小流域農業(yè)面源污染阻力評價及“源-匯”風險空間格局

王金亮，陳成龍，倪九派※，謝德體，邵景安

（1. 西南大學資源環(huán)境學院，重慶 400715；2. 重慶師范大學地理與旅游學院，重慶 401331）

0 引 言

農業(yè)面源污染“源-匯”風險研究是將全球變化和大氣污染研究中的“源-匯”方法引入到農業(yè)面源污染風險研究中，將流域景觀賦予“源”“匯”屬性，并依據“源-匯”景觀指數評價流域景觀對農業(yè)面源污染貢獻的影響，以此識別流域內的農業(yè)面源污染風險強弱[1-3]。由此，發(fā)展包括景觀空間負荷比指數[4-5]、“源-匯”水文響應單元景觀格局指數[6]、網格景觀空間負荷對比指數[7-8]等“源-匯”景觀指數對面源污染風險的指示已成為研究趨勢。盡管“源-匯”景觀指數的構建與改進在一定程度上能夠反映流域景觀對農業(yè)面源污染風險的影響，但現有研究更多地局限于景觀類型的“源-匯”歸屬識別，并基于客觀經驗、專家咨詢法或賦予權重貢獻法等，如利用土壤侵蝕通用方程中的植被覆蓋與管理因子對“源-匯”景觀類型的“源-匯”貢獻權重進行簡單賦值[9]，強調流域整體的“源-匯”特征，而較少考慮農業(yè)面源污染“源-匯”風險的內部空間差異[3]。

“源-匯”風險的識別不僅要考慮景觀類型的多樣化，還要考慮影響農業(yè)面源污染的各景觀要素，以及這些景觀要素的疊加影響所形成的阻力空間，以及面源污染物從“源”地遷移到其他景觀單元上的空間距離。而最小累計阻力模型能夠將阻力因子與農業(yè)面源污染物的輸移過程進行耦合，以阻力成本的方式來有效識別影響農業(yè)面源污染的“源-匯”風險格局，且已有研究在理論上提出了從景觀阻力與侵蝕力平衡關系的角度，并借助最小累計阻力模型來量化“源-匯”景觀對土壤侵蝕的“源-匯”風險[10]，以及在實證研究上借助最小累計阻力模型來識別量化影響三峽庫區(qū)大尺度面源污染的“源-匯”風險格局[3,11]。盡管如此，現有研究較少考慮農業(yè)面源污染過程中的氮磷流失機理，因為相對于大尺度空間，小流域尺度的氮磷污染物遷移轉換過程較快，且存在一定差異，徑流流失是氮素損失的基本途徑和主要途徑；而對于磷的遷移，除了溶解于水而隨徑流流失外，更重要的是因土壤顆粒的吸附而導致顆粒態(tài)磷的流失。

因此，在小流域的空間尺度上，最小累計阻力模型又該如何評價影響農業(yè)面源污染的阻力因子以及識別“源-匯”風險格局。一方面，小流域農業(yè)面源污染的影響因子與在大尺度區(qū)域上的有所不同，且空間化方式也有所不同，進而會影響到小流域的“源-匯”風險識別。另一方面，以小流域為單元進行農業(yè)面源污染防控是三峽庫區(qū)農業(yè)面源污染治理最有效的技術途徑，而現有景觀所能產生的面源污染風險則是防控農業(yè)面源污染的基礎[12-13]。

為此，本文以三峽庫區(qū)腹地典型農業(yè)區(qū)的王家溝小流域為研究區(qū)，選取農村居民點和旱坡地作為“源”地并進行等級劃分，考慮氮磷污染遷移轉換機制的差異，構建影響農業(yè)面源污染的阻力因子評價體系，以此綜合評價氮磷的阻力基面，然后借助最小累計阻力模型構建阻力面，以此將影響小流域農業(yè)面源污染的“源-匯”風險程度劃分不同等級，分析“源-匯”風險格局特征，以期為庫區(qū)農業(yè)面源污染治理提供參考依據。

