基于“源-汇”景观的饮用水源地非点源污染风险遥感识别与评价

许 芬,周小成,*,孟庆岩,张 颖

1 福州大学卫星空间信息技术综合应用国家地方联合工程研究中心,空间数据挖掘与信息共享教育部重点实验室,数字中国研究院(福建),福州 350108 2 中国科学院遥感与数字地球研究所,北京 100101

作为供给居民生活用水的饮用水是人类最为重要的一种水资源[1],饮用水资源的保护及饮用水源地污染的防治尤其重要。饮用水水源污染主要分为点源、非点源(面源)两类,其中点源是指有固定排放点的污染,如工业废水和城市污水集中排放口；非点源是指没有固定排放点,污染物通过径流过程而汇入收纳水体的污染,如种植业污染等[2]。随着我国对点源污染的管理和控制,非点源污染因其防治困难,被认为是影响地表和地下饮用水源地安全的重要威胁[3],开展对饮用水源地非点源污染风险的研究成为当前的研究热点[4-5]。

目前非点源污染负荷估算和污染风险的评估多采用模型模拟的方法,如Wang等[6]基于ArcSWAT模型分析不同土地利用模式对非点源污染的影响控制；Yang等[7]将SWAT模型与新安江模型结合,对非点源污染的识别进行了尝试性研究。而模型模拟主要基于对非点源污染的过程进行模拟,对数据要求比较高,对于数据不完善的地区,结合遥感技术,利用景观生态学中“源-汇”理论分析景观空间格局对非点源污染的影响是实现非点源污染风险识别评价的有效途径。其中“源-汇”景观理论是基于“源-汇”景观类型在空间分布上的平衡情况来进行生态环境的研究[8],当前以景观生态学为基础进行非点源污染研究中,Wang等[9]基于最小累积阻力模型测算不同等级源的景观阻力面,分析三峡库区面源污染的源-汇景观分布风险格局。景观空间分布的格局与非点源污染大小存在显著的响应关系[10-11],但当前多聚焦于流域整体的污染风险评价,较少着眼于具体风险区域的识别；同时目前的研究在确定“源-汇”风险强弱差异时,更多的是凭借主观经验赋予影响权重来确定不同景观类型对生态过程的作用,较少结合具体区域的污染风险特性来识别影响非点源污染的风险区域。

本文以三亚市赤田水库饮用水源地为例,基于“源-汇”理论,利用遥感技术获取以子流域为研究单位的“源”、“汇”景观的分布,统计子流域“源汇”面积比重,结合不同类型“源汇”景观对主要污染源磷、氮的排污权重,对比每个子流域的“源”“汇”景观污染负荷风险,分析污染物在子流域空间的盈亏平衡状况,结合流域中景观单元养分流失与空间距离、所在坡面的坡度大小的关系,计算非点源污染风险指数,实现饮用水源地非点源风险区域的识别；再基于洛伦兹曲线,通过 “源-汇”景观类型在不同坡度、距水源地不同距离的分布分析景观布局对非点源污染的影响,实现水源地非点源污染分析的评价,为水源地管理、规划提供依据。

1 研究区概况与数据来源

1.1 研究区概况

图1 研究区区位示意图Fig.1 Location of the study area

赤田水库位于海南省三亚市东北部藤桥西河的下游区域,介于18°24′N—18°26′N,109°38′E—109°44′E之间(图1),属热带海洋性季风性气候,地形总体西高东低；控制流域面积220.6 km2,总库容771万m3,每年的实际供水量占三亚供水总量的60%,是三亚市重要的城市集中式饮用水水源地；随着经济的发展,一方面水源地供水压力不断增加,另一方面土地的开发利用加重水源地污染风险,实现非点源污染风险识别对于污染的防治非常重要；同时由于赤田水库横跨三亚市海棠区和三道镇,属跨市县水源地,管理复杂,识别水源地风险区域对于明确管理职责、实现“谁污染,谁治理”具有重要意义。

