平原河網區排水溝塘水質動態與景觀特征的關系

賈忠華，尹璽，羅紈，鄒家榮，陳誠

（揚州大學水利科學與工程學院，江蘇 揚州 225009）

作為農業區景觀中的重要組成部分，溝塘系統不僅為農田排、灌提供了便利，還為農業非點源污染物的降解提供了條件[1-2]。在集約農業的背景下，溝塘系統受人為干擾越來越嚴重，其數量、形態、結構等均發生不同程度的變化[3]，明確這些變化對其水質凈化功能的影響是溝塘系統保護工作的重要前提。目前，溝塘系統水質功能研究的一個重要方向是從景觀生態學的角度解釋水體污染物與景觀特征之間的聯系[4-5]，包括利用GIS（地理信息系統）技術及空間統計，推導、開發了眾多壓縮、抽象景觀空間配置和結構的定量指數或指標[6-7]，描述的景觀特征包括景觀組成和景觀結構[8]。有大量研究通過景觀指數法分析認為污染物濃度與景觀特征具有較強的相關性[9-11]，表征流域景觀特征的景觀指數在不同尺度上能夠解釋32%～70%的水質變化[12-14]，李昆等[15]的研究表明農業區景觀特征在200 m 尺度上對水質變化的解釋能力最大，Shen 等[16]通過對景觀結構和水質的結合分析認為，斑塊水平上的景觀指數對水質的預測效果更好。許多景觀指數與水質結合的研究將溝塘水體當作承接景觀結構變化的載體，而對溝塘斑塊自身景觀指數的變化關注不足。對溝塘自身變化的研究多集中在溝道功能類型以及不同區域之間溝塘數量分布的對比，例如，姜旭娟等[17]以灘地和采砂坑證明不同河道類型對水質變化有顯著影響；李玉鳳等[18]在農村小流域的研究證明水塘面積和密度對其污染物截留能力影響顯著。

上述研究主要集中在整體景觀空間格局與污染物分布的關系，對于不同分段溝塘之間的形態結構差異及污染物分布的季節性差異關注不足。因此有必要選擇一個典型農業區域來研究溝塘景觀特征對不同時段污染物濃度的影響。本研究以江蘇省揚州市江都區沿運灌區為例，選擇邊界形狀較為復雜的平原河網區溝塘系統[19]，采用景觀指數法，結合溝塘分段、分時的水質監測結果，探討了在不同溝道條件、不同季節下的景觀特征以及溝塘結構與水質動態的關系，旨在為類似地區溝塘系統保護與利用提供理論依據與技術支撐。

1 材料與方法

1.1 研究區概況與水質監測

研究區位于江蘇省揚州市江都區京杭大運河東側的沿運水稻灌區，屬亞熱帶濕潤氣候區，年平均氣溫14.9 ℃，年降雨量約1 000 mm。區內地勢平坦，河湖交織，是長江下游較為典型的平原河網區。研究區面積146 hm2，主要分布三條溝道，長度分別為1 331、640 m 和843 m，另有大小不一的水塘散落其中，形成復雜的溝塘系統。三條主要溝道為6～80 m 水面寬度不等的天然土溝。土地利用類型主要包括溝塘、農田、村莊、道路等，其中農田占比為76%，溝塘占比為12%，溝塘與農田面積比為0.156。區內溝塘系統的主要功能是接納和輸出雨水徑流和農田排水，主要污染物來源是部分農村生活污水和大量的農田排水。研究區內普遍實行稻麥輪作，水稻生長期為6 月中旬至10月，小麥生長期為10月下旬至次年6月上旬。

由于研究區內小面積水塘較為分散，水質監測點的選擇沿三條主要溝道均勻分布，有利于觀察水質的連續性變化。所選19 個水質監測點根據其所在溝道分為三組，如圖1 所示。水質監測選用總氮（TN）、總磷（TP）、硝氮、銨氮四個水質參數，監測期為2018 年1 月—2018 年12 月，監測頻率為每月一次。為了更好地了解污染物濃度的季節性變化，考慮降雨量和灌溉量的差別以及主要作物生長變化，將水質數據分為干濕兩季進行分析，濕季選擇灌溉量較高的7—8 月，干季選擇11—12 月。水質分析采用19 個監測點不同時段的實測值，為更直觀地體現水質污染的空間分布狀況以及季節差異，用反距離加權插值法（IDW）生成污染物空間分布圖。