1 材料與方法

1.1 研究區(qū)概況

王家溝小流域位于三峽庫區(qū)腹心地區(qū)，地處重慶市涪陵區(qū)珍溪鎮(zhèn)，為長江北岸的一級支流小流域。該流域是一個完整的自然閉合集水區(qū)，流域面積為82.34 hm2。氣候類型上屬于亞熱帶季風氣候，年均溫22.1 ℃，年均降水量920 mm。地形上具有典型的以山地、丘陵夾溝谷的地形地貌。土壤類型主要以水稻土和紫色土為主，偏酸性。該流域屬于涪陵榨菜和桑蠶重點種植區(qū)，為高強度利用的種植單元和典型的農業(yè)耕作區(qū)，無工業(yè)經濟，主要農作物是榨菜、玉米、水稻。分析該小流域出水口2015年的地表日徑流監(jiān)測數據可知[14]，從1月至5月初，全流域總氮累積排放負荷均只有100 kg左右；5月15日至6月20日，由于降雨頻發(fā)和春季作物追肥結束，總氮、NO3--N和總磷累積排放負荷增加量分別約占全年累積排放負荷的50%～60%；6月下旬至9月初處于農閑時期，總氮、NO3--N和總磷累積排放負荷增幅較??；9月中旬至10月上旬，因強降雨事件增多，總氮、NO3--N和總磷累積排放負荷增大；10月中旬至12月底，由于此期間降雨量不到80 mm，總氮、NO3--N和總磷的累積排放負荷增量變化也不明顯。

1.2 數據來源與處理

本文所涉及的數據包括地形圖、土地利用數據、土壤數據、農業(yè)生產生活資料，詳細數據信息見表1。其中，土地利用數據通過谷歌衛(wèi)星地圖檢索工具（Google Satellite Maps Retriever）下載了覆蓋小流域的 Google Earth第18級衛(wèi)星影像，影像分辨率為0.6 m，投影方式為WGS 1984 Mercator，影像時間為2015年8月18日。通過野外踏勘選取地表位置突出的控制點和1:1 000地形圖進行影像的空間校正和幾何精糾正。對影像進行目視解譯，所解譯的土地利用類型包括農村居民點、農村道路、水田梯田、旱地梯田、旱坡地、林地、桑園和水利設施用地，見圖1。土壤采樣點是在坡面地表徑流匯水區(qū)域內沿坡面方向不同坡面位置（坡頂、坡腰、坡底）布設，研究區(qū)域內共布設45個土樣采集點，采集的數據包括土層厚度、土壤飽和導水率、主要土壤養(yǎng)分等。土壤樣品每年采集5次，采集時間為2014—2015年春秋2季作物種植前和農作物追肥結束后的 2個星期內以及夏季春秋作物輪空期間。2016年7月—8月期間，利用參與式農戶問卷調查方式獲取小流域內所有農戶的農業(yè)生產生活資料，包括農戶人口、農作物種類和產量、耕作面積、化肥種類和施用量、家畜種類與數量、農作物秸稈處理情況和農藥使用情況等。該流域共有95戶，有效問卷共95份，總人口數412人，常住人口295人，從事農業(yè)勞動的人口（157人）占常住人口的53.2%，其中從事農業(yè)勞動人口中屬于青壯年的（16～50歲）占 51.6%，屬于“半勞動力”（50～65歲）的占21%，65歲以上仍從事農業(yè)勞動的占27.4%。利用ArcGIS軟件中的重采樣工具（重采樣方法默認為最鄰近法）對以上所有柵格數據統(tǒng)一轉換為空間分辨率為1 m的柵格數據，并且所有空間數據統(tǒng)一轉為Albers等積投影。

圖1 王家溝小流域的高程圖和土地利用分布圖Fig.1 Elevation map and land use map of Wangjiagou small catchment

表1 研究區(qū)所需數據及來源Table 1 Content of data and sources

1.3 基于最小累計阻力模型的“源-匯”風險識別方法

最小累計阻力模型的最初構建是為了分析物種從源到目的地運動過程中所付出的最小阻力值[15]，將該模型應用到農業(yè)面源污染中，表示農業(yè)面源污染物從“源”地到達目標點所克服阻力的累積和最小值[3]。由此，本文利用最小累計阻力模型識別影響三峽庫區(qū)小流域農業(yè)面源污染的阻力和“源-匯”風險，具體識流程見圖 2。模型的基本公式[15-16]如下

式中MCR表示最小累積阻力面值，無量綱；f表示最小累積阻力與生態(tài)過程的負相關關系；min表示對不同的“源”地取累積阻力最小值；Dij表示源 j到景觀單元i的空間距離，m；Ri表示景觀單元 i對運動過程的阻力基面，無量綱；m是阻力面柵格的個數；n是源地的數目。

圖2 技術路線圖Fig.2 Technology roadmap

1.3.1 “源”地分級

首先是確定“源”地。“源”是物質能量流通或物種擴散的原點，具有內部同質性或集聚性和外部擴張性的特點[17]。對于研究區(qū)的農業(yè)面源污染而言，依據已有研究對王家溝小流域的農業(yè)面源污染源分析，小流域主要污染源為畜禽糞便、作物秸稈、農村污水和化肥，總氮和總磷污染物等標負荷比分別為30.4%、21.61%、4.27%和2.8%[14]，而且在研究區(qū)耕地類型中，旱坡地的氮磷流失最為明顯[18]。由此，選擇農村居民點和旱坡地作為王家溝小流域農業(yè)面源污染的最大“源”地。