1.2 数据来源与处理

本研究主要采用由中国资源卫星应用中心(http://www.cresda.com/CN/)提供的高分一号PMS传感器数据,包括4个多光谱波段与1个全色波段,其中多光谱波段空间分辨率为8 m,全色波段空间分辨率为2 m；美国地质调查局(http://glovis.usgs.gov/)提供的空间分辨率为30 m的DEM数据；以及海南省水系分布矢量数据。

饮用水源地非点源污染风险识别首先需要确定风险识别范围,根据饮用水污染中污染在水里,而源头在陆地这一特点,确定以饮用水源地流域为研究范围进行污染风险的识别。因此基于DEM数据与海南省水系分布数据,利用Arcgis中水文分析工具提取流向、河流汇集个数、汇流点等信息,以此为输入信息确定水源地流域范围,输出结果矢量作为研究区范围。

图2 研究区高分1号标准假彩色合成影像Fig.2 Standard false color composite image of GaoFen1 in the study area

其次为保证遥感影像数据质量和分类效果,利用ENVI软件对遥感影像进行预处理。首先对GF-1影像进行正射校正,其次,利用ENVI中的FLAASH模块进行大气校正,再次,采用NNDiffuse Pan Sharpening方法对GF-1影像中全色波段与多光谱波段进行融合,获得空间分辨率为2 m的多光谱影像(图2)。

2 研究方法

本文基于非点源污染特点和研究区地物类型建立遥感分类体系,基于随机森林算法对赤田水库水源地进行饮用水源地遥感监测,结合“源-汇”景观理论中源汇景观类型对污染物分别产生促进阻碍作用和不同景观类型污染能力的不同,为各地类赋予不同的污染权重,再以子流域单元为对象分析各子流域的“源-汇”负荷对比,分析“源”“汇”景观格局对污染风险的作用；进一步考虑坡度、距河道远近等污染迁移因子对污染风险大小的影响,通过污染风险指数计算各子流域单元的污染风险,识别水源地风险区域,并基于洛伦兹曲线评价不同景观类型的空间布局对污染风险的影响,最终实现水源地非点源污染风险的识别与评价。具体技术流程如图3所示。

图3 技术流程图Fig.3 Technique flow chart

2.1 非点源污染风险地类遥感监测分类

非点源污染风险的识别首先需要建立饮用水源地遥感监测分类体系,参照土地利用分类标准(GB/T 21010—2017),并根据研究区流域非点源污染特点和遥感可识别范围,将流域内景观类型分为耕地、园地、居住用地、建设用地、水产养殖、有林地、草地、水体、未利用地；采用Breiman[12]提出的随机森林算法进行赤田水库流域范围内的遥感景观分类。随机森林算法属于机器学习的一种,由多个能进行分类的决策树共同形成“森林”,每个决策树之间无关联,对于输入的训练样本由各个决策树分别对其进行分类,在整个“森林”中,样本最终分为归属类别多的那一类。

根据下列算法建造决策树：

(1)用N来表示训练样本的个数,M表示特征数目；

(2)输入特征的数目m,以此确定决策树中各个节点的决策结果；其中M为特征总数量,因此m数量小于M；

(3)以有放回抽样的方式从N个训练样本中取样n次,构成一个用于训练的集合(bootstrap取样),对于剩下未抽到的样本用来预测,进行误差的评估;

(4)对于每个节点,随机选择m个特征,决策树上每个节点的决定都基于这些特征确定,并根据这m个特征,计算其最佳的分类方式。

基于随机森林的遥感景观分类首先需要根据各地类在遥感影像中表现出来的特征进行样本选择,形成训练样本集；分析样本的光谱、形状、纹理等特征,根据互信息最大化特征选择算法[13]对特征进行优化,从众多的特征中选择出最佳特征子集,将优选出的特征用于随机森林中各个决策树的构建,以多数决策树分类结果作为最终分类结果,完成不同地类的区分；最后通过验证点的分类结果与实际分类类型构建混淆矩阵,验证遥感分类精度。

