典型網(wǎng)狀河網(wǎng)區(qū)域土地利用和景觀格局對地表季節(jié)水質(zhì)的影響
——以江蘇省溧陽市為例*

張志敏，杜景龍，陳德超，張 飛

(1：蘇州科技大學(xué)地理科學(xué)與測繪工程學(xué)院，蘇州 215009) (2：新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046)

水質(zhì)在生態(tài)安全、人類健康、經(jīng)濟發(fā)展和休閑娛樂方面發(fā)揮著關(guān)鍵作用[1-3]. 快速城市化和人口增長給世界各地的水生態(tài)系統(tǒng)帶來了巨大的壓力，使水污染成為一個全球性的重要問題[4-5]. 流域水質(zhì)不僅受氣候降雨、土壤侵蝕和水文循環(huán)等自然過程的影響，而且還受人類經(jīng)濟社會系統(tǒng)的干擾[6]. 作為自然和人類干擾綜合體現(xiàn)的土地利用和景觀格局深刻影響著區(qū)域水文過程和水質(zhì)[7-9]. 河流水質(zhì)與周邊土地景觀特征之間的關(guān)系往往受到時空變化的影響[2,10-11]. 因此，深入理解景觀特征與河流水質(zhì)之間復(fù)雜關(guān)系已成為當(dāng)務(wù)之急.

景觀特征(包括景觀組成和景觀格局)對水生態(tài)系統(tǒng)的功能具有重要影響[12-15]. 河流緩沖區(qū)是一個營養(yǎng)保留區(qū)，能夠通過沉積/捕獲、植物吸收和微生物反硝化作用極大地減少徑流中的沉積物、營養(yǎng)物質(zhì)、酸性和有毒化學(xué)物質(zhì)[2,16-20]，緩沖區(qū)的生態(tài)效應(yīng)因距離水體距離遠近而不同. 因此，水質(zhì)指標(biāo)和景觀特征之間的關(guān)系具有尺度敏感性[17,20]. 之前許多研究探索了不同尺度緩沖區(qū)內(nèi)的土地利用/景觀格局對水質(zhì)的影響[2,17,19,21]，其影響方向和程度因具體區(qū)域特征而不同. 因此，在資金有限的情況下，探索區(qū)域景觀因素對流域水質(zhì)的最有效影響尺度對合理的景觀規(guī)劃設(shè)計具有重要的指導(dǎo)價值. 研究還表明，流域水質(zhì)存在顯著季節(jié)性差異，因為季節(jié)性降水和地表徑流對河流的流量和污染物濃度有顯著的影響[1,22-23]. Li等發(fā)現(xiàn)旱季河岸帶土地利用對漢江上游流域水質(zhì)影響最大[24]，Zhang等和Wu等也發(fā)現(xiàn)土地利用和景觀格局對旱季水質(zhì)的影響更為顯著[3,25]. 然而，Shen等發(fā)現(xiàn)雨季景觀特征與流域水質(zhì)存在更強的相關(guān)性[17]. 探討流域景觀特征與河流污染物關(guān)系的季節(jié)性變化，對于優(yōu)化區(qū)域景觀格局和改善流域水質(zhì)管理具有重要意義[5].

為了探索自然過程和人類活動與水質(zhì)之間的關(guān)系，以往研究中應(yīng)用了很多建模工具和多元統(tǒng)計技術(shù). Zhang等通過多元線性回歸模型擬合不同尺度下景觀指數(shù)與水質(zhì)指標(biāo)的關(guān)系[26]，但這種擬合技術(shù)不能排除解釋變量之間的多重共線性. Zhao等采用結(jié)構(gòu)方程模型分析了不同土地利用類型對水環(huán)境質(zhì)量的貢獻率[27]，但該方法無法定量預(yù)測水質(zhì)變化. SWAT(soil and water assessment tool)分布式流域水文模型和其他基于物理的建模工具也被用于水質(zhì)預(yù)測，但這些建模工具所需參數(shù)過多，較難在缺資料地區(qū)推廣使用. 與上述方法相比，偏最小二乘回歸(PLSR)技術(shù)可以用較少的成分有效地解釋響應(yīng)變量的方差，且當(dāng)存在多重共線性以及預(yù)測變量的個數(shù)大于觀測樣本數(shù)量時，PLSR是最有效的預(yù)測方法之一[22,28-30]. Wang等使用PLSR分析了亞熱帶農(nóng)業(yè)流域影響河流磷濃度和負(fù)荷變化的主要因素，并證明了使用PLSR識別重要因子和構(gòu)建預(yù)測模型的可行性[31].

