环境科学学报  2020, Vol. 40 Issue (12): 4325-4337
不同空间划分方式下袁河流域景观结构对水质的影响    [PDF全文]
徐启渝1,2, 王鹏1,2, 舒旺1,2, 张华1,2, 丁明军1,2    
1. 江西师范大学地理与环境学院, 南昌 330022;
2. 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 南昌 330022
摘要:近年来景观结构的水文效应受到关注,研究不同空间划分方式下景观结构对河流营养盐、重金属变化的影响机制对于流域生态保护具有重要意义.本文于2018年7月和2019年1月在袁河干流及支流38个采样点采集水样,测定水体营养盐类污染指标(DO、NO3--N、NH4+-N、TP和DOC浓度)和重金属类污染指标(Cr、Mn、Fe、Cu、Zn、As、Cd和Pb浓度).基于前向变量选择、冗余分析等方法,筛选景观结构指标,量化其在不同尺度下对水体营养盐、重金属变化的影响.结果表明:①农田、斑块密度(PD)、斑块聚集指数(COHESION)及散布与并列指数(IJI)是影响水体营养盐变化的主要指标.林地、建设用地(Res)、平均最近邻体距离(ENN_MN)和最大斑块指数(LPI)的组合是影响重金属变化的主要指标.②在河岸缓冲带与圆形缓冲区划分方式下,景观结构均在100 m尺度对营养盐变化解释能力最强,平均解释率分别为31.5%、24.3%,均在1000 m尺度对重金属变化解释能力最强,平均解释率分别为32.0%、42.6%.③100 m河岸缓冲带和子流域尺度分别是景观结构影响水体营养盐、重金属变化的最佳空间尺度,平均解释率分别为31.5%、42.8%.以上结果表明,针对水体不同的污染类型,采用对应的划分方式及缓冲尺度有助于提高定量分析精度,为流域水环境保护、景观优化与管理提供科学依据.
关键词袁河流域    景观结构    水质    缓冲区    空间尺度    
Impacts of landscape structure on water quality under different spatial scales in the Yuan River Basin
XU Qiyu1,2, WANG Peng1,2, SHU Wang1,2, ZHANG Hua1,2, DING Mingjun1,2    
1. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022;
2. Key Laboratory of Poyang Lake Wetland and Watershed Research, Ministry of Education, Jiangxi Normal University, Nanchang 330022
Received 24 July 2020; received in revised from 6 September 2020;
Abstract: Hydrological effects of landscape structures have attracted great attention in recent years. Understanding the effect of landscape structures on nutrient and heavy metals in different spatial division scales is important for ecological protection. Here,we determined water quality parameters including nutrients (DO,NO3--N,NH4+-N,TP and DOC) and heavy metals (Cr,Mn,Fe,Cu,Zn,As,Cd and Pb) from 38 sample sites in August 2018 and January 2019. Impacts of landscape structures on nutrients and heavy metals were quantified at different spatial scales based on forward variable selection and redundancy analysis. The results showed that: ① Farmland,Patch density (PD),Patch cohesion index (COHESION) and Interspersion Juxtaposition Index (IJI) were key parameters affecting the variations of water nutrients. Forestland,Residential,Mean Euclidean nearest neighbor index (ENN_MN) and Largest patch index (LPI) were key parameters affecting the variations of heavy metals. ② For the riparian buffer zone and the circular buffer zone,the landscape structure explained the highest variation of nutritive salts at the 100 m scale,and the riparian buffer zone (31.5%) explained better than the circular buffer zone (24.3%). The landscape structure explained the highest variation of heavy metals at the 1000 m scale,and the riparian buffer zone (32.0%) explained worse than the circular buffer zone (42.6%). ③ The optimal spatial scales of landscape structure explaining the variations of nutritive salts was the 100 m riparian buffer zone (31.5%),and the optimal spatial scales of landscape structure explaining the variations of heavy metals was the sub-basin scales (42.8%). The above results indicate that using different division methods and buffer scales is helpful to enhance the accuracy of quantitative analysis,and provides a scientific basis for watershed environmental protection.
Keywords: Yuan River basin    landscape structures    water quality    buffer zone    spatial scales    
1 引言(Introduction)

河流水质是多尺度景观结构的综合反映(李昆等, 2020).其中, 景观结构包括景观类型特征(流域内土地利用结构)和景观配置特征(流域内景观斑块的空间分布和配置)(Gergel et al., 2002; Antrop, 2004; Kearns et al., 2005), 二者共同作用影响着流域内的生态和水文过程, 调控着污染物在地表的迁移转化(Ahearn et al., 2005), 并成为造成河流水质空间分异的重要原因.距离河道越近的景观斑块对河流水质的影响能力越强, 但流域尺度下景观结构能反映更全面的信息, 但哪种尺度能更好地反映景观结构对河流水质的影响目前仍未有定论(Zhou et al., 2012;王小平等, 2017; Nelson et al., 2020).通过比较不同尺度下景观结构对水质变化的解释能力, 判断流域景观结构影响水质的最佳空间尺度, 可为流域保护提供科学依据和理论基础, 对优化区域景观格局进而改善流域水质具有重要参考价值.

