氣候變化對小流域氮、磷通量的影響
——以延安市河流流域為例

何卓識，霍守亮*，馬春子，張含笑,2，黃煒惠

1.環(huán)境基準與風險評估國家重點實驗室，中國環(huán)境科學研究院 2.北京師范大學水科學研究院

人類活動導致的氮、磷營養(yǎng)鹽富集是我國水體富營養(yǎng)化問題形成的重要驅動力。施肥、化石燃料燃燒、種植業(yè)增加等活動，改變了原有氮、磷循環(huán)過程，使陸域生態(tài)系統(tǒng)的氮、磷濃度顯著增加[1-2]。由人類活動引起的河流氮、磷濃度和通量持續(xù)增加已成為河流生態(tài)環(huán)境功能退化以及下游湖庫、河口、海岸等水體富營養(yǎng)化的主要原因之一[3]。流域氮、磷通量的變化不僅受到人類活動的直接或間接影響，而且與水文、氣象等眾多自然因素密切相關[4-5]。減少水體的氮、磷輸入量是控制富營養(yǎng)化的重要措施[6-7]，然而為緩解富營養(yǎng)化而實施的氮、磷營養(yǎng)物削減政策有可能會因氣候變化對水環(huán)境的影響而削弱[8-9]。人口的增加和土地利用類型的改變會進一步影響凈人為氮、磷輸入量(NANINAPI)的外源輸入[10]。氣候變化導致降水和土地利用模式的改變也會影響氮、磷通量與NANI、NAPI之間的響應關系[11-12]。

人類對污染物負荷的認知主要源自流域氮、磷通量的模型模擬結果，只有個別流域擁有可用來估算氮、磷通量的完整監(jiān)測數(shù)據(jù)，大部分的流域僅有少量的水質數(shù)據(jù)。多數(shù)模型只能估算出長期平均水文條件下的氮、磷通量，不能進一步了解流域通量的年際變化[13-15]。因此，構建流域氮、磷通量核算模型，明確氮、磷通量與流域人類活動和氣候變化的定量響應關系，從而制定有效的流域氮、磷管理策略，已成為全球氣候變化背景下推進水體氮、磷污染控制實踐所需解決的關鍵問題。

針對我國當前氣候變化對流域氮、磷通量影響量化方法技術缺乏的現(xiàn)狀，筆者基于一種改進的加權回歸方法建立了流域氮、磷通量核算模型，結合流域凈人為氮、磷輸入量核算和土地利用類型，以延安市4條河流為例，構建以降水量為代表的氣候指標和人類活動與流域氮、磷通量的響應關系；量化了降水和人類活動對流域氮、磷通量的影響；利用區(qū)域氣候模式，預測了不同發(fā)展情景下流域氮、磷通量的變化情況，以期為制定應對氣候變化的流域水環(huán)境管理方法提供支撐。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

延安市位于黃河中游，屬黃土高原丘陵溝壑區(qū)。地貌以黃土高原、丘陵為主，地勢西北高東南低，平均海拔為1 200 m左右。該區(qū)域屬于暖溫帶半濕潤易旱氣候區(qū)，全年氣候變化受制于季風環(huán)流。多年平均降水量為491 mm，全年60%以上的降水集中在6—8月。延安市全境屬黃河流域，共有黃河干流、北洛河、延河、清澗河、云巖河、仕望河6條主要河流，流域總面積為37 037 km2，是黃土高原丘陵溝壑區(qū)的典型代表。其中北洛河、延河、清澗河及仕望河承擔了延安市主要的防洪、排澇、納污等功能，流域面積占延安市總面積的84.9%，以這4條河流流域為本案例研究區(qū)，研究區(qū)內共設有7個國控斷面和12個省控斷面(圖1)。

