面源污染时空格局动态演变预测与防治分区研究

谭涛　孙玉阳

摘要：为对面源污染时空格局精准预测，改善其污染情况，此次研究以某研究区域为例，开展面源污染时空格局演变并提出一定的防治策略。以研究范围内不同区域为实例，对20年来的面源污染排放强度进行核算，建立数据统计模型，并利用EKC预测模型获取空间自相关关系，获取研究区内时空格局动态演变情况。研究区分析结果表明：各区域污染数值均超过1%的置信水平，且空间相关测度GMI指数大于0.20；研究区域D及F为热点区域，区域A和G为过渡区域，区域B和E为冷点区域，可依据此进行分区治理。

关键词：面源污染；时空格局动态演变；流失系数；冷热点分析

中图分类号：X501 文献标志码：A

前言

氮肥是在农业中扮演着至关重要的角色，它是农作物生长的主要动力来源。没有足够的氮肥，许多作物无法正常生长，导致产量大幅下降。然而，持续多年的过量使用氮肥已经带来了严重的问题，使其变成社会环境的隐形杀手，同时也是农业面源污染的重要原因，不仅对土壤健康造成了威胁，也对环境产生了负面影响。长期单一施用化学肥料容易使土壤中硝离子大量剩余并迅速累积，加速土壤的盐积及盐渍化。超量使用无机肥料，会促使大部分土壤出现氮、磷、钾含量过高的现象。由于农民缺乏专业的种植知识，对肥料使用缺乏科学知识，只关注见效快，导致养分供应失衡，影响作物正常吸收利用。加大缓控释肥推广力度，实现化肥的零增长，科学施药，可在保障作物产值的前提下，促进农业科学绿色健康的发展，故对环境进行面源污染核算或监测具有重要作用。目前现有的面源污染的核算常用方法包含：清单分析法、综合调查法、聚类分析法、单元调查法等。单一的评估核算方法受自然因素、土地差异等条件的影响，导致评估结果不准确。因此文章采用的研究方法为利用流失系数来与清单分析法、单元调查评估法来综合判定，并以此为基础提出防治分区治理措施。

1 面源污染时空格局动态演变预测研究方法

1.1 计算面源污染排放强度

为确保流失系数的有效性及准确性，通过查找搜集相关文献及历史资料进行参考校正，将区域分为7个区域并用A-C表示。文章核算的化肥面源污染单元为磷肥、氮肥与复合肥。运用化肥流失系数法，核算氮的总排放量和磷的总排放量，进而核算化肥面源污染排放总量及强度，计算公式如式（1）、式（2）：

式（1） -式（2）中，E是总排放量；Ei是产生并流失的污染物量；Ci是指标统计数；βij是流失系数；A是播种面积；I是面源污染排放强度。通过上述二式，能够计算出面源的污染排放程度。

1.2 建立数据统计模型

空间白相关测度（GMI）是检验相邻区域单元关联性的常用指标，可以代表相邻测试区域化肥面源污染排放强度在空间内的总体趋势。GMI的取值范围在-1 -1之间。在一定显著水平下，当CMI为负值时，面源污染排放强度呈现离散趋势，具有明显的空间差异特征；当CMI接近零时，表明其面源排放强度呈现随机分布状态，不具有相关特性；当CMI为正值时，面源排放强度呈现明显聚集状态，具体公式如式（3）、式（4）：

式（3） -式（4）中，n是测试数量；Wij是空间矩阵，Xi、Xj分别表示地区i和j的观测值，X表示观测平均值，S2表示观测值方差。冷热点分析是探索局部空间聚类分布特征方法，用于标志空间聚集程度的测算。当G*i为（+）时为热点区域，代表污染强度排放强度较高；当G+i为（-）时为冷点区域，代表污染强度排放强度较低；当G+i指数不显著则为过渡区域，公式如式（5）：

式（5）中，Wij（d）为距离空间权重。在以上的计算模型中，能够分别获取到全局模型白相关和局部空白相关。

1.3 EKC预测模型

EKC（环境库兹涅茨曲线）预测模型通常包含三次曲线、二次曲线以及线性模型，其形式由不同显著结果决定。这些模型可以表现为N型（正向和反向两种方向）、U型（正向和反向两种方向）和直线型。对于指标数据的处理，EKC模型的公式如式（6）：

其中，I代表面源污染排放强度；Git代表人均农业产值；Pit代表农作物种植结构；Mit代表农业机械投入强度；S代表产业结构；Rit代表农村居民收入结构；Nit代表农村居民人均纯收入；Uit代表城镇居民收入差距；Ait代表农业产业结构；μit为随机误差；i代表区域，t代表时间；ηn代表回归系数。基于上述模型，对研究区的面源污染排放情况进行分析，并对结果进行讨论。