营养盐和重金属等污染物是造成水质下降的重要原因(Regmi et al., 2017).研究表明, 景观类型特征与水体重金属浓度密切相关(Jiang et al., 2017), 景观配置特征会显著影响水体营养盐等污染物的负荷(Zhao et al., 2020).随着景观生态学的发展, 研究人员开始逐渐使用景观组成和配置指标的组合(Amiri et al., 2009; Fernandes et al., 2019), 通过将研究区划分为子流域来量化景观结构对水质的影响(Bu et al., 2014;王鹏等, 2015).然而此类研究将水质视为整体, 将营养盐和重金属等指标进行组合以反映水体质量, 忽略了二者来源方式的差异及对景观结构响应能力的不同(Zhao et al., 2020), 导致结果精度不高、解释能力不强.因此, 本文将水质指标分为两类, 分别研究景观结构对水体中营养盐和重金属的影响, 以提高景观结构解释水质变化的精度, 加强景观结构对不同来源污染物影响机制的认识.

相较于子流域尺度, 缓冲区划分有利于分析景观结构与水质之间的联系(Allan, 2004).目前, 缓冲区的划分方式包括河岸缓冲带和圆形缓冲区(Ding et al., 2016; Shi et al., 2017).河岸带可有效减少溪流中的养分和沉积物含量(Nelson et al., 2020), 能够调节输送到河流的养分含量及化学成分(Liu et al., 2014), 划分河岸缓冲带有利于分析景观结构对水体营养盐变化的影响.已有研究发现, 化工企业生产过程中排放的废气通过干、湿沉降的方式直接进入河流, 成为水体污染物的主要来源之一(Wang et al., 2014;邱敏, 2017;寿玮玮, 2018), 其中, 工业废气的大气沉降是城市周边河流重金属等污染物的主要来源.相关研究也表明, 考虑采样点周边大气沉降带来的重金属污染有助于理解土地利用与水质变化间的联系(Jiang et al., 2017).而子流域或条带缓冲区均无法反映采样点周边城市内部工业废气沉降带来的潜在影响.

由于本研究在采样点选择过程中选择河流出水口进行采样, 因此, 采样点主要集中在干支流交汇处.而这些地区地势较为平坦, 河网交汇密集, 更是人类活动的主要区域范围, 点源、非点源污染交错已成为影响此类网状河流质量的主要因素(上海市环境保护局, 2007), 仅单一条带状缓冲区无法反映河网水质对周边土地利用方式变化的响应(Zhao et al., 2015).并且由于人类活动密集, 此类地区城市、乡镇较为集中, 为了避免河网涨水对人类生产生活带来的潜在危害, 往往会在河岸两侧筑堤建坝, 从而直接破坏了正常的流域汇水过程.在这种条件下划定的集水区, 其结果具有极大的误导性.因此, 有必要创建圆形缓冲区, 以开发关于土地利用与河流质量之间多尺度关系的一般范式.相较于子流域汇水范围及河岸缓冲带, 圆形缓冲区忽略了远处土地利用方式对水质的影响(Dodds et al., 2008), 充分考虑了采样点周边景观结构对水质的作用及周边城市废气沉降的潜在风险(於梦秋等, 2014; Xu et al., 2019).

袁河作为赣江下游一级支流, 流域涵盖江西新余-宜春-萍乡城市群, 流域内农业规模大、化工企业多(万小丽, 2016), 农田面源污染与建设用地的点源污染同时存在, 河流水质受到富营养化与重金属浓度超标的双重威胁(方红亚等, 2011;张晓健等, 2017;雷呈等, 2019).研究景观结构对水体营养盐、重金属变化的尺度效应, 对保护袁河流域内水环境质量及促进城市群的经济发展具有重要的现实意义.鉴于子流域与河岸缓冲带的划分方式无法有效地反映工业化城市对周边河流水质的影响, 因此, 本文考虑划分圆形缓冲区并作如下假设:在圆形缓冲区内采样点水质对周边景观结构的变化的响应更敏感, 景观结构尤其对水体中重金属变化具有更强的解释能力.本研究的目标是通过定量分析以明确影响水体营养盐、重金属变化的核心景观结构指标, 分析不同划分方式下景观结构影响水质变化的机制及彼此间的差异, 识别景观结构影响水体营养盐、重金属变化的最佳空间尺度, 并推导出景观结构与河流质量之间多尺度关系的一般范式.最终为流域管理部门提供切实可行的水环境保护建议或措施.