圖1 研究區(qū)及監(jiān)測斷面分布示意Fig.1 Study area and distribution of monitoring sites

1.2 數(shù)據(jù)來源與處理

水質監(jiān)測頻率為每月1次，2015—2017年19個斷面水質數(shù)據(jù)和2007—2017年7個水文站的水文數(shù)據(jù)由延安市環(huán)境監(jiān)測站提供。該流域主要包括13個縣，計算NANI、NAPI所需的人口、畜禽養(yǎng)殖量、農(nóng)作物播種面積、化肥施用量等相關數(shù)據(jù)均來自于延安市及周邊縣市2013—2016年的統(tǒng)計年鑒，人均消費氮、磷量數(shù)據(jù)來自2013—2016年的《中國統(tǒng)計年鑒》。采用國家氣象信息中心的RegCM4動力降尺度數(shù)據(jù)，預測2種氣候情景下以降水為代表的氣候變化指標對流域近期(2020—2029年)和遠期(2090—2099年)氮、磷通量的影響[16-18]。2種氣候情景分別為RCP4.5的穩(wěn)定情景和RCP8.5的常態(tài)情景。其中，RCP4.5為中-低發(fā)展情景，該情景下未來輻射強迫將穩(wěn)定在4.5 Wm2，且在2100年后沒有超過該值；RCP8.5為高發(fā)展情景，該情景下輻射強迫將在2100年達到8.5 Wm2，并持續(xù)增加[19]。

2 研究方法

2.1 外源污染負荷模型

評估人類活動對流域氮、磷通量的影響，最直接的方法是構建完整的氮、磷平衡模型。由于相關數(shù)據(jù)的缺乏，難以構建完整的營養(yǎng)鹽平衡模型，且對氮、磷輸入的定量化研究也存在極大的不確定性，通常采用NANI、NAPI評估人類活動產(chǎn)生的氮、磷輸入量。NANI、NAPI的相關研究已應用在溫帶、熱帶的多個地區(qū)，空間尺度跨越幾十到幾十萬km2，被認為是穩(wěn)定性較高且誤差較小的方法[20-22]。NANI、NAPI主要包括大氣氮沉降，肥料輸入，生物固氮，凈食物和飼料氮、磷輸入及種子氮、磷輸入5個部分，結合統(tǒng)計年鑒和流域土地利用數(shù)據(jù)，采用Han等[23]確定的系數(shù)進行計算。

大氣氮沉降包括干沉降和濕沉降，為了避免氮輸入的重復計算，將化肥的揮發(fā)量排除在外[23]。由于氣態(tài)磷(如PH3)在大氣中含量極低，且不穩(wěn)定，大氣沉降量往往也不顯著，在多數(shù)磷源核算中大氣磷沉降往往忽略不計[24]。肥料是流域凈人為氮、磷輸入的重要來源之一，在當前農(nóng)業(yè)生產(chǎn)過程中會使用大量的化肥等生產(chǎn)資料。利用統(tǒng)計年鑒中的化肥施用量計算肥料輸入，其中磷肥的施用量以P2O5計，需要采用質量分數(shù)進行換算。土壤中氮元素的消耗主要是通過植物對氮的吸收實現(xiàn)的，生物固氮量可以利用不同土地用類型單位面積的固定率和該土地利用類型面積相乘獲得。不同土地利用類型生物氮固氮系數(shù)分別為：農(nóng)業(yè)，500 kg(km2·a)；林地，1 000 kg(km2·a)；草地，1 500 kg(km2·a)；開發(fā)土地，0 kg(km2·a)；其他土地，100 kg(km2·a)[23]。凈食物和飼料氮、磷輸入等于人類和動物食物及飼料氮、磷的消耗量-人類消耗的動物氮、磷量-農(nóng)作物含氮、磷量，即等于人類食物氮、磷消耗量+動物排泄氮、磷量-農(nóng)作物含氮、磷量。人類食物氮、磷消耗量直接通過人均消費氮、磷量與人口數(shù)乘積進行計算；動物排泄氮、磷量通過單個或單只動物的排泄氮、磷量與動物養(yǎng)殖數(shù)量的乘積進行計算；選用水稻、小麥、玉米等主要農(nóng)作物來估算研究區(qū)的農(nóng)作物含氮、磷量，采用單位農(nóng)作物耕種面積的含氮、磷量與該農(nóng)作物耕種面積相乘獲得。

