摘要:為了定量分析長期凈人為磷輸入(Net anthropogenic phosphorus input,NAPI)及其對河流總磷(TP)通量的影響,本研究估算了潮河流域1995-2014年的NAPI及河流TP通量,并分析其驅(qū)動因子。結(jié)果表明:潮河流域1995-2014年的NAPI量為4.93 -10.74 kg·hm-2·a-1,年均增長率為4.01%,其在時間上呈現(xiàn)上升趨勢,空間上南高北低,90%以上的NAPI來自化肥和食品/飼料;潮河TP通量變化主要與流量有關,其均值為1.70×10-2kg·hm-2·a-1;潮河流域磷輸出率(TPINAPI)降低主要是由于水文氣候因素對磷遷移過程的影響所引起的土壤和沉積物的強烈截留作用。研究表明,在潮河流域的磷素管理措施中,需要更加關注磷輸入和滯留磷的協(xié)同管理。
關鍵詞:潮河流域;凈人為磷輸入(NAPI);河流總磷通量
中圖分類號:X52 文獻標志碼:A 文章編號:1672-2043(2024)07-1599-10 doi:10.11654/jaes.2023-0510
磷是構(gòu)成生命體的重要物質(zhì),在動植物的生長以及食物、能源等的生產(chǎn)中扮演著相當重要的角色。隨著社會的發(fā)展、科技的進步,人類活動通過直接或間接的方式將過量的磷輸入到水生生態(tài)系統(tǒng),從而提高了河流中的磷水平,嚴重破壞了自然界中磷循環(huán)的平衡,成為對全球河流生態(tài)的最大威脅之一。磷素在環(huán)境中可存在長達幾十年,流域內(nèi)源頭控制、末端治理等管理手段通常不會立刻見效,致使河流磷濃度保持較高水平,甚至上升。要有效地控制河流磷水平,需明確河流磷素的輸入來源和對環(huán)境的響應機制。因此,深入了解人類的磷輸入和河流中的總磷(TP)通量之間的長期響應關系十分必要,這是環(huán)境政策制定和水資源規(guī)劃的重要依據(jù)。
凈人為磷輸入(NAPI)指在給定的研究區(qū)范圍內(nèi)一定時期的投入和產(chǎn)出的凈平衡,由Russell等基于Howarth等的凈人為氮輸入概念提出。正NAPI值表示流域磷的輸人大于輸出,負NAPI值則相反,當NAPI為0時,該區(qū)域磷輸入與磷輸出平衡,NAPI是一種定量評估人為因素對流域和區(qū)域尺度磷素平衡影響的工具。經(jīng)過多年的發(fā)展,NAPI的模型結(jié)構(gòu)、各項目估算方法及尺度轉(zhuǎn)換已進行了修正。NAPI模型包括流域或區(qū)域內(nèi)的化肥磷輸入、非食物磷輸入、食物/飼料磷輸入以及種子磷輸入4個部分,其與人口密度、牲畜密度、農(nóng)業(yè)用地面積等人類活動因素有內(nèi)在關系。
量化NAPI與河流TP通量的關系,可識別出人類活動對河流磷素的影響。由于磷污染存在遺留效應,減少磷輸入量可能不會降低水體磷濃度,因此只估算研究區(qū)的磷輸入不足以反映磷污染情況。Rus-sell等在美國的切薩皮克灣流域首次估算了NAPI與河流磷輸出的關系;隨后,在伊利湖和密歇根湖、波羅的海以及我國淮河、浙江永安河等流域的研究中發(fā)現(xiàn),養(yǎng)分凈輸入與河流養(yǎng)分通量之間存在指數(shù)或線性關系,NAPI可解釋河流磷通量的變化。但磷流失的源因子(土壤、土地利用模式)和遷移因子(地表徑流、侵蝕和地下流)會影響兩者的關系,致使受區(qū)域環(huán)境的影響,河流磷輸出與NAPI的響應關系存在很大的不確定性。源因子反映了土壤和土地的利用情況,研究表明有機土或高植被覆蓋率區(qū)域滯留磷的能力高,從而導致流域NAPI與河流磷輸出之間的變化有顯著的時間滯后性;遷移因子是磷流失到河流的動力,大部分NAPI保留在土壤、地表水及沉積物、地下水和生物中,降水促進磷向河流輸出,因此河流TP通量經(jīng)常與較高的降水或河流流量相關。
