基于土地利用方式的巢湖流域氮排放情景模擬*

陳 西,代子帥,江 嶺,2,葉 春,王延華,黃驍力,2,楊燦燦,2,陳駟迪

(1:滁州學院地理信息與旅游學院,滁州 239000) (2:實景地理環境安徽省重點實驗室,滁州 239000) (3:中國環境科學研究院,北京 100012) (4:南京師范大學地理科學學院,南京 210023)

隨著生態環境在促進國民經濟可持續發展中的作用增強,我國采取了一系列的水環境治理措施。其中,點源污染的控制效果明顯,而非點源污染(面源污染)則逐步成為流域水體富營養化的主要污染源[1-4]。面源污染輸入不僅會引發地表水水體富營養化和地下水污染,打破流域生態平衡,還進一步限制了區域經濟的可持續發展[5]。氮素是流域面源污染中的重要成分,也是湖泊生態系統中最豐富的生源要素之一[6],但其在水體中的過度富集會導致水體富營養化、藍藻暴發等負面問題[7-8]。土地利用方式是流域氮素排放和遷移的重要載體,其排放的氮素(非氣態)可通過地表徑流和地下徑流最終進入流域水體中。因此,流域各土地利用方式時空演變將對流域氮負荷產生重要影響[9]。由于土地利用方式及其變化受人類活動干擾較大,其承載的人類活動對不同區域內的氮“源”和氮“匯”角色發揮著重要的作用[10]。因此,量化土地利用方式變化成為影響氮排放核算的關鍵因素[11]。國內外學者已逐步開展流域氮素對土地利用變化響應的量化研究,但解讀基于多情景下土地利用變化對氮排放的響應機制仍面臨挑戰。目前已有學者針對巢湖流域氮排放量核算和模擬進行研究,取得了較豐碩的成果[12-14]。有學者曾使用SWAT模型模擬了巢湖流域2008-2017年間流域氮、磷損失量與湖泊養分濃度的關系,并從流域-湖泊綜合視角創建了湖泊養分富集的關鍵流域區域[12]。但考慮到SWAT模型對地形起伏和參數變化敏感,且適用于參數較為詳實的流域,對于部分地形低洼且數據較為缺乏的巢湖流域,開展多情景下的氮素排放時空模擬可能存在一定不確定性[13]。對于基礎數據不詳實的區域,有學者借助輸出系數法探究了巢湖典型農村流域面源氮、磷污染排放特征,剖析了流域面源氮、磷輸出來源組成結構并為農村流域面源污染防控治理提供了科學參考[5];輸出系數法雖簡單易操作,但它無法考慮營養物質遷移時的復雜過程,例如植被對營養物質的攔截、吸附和凈化作用,可能會高估流域氮素排放量。綜上,土地利用作為氮素遷移轉化的重要載體,在不同的發展情景下巢湖流域氮素負荷對其時空變化如何響應?目前該類科學問題尚未有效解決,亟需開展相關研究。

近些年,學者多采用FLUS模型、CLUE-S模型和CA-Markov模型等對區域土地利用方式變化進行預測模擬并取得豐碩成果[15-17]。然而,該類模型難以識別土地利用變化驅動力且無法動態捕捉多類土地利用斑塊的演變。近年來,PLUS模型通過用地擴張分析策略(LEAS),能夠更好地挖掘各類土地利用變化的誘因,模擬多類土地利用斑塊及演化,適用于未來土地演替加劇的情況下進行土地利用變化模擬預測的研究[18]。在流域氮素面源污染排放核算方面, SWMM、SWAT、AnnAGNPS和DPeRS等模型被廣泛用于流域面源污染模擬的適用性評估和流域湖庫及排水系統的面源污染排放量核算[19-22]。其中,SWMM模型雖可以模擬出全動態水利路線,但對于化肥的施用不能分區域進行模擬;SWAT及AnnAGNPS等主流面源模型雖有較強的通用性,但受流域特征和基礎數據的限制較大[23-24]。而InVEST模型具有數據需求量少、運行速度快、精度高等優點,可實現氮排放量空間變化的可視化表達,且其營養物傳輸模塊(NDR)可計算氮素通過地表徑流和地下徑流匯入水體的傳輸率(入河系數),從而估算流域氮素排入水體的折純量,可有效避免土地利用方式變化、植被作用和人類活動差異驅動下氮素形態差異帶來排放量核算的不確定性[25],能較好地反映出土地利用變化與氮素排放量之間的響應關系,已成為量化流域氮素排放的重要工具之一[26]。