流域的生態(tài)環(huán)境特征(包括土地覆被、地形地貌、地質(zhì)土壤和氣候水文等)和水質(zhì)之間的關(guān)系是復(fù)雜的，而且具有區(qū)域特色[14,32-33]. 雖然國內(nèi)外學(xué)者對區(qū)域景觀特征對水質(zhì)的影響進行了大量的研究，但研究區(qū)域通常是由邊界清晰的樹枝狀河流組成的水文單元[34]，關(guān)于網(wǎng)狀河網(wǎng)區(qū)域的研究較少. 由于低洼平坦的地形加上豐沛的降雨，網(wǎng)狀河網(wǎng)區(qū)域形成了密集的河道和復(fù)雜的網(wǎng)狀水系，河流流速緩慢. 在人工運河及水閘控制下，河流流向不定，因此很難界定河流上下游關(guān)系和子流域邊界. 上述河流水動力學(xué)狀況下的土地利用和景觀格局對水質(zhì)的影響可能與其他區(qū)域存在很大不同[35-36]. 溧陽市作為長江三角洲典型網(wǎng)狀河網(wǎng)區(qū)域，較高的人口密度和發(fā)達的工農(nóng)業(yè)生產(chǎn)導(dǎo)致河網(wǎng)的水質(zhì)對當(dāng)?shù)赝恋乩媚Ｊ降拿舾行愿哂谥袊渌貐^(qū). 本研究旨在：1)分析典型網(wǎng)狀河網(wǎng)區(qū)域多緩沖區(qū)尺度景觀特征的空間變異性；2)通過主成分分析(PCA)選取主要水質(zhì)因子，采用冗余分析(RDA)確定區(qū)域景觀因子對水質(zhì)指標(biāo)的最佳影響尺度；3)應(yīng)用PLSR方法確定影響季節(jié)水質(zhì)的最重要的土地利用和景觀特征指標(biāo).

1 材料與方法

1.1 研究區(qū)域

江蘇省溧陽市位于太湖流域西部，總面積1535.87 km2(圖1). 屬東亞季風(fēng)氣候區(qū)，年平均氣溫為16℃，年平均降水量為1147 mm. 市域內(nèi)西、北、南三面環(huán)山，中部是平原圩區(qū)，河網(wǎng)眾多，湖泊星羅棋布. 溧陽市作為長江三角洲的典型網(wǎng)狀河網(wǎng)區(qū)域，河道密集，網(wǎng)狀結(jié)構(gòu)復(fù)雜，主要大中型水庫有沙河水庫和大溪水庫，主要湖蕩有長蕩湖和前馬蕩，主要河流有丹金溧漕河、中河、北河和南河等. 土壤類型主要為水稻土、黃棕壤和黃褐土，主要農(nóng)作物有水稻、油菜、茶葉和蠶桑等. 2017年年末，全市戶籍人口為79.1萬人，其中城鎮(zhèn)人口為45.91萬人，城市化率為60.2%，GDP達858.04億元，人均GDP為11.26萬元. 全市共有工業(yè)企業(yè)5000多家，其中規(guī)模以上工業(yè)企業(yè)402家(2018溧陽統(tǒng)計年鑒). 區(qū)域主要污染源包括工業(yè)、城市污水、農(nóng)業(yè)和畜禽養(yǎng)殖業(yè)等.