2 材料与方法(Materials and methods) 2.1 研究区概况与划分方式

袁河发源于江西省武功山西麓, 主河道长279 km, 总流域面积约6262 km2, 从源头至宜春市中心城区为上游, 多漂砾卵石, 森林覆盖度高;从宜春市中心城区至新余水位站为中游, 多水利枢纽工程;从新余水位站至河口为下游, 农田宽广, 是江西省重要的工业基地.袁河流域属中亚热带季风湿润气候区, 降水量变化梯度大, 流域多年平均年降水量为1583 mm, 4—6月降水量占全年降水量的45%.

袁河流域河岸带地势平坦, 小尺度下河流汇水作用不明显, 适用圆形缓冲区划分.基于袁河流域2015年DEM数据和ArcGIS扩展模块ArcSWAT, 将研究区划分为38个子流域(图 1a), 并基于河流、采样点, 分别做100、300、500和1000 m尺度的河岸缓冲带(图 1b)及圆形缓冲区(图 1c).

图 1 研究区概况与空间划分方式 Fig. 1 Spatial scales division of the study area and distribution of sampling sites
2.2 水质、景观结构数据采集

本研究在袁河干流和支流设置38个采样点(图 1A, Y表示干流, T表示支流).分别于2018年8月(夏季)和2019年1月(冬季)采集河流表层(50 cm)水体, 利用便携式水质分析仪(HI9828, HANNA, Italy)现场测定溶解氧(DO), 水样通过0.45 μm孔径的醋酸纤维滤膜过滤后, 装入取样瓶密封, 在0~4 ℃下冷藏, 密封保存.使用TOC分析仪(Shimadzu TOC-L CPH, 日本)测定溶解有机碳(DOC);使用全自动间断分析仪(Smartchem 200 Brookfield, 美国)测量氨态氮(NH4+-N)、硝态氮(NO3--N)和总磷(TP);使用电感耦合等离子体质谱仪(ICP-MS)测定水体中可溶性重金属元素含量, 样品检测之前, 仪器采用标准物质(SRM AccuStandard Inc, USA)进行3次重复检测并进行极限检测, 8种重金属的极限检测值分别为:Cr 0.016 μg·L-1、Mn 0.005 μg·L-1、Fe 0.985 μg·L-1、Cu 0.054 μg·L-1、Zn 0.114 μg·L-1、As 0.132 μg·L-1、Cd 0.002 μg·L-1、Pb 0.004 μg·L-1.

景观组成特征通常由土地利用数据表示(Wu et al., 2019).袁河流域土地利用数据为2017年Landsat 8的30 m精度数据, 由国家科技基础条件平台—国家地球系统科学数据共享服务平台(http://www.geodata.cn)提供.研究区土地利用类型划分为农田(Far)、林地(For)、湿地(Wet)、草地(Gra)、水域(Wat)、建设用地(Res)和裸地(Bare), 均使用其面积比例作为景观结构指标, 其中, 湿地、草地和裸地占比不超过0.1%, 后续分析中剔除.景观配置特征对流域水质的影响主要是通过表征流域内土地利用的破碎度、形状变化和连通性等反映其对水质的净化或污染作用(黄金良等, 2011; Bu et al., 2014).本文土地利用采用一级分类, 类型水平下景观指数反映的是相似土地利用的生态过程, 具有较大的不确定性, 结果会掩盖真实的生态水文效应(徐启渝等, 2020).因此, 本文在景观水平下选取表 1所示的11项景观指数量化景观配置特征.分别在Arcgis10.2中提取子流域、河岸缓冲带和圆形缓冲区的栅格地图, 由Fragstats4.0软件在景观水平计算获得.

表 1 本研究所选取的景观指数 Table 1 Landscape index selected in this study
2.3 数据分析

将DO、NO3--N、NH4+-N、TP和DOC的组合视为水体营养盐类指标, Cr、Mn、Fe、Cu、Zn、As、Cd和Pb的组合视为水体重金属类指标.异常值的存在会明显改变统计方法的结果, 造成结果失真, 因此, 选择明显受到影响的采样点数据, 以采样点平均值±3倍标准差作为标准, 判断是否为异常值, 若是则在后续分析中剔除.采用Shapiro-Wilk检验土地利用结构数据、景观格局数据的正态性.当原始数据自身偏斜大, 采用对数分析也无法达到近似正态分布, 此时应用对数转换可能会导致分布比原始数据更偏斜(Feng et al., 2014).因此, 综合考虑后本文选用取倒数的方式, 使数据满足正态分布特征.个别尺度中景观结构指标存在零值, 为了避免零值对后续分析的影响, 对存在零值的指标进行“Hellinger”转化.

