基于最小累積阻力模型的洱海流域上游面源污染“源—匯”風險格局研究

董亞坤王 鈺曾維軍

(1.云南農業大學 水利學院,云南 昆明650201;2.自然資源部 云南山間盆地土地利用野外科學觀測研究站,云南 昆明650201;3.云南省土地資源利用與保護工程實驗室,云南 昆明650201)

洱海是云南9大高原湖泊之一[1]。洱海流域上游為高原山間盆地,使得該地區集中了整個流域約57%的耕地[2],同時洱海流域上游也是洱海最為主要的水源補給區[3]。面源污染具有分布廣,污染源多,治理難,成本高等特點,成為區域生態環境污染的主要貢獻者[4]。因而控制洱海流域上游面源污染是改善洱海水質的決定因素。

在水質受到污染前對面源污染進行識別和防控具有更好的治理效果[5]。目前涉及洱海流域面源污染的相關研究多圍繞水質的理化性質及變化特點進行探討[6-8],而近年來利用“源—匯”景觀理論,以構建阻力面來識別和防控面源污染成為熱門方向[9-10]?！霸础獏R”風險是“源—匯”景觀理論的延伸,最初是用來研究大氣污染中CO2的來源與吸收,后來被引入到景觀生態學當中,發展為“源—匯”景觀理論[11]?！霸础獏R”方法將流域景觀賦予“源”“匯”屬性,并依據源匯景觀指數評價流域內景觀對面源污染的貢獻,識別流域內面源污染的風險等級[12]。面源污染風險等級識別有多種方法。Jiang,Zhou和Xin[10,13-14]分別采用景觀空間負荷比指數、網格景觀空間負荷比指數來劃分面源污染風險等級,而Zhu、王金亮和劉帆[5,15-16]借助最小累積阻力模型構建阻力面方式分別劃分了三峽庫區、王家溝、重慶北碚區的面源污染“源—匯”風險等級。相較于SWAT,Ann AGNPS等模型在大中尺度流域的應用,最小累積阻力模型偏定性研究,對數據要求較低,精度較高[17],更適合洱海流域上游這種面積較小(1 230.00 km2),數據易獲取的小尺度流域。面源污染研究的方法很多,但有的對研究區域的基礎資料要求高[18-19],有的缺乏預測的精確性或適用性不強[20-21]。同時水文水質氣象等數據具有較高的保密性,對于非相關研究領域人員獲取較難。遙感技術具有全天時、全天候、易獲取等優點[22],方便了土地利用數據的獲取。通過構建氮磷等面源污染物的評價體系,以阻力成本的方式來識別面源污染的“源—匯”風險等級,是研究洱海流域上游面源污染的有益嘗試。因此,本文以洱海流域上游為例,選取影響面源污染轉移的阻力因子構建評價體系,使用最小累積阻力模型形成阻力面,識別2005,2010,2015和2020年洱海流域上游面源污染“源—匯”風險等級,分析面源污染風險等級及其轉移變化。通過面源污染“源—匯”風險等級的劃分,快速識別面源污染發生的高風險區域并開展重點治理,為保護洱海流域生態環境提供理論與決策支持。

1 材料與方法

1.1 研究區概況

洱海流域位于云南省大理州境內,處于三江交匯地帶[1]。洱海流域上游屬中亞熱帶西南季風氣候帶,一年當中只有干季和濕季,無春夏秋冬四季之分,氣候宜人,降雨量豐沛,但空間分布不均,95%的雨量集中在雨季的5—10月[7]。研究區獨特的地形地貌,優越的環境與氣候,豐富的水資源,使得該區域人口密集,耕地面積大而集中,經濟活躍,土地利用率高,受面源污染嚴重[8]。

