不同空間尺度土地利用結構與景觀格局對龍川江流域水質的影響

胡琳 ，李思悅, *

1. 重慶交通大學建筑與城市規劃學院，重慶 400074；2. 中國科學院重慶綠色智能技術研究院/中國科學院水庫水環境重點實驗室，重慶 400714；3. 武漢工程大學環境生態與生物工程學院，湖北 武漢 430205

水質在經濟社會的可持續發展及健康環境中起著非常重要的作用，保護水質是實現“綠水青山就是金山銀山”的重要舉措。造成水體污染的方式可分為點源污染與非點源污染，點源污染具有確定的空間位置，如城市污水和工業廢水排放（Cho et al.，2016；Wang et al.，2016），通過控制排放源可減少其負荷。非點源污染影響因素復雜，主要受到土地利用、景觀格局等因素的影響（de Oliveira et al.，2017；Ouyang et al.，2010；Wu et al.，2019），尤其是在農業活動中農藥及化肥的使用，此類污染不易控制且污染面積較大。因此，探究土地利用結構、景觀格局與水質之間的關系，對水資源保護和非點源污染控制以及資源的可持續利用具有重要意義，同時利于土地利用結構的優化。

研究表明土地利用結構、景觀類型對水質具有直接的影響（Giri et al.，2016；Li et al.，2018；Xu et al.，2020；Zhang et al.，2020a）。分析土地利用結構、景觀格局與水質的關系是流域水、土資源保護的核心內容。目前，主要是運用相關分析（Karmakar et al.，2019；Sudhakaran et al.，2020；Fang et al.，2020；徐啟渝等，2020a）、冗余分析（RDA）（Mello et al.，2018；Xu et al.，2020；Zhang et al.，2020a）等揭示他們之間的關系。例如，Zhang et al.（2019）運用多元統計方法及冗余分析法研究了三峽庫區土地利用對水質的影響，發現子流域對水質的解釋強于緩沖區尺度。研究的空間尺度從前期的河岸帶（Shi et al.，2017；方娜等，2019；李昆等，2020）及子流域（Wei et al.，2020；王竹等，2020）尺度到目前的包括河段（Shi et al.，2017；曹燦等，2018；楊潔等，2017）在內的多空間尺度，但是由于土地利用結構、地形地貌、氣候、土壤理化性質等獨特自然因素，不同流域的研究結果不同，同時，由于研究的空間尺度不同，土地利用結構、景觀格局對水質的影響存在很大的差異。一些研究認為子流域對水質的影響大于河岸帶和河段（Mello et al.，2018；Meneses et al.，2015；Ding et al.，2016；Wei et al.，2020），另外一些研究認為（Collins et al.，2013；McMillan et al.，2014）河岸帶可以更好的解釋水質。例如，Zhang et al.（2020a）對大寧河流域土地利用對水質影響研究表明流域尺度對水質的影響最大，提出對土地利用規劃和水管理需采用多空間尺度觀點。徐啟渝等（2020a，2020b）對袁河、鄱陽湖流域贛江景觀格局與水質關系的研究發現河岸帶對水質的影響最大，林地、水田與居民建設用地對水質影響最為顯著。李昆等（2020）揭示了城市化背景下漢江景觀格局對水質的影響的尺度效應，且河岸帶尺度對水質影響最大。王一舒等（2020）發現西江河岸帶800 m范圍內對水質影響最大。王杰等（2018）對丹江土地利用和景觀格局與水質關系進行研究，發現耕地、建設用地對水質有顯著的負面影響。楊強強等（2020）對青戈江流域的研究結果也表明耕地與建設用地對水質有負面影響。因此，需要針對不同典型流域開展多空間尺度土地利用結構及景觀格局對水質的影響。對比研究不同空間尺度土地利用結構和景觀格局與水質的關系，不僅有利于優化土地利用結構，同時還有利于對非點源污染的控制，從而達到合理、有效的保護水資源。