巢湖作為我國“老三湖”水環境治理的重要區域,經過系列的治理,水質明顯好轉,但總氮(TN)濃度依舊較高(TN:1.5～2.0 mg/L),氮素治理進入瓶頸期。如何進一步削減巢湖流域氮負荷,緩解湖體富營養化風險成為未來流域環境治理工作的重要內容。近年來,部分學者已將InVEST模型中的生態系統服務功能模塊和產水模塊應用到巢湖流域產水量模擬和流域生境質量及生態系統服務功能等研究中,取得了階段性成果[27-29],為本研究的開展以及模型共性參數篩選和率定提供了參考。鑒于此,本研究將基于ENVI和ArcGIS平臺,分析巢湖流域2000-2020年間的土地利用變化動態特征;結合PLUS模型預測不同情景下巢湖流域2030年土地利用變化規律;借助InVEST模型,核算巢湖流域各土類及其變化所排入水體的總氮量,并預測巢湖流域未來不同土地利用方式發展情景下的氮排放趨勢,解析流域氮素負荷變化對土地利用方式變化的響應機制,為巢湖流域水體氮減排和富營養化治理提供參考。

1 研究方法與數據來源

1.1 研究區域概況

巢湖流域(圖1)位于安徽省中部,是我國五大淡水湖之一。巢湖流域面積13500 km2,其中湖區面積783 km2。巢湖流域既是重要的生態保護區又是重點開發區,是國土資源空間配置中矛盾較為突出的區域。巢湖流域土地利用以耕地為主(70.7%),已成為我國較為集中的農業基地之一[30]。1950s初,流域生態環境良好,具有多種使用功能。但隨著人口的增加,高強度人類活動所產生的大量氮、磷等營養物質被地表徑流排入湖體,造成了嚴重的面源污染,流域生態平衡被打破,部分生態功能逐漸喪失[13]。經過多年的水環境治理,截至2022年年底,《安徽省生態環境狀況公報》顯示,巢湖全湖及東半湖呈輕度富營養狀態,西半湖呈中度富營養狀態,富營養化治理任重而道遠[31]。

圖1 巢湖流域概況Fig.1 Location of Chaohu Basin

1.2 技術路線

本研究以巢湖流域為研究靶區,依據研究目標和主要內容,制定以下技術路線(圖2)。首先,基于ENVI和ArcGIS平臺,通過遙感解譯獲得巢湖流域2000-2020年的土地利用數據;其次,結合PLUS模型LEAS模塊獲取各類用地的發展概率,再基于CARS模塊模擬出2030年巢湖流域自然發展情景、耕地保護情景、生態保護情景下的土地利用變化;而后,借助InVEST模型,核算各個年份的巢湖流域各土地利用類型及其變化所產生的氮排放量,并預測巢湖流域未來多情景下土地利用的氮排放趨勢;最后,提出針對性的氮減排措施為巢湖流域富營養化治理提供科學參考。

圖2 技術路線圖Fig.2 The technical frameflow of this study

1.3 研究方法

1.3.1 土地利用類型遙感解譯 本研究所使用的巢湖流域2000、2005、2010、2015和2020年 Landsat TM 影像(30 m分辨率)和 Landsat 8 OLI 影像(30 m分辨率)均獲取自地理空間數據云(http:www.gscloud.cn);而后借助ArcGIS 10.2(ESRI,美國)平臺對巢湖流域2000-2022年5期遙感影像進行前期處理;先后利用 ENVI 5.3(ESRI,美國)對遙感影像進行輻射定標、大氣校正、圖像融合等預處理,并按照全國土地分類系統標準進行解譯,將巢湖流域土地利用類型分為4大類(耕地、建設用地、水域和林草地);最后,借助混淆矩陣對解譯結果進行精度驗證。結果顯示,5期的土地利用數據分類精度Kappa系數都保持在0.80～0.90,分類精度符合研究需要[32]。