环境变量间共线性过高会导致模型的构建更加复杂, 不利于在实际分析中运用.变量间的共线性程度可以使用方差膨胀因子(Variance Inflation Factor, VIF)度量, 如果VIF值超过20, 表示共线性很严重.本文通过R语言“vegan”包中的“VIF”函数计算环境变量间的方差膨胀因子, 并在R中通过使用OrdiR2step函数进行前向选择筛选指标(VIF < 20).OrdiR2step函数分别运行每个解释变量与响应变量的RDA排序, 根据置换检验中F统计量的显著性水平选择p值最小的变量.每一步只选取一个“最优”解释变量, 这个过程一直持续, 直到无满足条件的解释变量为止, 筛选结果即为景观结构的最佳组合.将选取的采样点的营养盐指标和重金属指标视为物种变量(响应变量), 景观结构的最佳组合视为环境变量(解释变量), 分别进行冗余分析(RDA).通过置换检验(permutations=999), 对约束模型的总变差进行校正.本文图表采用Arcgis 10.2和Origin 8.0制作, 数据分析在SPSS 20.0和R3.6.3中完成.

3 结果(Results) 3.1 不同水期水质指标变化特征

从时间尺度来看, 袁河水体营养盐浓度在夏季更高(图 2), 尤其是NH4+-N和TP浓度远高于相同采样点冬季的浓度.重金属浓度在不同季节差异较小(图 3), 大多数重金属在冬季浓度最高, 其中, Zn、As浓度在冬季增幅较大.从空间尺度来看, 大多数指标的高值区在城市附近, 其中, NH4+-N和TP在宜春市周边浓度偏高, Cu、As和Cd在新余市浓度较高.多数采样点总磷浓度超过了地表水Ⅲ类水质量标准, 而重金属浓度均未突破Ⅲ类地表水质量标准, 可见袁河水体主要受到氮、磷营养盐污染, 磷是水体的主要污染物, 袁河存在水体富营养化的潜在风险.

图 2 袁河水体营养盐指标时空变化特征 Fig. 2 Spatial and temporal variation of nutrient salt concentration in the Yuan River

图 3 袁河水体重金属指标时空变化特征 Fig. 3 Spatial and temporal variation of heavy metal concentration in the Yuan River
3.2 土地利用结构与景观指数变化特征

不同空间尺度下的土地利用结构特征差异较大(图 4), 子流域尺度以农田和建设用地为主, 河岸缓冲带尺度下随着缓冲区距离增加农田占比下降, 林地占比不断增加, 可见袁河流域河岸带以农田为主, 林地等土地利用类型分布远离河岸带.圆形缓冲区尺度下, 建设用地与水域的平均占比大幅增加, 宜春、新余城市周边的采样点建设用地占比最高, 随着缓冲区距离增加建设用地占比增加, 1000 m缓冲区尺度下占比最高.此外, 从上游到下游圆形缓冲区内土地利用结构变化差异较大.

图 4 不同空间尺度下土地利用结构特征 Fig. 4 Characteristics of land use structure in different spatial scales

子流域尺度下PD、ED、PLADJ指数小于缓冲区尺度, LSI、IJI、COHESION指数高于缓冲区尺度(图 5), 可见子流域尺度下多为均匀分布、形状规整的斑块, 流域内景观破碎化程度较低.而LPI指数在圆形缓冲区最高, ENN_MN指数在河岸缓冲带最高, 可见圆形缓冲区以单一均质的大斑块为主, 呈现出单一土地利用类型的破碎化分布, 河岸缓冲带景观破碎化严重, 呈现多重景观交互分布结构.

图 5 袁河流域不同尺度下景观指数变化特征 Fig. 5 Characteristics of landscape index at different spatial scales in the Yuan River basin
3.3 景观结构指标选取与核心指标识别

为了降低环境变量间共线性对后续分析的影响, 本文采用前向选择的方式对指标进行筛选, 结果如表 2所示.基于前向选择结果剔除NP、ED、LSI和PLADJ等指标.选取冗余分析结果中在前两轴得分最高的景观结构指标作为主要景观变量, 结果表明(表 3), 农田(Far)、斑块密度(PD)、斑块聚集指数(COHESION)及散布与并列指数(IJI)是影响水体营养盐含量的主要景观结构指标, 作为主要变量出现频次达到69.5%.林地(For)、建设用地(Res)、平均最近邻体距离(ENN_MN)和最大斑块指数(LPI)是影响水体重金属含量的主要景观结构指标, 作为主要变量出现频次达到63.9%.景观结构指标对水质不同组分的影响能力存在较大差异.

