武汉城区湖泊水质时空差异及其与污染源的空间关联分析

霍雯蓉,许 峰,王文荟,尹述政,黄运新

(湖北大学资源环境学院，湖北 武汉 430062)

湖泊是生态系统中重要的组成部分，具有维持生物多样性、调节气候、缓解渍水、净化水质等多种生态功能，同时作为城市系统的独特景观，还影响着城市建设规划和人文景观塑造[1]，对城市的生态化建设也具有特殊意义，因此关于湖泊水质的研究尤为重要。

武汉市作为长江中下游典型的依水而建的城市，其湖泊水环境直接影响着城市居民的生活、城市的经济发展和社会和谐。然而，随着社会和经济的发展，武汉城区各大湖泊受到了不同程度的污染，致使湖泊生态环境受到影响，系统功能的发挥受到制约，故有必要对武汉城区湖泊水质进行分析研究[2]。由于湖泊的水质在不同的时间和空间上不尽相同甚至会有明显的差异[3]，因此对湖泊水质进行评价以及对其时空差异、影响因素和污染源分析尤为重要，也可为湖泊管理与治理方案制定提供科学依据。如陈珍等[4]通过对神定河流域水质空间变化特征进行分析，结果发现神定河流域最上游水质最好，支流百二河河段的水质较差，但其水质总体优于张湾河河段；申洪鑫等[5]等通过对大汶河水质进行分析，结果发现枯水期大汶河水质明显优于丰水期，且从大汶河上游至下游其水质污染程度逐渐加重。对于湖泊面源污染负荷解析，杨水化等[6]以武汉市典型富营养化湖泊后官湖为研究对象，解析了2016 年后官湖中CODCr、NH3-N、TP和TN的主要污染负荷来源，结果发现后宫湖中TP主要来自于面源污染，贡献率为71%，其中农业种植和水产养殖分别占比为41%和30%。

为了解武汉市重点湖泊水质的时空差异性及污染来源，本文选取武汉市6个重点湖泊作为研究对象，首先根据行政区划和地理位置将武汉城区6个湖泊分为主城区和近城区两大类，其中主城区包括外沙湖、东湖，墨水湖，近城区包括汤逊湖、后官湖、东大湖；然后通过布设采样点对湖泊水质指标进行监测，并运用遥感解译、箱线图、方差分析对武汉市两城区的湖泊水质进行了时空差异分析；最后利用排污系数法和SCS模型计算了不同污染源的污染负荷，并通过湖泊水质指标含量与土地利用类型之间的相关性分析，验证了湖泊水质时空差异与污染源的空间关联性。

1 数据来源与研究方法

1.1 数据来源

1.1.1 湖泊水质数据

湖泊水质数据来源于2020年11月和2021年3月实地调查采样与实验检测分析获得，主要选择湖泊中TP、TN、NH3-N、CODCr和CODMn5个代表性指标数据。由于6个湖区范围较大，且湖泊形态大小不一，故采样点应在尽量覆盖整个调查范围且能切实反映湖泊水质特点的原则下，考虑径流的特点，并根据各个湖泊的形态与实际情况在浅水区(<0.5 m)设置采样点，共布设采样点39 个，其中汤逊湖7个，后官湖9个，外沙湖6个，墨水湖5个，东大湖6个，东湖6个，具体采样点位置如图1所示。本次共采样3次，每隔1 h采样1次。

图1 武汉城区各湖泊及采样点位置Fig.1 Locations of lakes and sampling points in Wuhan city

湖泊水样预处理方法均按照《水和废水监测分析方法》(4版)[7]进行，并对湖泊水样中TP、TN、NH3-N、CODCr和CODMn含量在实验室进行检测，具体检测方法分别为钼锑抗分光光度法(GB/T 11893—1989)、碱性过硫酸钾氧化-紫外分光光度法(GB/T 11894—1989)、纳氏试剂分光光度法(GB/T 7479—1987)、重铬酸钾法(GB 11914—89)和酸性高锰酸钾法(GB 11892—89)，所有样品处理在实验室进行，均设置了2个平行样，在样品检测数据质量控制方面，保证其相对平均误差在5%以内。