1.2 基礎數據及處理

本文基礎數據包括2005,2010,2015和2020年的土地利用類型數據、歸一化植被指數、人口密度以及DEM數據、土壤數據、地形濕潤指數。其中歸一化植被指數和2005,2010,2015和2020年土地利用類型數據來自中國科學院資源環境科學與數據中心(http:∥www.resdc.cn/data.aspx?DATAID=184),分辨率均為30 m(見圖1);DEM數據來自地理空間數據云(http:∥www.gscloud.cn),分辨率為30 m;土壤數據來自中科院南京土壤所(http:∥www.issas.ac.cn/),分辨率為30 m;人口密度來自WorldPop(https:∥www.worldpop.org/project/categories?id=18),分辨率為1 km。

圖1 洱海流域上游2005—2020年土地利用類型分布

以上數據經處理全部采用CGCS 2000坐標系,分辨率統一為30 m的柵格數據,數據處理以及后續的空間分析使用軟件ArcGIS 10.5。

1.3 研究方法

1.3.1 最小累積阻力模型 最小累積阻力模型(the minimal cumulative resistance model,MCRM)是耗費距離模型的擴展應用,其核心觀點是景觀要素通過克服阻力來實現景觀類型的相互轉化[23]。最初用來反映物種從“源”到目的地所耗費的最小代價[24],后被廣泛應用于生態安全[17]、生態廊道或風險路徑[25]、景觀格局[26]等。該模型考慮源、空間距離和阻力基面3方面因素[23],計算公式為:

式中:MCR為最小累積阻力值;Dij為某物種從“源”景觀j至“匯”景觀i的空間距離;Ri為修正后的阻力系數;f為正相關關系函數,表征源景觀至空間中某一點路徑的相對易達性。

1.3.2 “源”地識別 面源污染中的“源”景觀是指能夠促進面源污染發生、發展的景觀類型,污染風險高,而“匯”景觀則與之相反[27]。產生面源污染物的土地利用類型加快面源污染的發展,被認為是“源”景觀[28]。依據中國土地分類體系將洱海流域上游的土地劃分為耕地、林地、草地、水域、建設用地和其他用地,其中耕地施用農藥化肥產成氮磷等面源污染物,為“源”景觀;建設用地通常被認定為點源污染,但研究區以農村為主體,生活污水的排放設施在近幾年由政府投資修建才得以緩解,因此建設用地被認為是“源”景觀(圖1)。

1.3.3 阻力基面評價指標體系構建 選取影響面源污染的土地利用類型、相對高程、坡度、地形濕潤指數、人口密度、土壤可蝕性和植被指數7個因子,構建阻力基面評價指標體系。

不同因子在面源污染的轉移過程中所起的阻力作用不同,權重也不同,參考相關文獻和Delphi專家打分法為各因子權重賦值[10,15,29]。而同一因子的不同等級也有不同的阻礙作用,依據文獻或自然斷點法利用重分類工具劃分5個等級,分別賦予對應因子阻力系數值為1,3,5,7,9[30](表1)。其中,相對高程和歸一化植被指數,值越高,面源污染發生的風險越小,面源污染風險等級越低;坡度、地形濕潤指數[31]、土壤可蝕性[32](K值)和人口密度,值越大,以及土地利用類型中的耕地和建設用地越多,面源風險等級越高。相對高程、坡度和歸一化植被指數與面源污染風險等級呈負相關性,主要原因是相對高程越高、坡度越大的區域受到人類活動影響越小,氮磷等污染物排放越低;而歸一化植被指數值越大,植被覆蓋度越高,生態環境越好,其能有效保持水土,減少氮磷等污染物的流失。地形濕潤指數、土壤可蝕性、人口密度和土地利用類型與面源污染風險等級呈正相關性,地形濕潤指數可對潛在土壤水分含量和徑流產生潛在能力進行量化,值越高,污染物越容易隨土壤侵蝕而流失,土壤可蝕性反映不同土壤受到侵蝕的速度,值越高,土壤受到的侵蝕越高,污染物流失也越多;人口密度和土地利用類型是人們生產、生活與經濟的反映,也是污染物排放最為集中之地,人口越多,密度越大,耕地和建設用地就越多,面源污染風險等級也隨之越高。