1.3.2 土地利用類型動態度分析 土地利用動態度可以定量表達特定時間段內某種土地利用類型的變化程度[33-34]。其中,單一的土地利用動態度可用來展現巢湖流域某時間段內不同土地利用類型的變化特征,并且對未來的土地利用發展趨勢有一定的預測分析功能,其表達式為[35]。

Ri=[(Ua-Ub)/Ua]/T×100%

(1)

式中,Ua和Ub分別表示該研究區域研究初期和末期某種土地利用類型的面積;T為研究時段長;Ri為研究區域在研究時段內某一土地利用類型的變化率,R為正值。

1.3.3 PLUS模型 PLUS(patch-generating land use simulation)是一個基于土地擴張分析策略LEAS(land expansion analysis strategy)和多類隨機斑塊種子機制的元胞自動機模型CARS(CA based on multi-type random patch seeds)的未來土地利用變化預測模型集成[18]。其中,LEAS模塊通過提取兩期土地利用變化數據間各個用地類型擴張的部分,采用隨機森林算法挖掘獲取各類用地的發展概率以及各類用地擴張與多種驅動因素間的聯系。CARS模塊是基于多類隨機斑塊種子生成和閾值遞減機制來模擬預測未來情景下的土地利用變化情況。

1.3.4 土地利用變化情景模擬 為進一步探索不同情景下巢湖流域氮素排放對土地利用時空變化的響應機理以及預測未來巢湖流域不同發展情景下的氮排放量變化,本研究以2020年土地利用數據為基期,設定自然發展情景、生態保護情景和耕地保護情景3種情景,開展2030年土地利用變化模擬。

(1)自然發展情景:指巢湖流域各地類基于2000-2020年土地利用變化規律,利用Markov鏈模型計算2030年自然發展情景下的土地利用需求量[15],按照目前的城市化發展模式,不設定各類型用地之間相互轉換的限制條件以及不涉及政府和市場干預的變化情景,是對未來土地利用變化模擬考慮其他約束條件的基礎。

(2)耕地保護情景:指在自然發展的情景下加入耕地保護的理念,通過約束耕地向其他用地類型的轉化實現耕地保護。本研究在計算耕地保護情景下的土地需求量時將耕地轉向建設用地的概率降低60%[36],以防止城市化進程中基本耕地被其他用地侵占,從而控制基本耕地的總量,為巢湖流域未來在保護基本耕地的前提下進一步推進城市化的發展以及城鎮區域規劃提供參考。

(3)生態保護情景:與耕地保護情景類似,在自然發展情景中加入生態保護的限制區,包括重點生態功能區、自然風景名勝區、生態公益林等。生態保護區是綜合考慮整個巢湖流域的生態系統結構和資源承載力等因素而劃定的區域,防止城市化發展的進程中建設用地無序的擴張對生態環境造成破壞。在計算此情景下的土地需求量時需降低生態用地轉向其他地類的概率,其中將林草地和水域向建設用地轉移的概率降低20%,向建設用地的轉移概率降低30%[37],計算得到2030年生態保護情景下的土地利用需求量。因此,生態保護情景能夠有效推進城市開發和生態保護之間的協調發展,從而實現巢湖流域未來城市群的空間高質量發展。

1.3.5 InVEST模型營養遷移模型 生態系統服務和權衡綜合評估模型(InVEST模型)是基于ArcGIS平臺開發的用于生態系統服務功能評估的模型。該模型通過模擬不同土地利用變化情境下的生態系統服務功能物質量與價值量,從而實現生態系統服務功能價值評估和解讀生態系統服務功能的空間分布差異[38]。InVEST模型的營養物傳輸模型(nutrient delivery ratio,NDR)模塊是基于質量守恒方法來模擬氮營養物質在空間上的遷移,來估算氮素輸移率和氮素入河負荷[39]。本研究利用InVEST模型計算各類用地排放的氮素通過地表徑流和地下徑流進入河流的傳輸率,從而計算巢湖流域的氮素傳輸率和氮素輸出負荷。其中,農田氮素排放負荷受施肥方式和肥料種類影響較大,本研究在《全國農田面源污染排放系數手冊》基礎上篩選農田氮素流失系數并以氮肥施用的折純量(kg/hm2)進行氮排放量核算。此外,本研究核算的氮排放量是各土地利用方式以地表徑流和地下徑流方式排入水體的TN折純量(非氣態)。模型基本原理如下[40]。