圖1 研究區(qū)域監(jiān)測斷面分布Fig.1 Distribution of monitoring sections in the study area

圖2 溧陽市月平均降雨量分布Fig.2 Distribution diagram of average monthly rainfall in Liyang City

1.2 監(jiān)測斷面及水質(zhì)指標(biāo)

1.3 土地利用和景觀指數(shù)

利用美國陸地衛(wèi)星Landsat-8遙感影像(30 m分辨率)解譯獲得區(qū)域的土地利用數(shù)據(jù). 一般研究區(qū)一年之內(nèi)各類土地利用的分布和面積變化不大，因此從地理空間數(shù)據(jù)云(http://www.gscloud.cn/)下載了影像質(zhì)量較好的2017年5月的Landsat-8 OLI影像數(shù)據(jù)(云量為0.23%). 在ENVI 5.2軟件中對遙感影像進行了大氣校正、幾何校正和圖像增強等預(yù)處理，然后利用具有最大似然算法的監(jiān)督分類技術(shù)對土地利用進行分類，并根據(jù)目視判讀和現(xiàn)場調(diào)查對分類進行了修訂. 采用混淆矩陣評價土地利用分類的準(zhǔn)確性，分類的總體準(zhǔn)確度為85.6%，Kappa系數(shù)為0.84. 土地利用類型分為6類：耕地、園地、建設(shè)用地、林草地、水域和其他土地(圖3).

網(wǎng)狀河網(wǎng)區(qū)域的河流流向不定且無法確定明顯的上下游關(guān)系，且監(jiān)測斷面水質(zhì)受多方來水影響，因此宜采用以監(jiān)測斷面為中心的圓形緩沖區(qū)作為分析單元[37]. 緩沖區(qū)半徑主要依據(jù)國內(nèi)外區(qū)域水環(huán)境與土地利用/景觀格局關(guān)系的尺度效應(yīng)研究來確定，大多以100～500 m作為最小空間尺度，最大空間尺度則一般為3000～5000 m[2-3,14,21,26,32,34]. 根據(jù)研究區(qū)范圍和河岸土地利用類型，以監(jiān)測斷面為中心劃定了500、1000、1500、2000、2500和3000 m 6種緩沖區(qū)(圖3). 然后計算各緩沖區(qū)范圍內(nèi)的土地利用類型面積占比和景觀水平的所有景觀指數(shù).

圖3 研究區(qū)域土地利用類型分布Fig.3 Distribution of land use types in the study area

為了研究景觀格局對生態(tài)過程的影響，景觀生態(tài)學(xué)家和其他研究人員開發(fā)了許多景觀指數(shù)[38]. 然而，由于這些指標(biāo)之間的多重共線性和跨尺度的不穩(wěn)定性，并非所有景觀指數(shù)都能提供描述景觀配置模式的有用信息[16,39-40]. 通過相關(guān)分析保留相對獨立且對景觀格局分析比較重要的指標(biāo)，最后選取的景觀指數(shù)包括：斑塊密度(patch density，PD)、最大斑塊指數(shù)(largest patch index，LPI)、邊緣密度(edge density，ED)、景觀形狀指數(shù)(landscape shape index，LSI)、蔓延度指數(shù)(contagion index，CONTAG)、散布與并列指數(shù)(interspersion and juxtaposition index，IJI)、斑塊豐富密度(patch richness density，PRD)、香農(nóng)多樣性指數(shù)(Shannon’s diversity index，SHDI)和香農(nóng)均勻度指數(shù)(Shannon’s evenness index，SHEI). 在以前的研究中，它們通常被用來解釋水質(zhì)的土地利用模式[29]. 此外，上述景觀指數(shù)對于理解景觀中的生態(tài)功能和人類感知非常重要[41-42]. 景觀指數(shù)的計算通過Fragstats 4.2軟件完成.

1.4 統(tǒng)計分析

主成分分析(PCA)是最重要的降維方法之一，可以有效提取重要指標(biāo)和消除數(shù)據(jù)噪音. 本文采用PCA選取主要的水質(zhì)指標(biāo)因子[14,43-44]. 對水質(zhì)指標(biāo)數(shù)據(jù)進行除趨勢對應(yīng)分析(DCA)后發(fā)現(xiàn)，數(shù)據(jù)集的梯度值為0.3(小于4)，故選擇冗余分析(RDA)來確定最佳緩沖區(qū)尺度[14,44]. 通過SPSS 20進行多變量統(tǒng)計分析，使用Canoco 5.0軟件執(zhí)行RDA.

