdanhuifuqusuozhanmianjibizhongwei6.88%jiao2000—2005nianshangshengle0.2%,zongdanehuaqudebiliyecong2000—2005niande0.49%zengjiazhi2005—2010niande1.46%。zonglinhuifuqusuozhanbizhongcong2000—2005niande4.73%xiajiangzhi2005—2010niande4.33%,ehuaqucong2000—2005niande0.22%zengjiazhi2005—2010niande0.76%。dan2000—2010nianqijian,zongguanchaohuliuyumianyuanwuran(zongdan、zonglin)zhengtiqingkuangkanhuifumianjishizhongdayuehuamianji。
2.2 空间自相关结果与分析图4所示为面源污染局部空间关联指数(LISA)分类图(显著性水平p=0.001),由图4可知总氮的高风险区(HH指标)在2000,2005,2010分别占总面积的22.37%,22.71%,22.36%,呈稳定趋势。总氮的低风险区(LL指标)在2000年、2005年、2010年分别占总面积的29.87%,30.67%,31.12%,呈上升趋势。表明2000—2010年,巢湖流域内总氮的面源污染情况呈现逐步恢复趋势。图5所示的总氮变化的热点区域的统计结果也证实了该点,总氮变化的HH型的比重在2000—2005年、2005—2010年两个时期均小于LL型的区域,2005—2010总氮变化的LL型较2000—2005上升了3.28%。研究期间内,总磷也呈相同的趋势。即面源污染各指标存在较为显著的正自相关,总氮和总磷的空间分布表现出较为明显的空间聚集。
2.3 巢湖流域土地整治与面源污染的关系与响应mianyuanwuranyutudizhengzhidexiangyingguanxijinyanjiuzhuyaobaokuomianyuanwuranduitudizhengzhixianzhuangdexiangyingjimianyuanwuranduitudizhengzhibianhuadexiangyingliangbufen。
2.3.1 巢湖面源污染对土地整治现状的响应 巢湖面源污染对土地整治现状的响应是分别以2000年、2005年、2010年面源污染指数(总氮、总磷)为因变量,相应年份的土地整治因子为自变量进行分析。GWR的R2、回归系数的空间分布见图6、图7和表8。
图6亚博app 2000-2010年现状R2空间分布
2000年、2005年、2010年的面源污染总氮R2从0.720升至0.730,总磷R2亚博app从0.717升至0.731,整治因子的拟合大致在0.71~0.74之间,说明整治因子大致解释面源污染当年现状的71%~74%。这表明了在研究期间,研究区整治因子对面源污染现状的影响起重要性作用,且逐渐增大的趋势,也证明土地整治对面源污染的影响不容忽视。
从面源污染与土地整治关系的空间分布看,面源污染对土地整治的响应在空间上具有较强的异质性。其R2较大的主要分为3部分在研究区西北、东南、东北中部呈斑块状分布(肥西县、肥东县、无为县),然后以这些区域为中心向外递减。相关系数较大区与土地整治集中区基本重合。从回归系数看,2000年和2005年回归系数大于0的区域仍主要分布于西北和东南两部分,其余大部分系数处于小于0的状态; 在2010年的回归系数中,在西南、东南以及巢湖中部是回归系数大于0的集中区,并以此3个斑块为中心向周递减,且绝大部分区域系数小于0。2000年、2005年、2010年的回归系数分布虽然存在着差异,但大部分区域系数处于小于0的状态,说明在增加土地整治强度的情况下,面源污染的值反而降低,即巢湖流域内的面源污染得到了一定的改善。
2.3.2 巢湖面源污染对土地整治变化的响应 巢湖面源污染对土地整治变化的响应是分别以2000—2005年、2005—2010年面源污染指数(总氮、总磷)为因变量,相应阶段的土地整治因子为自变量进行模拟。GWR分析的R2亚博app为0.38~0.50,即土地整治的变化大致解释了面源污染变化的38%~50%,这说明研究期间土地整治的实施在一定程度上对面源污染的分布造成影响,其变化趋势影响了该区水生态环境变化的走向。
2000—2005年R2在全区的分布基本上以中北部以及中南的块状高值区向外逐渐递减,其余大部分区域以片状分布,R2处于0~0.1的状态,所占比重最大。2005—2010年R2于0.3~0.5的区域大多分布于北部、西北和东南部(包河区、肥西县、无为县),并以此为中心向中部巢湖方向递减,说明边缘地区面源污染变化受土地整治影响较大。从回归系数可以看出,研究区系数以小于0为主。
表8 GWR模型R2
3 讨 论
benyanjiufaxiansuizhetudizhengzhidejinxing,mianyuanwuranyouhuifudeqingxiang。mianyuanwurandehuanjieyuduofangmianyinsuyouguan,benwenjinjiutudizhengzhijiaodu,taolunqiduimianyuanwurandezuoyongjizhi:
(1)耕地细碎化降低,集约化农业活动降低化肥使用量。过量及不恰当的化肥施用是造成面源污染的重要原因,巢湖流域土地整治项目多,投资大,全域是安徽省土地整治的重点区域,通过土地整治,打造了耕地集中连片分布的粮食主产区和基本农田保护示范区,耕地的细碎化程度大大降低,研究表明耕地细碎化对农户化肥使用效率具有显著负影响[23],降低了面源污染的输入源头。