表 2 基于前向选择的不同尺度下景观结构的共线系数 Table 2 The collinear coefficient of landscape structure at different scales based on forward selection

表 3 基于RDA分析筛选的反映水质变化的主要景观指标 Table 3 The dominant landscape variable groups based on RDA at each spatial scale
3.4 景观结构对水体营养盐、重金属变化的贡献率

基于冗余分析分别计算了不同空间尺度下景观结构对水体营养盐、重金属变化的解释率(表 4).结果表明, 景观结构在100 m河岸缓冲带对水体营养盐变化的解释能力最强(31.5%), 在1000 m圆形缓冲区与子流域尺度对水体重金属变化的解释能力较强(解释率分别为42.6%、42.8%).河岸缓冲带景观结构对水体中营养盐含量的解释能力强于圆形缓冲区, 对重金属变化的解释能力弱于圆心缓冲区.两种划分方式下景观结构对水体营养盐含量变化的解释能力均为夏季高于冬季, 对水体重金属变化的解释能力河岸缓冲带夏季高于冬季, 圆形缓冲区夏季弱于冬季.可见, 不同季节河岸缓冲带与圆形缓冲区对水质变化的解释能力存在较大差异, 针对水体污染物主要类型, 分别采用两种划分方式有助于分析景观结构对水质变化的影响.

表 4 基于RDA分析的不同尺度下景观结构对水质变化的解释量 Table 4 Variation of water quality explained by the landscape structure at different scales based on RDA
4 讨论(Discussion) 4.1 影响水质变化的景观结构指标

本次研究发现, 农田、斑块密度(PD)、斑块聚集指数(COHESION)及散布与并列指数(IJI)是影响水体营养盐含量的主要指标.已有研究表明, 农田是水体营养盐的主要来源(Bu et al., 2014), 农业种植过程中未被吸收的营养物质主要附着在农田土壤表层(王瑛等, 2011), 退水过程中随径流汇入河流造成水体富营养化.水质退化通常发生在高度碎片化、低分散度的景观内(Amiri et al., 2009; Huang et al., 2013), 此类特征有利于沟通土壤表层分散分布的污染物, 形成营养盐的远距离扩散和集中输出.因此, 加快袁河流域农田规模化种植, 增强河岸带农田聚集程度并提高肥料使用效率, 可以有效地降低袁河水质富营养化的风险.

结果表明, 林地(For)、建设用地(Res)、平均最近邻体距离(ENN_MN)和最大斑块指数(LPI)是影响水体重金属含量的主要指标.由于城市规模化发展的影响, 建设用地往往集中分布, 连通性和最大斑块指数较高, 生活污水与工业废水的集中排放通常是水体重金属的重要来源(徐金英等, 2019).建设用地包含城镇用地、农村居民用地、工矿用地、交通用地等污染物输出贡献较大的污染源(夏品华等, 2016), 不仅通过点源污染排放直接影响水体, 而且随着不透水地面占比的增加, 暴雨时期城镇地区由于缺乏自然植被对污染物的截留、吸收及土壤的自然下渗作用, 导致大量的污染物会通过不透水地面在短时间内进入河流(Jiang et al., 2017).林地作为净化水质的主要“汇”景观类型, 通过吸收、固定流经径流的污染物起到净化水质的作用(孙芹芹等, 2011).可见, 控制城市面积扩张, 增加建设用地与河流之间林地的面积占比, 对城市污染造成的水质恶化具有较强净化作用.

4.2 影响水质变化的景观空间尺度

本次研究发现, 景观结构在100 m河岸缓冲带对水体营养盐变化的解释能力最强(31.5%), 夏季对营养盐的解释能力高于冬季, 随着缓冲区尺度增加景观结构对水体营养盐的解释能力下降.河岸带作为连接水体与高地的过渡地貌, 具有很大的潜力来影响输送到河流的养分含量及化学成分(Liu et al., 2014).营养盐等污染物可以运输很长的距离, 会受到沿河流河岸条件的影响(Allan, 2004).因此, 河岸缓冲带景观结构对水体营养盐的解释能力最强, 这与国内外相关研究结论一致(Sliva et al., 2001;欧洋等, 2012;王小平等, 2017; Li et al., 2018;徐启渝等, 2020).农田退水及生活污水排放是水体营养盐的主要来源(王鹏等, 2015;王新霞等, 2020).本次夏季采样正处于水稻抽穗期, 是水稻需肥的高峰期(李艳大等, 2020), 农作物追肥过程中增加了氮、磷等营养盐的流失风险.此外, 夏季地表径流强度大(赵君等, 2018), 非点源流失增强也可能导致夏季氮、磷等营养盐浓度偏高.袁河流域农田集中在河岸带(图 1A), 100 m尺度缓冲区是人类活动影响最强烈的区域, 斑块破碎化程度较高且聚集程度较差(图 5), 从而延长了径流在农田表面的滞留时间, 富集了径流中的营养盐, 形成了对河流营养盐的输入, 加速了水质恶化.冬季采样时农田休耕, 水体营养盐主要来源于生活污水排放(金鹏康等, 2015), 营养盐总量下降, 景观结构的干扰能减弱.随着缓冲区尺度增加景观结构越加复杂, 距离河流越远的河岸带调节能力越弱, 因此, 可以发现近距离河岸缓冲带(100 m尺度)内景观结构主要影响水体营养盐变化, 且影响能力要优于子流域与圆形缓冲区.