采用偏最小二乘回歸(partial least squares regression，PLSR)分析景觀因子與水質(zhì)指標(biāo)的關(guān)系，并確定水質(zhì)退化的關(guān)鍵預(yù)測因子[29]. 在SIMCA 15軟件中進行PLSR分析[45-46]，并使用交叉驗證(cross-validation)確定最優(yōu)PLSR模型所需的最小潛在成分?jǐn)?shù).Q2(一個成分預(yù)測因變量總變異的分?jǐn)?shù))代表成分的交叉驗證，當(dāng)Q2大于0.5時，該模型有望具有良好的預(yù)測能力. 為了避免過度擬合問題，通過迭代移除非顯著變量來優(yōu)化每個PLSR模型，以最小化響應(yīng)中解釋方差(R2)和模型預(yù)測能力(Q2)之間的差值[47]. 每個解釋變量在模型擬合中的貢獻由變量投影重要性(variable importance in projection，VIP)確定. 一般認(rèn)為，VIP值大于1的解釋變量對響應(yīng)變量有重大意義[45]. 回歸系數(shù)(regression coefficient，RC)表示PLSR模型中每個解釋變量對響應(yīng)變量影響的方向和強度. PLSR在分析土地利用類型、景觀指數(shù)與水質(zhì)指標(biāo)相關(guān)性和預(yù)測方面有廣泛的應(yīng)用[22,29-31].

2 結(jié)果與分析

2.1 多尺度緩沖區(qū)土地利用和景觀格局特征分析

不同尺度緩沖區(qū)內(nèi)土地利用面積組成的統(tǒng)計結(jié)果見圖4. 研究區(qū)土地利用類型以耕地、建設(shè)用地和水域為主. 隨著緩沖區(qū)尺度的增加，耕地、林草地和園地面積占比平均值呈增大趨勢，建設(shè)用地和水域面積占比平均值呈減小趨勢.

圖4 不同尺度緩沖區(qū)內(nèi)土地利用類型面積占比Fig.4 Area percentage of land use types in different scale buffer zones

監(jiān)測斷面S7和S10周邊以耕地為主，所有尺度緩沖區(qū)內(nèi)耕地面積占比均在50%以上，S9次之，耕地面積占比在40%以上，S4的耕地面積占比由1000 m緩沖區(qū)的24%增加到3000 m緩沖區(qū)的49%；監(jiān)測斷面S2、S3和S6周邊以建設(shè)用地為主，建設(shè)用地面積占比在所有尺度緩沖區(qū)內(nèi)基本都在60%以上，S1、S4、S5和S7的建設(shè)用地面積占比隨緩沖區(qū)尺度的增加而迅速減小；S11的林草地面積占比在25%～30%之間，遠遠大于其他監(jiān)測斷面(基本在5%以下)；S11和S12的園地面積占比大于其他監(jiān)測斷面，且隨緩沖區(qū)尺度的增加而增大，其中S11和S12的園地面積占比分別為15%～25%和8%～16%，其他監(jiān)測斷面園地面積占比基本在5%以下；大多數(shù)監(jiān)測斷面的水域面積占比在20%以上，尤其在500～1500 m緩沖區(qū)內(nèi)S12的水域面積占比在85%以上，在500和1000 m緩沖區(qū)內(nèi)S11的水域面積占比在50%以上，S1、S5、S9和S10的水域面積占比基本在30%以上. 考慮到各尺度緩沖區(qū)內(nèi)其他用地的占比都很小，在后面的分析中排除了其他用地.