通過徑流潛在指數,獲取柵格營養物修正負荷指數以及地表、地下營養物負荷,計算公式為:

modified.loadi=loadi·RPIi

(2)

RPIi=RPi/RPav

(3)

loadsurf,i=(1-proportion_subsurfacei)·modified.load_ni

(4)

loadsubs,i=proportion_subsurfacei·modified.load_ni

(5)

式中,modified.loadi為修正的每個柵格像元i的營養物負荷,RPIi為徑流潛在指數,RPi為柵格像元i上的徑流代理,RPav為柵格上的平均代理參數,loadsurf,i為地表營養物負荷,loadsubs,i為地下營養物負荷,loadi為修正的每個柵格像元i的營養物負荷,modified.load_ni為修正的所有柵格像元i的營養物負荷,proportion_subsurfacei為地下營養物來源占比參數。其中,地表營養物質傳輸率、地下營養物質傳輸率和營養物負荷計算原理可參考InVEST模型NDR模塊技術手冊[40]。

InVEST模型NDR模塊輸入的參數包含:DEM數據、土地利用數據、營養物徑流代理數據、子流域范圍數據、生物物理表及流量累計閾值、Borselli K參數。其中,此處的營養物徑流代理數據本研究用的是年降水數據,流量累計閾值取值為1000,Borselli K參數取值為2。根據流域自然環境的相似性、生物物理表中的養分負荷系數、最大滯留效率、養分滯留臨界距離參考國內外相關文獻及InVEST用戶使用指南獲得[5,40-45],具體取值見表1。

表1 生物物理表取值Tab.1 Biophysical table values

1.4 TN濃度測定

本研究于2020年對巢湖流域環湖水系出入湖河口、巢湖湖體以及南淝河、派河、十五里河等主要小流域河流進行水樣采集。樣品經現場保溫箱冷藏,而后立即送至實驗室存放于冷藏室直至所有指標檢測完畢。其中,本研究所用的總氮濃度采用堿性過硫酸鉀消解紫外分光光度法(HJ 636-2012)測定。

2 結果與討論

2.1 土地利用方式時空變化特征

土地利用類型遙感解譯結果表明(表2),耕地和建設用地是巢湖流域主要的土地利用類型,占巢湖流域總面積的83%～88%。2000-2020年間,研究區各用地面積時間變化特征顯著。整體上,建設用地面積呈逐年擴張而耕地面積呈逐年縮減趨勢,水域面積保持緩慢增長而林草地面積則趨于穩定。同期,巢湖流域各土地利用類型變化速度依次為:建設用地>水域>耕地>林草地,且建設用地和水域動態度均為負值,表明近20年來巢湖流域建設用地和水域面積處于逐年增長狀態,尤其是建設用地擴張趨勢明顯。而耕地動態度一直為正值,表示耕地面積逐年縮減。林草地的動態度雖有正有負,總體呈上升趨勢。近20年來,巢湖流域建設用地面積比例由2000年的2.78%上升到2020年的7.23%,主要表現為城市面積的擴大。然而,耕地面積比例由2000年的73.5%降低到2020年的67.97%,且主要被侵占區域集中在城郊附近。這表明城市化發展可能是巢湖流域各用地類型整體變化的主要驅動力[46]。林草地面積和水域面積占比雖不高但整體呈持續緩慢增加趨勢,原因可能是近年來安徽省政府高度重視對巢湖流域的生態保護,持續貫徹執行退耕還林、還湖政策[47]。

表2 2000-2020年巢湖流域各土地利用類型面積(km2)Tab.2 Area of each land use type in Chaohu Basin from 2000 to 2020 (km2)