圖1 研究區取樣點分布圖Figure 1 Distribution of sampling points in the study area

1.2 溝塘景觀格局分析

首先利用景觀指數以及土地利用類型動態模型對溝道面積變化和形態結構進行分析，影像數據選用分辨率較高的2018 年World Viewer 系列數據（1.19 m分辨率，坐標系為WGS-1984-UTM-Zone-50N），利用ENVI（Vision 5.3.1）進行校正處理和監督分類，根據經驗[20]采用最大似然法識別土地利用分類并目視修改。對得到的土地利用分類圖像選擇混淆矩陣進行精度評價，選擇地面參考點位137 個，總體分類精度為93.6%，Kappa 系數為0.89，滿足研究需要。沿溝道設置19個200 m×200 m正方形點緩沖區，借助景觀格局分析軟件FragStats 4.2 對每個緩沖區進行參數計算。由于一些景觀指數是基于相同變量進行統計處理，各個指標之間存在一定信息冗余[21]。為避免指數重復，參考已有研究[16，22]，選擇常用景觀指數（表1），具體計算和意義參考軟件手冊[23]。景觀特征的刻畫包括景觀組成和景觀結構，溝塘景觀特征和水質的關系采用Pearson 相關性分析和冗余分析。Pearson 相關性分析量化每個景觀變量和水質變量之間的關系，冗余分析能夠從多個景觀變量中篩選對水質變化影響最重要的變量。與Pearson相關性分析不同的是，冗余分析考慮了各解釋變量協同作用的結果，而相關性分析則是解釋變量之間獨立作用的結果。

表1 溝塘景觀表征指標Table 1 List of the selected landscape metrics

針對溝塘面積的變化，參考常用的基于時間變化的土地利用動態模型[24-25]，提出基于距離變化的溝道面積變量動態模型，以期對溝道面積變化做出較好的解釋，公式如下：

式中：Aa、Ab分別為兩個臨近緩沖區中處于相對上游和相對下游的溝道面積，m2；Sab為緩沖區中心點之間的距離，m；K為隨兩點間匯入距離變化的面積變化率，%。對沿程多個點緩沖區進行統計，總體上可以反映沿距離變化的溝塘面積變化情況。

對各緩沖區面積變化率進行統計，構建沿程面積累計變化率，公式如下：

式中：Ki，i+1為各緩沖區溝道面積變化率，%；n為緩沖區數量；TK為累計變化率，%。TK能夠反映整條溝道的變化幅度，值越大說明溝塘類型面積波動越大，數值越小說明景觀類型越穩定。

2 結果與分析

2.1 污染物濃度及其空間變化

表2 三條溝道內不同季節污染物統計（mg·L-1）Table 2 Statistical results of pollutant concentrations in different seasons（mg·L-1）

采用反距離加權插值法（IDW）繪制污染物濃度空間分布圖（圖2）。研究區內溝道上下游濃度變化較大，污染物濃度隨著水流長度的增加呈現減少的趨勢。從分布位置上看，和高濃度值主要集中在1、3 號溝道，TN 和TP 高濃度值都出現在3號溝道，大部分污染物的高濃度值都聚集在中上游，污染物隨著運移距離的增加，溝塘總體降解作用逐漸下降。

圖2 污染物濃度空間分布插值圖（mg·L-1）Figure 2 Pollutant concentration distribution map（mg·L-1）

2.2 景觀組成與水質

圖3 顯示了19 個緩沖區的土地利用組成。各類用地面積存在一定差異，但總體均以農田為主要土地利用類型，其次為溝塘，從上游到下游的水流過程中溝塘面積總體表現出上升的趨勢。溝道2 的溝塘面積平均占比最大（21.27%），溝道3 的面積占比最小（19.23%）。

圖3 取樣點200 m緩沖區內土地利用統計Figure 3 Land use statistics within 200 m buffer of sampling points

圖4 顯示了溝道面積變化率，隨著緩沖區上游水量匯入距離的增加，沿程溝道面積變化率差異較大。各溝道從起點至終點面積變化率有較大波動，最終呈增長趨勢，其中溝道2 變化幅度最大，面積變化率在下游有劇烈增加。各溝道中部面積變化率有減小的趨勢，可能是由于村莊面積的增加使得溝塘斑塊減少。從累計變化率可以看出，溝道2 面積變化最大，其次是溝道3，溝道1最為穩定。

圖4 溝塘面積變化率Figure 4 Area change rate of ditch-pond

溝道兩側景觀組成和水質的Pearson 相關性分析結果如表3 所示，溝道兩側景觀組成對水質有重要影響，溝塘面積與TN、TP和濃度表現為顯著負相關。道路和農田面積與各項污染物濃度呈正相關，村莊面積與污染物濃度相關性較弱，但總體上與TN、濃度呈負相關，與TP濃度呈正相關。

