河南省人类活动净磷输入的时空变化与影响参数

马 华,雷秋良*,杜新忠,闫铁柱,裴 玮,张天鹏,李 影,罗加法,周脚根,刘宏斌

河南省人类活动净磷输入的时空变化与影响参数

马 华1,雷秋良1*,杜新忠1,闫铁柱1,裴 玮1,张天鹏1,李 影2,3,罗加法4,周脚根5,刘宏斌1

(1.中国农业科学院农业资源与农业区划研究所,农业农村部面源污染控制重点实验室,北京 100081；2.中国科学院地理科学与资源研究所,资源与环境信息系统国家重点实验室,北京 100101；3.中国科学院大学,北京 100049；4.新西兰皇家农业科学院,汉密尔顿 3240；5.淮阴师范学院,江苏 淮阴 223300)

为探究河南省人类活动净磷输入状况,基于河南省18个省辖市(县辖市)行政单元统计数据,利用人类活动净磷输入量(NAPI)模型,核算河南省1990、1995、2000、2005、2010、2015和2019年人类活动净磷输入量.结果表明:在时间尺度上,1990～2015年河南省NAPI整体呈升高趋势,2015～2019年略有下降,但一直高于全国平均水平,其年均增长率为2.86%;在空间尺度上,东部高于西部,并呈放射状向北、西、南逐渐减少,影响河南省NAPI的地市主要是周口市、许昌市、商丘市、濮阳市和漯河市,占河南省NAPI的47.05%;从NAPI结构上看,化肥施用量是河南省NAPI主要贡献因子,年均贡献率在85.78%,与NAPI呈高度相关性(2>0.8),次要贡献因子为食品/饲料,其年均贡献率在10.63%,非食品磷的年均贡献率是2.56%;NAPI估算模型中各组分受参数影响最大的是食品/饲料组分,其受参数影响的变化范围为-23.48%～66.81%,其次是化肥组分,其受参数影响的变化范围为-1.76%～3.52%;在NAPI模型中占比越高的组分其参数敏感性越强,fer组分中所含参数的敏感性指数均高于im和nf.

人类活动净磷输入量(NAPI)；时空变化趋势；流动人口；河南省；参数不确定性

随着人类活动逐渐成为全球环境变化的主要驱动力,全球人为磷输入也呈现迅速增长趋势[1-4].研究者提出了人类活动净磷输入(net anthropogenic phosphorus input, NAPI)的估算方法[5-7],并在美国切斯比克海湾流域进行了应用,识别了陆域人类活动磷输入的来源,证实了河流磷通量与人类活动输入量呈正相关关系,为流域磷污染的控制提供了一种新方法,随后该方法被应用于密歇根湖流域、加州中央谷地流域、伊利湖流域、波罗的海流域等[6-13]区域的磷输入研究.NAPI模型在我国鄱阳湖流域、淮河流域、洱海流域等[14-17]区域也进行了运用,从多个方面论证了人类活动与NAPI的相关性,及人类净磷输入的相关影响因素.

目前,利用NAPI模型估算人为净磷输入量以及评估环境风险的研究主要集中在流域尺度,不能被管理环境的各级行政主体直接采纳,从而影响环境管理政策的制定和实施.在采用NAPI模型进行评估的多数研究中,各输入组分在计算时存在较大的不确定性,原始数据基本来自于统计年鉴,可靠性较强,但参数取值则直接来自于研究者对于已有文献的总结,受研究者主观性影响较大,若在估算某一地区时,相同指标用不同参数计算必然导致结果出现偏差,如对于我国NAPI最低地区西藏的研究数据中,程鹏等[18]估算西藏地区NAPI均值为73.03kg/(km2∙a),Han等[12]估算西藏地区NAPI均值为17kg/ (km2∙a),由于参数的不确定性导致对磷素估算结果产生较大误差.

我国NAPI空间分布的主要影响因素是耕地面积占比和人口密度[19-21].河南省是我国的农业和人口大省,NAPI一直处于较高水平,并在2015年达到最大值.第七次全国人口普查数据显示,河南省省内流动人口增长167.64%,人口向河南省省内经济发达城市进一步聚集.本文以河南省为研究对象,收集河南省1990～2019年统计数据并查阅相关统计年鉴及资料获取相关参数,探讨了不同参数对于NAPI的各个输入组分的影响,在考虑河南省逐年省内人口流变化特征的情况下与NAPI估算结果进行比较.