密云水庫具有集水面積大、水位高和流量低的庫區(qū)特征,其總磷滯留率主要取決于上游河流入庫負荷。潮河流域占密云水庫上游集水面積的40.00%,潮河流域磷治理對于防止密云水庫富營養(yǎng)化的發(fā)展至關重要。因此,本文以潮河流域為研究區(qū),在20a(1995-2014年)的鄉(xiāng)鎮(zhèn)社會統(tǒng)計數(shù)據(jù)和水文氣候數(shù)據(jù)基礎上,展開以下研究:(1)量化潮河流域NAPI,研究其時空變化特征以及主要影響因素;(2)利用LOADEST模型模擬河流磷通量;(3)分析河流TP通量對NAPI的動態(tài)響應,探析河流TP通量的主要驅(qū)動因素,以期為密云水庫入庫河流磷素的有效管理提供更多依據(jù)。
1 材料與方法
1.1 研究區(qū)域
潮河流域位于北京市東北部(40°19'-41°31'N,115°25'-117°33'E)(圖1),潮河發(fā)源于河北省豐寧滿族自治縣草碾子溝南山,經(jīng)灤平縣到古北口人北京市密云區(qū)境,在辛莊附近注入密云水庫,與白河組成潮白河水系。干流全長約234.5 km,流域面積約4 888 km2,占密云水庫上游集水面積的40.0%,是北京市重要的飲用水水源地之一。流域土地利用類型比較齊全,以林地、草地和耕地為主,三者占總面積的95%以上。該地屬于溫帶季風型大陸性半濕潤半干旱氣候,春季干旱多風,夏季濕熱多雨。研究區(qū)包括豐寧縣、灤平縣和密云區(qū)的25個鄉(xiāng)鎮(zhèn)。豐寧縣和灤平縣以農(nóng)業(yè)種植為主要產(chǎn)業(yè),密云區(qū)隸屬北京市,發(fā)展旅游業(yè),經(jīng)濟和城鎮(zhèn)人口密度高于其他兩縣。流域內(nèi)以農(nóng)業(yè)生產(chǎn)活動為主,施肥類型主要以磷酸二胺作為底肥,尿素作追肥;主要畜牧類型有大牲畜、豬、羊和家禽;無大型污水排放企業(yè);采礦場的廢水不排入河、庫等地表水體。
1.2 數(shù)據(jù)來源
本文數(shù)據(jù)主要包括社會經(jīng)濟統(tǒng)計數(shù)據(jù)、氣象及水文水質(zhì)監(jiān)測數(shù)據(jù)等,數(shù)據(jù)長度為1995-2014年,部分數(shù)據(jù)來源于各區(qū)縣的統(tǒng)計年鑒、村委會統(tǒng)計資料,估算潮河TP通量的水文水質(zhì)數(shù)據(jù)來源于下會水文監(jiān)測站,基礎自然環(huán)境數(shù)據(jù)來自中科院資源環(huán)境科學數(shù)據(jù)中心等,采用面積比值法轉(zhuǎn)換數(shù)據(jù)尺度。
1.3 NAPI的計算及不確定性分析
本研究參考Russell等的方法,以鄉(xiāng)鎮(zhèn)為基本單元估算流域NAPI,其估算模型公式為:
PNAPI= Pfert+ Pim+Pseed+Pnon(1)
式中:PNAPI為凈人為磷輸入量;Pfert為化肥磷輸入量;Pim為凈人類食品/動物飼料磷輸入量;Pseed為種子磷輸入量;Pnon為非食物磷輸入量。各項單位均為t·a-1。
1.3.1 化肥磷輸入量(Pfert)
化肥施磷總量主要采用統(tǒng)計年鑒中磷肥的折純量(以P2O5計),而不計算內(nèi)部循壞的有機肥含磷量?;柿纵斎肓繛檎奂兞颗cP2O5含磷量(根據(jù)分子量計)的乘積。
1.3.2 食品/飼料磷輸入量(Pim)
食品/飼料磷輸入是指畜禽產(chǎn)品和作物的磷產(chǎn)量與人類和畜禽耗磷量之間的質(zhì)量平衡,在數(shù)值上等于人類和畜禽耗磷量與畜禽產(chǎn)品和作物的磷產(chǎn)量之差,計算公式如下:
Pim=Pselfo+Pselfe-Pharv-Pliv(2)
式中:Pselfo和Pselfe分別表示人類和畜禽的磷消耗量;Pharv表示作物中的磷含量;Pliv表示動物產(chǎn)品的磷含量。