在空間分布上(圖3),建設用地主要集中在巢湖西北部的合肥市轄區內,耕地圍繞巢湖呈集中連片分布,林草地分布在巢湖流域西南部山區以及南部丘陵一帶,水域主要以巢湖為中心呈向心狀分布。在用地類型轉移方面,耕地轉向建設用地主要以合肥市為核心向四周鄉鎮輻射擴張。2000-2020年間(表3),巢湖流域耕地面積共減少了775.64 km2,而建設用地和水域分別增加了626.14 和115.58 km2,且二者的增加主要占用了耕地。一方面,城市化發展和人口密度增加加快了建設用地的擴張速度,占據了大量城市周邊耕地。另一方面,為提高巢湖流域防洪抗旱標準,近年來安徽省政府在巢湖流域興修水利設施,水域面積得以持續增加。同期,林草地和水域轉向耕地的面積分別占其總轉出面積的86.39%和84.78%,說明早期研究區隨著人口增長和人地矛盾凸顯,可能出現毀林開荒和圍湖造田現象,導致部分林草地和水域被耕地侵占。隨著國家退田環湖、植樹造林、生態城市建設等政策的貫徹落實,先前圍湖造田、毀林開荒的區域得以逐漸恢復。由此可知,階段性政策調整可能成為區域土地利用方式變化的另一驅動力。

表3 2000-2020年巢湖流域各土地利用類型轉移矩陣(km2)及土地利用動態度(%)Tab.3 Transfer matrix (km2) and dynamic attitude (%) of each land use type in Chaohu Basin from 2000 to 2020

圖3 2000-2020年巢湖流域土地利用方式變化Fig.3 Variation of each land use changes in Chaohu Basin from 2000 to 2020

2.2 2030年土地利用方式情景模擬

為提升PLUS模型模擬精度,本研究以巢湖流域2000和2010年土地利用數據為基礎模擬2020年土地利用數據,并與遙感解譯的2020年土地利用數據進行精度驗證。驗證結果表明Kappa系數為0.90,滿足研究要求。而后設定自然發展、耕地保護和生態保護3種情景,基于2020年土地利用數據和各影響因子數據,預測各情景下2030年巢湖流域土地利用空間分布格局。結果表明,自然發展情景下,巢湖流域未來土地利用空間分布特征延續了2000-2020年的土地利用變化趨勢。該情景下,建設用地面積增長了338.49 km2(表4),較2020年提升了33.29%,且擴張區域主要集中在城鎮的邊緣地區以及流域地勢低平地區(圖4),表明建設用地通過侵占耕地,使城鎮用地得以繼續擴張。因此,耕地面積繼續減少,較2020年減少了403.07 km2。雖然減少速度變緩,但耕地保護形勢更加嚴峻。林草地和水域面積均與前期變化趨勢保持一致,處于緩慢增長狀態。在耕地保護情景下,2020-2030年耕地面積減少了192.37 km2,相對于自然發展情景下的耕地減少的幅度得到有效的控制。建設用地仍然保持著增長的趨勢,但相比自然增長情景下,2030年建設用地面積增長率有所降低,增長率只有14.85%,可見擴張程度明顯放緩。在此情景下,限制耕地轉換為建設用地,導致林草地和水域轉換為建設用地的幅度較自然發展情景增加明顯且耕地面積減少幅度降低,使得巢湖流域的基本耕地資源得到更好的保護。在生態保護情景下,建設用地高速擴張趨勢得到有效控制。2020-2030年建設用地面積增長緩慢,僅增加235.96 km2。林草地面積相比于自然發展情景顯著增加,2020-2030年林草地面積增加78.02 km2,且主要轉入來源是耕地。在生態保護前提下,“限制林草地和水域生態用地轉換為其他地類”模式使得更多的耕地轉為建設用地。因此,耕地縮減面積相較于耕地保護情景大幅上升,上升了187.74 km2。綜上,巢湖流域若不采取有效措施,建設用地將持續擴張,會過多侵占其他用地類型,對巢湖流域生態保護帶來負面影響。所以在未來巢湖流域土地利用過程中,流域管理者應做到有序開發,注重生態環境和糧食安全保護,使巢湖流域用地規劃向著生態可持續的方向發展。

表4 2030年不同情景下巢湖流域各用地面積(km2)Tab.4 Areas of each land use type in Chaohu Basin under different scenarios in 2030 (km2)