1 材料与方法

1.1 研究区概况

河南省(31°23'N～36°22'N,110°21'E～116°39'E),是我国农业大省,总面积16.7万km2,人口9402万.河南省处黄河中下游,地势西高东低,平原山区面积各占一半.大部分地处暖温带,南部跨亚热带,属北亚热带向暖温带过渡的大陆性季风气候[22].河南省耕地主要有3种类型:旱地、水浇地和水田,三者占耕地面积的比重分别为34.6%、56.1%、9.3%[23].河南省第二次全国污染源普查公告显示,河南省种植业、畜禽养殖业和水产养殖业总磷排放量分别为0.36万t、0.99万t和49.25t,总氮排放量分别为4.63万t、4.52万t和0.21万t,分别占各类污染物总排放量的20%、55%、0.27%和26.6%、25.9%、1.2%[24],同时河南省磷肥消耗总量在2015年以前呈逐年上升的趋势,磷肥施用量的逐渐增加,土壤全磷含量总体水平也在不断上升,超过了作物生长的需求并且普遍出现盈余现象,也会加大土壤磷素向水体流失的风险,对流域水环境质量构成严重威胁[25-26],河南省非点源污染日益严重.

1.2 数据来源

表1 人类食品含磷量

注:适宜参数为本地参数或目前使用最频繁的参数,参数范围括号内数字为查阅文献的样本数量,以下含义相同.

表2 单位畜禽生长周期内的磷素摄入及排泄水平和畜禽产品食用部分比例

本研究使用的数据包括:城镇居民和农村居民人均磷素摄入量,分别为973.2,981mg/d[27]、河南省各地级市1990～2019年人口数量、主要畜禽养殖量、主要农产品产量、磷肥施用量、人类食品磷含量(表1)[28]、畜禽磷素摄入(表2)[14,29-30]、畜禽磷素排泄范围(表2)[31-32]、畜禽可食用部分比例(表2)[33],另外还包括了河南省省内人口流动变化.

1.3 NAPI估算方法及参数范围的确定

根据NAPI计算方法[5-7],核算各地级市人类活动净磷输入量,NAPI主要由3部分组成:

式中:im为食品/饲料磷输入量,用区域人类及畜禽磷素摄入量与磷素产量的差值来表示,kg/(km2×a);fer为磷肥施用量,包含统计年鉴中化肥磷的折纯量,有机肥作为内部循环不参与净人为磷输入的计算, kg/(km2×a);nf为非食物磷的输入,主要是指人类日常生活中使用的含磷洗涤剂,kg/(km2×a).

1.3.1im的计算方法

式中:hc表示居民食物磷消费量,kg/(人·a),由区域人口数量和人均磷素摄入水平来确定;lc表示畜禽的饲料磷消费量,kg/(头·a),由区域内畜禽的养殖种类和数量及其磷素摄入水平来计算;lp表示畜禽产品磷含量,kg/(头·a),由畜禽的数量、磷素需求以及磷素排泄水平确定;cp表示作物磷生产量,kg/(km2·a),根据作物产量和含磷量来确定.其中,hc从相应统计资料中计算当年城镇和农村人口人均消耗的食品量,与食品的含磷量(表1)相乘加和得出人口年均磷素消费量.

式中:Pop1为区域城镇人口数量,人;Pop2为区域农村人口数量,人.

式中:AN表示为区域畜禽养殖数量,头或只;API表示磷素摄入水平,kg/(h·a);表示区域养殖的畜禽养殖种类数量;表示畜禽种类.

式中:APO表示为畜禽磷素排泄水平,kg/(头·a);edi为畜禽可食用部分比例.

式中:表示区域作物种类的数量;表示作物种类;CP表示作物产量,kg; PC表示作物含磷量,%.

1.3.2fer的计算方法 包括磷肥和复合肥中的磷含量下,有机肥作为内部循环,不参与人类活动净磷输入计算.我国复合肥主要养分含量比是N:P2O5: K2O=15:15:15,即15%.随着农民需求的增加和工艺的提高,近年来复合肥氮磷钾养分含量比甚至达到17%[34].考虑参数影响,其计算如下:

式中:PF为化肥磷的折纯量, kg/(km2×a);CF为复合肥量, kg/(km2×a).

1.3.3nf的计算方法 非食品磷主要来源于人们日常生活中的洗涤剂.在我国,污水排放量为每人150L/d[35].研究表明,中国大陆家庭污水总磷浓度为21mg/L[36],一年有365d,所以生活污水排放的磷是每人每年1.15kg.由于人类排泄物中排出的磷为每人每年0.52kg,其余的磷即非食品磷为每人每年0.63kg.

表3 1990～2019年NAPI各输入组分参数变化范围与适宜参数下的估算结果

1.3.4 参数影响研究 将人类食品含磷量、畜禽磷素摄入量、磷素排泄量以及化肥含磷量的参数变化范围作为影响估算结果的因素之一,将参数变化范围代入NAPI计算模型中,得到NAPI估算结果的变化范围,以适宜参数作为参照,确定参数的变化范围对于NAPI估算模型的影响程度.