研究结果表明, 圆形缓冲区内景观结构对重金属变化的解释能力优于河岸缓冲带, 在1000 m圆形缓冲区对重金属变化的平均解释能力最强(42.6%), 仅次于子流域尺度(42.8%), 且随着缓冲区半径增加对重金属的解释能力增强, 这与我们此前的假设一致.南方丘陵地区水体重金属污染与周边人类活动密切相关, 主要受到化工、采矿等产业废水排放的影响, 以点源污染为主(徐金英等, 2019; Shu et al., 2020).袁河流域属于典型的南方丘陵, 中下游城市聚集, 其中, 新余市化工产业规模大, 污水排放成为水体重金属的重要来源(张晓健等, 2017;雷呈等, 2019).圆形缓冲区涵盖了采样点周边大多数建设用地类型, 充分考虑了城市点源污染与工业废气的大气沉降对河流重金属等污染物浓度的影响, 较好地反映了景观结构与水体重金属变化的联系, 因此, 对水体重金属变化具有较强的解释能力.此外, 有研究表明, 即使在水体流动能力较弱的河流, 源头来水对点源污染的影响也极为明显(Dodds et al., 2008; Dabrowski et al., 2013; Zhao et al., 2020).当上游水源地来水流经采样点时, 可能会稀释或净化采样点污染物的浓度, 干扰采样点水质与周边景观结构的联系.子流域尺度下充分考虑了上游汇水的影响, 认为采样点水质是上游所有汇水过程综合作用的结果, 在分析景观结构与水质变化的联系时具有较强的解释能力.可见, 在河网交汇的低地平原地区, 受人类活动干扰的采样点周边景观结构对水质变化的影响与整个子流域内景观结构的影响能力相当.在管理污染河段周边景观结构的过程中, 同时加强对上游水源地水质的保护及周边土地利用的管理更有助于净化水质.

分析结果表明, 不同尺度下景观结构对水质变化的解释能力不高, 存在大量未解释部分(表 4).本文选取的土地利用结构指标仅为一级土地利用类型分类中的农田、林地、建设用地和水域, 而相关研究发现林地中的果园和茶园往往是水体氮、磷污染物的主要来源(Nie et al., 2015).建设用地可划分为农村用地、工矿用地及城镇用地, 其中, 城镇用地才是水体富营养化的主要驱动因素(Carey et al., 2011).此外, 本文在进行冗余分析的过程中为了避免数据间的共线性造成的干扰, 采用了前向选择进行筛选, 仅保留了方差膨胀因子在20以内的指标, 虽然提升了分析结果的可靠性但不可避免地减少了景观结构涵盖的环境变量信息, 造成了解释能力下降.因此, 采用更加细致的土地利用类型划分, 并考虑新的方法在保留尽可能多的景观信息的前提下降低变量间的共线性, 有助于增强景观结构对水质变化的解释能力.

5 结论(Conclusions)

1) 由于不同类型污染物来源差异较大, 对其变化产生影响的景观结构指标不同, 农田、斑块密度(PD)、斑块聚集指数(COHESION)及散布与并列指数(IJI)是影响水体营养盐含量的主要指标, 林地、建设用地、平均最近邻体距离(ENN_MN)和最大斑块指数(LPI)是影响水体重金属含量的主要指标.

2) 河岸缓冲带的划分方式有助于增强景观结构对水体营养盐变化的解释能力, 圆形缓冲区的划分方式有助于增强对水体重金属变化的解释能力, 两种缓冲区内100、1000 m尺度是影响水质变化的关键尺度, 设置混合缓冲区管理景观结构对流域水环境保护具有重要意义.

3) 由于河流水体受污染类型不同, 100、1000 m缓冲区及子流域尺度均有可能是影响水质变化的最佳空间尺度, 在100 m河岸缓冲带尺度分析水体营养盐变化机制, 在子流域尺度研究重金属变化机制有助于理解景观结构与水质间的联系.