2.3 各土地利用變化下的氮排放特征

InVEST模擬結果顯示,巢湖流域2000-2020年由土地利用方式產生的TN年平均值為25197.89 t,與現有巢湖流域氮排放研究結果較符合,與長江中下游氮排放變化趨勢較一致。輸入水體的氮排放平均值和平均強度分別為4684.05 t和4.62 kg/hm2(表5),較同類研究排放強度低[48]。整體上,巢湖流域在2000-2020年間的氮排放總量和氮排放強度均有所降低,2020年較2000年分別下降了3.57%和3.32%,但各用地類型氮排放量間存在顯著差異。其中,建設用地和耕地的氮排放量變化幅度較大,但趨勢相反。建設用地2020年氮排放量為272.64 t,相較于2000年上升了約159.01%。巢湖流域近20年來城市化進展加快,其他土地利用類型均向建設用地轉移,導致建設用地面積快速增加,從而加劇了建設用地氮排放總強度。此外,耕地氮排放量占巢湖流域總氮排放量比例最大,2020年約占了89.11%。研究區以耕地為主,在農業生產過程中耕地化肥施用量較大,而整體氮肥當季利用率較低(< 40%),未被吸收部分通過降水徑流、耕地灌溉、淋溶等方式在水體中累計,成為巢湖水體富營養化加快的重要原因[49-50]。由于耕地氮排放系數及面積遠高于其他用地類型,耕地面積縮減導致氮排放的減少量大于其他用地類型面積增加帶來的氮排放增加量,使得流域氮排放量整體呈現下降趨勢。林草地對氮的輸出具有攔截、吸附和吸收作用,產排放系數較小,一般作為流域氮遷移的“匯”。所以,整體上研究區林草地氮排放量貢獻相對較低且變化波動較小。

表5 不同土地利用類型的氮排放量Tab.5 Nitrogen discharge loads from different land use types

在空間分布上(圖5),流域氮排放量主要以東西為軸線呈樹狀分布,與巢湖流域水系空間分布呈良好的一致性。巢湖流域水系以巢湖為中心呈樹狀向四周輻射,且水系貫穿耕地區域,使得農業生產過程未被吸收的氮通過降水徑流匯入水系之中,導致氮排放負荷沿著流域水系呈樹狀分布。此外,巢湖流域西部氮排放量總體高于東部,南部整體高于北部,該分布格局可能受巢湖流域自然地理環境與人類社會活動共同作用的影響[43]。巢湖流域耕地主要分布在其流域南部,促使巢湖流域南部區域氮排放量高于北部。但值得關注的是,巢湖西北部的南淝河(5.29 kg/hm2)和派河(5.34 kg/hm2)小流域成為氮排放的高值區,與區域水體TN濃度(1.64 mg/L)呈現良好的空間集聚特征(圖6)。一方面,該區域上游是典型的城市聚集區,城市用地面積占土地利用總量的36.59%,受城市氮源(城市污水、工業廢水)排放影響較大[48,51]。另一方面,該流域的中下游主要經過農業區(大圩鎮果蔬基地),農田施肥使得大量氮素通過徑流進入水體。二者累加,使得氮素逐漸在下游水體中富集[52]。

圖5 巢湖流域氮排放強度和水體TN濃度監測值Fig.5 Intensity of nitrogen discharge and monitoring values of TN concentrations in Chaohu Basin

圖6 流域氮排放量與氣象條件、水體氮負荷以及城市化水平關系Fig.6 The relationship of nitrogen discharge loads with meteorological conditions, nitrogen load in water bodies and urbanization levels

由圖6a可知,經過系列治理,巢湖水體TN濃度顯著降低,但近10年來仍在Ⅳ～Ⅴ類水平波動,氮素削減的“邊際效應”開始出現,表明巢湖水體氮素治理已進入攻堅階段。那么厘清土地利用方式及其轉化對流域氮素排放的驅動機制或許能為未來巢湖流域水體氮有效削減和富營養化治理提供支撐。為此,本研究通過對2000-2022年間的氮排放量與流域水體氮濃度以及降雨量進行統計分析,結果顯示三者整體呈降低趨勢,其變化存在顯著的相關性(圖6)。其中,氮排放量與TN濃度呈現正相關關系(P<0.05,R2=0.94;圖6a),與降雨量間存在顯著的負冪關系(圖6b)。前人研究表明,流域水體氮負荷變化受多因素耦合作用影響[53]。例如,流域水體TN濃度不僅取決于降雨量,還將受各用地類型氮排放量的影響。在短期氮排放強度不變的情況下,過多的降水量將會稀釋水體氮濃度,尤其是在巢湖流域各用地類型的總氮排放量呈現逐年降低的背景下,波動增加的降雨量增強了湖體TN濃度的稀釋效應,這也很好地解釋了本研究中氮排放量與降雨量呈現負相關關系。此外,氮排放量與湖體TN濃度呈顯著正相關關系,表明由各土類產生的氮素排放成為流域水體氮負荷變化的重要驅動力之一。