不同尺度緩沖區(qū)內(nèi)景觀指數(shù)統(tǒng)計結(jié)果如圖5所示.LPI是景觀優(yōu)勢度指標(biāo)，反映人類活動的方向和強度.LPI的均值隨著緩沖區(qū)尺度增加而逐漸減小，最小值出現(xiàn)在 3000 m 緩沖區(qū)內(nèi)，說明隨著空間尺度的增加，景觀優(yōu)勢度逐漸減弱，人類活動的干擾作用增強.ED反映景觀中異質(zhì)性斑塊之間物質(zhì)和能量交換的潛力及相互影響的強度[14]，ED的最小值、中值、第一四分位數(shù)(Q1)均隨著緩沖區(qū)尺度增加而逐漸增大，且ED值分布趨于集中.PD、CONTAG和IJI指標(biāo)均反映景觀破碎化程度.PD的最大值、第三四分位數(shù)(Q3)均隨著緩沖區(qū)尺度增加而逐漸減小.CONTAG值隨著緩沖區(qū)尺度增加表現(xiàn)出先增大后減小的趨勢，在1500 m緩沖區(qū)達到最大值，說明景觀中的優(yōu)勢斑塊在1500 m尺度上具有良好的連通性.IJI對受到某種自然條件嚴(yán)重制約的生態(tài)系統(tǒng)的分布特征反映顯著.IJI在各緩沖區(qū)尺度隨機分布，其散布分布沒有明顯規(guī)律，說明人類活動代替了自然條件的制約作用對區(qū)域景觀的影響更加復(fù)雜.LSI反映了斑塊形狀的復(fù)雜程度.LSI值從500 m到3000 m 緩沖區(qū)逐漸增大，表明在較大尺度緩沖區(qū)內(nèi)斑塊形狀的復(fù)雜程度和人類活動的干擾程度最強.SHDI、SHEI和PRD等多樣性指數(shù)反映景觀異質(zhì)性和均勻度. 在所有緩沖區(qū)內(nèi)SHDI和SHEI沒有顯示出明顯的規(guī)律，而PRD的最大值出現(xiàn)在500 m緩沖區(qū)內(nèi)，隨著緩沖區(qū)尺度增加PRD的值明顯下降. 可能是隨著空間尺度增加，斑塊類型數(shù)目沒有減少，而區(qū)域面積的增大使得PRD顯著減小.

圖5 不同尺度緩沖區(qū)內(nèi)景觀指數(shù)箱線圖Fig.5 Boxplots of landscape metrics in different scale buffer zones

表1 水質(zhì)指標(biāo)主成分的載荷值、特征值及解釋方差*

2.2 主要水質(zhì)指標(biāo)因子的選取

考慮到沙河水庫和大溪水庫的集水區(qū)為典型丘陵流域，相應(yīng)的S11和S12監(jiān)測斷面不能歸為網(wǎng)狀河網(wǎng)區(qū)，并且按照地方飲用水保護等相關(guān)法規(guī)，取水口水質(zhì)受到法律保護，緩沖區(qū)景觀對監(jiān)測斷面水質(zhì)的影響有限，特別是S11和S12北部的緩沖區(qū)域，實際上不在兩大水庫流域范圍內(nèi)，對這些監(jiān)測斷面水質(zhì)基本無影響，因此在后面的分析中剔除了S11和S12監(jiān)測斷面.

圖6 主要水質(zhì)指標(biāo)的空間分布Fig.6 Spatial distribution of main water quality indicators

2.3 最佳緩沖區(qū)尺度的識別

為了探索土地利用和景觀指數(shù)對區(qū)域水質(zhì)的最有效影響尺度，對10個監(jiān)測斷面(剔除了S11和S12監(jiān)測斷面)的主要水質(zhì)指標(biāo)與6個緩沖區(qū)內(nèi)的土地利用和景觀指數(shù)進行了RDA分析. 分析結(jié)果顯示(表2)，所有緩沖區(qū)內(nèi)土地利用因子的總解釋變異都在70%以上，景觀指數(shù)的總解釋變異都在77%以上. 與土地利用相比，景觀指數(shù)更加有效地解釋了水質(zhì)的變化. 土地利用與景觀指數(shù)隨緩沖區(qū)尺度變化表現(xiàn)出一致性趨勢. 在500 m緩沖區(qū)內(nèi)，土地利用與景觀指數(shù)的總解釋變異分別為78.7%和90.1%；當(dāng)尺度增加到1500 m時，總解釋變異減小至72.8%和77.7%；當(dāng)尺度增加到2500 m時，總解釋變異逐漸增大到79.0%和97.8%，達到了最大值；而在3000 m 緩沖區(qū)尺度，總解釋變異又開始減小. 總之，隨緩沖區(qū)尺度的增加，土地利用與景觀指數(shù)對水質(zhì)的總解釋能力呈先減小后增大最后又減小的趨勢，并在2500 m緩沖區(qū)尺度達到最大. 因此，可以確定2500 m是土地利用和景觀指數(shù)對區(qū)域水質(zhì)影響的最佳緩沖區(qū)尺度.