依據“源”地的氮磷輸出能力，需要對“源”地進行等級劃分。盡管“源”地的氮磷輸出會受到徑流的驅動影響，而徑流又受土壤厚度、下滲能力和土壤前期含水量因素等的影響，但是對小流域徑流量難以進行空間化，主要原因在于：一方面，在實際監(jiān)測中無法獲取小流域內每個柵格單元（1 m×1 m）的徑流量數值，也不能像在大尺度空間通過多個氣象站點的降雨量進行空間插值而得到降雨量的空間變化趨勢那樣對徑流量進行空間插值；另一方面，流域的下墊面較為復雜，存在土壤、植被和水文狀況等綜合因素的影響，導致產流的損失，從而難以精確模擬徑流量的空間異質性。因此，本文對“源”地的分級進行如下：1）總體上，農村居民點所產生的氮磷污染負荷遠高于其他污染源，農村居民點的氮磷污染源主要來自生活污水和畜禽糞便，且沒有污水處理系統(tǒng)?？梢娹r村居民點所產生的污染負荷高，因此作為一級源；2）對于旱坡地，依據坡度的大小對旱坡地進行等級劃分，坡度越大，等級越高，共為 5個等級。坡度等級的劃分見表2。因此，研究將小流域的“源”地劃分為6個等級。

表2 阻力基面評價指標體系Table 2 Indicator system of evaluating resistance base surface

1.3.2 阻力基面評價指標體系構建

在農業(yè)面源污染過程中，地形、土壤、水文和植被等景觀要素往往控制著景觀流，表現出的阻力作用也不同?？紤]到氮磷的流失機理存在差異性，本文分別構建氮和磷的阻力基面評價指標體系，選擇相對高程、坡度、“源-匯”景觀類型和植被截留指數作為常規(guī)因子，氮磷的阻力基面評價都需要考慮；選擇地形濕潤指數、水流長度和氮投入量作為影響氮的阻力基面的特殊因子；選擇土壤流失垂直距離指數、土壤侵蝕強度和磷投入量作為影響磷的阻力基面的特殊因子，具體見表2。

其中，相對高程、坡度和水流長度利用流域DEM在ArcGIS10.3軟件中的表面分析和水文分析等工具獲取。地形濕潤指數通過 ArcGIS10.3軟件的空間分析模塊獲得，見公式（2）[19-20]

式中R為流域中某點的地形濕潤指數；α為流域上某一點的累積匯水量，mm；P為小流域年降雨量，mm；K為標準化的土壤飽和導水率，無量綱；D為標準化的土層厚度，無量綱；β為坡度值，（°）。

植被截留指數反映的是流域內植被緩沖帶截留污染物的可能性，截留帶寬度越大，坡度越小，截留效率越高[21]。計算公式如下

式中V是截留效率；Wk是下游流線上點k處的植被截留帶寬度，m；βk是坡度角，（°）；K 是流域上某點在下游流線上土地利用類型為林地或草地的柵格數[21]。

土壤流失垂直距離指數的計算需要先提取土壤流失垂直距離，該距離的提取主要是利用ArcGIS的空間分析模塊，將水系的高程值向外擴展得到水系高程面數據，并運用DEM數據與該水系高程面數據相減而實現，然后利用該指數的計算公式（4）[22]進行提取

式中Hi是流域中某點的土壤流失垂直距離指數；Hmax是流域中土壤流失垂直距離的最大值，m；hi是流域中某點的土壤流失垂直距離，m。

土壤侵蝕強度等級的劃分參考周月敏[23]的研究方法，主要是依據研究區(qū)所處位置及主要土壤侵蝕類型，重點考慮代表植被覆蓋度、坡度及土地利用的 3個指標來確定王家溝小流域水土流失強度分級，并根據此劃分小流域的土壤侵蝕強度等級。

“源”、“匯”景觀類型的提取主要是利用土地利用數據進行重分類。重分類的依據在于“源-匯”景觀理論[1-2]，在具體歸類上參考Wang等的研究[24]，將農村居民點、農村道路、旱坡地和旱地梯田歸為“源”景觀類型，而林地、桑園、水田梯田、水利設施用地為“匯”景觀類型。

對于氮磷因子的氮磷投入量計算，通過農戶調查訪問發(fā)現，氮、磷投入主要與土地利用相關，為此，以參與式農戶問卷調查方式獲取小流域內農戶的農業(yè)生產生活資料，具體的氮磷投入參數選取和計算可參考文獻[25]。

