滇中重要水源区土地垦殖对集水区地表水质特征的影响

2019-07-18张继辉王克勤赵洋毅王帅兵闵惠琳

西南农业学报 2019年6期

张继辉，王克勤，赵洋毅，王帅兵，闵惠琳

(1.西南林业大学生态与水土保持学院，云南昆明 650224；2.中国林业科学研究院热带林业实验中心，广西凭祥 532600)

【研究意义】土地垦殖就是土地经过开垦变为耕地，从而种植农作物，它是我国农业生产活动的基础。不合理的土地垦殖活动将导致下游水质污染问题的出现。目前，国内许多城市都面临着水库上游水质污染的问题，而由水源区土地垦殖导致的面源污染则是城市水质恶化的直接来源[1-2]。据报道，目前我国内陆五大淡水湖之一的巢湖，其水质恶化状况日趋严重，如今巢湖中大约有70 %的氮素来源于上游的土地垦殖、农业面源污染和地表径流[1]。【前人研究进展】此外有研究表明，我国各大江河中，大约有12.7 %的干流和55 %的支流已经受到了污染[2]。世界河口河水中硝酸盐的平均值为0.1 μg/g，而中国长江出水口水体中硝酸盐的总量却高达0.49～0.95 μg/g；1980-1999年间黄河水体中总氮和氨氮的含量呈现加速上升的趋势[3]。国外相关研究表明，农业活动是面源污染的主要来源，而面源污染己经成为了地表水及地下水污染的直接来源。从全球范围来看，面源污染已经影响到了30 %～50 %的陆地表面，全世界12亿公顷的坡耕地中，大约有12 %的耕地由于农业面源污染的影响，而导致了不同程度的退化情况[4]。滇中重要水源区位于云南省昆明市盘龙区松华坝水库上游，该地区农业活动频繁，土地垦殖具有明显的季节性，主要集中在每年5-10月，而该地区地表水的水质状况将直接决定松华坝水库蓄积水可利用的程度。松华坝水源保护区是我国第一个饮用水源保护区，是昆明最重要的饮用水源地，同时也是滇池水体交换的重要来源[5]。昆明市通过逐年调查表明，松华坝水库水质恶化情况日趋严重，其中总氮的含量呈现严重超标的状态，尤其是2004年10-12月连续3个月的时间总氮含量都达到了1.07 mg/L以上，呈现Ⅳ类水标准[5-6]。近几年松华坝水库大坝口、坝中水质均为Ⅲ类，形势已直接危及昆明人民的基本生活和城市的可持续发展。因此，为保证昆明市的用水安全，在松华坝水源保护区进行地表水水质状况综合研究尤为重要。坡耕地是松华坝水源区的主要地类之一，长期以来由于不合理的土地垦殖活动，水土流失情况日趋严重，从而导致大面积的土壤养分流失，现已引起人们的普遍关注，其危害主要有两方面，一方面坡耕地养分流失会直接引起土壤肥力的下降，另一方面面源污染物随地表径流流入河流及下游水库[6]，最终导致松华坝水库水体的富营养化和水质污染，成为水体污染的诱发因子[7-9]。目前针对土地垦殖强度对地表水质面源污染影响方面的研究鲜有报道。【本研究切入点】本文通过采集松华坝水源保护区迤者小流域里面的林地集水区和混合集水区控制站出口断面的水样，并对水样中常见的4种污染物含量进行了测定，基于改进的灰色关联分析模型研究不同土地垦殖强度影响下的水源区的地表水质的类别并进行综合评价。【拟解决的关键问题】探究土地垦殖对地表水水质的影响，旨在为水源区的水污染防治提供一定的科学依据。

1 材料与方法

1.1 研究区概况

迤者小流域位于松华坝水库上游，位于北纬24°14 ′43"～25°12 ′48 ″，东经102°48 ′37 "～102°44 ′51 ″之间。为滇池水系盘龙江一级支流源头区，地势总体西北高东南低，最高海拔2589.5 m，位于流域西南部野猫山，最低海拔2010 m，位于流域河流出口处，相对高差479.5 m，平均海拔2220 m。小流域呈不规则纺锤形，南北长6.7 km，土地总面积13.26 km2，径流面积约293 km2，年平均气温为14.7℃，年降雨量900～1200 mm，气候属北亚热带和暖温带混合型气候，多年平均气温13.8℃；多年平均降雨量925.6 mm。小流域内地形以高原低山为主，属于低山丘陵中轻度流失区；土壤以红壤为主，占小流域土地面积的89.3 %；小流域内坡耕地面积为284.38 hm2，占耕地总面积的55.8 %，且大部分坡度为5°～25°，该地区主要植被包括云南松(Pinusyunnanensis)、滇青冈(CyclobalanopsisglaucoidesSchotky)及壳斗科(Fagaceae)等。