上述結(jié)果表明，研究區(qū)土地利用和景觀格局特征在較大的空間尺度上對水質(zhì)影響更大[3,21]. 城市工業(yè)廢水和市政污水排放等點源污染往往在較小的河岸帶尺度對水質(zhì)影響較大，而農(nóng)業(yè)面源污染則在較大區(qū)域尺度上影響水質(zhì)[2]，說明區(qū)域點源污染得到了一定的有效控制，而面源污染成為區(qū)域的主要污染源，因此應(yīng)重點加強農(nóng)業(yè)管理實踐(如保護性耕作及合理施肥等)和畜禽養(yǎng)殖污染源管理. 同時，如圖4和圖5所示，隨著緩沖區(qū)尺度增加，耕地、林草地和園地面積占比呈增大趨勢，建設(shè)用地和水域面積占比呈減小趨勢，LPI和CONTAG值下降，ED和LSI值上升，進一步說明了2500 m緩沖區(qū)尺度內(nèi)農(nóng)業(yè)面源污染更加嚴(yán)重，并且人類活動加劇了景觀的破碎化和復(fù)雜程度. 因此需要在2500 m等較大空間尺度上優(yōu)化耕地、林草地和園地的聚集分布格局[21,40]，形成優(yōu)勢斑塊和生態(tài)源地，改善區(qū)域河流的連通性，減少對景觀結(jié)構(gòu)的人為干擾，從而改善區(qū)域的水文狀況和生態(tài)功能.

表2 土地利用/景觀指數(shù)與水質(zhì)指標(biāo)RDA分析的排序軸特征值及總解釋變異

2.4 2500 m緩沖區(qū)景觀因子對季節(jié)水質(zhì)的影響

表3 雨季和旱季水質(zhì)指標(biāo)的最優(yōu)PLSR模型匯總

RC和VIP是反映土地利用和景觀指數(shù)對特定水質(zhì)指標(biāo)重要性的綜合表達方式. 表4列出了雨季和旱季水質(zhì)指標(biāo)的各最優(yōu)PLSR模型的回歸系數(shù)(RCs)及其關(guān)鍵變量(VIP>1).

建設(shè)用地、PD、LPI和ED在雨季和旱季都沒有表現(xiàn)出對任何水質(zhì)指標(biāo)有重要影響. 值得注意的是，最優(yōu)模型中的所有解釋因子與特定的水質(zhì)指標(biāo)都有一定的相關(guān)性，而只有VIP值大于1的解釋因子才被認(rèn)為是最重要的. 總體而言，最優(yōu)模型的VIP值最高的關(guān)鍵變量在雨季和旱季不同，景觀指數(shù)在雨季的影響更大，而在旱季土地利用和景觀指數(shù)重要性相當(dāng).

3 討論

3.1 對水質(zhì)影響最顯著的緩沖區(qū)尺度

RDA分析結(jié)果表明，2500 m緩沖區(qū)內(nèi)土地利用和景觀指數(shù)對水質(zhì)方差的解釋能力最大，解釋比例分別達到79.0%和97.8%. 從圖4得知，隨著緩沖區(qū)尺度的增加，耕地、林草地和園地面積占比呈增大趨勢，而耕地、林草地和園地是影響區(qū)域水質(zhì)最顯著的土地利用類型；從圖5得知，影響區(qū)域水質(zhì)最顯著的景觀指數(shù)CONTAG隨著緩沖區(qū)尺度增加表現(xiàn)出先增大后減小的趨勢，在2000 m以后趨于穩(wěn)定. 綜上所述，土地利用和景觀指數(shù)在2500 m等較大的緩沖區(qū)尺度對水質(zhì)的影響較強. 然而不同研究確定的最佳緩沖區(qū)尺度差別很大. 王小平等研究確定4 km緩沖區(qū)是艾比湖流域水質(zhì)預(yù)測的最佳尺度[14]，李艷利等分析確定渾太河上游流域300 m緩沖區(qū)景觀因子對水質(zhì)具有最大的解釋能力[44]. 產(chǎn)生不同結(jié)果的原因在于各個流域獨特的景觀特征，可能與區(qū)域氣候條件、地形地質(zhì)、水文過程、數(shù)據(jù)精度和緩沖區(qū)選擇的差異有關(guān). 另外，污染源的分布、人口密度、人均GDP和產(chǎn)業(yè)結(jié)構(gòu)差異等因素也可能影響水質(zhì)空間分異[5,31].