各指標的賦值和權重設置上，參考葉玉瑤等[26-27]的研究，分別將各阻力因子的 5個等級用 1、3、5、7、9進行賦值。指標權重的獲取是通過專家打分的方式確定，具體的方法為德爾菲法[28]，所參與的專家均為西南地區(qū)面源污染專業(yè)背景的相關專家（共 20名），主要是通過對指標的重要性和權重值進行填表咨詢，并計算專家意見的集中值與變異程度，以及協調程度的和諧系數，最后對指標的權重進行歸一化運算，得到每個指標的權重。由此，通過指標圖層與相應權重的空間疊加，最終得到小流域的阻力基面。

1.3.3 阻力面構建與“源-匯”風險分級

阻力面反映了各種“流”（物質和能量等）從“源”景觀中出發(fā)克服各種阻力要素到達目的地的相對或絕對難易程度，也客觀表現了事物空間運動在景觀表面的趨勢[15-16]。具體構建過程如下：基于基面阻力評價結果，運用ArcGIS10.3中的cost-distance模塊分別生成對應氮和磷的各6個等級源的阻力面，依據公式（1），利用Con函數進行兩兩比較不同等級源的阻力面，篩選出各等級源的阻力面的最小值，作為氮和磷的阻力面，用Con函數繼續(xù)比較氮和磷的阻力面，篩選出最小值，作為影響小流域農業(yè)面源污染的總阻力面，見圖2。影響農業(yè)面源污染的“源-匯”風險等級劃分，主要是選擇關于不同累計阻力數對應柵格數的突變情況作為阻力閾值的確定依據[29]。根據最小累計阻力的標準方差，對總阻力面值初步劃分為多個類別，并統(tǒng)計每一類的柵格數及其占總柵格數的比例，以及前一分類與后一分類的比例差值。然后依據比例差值確定風險分區(qū)的臨時閾值，將影響小流域農業(yè)面源污染的“源-匯”風險進行分區(qū)，等級越高，農業(yè)面源污染的風險也越高。

2 結果與分析

2.1 阻力因子的空間分布特征

對于阻力基面各因子的等級空間分布，由 1等級變化到 9等級，表示影響農業(yè)面源污染的潛在阻力逐漸增大。由圖 3可以看出，阻力基面各因子的空間分布存在明顯的空間差異，且差異程度明顯不同。

相對高程、水流長度和土壤流失垂直距離指數的等級空間分布趨勢相近，均由小流域的出水口逐漸向流域內增大，呈現圈層分布特征。土壤流失垂直距離指數的1等級空間區(qū)域遠大于其他 2個因子，主要原因在于土壤流失垂直距離反映的是距離水系遠近導致的相應土地利用類型對河流泥沙的貢獻程度的差異[22]，而在整體上，小流域內土地利用類型距離水系較近，流失的土壤顆粒易入水系，潛在阻力較小，導致土壤流失垂直距離指數的1等級空間范圍較大。

坡度越大，潛在阻力越小，等級也越小。王家溝小流域的坡度特征表現為由高海拔的外圍坡度大逐漸向中間低洼處降低，因此其等級空間分布的趨勢與實際坡度相反。相對于坡度，地形濕潤指數的等級空間分布特征較為復雜，大致呈現“山脊-山谷”狀的分布特征，由“山脊”處的等級高、潛在阻力大，過渡到“山谷”處的等級低、潛在阻力小。

“源”“匯”景觀類型呈現出土地利用空間分布的特征，“源”景觀類型的潛在阻力小，等級低；“匯”景觀類型的潛在阻力大，等級高。植被截留指數和土壤侵蝕強度的等級空間分布呈現出環(huán)狀特征，表現為林地和桑園覆蓋的區(qū)域阻力等級高，其他區(qū)域等級低。氮磷投入量的等級空間分布也受土地利用狀況的影響，呈現出土地利用的空間分布特征，表現為旱坡地和農村居民點的等級低、潛在阻力相對小，林地和桑園的等級高、潛在阻力相對大。

2.2 阻力基面和阻力面的綜合評價

阻力基面反映的是景觀單元通過阻力因子的垂直疊加，對于農業(yè)面源污染過程的綜合影響程度，即各阻力因子的空間疊加影響而形成的阻力基面。由圖 4可以看出，影響農業(yè)面源污染的氮磷阻力基面存在空間差異，主要表現在，空間分布上，阻力基面低值主要分布在旱坡地和旱地梯田所處的空間，可見這些區(qū)域的景觀單元受到阻力因子的綜合影響較小，所產生的氮磷面源污染物極易流失；而阻力基面高值主要分布在林地和桑園所分布的環(huán)帶空間中，這些景觀單元受到阻力因子的綜合影響較大，氮磷面源污染物易被攔截。進一步地從土地利用分布的角度看，表 3可以看出，農村居民點、旱坡地、旱地梯田和農村道路所分布的阻力基面平均值小于林地、桑園、水田梯田和水利設施用地，由此可見，阻力基面的空間分布結果反映了影響庫區(qū)小流域農業(yè)面源污染的“源-匯”景觀空間差異。