1.2 集水区土地垦殖强度界定

土地垦殖强度可以用土地垦殖率来进行表征，而土地垦殖率又称为土地垦殖系数，它是指一定区域内耕地面积与土地总面积的比值，是反映土地资源利用程度和结构的重要指标。土地垦殖率与社会经济技术条件及自然条件息息相关。土地质量好、人口多、垦殖历史长的地区，一般土地垦殖率较高。1996年10月，中国的土地垦殖率为13.68 %，略高于世界平均垦殖率(11.50 %)，土地垦殖率的计算公式如下[10]。

土地垦殖率=土地垦殖面积/总土地面积×100 %

(1)

松华坝水源区迤者小流域集水区的土地垦殖强度界定如表1所示。

1.3 试验地概况

如表2所示，对两集水区进行编号，林地集水区编号为A集水区，混合集水区编号为A+B集水区，2#卡口水文控制站位于混合集水区汇流出口处，3#卡口水文控制站位于林地集水区汇流出口处(图1)。

1.4 样品采集及数据收集

根据松华坝水源区的具体情况，在水源区布设了2个采样点，包括迤者小流域林地集水区卡口水文控制站汇流出口处径流和混合集水区卡口水文控制站汇流出口处径流。按照《水质河流采样技术指导》(HJ/T52-1999)[11]的要求进行样品采集与保存，在2017年5-10月期间共采集了18次水体样品，采样周期为每月3次，上、中、下旬各1次，采集时选择5 d内未降雨的稳流情况进行水体样品收集，跨度5～10 d左右，采样时需要充分搅拌，然后用聚乙烯瓶取样，样品采集完成后24 h内送至云南省昆明市西南林业大学生态与水土保持学院重点实验室。

表1 集水区土地垦殖强度界定Table 1 Definition of land reclamation intensity in catchment area

表2 试验区概况Table 2 Pilot survey

图1 试验区地理位置Fig.1 Location of tested area

数据收集：通过化学分析得出各指标的吸光度，由吸光度计算出标准浓度，再由3组数据计算出平均值，本研究所需数据取平均值。

1.5 样品分析方法

1.6 灰色关联度分析模型

目前国内相关环保工作者就水质方面的研究多以《国家地表水环境质量标准》(GB3838-2002)作为参考，因此，本研究依据《国家地表水环境质量标准》对地表水水质进行六类标准的划分，包括Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类和劣Ⅴ类(表4)。

改进的灰色关联分析法考虑了水质评价标准的区间形式，区间形式比传统的临界值判断水质级别的归属显得更加客观，笔者对无量纲处理方法作出了调整，采用改进后的“中心化”处理方法，使计算结果比传统方法的结果更加具有区分性，物理意义更加明确[15]。

表3 水质参数及分析方法Table 3 Water quality parameters and analysis methods

表4 地表水环境质量标准基本项目标准限值Table 4 Basic project standard value of surface water environmental quality standard

1.6.2 灰色关联系数和关联度的计算方法由于各个指标在水质标准中的量级不同，所以必须在灰色关联度分析之前对数据进行无量纲化处理。本研究采用“中心化”处理方法，以此便可将研究对象之间的差异性体现的最大[15]。即：

i=1, 2,...,nk=1, 2,...,n

(2)

式中，xi(0)(k) 为研究区第i断面第k项指标的实测年浓度均值，σi(k) 为xi(0)(k) 的样本均方差，xi(k) 为第i断面第k项指标的无量纲化结果。

由于水质评价标准并不是一个简单的数值，而是一个区间范围。水质灰色关联评价并不适合采用传统的关联分析方法中点到点的计算方法。因此本研究采用基于点到区间距离的计算公式，定义绝对差为：

(3)

式中：X0(k) 为第 0 断面第k项指标的无量纲化结果，xmin(k) 是第k项指标5级水质标准无量纲化后的最小值，xmax(k) 为第k项指标5级水质标准无量纲化后的最大值，Δij(k) 为点到区间距离的绝对差值。