亚博app(2)sidatudizhengzhigongchengzuoyong。fanghulingongchengkeyiyouxiaodegaishanshuituliushi,yidingchengdushanghuanjieshengtaibaohuyali。tudipingzhenggongchengzhongbujinkeyitiankuaihebingguizheng,haiketongguopogaitifangshigaibianyuanyoudepomianguocheng,xingchengtiankan,gaishanshengchangengzuotiaojianheshuitubaochinengli。nongtianshuiligongchengyeketongguojianlishengtaidenongtianguanpaiwangluoxitongheshuiligongchengpeitaosheshi,helibuju,jianshaohonglaozaihaidailaideshuituliushi。
(3)村庄集约规划管理,加强监管农村生活污水的统一处理排放。加强村庄规划管理,稳步推进村庄整治,引导农民集中居住,有序搬迁撤并空心村和过于分散、生态恶劣的村庄。改善农村生活环境,集中处理农村生活污水废水[24],有效减少面源污染外源。
(4)tudizhengzhidaidongmianyuanwuranzhilixiangmuluoshi,zonghezhilixiaoguojia。genjuziranziyuanbutudizhengzhizhongxinfabudetudizhengzhilanpishu,tudizhengzhitouzidedaidongxiaoyingdadaojiangjin4.0,tudizhengzhigongzuodekaizhantigonglexiangjiaogengjiayoulidegengzuotiaojian,yezengjialenongyemianyuanwuranzhilixiangguanxiangmuzaitudizhengzhiquluodidekenengxing,qifuhezuoyongxiademianyuanwuranzhilixiaoguodedaozengqiang。
4 结论与建议
4.1 结 论(1)chaohuliuyumianyuanwuran(zongdan、zonglin)dekongjianfenbuzhuyaochengxiandongxiweizhouxiantiaodaizhuangyijinanbuquyugaozhi,beibuquyudizhidekongjianfenbu。gaikongjianfenbutezhengshizirandilihuanjing(xibeibudishanqiulingweirao)yurenleihuodong(nongyegengzuo)gongtongzuoyongdejieguo。
(2)mianyuanwuranhuifuyuehuadeqingkuangbingcun,qiecunzaikongjianchayi。yaohaiqu、shushanqu、luyangqu、baohequweihefeishi4gequ,zaitudizhengzhidezuoyongxiarengnengbaochigengdibankuaixingzhuangdeguize,gengdimianjixiao,huafeishiyongliangxiao,2000—2010nianzongdanhezonglinzaiciquyugaishanqushijiaomingxian。chucizhiwai,juchaoquweiyuchaohudongce,tudizhengzhizhongzhiledaliangfanghulin,gaishanledangdishuituliushihuanjing,gudanlinyousuogaishan。
亚博app(3)chaohuliuyumianyuanwuran(zongdanhezonglin)jimianyuanwuranbianhuaquyuquanjuzixiangguanzhishusuizhenianfenzengjia,chixushangsheng,yingxiangfanweihechengduyuelaiyueda,chengweiyingxianggaiquyuhuanjingwentidezhongyaoyinsu。
(4)面源污染对土地整治现状的响应R2在0.71~0.74,面源污染对土地整治变化的响应R2在0.38~0.50,呈负相关。
4.2 建 议亚博app(1)shengtaitiangengjishu,shidangtigaotiangenggaodu,kejianshaodabufendenongtiandibiaojingliu。yindizhiyidezaitiangengdeliangcezaizhongzhiwu,xingchenggelidai,youxiaoxifulanjiedanlinyangfenhecanliunongyao。
亚博app(2)jiansheshengtaigouqu,zaigoudi、goubanzhongzhizhiwu,keguolvxifunongtianjingliuwuranwu,dadaokongzhiwuranwuxiangshuitiqianyihedanlinyangfenzailiyongmude。