圖3 阻力基面評價指標的空間分布特征Fig.3 Spatial distribution of indicators for evaluating resistance base surface

圖4 影響農業(yè)面源污染的阻力基面Fig.4 Resistance base surface impacted agricultural non-point source pollution

表3 不同土地利用類型的阻力基面和阻力面平均值Table 3 Mean value of resistance base surface and resistance surface under different land use

阻力面是在阻力基面和“源”地的基礎上疊加距離因素而得到的最小累計阻力值，綜合反映了面源污染物從“源”地出發(fā)所經過的阻力空間分布趨勢。對比圖 4和圖 5可以看出，阻力基面與阻力面的空間分布存在一定的區(qū)域差異，由圖 5可以看出，氮和磷及總體的阻力面總體上都圍繞“源”地向外呈現不斷增大的變化趨勢。其中，阻力面的高值區(qū)域主要分布在小流域內的低洼處和流域出水口，這些區(qū)域主要分布水田梯田，表 3也可以看出水田梯田的氮磷阻力面和總體阻力面值為最高，均值分別為 846.60、858.06和 828.41；尤其是分布在坡度較緩的旱地梯田，其氮磷阻力面和總阻力面值也較高，均值分別為 741.36、722.76和 711.23。這主要原因在于水田梯田和旱地梯田處于流域內的低洼處，相對高程較低、坡度較小，距離“源”地的農村居民點和旱坡地較遠，面源污染物從“源地”到達水田梯田會經歷更多的阻力作用，阻力相對較大，所以阻力面值較大。阻力面的低值區(qū)域主要分布在農村居民點和旱坡地，原因在于由于這 2類景觀類型被選作影響農業(yè)面源污染的“源”地，其內部的阻力最小。相關研究[3]也認為距離“源”地較遠的地類，所處的阻力面值往往偏大，主要是受空間距離影響，距離越遠，所經歷的阻力作用相對較大，反之則較小。

圖5 影響農業(yè)面源污染的阻力面Fig.5 Resistance surface impacted agricultural non-point source pollution

2.3 影響農業(yè)面源污染的“源-匯”風險特征

按照最小累計阻力值的標準方差，初步將圖5c的總阻力面劃分為16類（C1～C16），每類間隔四分之一方差，并統(tǒng)計每一類的柵格數及其占總柵格數的比例，以及前一分類與后一分類的比例差值，如C1類的比例減去C2類的，以此類推。由表4可以看出，C1類變化到C2類，柵格數的差值占到整個流域柵格總數的28.08%；C2類變化到C3類，突變幅度占到整個流域柵格總數的1.64%；接著是C6類變化到C7類，突變幅度占整個流域柵格總數小于1%，以及最后的C15到C16的突變，突變幅度發(fā)生減小，為-1.22%。因此，選擇上述突變點作為“源-匯”風險分區(qū)的臨界閾值，將“源-匯”風險分區(qū)劃分為5等級：極高風險區(qū)（C1類）、高風險區(qū)（C2類）、中風險區(qū)（C3～C6類）、低風險區(qū)（C7～C15類）和極低風險區(qū)（C16類），并利用ArcGIS軟件的統(tǒng)計功能統(tǒng)計每個風險分區(qū)的面積，以及每種土地利用類型的各風險分區(qū)的面積比例，結果如圖6所示。

表4 總阻力面的標準差分類Table 4 Classification based on standard deviation for whole resistance surface

由圖6可以看出，各等級“源-匯”風險區(qū)表現為：極高風險區(qū)（0.297 7 km2）>高風險區(qū)（0.154 4 km2）>中風險區(qū)（0.147 5 km2）>低風險區(qū)（0.147 4 km2）>極低風險區(qū)（0.016 0 km2），可見影響整個小流域農業(yè)面源污染的“源-匯”風險偏高，盡管如此，小流域內仍然有一定范圍的低風險區(qū)，能確保流域內的氮磷流失得到有效攔截。

對于極高風險區(qū)，在整個小流域的分布面積為最大，占到整個流域的 39%，空間特征主要表現為團聚塊狀分布，其內的景觀阻力最小，氮磷污染物極易流失，而且分布的地類為旱坡地和農村居民點（極高風險區(qū)的面積比例均為100%），即“源”地的“源-匯”風險極高，因而是氮磷污染物的最大來源。

緊鄰圍繞極高風險區(qū)分布的是高風險區(qū)，分布面積占整個流域的20.23%，在空間上表現為沿著極高風險區(qū)分布的細條帶狀特征。在地類分布上，圖6b可以看出，相對于“源”景觀類型，“匯”景觀類型反而占據一定的比例，這主要原因在于這些“匯”景觀類型鑲嵌分布于“源”景觀中，距離“源”景觀中的旱坡地和農村居民點相對較近，易受這些“源”的影響，在某些地段呈現高風險特征。