2.2 非点源污染风险识别

2.2.1“源-汇”污染负荷对比指数

“源-汇”污染负荷对比指数(Location-weighted Landscape Contrast Index,LCI)是以一定范围的景观单元为研究对象,计算该单元“源”景观所产生的污染负荷风险与“汇”景观所能削弱的污染负荷风险进行对比,旨在考虑景观间相互作用的前提下,分析一定范围自然地理空间的污染风险,实现污染风险区域的识别。如蒋孟珍[14]提出网格景观空间负荷对比,将区域划分为大小一致的网格,对比每个网格单元中“源”“汇”对非点源污染的贡献,识别出“污染贡献”大于“污染截留”区域为风险区。

但是,风险区域识别中单纯以行政区或几何网格为研究单元,划分形式和大小的差异会影响风险识别结果,造成结果的不确定性；同时以行政区或几何网格为研究单元割裂了原有自然地理联系,忽略了区域地理空间单元的异质性和区域生态效应。因此,本文以自然景观格局为依据,基于研究区域地形、河流交汇点、流向等自然地理要素划定子流域空间单元；根据景观生态学中“源-汇”理论,将遥感分类结果中对污染起推动作用的类型归为“源”,如耕地、园地等；将遥感分类结果中对污染起截留、阻碍作用的类型归为“汇”,如草地、有林地等,通过 “源-汇”污染负荷对比指数比较子流域“源”“汇”作用的大小,子流域单元中“源”景观作用大于“汇”景观则区域为风险区。“源-汇”污染负荷对比指数的计算公式如下[14]：

(1)

(2)

LCINP=LCIN+LCIP

(3)

式中,LCIN、LCIP、LCINP分别为总氮、总磷、氮磷总体的污染负荷；i为“源”景观的种类数,WiN、Wip分别为“源i”排放总氮、总磷的权重,Si为“源i”景观类型在单位子流域所占的面积比例；j为“汇”景观的种类数,WjN、WjP分别为“源j”排放总氮、总磷的权重系数,Sj为“源j”景观类型在单位子流域所占的面积比例。

其中景观类型的面积比例是基于遥感分类结果统计得到,不同景观类型的污染权重则根据不同景观类型对污染作用大小的差异确定。不同景观类型污染物输出权重对于风险的识别评价尤其重要,本文基于全国污染源普查手册[15-16]、统计年鉴[17]等资料,采用输出系数法[18]计算相关景观类型的输出权重,对难确定权重的类型则以相同或相似研究区的相关文献为依据,通过直接或间接的方式确定。其中耕地污染输出权重是以农业污染源普查手册中“地表径流-南方湿润平原区-平地-水田-双季稻”区域的标准农田流失系数作为依据,总氮流失量为13.99 kg hm-2a-1,总磷流失量为1.15 kg hm-2a-1；其中标准农田的总施氮量为360.88 kg/hm2、总施磷量为109.19 kg/hm2；结合统计年鉴中区域实际的总氮施肥量837.11 kg/hm2、总磷施肥量531.71 kg hm-2a-1,确定氮磷施肥修正系数分别为2.32、4.77；标准农田降水量在1000—1200 mm之间,三亚市2016年年降水量为1716.3 mm,确定降水修正系数为1.5,计算得到研究区耕地总氮(TN)、总磷(TP)流失量如下：

TN=13.99 kg hm-2a-1×2.32×1.5= 48.68 kg hm-2a-1;

TP=1.15 kg hm-2a-1×4.87×1.5=8.40 kg hm-2a-1。

农业污染源普查手册中监测类型为地表径流、地形为缓坡区、土地利用方式为旱地、种植模式为园地的标准农田总氮流失量19.95 kg hm-2a-1；总磷流失量1.60 kg hm-2a-1,其中标准农田中氮磷施肥量分别为418.33 kg/hm2、193.34 kg/hm2,结合三亚统计年鉴中氮磷的实际年施用量837.11kg hm-2a-1、520.02 kg hm-2a-1,得到修正分别为2.0、2.6。计算出园地氮磷排污量如下：