人類消耗磷量直接根據(jù)人均消費磷量與人口數(shù)乘積進行計算,我國人均年消耗食物的含磷量為0.52 kg。動物消耗的磷量通過每種畜禽數(shù)量乘以個體攝入磷量進行估算。動物飼料磷攝入量減去動物排泄物的磷含量得到動物產(chǎn)品的含磷量,結(jié)果見表1。本文假設因為變質(zhì)或者其他原因引起的食物浪費為總產(chǎn)量的7.3%。不同作物磷含量從我國食品成分表獲得(表2)。
1.3.3 種子磷輸入量(Pseed)
種子磷的輸入量為各農(nóng)作物單位耕種面積的種子磷輸入量乘以相應耕種面積。本研究以七大類主要農(nóng)作物及蔬菜來估算種子磷的輸入量。由于蔬菜類種子的磷含量差異不大,因此本文選取大白菜的種子磷含量作為蔬菜類種子磷的輸入量。本區(qū)域主要的農(nóng)作物為玉米,棉花種植較少,本研究中忽略不計。各作物種子磷的輸入量見表3。
1.3.4 非食物磷輸入量(Pnon)
非食物磷主要來源于含磷的洗滌劑。非食物磷輸入量為人均非食品磷排放量和人口數(shù)量的乘積,本文非食物磷輸入量取值來源于文獻,為0.63 kg·人-1.a(chǎn)-1,該值由生活污水中磷的排放量(1.15 kg·人-1·a-1)減去人體排泄磷含量(o.52 kg·人-3·a-1)而得到。
1.3.5 不確定性分析
本研究利用蒙特卡洛(Monte Carlo)模擬方法對NAPI估算進行不確定性分析。嵌入Excel的CrystalBall軟件(Oracle Ltd.),對NAPI計算式進行編輯,設定所有選取的參數(shù)存在30%的誤差,按正態(tài)分布隨機抽樣,進行10 000次的Monte Carlo模擬,從而獲得NAPI的平均值和95%置信區(qū)間。
1.4 河流TP通量的估算
污染物通量估算是掌握河流輸移負荷的一種簡便方法,本文采用LOADEST模型估算磷通量,所用流量和濃度數(shù)據(jù)由下會水文站提供。LOADEST模型能利用有限的TP濃度監(jiān)測數(shù)據(jù)和實時監(jiān)測的逐日流量數(shù)據(jù)進行河流污染物通量估算,已被廣泛應用。
2 結(jié)果與分析
2.1 潮河流域NAPI時空演變特征
潮河流域NAPI及各組分的長期變化特征如圖2所示。從1995年到2014年,潮河流域NAPI值呈上升趨勢,從1995年的2 409.70 t·a-1增加到2014年的5 086.57 t·a-1,多年平均值為3 744.98 t·a-1,年均增長率為4.01%。研究區(qū)內(nèi)的NAPI在1995-2005年為穩(wěn)步增長階段;隨后兩年NAPI急速下降,在2007年降到2 978.80 t·a-1:2008-2010年潮河流域NAPI呈急劇增長趨勢;2011-2014年NAPI有所波動,其中在2012年出現(xiàn)了NAPI峰值,為5 248.82 t·a-1。
食品/飼料磷、化肥磷、非食物磷和種子磷對NAPI的多年平均貢獻分別是76.97%、16.50%、6.49%和0.04%。食品/飼料磷是NAPI的最大貢獻源,占比69.75%-81.07%,年均輸入量為2 882.49 t·a-1?;柿资浅焙恿饔騈API的第二大輸入來源,占比13.84%-21.94%,年均輸入量為618.05 t·a-1。非食物磷是NAPI的第三大輸入來源,主要來源于洗滌劑,占磷素輸入的4.81%-9.52%。種子磷的年均輸入量為1.50 t·a-1,對于流域內(nèi)NAPI來說可以忽略不計。
潮河流域1995、2004、2014年和1995-2014年平均NAPI空間分布特征如圖3所示。研究區(qū)在1995-2014年的NAPI范圍為4.93-10.74 kg·hm-2·a-1,部分鄉(xiāng)鎮(zhèn)NAPI緩慢波動上升,年均NAPI呈現(xiàn)明顯的南高北低的空間分布格局。1995年潮河流域密云區(qū)高嶺鎮(zhèn)、灤平縣巴克什營和澇洼鄉(xiāng)NAPI較高;2004年潮河流域下游密云區(qū)古北口和太師屯的NAPI增大;2014年潮河流域上、中游部分鄉(xiāng)鎮(zhèn)NAPI下降,下游五道營子、鄧廠、馬營子、付家店等地的NAPI增大。