2.2 流域氮、磷通量核算模型

收集到的水質數(shù)據(jù)資料中可能包括不同的采樣方式、不同時段的采樣檢測設備、不同采樣頻次和不同采樣目的的水質數(shù)據(jù)資料，簡單的統(tǒng)計分析有可能會受到不同的采樣計劃和周期內流動條件隨機變化的影響，僅對樣本值趨勢的簡單統(tǒng)計分析不一定能真實地反映采樣期間實際氮、磷濃度的變化趨勢[25]。采用時間、流量、季節(jié)加權回歸方程可以對某一時刻、某一流量條件下氮、磷的濃度進行模擬[26]。考慮到不同河流間流量和營養(yǎng)物濃度的關系存在差異，對模型權重項進行改進，加入了流域權重項，方程如下：

lnc=β0+β1t+β2sin(2πt)+β3cos(2πt)+s(lnQs)+ε

(1)

式中：c為河流營養(yǎng)物的濃度，mgL；t為分數(shù)形式的日期；β0為常數(shù)；β1為日期與濃度關系的擬合系數(shù)；β2和β3為季節(jié)與濃度關系的擬合系數(shù)；Qs為河流的流量，m3s；s(lnQs)為lnQs的平滑函數(shù)；ε為未解釋變量。

通過Akaike信息準則(Akaike information criterion，AIC)進行模型形式的優(yōu)選，取AIC最優(yōu)的氮、磷負荷回歸方程；然后采用R語言編程，進行模型參數(shù)的確定；最后通過計算氮、磷濃度擬合值和實測值的R2和均方根誤差(root mean square error, RMSE)評價模型參數(shù)的可靠性。

采用三次立方體權重函數(shù)計算時間、流量、季節(jié)和流域的權重，公式如下：

(2)

式中：w為權重，包括時間、流量、季節(jié)、流域。d為觀察值與估計值的距離。h為半窗寬度，對于時間，取1 a；對于流量，取1.5(對數(shù)轉換后)；對于季節(jié)，取0.5；對于流域，當觀察值與估計值處于同一河流流域時，w′為1，否則w′為0.1。

(3)

Y=lnc

(4)

(5)

式中：α為偏差校正系數(shù)；wi為第i個觀察值的權重；εi為權重模型的第i個殘差值；n為觀測值的數(shù)量。

利用校正后的時間、流量、季節(jié)和流域加權回歸方程，通過相應年份的氮、磷濃度預測值累加獲得氮、磷負荷，年氮、磷負荷量除以流域集水面積獲得氮、磷通量，公式如下：

(6)

式中：QTN、QTP分別為氮、磷通量，kg(km2·a)；A為流域集水面積，km2。

2.3 流域氮、磷負荷經(jīng)驗統(tǒng)計模型

運用經(jīng)驗統(tǒng)計模型，利用各小流域的NANI、NAPI、氣候因子(降水量)及土地利用類型占比作為模型的自變量，流域氮、磷通量作為因變量建立流域氮、磷負荷經(jīng)驗統(tǒng)計模型，并進行模型的校正。采用貝葉斯信息準則(Bayesian information criterion，BIC)進行預測變量的篩選，選擇BIC最小的模型為最優(yōu)回歸模型，此時模型的解釋性和復雜性可以達到最佳平衡。利用經(jīng)驗統(tǒng)計模型各分量系數(shù)及模型的擬合優(yōu)度(R)計算自變量對氮、磷通量變化的貢獻率。