TN=19.95 kg hm-2a-1×2.0=39.90 kg hm-2a-1；

TP=1.60 kg hm-2a-1×2.6=4.16 kg hm-2a-1。

根据城镇生活源排污手册中三亚市生活源污水污染物人均产生系数总氮为10.07 g 人-1d-1,总磷为0.81 g 人-1d-1,根据三亚市2016统计年鉴中常住人口为19.17万人,居民点建设面积4732 hm,计算出居住用地氮磷排污量如下：

TN=(0.01007 kg/人×191700人×365)/ 4732 hm a=148.90 kg hm-2a-1;

TP=(0.00081 kg/人×191700人×365)/4732 hm a=11.98 kg hm-2a-1。

根据水产养殖业污染源产排污系数手册中的我国南部区域淡水网箱养殖产氮33.917 g/kg,产磷7.688g/kg,结合三亚统计年鉴中水产养殖产量2758000 kg a-1与所占面积695hm,计算水产养殖的氮磷排污量如下：

TN=(33.917 g/kg×0.001×2758000 kg a-1) / 695 hm= 134.59 kg hm-2a-1；

TP= (7.688 g/kg×0.001×2758000 kg a-1) / 695 hm= 30.51 kg hm-2a-1。

城镇生活源产排污系数手册中海南省建设用地标准产排污系数总氮为7.65 g/d,总磷为0.725 g/d,计算得到研究区建设用地氮磷排污量分别为35.74 kg hm-2a-1、3.15 kg hm-2a-1。

詹书侠等[19]对中亚热带典型丘陵红壤区中的土壤氮磷截留研究得到不同类型林地氮磷截留分别在0.15—1.43 g kg-1d-1、0.19—0.54 g kg-1d-1之间,而赤田水库流域林地以热带丘陵红壤区常绿阔叶林为主,需要对截留值进行修正,结合海南省不同森林氮储量[20]确定修正系数分别为12.0、3.0,得到有林地平均氮吸收能力为94.95 kg hm-2a-1,磷吸收量为7.80 kg hm-2a-1。草地对氮的吸收量为林地的80%,对磷的吸收能力为林地的85%[21],因此研究区草地的氮磷吸收量分别为75.90 kg hm-2a-1、6.63 kg hm-2a-1。

不同河流对氮、磷的净化功能与温度、水位、面积等有关[22],同时不同区域的河流状态差异大,难以用统一的标准衡量污染去除量,因此通过河流与标准农田中耕地对氮磷排放的相对关系[23]确定水体对氮、磷吸收权重分别为0.01、0.03。

最终得到不同景观类型对主要污染物氮、磷的污染排放权重,如表1。

表1 景观类型污染输出权重

第i种景观类型的权重=第i种景观类型N、P标准排放(吸收)量/景观类型中最大N、P标准排放(吸收)量； N、P标准排放(吸收)量最大的景观类型权重为1

2.2.2非点源污染风险指数

“源-汇”景观空间污染负荷对比指数反映空间的产污、截污能力,而污染物从景观单元迁移到水源地产生污染风险还与地形、距河网距离、土壤、降水等因素有关。地形因素主要表现为坡度大小对污染迁移的影响,单位子流域景观所处的坡度越大越容易造成污染迁移,污染风险越大[24],本文以子流域为单元利用ArcGIS中的分析工具,通过填洼、坡度分析等工具提取DEM数据中的坡度信息,再建立与最大坡度的比值得到影响污染物迁移的坡度因子,值越大对风险贡献越大,反之对污染贡献越小。河道距离因素则以子流域污染迁移到河网的成本距离表示,基于ArcGIS中成本距离工具计算经过任何指定像元(水源地到“源”“汇”空间)所需的成本,成本越高越难以迁移,对污染影响越小,对风险的贡献越小。根据海南省土壤类型分布数据(http://westdc.westgis.ac.cn/),研究区以砖红壤为主,土壤类型较单一；同时由于研究区面积较小,降水差异小,区域内土壤和降水条件相似,因此不考虑土壤差异及降水因素对污染迁移的影响。

