遼河保護區退耕封育措施消減污染物入河量估算

高艷妮，楊彩云，馮朝陽，楊春艷，孫倩瑩

1.國家環境保護區域生態過程與功能評估重點實驗室，中國環境科學研究院 2.環境基準與風險評估國家重點實驗室，中國環境科學研究院 3.貴州師范大學地理與環境科學學院

土地利用是河流生態系統健康和穩定的重要影響因素之一[1]，其決定了河流生態系統的結構和功能[2-4]，與河流水循環過程[5]、物質循環過程[6]、水環境質量[7]等密切相關。當前，隨著人類活動的增強和農業的發展，河流兩岸農田、農村建設用地等引起的農業面源污染已成為許多發達國家水環境惡化的主要原因之一，也是我國水體污染的一個主要來源[8]。

遼河保護區劃定之前，農田是河流兩岸的主要土地利用類型。據統計，2007年遼河保護區旱地和水田面積分別占保護區總面積的38.13%和3.68%[9]，2009年分別占34.10%和3.00%[10]。由于這一時期干流兩岸點源污染得到了有效控制，農業面源污染成為遼河主要污染治理對象之一[11]，其主要污染形式是農業種植污染[12]。有研究表明[12]，在遼河流域農田全部種植的情況下，遼河干流面源污染物COD入河量可達9.6萬ta。若遼河干流約413 km2河灘地全部退耕還河，將直接減少農業面源污染物COD產生量約0.81萬ta，減少NH3-N產生量約0.16萬ta[11]。為恢復河流自然生境，遏制農業面源污染對河流水質的影響，進而提升河流水環境質量，遼河保護區劃定后對河流兩岸采取了農田撂荒和退耕還林還草等措施[13-14]。

為定量分析遼河保護區劃定以來，退耕封育措施對農田面積、農田類型以及由此引起的農田地表徑流污染物入河量的影響，筆者利用高清遙感影像，并結合地面勘察等手段，獲取2010—2018年遼河保護區農田空間分布圖，分析了不同農田類型的時空動態變化，進而利用源強系數法估算了各年農田地表徑流污染物入河量及退耕封育措施實施以來累積消減的入河量，以期為遼河保護區生態保護修復成效評估提供數據支撐。

1 數據來源與研究方法

1.1 研究區概況

遼河保護區于2010年劃定，是我國首個河流保護區，主要保護對象為遼河干流水體、河流濕地和珍稀野生動植物。遼河保護區位于遼寧省境內，起始于東西遼河交匯處的鐵嶺市福德店，途經沈陽市、鞍山市，終止于盤錦市入?？?，共涉及14個縣(區)，全長為538 km，面積為1 869.2 km2。遼河保護區所屬氣候類型為暖溫帶半濕潤大陸性季風氣候，多年平均氣溫為4～9 ℃，平均降水量為450～650 mm，且主要集中在6—9月；地貌類型以平原為主，地勢平坦，灘地開闊，河道迂回曲折；生物多樣性較為豐富，2016—2017年共監測到約234種植物，約483種動物[15]；主要土壤類型為草甸土、潮土和沼澤土。

1.2 研究方法

1.2.1農田地表徑流污染物入河量估算

采用源強系數法估算農田地表徑流污染物入河量，計算公式如下：

(1)

式中：W為農田地表徑流污染物入河量，t/a。aij、Sij、Pij、Cij、Fij分別為第i類農田第j個柵格的坡度、土壤類型、降水量、農田類型、化肥施用量的修正系數，具體數據見表1。E為標準農田地表徑流的源強系數，t/(hm2·a)；標準農田是指平原地貌，種植作物為小麥，土壤類型為壤土，化肥施用量為0.38～0.53 t/(hm2·a)，年降水量為400～800 mm的農田;其COD的源強系數為0.15 t/(hm2·a)，NH3-N為0.03 t/(hm2·a)[16-17]。λr為入河系數，取值為0.1[18]。

表1 農田地表徑流污染物排放量修正系數

遼河保護區主要農作物類型為玉米和水稻，玉米施肥量為1.05～1.65 t/(hm2·a)，水稻為0.75～1.20 t/(hm2·a)[19]，因此，遼河保護區化肥施用量的修正系數取1.3。

1.2.2累積消減農田地表徑流污染物入河量估算

為了評價退耕封育措施實施以來遼河保護區累積消減農田地表徑流污染物入河量，將2010年污染物入河量與2011—2018年各年入河量分別相減，再計算其累積值。公式如下：

(2)

式中：Wsum為2011—2018年遼河保護區累積消減農田地表徑流污染物入河量，t；W2010為2010年農田地表徑流污染物入河量，t/a；Wk為第k年農田地表徑流污染物入河量，t/a。