3 結果與討論

3.1 流域土地利用及氣候因子變化情況

對延安市1987年、2000年、2007年及2015年土地利用類型進行統(tǒng)計，結果見圖2。從圖2可以看出，1987—2000年，由于人類活動的加劇，耕地面積不斷增加，林地和草地面積呈減少的趨勢。隨著退耕還林還草等生態(tài)改善工程的實施，2007—2015年，延安市耕地面積大量減少，林地和草地面積大量增加，同時水域面積也顯著增加，這說明流域內實施退耕還林還草工程成效顯著[27-28]。相關研究表明[29-30]，流域內高覆蓋度草地和林地面積的增加可以有效減少地表徑流，減小水土流失，進而減小流域氮、磷負荷。但城鎮(zhèn)用地、農(nóng)村居民點用地、其他建設用地及裸土地的面積呈持續(xù)增加的趨勢，說明延安市土地利用類型受人類活動影響較大[31]。

圖2 延安市1987—2015年不同土地利用類型占比Fig.2 Percentage of different land use patterns in Yan’an City during 1987-2015

延安市1996—2016年年均降水量變化趨勢見圖3。從圖3可以看出，近20年來，延安市年均降水量受氣候變化影響呈顯著的年際波動，2010年以來年均降水量有顯著增加的趨勢，強降水時間增加[28]，平均每年升高4.35 mm，2013年流域年均降水量最高，達到748.33 mm，2015年降至423.23 mm，2016年又升至497.01 mm。

圖3 延安市1996—2016年年均降水量變化趨勢Fig.3 Variation trend of average annual precipitation in Yan’an City during 1996-2016

氣候變化已經(jīng)導致降水量發(fā)生明顯的年際和年代際波動，同時在人類活動的影響下土地利用模式也發(fā)生了巨大改變，需要研究降水、土地利用模式、NANI、NAPI與氮、磷通量之間的響應關系，以制定適應氣候變化的流域水環(huán)境管理方案。

3.2 氣候變化、土地利用類型與流域氮、磷通量關系

建立了基于NANI(NAPI)、降水量和土地利用類型3個預測變量的氮、磷通量核算模型。模擬過程中，考慮到NANI和NAPI在幾個數(shù)量級之間波動，也存在出現(xiàn)負值的情況，采用反雙曲線正弦對NANI和NAPI進行轉化，其轉化結果與對數(shù)轉化基本相同[32-33]。建立的降水量、土地利用類型與氮、磷通量的響應關系模型如下：

lnQTN=0.338×fNANI+0.003 2×Pannual- 0.015×LUF+0.816,P<0.001

(7)

lnQTP=0.601×fNAPI+0.002 7×Pannual- 0.056×LUF-2.500,P<0.001

(8)

式中：fNANI和fNAPI分別為NANI和NAPI的反雙曲線正弦函數(shù)；Pannual為流域內的年均降水量，mma；LUF為林地面積在流域內的占比，%。降水量和林地面積是影響流域氮、磷通量和NANI、NAPI之間響應關系的主要變量，降水量的增加和林地面積的減少會顯著增加流域氮、磷通量，而林地面積的增加將顯著降低流域氮、磷通量，降水量對流域氮通量的影響大于其對磷通量的影響。這說明在凈人為氮、磷輸入量和現(xiàn)有林地面積不變的情況下，氣候變化導致降水量的增加將顯著增大流域的氮、磷通量，而大面積的植樹造林將緩解降水對氮、磷通量的影響。該模型解釋了lnQTN和lnQTP實測值的52.78%和77.09%(圖4)。

圖4 氮、磷通量實測值和預測值比較Fig.4 Comparison of observed and predicted nitrogen and phosphorus fluxes