值得關注的是,作為氮素遷移的重要載體以及排放源,流域土地利用方式的變化尤其是建設用地面積的擴增,可能會導致區域水體氮負荷保持在一個較高風險水平(圖6c)。因為本研究結果表明,2000-2020年巢湖流域建設用地面積增加了626.14 km2,并且2030年情景模擬顯示這種增加趨勢還將繼續。一方面,隨著城市化推進和基礎設施的完善,建設用地的擴張增加了流域不透水面比例(圖6c),致使該區域徑流系數和徑流攜帶能力增強,地表氮素進入水體的概率增加。因此,即使相關環保治理措施被應用到南淝河(城市型河流)中,其水體TN濃度一直處于劣Ⅴ類水平,氮負荷削減面臨瓶頸。另一方面,有研究表明,作為長江中下游的另一典型淡水湖泊——太湖,其流域部分城市區域建設用地的氮產、排污系數已經超過其周圍的耕地,加劇了區域水體富營養化風險[54]。因此,隨著巢湖流域單位面積人類活動強度的增強,建設用地的氮產、排污系數可能會呈現增加趨勢,從而為流域地表徑流提供更多的氮源。二者的協同作用將會給未來巢湖流域部分城市化率較高的水域氮素治理帶來新挑戰。所以,在未來的城市用地規劃方面,需要充分發揮綠地的生態功能來削減氮素排放,以期緩解城市區域水體富營養化風險。

2.4 2030年氮排放情景預測

2030年自然發展、耕地保護和生態保護情景下的巢湖流域土地利用方式氮排放預測結果(表6,圖7)顯示,3種情境下的氮排放量分別為4514.42、4575.57和4484.72 t。2020-2030年巢湖流域3種不同情景下的氮排放時空變化特征與2000-2020年間整體一致,但各情景間的氮排放量存在差異,主要受各情景下不同用地類型變化的影響較大。

表6 2020年和2030年不同情景下的氮排放量Tab.6 The loads of nitrogen discharge under different scenarios in 2020 and 2030

圖7 2030年巢湖流域不同情景下氮排放量空間分布Fig.7 Spatial distribution of nitrogen discharge loads under different scenarios in Chaohu Basin in 2030

自然發展情景下,2030年巢湖流域氮排放量為4514.42 t,較2020年減少了83.56 t。而建設用地氮排放量比例由2000年的2.21%增加到2030年的9.65%,主要原因是隨著城市化建設快速推進和城市人口激增,城市不透水面面積逐漸增加(390.64～1355.27 km2),使得城市地表徑流量顯著增強(GB 50318-2017),導致建設用地氮排放量增加。隨著城市擴張,耕地面積逐年遞減,致使耕地氮排放量逐年減低,但降低的幅度在逐年遞減。此外,建設用地擴張產生的氮排放增量小于耕地面積減少而帶來的氮排放減量,二者抵消作用使整體氮排放依舊呈降低趨勢。

在耕地保護情景下,巢湖流域氮排放量在2020年的基礎上僅降低了22.25 t。因為本研究將耕地設置成限制轉換區域,在土地利用轉化的過程中耕地轉出的面積得到有效的控制,使得本情景下的氮排放量降低幅度小于自然發展情景和生態保護情景。相反,對耕地的保護加劇了林草地、水域等生態用地轉向建設用地的程度,同時也降低了林草地攔截氮污染物輸出的效率。在生態保護情景下,氮排放量表現為更明顯的下降趨勢,相對于2020年降低了113.36 t,總量比自然發展情景下低29.71 t。因為,該情景限制了生態用地轉向建設用地,使耕地轉向建設用地的概率大大增加,導致耕地面積縮減明顯,其氮減排效果顯著(187 t)。此外,由于該情景考慮了退耕還林、退耕還湖、水源保護等政策,限制于林草地、水域等生態用地轉向其他地類,生態用地面積得以保障。并且,近些年政府加大了生態保護力度,推進了城市綠化建設,例如積極建設濕地生態公園、生態廊道和生態緩沖區等,使得林草地面積逐漸增加,進而提高了植被對氮、磷等營養物質的截留效率。