亚博app(3)tuijincunzhuangjibing,jiaqiangshenghuowushuijizhongchuli,bimianchuxianyoubuliangshenghuoxiguanheluohoudepaiwutixizhijiepaifangdaogouqu、kengtang、nongtiandengshuiti。
(4)tudipingzhengguochengdiaozhengnongtiandeturangzhiliang,duixiangduipinjideturangjinxinggailiang,yindizhiyikexueguihuanongyechanyezhongzhijiegou。
(5)leisiyuchaohutongleidaxinghubohuoheliuquyu,guihuazhongzhifanghulin,gaishanturangqinshihemianyuanwuranqingkuang。
benwenyi2000—2010nianzuoweiyanjiushijianduan,jinguanzaiyidingchengdushangjieshiletudizhengzhiyumianyuanwurandexiangyingguanxi,danrengxutansuogengzhangshijianxuliexialiangzhedekongjianguanxi。shengtaixingtudizhengzhishishixianchaohuliuyushengtainongtianjianshedebijingzhilu,benwenweichaohujileisigongtongkaolvmianyuanwuranzhilihenongtiananquanbaozhangdequyutigongtudizhengzhidejianyiheyiju。
- [1] 郧宛琪,朱道林,汤怀志.[J].农业工程学报,2016,32(4):1-8.
- [2] 贾文涛.[J].中国土地,2018(5):16-18.
- [3] 肖武,李素萃,梁苏妍,等.[J].江苏农业科学,2017,45(18):31-35.
- [4] 张俊,陈杰,焦春海.[J].湖北农业科学,2019,58(13):159-162.
- [5] 郑宇,程香菊,王兆礼,等.[J].水资源保护,2019,35(5):78-85.
- [6] 孙慧,张建锋,单奇华,等.[J].湖泊科学,2015,27(2):227-233.
- [7] 冯洋,郭成久,李勇,等.[J].亚博app,2014,21(3):47-50,56.
- [8] 朱金格,张晓姣,刘鑫,等.[J].农业环境科学学报,2019,38(2):405-411.
- [9] 李想.[D].昆明:云南大学,2019.
- [10] 付永虎.[D].北京:中国农业大学,2016.
- [11] 杨林章,吴永红.[J].中国科学院院刊,2018,33(2):168-176.
- [12] 肖武,吕雪娇,王仕菊,等.[J].江苏农业科学,2018,46(18):248-252.
- [13] 吕雪娇,肖武,李素萃,等.[J].农业工程学报,2018,34(6):253-262,308.
- [14] 欧阳威,黄浩波,蔡冠清.[J].环境科学学报,2014,34(4):1024-1031.
- [15] 王雪蕾,王新新,朱利,等.[J].中国环境科学,2015,35(5):1511-1519.
- [16] 邹松兵,陆志翔,龙爱华,等.[M].郑州:黄河水利出版社,2012.
- [17] 徐新良,刘纪远,张树文,等.[R].中国科学院资源环境科学数据中心数据注册与出版系统,2018.
- [18] 孟现勇..1)[D].兰州:寒区旱区科学数据中心,2016.
- [19] 孟伟,张远,郑丙辉.[J].环境科学研究,2006,19(3):1-6.
- [20] 王子凌.[D].北京:中国地质大学(北京),2014.
- [21] 马春艳,王占岐,易平.[J].亚博app,2015,22(1):207-211.
- [22] Brunsdon C, Charlton F M.[J]. Journal of the Royal Statistical Society. Series D(the Statistician),1998,47(3):431-443.
- [23] 史常亮,张益,郭焱,等.[J].自然资源学报,2019,34(12):2687-2700.
- [24] 顾霖,吴德礼,樊金红.[J].环境工程,2016,34(10):113-117.
期刊信息
亚博app亚博app
亚博app zhu guan zhongguokexueyuan
zhu ban zhongguokexueyuanshuilibuyaboappsuo
亚博app zhu bian wang fei
亚博app bianjichuban 《yaboapp》bianjibu
亚博app guoneifaxing yanglingshifanquyouzhengju
国外发行 中国国际图书贸易总公司
亚博app di zhi shanxi yanglingyou bian 712100
dian hua
biaozhunkanhao issn 2096-5532
亚博app issn 1005-3409
cn 61-1272/p