長江上游作為重要的生態屏障，在長江大保護及高質量發展國家戰略中發揮重要作用。但總體上，長江上游源區的土地利用及景觀格局與水質關系研究缺乏，急需開展相關的個案研究，為長江上游水土資源保護提供科技支撐。龍川江作為長江重要源頭金沙江南岸一級支流，是橫斷山脈與云貴高原的過度地帶，屬于縱向嶺谷區，是典型的干熱河谷區。受干熱效應的影響，土地缺水形成裸地，造成大規模水土流失。龍川江流域巖性以石灰巖、砂巖、頁巖和玄武巖為主，并由這些母巖形成了棕壤、水稻土、燥紅土、紫色土、紅壤和黃棕壤多種土壤類型，其中紫色土分布最廣，紅壤次之；流域水土流失嚴重，溝壑侵蝕造成大量泥沙進入河流。龍川江流域是楚雄州政治、文化中心，是全州經濟交通最發達區域，流域內農田以旱地為主，作物生長主要集中在 5—8月，隨著經濟社會發展，大量生活污水、工業廢水等排入龍川江，導致水質持續惡化，資源型、水質型缺水矛盾日趨加劇，嚴重影響了龍川江的水資源供給。目前，已有學者對龍川江流域土地利用結構、氣候變化對徑流的影響（竇小東等，2019）、河流溶解有機質來源及降解規律開展研究（Ni et al.，2020），而缺乏對流域不同空間尺度土地利用結構及景觀格局與水質的關系研究。因此，本研究對龍川江不同水文時期進行野外采樣，結合流域土地利用結構和景觀格局，探討龍川江水質的時空異質性及對不同空間尺度土地利用結構和景觀格局的響應關系，為長江上游金沙江流域土地利用結構管理及流域水資源安全保障提供科學參考。

1 材料與方法

1.1 研究區概況

龍川江（25°13′—25°39′N，101°31′—101°41′E）位于我國云南省，發源于云南省南華縣北部，是長江流域重要的源頭支流。龍川江全長231 km，流域面積約為9251.4 km2，流域主要以丘陵地形為主，地勢西南高東北低，河網復雜，小型河流眾多，具有長江上游源頭支流的典型分布特征。龍川江流域地處亞熱帶與熱帶的交界處，屬于低緯度高原季風氣候類型，夏季主要受到來自西南以及東南的暖濕氣流影響，冬季主要受到印度高壓氣團以及北部冷空氣的影響，氣溫具有明顯月際性差異。流域內多年降水主要集中在5—10月，占全年降水量的85%，雨季平均氣溫為 (30±4) ℃，年平均氣溫為(16±2) ℃。龍川江最大年徑流量為 17.2×108m3·a?1，最小年徑流量為 2.07×108m3·a?1，平均年徑流量為7.76×108m3·a?1。流域內水土流失嚴重，生態環境脆弱，水質主要受到農業種植、畜禽養殖、農村生活污水和城鎮污水的復合污染。為減小水質對土地利用及景觀格局的響應受到集中降水的影響，本研究中的取樣月份為5月和9月，研究期間，5月代表雨季初，9月代表雨季末期。

1.2 野外取樣及分析

于2017年5月與9月對龍川江流域采樣兩次，每次設置21個樣點（圖1），共采集42個水樣。樣點覆蓋全流域，保證了流域特征的綜合表征。為了最大程度的減少日變化（光照與光強）對樣品的影響，每次采樣在每天09:00—12:00和14:00—18:00進行。水樣在距離河流表面10—20 cm的深處采集，并立即保存在100 mL的高密度聚乙烯塑料瓶中（每個點采集 3份水樣），為了防止出現頂空空氣，瓶蓋在水中事先蓋嚴。采集水樣后，立即在現場使用多參數水質分析儀（Eutech CyberScan PCD 650 multiparameters System，USA）進行分析測定原位水質的基礎指標，如水溫（tw）、pH，電導率（γ(EC)）、溶解氧飽和度（Dissolved oxygen saturation，SDO）。取樣當天利用抽濾器和Whatman玻璃纖維膜對原水進行過濾，同時將部分原水樣送回實驗室保存在4 ℃的冰柜中，用于實驗室對水化學指標的測定，包括總氮（TN）、總磷（TP）、硝態氮（NO3?-N）、銨態氮（NH4+-N）。其中，使用堿性過硫酸鉀消解-紫外分光光度法（GB 11894—1989）測定總氮（TN），使用過硫酸鉀消解-鉬酸銨分光光度法（GB 11893—1989）測定總磷（TP），使用0.7 μm濾膜過濾后直接利用紫外分光光度法測定硝態氮（NO3?-N），使用水楊酸-次氯酸鹽分光光度法（HJ 536—2009）測定銨態氮（NH4+-N）。并將上述21個采樣點的8個典型水質指標作為此次分析的基礎數據，并利用此數據實現研究目標（Gu et al.，2019；徐啟渝等，2020b）。