表1 洱海流域上游面源污染阻力基面評價指標體系

1.3.4 阻力面構建 阻力面反映了各種“流”(物質和能量等)從“源”克服各種阻力到達目的地的難易程度,也客觀表現了事物空間運動的趨勢和潛在可能性[24]?；谧枇嬖u價體系,運用ArcGIS 10.5中的柵格計算器進行疊加計算,形成2005,2010,2015和2020年的綜合阻力基面,再將“源”景觀和綜合阻力基面運用cost-distance工具進行疊加,生成對應阻力面,即最小累積阻力面。

1.3.5 面源污染風險等級劃分 本文將影響流域面源污染的阻力面作為反映面源污染“源—匯”風險等級的指標,該指標反映面源污染物從“源”景觀到最終匯集處之間的可達性[23]。阻力面值越大,面源污染“源—匯”風險等級越小,景觀單元所起到的匯作用越強,面源污染越不容易發生,否則反之。眾多文獻利用數據的突變點采用自然斷點法進行分類。研究區屬于盆地,采用自然斷點法會把山地錯分到極高風險區當中,綜合各種數據分析后采用幾何間斷方法劃分面源污染風險等級,將研究區分為極低風險區、低風險區、中風險區、高風險區和極高風險區。

2 結果與分析

2.1 各因子的阻力系數分布特征

阻力因子的阻力系數分布從1—9等級,表示阻礙污染物的阻力在逐漸增大。由圖2分析可知,相對高程、土壤可蝕性和人口密度空間分布規律相近,均是從中間向邊界逐漸增大,各等級層次分明,高度集中,呈現圈層分布特征,而坡度、地形濕潤指數和歸一化植被指數三者空間分布雜亂無序,各阻力等級相互交錯,呈小區域聚集,整體分散的特征。各阻力因子的阻力系數面積也存在著巨大差異。相對高程和坡度的阻力等級分布以1,3等級為主,面積是其余阻力因子同等級的數倍。土壤可蝕性的阻力等級分布5等級面積(604.13 km2)最多,遠遠超過剩余阻力因子最大值(382.92 km2)。人口密度、地形濕潤指數和歸一化植被指數的阻力等級分布以7,9等級最多,二者面積超過800.00 km2,遠超其余阻力因子的兩者面積(最高約400.00 km2)之和,與其他阻力因子形成鮮明對比。除了坡度外,各因子阻力等級分布均為中間低邊界高,表明平緩區是面源污染物最集中的區域,易受到面源污染。

圖2 研究區面源污染各阻力因子等級空間分布

2.2 綜合阻力基面和阻力面的空間分布

阻力值的高低表明景觀單元受到阻力因子的影響程度,阻力值越大,受到面源污染的概率越小,否則反之。由圖3可以看出,2005,2010,2015和2020年的綜合阻力基面的最高值均是8.48,而最低值在1.60。結合圖1可知,阻力值的分布和土地利用類型的分布較為一致,但局部空間分布也有變化的趨勢。主要在于2005—2020年,土地利用類型分布總體保持穩定,但景觀內部耕地、草地面積呈現減少,林地、水域面積呈現增加的趨勢。同時,茈碧湖鎮、三營鎮交界處以及鳳羽鎮的低阻力值空間分布明顯減少,尤其在2005—2010年顯著減少。從圖4可知,4期的阻力面整體分布是基本一致的,都是低阻力值占據絕對主體地位。低阻力值占據平緩區域及附近范圍,高阻力值分布流域邊緣的極高山地,阻力值在波動中總體呈上升態勢,由2005年的55 183.90增加到2020年的62 669.30。16 a來,阻力基面與阻力面的空間分布存在著明顯的區域差異,但均呈現中間低邊界高的趨勢。而阻力面的阻力值增加,表明從2005—2020年,各種保護洱海的政策和工程起到良好作用,產生面源污染物的區域進一步縮小,阻礙范圍進一步擴大。

