小流域土地利用景观格局对水质的影响

2019-07-02彭勃付永胜赵君凤周高峰

生态科学 2019年3期

彭勃,付永胜,赵君凤,周高峰

西南交通大学地球科学与环境工程学院,成都 611756

0 前言

河流的生态环境与土地利用及景观格局关系密切[1-2]。人类活动加剧引起的土地利用/覆被(LUCC)变化对河流水质有显著影响[5-8]。景观格局与流域面源污染过程是典型的格局与过程关系,污染物随地表径流在迁移过程中会受到各种自然因子和人为因子的综合作用,这些因子影响实际上反映了不同尺度的土地利用变化过程[9-13]。大量研究结果表明人为因素驱动的土地利用方式能够通过各种复杂的途径对流域生态环境及多样性造成多种影响[14-15]。

目前研究景观格局与水质关系多采用模型和数理统计分析方法,基于生态水文过程的模型机理性强,模型结构较为复杂,研究需要大量基础空间数据和长时间序列的监测数据[16-19]。而时间尺度较短的监测研究多采用相关分析、回归分析等数理统计方法来探讨景观格局与水体污染的关系[20]。由于景观格局与流域水质存在一定的不确定性,所以,利用多元线性回归分析、典范对应分析和冗余分析等研究多变量关系的方法对水质的多因素影响关系分析是目前热点之一。

作者收集了芦山县清源河流域2017年1月至12月实时监测的水质数据及流域土地利用和景观格局现状数据,在选取代表性的景观格局指数及河流水质污染数据的同时,加入土地利用综合动态度(LC),结合GIS技术,运用SPSS分析方法,从清源河流域丰水期、平水期和枯水期三个阶段分析土地利用和景观格局对清源河流域水质的影响,为清源河流域水环境保护和土地利用结构、景观格局优化以及流域生态环境可持续发展提供一定的科学依据与借鉴。

1 研究方法

1.1 研究区域现状

芦山县位于四川省西部(东经102°52'至103°11',北纬30°01'至30°49'),地处四川盆地与青藏高原的过渡地带,总体上呈北高南低、西高东低之势,最高海拔 3843 m,最低海拔 685 m,山地面积约占82.26%(图1)。清源河发源于芦山县境内并贯穿全境,全长80.76 km,年均流量6.95 m³·s-1,是芦山县境内最大河流,清源河共有大小支流15 条,包括主流域在内全部在芦山县境内,降雨量集中在每年6、7、8和9月,是清源河流域的丰水期,平水期是3、4、5和10月,枯水期是1、2、11 和12月。

1.2 基础数据来源和分析

1.2.1 流域划分

以精度10m 的Landsat8OLI 影像数据为基础,利用ArcGIS10.2 水文分析模块,对清源河流向分析,河网提取,流域分割,生成15 个子流域[8,20]。根据研究需要,以芦山县行政区划为基础,结合清源河流域上、中、下游分界点和现场调研情况(图2),将15个子流域合并为6 个区域,并选取6 个代表性监测断面获取水质数据(图3)。由于清源河发源于芦山县并贯穿整个芦山县,所以本次研究将选定整个芦山县作为清源河流域范围。

图1 芦山县地理区位 Figure1 Location of the Lushan

图2 1#—6#区域点位 Figure2 1#-6# area sampling point site

图3 土地利用和流域划分图 Figure3 Land-use and watershed map

1.2.2 水质获取与计算

清源河水质数据采用2017年1 至12月常规水质监测数据,按照上下游不同土地利用特征,选择6个监测断面(图3),每月中旬采集水样一次。采用的水质指标包括pH、DO、CODMn、NH3-N、TP、C(综合污染指数)每次取水样1000 mL,密封保存带到实验室测定数据。

对于水体综合污染指数,计算公式为[8,13]:

对于浓度越大对环境污染越大的指标,如CODMn、NH3-N、TP 等,用以下公式:

对于浓度越小对环境污染越大的指标,如DO,用以下公式:

式中:C为综合污染指数;Ci为第i项污染物的污染指数;Ti表示第i类污染物的实测浓度;Tio为第i类污染物的评价标准(表1);n为参与评价的污染项目数量。

1.2.3 影像信息提取与计算

遥感图像数据来自2017年Landsat8 OLI,精度为10 m;辅助现场调研数据,通过影像纠正、拼接以及多源数据的融合,构建具有统一投影坐标信息的土地景观栅格数据库;利用Erdas Imagine 9.0 软件进行图像增强处理,便于图像分析与解译;将土地利用类型划分为未利用地、建设用地、草地、湿地、耕地、林地和水域7 类,得到清源河流域土地利用图(图3),并用Fragstas 4.2 软件计算6 个区域内土地景观格局指数。

表1 水质分析标准 Table1 Water quality analysis standards(Tio)

(1)流域土地利用动态度

筛选出与流域污染物指数密切相关的土地指标:建设用地、草地、湿地、耕地和林地面积百分比以及土地利用综合动态度(LC);通过分析不同土地类型的面积动态变化,反映出不同时期人为干扰对不同类型土地变化的影响,见公式:

LC为研究时段内土地利用综合动态度;LUi为测量开始时第i类土地利用类型的数量;△LUi-j为测量时段内第i类土地利用类型转为非i类土地利用类型面积的绝对值;T为研究时段长。

(2)流域景观格局指标

利用Spearman 相关分析工具筛选景观格局指数,保留不存在显著的相关关系(P＜0.05)和相对独立的景观指标体系,并优先选择对河流水质影响较大的部分景观指数[24-26]。这些指数包括斑块密度(PD)、最大斑块指数(LPI)、破碎度(FN)、蔓延度(CONTAG)、多样性指数(SHDI)。景观指数的计算通过Fragstat 4.2 完成,各景观指数计算公式见表2[25]。

1.3 相关性分析

为了确定土地利用与景观格局指数和河流水质参数之间的相关性,利用SPSS19.0 软件中Spearman相关分析工具,分析了2017 清远河的土地利用和景观格局指数和6 个监测断面水污染物浓度数据,用变量P显著性概率作为评判标准检验,P小于0.05被视为显著相关。

2 结果和分析

2.1 流域土地利用和景观格局分析

以6 个水质监测点所代表的子流域为研究范围,选择清源河各子流域内与水质密切相关的土地利用比例、土地利用动态度及景观格局指数情况(2017年)见表3和表4。

2.1.1 流域土地利用特征

(1)总体上看,土地利用特征如下:1#、2#和3#区域以林地、湿地和耕地为主要土地利用类型,4#、5#和6#区域以林地、建设用地和耕地为主要土地利用类型;总体上看,每个区域林地占控制性主导地位,其在上、中、下游流域所占总面积百分比分别为58.96%、55.37%、57.32%、48.28%、43.64 和45.52%。

(2)从不同空间尺度上看:清源河流域土地利用程度存在显著差异,从上游至下游流域,林地面积百分比呈明显减小趋势,耕地及建设用地面积比例则呈快速增加趋势;流域范围内人类干扰程度从上游至下游流域呈不断增大趋势,LC值亦随之不断增大。

表2 景观格局指数公式 Table2 Landscape pattern index equation description

表3 流域土地利用比例和动态度 Table3 Land-use proportion and dynamic degree in watershed

2.1.2 流域景观格局特征

(1)总体来看,景观结构指数特征如下:LPI指数方面,建设用地和耕地持续增大,草地、湿地和林地持续减小;PD指数方面,建设用地、草地、湿地、耕地和林地都持续增大,林地持续减小,说明景观优势种优势不断减弱,其干扰的强度和频率减小,人类活动的方向从上游不断向下游扩展,且强度不断增大。