1.1.2 遥感数据

遥感数据来源于地理空间数据云，采用2期武汉市遥感影像，分别为2021年2月Landsat7遥感影像和2020年10月Landsat8遥感影像，云量均小于10%。本次遥感数据先利用ArcGIS 10.3提取湖泊1 km缓冲区为区域边界，并在ENVI 5.2的支持下采用最大似然法对研究区土地利用类型数据进行提取；然后通过目视解译人机交互式方法修正分类结果来保证结果的准确性[8]；最后利用ArcGIS 10.3结合野外考察,根据实际情况将湖泊周边的土地利用类型划分为建设用地、农用地、植被用地以及未利用地。其中建设用地指城区住宅、公共设施等用地，城区农用地一般指耕地、池塘等[9]，研究区域周边多以旱地为主，故本文农用地指耕地，由于主城区湖泊周围不涉及大范围的林地、草地、园地等，其均为植被绿化，近城区湖泊有较小范围的林地，多为植被绿化，故本文将城市绿化用地、较小面积林地统称为植被用地以便后续研究。整合武汉城区6个湖泊周边土地利用类型，其结果见图2。

图2 武汉城区6个湖泊周边土地利用类型的空间分布Fig.2 Types and spatial distribution of land use around the six lakes of Wuhan city

1.1.3 污染源数据

武汉市主城区和近城区水产品养殖产量、种植业面积以及畜禽出栏数据参考《2020年湖北农村统计年鉴》，其中各类水产品养殖产排污系数参考《第一次全国污染源普查水产养殖业污染源产排污系数手册》，畜禽养殖产排污系数参照《第一次全国污染源普查畜禽养殖业源产排污系数手册》《全国水环境容量核定技术指南》，城市地表径流污染计算所用降雨数据来源于中国气象数据网和中科院资源环境科学数据中心。

1.2 研究方法

1.2.1 箱线图

本文利用箱线图对武汉市两城区春、秋两季湖泊水质指标含量进行了统计分析，计算基本统计指标。箱线图是采用数据中5个统计量即上四分位数、中位数、下四分位数、上下限和异常值来描述数据分散程度、对称性等的统计方法，其优点是能够直观地识别数据中的异常值，并且在不受异常值的影响下，能够准确、稳定地描绘出数据的离散分布情况以及数据的分批对比情况。

1.2.2 方差分析

本文采用单因素和双因素方差分析对湖泊水样采样点水质的空间和季节差异进行分析。其中，空间因子包括主城区和近城区两个水平；季节因子包括春季和秋季两个水平。单因素方差分析指的是以空间因子或季节因子作为影响因子的方差分析；而双因素方差分析指的是以空间和季节作为影响因子的方差分析。

1.2.3 不同污染源的污染负荷计算

水产养殖业污染源污染负荷以排污系数法测算；种植业污染源污染负荷按照土地种植单位面积负荷量框算污染物排放量，由于武汉城区种植业以旱地为主，故参照相关研究成果[10]中旱地污染物排出量，将其作为标准与种植面积相乘来测算污染物排放量；畜禽养殖业污染源污染负荷计算根据全国水环境容量核定要求，将牲畜和家禽数量换算成猪的数量，并以入湖系数[7]来核定污染物排放量;城市径流污染采用SCS 模型，其计算方法参考相关文献[11-14]。在上述各污染源污染负荷计算过程中，需采用面积比例法获得研究区占行政区面积的比值，再利用该比值计算得到武汉市主城区和近城区不同污染源污染物的入湖总量。

2 研究结果与分析

2.1 湖泊水质指标时空差异分析

武汉市主城区和近城区6个湖泊中各水质指标的箱线图，见图3。

由图3可以看出：

图3 武汉市主城区和近城区6个湖泊中各水质指标的箱线图Fig.3 Boxplot of water quality indicators of the six lakes in main urban area and nearby urban and suburban area of Wuhan

(1) 在秋季，武汉市主城区湖泊中TP含量分布较分散，平均含量为0.207 mg/L，近城区湖泊中TP含量分布较集中，平均含量为0.207 mg/L；主城区湖泊中TN含量分布较分散，近城区湖泊中TN含量分布较集中且湖泊中TN含量上限有一个温和异常值，为3.77 mg/L；主城区湖泊中NH3-N含量分布较近城区分散，且无异常值；两城区湖泊中CODMn含量分布较集中，秋季近城区湖泊中CODMn含量下限有一个温和异常值，为3.50 mg/L，主城区湖泊中CODCr含量较近城区分布分散。