表3 景觀組成與水質相關性分析（r）Table 3 Pearson′s correlation analysis of land use and water quality（r）

對景觀組成變量進一步分析，首先采用降趨勢對應分析（DCA）得到梯度長度小于3，因此選擇冗余分析法（RDA）進行分析，結果如表4 所示。景觀組成對干季水質解釋度較好，溝塘面積能夠解釋12.2%的干季水質變化，道路和村莊面積對水質變化的解釋度優于溝塘，分別為22.3%和14.5%，整體景觀組成對水質的解釋量達到49.0%。景觀組成對濕季的水質變化解釋度較差，未通過蒙特卡洛置換檢驗，排序結果不可靠。景觀組成對干季水質的冗余分析結果見圖5，各污染物濃度與道路和村莊面積呈正相關，與溝塘面積呈負相關。

圖5 景觀組成對干季水質冗余分析Figure 5 RDA analysis of land scape composition on water quality in dry season

表4 景觀組成對干季水質的冗余分析結果Table 4 RDA analysis results of land use composition on water quality in dry season

2.3 景觀結構與水質

景觀指數計算結果見圖6。其中溝塘邊緣密度（ED）總體呈上升趨勢，與污染物濃度上游高、下游低的趨勢相反。溝塘斑塊密度（PD）與邊緣密度趨勢相似，但溝塘斑塊密度變化幅度較大，在下游有強烈增長，結合溝塘面積比例增幅較小的情況推斷下游溝塘更加破碎化。散布與并列指數（IJI）能夠反映斑塊之間的鄰接程度，數值越小離散程度越低。溝塘結構的分組結果（圖6a）中，溝道2的ED 略高于其他兩組，其平均值為264 m·hm-2，大于溝道1、溝道3 的251、237 m·hm-2；圖6b和圖6e中IJI和LSI變化趨勢不明顯，但從平均值結果來看，均為溝道2 數值較大；圖6c 和圖6f 中，溝道2 的PD 明顯高于其他兩組，但GYRATEAM 值較低。因此溝道2 的分布形態最為復雜，表現在較高的景觀形狀指數和邊緣密度，同時溝道2 最為聚集，表現在較高的斑塊密度、散布與并列指數和較低的平均回轉半徑。

圖6 景觀指數趨勢分布Figure 6 Trends of landscape metrics

景觀指數與水質參數的Pearson 相關性分析結果如圖7所示。溝塘類型中，PD、ED 與污染物濃度呈負相關，LSI 與干季的TP、呈強負相關，而IJI 與TN、TP 濃度呈正相關。景觀水平上的PD 和ED 與污染物濃度呈正相關，這與Bu 等[26]的研究結果一致，這是由于景觀水平上，緩沖區內產生污染物的“源”斑塊相對較多，對污染物的作用大于溝塘斑塊的消解作用。其他類型水平LSI 和ED 與污染物濃度相關性較強，道路、農田等類型的LSI 越大，表明受人類活動干擾越強，則水質越差。

圖7 景觀結構與水質Pearson相關性圖Figure 7 Pearson′s correlation of landscape structure and water quality

對不同計算水平景觀指數和水質進行冗余分析，結果如表5 所示。類型水平上的景觀指數對水質解釋度為56.4%，遠大于景觀水平上的景觀指數。各斑塊類型中，溝塘斑塊的解釋度高于其他斑塊類型。

表5 不同類型水平上景觀指數與總體水質變量冗余分析結果Table 5 Redundancy analysis results of landscape metrics and total water quality variables at different levels

將溝塘類型景觀指數與各時段水質進一步分析，根據冗余分析重要性和顯著性結果，選擇溝塘ED、IJI、GYRATE-AM 3個表征指標。如表6所示，溝塘景觀結構對于全年、干季、濕季的解釋度依次是35.3%、47.3%、15.7%，對干季的水質解釋度最高。表7 顯示了各景觀指數的重要性以及貢獻率，其中溝塘ED 對所有時段的水質變化均有重要影響。

溝塘結構和水質變量冗余分析結果如圖8 所示，溝塘景觀變量與水質變量夾角小于90°為正相關，否則為負相關，接近90°基本無相關性。溝塘ED 與干季的、TP 濃度呈強負相關，GYRATE-AM 和IJI與干季濃度呈強正相關，表明溝塘斑塊邊界越復雜、離散程度越小，對水質越有利。

圖8 溝塘景觀結構與干季水質冗余分析Figure 8 Redundancy analysis of landscape structure and water quality in dry season