圖3 洱海流域上游2005—2020年面源污染綜合阻力基面空間分布

圖4 洱海流域上游2005—2020年面源污染阻力面空間分布

2.3 面源污染風險等級分析

由圖5,表2可知,2005,2010,2015和2020年洱海流域上游的面源污染風險等級分布由里向外依次是極高風險區、高風險區、中風險區、低風險區和極低風險區,中風險區、高風險區和極高風險區占總面積絕大部分。同時受地形影響,研究區南部面源污染風險要高于北部,耕地及其鄰近范圍內的區域風險等級最高,表明極高風險區即為面源污染的關鍵源區。耕地“源”作用強,林地、草地和水域“匯”作用弱,因此,“源”景觀的面積和分布是影響風險等級的關鍵因素。16 a間(圖6),極高風險區從2005—2015年呈現逐步下降的趨勢,到2020年又有所上升;高風險區在2005—2020年持續上升;中風險區在2005—2010年略微下降后,在2010—2020年快速上升;低風險區在2005—2015年快速上升后,到2020年又急劇下降;極低風險區在2005—2010年上升,之后持續下降。

圖5 洱海流域上游2005—2020年面源污染風險等級分布

圖6 研究區2005—2020年面源污染各風險等級面積趨勢變化

表2 洱海流域上游各鄉鎮2005—2020年面源污染風險等級面積 km2

總之,極低風險區面積減少16.16 km2,低風險區面積減少7.01 km2,極高風險區面積減少35.74 km2,中風險區增加了38.69 km2,高風險區面積增加了20.23 km2。16 a間,茈碧湖鎮極高風險區雖有波動,但面積基本上未發生變化,保持在65.00 km2左右;鄧川鎮和上關鎮全鎮面積的80%以上被中等風險及以上所占據,而極低風險區幾乎為零,受到的面源污染威脅很高;三營鎮和右所鎮均處在平緩區域,且極高風險區面積最多,都大于70.00 km2,2020年相比2005年極高風險區面積也均有所下降;鳳羽鎮和牛街鄉的各面源污染風險等級較為相似,但牛街鄉各面源污染風險等級分布較為分散,而鳳羽鎮較為連續?？傊?各鄉鎮都受到較高的面源威脅。

2.4 面源污染風險等級轉移分析

2005—2020年,洱海流域上游共發生了15種面源污染風險等級轉移變化(圖7,表3),主要是在極高風險區、高風險區、中風險區之間轉移,以轉出為主,轉出面積分別為80.93,72.51,75.63 km2。其中極低風險區和低風險區的轉入轉出主要在盆地邊緣,而其他面源污染風險等級的轉入轉出主要在盆地中間。低海拔向高海拔過渡的區域面源污染風險等級變化最為劇烈。

表3 研究區2005—2020年面源污染風險等級轉移矩陣 km2

圖7 研究區2005—2020年面源污染風險等級轉移分布

低風險區、中風險區、高風險區具有相似的轉移特征,與其相鄰的等級轉移最多,最高分別為41.12,33.88和43.29 km2,相距越遠彼此轉移越少。極高風險區和極低風險區均只相鄰一個面源污染風險等級,故只沿一側單向遞減轉移。極低風險區幾乎只和低風險區相互轉移,而極高風險區因距離遞減作用,向高風險區和中風險區轉移最多,分別為51.10和29.47 km2,向其余面源污染風險等級幾乎不轉移。在空間分布上,茈碧湖鎮、鳳羽鎮和右所鎮的交界處以及牛街鄉的北部是主要轉移的區域,這些區域是“源—匯”景觀交界處及“匯”景觀所在地,也是面源污染治理重點關注的區域。風險等級轉移的方向和程度受到多種因素的影響,而人類活動和洱海流域生態保護政策的實施是最主要的原因。