(2) 在春季，武汉市主城区湖泊中TP含量较近城区分散，主城区湖泊中TP含量上限有极限异常值，为1.11 mg/L，近城区湖泊中TP含量上限有一个温和异常值，为0.42 mg/L；主城区湖泊中TN含量分布较近城区集中，主城区湖泊中TN含量上限有一个温和异常值，为10.33 mg/L；主城区湖泊中NH3-N含量分布较近城区分散；两城区湖泊中CODMn含量分布较集中，主城区湖泊中CODMn含量上限有一个极限异常值，为23.27 mg/L，近城区湖泊中CODMn含量有一个温和异常值，为7.40 mg/L；主城区湖泊中CODCr含量分布与近城区相似，近城区湖泊中CODCr含量上限有一个温和异常值，为54.60 mg/L。

整体上看，武汉城区湖泊中TP、CODCr、CODMn含量表现为春季较秋季低，而湖泊中TN、NH3-N含量表现为春季较秋季高，湖泊中TP、TN、CODCr、CODMn、NH3-N含量分布情况都表现为主城区较近城区分散，说明武汉城区湖泊水质从秋季到春季有逐渐变好的趋势。

剔除图3中异常值后武汉城区各湖泊中所有水质指标含量均满足独立性、正态性和方差齐性，可采用方差分析法，分别以空间和季节作为固定因子，对武汉城区6个湖泊中各水质指标含量进行方差分析，其分析结果见表1。

由表1可知，通过单因素方差分析结果显示，武汉城区湖泊中TP含量在季节变化上存在显著性差异，在空间类型上不存在显著差异；湖泊中TN含量在季节变化上无显著性差异，在空间类型上仅在秋季有显著性差异；湖泊中NH3-N含量在季节变化上无显著性差异，在空间类型上存在显著差异；湖泊中CODMn含量在季节变化上存在显著性差异，在空间类型上仅在秋季有显著性差异；湖泊中CODCr含量在季节变化上有显著性差异，在空间类型上也有显著性差异。单因素方差分析结果表明：季节变化对于武汉市近城区湖泊中TP含量的影响较主城区大，对两城区湖泊中CODMn含量的影响相当，对近城区湖泊中CODCr含量的影响较主城区大，对两城区湖泊中其余水质指标的影响不大；空间类型对于武汉城区湖泊中NH3-N和CODCr含量的影响较大，且春、秋两季的影响程度相当，对湖泊中TN和CODMn含量仅在秋季有影响，对湖泊中TP含量没有产生影响。

表1 武汉城区6个湖泊中各水质指标含量的方差分析结果Table 1 Results of variance analysis of water quality indicators in the six lakes of Wuhan city

由表1可知，通过双因素方差分析结果显示，在季节变化方面，湖泊中仅TN含量没有显著性差异；在空间类型方面，湖泊中仅TP含量没有显著性差异；在空间类型和季节变化的交互效应下仅湖泊中CODMn含量有显著性差异。双因素方差分析结果表明：季节变化仅对武汉城区湖泊中TN含量没有影响；空间类型仅对武汉城区湖泊中TP含量没有影响，即城市中湖泊水质的时空差异性较显著。

2.2 不同污染源对湖泊水质指标的贡献率

水产养殖、农业种植、畜禽养殖和城市地表径流是武汉城区湖泊周边的主要污染来源，根据不同污染源污染负荷的计算方法，可计算得到不同面源污染对武汉城区6个湖泊中各水质指标(TP、TN、NH3-N、CODCr)的贡献率，见图4。