2.2 LOADEST河流TP通量
通過AIC(Akaike information criterion)和SPPC(Schwartz posterior probability criteria)準則優(yōu)選后,本研究采用含4參數(shù)的回歸方程估算河流TP通量。潮河TP負荷量實測值與模型模擬值之間的R2達到0.74**(n=240),納什系數(shù)為0.66,說明所建LOADEST模型方程擬合效果較好,能較準確地預測本研究河流逐日TP負荷量,從而可用來估算逐年的河流TP濃度和通量。另外,由于每月一次的監(jiān)測結(jié)果尚難反映研究期內(nèi)所有水文事件的情況(尤其是在河流枯水和豐水的情況下),計算得到的逐月TP負荷量存在一定的誤差。因此,盡管模型的校驗結(jié)果令人滿意,但也存在一定的不確定性。通過提高水質(zhì)監(jiān)測頻率來提高河流TP負荷量的模擬精度具有必要性。
1995-2014年研究區(qū)河流TP通量年際變化存在較大波動,如圖4所示。潮河TP通量均值為1.7×10-2kg·hm-2·a-1,1995-1998年磷通量波動增加,1998年達到的峰值(0.088 kg·hm-2·a-1),相較于1995年增加了將近2倍,主要是因為1998年徑流量達到最高(14.51 m3·s-1);1999年河流TP通量降低至9.00×10-3kg·hm-2·a-1,而后至2014年都無明顯波動。
2.3 河流TP通量對NAPI的響應
在潮河流域20年間的研究中,NAPI與河流TP通量的關系分為兩個階段。以1998年為界,1995-1998年潮河流域NAPI與河流TP輸出呈指數(shù)正相關(R2=0.73);盡管在1999-2014年期間,潮河流域NAPI呈波動增長趨勢,由6.09 kg·hm-2·a-1增長至10.74 kg·hm-2·a-1,但在1999-2014年潮河流域河流TP輸出無明顯增長,年均TP通量為1.70×10-2 kg·hm-2·a-1,此階段TP輸出通量沒有隨NAPI的增加而增大,這可能是由于NAPI的運輸過程受到流域土壤和沉積物中的攔截、沉積和生物固定的限制,導致磷長時間積累在流域內(nèi),沒有進入到河流。
3 討論
3.1 流域NAPI影響因素及估算的不確定性
為了對比NAPI各組分對其的綜合影響,本研究以NAPI為因變量與各組分分別進行線性回歸分析,結(jié)果如圖5所示。從圖中可以看出,除種子磷輸入外(R2=0.13),食品/飼料磷輸入、化肥施用、非食物磷輸入均與NAPI呈顯著線性相關,R2分別為0.99、0.77、0.66。食品/飼料磷是NAPI的最大貢獻源,其年際變化趨勢與流域內(nèi)總NAPI的年際變化趨勢高度相似,食品/飼料磷輸入對流域內(nèi)NAPI的總量變化具有決定性的作用。其次是化肥的施用,化肥磷是潮河流域NAPI的第二大輸入來源,從1995-2014年,潮河流域化肥磷輸入總體呈上升趨勢,期間存在小幅度波動,這種變化與流域政策相關,2000年左右受水源地保護及退耕還林政策實施的影響,耕地面積不斷減少,從而使化肥磷輸入減少;由于糧食需求的增加,以及“高投入高產(chǎn)出”理念的影響,2003年以后流域化肥磷輸入又不斷增加?;屎褪称罚暳鲜浅焙恿饔蛏鷳B(tài)系統(tǒng)磷輸入最重要的兩個輸入來源,同時也是潮河流域氮輸人的兩個主要來源,這與Zhang等對淮河流域的研究結(jié)果基本一致。這一結(jié)論對潮河流域?qū)δ繕宋廴驹吹倪x擇以及管理措施的制定及實施具有重要的指導意義。同時在估算NAPI時應與研究區(qū)實際結(jié)合,優(yōu)先選用符合研究區(qū)實際的數(shù)據(jù)。