1.3.5 参数敏感性研究 本研究采用文献[37]中的敏感性指数法探究NAPI模型中的敏感参数,输出变量(NAPI)对输入参数的依赖性可以表示为

表4 敏感性指数类别

2 结果与分析

2.1 人类活动净磷输入的时间分布

由图1可知,1990～2019年,河南省NAPI整体呈上升趋势.1990～1995年增长迅速,年均增长率为8.93%;1995～2015年增长平稳,年均增长率为1.99%, 2015年NAPI达到最高值9623.56kg/(km2·a),随后下降.1990～2019年年均增长率为2.86%.如图2所示,磷肥的施用是河南省最主要的磷素输入源.农业农村部在2014年发布限制10种磷肥的销售和使用,河南省响应国家政策,限制使用和销售禁用名单磷肥,使得在河南省磷肥的施用量2015年达到高峰.1990～2015年河南省磷肥施用量呈递增趋势,在2015年达到峰值,与河南省NAPI的变化趋势一致.由此可知,磷肥输入量是NAPI的重要贡献因子.食品/饲料磷输入量整体呈缓慢下降趋势.随着粮食的增产增收,河南省粮食出口量也增大,使得im值出现负增长,其对NAPI的贡献率也随之下降;非食品磷输入量占比较小,稳定在1.3%～2.4%之间,表明随着人们生活水平提高后,人们对于生活环境的要求逐渐提高,为了减少人类活动对于环境的影响,含磷洗涤剂的使用量也逐渐减少.

图1 1990～2019河南省NAPI及其组分的年际变化

图2 1990～2019河南省NAPI构成组分占比年际变化

图3 输入项与NAPI在不同参数下的3次计算结果

2.2 人类活动净磷输入的空间分布

如图4所示,随着年份的增加,河南省人类净磷输入总量逐渐增加,整体以东部最高,并呈放射状向北、西、南方向逐渐减少.河南省地势西部多为山地丘陵,北、西、南三面由太行山、伏牛山、桐柏山、大别山沿省界呈半环形分布,中、东部为黄淮海冲积平原,河南省NAPI与的分布特点具有很强的地域特点,高值主要分布在中部和东部的平原地区,西部与南北山地丘陵地区NAPI值较低.其中周口市人类活动净磷输入量逐年增加,周口市在1990年、2000年和2010年NAPI值分别为4870,13262,13639kg/ (km2·a),但随着河南省省内人口流动率的增长,周口市2010年省内常住人口数量位列第2,2019年下降至第3,其人类活动净磷输入量也呈现出下降的趋势.1990年～2019年,三门峡、洛阳和焦作NAPI变化较小,年均增长率分别为1.35%、1.87%和1.68%;商丘、南阳和许昌在1990～2019年NAPI为河南省省内前3,年均增长率分别为8.90%、7.51%和7.33%.随着城市化的发展,郑州市近年来由生产型城市向服务消费型城市转型,第三产业已超过第一、第二产业之和,耕地面积总体上呈逐渐递减趋势,产业结构的转变使得NAPI逐渐下降.为了响应国家生态环境治理的号召,河南省出台一系列“减肥增效”政策,减少化肥的施用量,提升肥料利用率、降低农业面源污染,河南省NAPI也随之降低.南阳市相较于2015年流动人口比重在2019年占河南省省内人口流动的比重有所下降,流动人口的减少表明河南省的城乡结构得到了优化,大多数人不用进城也可以谋生,从而减缓了河南省城市化的进程.

图4 1990～2019 年河南省县级尺度人类活动净磷输入量的空间分布

2.3 参数不确定性分析

将fer和im组分分别在其参数范围以及适宜参数下进行计算(如图3),nf是按照中国每人每年非食物磷的排放量为0.63kg计算,为固定参数.图3所示,NAPI在3次不同参数计算的结果下,并与适宜参数进行对比,其变化范围在-4.32%～10.27%.

如表3所示,在NAPI估算模型中,每个参数在其变化范围内变化会引起相应输入组分发生变化.图3表明,食品/饲料磷输入量受参数变化的影响较大,与适宜参数相比较,其变化范围在-23.48%～66.81%,其中该组分中参数变化对于畜禽/饲料磷消费量影响较大;化肥中磷输入量的计算在14%～17%的参数范围计算,并与常规参数15%进行比较,结果显示参数变化对于化肥中磷输入量的影响较小,其变化范围在-1.76%～3.52%.

由于NAPI的估算结果受参数范围变化的影响, 可知参数的范围变化也会对NAPI估算模型各组分贡献率产生影响.其中化肥贡献率在84.03%～ 90.12%,食品/饲料贡献率在5.01%～10.63%.