由图4可知：主城区城市地表径流对湖泊中水质指标的贡献率最大，其次为水产养殖和畜禽养殖，农业种植对湖泊中水质指标的贡献率最小；近城区畜禽养殖对湖泊中水质指标TP、TN、NH3-N的贡献率最大，贡献率均在45%以上，其次为城市地表径流和农业种植，其中城市地表径流对湖泊中水质指标CODCr的贡献率最大，其次为畜禽养殖。总体上来看，不同污染源对武汉城区湖泊中TN的贡献率排序为城市地表径流>畜禽养殖>水产养殖>农业种植，湖泊中TP的贡献率排序为畜禽养殖 >农业种植>城市地表径流>水产养殖，湖泊中NH3-N的贡献率排序为城市地表径流>畜禽养殖>水产养殖>农业种植，湖泊中CODCr贡献率排序为城市地表径流>水产养殖>畜禽养殖>农业种植，说明武汉市重要湖泊的面源污染源主要为城市地表径流，其次为畜禽养殖和水产养殖，最后为农业种植。通过对比不同面源污染种类污染负荷的入湖量可知，武汉市近城区均高于主城区，这是因为近城区湖泊分布面积较大、范围较广，周围城镇居民较多，农业活动较多。

图4 不同面源污染对武汉城区6个湖泊中各水质 指标的贡献率Fig.4 Contribution rate of different non-point source pollution to water quality indicators of the six lakes in Wuhan city

2.3 湖泊水质与土地利用类型的空间关联性分析

结合上述得到的武汉市主城区和近城区土地利用类型面积占比和湖泊水质指标含量的变化结果(见表2)(其中，湖泊中各水质指标含量为6个湖泊全部采样点的平均值±标准差)，并通过分析可知：主城区和近城区湖泊中水质指标仅TP含量无明显变化；主城区3个湖泊周边环境建设用地和植被用地较多，面积占比分别为38.37%和25.97%，而近城区3个湖泊周边建设用地相对于主城区湖泊较少，面积占比为25.25%，且农用地和植被用地面积相当，面积占比分别为18.78%和16.14%。

表2 武汉城区土地利用类型面积占比和湖泊水质指标含量的变化结果Table 2 Results of changes in land use type area and lake water quality indicators in Wuhan city

为了进一步探寻湖泊水质指标含量与土地利用类型之间的联系，对两者之间进行了相关性分析，其分析结果见表3。

表3 武汉城区湖泊水质指标含量与土地利用类型面积占比的相关性分析结果Table 3 Correlation between lake water quality index and land use type area ratio in Wuhan city

由表3可知，武汉城区湖泊中TN和NH3-N含量与建设用地面积占比呈正相关性，湖泊中CODCr含量与植被用地面积占比呈负相关性，但湖泊中TP和CODMn含量与土地利用类型无显著相关性，其含量变化可能受到多个土地利用类型的共同影响。该结果表明湖泊中污染物含量与土地利用类型的相关性对城市面源污染有一定的影响，即污染物含量随着空间土地利用类型的差异而变化。由于受样本量与时间的限制，虽然本研究现阶段不能直接说明污染源的来源，但在一定程度上能了解潜在污染源且说明污染源存在空间关联性。因此，在后续的研究中，需继续对湖泊水质进行长期监测并收集数据，以探究湖泊污染源机理为目的，建立合理的湖泊水质污染模型，在此基础上进行更深入的研究。

3 讨 论

上述研究结果表明：武汉市主城区湖泊水质指标含量分布相较于近城区分散，主城区和近城区湖泊中TN和NH3-N含量秋季均低于春季，这可能是由于春季农耕活动中施肥量增加，农田中的污染物通过地表径流输入到湖泊中，导致两者含量升高。但总体而言，武汉主城区秋季湖泊水质指标含量均高于春季，由此说明春季湖泊水质较秋季有所改善。其原因为武汉市的降雨量为11月份小于3月份，说明春季是丰水期的过渡期，降雨量比秋季大，湖泊水体中污染物在集中降雨之后得到了一定的冲刷[15]，使得湖泊水体中污染物含量降低。采用单因素和双因素方差分析对湖泊水质指标含量的时空差异进行分析，结果表明：两者分析结果有一定的一致性，除湖泊中TN外其余水质指标含量均有明显的季节差异，除湖泊中TP外其余水质指标含量均有明显的空间差异，湖泊中TN含量无季节差异可能是由于播种期部分氮肥会挥发到大气中，其部分会与土壤成分结合而残留在土壤中[16]，导致通过地表径流进入湖泊中的TN含量差异不大；主城区和近城区两个空间类型对湖泊中TP含量的影响不大，主要原因是相较于其他污染物，TP更容易滞留在水体中，即便降雨对水体有一定的稀释作用，其他污染物含量有所降低，但TP含量仍会维持在较高的水平。