采用回歸分析探討人口密度、畜禽養(yǎng)殖密度因素對研究區(qū)NAPI的影響程度,結(jié)果如圖6所示。NAPI與人口密度、畜禽養(yǎng)殖密度的及:分別為0.78和0.89,NAPI隨著人口密度和畜禽養(yǎng)殖密度的增高而增加。人口密度控制食物磷的輸入,畜禽養(yǎng)殖密度影響牲畜的飼料磷消耗量,食品/飼料磷輸入量在研究期內(nèi)一直為正,這表明流域內(nèi)人類食品和畜禽飼料的磷輸入超過了畜禽產(chǎn)品的磷輸出,發(fā)生了磷輸入,說明人類的活動強度影響著研究區(qū)NAPI的輸入。
流域NAPI估算結(jié)果存在不確定性。首先,NAPI的輸入組分是Pim、Pfert、Pnon和Pseed,每個輸入組分的不確定性與組分計算的復雜性和所涉及指標的數(shù)量有關。Pim在研究期間對潮河流域的NAPI貢獻最高,涉及的參數(shù)最多,包括食品和飼料消費、作物產(chǎn)品和動物產(chǎn)品等多個參數(shù),因此受參數(shù)影響最大。Pfert作為NAPI第二大貢獻因子,該輸入項的計算方法簡單,涉及指標少,僅包括磷肥和復合肥的折純量,其中磷肥折純量是直接外來輸入源,不涉及參數(shù),僅需要考慮復合肥中磷含量的參數(shù)范圍,因此受參數(shù)影響小。Pnon是NAPI第三大貢獻因子,其計算方法簡單,涉及人均非食品磷排放量和人口數(shù)量參數(shù),本研究采取的非食物磷輸入值為固定值,而實際上從已有文獻中獲取的參數(shù)并不一定適合當?shù)貐^(qū)域,且農(nóng)村和城市生活的人均非食品磷存在差異。Pseed對NAPI的貢獻可幾乎不計,在此不再討論。其次,除模型參數(shù)的影響外,原始數(shù)據(jù)也會造成NAPI估算結(jié)果的不確定性。一是可能由統(tǒng)計部門在統(tǒng)計過程中產(chǎn)生的不確定性;二是數(shù)據(jù)的缺失增加了不確定性,我國統(tǒng)計年鑒難以收錄到完整的鄉(xiāng)鎮(zhèn)級的農(nóng)業(yè)農(nóng)村數(shù)據(jù),造成研究數(shù)據(jù)獲取困難,數(shù)據(jù)的缺失對估算結(jié)果產(chǎn)生相應的偏差。因此,若要提高NAPI結(jié)果的可靠性,還需要更可靠和全面的數(shù)據(jù)進行計算。
3.2 河流TP通量驅(qū)動因子分析
水文氣候因素(徑流量和降雨)是河流TP通量的主要驅(qū)動因子。在研究期間,河流TP通量年際變化主要依賴徑流量(R2=0.92)的變化,其次是降雨量(R2=0.27)(圖7)。另外,盡管NAPI是河流TP通量的來源,但只有在1995-1998年期間,河流TP通量隨NAPI的增加而增加,而在1999-2014年期間,河流TP通量沒有繼續(xù)隨NAPI的增加而增加。這些現(xiàn)象與磷通常是以顆粒態(tài)的形式隨土壤侵蝕過程流失有關。在1995-1998年期間,降雨量和徑流量較大,大部分磷素經(jīng)過降雨的淋溶與侵蝕過程而進入河流,徑流成為潮河流域人為磷流失的主要載體。在1999年后,即使輸入到流域的NAPI增加,但由于潮河流域降雨量減少和徑流量大幅度降低,NAPI的運輸過程受到流域土壤和沉積物的攔截、沉積和生物固定的限制,大部分磷素積累在土壤而未進入水體,從而河流TP通量與NAPI的關系沒有表現(xiàn)出正相關性,由于此階段較長,以至于河流TP通量和NAPI在研究期間整體呈現(xiàn)負相關。
河流TP通量占流域NAPI輸入的比值在0.04%-1.44%之間,其變化趨勢強烈依賴徑流量。TP/NAPI可以反映磷的流失風險,潮河流域TP/NAPI在0.28%左右,與其他研究結(jié)果(淮河0.34%、黃河0.17%)較為相似。美國的相關研究表明有16.00%-50.00%的NAPI滯留在土壤中,歐洲約有68.00%的NAPI滯留在流域中,這種對比表明潮河流域磷流失風險較低。同時發(fā)現(xiàn)歷年TP/NAPI與流量具有高度相關性(相關系數(shù)0.95),這主要是因為磷素進入水體后,徑流成為潮河流域人為磷流失的主要載體。