1.3 數據來源與處理

1.3.1農田類型

基于2 m×2 m分辨率的Google Earth高清影像，采用面向對象分類和人機交互解譯的方法獲取2010—2018年遼河保護區農田空間分布圖，包括旱地、水田、水澆地3種類型。對于影像難以判斷的區域，綜合利用《全國第二次土地利用調查數據(2009年)》和野外實地勘查數據進行驗證和修改。

1.3.2坡度

利用30 m×30 m DEM數據(來源于地理空間數據云)計算遼河保護區河流兩岸坡度。

1.3.3土壤類型

利用遼河保護區上游至下游18個采樣點的土壤顆粒組成數據，對照國際制土壤質地分級標準[20]，判別各采樣點土壤類型。在此基礎上，結合1∶100萬土壤類型圖(來源于中國科學院南京土壤研究所)，獲取遼河保護區土壤類型空間數據。

1.3.4降水量

選取2010—2018年遼河保護區及周邊地區17個站點的年降水量數據(來源于中國氣象局氣象數據中心，http://data.cma.cn)，以30 m×30 m DEM數據為協變量，利用AUSPLIN軟件[21]進行空間插值，函數選取三次樣條函數，再利用遼河保護區邊界進行裁剪后，獲得遼河保護區2010—2018年年降水量空間數據。

2 結果與討論

2.1 退耕封育措施下遼河保護區農田變化特征

2010—2018年遼河保護區不同農田類型面積動態變化見圖1。從圖1可以看出，2010年遼河保護區各類農田面積為627.13 km2，約占遼河保護區總面積的33.55%；此后，隨著退耕封育措施的實施，農田面積急劇減少，2011年面積僅為155.63 km2，相比2010年，約減少75.18%；2012—2018年農田面積為111.42～170.35 km2，平均面積為137.84 km2，雖然存在年際間波動，但是整體與2011年相差不大。本研究獲取的2010年遼河保護區農田面積占比略低于以往研究估算的2007年(41.99%)[9]和2009年面積占比(37.10%)[10]；2011年面積占比又較明顯低于以往研究估算的2011年面積占比(13.71%～17.30%)[10,19]。其原因一方面可能是所用遙感影像存在差別，另一方面可能是影像獲取月份有所不同。

圖1 2010—2018年遼河保護區不同農田類型面積動態變化Fig.1 Dynamic change of cropland in Liaohe Conservation Area from 2010 to 2018

由圖1可見，旱地始終是遼河保護區主要農田類型，但是退耕封育措施的實施使旱地面積大為減少。2010年旱地面積約為554.26 km2，占農田面積的88.38%；2011—2018年旱地面積為58.21～92.24 km2，平均面積僅為76.06 km2，相比2010年減少84.78%。與2010年相比，水田面積變化較小，其在2010—2013年為65.61～73.26 km2，平均面積為69.45 km2，呈先略有減少再有所增加的趨勢；2014—2018年則有所下降，面積為44.16～51.69 km2，平均面積為48.69 km2，與2010—2013年相比，減少了29.89%。水澆地面積較小，2010—2018年為3.67～6.15 km2，總體上呈減少趨勢，2018年相比2010年減少了40.37%。

從空間分布特征來看，2010年，除遼河口國家級自然保護區外，遼河保護區河流兩岸分布著大量農田，在鐵嶺、沈陽和鞍山市域內幾乎均為旱地，在盤錦市域內則旱地和水田面積大致相當(圖2)。2011年，河流兩岸農田開始呈現撂荒狀態，但也有零星農田分布，在鐵嶺、沈陽市域內仍然以旱地為主，而在鞍山和盤錦則主要為水田，這一格局持續到2018年沒有明顯變化。

圖2 2010年和2018年遼河保護區農田空間分布Fig.2 Spatial distribution of cropland in Liaohe Conservation Area in 2010 and 2018

2.2 退耕封育措施對農田地表徑流污染物入河量的影響

基于源強系數法估算遼河保護區不同農田類型地表徑流污染物入河量，結果見表2和圖3。從表2和圖3可以看出，2010年遼河保護區農田面源污染物COD入河量為1 864.79 t/a，NH3-N入河量為372.96 t/a；其中，旱地貢獻率為83.97%，水田為15.37%，水澆地為0.67%。2011年，遼河保護區農田面源污染物COD和NH3-N入河量大幅消減，其中，COD入河量減至419.55 t/a，NH3-N減至83.91 t/a；水田為主要貢獻源，貢獻率為54.19%，旱地貢獻率為43.59%，水澆地為2.22%。2011—2018年，農田面源污染物COD和NH3-N入河量呈先略有增高，后波動減少的變化趨勢，其中，COD入河量為312.33～548.12 t/a，NH3-N入河量為62.47～109.62 t/a；水田貢獻率為45.19%～57.10%，旱地為40.79%～52.93%，水澆地為1.81%～2.60%。