将数列经过标准化处理后得到参考数列：{X0(k)}={X1,X2,X3,…,Xn}，与参考数列进行比较的数列为比较数列：{Xi(m)}={Xi1,Xi2,Xi3,…,Xin}，关联系数计算公式为：

(4)

式中：ζ0i为关联ρ系数，为分辨系数，一般取0.5，Δ0i(k)为各比较数列与参考数列差的绝对值。

为了使研究结果更加准确，采用各因子关系系数的平均值λ0i反映参考数列与比较数列间的关联程度，计算公式如下：

(5)

通过比较各指标的关联度大小，按照最大关联原则对两集水区降雨径流水质所属的级别进行判定，其优劣排序的原则为：①级别不同的指标，级别越高，水质越差，级别越低，水质越好；②级别相同的指标，通过比较各指标的次高级别，次高级别越高，水质越差，次高级别越低，水质越好；以此类推。如果出现最后一个级别依然相同的情况，则再对第Ⅰ级的关联度大小进行比较，关联度越大，水质越好，关联度越小，水质越差，如果关联度大小相等，则再对第Ⅱ级进行比较，以此进行类推，直到最后分出水质优劣为止。

本研究所有数据的整理、统计与分析均采用Excel进行处理。

2 结果与分析

2.1 土地垦殖对面源污染物浓度变化的影响

2.1.1 土地垦殖对总氮浓度变化的影响本研究所选研究时间为2017年5-10月，每月上、中、下旬分别在A集水区和A+B集水区进行取样分析。①轻度垦殖状态。如图2所示，林地集水区总氮浓度的变化趋势比较剧烈，呈单峰型分布，全年出现过1次峰值，最大值为1.75 mg/L，出现在6月份；最小值为0.23 mg/L，出现在10月，变化幅度较小，极值差为1.52 mg/L。林地集水区的土地利用方式90 %以上为天然林地和次生林地，几乎不受土地垦殖活动的影响，不过6月份正值雨季，丰沛的降雨对集水区总氮浓度影响较大，故最大值出现在6月。②强度垦殖状态。混合集水区总氮浓度的变化趋势比较剧烈，呈单峰型分布，全年出现过1次峰值，峰值为11.59 mg/L，出现在6月份；最小值为1.26 mg/L，出现在10月，变化幅度较大，极值差为10.33 mg/L。混合集水区的土地利用方式70 %为坡耕地，6月份正值雨季，土地垦殖活动比较频繁，故最大值出现在6月，全年浓度变化比较剧烈。

综上所述，强度垦殖状态下的混合集水区的总氮极值差达到了轻度垦殖状态下的林地集水区的6.79倍，土地垦殖对总氮浓度的影响较大。

2.1.2 土地垦殖对铵态氮浓度变化的影响 ①轻度垦殖状态。如图3所示，林地集水区铵态氮浓度的变化趋势比较剧烈，呈单峰型分布，全年出现过1次峰值，峰值分别为1.04 mg/L，出现在7月份；最小值为0.09 mg/L，出现在9月，变化幅度较小，极值差为0.95 mg/L。7月份正值雨季且降雨比较集中，土地垦殖活动比较频繁，故最大值出现在7月。②强度垦殖状态。混合集水区铵态氮浓度的变化趋极其剧烈，呈多峰型分布，全年出现过2次拐点，分别为4.17 和4.41 mg/L，出现在6 和8月份；最小值为0.33 mg/L，出现在9月，变化幅度较大，极值差为4.08 mg/L。6月份正值雨季，降雨充沛，而8月份土地垦殖活动比较频繁，故最大值出现在6 月和8月。

综上所述，强度垦殖状态下的混合集水区的铵态氮极值差达到了轻度垦殖状态下的林地集水区的4.29倍，土地垦殖对总氮浓度的影响较大。

图2 不同集水区总氮浓度变化趋势Fig.2 Variation trend of total nitrogen concentration in different catchment areas

图3 不同集水区铵态氮浓度变化趋势Fig.3 Change trend of ammonium nitrogen concentration in different catchment areas

2.1.3 土地垦殖对总磷浓度变化的影响 ①轻度垦殖状态。如图4所示，林地集水区总磷浓度的变化趋势比较剧烈，呈单峰型分布，全年出现过1次峰值，峰值为0.21 mg/L，出现在6月份；最小值为0.05 mg/L，出现在7月和9月，变化幅度较小，极值差为0.16 mg/L。6月份正值雨季且降雨比较集中，土地垦殖活动比较频繁，故最大值出现在6月份。②强度垦殖状态。混合集水区总磷浓度的变化趋势比较剧烈，呈单峰型分布，全年出现过1次峰值，峰值为0.92 mg/L，出现在6月份；最小值为0.14 mg/L，出现在10月份，变化幅度相对较大，极值差为0.78 mg/L。6月份正值雨季，土地垦殖活动比较频繁，故最大值出现在6月份。