参考文献
Ahearn D S, Sheibley R W, Dahlgren R A, et al. 2005. Land use and land cover influence on water quality in the last free-flowing river draining the western Sierra Nevada, California[J]. Journal of Hydrology, 313(3/4): 234-247.
Allan J D. 2004. Landscapes and riverscapes:The influence of land use on stream ecosystems[J]. Annual Review of Ecology, Evolution, and Systematics, 35(1): 257-284.
Amiri B J, Nakane K. 2009. Modeling the linkage between river water quality and landscape metrics in the Chugoku District of Japan[J]. Water Resources Management, 23(5): 931-956.
Antrop M. 2004. Landscape change and the urbanization process in Europe[J]. Landscape and Urban Planning, 67(1/4): 9-26.
Bu H, Meng W, Zhang Y, et al. 2014. Relationships between land use patterns and water quality in the Taizi River basin, China[J]. Ecological Indicators, 41: 187-197.
Carey R O, Migliaccio K W, Li Y, et al. 2011. Land use disturbance indicators and water quality variability in the Biscayne Bay Watershed, Florida[J]. Ecological Indicators, 11(5): 1093-1104.
Dabrowski J M, De Klerk L P. 2013. An assessment of the impact of different land use activities on water quality in the upper Olifants River catchment[J]. Water SA, 39(2): 231-244.
Ding J, Jiang Y, Liu Q, et al. 2016. Influences of the land use pattern on water quality in low-order streams of the Dongjiang River basin, China:A multi-scale analysis[J]. Science of the Total Environment, 551-552: 205-216.
Dodds W K, Oakes R M. 2008. Headwater influences on downstream water quality[J]. Environmental Management, 41(3): 367-377.
方红亚, 张方方, 张萌, 等. 2011. 赣江流域袁河底栖动物群落结构及其水质生物学评价[J]. 安徽农业科学, 39(4): 2254-2257.
Feng C, Wang H, Lu N, et al. 2014. Log-transformation and its implications for data analysis[J]. Shanghai Arch Psychiatry, 26(2): 105-109.
Fernandes A C P, Sanches Fernandes L F, Cortes R M V, et al. 2019. The role of landscape configuration, season, and distance from contaminant sources on the degradation of stream water quality in urban catchments[J]. Water, 11(10): 2025.
Gergel S E, Turner M G, Miller J R, et al. 2002. Landscape indicators of human impacts to riverine systems[J]. Aquatic Sciences, 64(2): 118-128.
黄金良, 李青生, 洪华生, 等. 2011. 九龙江流域土地利用/景观格局-水质的初步关联分析[J]. 环境科学, 32(1): 64-72.
Huang J, Li Q, Pontius R G, et al. 2013. Detecting the dynamic linkage between landscape characteristics and water quality in a subtropical coastal watershed, Southeast China[J]. Environmental Management, 51(1): 32-44.
Jiang Y, Xie Z, Zhang H, et al. 2017. Effects of land use types on dissolved trace metal concentrations in the Le'an River Basin, China[J]. Environmental Monitoring and Assessment, 189(12): 633.
金鹏康, 焦丁, 任武昂. 2015. 污水管网中无机氮类营养盐迁变规律[J]. 环境科学, 36(10): 3730-3737.
Kearns F R, Kelly N M, Carter J L, et al. 2005. A method for the use of landscape metrics in freshwater research and management[J]. Landscape Ecology, 20(1): 113-125.
雷呈, 黄琪, 倪才英, 等. 2019. 袁河流域河流生境质量评价及其影响因素分析[J]. 江西师范大学学报(自然科学版), 43(4): 425-432.
李昆, 王玲, 孙伟, 等. 2020. 城市化下景观格局对河流水质变化的空间尺度效应分析[J]. 环境科学学报, 40(1): 343-352.
李艳大, 曹中盛, 孙滨峰, 等. 2020. 江西双季稻氮素监测诊断模型的建立与应用[J]. 应用生态学报, 31(2): 433-440.
Li K, Chi G, Wang L, et al. 2018. Identifying the critical riparian buffer zone with the strongest linkage between landscape characteristics and surface water quality[J]. Ecological Indicators, 93: 741-752.
Liu R, Wang J, Shi J, et al. 2014. Runoff characteristics and nutrient loss mechanism from plain farmland under simulated rainfall conditions[J]. Science of the Total Environment, 468-469: 1069-1077.