2.4 参数敏感性分析

表5所示,在NAPI模型中占有较高比例的组分,其中参数可能越敏感,具体表现为:在1990～2019年中,河南省fer占比85.9%,而该组分所涉及参数的敏感性指数也最高,其中磷肥值为0.174,远高于其他参数,其次为牛排泄中含磷量,值为0.055,可归为中度敏感.

表5 1990～2019年河南省参数敏感性指数

1990～2019年im占比为11.55%,该组分中参数的敏感性指数大部分小于fer,且不同参数敏感性指数大小存在显著差异,在im所包含的4个分项中,各分项参数的敏感性大小为:cp>hc>lp>lc,除lp的牛每年N排泄参数为中度敏感之外,其余各参数敏感性指数均小于0.05,不同牲畜之间的每年P摄入与排泄参数敏感性也存在差异,如牛的P素排泄参数远高于猪.由于非食品性磷的输入量较为单一,nf中参数的敏感性较低.

3 讨论

对河南省1990年～2019年统计数据的估算得出化肥输入和人类食品/饲料是河南省NAPI的主要输入源.河南省近年来粮食出口量逐渐增加,其食品/饲料输入有所减少.河南省年均NAPI为7573.465kg/ (km2·a),高于全国其他地区,如1997年上海为5053.37kg/(km2×a)[18]、2016年上海NAPI为6022.66kg/(km2·a)[18]、我国鄱阳湖流域NAPI为620～958kg/(km2·a)[14],洱海流域为2384kg/(km2·a)[17].长江经济带研究表明,人口规模、经济水平和产业结构是NAPI增长的主要驱动因子.在经济发达的地区,人口规模已不是磷输入的关键驱动力,经济发展水平在区域磷输入的贡献日益重要[38-43].这使得不同区域的NAPI也会因为经济水平、产业结构、人口等因素产生差异.与国外研究结果[6-13]相比较发现,NAPI的估算结果显示,磷肥输入和食品/饲料净输入是其重要组成成分,随着时间的增长,磷肥输入量显著增加,食品/饲料以及非食物磷呈下降趋势,这与本研究结果一致.

从1990～2015年,研究区域内的NAPI呈上升趋势,2015～2019年研究区域内的NAPI有所下降.从NAPI 的结构上看,主要是由磷肥施用量的变化所导致.随着河南省人口的增加和农业经济的发展, 1990～2015年间,河南省磷肥施用量从454750t上涨至1175400t,2016～2019年河南省磷肥施用量分别为1138000t、1080800t、963500t和896900t,呈逐渐下降趋势. NAPI与磷肥的输入量呈高度相关(图5,2>0.8);从NAPI的空间尺度上看,1990～2015年河南省18个市NAPI均在上涨;2015～2019年部分市县呈下降趋势,如郑州市、鹤壁市、南阳市和三门峡市.NAPI的空间变化与河南省的经济发展和人口流动密切相关.有研究表明,农村人口对于NAPI具有抑制作用[42],而河南省也在2015年后NAPI开始下降,这与本研究结果一致.河南省作为中部第一经济大省,其经济发展水平(以人均GDP为表征),对NAPI具有促进作用,这与中西部地区经济发展水平对NAPI具有促进作用相一致[35].在今后河南省的磷输入量控制方法中,可以将经济发展水平作为重要因素.人口、经济发展水平以及产业结构等影响因素的研究是基于一个特定区域为背景,能够更好的定性分析.研究尺度越小,NAPI的估算结果误差越小[39-40].

图5 1990～2019河南省磷肥施用量与NAPI的相关性

化肥施用是NAPI最主要的贡献因子,运用不同参数的计算结果显示化肥输入量受参数影响较小,原因是该输入组分的计算方法简单,涉及指标小[38-39],包括磷肥和复合肥的折纯量,其中磷肥作为直接输入源不涉及参数,只需考虑复合肥中磷含量的参数范围,复合肥中磷含磷量的参数范围较小(14%～17%),因此化肥施用受参数影响较小.食品/饲料磷输入量受参数变化的影响较大,不确定性较大,其原因是该输入项的计算方法复杂,涉及指标较多,对应参数变化范围较大.因此NAPI估算模型的准确性与各输入组分的计算方法复杂性、指标数量和参数变化范围大小密切相关.

结合人类净磷输入对参数变化的敏感性特征,将参数不确定性和参数敏感性结合进行讨论.在NAPI模型中,占比越高组分(fer)的参数敏感性越强,而在参数同时变化的情况下,占比较低(im)的参数在NAPI模型中的不确定性最强.原因一是由于im非最主要的贡献组分,对NAPI的贡献占比低于化肥施用.原因二在于im又由其所包含4个分项(hc、lc、lp、cp)相加减组成,都是由原始数据乘以相应参数再求和,但是在4个分项相加减之后,各分项中参数对最终模拟结果NAPI的影响力极大弱化.此外,由式(2)～(6)可知,im组分的每个分项在计算中又包含较多的指标,涉及到的参数占据NAPI模型中全部参数的2/3,在其他参数不动,只变化其中某一个参数的情况下,im组分中的参数在NANI模型中的敏感性很小.相反,在多参数同时变化的情况下,im不确定性程度最强,在NAPI的贡献中的浮动范围也最大.