(2)景观水平指数特征如下:FN指数方面,建设用地持续增大,草地、湿地、耕地和林地都处于波动状态,但在建设用地较多的区域都呈现显著增大特征,说明建设用地自身FN增大分割了其他景观要素,特别是在4#、5#和6#区域表现很明显,景观异质化程度增大;CONTAG指数方面,建设用地持续增大,说明从上游至下游建设用地规模逐渐增大和密集,蔓延度和连通性也越来越好,草地和湿地持续减小,说明下游区域人为干扰较大,建设用地分割了其他景观要素,耕地景观波动较大,呈现逐渐往上游扩散趋势;SHDI指数方面,建设用地和耕地持续增大,草地和湿地持续减小,说明由于人类活动强度的增加,流域景观类型具有多样性,景观破碎化程度增加。

表4 流域景观格局指数 Table 4 Landscape pattern indices in watershed

2.2 流域水质指标时空分析

从2017年清水河流域6 个水质监测断面水质指标(表5)可以看出,除pH 值和 DO 外,其他水质指标数据在上、中、下游流域呈现不断增大趋势,其中CODMn和NH3-N 变化较大,TP变化符合标准范围;综合污染指数C从上游至下游流域不断增大。清水河流域丰水期、平水期和枯水期特征明显,不同水期水质分异明显。整体来看,由于枯水期降雨量减少,地面冲刷减弱,林地、草地和湿地景观对污染物的拦截效率较低,枯水期水质劣于丰水期。但是,4#、5#和6#区域CODMn和NH3-N 在丰水期高于枯水期,这是由于4#、5#和6#区域地处下游,人口聚集度高,建设用地和大量耕地密集沿河分布,人为干扰对河流水环境影响很大,加上夏季雨水冲刷形成面源污染导致CODMn和NH3-N 数值呈现丰水期大于枯水期的现象。

2.3 土地利用景观格局与河流水质Spearman 相关分析

2.3.1 土地利用与河流水质相关性

采用Spearman 相关分析工具,分析2017年清水河流域不同土地利用类型面积百分比、土地利用综合动态度指数与河流水质指标的相关性(表6),结果如下:

(1)建设用地和耕地与水体污染物浓度指标呈正相关,建设用地与pH 值、CODMn、NH3-N 和C的相关性系数分别为0.997、0.999、0.998 和0.999,显著性概率P 小于0.05,说明之间存在显著正相关关系,而与DO 和TP 无显著关系;耕地与CODMn、NH3-N、TP 和C相关性系数分别为0.999、0.998、1.000 和0.999,显著性概率P 小于0.05,与TP 显著性概率P 小于0.01,表示之间存在显著正相关性;草地、湿地和林地与水体污染物浓度指标呈负相关,草地与DO、CODMn、NH3-N、TP 和C的相关性系数分别为-0.997、-0.999、-1.000、-0.998、和-1.000,草地与DO、CODMn和TP 显著性概率小于0.05,与NH3-N 和C显著性概率小于0.01,表示存在显著负相关性;湿地与DO、CODMn、NH3-N 和C的相关性系数分别为1.000、-1.000、-1.000 和-0.999,湿地与DO 和CODMn显著性概率小于0.05,与NH3-N和C的显著相关性小于0.01,表示存在显著的负相关性,但与DO 存在正相关性;林地与CODMn和C的相关性系数都是-1.000,且显著性概率都小于0.01,说明存在极显著的负相关性,与NH3-N 相关性系数为0.998,呈正相关,显著概率小于0.05,存在显著相关性。

表5 流域水质监测数据 Table5 Water quality monitoring data in watershed(1#-6# Area)

表6 流域土地利用与水质相关性 Table6 Correlation between land-use and water quality in watershed

(2)土地利用动态度指数LC与各水质污染物浓度指标大部分呈正相关,且LC与CODMn、NH3-N、TP 和C相关性系指数分别达1.000、0.998、1.000和1.000,呈显著正相关状态,且与CODMn、TP 和C的显著性概率小于0.01,存在极强正相关性,与NH3-N 的显著性概率小于0.05,存在显著正相关性。