圖1 研究區土地利用及采樣點分布圖Fig. 1 Study area with land use map and sampling sites

1.3 空間數據獲取與處理

土地利用與水質關系研究不考慮月份及季節的土地利用差異，而使用與采樣日期相近年份的土地利用數據（方娜等，2019；徐啟渝等，2020a）。本研究利用2017年分辨率為10 m的土地利用結構數據集（Gong et al.，2019）以及基于地理空間數據云 30 m 分辨率的 DEM 數字高程模型（http://www.gscloud.cn/），使用 ArcGIS 10.2軟件（ESRI，Redlands，CA，USA），經過水文分析，緩沖區分析等分析后提取河段緩沖區、河岸帶緩沖區和子流域等3種空間尺度土地利用結構。研究中土地利用結構為以下6類：耕地、建設用地、林地、草地、水域和裸地。參考最新文獻，研究選擇3個空間尺度，分別是2000 m河段緩沖區、2000 m河岸帶緩沖區和子流域；根據每個樣點控制的匯水區域，得到 21個河段、河岸帶和子流域，每個研究單元內有 1 個樣點（Shi et al.，2017；Gu et al.，2019；Wu et al.，2021）。河段緩沖區為采樣點上游以一定直徑的圓形成的圓形區域；河岸帶緩沖區是從采樣點上游兩側寬度為一定距離的條帶區域；子流域是采樣點控制的集水區（Ding et al.，2016；Shi et al.，2017；Gu et al.，2019）。嵌套流域對水質影響過于復雜，本研究未納入考慮（Wu et al.，2021）。

1.4 景觀格局指數計算

為全面分析景觀格局與水質的關系，結合文獻查閱，本研究選擇12個常用景觀指數（Wang et al.，2020；Xu et al.，2020；Zhang et al.，2020b）（表 1），所選指標可以較好地反映地表水水質的變化。利用FRAGSTATS V 4.2軟件在Landscape metrics級別下計算所選景觀指標。

表1 景觀指數描述Table 1 Description of landscape indices

1.5 統計分析

首先使用 Kolmogorov-Smirnov檢驗方法對樣本進行正態性檢驗，P>0.05，滿足正態分布特征（Cho et al.，2014）。水質的時間差異使用非參數Mann Whitney U檢驗方法（Li et al.，2018）。利用Pearson相關分析揭示不同尺度土地利用結構與 8種水質指標的關系（Karmakar et al.，2019）。使用降趨勢對應分析（Detrended Correspondence Analysis，DCA）分析后，最長梯度長度小于3，因此利用冗余分析（Xu et al.，2020；Zhang et al.，2020a）（Redundancy Analysis，RDA）確定景觀格局指數對總體水質參數的影響，景觀格局指數為環境變量，水質為物種變量。運用多元逐步回歸分析構建基于土地利用組成對水體中營養指標（N、P）的預測模型。通過R語言“vegan”包中的“bioenv”函數，分別得到整體水質與不同尺度土地利用類型和景觀格局指數的最佳組合，并通過此結果來表征不同尺度土地利用結構和景觀格局對整體水質的影響。統計分析利用SPSS（IBM Company，USA）軟件完成，RDA運用 Canoco 5.0（Microcomputer Power Company，USA）軟件運行。

2 結果與分析

2.1 水質時空變化特征

龍川江水質時空變化如圖 2—4所示。tw、γ(EC)和SDO具有明顯的月際性差異（P<0.05），而pH、TP、TN、NO3?-N 和NH4+-N 月際性差異不顯著（P>0.05）。5月，pH均值為 (8.17±0.34)（范圍為7.55—8.75），水質呈弱堿性。γ(EC)均值為 (791.15±715.7) μS·cm?1（255.30—3640 μS·cm?1），SDO均值為 (94.05%±19.75%)（65%—135.9%），TP 均值為 (0.13±0.095)mg·L?1（0.02—0.40 mg·L?1），TN均值為 (3.59±4.85)mg·L?1（0.59—22.21 mg·L?1），NO3?-N 均值為(1.65±3.5) mg·L?1（0.01—16.17 mg·L?1），NH4+-N 均值為 (0.181±0.26) mg·L?1（0.01—1.07 mg·L?1）。