表2 遼河保護區不同農田類型地表徑流污染物入河量

圖3 2010—2018年實際降水條件下遼河保護區農田地表徑流污染物入河量動態變化Fig.3 Temporal variation of pollutants inflow from cropland surface runoff in Liaohe Conservation Area under the condition of actual precipitation in 2010-2018

除2010年外，遼河保護區農田地表徑流污染物入河量與農田面積的相關系數(R2)為0.83，與降水量的相關系數為0.49，表明遼河保護區農田地表徑流污染物入河量除受農田面積變化的影響外，還與降水量顯著相關。因此，進一步估算了2010—2018年平均降水條件下遼河保護區農田地表徑流污染物入河量，結果見表2和圖4。從表2和圖4可以看出，平均降水條件下，2010年遼河保護區農田面源污染物引起的COD和NH3-N入河量分別為1 649.37和329.87 t/a，相較實際降水條件有所減少；旱地貢獻率為84.34%，水田為15.00%，水澆地為0.66%。2011—2018年COD和NH3-N入河量的變化趨勢與實際降水條件下沒有顯著區別。其中，COD入河量為331.77～506.70 t/a，NH3-N入河量為66.35～101.34 t/a；水田貢獻率為46.37%～57.47%，旱地為40.38%～51.67%，水澆地為1.82%～2.61%。

圖4 2010—2018年平均降水條件下遼河保護區農田地表徑流污染物入河量動態變化Fig.4 Temporal variation of pollutants inflow from cropland surface runoff in Liaohe Conservation Area under the condition of average precipitation in 2010-2018

將2010年農田地表徑流污染物入河量與2011—2018年各年相應數值分別相減，再將各差值進行加和后可以看出，在實際降水條件下，2011—2018年遼河保護區因退耕封育措施的實施累積消減COD和NH3-N入河量分別為11 734.49和2 346.90 t(圖3)；平均降水條件下，累積消減COD和NH3-N入河量分別為9 955.03和1 991.01 t(圖4)，相比實際降水條件下，二者均減少了15.16%。

2.3 源強系數法估算農田地表徑流污染物入河量的不確定性分析

源強系數法屬于估算面源污染的經驗方法，是根據研究區的坡度、土壤類型、降水量、農田類型、化肥施用量等因子對標準農田的源強系數進行修正后獲得。該方法操作簡單，可以較好地反映研究區面源污染的時空動態變化，在缺少監測數據的條件下得到了廣泛的應用[22]。有研究指出，基于典型地塊監測法計算的COD和NH3-N入河量與基于源強系數法估算的結果差距不大[18]。但由于大多數因子的修正系數有一個取值范圍，因此，為了評估修正系數取值對估算的遼河保護區農田地表徑流污染物入河量的影響，對各因子的修正系數分別取相應級別的最小值和最大值進行再次估算。結果表明：基于最小值估算的2011—2018年退耕封育措施累積消減COD入河量為8 954.69 t，累積消減NH3-N入河量為1 790.94 t；基于最大值估算的累積消減COD入河量為16 692.78 t，累積消減NH3-N入河量為3 338.56 t。最大值估算的結果約相當于最小值的1.86倍，相當于本研究估算結果的1.42倍。此外，源強系數法在估算過程中忽略了農田與河流的距離，也會給研究結果帶來不確定性。

3 結論

(1)利用高清遙感影像獲取的2010—2018年遼河保護區農田空間分布圖顯示，2010年遼河保護區河流兩岸分布著大量農田，面積約為627.13 km2，約占遼河保護區總面積的33.55%。隨著退耕封育政策的實施，2011年農田面積大量減少，只零星分布于河流兩岸，面積僅占保護區總面積的8.33%。2012—2018年農田面積雖然存在著年際波動，但與2011年差距較小。旱地是遼河保護區主要農田類型，其在2010年占農田總面積的88.38%，在2011—2018年僅略高于水田面積。

(2)基于源強系數法的估算結果表明，在實際降水條件下，2010年遼河保護區農田面源污染物COD入河量為1 864.79 t/a，NH3-N入河量為372.96 t/a，旱地貢獻率為83.97%。2011年，COD和NH3-N入河量分別消減到419.55和83.91 t/a，水田貢獻率超過了旱地，貢獻率為54.19%。2011—2018年，遼河保護區累積消減農田地表徑流COD和NH3-N入河量分別為11 734.49和2 346.90 t，高于平均降水條件下的累積消減量，約高15.16%。

(3)為了評估源強系數法估算結果的不確定性，對各因子修正系數分別取最大值和最小值進行污染物入河量再次估算，結果顯示取最大值估算的污染物累積消減入河量約為最小值的1.86倍，約為本研究結果的1.42倍。