其次是中風險區(qū)，在風險特征上處于高風險和低風險的過渡狀態(tài)，空間分布范圍僅次于高風險區(qū)，也是圍繞極高風險區(qū)而分布。地類分布上，圖6b可以看出，中風險區(qū)在“匯”景觀類型中分布較廣，尤其是在林地、桑園和水利設施用地中。如果這些地類轉換為旱坡地或者農村居民點，必然增大“源-匯”風險，中風險等級將會轉變?yōu)楦鼮閲乐氐母唢L險或極高風險。

最后是低風險區(qū)和極低風險區(qū)，這 2類風險區(qū)的農業(yè)面源污染風險較低，“源-匯”特征上以“匯”為主，景觀阻力較大，景觀單元對氮磷污染物的截留能力較強?？臻g分布上，低風險區(qū)主要分布于小流域內地勢低洼處，以及緩坡處等地方；而極低風險區(qū)則主要分布在 3處，包括流域出水口附近、流域邊界的北部和流域中部低洼處，這些地方距離“源”地較遠，氮磷污染物伴隨土壤顆粒和水流遷移需要經受更長空間距離的阻力作用。分布地類上，以水田梯田和旱地梯田分布為主，其次是桑園、水利設施用地和林地，其中的旱地梯田雖然被劃分為“源”景觀類型，但其分布的坡度較低，而且有高于坡面的石坎或土坎在一定程度能夠攔截氮磷污染物，因此其景觀阻力較大，“源-匯”風險較小。

圖6 影響小流域農業(yè)面源污染的“源-匯”風險區(qū)及不同土地利用類型的“源-匯”風險區(qū)面積比例Fig. 6 “Source-sink” risk zones impacted agricultural non-point source pollution and its area ratio of different land use types

3 討 論

本文從影響農業(yè)面源污染的“源-匯”出發(fā)，引入最小累計阻力模型將農業(yè)面源污染過程融入到風險評價中，從而以阻力面的形式來表征“源-匯”風險。研究所得出的影響三峽庫區(qū)小流域農業(yè)面源污染的“源-匯”風險格局與相關研究能夠得到很好的驗證，例如陳成龍等[30]研究也認為，水田能夠顯著降低了坡面和干渠節(jié)點的總氮流失濃度，旱地和多數水旱輪作地與不同坡面和干渠的總氮流失濃度相當，可見流域內的水田農業(yè)面源污染風險低，而旱坡地的相對較高，這與本文的水田梯田處于“源-匯”風險的低風險區(qū)、旱坡地處于高風險區(qū)的風險格局較為相近。Chen等[14]也分析認為氮磷污染物濃度（總氮、總磷）與水稻、桑樹面積比呈顯著的負相關關系，而與玉米和榨菜面積比呈正相關關系，也表明本文基于最小累計阻力模型的農業(yè)面源污染“源-匯”風險格局識別的可行性。同時，本文還存在需要進一步完善與深入研究的問題。在考慮構建阻力基面評價指數體系時，由于小流域面積小于1 km2，導致降雨量、土壤類型等空間差異較小而無法進行空間化，因此不能夠全面地綜合所有影響因子。因此，需要考慮如何更好地將小流域農業(yè)面源污染的外在影響因子與內在轉換遷移機制結合起來，并在最小累計阻力模型中實現。另外，本文的“源-匯”風險格局識別側重于空間上的過程，而時間預測功能相對較弱，因為農業(yè)面源污染過程實質上也是面源污染物的在時空上的“源-匯”過程，“源-匯”風險在時間尺度上存在著演變過程。

4 結 論

本文從阻力的角度，結合源匯景觀理論和最小累計阻力模型，在確定“源”地的基礎上，構建影響小流域農業(yè)面源污染的阻力因子評價體系，以此對小流域的阻力基面進行綜合評價，最后借助最小累計阻力模型構建阻力面，以此識別影響小流域農業(yè)面源污染的“源-匯”風險格局。研究結論如下：

1）對于影響農業(yè)面源污染的不同阻力因子，其空間分布存在明顯的空間差異。氮和磷的阻力基面反映了影響三峽庫區(qū)小流域農業(yè)面源污染的“源-匯”景觀空間差異，其中阻力基面低值主要分布在屬于“源”景觀類型的旱坡地和旱地梯田所處的空間，而阻力基面高值主要分布在屬于“匯”景觀類型的林地和桑園所分布的環(huán)帶空間中。