结合景观空间“源-汇”污染负荷风险指数计算出的各个子流域的产污风险大小,将地形因子、距河道距离因子纳入非点源污染风险指数的计算,基于非点源污染风险评价指数,评价各子流域单元的非点源污染风险,公式如下：

(4)

式中,LCImNP为子流域m的氮磷总体污染负荷,Slopem为子流域m的坡度,Distancem为子流域m的河道成本距离；NPPRIm表示第m个子流域的非点源污染风险指数,非点源污染风险指数的大小代表污染风险的高低,以此来划分高污染风险区和低污染风险区。

2.3 非点源污染风险评价

图4 “源”“汇”景观空间分布示意图Fig.4 Scheme figure of spatial distribution of “source” and “sink” landscape in Cachment ODB与OFB分别表示不同类型的面积累积曲线,OEB为平均分布曲线,表示“源”“汇”景观在流域中均匀分布

非点源污染研究中常基于“源-汇”理论分析“源”“汇”景观的空间分布格局及其与水源地非点源污染的关系,一般基于景观单元相对于流域出口(监测点)的坡度、距离、相对高度进行衡量,“源”景观距出口越近、所处坡度越大、相对高度越小则对污染贡献越大,反之贡献小,“汇”景观与之相反。本文基于对整个区域的遥感分类结果及景观空间要素中坡度、相对距离在区域中的分布,结合洛伦兹曲线分析整体范围内“源”、“汇”类型距污染出口远近、所处坡度大小情况,探讨水源地整体区域的“源-汇”空间布局对非点源污染风险的影响。

“源”“汇”景观空间分布通过洛伦兹曲线表示,如图4,横轴OA表示景观类型与流域出口的距离、景观类型的坡度,纵轴OC表示景观类型占区域面积比例的累积。假设位于平均分布曲线OEB上方的曲线ODB表示在距离要素下的“源”类型,说明“源”景观在距离源地近的距离范围所占比例大,对污染影响大；假设处于平均分布曲线OEB下方的曲线OFB并表示在距离要素下的“汇”景观,则说明“汇”大多处在距离源地较远的区域,对源地污染的消解作用小；曲线ODB与线OA、AB构成的面OABD和曲线OFB与线OA、AB构成面 OABF之比表示“源”“汇”景观空间分布的对比,当比值大于1说明“源”的贡献大于“汇”,区域污染风险大。

本文在进行洛伦兹曲线计算中,距离景观要素为景观类型距离水源地的距离,选用的坡度要素是基于高程数据得到的景观单元的坡度值,并将值都归一化到[0,1]之间。遥感分类结果中的景观类型与距离、坡度因子叠加,统计“源-汇”景观类型在不同距离和坡度范围的面积比例并累加得到距离、坡度要素的源汇曲线,并对比“源”“汇”面积累积曲线组成不规则三角形的面积,在距离要素中,当“源”“汇”面积累积比值大于1,即“源”景观累积面积大于“汇”景观累积面积,说明“源”分布在距河道较近区域,产生污染风险大,反之风险小；在坡度要素中,当比值大于1则说明“源”分布在坡度较低的区域,“汇”分布在坡度高的区域,难发生养分流失,污染影响小,反之影响大。

图5 “源-汇”景观遥感分类结果图Fig.5 Remote sensing classification results of “source-sink” landscape

3 结果与讨论

3.1 “源-汇”景观的遥感分类结果

在研究区范围内根据“源-汇”遥感分类体系选取训练样本,进行特征分析与优化,选取光谱特征中的各波段平均值、标准差、亮度,形状特征中面积、形状指数、长宽比,纹理特征中差异性、对比度、信息熵、同质性等特征参与随机森林分类,经实验设置随机森林算法中决策树个数参数为80,决策树深度为16,利用eCognition软件中随机森林算法进行分类,结果如图5。根据分类结果与随机验证样本点构建混淆矩阵如表2,其中Kappa系数达到87.07%,分类结果精度较高。“汇”景观中林地分布最广,占流域的71.38%,且主要分布于流域西部；“源”景观中耕地面积占总面积的4.50%,居民用地占4.16%,建设用地分别占总面积的3.10%,总体而言“汇”景观分布广于“源”景观。