圖2 5月水質營養指標空間分布圖Fig. 2 Spatial distribution of water quality nutritional indicators in May

圖4 龍川江流域主要水質參數以及時空變化Fig. 4 Temporal variation of water quality parameters in of the Longchuan River

9月，pH均值為 (8.28±0.36)（7.72—9.15），γ(EC)均 值 為 (597.97±544.4) μS·cm?1（ 164.5 — 2763 μS·cm?1），SDO均值為 (84.09%±24.49%)（52.4%—165.6%），TP 均值為 (0.1±0.04) mg·L?1（0.06—0.23 mg·L?1），TN 均值為 (2.29±2.19) mg·L?1（0.71—10.87 mg·L?1），NO3?-N 均值為 (0.86±0.72) mg·L?1（0.03—2.49 mg·L?1），NH4+-N 均值為 (0.13±0.13)mg·L?1（0.01—0.56 mg·L?1）。

比較水質參數的平均值，在5月，SDO達到Ⅰ類標準，TP為Ⅲ類標準，TN超出Ⅴ類標準，NO3?-N在標準限值內，NH4+-N達到Ⅱ類標準。在9月，SDO達到Ⅱ類標準，TP達到Ⅱ類標準，TN超出Ⅴ類標準，NO3?-N在標準限值內，NH4+-N達到Ⅰ類標準（地表水環境質量標準GB 3838—2002）。因此，龍川江水體主要污染物為含N、P營養鹽，且營養鹽含量高的點出現在耕地和建設用地占比較大的地方。營養物質污染情況的空間分布見圖2和圖3。

圖3 9月水質營養指標空間分布圖Fig. 3 Spatial distribution of water quality nutritional indicators in September

2.2 土地利用結構特征

在河段尺度，耕地總面積占比最大（圖5），為8%—69%，林地總面積占比次于耕地，為 13%—87%，其次是草地、建設用地、裸地、水域，占比范圍分別為3%—29%、0—16%、0—7%、0—11%。在河岸帶尺度，林地面積占比最大，為19%—86%，耕地面積占比次于林地，為8%—62%，其次是草地、建設用地、裸地、水域，占比范圍分別是5%—29%、0—12%、0—4%、0—3%。在子流域尺度，林地面積占比最大，為31%—87%，耕地面積占比次于林地，為8%—53%，其次是草地、建設用地、裸地、水域，占比范圍分別是4%—30%、0—5%、0—4%、0—3%。依河段、河岸帶和子流域尺度放大，林地面積占比逐漸增大，在靠近水域的地方以耕地為主，距離水域越遠，耕地占比越少，林地占比越多。

圖5 不同尺度土地利用特征Fig. 5 Land use composition at different spatial scales (riverine reach, riparian and subcatchment)

2.3 土地利用結構與水質相關關系

3個空間尺度的土地利用和水質指標的相關關系均呈現時間異質性，且在9月的相關性強于5月（表2—4）。河段尺度下（表2），γ(EC)在5月和9月均和草地呈顯著正相關關系，說明草地可以增加水體中的無機酸、堿，鹽或有機帶電膠體。在9月，TN與建設用地和耕地顯著正相關，NO3?-N與裸地顯著負相關，NH4+-N與草地及水域顯著正相關。河岸帶尺度下（表3），γ(EC)在2個月份均和草地顯著正相關。在 5月，NO3?-N與耕地顯著正相關，與林地顯著負相關。在9月，TN與耕地顯著正相關，與林地顯著負相關，NH4+-N與草地顯著正相關。子流域尺度下（表4），γ(EC)在2個月份均和草地顯著正相關。在 5月，NO3?-N與耕地及裸地顯著正相關，NH4+-N與水域顯著正相關。在 9月，TN與建設用地顯著正相關，NH4+-N與草地顯著正相關。

表2 河段不同時期水質與土地利用的相關性Table 2 The correlation between water quality and land use in different period of river reach

表3 河岸帶不同月份水質與土地利用的相關性Table 3 The correlation between water quality and land use in different periods of riparian zone

表4 子流域不同時期水質與土地利用與土地覆蓋的相關性Table 4 The correlation between water quality and land use and land cover in different periods of sub-watershed