(3)枯水期,土地利用指数与河流水质相关性特征与平水期一致。其中,建设用地与pH 值和C存在显著正相关性,相关性系数分别为0.997 和0.999;草地与CODMn、NH3-N、TP 和C存在显著负相关性,相关性系数分别为-0.999、-1.000、-0.998 和-1.000;湿地与CODMn、NH3-N、和C存在显著负相关性,相关性系数分别为-1.000、-1.000 和-0.999;耕地与NH3-N、TP 和C的相关性系数分别为0.998、1.000和0.999,存在显著正相关性;林地与C存在显著负相关性,相关性系数为-1.000;此外,草地和湿地与DO存在正相关性,林地与NH3-N存在正相关性,相关性系数分别为0.997、1.000 和0.998;LC与NH3-N、TP、C的相关性系数分别为0.998、1.000 和1.000,显著性概率P 小于 0.05,存在显著正相关性。

(4)丰水期,土地利用指数与河流水质相关性分析结果表明:建设用地与DO 负相关,与CODMn和NH3-N 正相关,相关性系数分别为-0.996、0.999 和0.998;耕地与CODMn正相关,相关性系数为0.999;林地与CODMn负相关,相关性系数为-1.000;LC与CODMn正相关,相关性系数为1.000;草地和湿地与河流水质没有相关性。

2.3.2 景观格局与河流水质相关性

景观格局指数与河流水质指标间相关性分析结果如下(表7):

(1)LPI与CODMn、NH3-N 和TP 相关性系数分别为-0.997、-0.998 和-0.998,显著概率小于0.05,呈现显著负相关性;PD与CODMn、TP 和C相关性系数分别为0.999、0.999 和1.000,显著概率小于0.05,呈现显著正相关性;FN与DO 负相关,与CODMn、NH3-N、TP 和C正相关,相关性系数分别为-0.998、0.998、0.999、0.998 和0.999,显著概率小于0.05;CONTAG与DO 正相关,与CODMn、NH3-N、TP 和C负相关,相关性系数分别为0.998、-0.998、-0.998、-0.999 和-1.000,相关性概率小于0.05和0.01,具有显著相关性;SHDI与CODMn、NH3- N和C正相关,相关性系数分别0.998、0.998和1.000,相关性概率小于0.05,有显著相关性。

表7 流域景观格局指数与水质相关性 Table7 Correlation between landscape pattern indices and water quality in watershed

(2)枯水期景观格局指数与河流水体污染物浓度指标的相关性状态与平水期一致。LPI和CONTAG与河流水质指标呈负相关性,PD、FN和SHDI与河流水质指标呈正相关性;丰水期,FN和SHDI与CODMn、NH3-N 和C呈正相关性,CONTAG与CODMn、NH3-N 和C呈负相关性,相关性概率小于0.05 和0.01,具有明显的相关性。

3 讨论

3.1 土地利用对河流水质的影响

流域土地利用类型及空间分布影响着水体水质污染状况[1,4],其之间存在显著相关关系,这是由于土地利用方式和人为干扰强度存在一定差异,从而导致不同土地利用类型的污染物负荷也不同[4]。所以当不同子流域存在土地利用异质性时,对应的河流水质的污染程度也存在变化特征[17]。

(1)从土地利用类型比例上看:林地、湿地和草地对流域水体污染物的输出有抑制作用,对河流水质污染有负效应;因为林地、湿地和草地是水体污染物的“Sink”景观,能缓解径流,减轻水土流失造成的水体质量的下降[8-9,11],所以流域中土地利用类型以林地、湿地和草地为主要类型时,其水体质量就相对较好。而耕地和建设用地对水体污染物的输出较大,对河流水质具有正效应;因为耕地是水体潜在污染物的“Source”景观,由于耕作和施肥等原因造成土壤中氮、磷以及农药残留含量较高,经过降雨径流冲刷后形成污染源进入河流[12,15,27],水质变差;随着城市建设用地面积增多,道路和广场等不透水面的污染物随着暴雨径流进入水体,导致水质污染物浓度增加,水质下降,所以耕地和建设用地面积越大,临近河流水体污染物浓度就越高。