3 討論

3.1 景觀組成對水質的影響

溝道兩側景觀組成對水質有重要影響，各組成類型對水質的解釋度從大到小排序依次為：道路>村莊>溝塘，農田排序結果未通過檢驗。溝塘面積與污染物濃度為負相關，表明景觀中溝塘等“匯”面積的增加，減小了農田對整個地塊的主導作用，因而對水質更有利[27]。三條溝道中大部分污染物的高濃度值都聚集在中上游，這與村莊和道路聚集在各溝道的中上游有關。道路與污染物濃度呈較強正相關，說明道路不利于污染物的消解，道路的增加會切斷污染物徑流，加快土壤侵蝕，增加污染物負荷[14]。村莊與水質的Pearson 相關性相對較弱，但在冗余分析中村莊與總磷濃度呈強正相關，生活污水的排放和農田污染物的匯集導致上游污染物濃度較高。農田與污染物濃度表現為正相關，這與Zhang等[28]和Bahar等[29]的研究結果一致。但已有的研究表明農田與水質的關系存在不確定性，這主要是因為景觀組成作用強度不同，比如張大偉等[30]的研究發現農田與水質呈正相關，是由于農田對污染物的貢獻遠不及建設用地，耕地與建設用地對水質的作用體現為“此消彼長”的強弱作用，而不是農田對水質的改善作用。

3.2 景觀結構對水質的影響

在類型水平上，所有斑塊共同作用下景觀結構對水質的解釋能力達到56.4%，與景觀組成相反的是，單一景觀類型中溝塘結構對水質的解釋度最大。景觀水平上的景觀指數對水質的解釋度低于類型水平上的景觀指數，說明斑塊水平上的景觀指數更能有效預測河流水質[16]，這一點在本研究的溝塘類型景觀指數上表現更為明顯。

三組景觀結構數據中，溝道2 形態最復雜且分布最聚集，這與溝道2 中各項污染物濃度最低相對應，即溝塘邊緣形狀越復雜、斑塊越聚集，對水質越有利[14]。與水質聯系較為緊密的三個溝塘類型景觀指數為邊緣密度、散布與并列指數和平均回轉半徑，其中邊緣密度在不同時段對水質的解釋度均最高。邊緣密度能有效反映溝塘景觀攔截污染物的邊緣效應，對于溝塘或森林等能夠攔截污染物的景觀類型，較高的邊緣密度意味著更復雜的邊界和更好的過濾效果[21]。散布與并列指數以及平均回轉半徑能夠有效反映景觀離散程度，較為聚集的溝塘斑塊能夠有效凈化水質。溝塘景觀結構在不同季節對水質有不同的影響，與濕季15.7%的解釋度相比，干季水質的解釋度達到了47.3%，溝道兩側景觀組成對干季水質解釋度較高，說明景觀特征與干季水質有較強相關性。景觀特征與濕季水質相關性較弱，可能由于濕季農田集中施肥且徑流量較大，增加了田間營養物質流失，導致田間復雜的水質狀況。

研究平原河網地區溝塘景觀結構對水質的影響，能夠為當前“雙評價”工作提供一定的參考，在“三區三線”等國土空間規劃的背景下，對于農村水環境治理和溝塘生態系統的保護具有重要意義。本研究采用溝塘面積變化動態模型，能夠從一定程度反映沿溝道距離變化的面積動態變化特征，在以后的研究中有必要結合其他參數對溝塘結構變化進行進一步的解釋。本研究缺乏對不同分段的水質狀況與景觀指數的對應分析，對溝塘景觀與水質結合的動態過程關注不足，景觀指數與水質生態過程及動態過程的聯系仍是今后研究的重要方向[31-33]。

4 結論

本研究以江蘇省揚州市江都區為例，對小流域水質空間分布變化和溝塘景觀特征之間的聯系進行探討，結論如下：

（1）溝塘水質對景觀特征的響應存在季節差異，與濕季相比，溝塘景觀特征與干季水質相關性較強，對干季水質的解釋度較高，能夠達到47.3%。

（2）溝塘結構對水質有重要影響，溝塘類型景觀指數能夠解釋15.7%～47.3%的水質變化，對水質變化解釋度最高的溝塘類型景觀指數分別為邊緣密度、散布與并列指數以及平均回轉半徑，表明聚集的溝塘斑塊和復雜的邊界條件對水質有利。其中溝道邊緣密度對水質的解釋度最高，在不同時段均有重要影響。

（3）在景觀組成上，溝塘相較于其他斑塊類型作用相對較弱；而在景觀結構上，溝塘的作用強度高于其他斑塊類型。