综上所述，强度垦殖状态下的混合集水区的总磷极值差达到了轻度垦殖状态下的林地集水区的4.88倍，土地垦殖对总氮浓度的影响较大。

2.1.4 土地垦殖对COD浓度变化的影响 ①轻度垦殖状态。如图5所示，林地集水区COD浓度的变化趋势相对剧烈，呈弧形分布，全年出现过1次峰值，为25.33 mg/L，出现在6月份；最小值为7.22 mg/L，出现在9月，变化幅度较大，极值差为18.11 mg/L。6月份正值雨季且降雨比较集中，土地垦殖活动比较频繁，故最大值出现在6月。②强度垦殖状态。混合集水区COD浓度的变化趋势比较剧烈，呈弧形分布，全年出现过1次峰值，峰值为52.56 mg/L，出现在7月份；最小值为9.22 mg/L，出现在9月，变化幅度相对较大，极值差为43.34 mg/L。7月份正值雨季且人为活动比较频繁，故最大值出现在7月。

图4 不同集水区总磷浓度变化趋势Fig.4 Variation trend of total phosphorus concentration in different catchment areas

综上所述，强度垦殖状态下的混合集水区的COD极值差达到了轻度垦殖状态下的林地集水区的2.39倍，土地垦殖对总氮浓度的影响较大。

2.2 土地垦殖对地表水水质特征的影响

2.2.1 确定评价因子和评价标准本研究的水质评价依据《地表水环境质量标准》(GB 3838-2002)中的地表水环境质量标准基本项目标准限值进行评价[16]。选取松华坝水源区上游迤者小流域中2个典型集水区作为研究对象。选取2017年小流域中比较典型的2个集水区断面的4项指标污染因子浓度实测值作为评价对象。

2.2.2 数据无量纲化处理根据式(2)，对集水区水体污染物的实测浓度值和地表水环境质量标准基本项目标准限值进行处理，得到参考数列X0(K)和比较数列Xi(K)，其中K=1，2，3……，i=Ⅰ～Ⅴ，具体数据见表5～6。

图5 不同集水区COD浓度变化趋势Fig.5 Variation trend of COD concentration in different watershed areas

2.2.3 评价等级的确定首先分别将A、A+B集水区与标准矩阵(表6)相关联，得到关联矩阵。根据式(3)对表5～6进行处理，可得出绝对差计算结果。从表7可以看出，林地集水区绝对差最大值和最小值分别为Δmax= 13.9616；Δmin= 0；混合集水区绝对差最大值和最小值分别为Δmax= 10.7782；Δmin= 0。

表5 集水区实测数据无量纲值Table 5 Dimensionless value of measured data of the catchment area

表6 水环境质量标准无量纲值Table 6 Dimensionless value of water environment quality standard

在传统的灰色关联分析中，计算关联系数时分辨系数(ρ)一般取0.5，ρ值越大，则分辨能力就越强，但ρ值的取值对评价结果整体趋势没有影响[17]。故取ρ值为0.5，得到关联系数矩阵(表8～9)。

由表8可以看出，γ1>γ2>γ5>γ4>γ3，这表明A集水区与地表水质量标准分级Ⅰ类水关联度最大；由表9可以看出，γ2>γ3>γ1>γ4>γ5，这表明A+B集水区与地表水质量标准分级Ⅱ类水关联度最大；由表10可得，林地集水区水质为Ⅰ类水；混合集水区水质为Ⅱ类水。

2.2.4 主要污染指标分析通过对A、A+B 2个集水区的实测数据进行分析，得出各评价指标的灰色关联度，计算结果见表11。

表7 集水区绝对差计算结果Table 7 Calculation results of the absolute difference of watershed section

表8 林地集水区关联系数矩阵Table 8 Correlation coefficient matrix of area section of forestland catchment area

表9 混合集水区关联系数矩阵Table 9 Correlation coefficient matrix of mixed set water area

表10 2017年松华坝水库水源区2个集水区关联系数及水质等级结果Table 10 Two cross-sectional correlation coefficients and water quality grade results of Songhua dam reservoir in 2017