(2)从土地利用综合动态度来看:土地利用程度是人为干扰强度的一种表现,土地利用程度越高,人类对流域的干扰程度就越大。研究结果表明LC与河流水质指标呈正相关关系,且LC与CODMn、NH3-N、TP 和C呈显著正相关状态,说明LC是清源河流域尺度表征水质质量降低的重要因子,清源河流域内人为干扰强度越大,土地利用程度越高,河流水质越差。

(3)从时间上看:丰水期,流域降雨量增大,林地、湿地和草地对污染物的拦截贡献率较大,使得林地面积百分比与TP相关性减弱,但是由于研究区域大量林地、湿地和草地位于上游区域(1#、2#和3#区域),而下游区域(4#、5#和6#区域)耕地和建设用地较多,所以当地面径流增大时,污染物无法被及时拦截,导致流域污染物浓度上升;平水期与枯水期,河流流量减少,污染物大量沉淀,所以各类土地利用类型与CODMn、NH3-N、TP 和C都具有显著相关性。

3.2 景观格局对河流水质的影响

景观格局变化能够反映潜在的人为干扰特征[6],景观格局指数能很好的解释水体中污染物的负荷量[9],通过建立景观指数与河流水体污染物浓度指数的关联性,能对水体水质变化进行很好的预测[8]。

(1)从景观格局指数上看:PD、FN和SHDI与河流水质指标呈正相关性;PD反映景观斑块密度大小,密度越大,说明斑块数量越多,多样性也越高,斑块越复杂,特别是耕地和建设用地的PD越大,人类活动越频繁;FN越高,清源河流域受人类干扰越大,河流水质往往也越差;SHDI反映景观的多样性,SHDI越高,景观多样性越大,景观异质性增加,污染“Source”景观类型在景观中的优势度及主导性增强,因此水体污染物浓度增加,水质下降。LPI和CONTAG与河流水质指标呈负相关性;LPI越高说明人类干扰越小,河流水体污染的风险相应较低;CONTAG越高说明某种优势景观斑块类型形成了良好的连接性,景观破碎度较低。因此,LPI、CONTAG越大,景观斑块越聚集,破碎度越低,水质受影响越小。

(2)从时间上看:枯水期景观格局与河流水质的相关性与平水期一致,LPI和CONTAG与河流水质指标呈负相关性,PD、FN和SHDI与河流水质指标呈正相关性;丰水期,FN和SHDI与CODMn、NH3-N和C呈正相关性,CONTAG与CODMn、NH3-N 和C呈负相关性。丰水期雨量增大,能导致污染物扩散加剧形成面源污染,而主要输出面源污染“Source”景观类型(建设用地和耕地)的FN和SHDI越大,说明其类型呈现复杂和多样特征,相应的污染物贡献量就越大;而枯水期LPI和CONTAG越大,说明控制污染的“Sink”景观类型(林地、草地和湿地)越多,随着雨量减小,耕地污染量输出随之减小,所以呈现负相关特征。

(3)然而,根据部分文献研究结果表明,SHDI和CONTAG与河流水质既有正相关性也有负相关性[6,13,28]。出现这类结果的原因可能与流域的优势景观类型有关,以污染“Source”类型景观(建设用地和耕地)为主的流域其CONTAG越高,斑块的聚集和连通性越显著,水质中污染物的浓度也越高;随着SHDI的增大,河流水质趋好,其原因可能也与流域优势景观类型有关,当流域中主导景观类型为林地、草地和湿地等水体污染“Sink”景观时,SHDI与河流水质呈正相关性,但当流域中主导景观类型为建设用地、耕地等水体污染“Source”景观时,SHDI与河流水质呈负相关性[13,15]。