表2 遥感分类结果混淆矩阵

图6 “源-汇”污染负荷分布Fig.6 “Source-sink” pollution load distribution

3.2 非点源污染风险识别结果

3.2.1“源-汇”污染负荷识别

根据流域地形与河网数据,结合遥感影像的可识别空间范围以1 km2范围为集水区,划分子流域作为风险识别单元,统计遥感分类结果中各个子流域中“源”“汇”景观类型占该子流域的面积比例,利用不同地物类型排放氮、磷污染的输出系数计算污染负荷,再结合“源-汇”污染负荷对比指数(LCI)识别区域中非点源污染风险具体区域分布情况,得到非点源污染“源-汇”负荷分布图(图6)。LCI值在[-0.30,0.38]之间,其中“源”景观占主导作用即LCI大于0的子流域占整个区域的23.49%,“汇”景观占主导作用即LCI小于0的子流域占整个区域的76.50%。结果表明,流域非点源污染风险总体较低,以“汇”作用主导的子流域占流域的大部分；高污染负荷区域主要分布在东南部,西部污染负荷低,结果与“源-汇”景观分类结果密切相关,西部以林地等“汇”景观占主导,呈现出污染吸收能力强污染负荷低的情况；而东南部以建设用地、耕地等“源”景观分布居多,污染量大而截留削减能力弱,污染负荷高。

将“源-汇”污染负荷结果由低到高划分为5个等级(表3),其中“源-汇”污染负荷中“汇”作用最大的污染负荷等级最低,LCI范围在(-0.30,-0.17)之间,占流域面积的7.85%,主要是分布在西北部以林地类型为主的“汇”景观主导区域,对污染具有较强的截留作用；“汇”作用较大的污染负荷等级低,LCI范围在(-0.17,-0.04)之间,占流域面积的50.10%,在所有等级中所占比例最大,主要分布在西部大部分区域；“源-汇”污染负荷较平衡的LCI范围接近0,在(-0.04,0.04)之间面积占比27.63%,主要分布于居住用地、耕地等“源”景观及林地等“汇”景观相间分布的北部区域；“源”作用高于“汇”作用,LCI范围在(0.04,0.17)之间的面积占比9.77%；LCI范围在(0.17,0.38)之间的面积占比4.65%,主要分布于东南部,以建设用地、居住用地等“源”景观主导的区域,污染负荷风险高。

表3 不同“源-汇”污染负荷等级面积对比

3.2.2水源地非点源污染风险指数

“源-汇”空间污染负荷指数一定程度上体现子流域的污染风险,而“河道距离”因子、坡度因子等污染迁移因子则表示非点源污染迁移风险(图7、图8),结合污染风险与迁移风险计算非点源风险指数(NPPRI),利用ArcGIS中栅格计算工具叠合“源-汇”污染负荷对比指数、“河道距离”因子、坡度因子得到非点源污染风险识别结果(图9)。

在Arcgis中按自然断点法将研究区范围中风险值分为由低到高的5类,其中极低风险区占整个区域面积的40.26%,低风险区占39.71%,中等风险区占13.82%、高风险区占4.93%,极高风险区占1.28%,整体而言非点源污染风险较小,呈现出东高西低的特点。非点源污染高风险区主要位于流域东南部,景观格局以“源”作用为主,同时距河道较近,产污风险与迁移风险都较高,形成高风险区；流域西部整体风险偏低,但在西南部存在两个风险高值区主要受坡度及“源”景观作用；赤田水库西北临近区域存在风险高值,该区域产污风险和周围区域差异不大,但由于其距水源地近、坡度高,极易产生风险迁移,因此非点源污染风险大。

图7 “河道距离”风险因子Fig.7 The risk factor of “distance from the river”