2 结果与分析

2.1 面源污染强度核算

文章实验数据来源于《中商产业研究院数据库》和《国家农业数据中心》2000年- 2020年期间数据，结合面源污染排放强度、空格局演变和特征分类，对不同区域面源污染情况进行分析预测。根据上述公式对实验数据进行面源污染指标计算及分析。从污染指标集聚与扩散趋势可以看出，在土地种植期间，2000年至2020年各区域污染指标数值均超过在1%的置信水平，且空间相关测度CMI指数大于0. 20，表明测试区域的COD、BOD5、TN、TP在区域上一直保持较高的聚集状态。在2000年-2010年测试区域的GMI值呈现下降状态，面源污染的聚集趋势有所缓解。2010年至2020年期间测试区域面源污染CMI指标不断增加，聚集情况加剧。在2010年各项指数最低，聚集程度最低。

对实验所得到的各项指标进行冷热点分析。其中，D、F位置是主要置信热点，即热点区域，产生原因主要为此部分居民主要从事种植业及畜牧业，生活垃圾比较多，化肥施用量也相对较多，因此形成了热点区域。A、G位置几乎无显著波动，为过渡区域。B区域为置信冷点，因为地处核心位置，农业种植区域面积较少，也非畜牧业主要发展位置，因此判定为冷点区域位置。对冷热点量化分析，得到各个区域的冷热点置信度，其结果如下：2000年区域A为0，区域B为- 95%，区域C为90%，区域D为95%，区域E为95%，区域F为90%，区域G为0；2005年区域A为- 90%，区域B为- 90%，区域C为90%，区域D为95%，区域E为90%，区域F为95%，区域G为0；2010年区域A为0%，区域B为- 95%，区域C为95%，区域D为90%，区域E为99%，区域F为90%，区域G为0；2015年区域A为0%，区域B为- 90%，区域C为90%，区域D为99%，区域E为95%，区域F为95%，区域G为一90％；2020年区域A为0%，区域B为- 95%，区域C为95%，区域D为95%，区域E为95%，区域F为90%，区域G为0%。

结合不同区域下的养殖业发展情况进行分析。各个区域不同年份的养殖情况及化肥施用情况见图1。

将得到的结果与上述内容相对应，发现文章预测结果与实际情况相符。

2.2 面源污染EKC分组模拟及预测

根据前文叙述的回归模型计算方式，对测试区域内的数值进行回归估计预测，得到不同变量下面源污染EKC分组拟合结果见表1。

根据回归模型结果分析得出：热点区域使用二次曲线进行预测；冷点区域使用三次曲线分析；过渡区域使用三次曲线进行预测。

2.3 防治分区研究

综合对比上述三种不同区域的曲线形态及拐点变化具有较大差异，表明区域空间特异性分析的必要性。见表2为依据所得数据分析结果。

热点区域：曲线呈现倒U型，面源污染表现为由升到降的趋势，由于测试区域D及F未跨过第一个拐点，所以目前处于随着农业经济的不断增长，化肥面源污染在不断增强阶段，短时间难以摆脱对化肥的依赖，应该提高化肥的吸收及利用率，减少成分流失，科学配比，改变生态环境。

冷点区域：曲线呈现倒N型，面源污染为降一升一降趋势，目前区域B和E处于下降阶段，表现为随着农业经济的增长，面源污染强度下降，短时间内不会出现第二次拐点。

过渡区域：曲线呈现倒N型，面源污染为降一升-降趋势，目前区域A和G处于上升阶段，表现为随着农业经济的增长，面源污染强度上升，由于上升趋势将维持较长时间，需引起高度重视。

3 结束语

为深入了解中国化肥面源污染的情况，寻找可行的解决方案，进行了测试区域的面源污染情况研究。研究结果表明，目前中国化肥面源污染整体表现较差，污染排放度较高，各地方区域之间存在较大差异。通过空间白相关分析可知，面源污染排放强度呈现出显著的聚集状态，即相邻区域的污染程度相互影响。模拟面源污染排放强度特征预测，研究发现面源污染与农业发展间存在着不同的非线性关系。大部分区域正处于污染加剧阶段，且相邻区域间存在相互影响的现象。因此，为减少面源污染带来的影响，在不影响农业经济发展的前提下，需要提前做好防范工作，并根据具体地区的情况采取因地制宜的措施，以减少面源污染带来的影响。