2）氮和磷的阻力面總體上圍繞“源”地向外呈現不斷增大的變化趨勢，即距離“源”地越遠，阻力面值越大，面源污染物所受的空間阻力越大，其中的高值區(qū)域主要分布水田梯田分布區(qū)域，而低值區(qū)主要分布在農村居民點和旱坡地。依據阻力面和阻力閾值，研究劃定了影響王家溝小流域農業(yè)面源污染的“源-匯”風險區(qū)，表現為極高風險區(qū)（0.297 7 km2）>高風險區(qū)（0.154 4 km2）>中風險區(qū)（0.147 5 km2）>低風險區(qū)（0.147 4 km2）>極低風險區(qū)（0.016 0 km2）?！霸?匯”風險格局特征在整體上表現出，影響整個小流域農業(yè)面源污染的“源-匯”風險偏高，但小流域內仍有一定范圍的低風險區(qū)，能確保流域內的氮磷流失得到有效攔截。

[1] 陳利頂，傅伯杰，趙文武.“源”“匯”景觀理論及其生態(tài)學意義[J]. 生態(tài)學報，2006，26(5)：1444－1449.Chen Liding, Fu Bojie, Zhao Wenwu. Source-sink landscape theory and its ecological significance[J]. Acta Ecologica Sinica,2006, 26(5): 1444－1449. (in Chinese with English abstract)

[2] Chen L D, Fu B J, Zhao W W. Source-sink landscape theory and its ecological significance[J]. Frontiers in Biology, 2008,3(2): 131－136.

[3] 王金亮，謝德體，邵景安，等. 基于最小累積阻力模型的三峽庫區(qū)耕地面源污染“源-匯”風險識別[J]. 農業(yè)工程學報，2016，32(16)：206－215.Wang J L, Xie D T, Shao J A, et al. Identification of source-sink risk pattern of agricultural non-point source pollution in cultivated land in Three Gorge Reservoir Area based on accumulative minimum resistance model[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16): 206－215. (in Chinese with English abstract)

[4] Chen L D, Tian H Y, Fu B J, et al. Development of a new index for integrating landscape patterns with ecological processes at watershed scale[J]. Chinese Geographical Science, 2009, 19(1): 37－45.

[5] Wu Z P, Lin C, Su Z H, et al. Multiple landscape“source-sink” structures for the monitoring and management of non-point source organic carbon loss in a peri-urban watershed[J]. Catena, 2016, 145: 15－29.

[6] Zhou Z X, Li J. The correlation analysis on the landscape pattern index and hydrological processes in the Yanhe watershed, China[J]. Journal of Hydrology, 2015, 524(5):417－426.

[7] Jiang M Z, Chen H Y, Chen Q H. A method to analyze“source-sink” structure of non-point source pollution based on remote sensing technology[J]. Environmental Pollution,2013, 182: 135－140.

[8] Jiang M Z, Chen H Y, Chen Q H, et al. Study of landscape patterns of variation and optimization based on non-point source pollution control in an estuary[J]. Marine Pollution Bulletin, 2014, 87(1/2): 88－97.

[9] 孫然好，陳利頂，王偉，等. 基于“源”“匯”景觀格局指數的海河流域總氮流失評價[J]. 環(huán)境科學，2012，33(6)：1784－1787.Sun Ranhao, Chen Liding, Wang Wei, et al. Correlating landscape pattern with total nitrogen concentration using a Location-weighted Sink-source landscape index in the Haihe river basin, China[J]. Environmental Science, 2012, 33(6):1784－1787. (in Chinese with English abstract)

[10] 許申來，周昊. 景觀“源、匯”的動態(tài)特性及其量化方法[J]. 水土保持研究，2008，15(6)：64－71.Xu Shenlai, Zhou Hao. The landscape dynamics of 'source'and 'sink' and its quantification method[J]. Research of Soil and Water Conservation, 2008, 15(6): 64－71. (in Chinese with English abstract)

[11] Wang J L, Shao J A, Wang D, et al. Identification of the“source” and “sink” patterns influencing non-point source pollution in the Three Gorges Reservoir Area[J]. Journal of Geographical Science. 2016, 26(10): 1431－1448.

[12] Adams R, Arafat Y, Eate V, et al. A catchment study of sources and sinks of nutrients and sediments in south-east Australia[J]. Journal of Hydrology, 2014(515): 166－179.

[13] 陳利頂，賈福巖，汪亞峰. 黃土丘陵區(qū)坡面形態(tài)和植被組合的土壤侵蝕效應研究[J]. 地理科學，2015，35(9)：1176－1182.Chen Liding, Jia Fuyan, Wang Yafeng. The effects of slope configuration and vegetation pattern on soil erosion in the Loess Hilly Area[J]. Scientia Geographica Sinica, 2015,35(9): 1176－1182. (in Chinese with English abstract)

[14] Chen C L, Gao M, Xie D T, et al. Spatial and temporal variations in non-point source losses of nitrogen and phosphorus in a small agricultural catchment in the Three Gorges Region[J]. Environmental Monitoring & Assessment,2016, 188(4): 1－15.