耕地保護情景和生態保護情景下的氮排放量相較于自然保護情景下分別變化了61.65和29.71 t,就巢湖流域土地利用方式的氮排放總量而言,占比較小。一方面,本研究中生態保護情景是限制了生態用地向其他用地轉化,但生態用地的建設和生態功能的恢復需要一定周期,使得短期內治理效果不明顯。此外,新增生態用地面積占整體比例較小,導致對整個流域的氮“減排”作用效果不明顯(2.47%)。但在2000-2020年期間,生態用地面積僅增加了0.39%,而其減排效果卻達到了2.47%。從這個角度來說,生態保護情景具有明顯的氮減排效果。需要注意的是,生態用地對氮減排會存在顯著的尺度效應,因為生態工程的效果評價多是對該工程范圍內的治理效果進行評估。但本研究的生態情景模擬結果是針對整個巢湖流域而言,其治理效果被整個流域“平均”了。若將模擬范圍收縮到生態情景重點區域,則氮減排效果較自然情景有明顯差異。另一方面,本研究耕地保護情景是在滿足現有耕地需求下模擬的,而現階段巢湖流域的耕地現狀整體上已經滿足安徽省耕地基本保護要求。所以,2020-2030年間的研究區耕地保護的潛力較小,使耕地保護情景下巢湖流域氮排放總量相對自然情景變化不明顯。而對于耕地保護的重點區域,該情景下的耕地保持量與自然情景下的差異明顯。本研究通過選取其中一個耕地保護重點區進行模擬,結果顯示每平方千米的耕地增加量(0.09 km2)是整個流域單位面積耕地增加量(0.007 km2)的12.8倍,能較好地證明耕地保護情景在工程范圍內起到明顯的氮減排效果。上述分析也從側面反映了政策持續執行的重要性。因此,建議地方管理者繼續貫徹落實耕地保護和生態保護政策,以期實現流域氮減排攻堅目標。

3 結論

本研究以巢湖流域為研究對象,借助PLUS和InVEST模型探索巢湖流域氮排放對土地利用時空變化的響應機制,具體結論如下:

1)2000-2020年巢湖流域建設用地面積持續增加,耕地面積逐年減少,林草地和水域面積波動較小。耕地面積流失嚴重,主要轉向建設用地。經PLUS模型預測,自然發展情景下土地利用時空變化趨勢與2000-2020年土地利用變化趨勢基本保持一致;耕地保護情景和生態保護情景在限制因素的影響下,一定程度上約束了建設用地擴張對耕地和生態用地的侵占,對于保護巢湖流域生態功能和耕地資源起到重要作用。

2)2000-2020年間,巢湖流域由各土類排入水體的氮總量呈降低趨勢,下降了170.06 t?？臻g上,氮排放負荷差異明顯,整體上以東西為軸線呈樹狀分布,西部排放量高于東部,南部高于北部區域。流域水體氮負荷變化受多因素耦合作用影響較大,但未來建設用地面積的擴增,可能會增加區域水體氮負荷風險。

3)巢湖流域在自然發展情景、耕地保護情景和生態保護情景下的氮排放量分別為4514.42、4575.57和4484.72 t,均較2020年氮排放量呈下降趨勢。其中,生態保護情景既有效地保障了巢湖流域生態功能又達到了較好的氮減排效果。

鑒于此,本研究建議:未來巢湖流域的土地利用規劃應在合理發展社會經濟并且保證基本耕地的同時綜合考慮采取更多的生態保護措施,加強對林草地和水域的修復保護,防止林草地、水域等生態用地被侵占,以期實現流域氮負荷的有效削減。同時,流域管理者需切實考慮其實施需要持續且大量資金和技術支持,并且生態功能的恢復需要一定的周期,其治理效果受工程質量、氣象水文事件和階段性管理政策等影響較大,治理成本較高。另一方面,生態保護與經濟發展較難“共贏”,政府可建立生態補償機制等激勵措施,切實加大科技投入和技術研發。通過信息化手段進行實時環境監測,跟蹤治理效果,以助力巢湖流域氮素削減目標的實現[55-56]。