除了参数对于NAPI估算模型的影响外,原始数据在研究尺度过小时会有部分缺失,只能用以往的数据进行估算,会产生相应的偏差,也会对NAPI估算模型造成影响.除此之外,NAPI估算模型在核算项目和计算方法上存在较大不确定性,估算结果对数据精度和来源有很大的依赖性[16,43-44].在本研究中,将非食品磷作为固定人均0.63kg和人口数量进行核算,非食品磷随着经济发展、国家监管加强和政策变化也在变化,但无法将内在因素变化纳入模型中,难以对河南省NAPI的构成起到主导作用.因此,若要提高NAPI结果的可靠性,在之后的研究中还需要根据实际情况进行模型方法的调整,并需要更加详实、精准的数据进行分析.

4 结论

4.1 从时间尺度上看,1990～2015年河南省NAPI呈上升趋势,其中1990～1995年的上升速度大于1995～2015年,其主要贡献因子是磷肥施用量的增加, 2015～2019年略有下降;空间尺度上看,呈现东部高,并以放射状向北、西、南逐渐减少的趋势,河南省NAPI高值的主要市域是周口市、许昌市、商丘市、濮阳市和漯河市,占河南省NAPI的47.05%.

4.2 从NAPI结构上看,在考虑参数影响下,化肥磷的输入是NAPI的主要贡献因子,其贡献率在84.03%～90.12%,与NAPI高度相关(2>0.8),参数对其影响较小,其变化范围在-1.76%～3.52%;其次是食品/饲料贡献率在5.01%～10.63%,参数对其影响较大,其变化范围在-23.48%～66.81%;非食品磷的贡献率在1.3%～2.56%之间.参数对NAPI估算模型的影响主要体现在计算方法复杂、指标多的输入组分上,所需计算指标越多、计算方法越复杂,其受参数影响的变化范围越大.

4.3 NAPI模型中占比越高的组分涉及到参数敏感性越强,其中im与nf中的参数均为轻度敏感,fer中的参数为中度敏感.在后续其他流域或地区的NAPI研究中,对于当地占比高的组分中的参数更应慎重考虑,应尽可能选择符合当地实际情况的参数.

[1] Filippelli G M. The global phosphorus cycle: past, present, and future [J]. Elements, 2008,4:89-95.

[2] 欧阳威,黄浩波,蔡冠清.巢湖地区无监测资料小流域面源磷污染输出负荷时空特征 [J]. 环境科学学报, 2014,34(4):1024-1031.

Ou Y W, Huang H B, Cai G Q. Temporal and spatial characteristics of diffuse phosphorus pollution in the watershed without monitoring data at Chaohu Lake [J]. Acta Scientiae Circumstantiae, 2014,34(4):1024- 1031.

[3] Howarth R, Chan F, Conley D J, et al. Coupled biogeochemical cycles: eutrophication and hypoxia in temperate estuaries and coastal marine ecosystems [J]. Frontiers in Ecology & the Environment, 2011, 9(1):18-26.

[4] Howarth R W. Coastal nitrogen pollution: A review of sources and trends globally and regionally [J]. Harmful Algae, 2008,8(1):14-20.

[5] Howarth R W, Anderson D, Church T, et al.Clean coastal waters - understanding and reducing the effects of nutrient pollution [M]. Washington, D.C.: National Academy Press, 2000.

[6] Russell M J, Weller D E, Jordan T E, et al. Net anthropogenic phosphorus inputs: spatial and temporal variability in the Chesapeake Bay region [J]. Biogeochemistry, 2008,88(3):285-304.

[7] Howarth R W, Billen G, Swaney D, et al. Regional nitrogen budgets and riverine N & P fluxes for the drainages to the North Atlantic Ocean: Natural and human influences [J]. Biogeochemistry, 1996,35 (1):75-139.

[8] Chen D, Hu M, Guo Y, et al. Influence of legacy phosphorus, land use, and climate change on anthropogenic phosphorus inputs and riverine export dynamics [J]. Biogeochemistry, 2015,123(1/2):99-116.

[9] Zhang W, Swaney D P, Hong B, et al. Anthropogenic phosphorus inputs to a river basin and their impacts on phosphorus fluxes along its upstream-downstream continuum [J]. Journal of Geophysical Research Biogeosciences, 2017,122(12):3273-3287.

[10] Zhang W, Swaney D P, Hong B, et al. Net anthropogenic phosphorus inputs and riverine phosphorus fluxes in highly populated headwater watersheds in China [J]. Biogeochemistry, 2015,126(3):269-283.