3.2 影響水質(zhì)的關(guān)鍵土地利用類型

不同的土地利用類型通過影響水文條件、地表徑流、污染源分布及污染物遷移轉(zhuǎn)化等流域特征最終影響水質(zhì)狀況[48]. 通過對雨季和旱季水質(zhì)指標(biāo)與景觀因子的PLSR分析得知，耕地、林草地和園地是影響區(qū)域水質(zhì)最顯著的土地利用類型. 其中，耕地與雨季的NH3-N和旱季的Petrol、COD呈顯著的正相關(guān)，林草地與大多數(shù)水質(zhì)指標(biāo)呈負(fù)相關(guān)，這與之前的研究一致[2,21]. 園地與除pH、DO和S2-外的其他雨季水質(zhì)指標(biāo)均表現(xiàn)出很強的負(fù)相關(guān)，這與某些研究不一致[10,49-50]，但吉冬青等對流溪河流域的研究也發(fā)現(xiàn)園地與CODCr、TP和NH3-N呈負(fù)相關(guān)[51]. 如圖4所示，大多數(shù)監(jiān)測斷面緩沖區(qū)范圍內(nèi)的園地面積所占比例都很小(小于5%)，僅在S11和S12比例較高. 本研究排除S11和S12后重新進行PLSR分析得知，園地仍然與大多數(shù)雨季水質(zhì)指標(biāo)呈負(fù)相關(guān)，只是顯著性有所降低. 據(jù)此可以推斷，S11和S12監(jiān)測斷面緩沖區(qū)范圍內(nèi)較大的園地面積比例對結(jié)果產(chǎn)生了放大效應(yīng). 同時，園地植被對污染物有截留、吸收和吸附的作用，在嚴(yán)格控制園地的化肥農(nóng)藥使用量和推廣使用有機肥、生物農(nóng)藥的措施下，園地在一定程度上能對水質(zhì)起到有利影響[36,52]. 然而，建設(shè)用地對水質(zhì)的影響不顯著，可能歸因于網(wǎng)狀河網(wǎng)區(qū)域河道縱橫，建設(shè)用地被河網(wǎng)分割呈破碎化分布，建設(shè)用地對水質(zhì)的不利影響被極大的削弱，也可能與監(jiān)測網(wǎng)點的分布和監(jiān)測數(shù)據(jù)有關(guān).

3.3 景觀格局對網(wǎng)狀河網(wǎng)區(qū)域水質(zhì)的影響

PLSR分析結(jié)果表明，CONTAG、IJI、SHDI和SHEI是影響區(qū)域水質(zhì)最重要的景觀指數(shù).CONTAG與大多數(shù)水質(zhì)指標(biāo)呈顯著正相關(guān)，先前的研究同樣發(fā)現(xiàn)CONTAG與NH3-N、TP和TN呈顯著正相關(guān)[37,53-54].CONTAG可以反映不同景觀類型的團聚程度或蔓延趨勢，高CONTAG值表明景觀中的優(yōu)勢景觀類型(耕地和建設(shè)用地)聚集蔓延導(dǎo)致面源污染物集中產(chǎn)生與輸出，從而加劇了水質(zhì)惡化[54]. 蔡宏等和吉冬青等則發(fā)現(xiàn)CONTAG與水質(zhì)指標(biāo)呈顯著負(fù)相關(guān)[15,51]. 不同結(jié)論的產(chǎn)生可能與研究區(qū)主導(dǎo)土地利用類型有關(guān).

IJI、SHDI和SHEI與大多數(shù)水質(zhì)指標(biāo)呈負(fù)相關(guān)，與同樣是典型網(wǎng)狀河網(wǎng)區(qū)域的蘇州市和常州市的研究結(jié)果一致[37,54-55]，但與其他一些區(qū)域的研究結(jié)果正好相反[15,29,32,51]. 究其原因，IJI、SHDI和SHEI反映了整個景觀內(nèi)斑塊的鄰接均衡和多樣化程度，IJI、SHDI和SHEI的值越大，各斑塊類型的比鄰概率越均等，在面積和數(shù)量上的分布越均勻，建設(shè)用地和耕地等主要污染來源類型在景觀中的集中程度和主導(dǎo)作用也會隨之減弱[54]，同時考慮到網(wǎng)狀河網(wǎng)區(qū)域的大面積水域和多方來水稀釋作用，因此景觀多樣性和均衡化反而緩解了對水質(zhì)的不利影響.