图8 坡度风险因子Fig.8 The risk factor of slope

图9 非点源污染风险识别图Fig.9 Non-point source pollution risk identification chart

3.3 “源-汇”空间分布及水源地非点源污染风险评价

结合“源”“汇”景观的遥感分类结果与影响污染迁移的坡度、河道距离要素,基于洛伦兹曲线结果分析“源-汇”景观分布格局,实现流域非点源污染风险评价。河道距离要素中“源-汇”景观集中分布在河道距离(主要是赤田水库水域范围)因子的0—0.5范围(图10),“源”景观类型中水产养殖在距水库较远区域的分布比重较大,对非点源污染的影响较小,然而“源”景观类型中耕地布局在靠近水库区域的面积比重大,易于产生污染风险；坡度要素中“源-汇”景观分布集中于低坡度因子范围(图11),其中林地分布在坡度较高的地区,此种布局有利于防治非点源污染。

根据不同景观类型在距离、坡度要素中的洛伦兹曲线,计算“源”“汇”类型的洛伦兹曲线构成的累积面积(表 4)并对比“源”“汇”面积,在河道距离要素中累积面积最大的为耕地,其次分别是林地、草地,同时“源”与“汇”累计面积之比的值大于1,说明“源”景观分布在距水库较近的区域,污染风险较大；在坡度要素中,累积面积最大的为建设用地,其次为耕地、草地,最小的类型为林地,“源”与“汇”累计面积之比的值大于1,说明“源”景观分布在坡度较小的区域,污染发生的风险性较低。赤田水库流域中景观类型在坡度因素中的分布格局利于污染的截留,保证了易发生污染迁移的区域为“汇”景观；而在距离因素中的分布则容易促成污染,耕地等“源”景观距水源地过近,缺少“汇”景观在水源地附近对污染起截留作用。

4 结论与展望

本文基于遥感技术对赤田水库水源地进行“源-汇”景观分类,结合污染负荷对比指数计算每个子流域非点源氮磷污染的污染负荷,在综合考虑距河道远近、坡度因子对污染迁移的影响下,计算非点源污染风险指数识别出流域中非点源污染风险区,并基于洛伦兹曲线对水源地景观分布情况进行风险评价。研究结论如下：

图10 河道距离因子的洛伦兹曲线Fig.10 Lorenz curves of the factor of “distance from river”

图11 坡度因子的洛伦兹曲线Fig.11 Lorenz curves of the factor of slope gradient

表4 主要“源”“汇”景观洛伦兹曲线的面积对比

(1)基于“源-汇”遥感分类结果,结合污染负荷对比指数、坡度、河道距离因子计算非点源污染风险因子能快速有效识别出非点源风险,同时分布区域景观分布格局对非点源污染的影响,能为饮用水源地规划管理提供有效依据。

(2)赤田水库各子流域单元中“源”景观占主导作用即LCI大于0的子流域占整个区域的23.49%,“汇”景观占主导作用的子流域占整个区域的76.50%,少部分子流域呈现“源”“汇”作用平衡的情况,流域非点源污染风险总体较小。

(3)基于非点源污染风险指数识别出赤田水库水源地非点源污染风险呈现东高西低的特点,极高风险区主要分布于流域范围的东南部地区,占整体区域面积的1.28%,景观格局以居住用地、建设用地等“源”景观类型为主,同时距河道较近易于迁移形成非点源污染；低风险区主要位于西北部,以林地景观为主,非点源污染少、截留作用强。

(4)赤田水库在坡度要素中“源”“汇”景观分布较合理,坡度高易产生污染的区域为“汇”景观分布,能有效防止污染；而在距河道距离要素中,“源”“汇”景观分布存在“源”距离水源地过近,对污染贡献大的现象,尤其是耕地分布距水源地较近,在距离水源地近的区域应多布局“汇”景观,达到污染截留作用,从而降低污染风险。

本文以小范围子流域为研究单元进行非点源风险遥感评价,子流域单元内降雨、土壤因子相对统一,因此未考虑此类因素的影响,但对于大范围研究区域,不同流域间降水、土壤等因子也会影响非点源污染分布,后续研究需进一步考虑这些因素对非点源污染风险的影响。