在選擇的預測變量中，fNANI和fNAPI是影響流域內lnQTN和lnQTP的主要變量，二者分別解釋了lnQTN和lnQTP變化的42.11%和53.36%，說明人類活動造成的氮、磷輸入量是影響流域氮、磷通量的主要因素，這與Sinha等[12]的研究結果相符，其研究顯示，fNANI是影響美國242個流域lnQTN變化的主因，解釋了lnQTN變化的60%。年均降水量分別解釋了lnQTN和lnQTP變化的25.67%和18.29%，而土地利用類型分別解釋了4.87%和16.16%，這說明除了凈人為氮、磷輸入外，降水量對流域氮、磷通量也產(chǎn)生了較大的影響，而土地利用類型對流域氮、磷通量的影響較小。本研究中年降水量對lnQTN和lnQTP變化的解釋度略大于Sinha等[12]的研究結果，這主要是因為延安市位于暖溫帶半濕潤易旱氣候區(qū)，年內及年際降水量變化較大，對流域氮、磷通量的影響更大。

3.3 基于氣候模式的流域氮、磷通量預測

以2016年氮、磷通量為基準，分別考慮在土地利用類型不變、林地面積增加5%和林地面積增加10%情景下，預估未來2種氣候變化情景(穩(wěn)定情景RCP4.5和常態(tài)情景RCP8.5)中，降水量的變化對近期(2020—2029年)及遠期(2090—2099年)流域氮、磷通量的影響，結果見圖5。

圖5 未來氣候預估模式下氮、磷通量的變化Fig.5 Variation of nitrogen and phosphorus fluxes under the predict of future climate scenarios

從圖5可以看出，流域氮、磷通量在未來的氣候情景中呈先下降再上升的趨勢，未來氣候變化對氮通量的影響較大。近期預估結果表明，流域氮通量下降了約13%，在RCP4.5和RCP8.5情景下分別下降了21.64和10.59 kg(km2·a)；磷通量由2016年3.87 kg(km2·a)下降到3.44和3.76 kg(km2·a)，下降了約7%。遠期預估結果表明，在RCP4.5的情境下，流域氮通量仍較基準年減少4.99 kg(km2·a)，但在RCP 8.5的情景下，流域氮通量增加了18.40 kg(km2·a)，即增加15%；在RCP4.5情景下流域磷通量為3.88 kg(km2·a)，較2016年無明顯變化，而在RCP8.5情景下流域磷通量將增加0.75 kg(km2·a)。這說明在氣候變化的影響下，降水量的改變將會顯著影響流域氮、磷通量的變化。在相同時期，RCP4.5和RCP8.5情景差異顯著，RCP8.5情景預測的氮、磷通量均高于RCP4.5情景。

為了消除降水量的增加對流域氮、磷通量的影響，模擬了林地面積增加情景下未來氮、磷通量的變化情況。從圖5可以看出，在RCP 8.5情景中，由于降水量改變而導致氮通量的增加值在林地面積占比增加10%的情景下才能消除，而降水量變化導致磷通量的增加值在林地占比增加5%的情景下可以緩解。這進一步表明，未來降水模式將會在極大程度上影響流域氮通量。近年來，延安市為減輕生態(tài)破壞，實施了大量退耕還林還草等生態(tài)改善工程，這些工程的實施使耕地面積大量減少，林草地面積顯著增加。但由于氣候變化導致流域內的降水量增多，增加了污染物進入水體的風險，該流域仍面臨著較嚴重的氮污染防治壓力。

4 結論

(1)延安市河流流域氮、磷通量預估呈現(xiàn)先降低后增加的趨勢。降水量的改變和土地利用格局的變化會顯著影響流域氮、磷通量與凈人為氮、磷輸入量之間的響應關系。

(2)氣候變化對氮、磷通量的影響在某種程度上削弱了人類為削減氮、磷污染而做的努力。降水量的升高會顯著增加流域氮、磷的通量，在氣候變化的驅動下，即使凈人為氮、磷輸入量和土地利用類型保持現(xiàn)狀不變，到21世紀末流域氮、磷通量仍會增加。

(3)為了應對氣候變化，通過植樹造林增加林地面積可以在一定程度上抵消降水量變化對氮、磷通量的影響。在流域水污染防治的相關政策中應考慮未來降水量變化對流域氮、磷通量的影響，并對流域水污染防治政策進行定期修正，以保證流域水質在極端氣候的影響下達到相應的水質標準。