與以往研究結(jié)果相比[32,51,53-54,56]，網(wǎng)狀河網(wǎng)區(qū)域的優(yōu)勢景觀類型和河網(wǎng)水文特性決定了其與具有不同景觀特征流域的分析結(jié)果相差較大. 景觀格局特征與水質(zhì)的關(guān)系具有不確定性，但區(qū)域景觀特征對水質(zhì)具有顯著的影響已得到普遍認(rèn)同[54]. 因此，不同景觀特征的區(qū)域需要繼續(xù)深入研究，有針對性地合理優(yōu)化景觀格局，以有效治理污染源和改善水環(huán)境狀況.

3.4 土地利用/景觀格局與水質(zhì)關(guān)系的季節(jié)性差異

大量研究表明土地利用/景觀格局與河流水質(zhì)的關(guān)系隨季節(jié)變化而不同[1-3,8,36]. 本研究中旱季大多數(shù)水質(zhì)指標(biāo)PLSR模型的R2和Q2以及提取的成分?jǐn)?shù)都大于雨季，因此旱季PLSR模型的顯著性和預(yù)測能力比雨季強，但景觀指數(shù)在雨季的影響更大[3,25]. 這是由于網(wǎng)狀河網(wǎng)區(qū)域地勢平坦、水網(wǎng)縱橫且人類活動強度大，而人類活動是旱季的主導(dǎo)干擾因素，土地利用和景觀格局作為人類活動的綜合反映對旱季河流水質(zhì)的影響更為顯著[48]. 因此優(yōu)化非點源污染治理時尤其應(yīng)加強旱季人類活動對水環(huán)境的干擾管控.

需要說明的是，本研究僅獲得了2017年單月的水質(zhì)監(jiān)測數(shù)據(jù)，對于分析土地利用/景觀格局與水質(zhì)的季節(jié)性關(guān)系，雖略顯數(shù)據(jù)不足，但雨季和旱季均有3個月的平均觀測數(shù)據(jù)，也能進行相關(guān)的統(tǒng)計分析并得出有效的結(jié)果. 若能獲取12個月的水質(zhì)監(jiān)測數(shù)據(jù)，研究結(jié)論會更加有說服力. 另外，將雨季和旱季的水質(zhì)分別與5月份的土地利用/景觀格局進行分析雖顯得不夠嚴(yán)謹(jǐn)，但也存在類似的研究，如Zhang等研究了三峽庫區(qū)水系2015年土地利用對2015-2016年期間干季和濕季水質(zhì)的影響[3]，Bu等研究了太子河流域2007年土地利用格局與2009年旱季和雨季水質(zhì)的關(guān)系[10]. 如果能采集到多年度不同時間點的水質(zhì)數(shù)據(jù)，后續(xù)將進一步開展多時間序列土地利用/景觀格局變化對水質(zhì)的影響機理及驅(qū)動機制的耦合研究.

4 結(jié)論

本研究以典型網(wǎng)狀河網(wǎng)區(qū)域溧陽市的12個監(jiān)測斷面為中心，建立了6種尺度緩沖區(qū)，基于2017年的遙感土地利用分類結(jié)果以及水質(zhì)數(shù)據(jù)集，選用土地利用組成和景觀格局指數(shù)等景觀因子，研究了土地利用和景觀格局特征對地表季節(jié)水質(zhì)的影響，通過分析得出如下結(jié)論：

2)通過RDA的總解釋變異分析，發(fā)現(xiàn)2500 m緩沖區(qū)內(nèi)土地利用和景觀指數(shù)對水質(zhì)變化具有最大的解釋能力，從而確定2500 m是該區(qū)域景觀因子對水質(zhì)影響的最佳緩沖區(qū)尺度.

5 附錄

附表Ⅰ見電子版(DOI：10.18307/2022.0509).