運用多元逐步回歸分析構建基于土地利用組成的水體營養指標（N、P）預測模型（表 5），發現土地利用組成對氮、磷的預測能力較弱。在5月，河岸帶和子流域耕地對NO3?-N預測能力好于河段尺度。在9月，建設用地與耕地對TN的影響最大。河段尺度草地和水域可以較好的預測NH4+-N。

表5 土地利用與水質營養指標回歸關系模型Table 5 Regression models between land use and water quality

2.4 景觀格局指數與水質指標的冗余分析（RDA）

不同尺度景觀指數對水質影響的 RDA分析結果見表 6。相同尺度的景觀格局指數對不同月份水質的解釋無明顯差異（對水質總解釋率的差值小于10%），而景觀格局指數對相同月份的水質總解釋率呈現明顯的空間尺度效應。例如，在5月，河岸帶尺度景觀格局指數對水質的總解釋率相對于河段尺度提高了21%，但隨著尺度增大到子流域尺度，解釋率為78.1%，下降了10%。9月，河岸帶尺度景觀格局指數對水質的解釋率相對于河段尺度增加了30%，而子流域尺度景觀指數對水質的解釋率相較于河岸帶略有下降。整體上，景觀格局指數對水質的總解釋率為河岸帶>子流域>河段。

表6 不同尺度景觀格局指數對總體水質的解釋Table 6 Interpretation of total water quality by multi-scale landscape pattern index %

景觀格局指數對水質指標的解釋率差異很大（表 6）。河段尺度下，5月的 SHAME_MN和COHESION對水質的解釋率最為顯著，解釋率分別是 17.6%和 19.8%，占總解釋率的 56.1%；而在 9月，NP和COHESION對水質的解釋率最顯著，解釋率分別是13.1%和25%，占總解釋率的62.4%。河岸帶尺度下，對5月水質解釋率最顯著的是PD、ED與SHDI，解釋率分別是33.8%、27.6%及10.4%，占總解釋率的82%；對9月水質解釋率最顯著的是PD、SHAPE_MN和SHDI，解釋率分別是17.7%、30%和 13.8%，占總解釋率的 67.1%。子流域尺度下，AI和CONTAG對5月和9月水質的解釋率均顯著，對5月水質的解釋率分別為12.6%、40.9%，占總解釋率的68.5%；對9月水質的解釋率分別為6.7%、58.8%，占總解釋率的75.8%。

2.5 土地利用類型和景觀格局指數組合與總體水質關系

R語言中“vegan”包中的“bioenv”函數分析結果表明（表7），在河段尺度，建設用地對整體水質影響較大，在河岸帶尺度，耕地與草地對整體水質負荷較重，在子流域尺度，草地與水域對整體水質的影響較大。從表7組合相關關系分析，子流域土地利用對整體水質的影響較大，其中在雨季末期最大，達到 0.379。在水質與景觀格局指數的組合關系中（表8），河段尺度COHESION與其它景觀指數的組合對水質的影響最大，在5月和9月分別達到了0.217和0.177；河岸帶尺度，PD與其他景觀參數的組合對水質的影響最強，分別達到了0.371與 0.380；子流域尺度 LPI、COHESION對水質的負荷最大，分別達到0.122與0.337。因此，土地利用組合對整體水質的影響為子流域>河岸帶>河段，而景觀格局指數組合對整體水質的影響是河岸帶>子流域>河段，結果與表6的分析結果一致。

表7 總體水質與土地利用結構組合的相關關系Table 7 The correlation between total water quality and land use structure combination

表8 總體水質與景觀格局指數組合的相關關系＊Table 8 The correlation between total water quality and landscape pattern index combination

3 討論

3.1 土地利用結構與水質的關系

季節性水文變化對河流流量和水環境有重要影響。在本研究中，水質參數γ(EC)和SDO具有明顯月際性差異，而pH和養分（TP、TN、NO3?-N和NH4+-N）的差異性不顯著，但不同形態氮、磷濃度整體上呈現5月（雨季初期）較9月高（雨季末）。主要是因為雨季初期地表徑流引起的面源污染較多（Shi et al.，2019；Chen et al.，2018），而雨季末期，前期長時間的集中降水同時起到面源輸入及稀釋的作用。