[15] Knaapen J P, Scheffer M, Harms B. Estimating habitat isolation in landscape planning[J]. Landscape and Urban Planning, 1992, 23(1): l－16.

[16] Greenberg J A, Rueda C, Hestir E L, et al. Least cost distance analysis for spatial interpolation[J]. Computers &Geosciences, 2011(37): 272－276.

[17] Gonzales E K, Gergel S E. Testing assumptions of cost surface analysis: A tool for invasive species management[J].Landscape Ecology, 2007, 22 (8): 1155－1168.

[18] 徐暢，謝德體，高明，等. 三峽庫區(qū)小流域旱坡地氮磷流失特征研究[J]. 水土保持學報，2011，25(1)：1－10.Xu Chang, Xie Deti, Gao Ming, et al. Study on the nitrogen and phosphorus loss characteristics from sloping uplands in small watershed of Three Gorges Reservoir Region[J].Journal of Soil and Water Conservation, 2011, 25(1): 1－10.(in Chinese with English abstract)

[19] Qiu Z Y. Assessing critical source areas in watersheds for conservation buffer planning and riparian restoration[J].Environmental Management, 2009, 44(5): 968－980.

[20] 龐樹江，王曉燕. 流域尺度非點源總氮輸出系數改進模型的應用[J]. 農業(yè)工程學報，2017，33(18)：213－223 Pang Shuijiang, Wang Xiaoyan. Application of modified diffuse total nitrogen export coefficient model at watershed scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 213－223. (in Chinese with English abstract)

[21] Wang J L, Shao J A, Wang D, et al. Simulation of the dissolved nitrogen and phosphorus loads in diあerent land uses in the Three Gorges Reservoir Region: Based on the improved export coeきcient model[J]. Environmental Science-Processes & Impacts, 2015, 17(11): 1861－1994.

[22] 傅伯杰，趙文武，陳利頂，等. 多尺度土壤侵蝕評價指數[J]. 科學通報，2006，51(16)：1936－1943.Fu Bojie, Zhao Wenwu, Chen Liding, et al. Evaluation indices of soil erosion under multi-scales[J]. Science Bulletin,2006, 51(16): 1936－1943.

[23] 周月敏. 面向小流域管理的水土保持遙感監(jiān)測方法研究[D]. 北京: 中國科學院遙感應用研究所，2005.Zhou Yuemin. Study on Methods for Soil and Water Conservation Monitoring Small Watershed-oriented[D].Beijing: Institute of Remote Sensing Applications, Chinese Academy of Sciences, 2005.

[24] Wang J L, Ni J P, Chen C L, et al. Source-sink landscape spatial characteristics and effect onnon-point source pollution in a small catchment of theThree Gorge Reservoir Region[J].Journal of Mountain Science, 2018, 15(2): 327－339.

[25] Scoonesa I, Toulmin C. Soil nutrient balances: What use for policy?[J]. Agriculture, Ecosystems and Environment, 1998,71(1/3): 255－267.

[26] 葉玉瑤，蘇泳嫻，張虹鷗，等. 生態(tài)阻力面模型構建及其在城市擴展模擬中的應用[J]. 地理學報，2014，69(4)：485－496.Ye Yuyao, Su Yongxian, Zhang Hong’ou, et al. Ecological resistance surface model and its application in urban expansion simulations[J]. Acta Geographica Sinica, 2014,69(4): 485－496.

[27] Ye Yuyao, Su Yongxian, Zhang Hongou, et al. Construction of an ecological resistance surface model and its application in urban expansion simulations[J]. Journal of Geographical Science, 2015, 25(2): 211－224.

[28] 李華敏. 基于顧客價值理論的旅游地選擇意向形成機制研究[J]. 地理研究，2010，29(7)：335－1344.Li Huamin. Study on the formation mechanism of tourism destination choosing intention based on the customer value theory[J]. Geographical Research, 2010, 29(7): 335－1344.

[29] 程迎軒，王紅梅，劉光盛，等. 基于最小累計阻力模型的生態(tài)用地空間布局優(yōu)化[J]. 農業(yè)工程學報，2016，32(16)：248－257.Cheng Yingxuan, Wang Hongmei, Liu Guangsheng, et al.Spatial layout optimization for ecological land based on minimum cumulative resistance model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16): 248－257. (in Chinese with English abstract)

[30] 陳成龍，高明，倪九派, 等. 三峽庫區(qū)小流域不同土地利用類型對氮素流失影響[J]. 環(huán)境科學，2016，37(5)：1707－1716.Chen C L, Gao M, Ni J P, et al. Nitrogen losses under the action of different land use types of small catchment in Three Gorges Region[J]. Environmental Science, 2016, 37(5): 1707－1716.