一般来说，种植沉水植物对于吸附一定的污染物有明显的作用，但沉水植物在不同的季节处于不同的生长期，不同生长期的沉水植物对污染物的净化能力也有所不同，由此说明湖泊水质的季节性差异可能由气候和植物种植等因素决定。由于武汉市主城区和近城区均以建设用地居多，植被用地次之，而近城区相对主城区建设用地较少，农用地较多，而不同土地利用类型与湖泊中各水质指标含量有一定的相关性，故这也是导致湖泊中其他水质指标含量存在空间差异性的原因之一。

通过面源污染量化分析可知：武汉市重点湖泊面源污染主要来自于城市地表径流，其次为畜禽养殖和水产养殖，最后为农业种植。其主要原因是武汉城区农业活动相对于城镇化建设较少，其中城市地表径流来源有地表沉积、大气沉降、城市排水[17]以及城市开发中土地利用方式的改变，使下垫面发生变化，降低了陆地的雨污受纳控制能力[18-19]，导致污染物随地表径流进入湖泊中。

本文主要探究土地利用类型这一影响因素，通过将武汉城区湖泊水质指标含量与土地利用类型进行相关性分析，结果表明：湖泊中TN、NH3-N含量与建设用地呈显著正相关性，湖泊中CODCr含量与植被用地呈显著负相关性。这与相关研究文献[20-23]的结论基本一致，初步确定了土地利用类型的空间差异影响着城市地表径流，即其主要原因是城市建设发展中会增加多种街道、屋顶等不透水表面，污染物通过蓄积在其表面，在降雨过程中通过雨水冲刷进入受纳水体，进而影响城市地表径流；而植被用地的增加在径流污染中会起到净化水质的作用，但是大范围的种植草地、林地也会导致湖泊水质恶化[24]。对此，在湖泊周边建设中，可以考虑适当地增加植被用地，按需合理配置土地利用类型，以减少湖泊水体污染。

禽畜养殖的污染主要源自畜禽粪便，一般会通过两种途径进入湖泊水体，即在饲养过程中直接排放进入水环境以及在堆放储存过程中因降雨和其他原因进入湖泊水体[25]。由于畜禽粪尿的淋溶性很强，进入湖泊水体后除了会加速水体富营养化外，其有机物分解还会消耗湖泊水体中的溶解氧，导致湖泊水体中的水生生物死亡，加速湖泊水体污染。对此，有必要规范化畜禽养殖，加强管理，并探索无害化处理畜禽养殖粪尿的技术及设施[26]。

通过调研发现，武汉城区部分湖泊局部流域仍存在集约化水产养殖，投食投肥与产污直接在水体中进行，还有一些水生经济作物的大量种植，这也增加了湖区的氮、磷污染负荷[27]。对此，可以通过减缓水产养殖中饵料投放，及时收集和清除水体中排泄物，并合理规划水生植物的种植来减轻湖泊水质污染。

农业种植的主要来源是农田的施肥与灌溉，武汉市近城区有湖泊仍以传统农耕为主，精耕细作且大量地施用复合肥[6]，导致作物不能完全吸收，从而残留在土壤中，经浇水灌溉及雨水冲刷进入湖泊水体，导致水体中氮、磷含量增高，致使水体富营养化。对此，可以通过化肥的合理选择与使用，或者推动种植业和畜禽养殖业绿色融合，让畜禽养殖业产生的粪污养分替代化肥，这样既可以处理和降低畜禽养殖业污染排放，又可以降低种植业化肥施用量[28]，从而减缓湖泊水质污染。

4 结 论

由于武汉市主城区和近城区的土地利用格局和污染源构成不同，武汉市6个主要湖泊的水质在两个区域之间存在显著差异，这种差异不仅表现在空间水平上，而且表现在季节水平上。因此，城市湖泊污染的风险评估不仅要考虑空间因素，而且要考虑季节因素，将两者综合起来才能准确地评估湖泊水质的污染风险，确定有针对性的预防或治理措施。

采用水质调查和污染源空间关联性分析相结合的方法不仅有助于了解城区湖泊水质的实际污染水平，而且对了解潜在的污染源、明确各污染源对湖泊水体污染的实际贡献也有所帮助，其分析结果可为进一步探索城市湖泊的污染机理、实现城市湖泊污染的精准治理奠定基础。