Nelson Mwaijengo G, Msigwa A, Njau K N, et al. 2020. Where does land use matter most? Contrasting land use effects on river quality at different spatial scales[J]. Science of the Total Environment, 715: 134825.
Nie X, Li H, Jiang J, et al. 2015. Spatiotemporal variation of riverine nutrients in a typical hilly watershed in southeast China using multivariate statistics tools[J]. Journal of Mountain Science, 12(4): 983-998.
欧洋, 王晓燕, 耿润哲. 2012. 密云水库上游流域不同尺度景观特征对水质的影响[J]. 环境科学学报, 32(5): 1219-1226.
邱敏.2017.太湖氮磷大气沉降及水体自净模拟实验研究[D].广州: 暨南大学.66
Regmi R K, Mishra B K, Masago Y, et al. 2017. Applying a water quality index model to assess the water quality of the major rivers in the Kathmandu Valley, Nepal[J]. Environmental Monitoring and Assessment, 189(8): 382.
上海市环境保护局.2007.上海市环境质量报告(2006)[R].上海: 上海环境监测中心
Shi P, Zhang Y, Li Z, et al. 2017. Influence of land use and land cover patterns on seasonal water quality at multi-spatial scales[J]. CATENA, 151: 182-190.
寿玮玮.2018.大气沉降对渤海营养盐的贡献及生态效应[D].上海: 华东师范大学.186
Shu W, Wang P, Zhao J, et al. 2020. Characteristics, sources and risk assessment of heavy metals in the Ganjiang River Basin, China[J]. Polish Journal of Environmental Studies, 29(2): 1849-1868.
孙芹芹, 黄金良, 洪华生, 等. 2011. 九龙江流域城镇建设用地与河流水质关系研究[J]. 环境科学, 32(10): 2849-2854.
Sliva L, Dudley Williams D. 2001. Buffer zone versus whole catchment approaches to studying land use impact on river water quality[J]. Water Research, 35(14): 3462-3472.
万小丽.2016.宜春市城区河段工况影响下水质变化分析研究[D].南昌: 南昌工程学院.63
王鹏, 齐述华, 袁瑞强. 2015. 赣江流域土地利用方式对无机氮的影响[J]. 环境科学学报, 35(3): 826-835.
王小平, 张飞, 李晓航, 等. 2017. 艾比湖区域景观格局空间特征与地表水质的关联分析[J]. 生态学报, 37(22): 7438-7452.
Wang Z, Yao L, Liu G, et al. 2014. Heavy metals in water, sediments and submerged macrophytes in ponds around the Dianchi Lake, China[J]. Ecotoxicology and Environmental Safety, 107: 200-206.
王新霞, 王季丰, 侯琼, 等. 2020. 不同施肥模式对单季稻生长和氮磷流失的影响[J]. 浙江大学学报(农业与生命科学版), 46(2): 225-233.
王瑛, 张建锋.2011.景观格局变化对太湖水质的影响研究综述[C].全国湖泊-湿地-流域生态保护与3S技术应用大会.南昌: 217-220
Wu J, Lu J. 2019. Landscape patterns regulate non-point source nutrient pollution in an agricultural watershed[J]. Science of The Total Environment, 669: 377-388.
夏品华, 孔祥量, 喻理飞. 2016. 草海湿地小流域土地利用与景观格局对氮、磷输出的影响[J]. 环境科学学报, 36(8): 2983-2989.
Xu G, Ren X, Yang Z, et al. 2019. Influence of landscape structures on water quality at multiple temporal and spatial scales:A case study of Wujiang River Watershed in Guizhou[J]. Water, 11(1): 159.
徐金英, 郑利林, 徐力刚, 等. 2019. 南方丘陵区河流表层沉积物重金属污染评价[J]. 中国环境科学, 39(8): 3420-3429.
徐启渝, 王鹏, 舒旺, 等. 2020. 土地利用结构与空间格局对袁河水质的影响[J]. 环境科学学报, 40(7): 2611-2620.
於梦秋, 蔡颖, 刘华, 等. 2014. 太湖流域入湖河流土地利用类型对水质的影响-以乌溪港、武进港为例[J]. 农业环境科学学报, 33(5): 1024-1032.
张晓健, 林朋飞, 陈超. 2017. 江西新余仙女湖镉铊砷突发环境事件应急供水[J]. 中国给水排水, 33(9): 1-10.
Zhao J, Lin L, Yang K, et al. 2015. Influences of land use on water quality in a reticular river network area:A case study in Shanghai, China[J]. Landscape and Urban Planning, 137: 20-29.
赵君, 王鹏, 余小芳. 2018. 温度和降水对赣江流域土地利用方式与河流氮磷营养盐相关性的影响[J]. 江西师范大学学报(自然科学版), 42(6): 655-660.
Zhao K, Wu H, Chen W, et al. 2020. Impacts of landscapes on water quality in a typical headwater catchment, Southeastern China[J]. Sustainability, 12(2): 721.
Zhou T, Wu J, Peng S. 2012. Assessing the effects of landscape pattern on river water quality at multiple scales:A case study of the Dongjiang River watershed, China[J]. Ecological Indicators, 23: 166-175.