[11] Han H, Bosch N, Allan J D. Spatial and temporal variation in phosphorus budgets for 24watersheds in the Lake Erie and Lake Michigan basins [J]. Biogeochemistry, 2011,102(1-3):45-58.

[12] Han Y, Yu X, Wang X, et al. Net anthropogenic phosphorus inputs (NAPI) index application in Mainland China [J]. Chemosphere, 2013,90(2):329-337.

[13] Hong B, Swaney D P, Mörth C M, et al. Evaluating regional variation of net anthropogenic nitrogen and phosphorus inputs (NANI/NAPI), major drivers, nutrient retention pattern and management implications in the multinational areas of Baltic Sea basin [J]. Ecological Modelling, 2012,227(1):117-135.

[14] 高 伟,高 波,严长安,等.鄱阳湖流域人为氮磷输入演变及湖泊水环境响应[J]. 环境科学学报, 2016,36(9):3137-3145.

Gao W, Gao B, Yan C A, et al. Evolution of anthropogenic nitrogen and phosphorus inputs to Lake Poyang Basin and its’ effect on water quality of lake [J]. Acta Scientiae Circumstantiae, 2016,36(9):3137-3145.

[15] 杨晓雪.洱海总磷、总氮污染现状分析[J]. 云南环境科学, 2006, 25(S1):113-115,112.

Yang X X. Analysis on total phosphorus and total nitrogen pollution in Erhai Lake [J]. Yunnan Environmental Science, 2006,25(S1):113- 115,112.

[16] 张汪寿,苏静君,杜新忠,等.1990～2010年淮河流域人类活动净氮输入[J]. 应用生态学报, 2015,26(6):1831-1839.

Zhang W S, Su J J, Du X Z, et al. Net anthropogenic nitrogen input to Huaihe River Basin, China during 1990～2010 [J]. The Journal of Applied Ecology, 2015,26(6):1831-1839.

[17] Li Y, Lei Q L et, Luo J F, et al. Impact of human activities on phosphorus flows on an early eutrophic plateau: A case study in Southwest China [J]. The Science of the Total Environment, 2020,714(20):136851.1-136851.10.

[18] 程 鹏,张汪寿.近20年中国大陆人类活动净磷输入的时空变化特征与类群分析 [J]. 生态环境学报, 2019,28(3):540-547.

Cheng P, Zhang WS. Spatio-temporal variation characteristics and division analysis of provincial net anthropogenic phosphorus input in mainland China in recent twenty years [J]. Ecology and Environmental Sciences, 2019,28(3):540-547.

[19] 翟敏婷,辛卓航,韩建旭,等.河流水质模拟及污染源归因分析 [J]. 中国环境科学, 2019,39(8):3457-3464.

Zhai M T, Xin Z H, Han J X, et al. Water quality simulation and multi-source attribution analysis [J]. China Environmental Science, 2019,39(8):3457-3464.

[20] 欧阳威,鞠欣妍,高 翔,等.考虑面源污染的农业开发流域生态安全评价研究 [J]. 中国环境科学, 2018,38(3):1194-1200.

Ouyang W, Ju X Y, Gao X, et al. Ecological security assessment of agricultural development watershed considering non-point source pollution [J]. China Environmental Science, 2018,38(3):1194-1200.

[21] 卢少勇,张 萍,潘成荣,等.洞庭湖农业面源污染排放特征及控制对策研究 [J]. 中国环境科学, 2017,37(6):2278-2286.

Lu S Y, Zhang P, Pan C R, et al. Agricultural non-point source pollution discharge characteristic and its control measures of Dongtinghu Lake [J]. China Environmental Science, 2017,37(6):2278-2286.

[22] 徐浩林,杨培岭,邢伟民,等.湖北省2008～2017年人类活动净氮输入状况 [J]. 中国环境科学, 2020,40(9):4017-4028.

Xu H L, Yang P L, Xing W M, et al. Net anthropogenic nitrogen accumulation in Hubei province from 2008 to 2017 [J]. China Environmental Science, 2020,40(9):4017-4028.

[23] 陈增增.河南省农业生态效率评价研究 [D]. 石河子:石河子大学, 2020.

Chen Z Z. Study on evaluation of agricultural ecology efficiency in Henan province [D]. Shihezi: Shihezi university, 2020.

[24] 河南省生态环境厅,河南省统计局,河南省农业农村厅.河南省第二次全国污染源普查公告 [EB/OL]. https://www.henan.gov.cn/2020/ 12-01/1916810.html, 2020-12-01.

Henan Provincial Department of Ecology and Environment, Henan Provincial Bureau of Statistics, Henan Provincial Department of Agriculture and Rural Areas. Announcement of the second national survey of pollution sources in Henan Province [EB/OL]. https://www. henan.gov.cn/2020/12-01/1916810.html, 2020-12-01.