3 討論

本文采用四期數據研究面源污染風險等級變化,相較于一期數據而言,能夠體現時間和空間變化特征,表明面源污染“源—匯”風險識別方法具有可行性[5,9]。雖然劃分出5個級別,但數據段是不同的。這種劃分方法是否可以進行不同年份之間的比較有待探討。但可以確定的是基于最小累積阻力模型,可以初步識別面源污染的風險等級,找到面源污染的關鍵區域[12,23]。同時阻力因子的數量以及權重會受人為因素影響,不同的學者、不同的研究區域會選擇不同的阻力因子,具有一定主觀性。此外,耕地分類只考慮到一級地類,未進一步細分旱地和水田,而旱地的氮磷流失要高于水田[27],也未分析氮磷污染物從“源”到“匯”過程中的機理。上述局限性需要進行更深入研究。

洱海流域上游的高風險區和極高風險區主要分布在耕地及其附近,這些區域與經濟、人口、城鎮建設等具有正相關性。限制城鎮規模,管控耕地,進行景觀優化[33]、農業產業結構調整[4]是減少氮磷等污染物的有效方式,可從“源”頭上有效降低面源污染的產生和轉移。對耕地質量較低、易造成水土流失的坡耕地要逐步退出[34],對茈碧湖、西湖和海西湖所在的區域重點管控,實施緩湖濱帶生態修復。此外,極低風險區、低風險區具有波動性,和中高風險區呈現此消彼長,在風險等級轉變的重點區域加大植樹造林力度,增加林地和草地的面積,提高“匯”景觀的優勢度及主導作用。

農藥、化肥的禁用,大蒜等高水高肥的經濟作物禁止種植,大面積的退耕還林還濕等眾多保護洱海的政策實施,改變了洱海流域上游的面源污染風險等級,使得面源污染物大幅度減少,洱海水質得到較大提升。上述研究結果與《中國環境狀況公報》《洱海保護治理與流域生態建設“十三五”規劃綱要》《云南省環境狀況公報》等文件總體保持一致,如《中國環境狀況公報》《云南省環境狀況公報》指出:洱海氮磷含量顯著降低,水質由Ⅲ類接近Ⅱ類。而王琦[35]、徐建鋒[36]、孔佩儒[37]等人基于最小累積阻力模型分別識別了查干湖、丹江口水庫和海河流域的面源污染風險格局,指出耕地是高風險區域,與本文研究結果相吻合。同時農戶對于環境保護的積極性較高,甚至可以損失自己的部分利益,而一系列保護洱海的政策的實施使得當地農民經濟損失嚴重,導致大量人員外出務工,眾多農田被荒。因此,以綠色高效低成本方式,識別和控制洱海流域上游面源污染,降低因洱海保護造成的對農戶及農業的損失,實現洱海保護和農民利益的雙贏,會對洱海的保護起到更加非凡的意義。

4 結論

(1)阻力因子和源的分布使阻力基面和阻力面的空間分布、阻力值的大小存在區域性差異。隨著海拔的升高,阻力值的分布呈現中間低邊界高,“源”景觀的作用被“匯”景觀逐漸取代。2020年比2005年阻力面值提高了7 485.40,表明洱海流域上游的生態環境有所改善。

(2)研究區4期極高風險區面積全都大于360.00 km2,所占比例達30%,而中風險區以上占比超60%,整體面源污染風險等級偏高;16 a間,極低風險區、低風險區和極高風險區面積分別減少了16.16,7.01和35.74 km2,中風險區和高風險區面積分別增加了38.69和20.23 km2。

(3)面源污染風險等級由“源”向外依次分布:極高風險區、高風險區、中風險區、低風險區和極低風險區,即距離“源”越近,風險等級越高;受空間距離和“源”的影響,風險等級表現為中部高于邊界,南部高于北部。

(4)16 a間的中、高、極高風險區面積轉出最多,分別為80.93,72.51和75.63 km2,分別占其總面積的36.44%,53.68,19.89%。茈碧湖鎮、鳳羽鎮和右所鎮三鎮交界處以及牛街鄉的北部是面源污染風險等級轉移的主要區域,主要是中高風險等級所在地;極高風險區是洱海流域上游面源污染的關鍵區域,而減少氮磷的流失需要圍繞關鍵區域展開。