3.3 河流TP通量經(jīng)驗模型
單靠NAPI并不能很好地解釋TP通量的變化,有關研究表明,河道的養(yǎng)分輸出效率主要受養(yǎng)分輸入量、年徑流量和人口數(shù)量等影響,因此,本文建立了河流TP通量的經(jīng)驗模型:
F=axibiecp1(3)
式中:F為某年的河流TP通量,kg·hm-2;xi為影響景觀向河流輸送TP的因子,如年降水量、流量、人口密度;PI為當年凈人為磷輸入量,kg·hm-2;a、bi、c為未知參數(shù)。
向式(3)中依次加入上述潛在影響因素,最后選出最優(yōu)式公式(4) (R2=0.96)?;?005-2014年的數(shù)據(jù)驗證模型,得到的經(jīng)驗模擬值與LOADEST模型估算的河流TP通量數(shù)值之間的R2=0.95(圖4),表明該模型能夠較好地描述河流TP通量與NAPI、降雨量、徑流量和人口密度的關系。
F= 0.000 088×p0.58×Q1.27×D-0.34×e-0.072P1(4)
式中:P表示當年降雨量,mm;Q表示當年徑流量,m3;D表示當年人口密度,人·hm-2。
用2005-2015年的數(shù)據(jù)驗證模型,模擬值的變化與LOADEST模型模擬值幾乎完全一致(圖8),驗證了經(jīng)驗模型的有效性。經(jīng)驗模型模擬結(jié)果表明,潮河流域2005-2015年河流TP輸出通量總體穩(wěn)定。該模型可為流域磷素輸出通量的預測提供一種有效的方法。經(jīng)驗模型需要更可靠和全面的數(shù)據(jù)進行計算,在以后的研究中,有必要通過提高水質(zhì)監(jiān)測頻率來保證河流TP負荷量的模擬精度,估算NAPI時要考慮人口遷移以及缺失數(shù)據(jù)處理。
3.4 控制NAPI的多樣性管理
1995-2014年潮河流域NAPI年均增長率為4.01%,遠高于1997-2016年全國NAPI的年均增長率(2.03%),潮河流域磷輸入量逐年遞增,磷素易被截留,大量磷被保留在流域內(nèi)。本文結(jié)合長期NAPI時空變化特征與河流TP通量變化趨勢,提出如下兩種針對性策略以減少潮河流域地表水的磷負荷:
(1)制定管理策略,控制流域磷輸入。潮河流域生態(tài)系統(tǒng)中較高的NAPI主要由食品、飼料和化肥磷輸人造成。倡導光盤行動、節(jié)約糧食,控制畜禽養(yǎng)殖數(shù)量、提高牲畜飼料的利用率、加強牲畜排泄物的管理(如堆肥技術(shù)),充分利用畜禽糞便有機肥、精準施肥,提高養(yǎng)分利用效率,以上是控制潮河流域磷輸入的有效途徑。
(2)采取土地管理措施,防止磷流失。每年有大量的滯留磷儲存在農(nóng)田、森林或其他景觀中,滯留磷經(jīng)過淋溶和侵蝕作用而流失,從而增加河流TP通量。對于滯留磷的治理,可通過水土保持、嚴禁砍伐森林等措施,提高土壤抗侵蝕和抗淋溶能力,從而減少土壤磷流失,并充分利用土壤中的磷栽培作物。
4 結(jié)論
(1)1995-2014年研究區(qū)NAPI范圍為4.93-10.74 kg·hm-2·a-1。從時間尺度上看,NAPI總體上呈現(xiàn)增長趨勢,從空間分布上看,研究區(qū)NAPI呈南高北低的分布格局。化肥磷輸入和食品/飼料磷輸入是潮河流域生態(tài)系統(tǒng)中NAPI的兩個主要輸入來源,其中食品/飼料磷輸入對NAPI貢獻最大,其通過人口密度、畜禽養(yǎng)殖密度影響著研究區(qū)NAPI的輸入。
(2)研究期內(nèi)潮河流域河流TP通量平均值為1.70×10-2 kg·hm-2·a-1。
(3)研究期內(nèi)磷輸出降低的主要原因是潮河流量的下降,其次是降雨量的減少,水文氣候的變化導致土壤和沉積物對磷有強烈截留作用。相關部門在制定環(huán)境管理控制措施時,應充分考慮流域磷輸入和滯留磷的協(xié)同管理。
(責任編輯:李丹)
基金項目:國家自然科學基金項目(41271495)