[25] 李晓虹,刘宏斌,雷秋良,等.人类活动净氮输入时空变化特征及其影响因素 [J]. 中国环境科学, 2019,39(2):812-817.

Li X H, Liu H B, Lei Q L, et al. Spatio-temporal characteristics and influential factors of net anthropogenic nitrogen input: A case study of Xiangxi River Watershed [J]. China Environmental Science, 2019,39 (2):812-817.

[26] 侯 莉,张玲玲,张 倩.东平湖总磷污染来源的解析 [J]. 皮革制作与环保科技, 2021,2(8):101-102.

Hou L, Zhang L L, Zhang Q. Analysis of the source of total phosphorus pollution in Dongping lake [J].Leather Manufacture and Environmental Technology, 2021,2(8):101-102.

[27] 翟凤英,何宇娜,王志宏,等.中国城乡居民膳食营养素摄入状况及变化趋势 [J]. 营养学报, 2005,27(3):181-184.

Zhai F Y, He Y N, Wang Z H, et al. The status and trends of dietary nutrients intake of Chinese population [J]. Acta Nutrimenta Sinica, 2005,27(3):181-184.

[28] 王光亚.中国食物成分表 [M]. 北京:北京大学医学出版社, 2009.

Wang G Y. Chinese food composition table [M]. Beijing: Peking University Medical Press, 2009.

[29] Hong B, Swaney D P, Mccrackin M, et al. Advances in NANI and NAPI accounting for the Baltic drainage basin: spatial and temporal trends and relationships to watershed TN and TP fluxes [J]. Biogeochemistry, 2017,133(3):245-261.

[30] 许俊香,刘晓利,王方浩,等.我国畜禽生产体系中磷素平衡及其环境效应 [J]. 生态学报, 2005,25(11):2911-2918.

Xu J X, Liu X L, Wang F H, et al. Phosphorus balance and environmental effect of animal production in China [J]. Acta Ecologica Sinica, 2005,25(11):2911-2918.

[31] 耿 维,胡 林,崔建宇,等.中国区域畜禽粪便能源潜力及总量控制研究 [J]. 农业工程学报, 2013,29(1):171-179.

Geng W, Hu L, Cui J X, et al. Biogas energy potential for livestock manure and gross control of animal feeding in region level of China [J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(1):171-179.

[32] 王方浩,马文奇,窦争霞,等.中国畜禽粪便产生量估算及环境效应 [J]. 中国环境科学, 2006,26(5):614-617.

Wang F H, Ma W Q, Dou Z X, et al. The estimation of the production amount of animal manure and its environmental effect in China [J]. China Environmental Science, 2006,26(5):614-617.

[33] 刘晓利,许俊香,王方浩,等.畜牧系统中氮素平衡计算参数的探讨[J]. 应用生态学报, 2006,17(3):417-423.

Liu X L, Xu J X, Wang F H, et al. Estimation parameters of nitrogen balance in stock farming system of China [J]. Chinese Journal of Applied Ecology, 2006,17(3):417-423.

[34] 马 骁,李 安,王宪双,等.小样本量复合肥中氮磷钾高精度预测光谱方法 [J]. 中国激光, 2021,48(23):158-166.

Ma x, Li A, Wang X S, et al. Spectral method for predicting nitrogen, Phosphorus, and potassium in small amount of compound fertilizer [J]. Chinese Journal of Lasers, 2021,48(23):158-166.

[35] 商晓静.北京人工湿地的植物筛选与污水净化效果研究 [D]. 北京:中国林业科学研究院, 2009.

Shang X J. Study on plant species selection and wastewater purification efficiency in constructed wetlands in Beijing [D]. Beijing: Chinese Academy of Forestry, 2009.

[36] 张 伟.水环境规划中人均生活污水排放量估算研究 [D]. 苏州:苏州科技学院, 2010.

Zhang, W. Study on estating models for estimation of per capita domestic wastewater discharge [D]. Suzhou: Suzhou University of Science and Technology, 2010.

[37] Darren L Ficklin, Luo Yuzhou, Iris T Stewart, et al. Development and application of a hydroclimatological stream temperature model within the soil and water assessment tool [J]. John Wiley & Sons, Ltd., 2012, 48(1):W01511.

[38] 蔡梓灿,王 晟,陈 岩,等.长江经济带人为磷输入驱动效应多时空测度[J]. 环境科学与技术, 2020,43(6):197-204.

Cai Z C, Wang S, Chen Y, et al. Estimating multiple spatiotemporal driving forces of anthropogenic phosphorus inputs to Yangtze River Economic Belt [J]. Environmental Science & Technology, 2020,43(6):197-204.

[39] 缪今典,张晓明,魏天兴,等.千岛湖流域杭州段人类活动净氮、净磷输入时空分布 [J]. 中国环境科学, 2021,41(6):2831-2842.

Miao J D, Zhang X M, Wei T X, et al. Temporal and spatial distribution characteristics of net nitrogen and phosphorus input from human activity: A case study of Hangzhou section of Qiandao Lake Basin [J].China Environmental Science, 2021,41(6):2831-2842.

[40] 张天鹏,雷秋良,秦丽欢,等.香溪河流域人类活动净磷输入量及其影响因素 [J]. 中国环境科学, 2020,40(11):4957-4964.

Zhang T P, Lei Q L, Qin L H, et al. Net phosphorus input from human activities and its influencing factors in Xiangxi River Watershed [J]. China Environmental Science, 2020,40(11):4957-4964.

[41] 裴 玮,杜新忠,雷秋良,等.县级尺度人类活动净氮输入量时空变化特征与参数影响研究-以河南省为例 [J]. 中国环境科学, 2021, 41(9):4447-4456.

Pei W, Du X Z, Lei Q L, et al. Spatiotemporal variation of net anthropogenic nitrogen input at county level and the impacts from parameters: A case study of Henan Province [J]. China Environmental Science, 2021,41(9):4447-4456.

[42] Lian H S, Lei Q L, Zhang X Y, et al. Effects of anthropogenic activities on long-term changes of nitrogen budget in a plain river network region: A case study in the Taihu Basin [J]. Science of the Total Environment, 2018,645(5):1212-1220.

[43] Swaney D P, Hong B, Selvam A P, et al. Net anthropogenic nitrogen inputs and nitrogen fluxes from Indian watersheds: An initial assessment [J]. Journal of Marine Systems, 2015,141:45-58.

[44] Hong B, Swaney D P, Howarth R W. Estimating net anthropogenic nitrogen inputs to U.S. watersheds: comparison of methodologies [J]. Environmental Science & Technology, 2013,47(10):5199-5207.

致谢：本论文的相关资料由中国农业科学院面源污染团队提供,在此表示感谢.

Spatio-temporal variation and the impacts from parameters analysis of net anthropogenic phosphorus inputs in Henan province.

MA Hua1, LEI Qiu-liang1*, DU Xin-zhong1, YAN Tie-zhu1, PEI Wei1, ZHANG Tian-peng1, LI Ying2,3, LUO Jia-fa4, ZHOU Jiao-gen5, LIU Hong-bin1

(1.Key Laboratory of Nonpoint Source Pollution Control, Ministry of Agriculture and Rural Affairs, Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China；2.State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China；3.University of Chinese Academy of Sciences, Beijing 100049, China；4.AgResearch Ruakura, Hamilton 3240, New Zealand；6.Huaiyin Normal University, Huaiyin 223300, China)., 2022,42(3)：1318～1326

In order to explore the status of net anthropogenic phosphorus input in Henan province, this study was based on the statistics data of 18province-administered towns and used the net anthropogenic phosphorus input (NAPI) model to calculate the phosphorus flow in the province from 1990～2019. NAPI of Henan Province had an overall upward trend from 1990 to 2015 and a slight decrease from 2015 to 2019. However, the NAPI of Henan Province was always higher than the national average in China, with an average annual growth rate of 2.86%. On a spatial scale, the east was higher than the west, and gradually decreased in a radial pattern to the north, west, and south. The main cities that affected NAPI in Henan Province are the Zhoukou, Xuchang, Shangqiu, Puyang, and Luohe cities, accounting for 47.05% of the total NAPI in Henan Province. A detailed analysis demonstrated that phosphate fertilizer application was the main contributor to NAPI, with the average annual contribution rate of 85.78% that was highly correlated with NAPI (R>0.8). The second and third most important sources were food/feed and non-food inputs, accounting for 10.63% and 2.56%, respectively. Furthermore, among the input components of the NAPI model, the net phosphorus input of food/feed was most affected by the parameters, where its variation ranged from -23.48% to 66.81%; The second input was fertilizers, which varied in a range of -1.76% to 3.52%, affected by the parameters; The higher the proportion of components in the NAPI model, the more sensitive their parameters are, and the sensitivity index of the parameters contained in thefercomponents is higher than that ofimandnf.

net anthropogenic phosphorus inputs (NAPI)；spatiotemporal change；floating population；Henan Province；parameter uncertainty

X171

A

1000-6923(2022)03-1318-09

马 华(1998-),女,宁夏银川人,中国农业科学院硕士研究生,主要研究方向为农业面源污染.

2021-07-22

国家自然科学基金区域创新发展联合基金项目(U20A20114);国家自然科学基金项目(41877009,31572208)

*责任作者, 研究员, leiqiuliang@caas.cn