研究發現林地對水質有正面影響，耕地、建設用地對水質有負面影響（表 2—4），這與先前的許多研究一致（Duffy et al.，2020；Mello et al.，2020；Wei et al.，2020；Zhang et al.，2020a）。建設用地與耕地是造成非點源（non-point pollution source，NPS）污染的主要因素，建設用地與耕地是人類活動強度很高的土地利用類型，大量化肥農藥的使用（Karmakar et al.，2019）使耕地中未被農作物吸收的養分、有機質等隨徑流進入水體，建設用地會引起生活污水和工業廢水的排放，導致水體污染物濃度升高。城市生態系統的地面大多為非透水地面，導致污染物不經過林地、草地或土壤過濾，直接通過徑流流入水體（Shi et al.，2019）。龍川江流域耕地與建設用地主要沿河岸分布，導致建設用地、耕地與 TN、TP、NH4+-N、NO3?-N 濃度呈正相關（Rami?o et al.，2020）（表2—4）。植被則通過攔截徑流中的污染物與泥沙，吸收污染物中的養分，進而減少污染物的直接輸入（Ferreira et al.，2019）。

3.2 水質變化的空間尺度效應

水質與土地利用結構及景觀格局的關系依賴于空間尺度（Gu et al.，2019；Shi et al.，2017；Wang et al.，2020；Zhang et al.，2020a），但研究結果不盡相同。主要原因是人為活動改變了土地利用和景觀格局，導致不同的水文特征、物質轉移和能量流動，進而影響流域生態過程和水質。

有研究表明河岸帶尺度土地利用對水質的影響較大（Collins et al.，2013；McMillan et al.，2014），但是一些研究得到了相反的結果，表明子流域尺度土地利用可以更好的解釋總體水質（Meneses et al.，2015；Ding et al.，2016）。本研究發現5月子流域尺度土地利用組合耕地+草地+裸地+水域對總體水質的影響較大，9月是草地+水域。耕地作為主要的NPS 污染源（de Oliveira et al.，2017；Ouyang et al.，2010；Wu et al.，2019），其總污染負荷與面積直接相關，而河岸帶尺度與河段尺度的耕地面積遠小于子流域，導致子流域土地利用類型對總體水質的影響較強，雨季末期長時間降水稀釋了耕地的面源污染。

和土地利用類型對總體水質的影響不同，RDA和“bioenv”分析均表明景觀格局對總體水質的影響呈現河岸帶>子流域>河段（表6、8），“bioenv”分析得到解釋總體水質的最佳景觀格局指數組合LPI+PD+SHAPE_MN+COHESION。RDA分析表明景觀參數對總體水質的解釋為河岸帶 (90%)>子流域 (80%)>河段 (60%)，并且單個景觀格局指數對總體水質的解釋也具有尺度效應（表6）。在河段尺度下，NP、SHAPE_MN、COHESION對水質的影響最顯著，表明在河段尺度下，景觀的密度、聚集性越大，能更好的吸附和過濾徑流中的營養物質。在河岸帶尺度下，PD、ED、SHAPE_MN、SHDI對水質的影響最顯著，說明景觀密度、形狀、多樣性對河岸帶的污染物攔截功能影響較大。在子流域尺度下，AI、CONTAG對水質影響最顯著，說明子流域尺度下，景觀的聚集程度與團聚程度對水質的影響較大。上述景觀指數組合的4個指標體現了河岸帶景觀對地表徑流的過濾與吸收，河岸帶作為水體與陸地的過渡帶，是連接陸地與水體的紐帶，通過對地表徑流中污染物質養分和泥沙的過濾，吸附和吸收而減小陸源污染物對河流水質的影響（Zhang et al.，2020a）。

3.3 基于土地利用與景觀格局的流域水質保護建議

龍川江流域水質整體較差，超過50%的樣點的TN濃度為地表水Ⅴ類標準，河流受耕地與建設用地的影響較大。在龍川江流域，城鎮和農業用地主要分布在龍川江干、支流河岸帶。在城鎮區域，需要對徑流進行截留，經過簡單的自然生態系統處理后再排放。在子流域尺度，優化土地利用特別是耕地與城市的空間結構，增加林地與草地的聚集性。河岸帶作為河流水-陸交錯帶，在維持生態系統平衡中發揮重要作用，河岸帶土地利用與景觀格局對水質有直接影響，本研究表明河岸帶景觀格局對水質的影響大于其它尺度（表 6、8）。因此，宜對河岸帶的劣質耕地采取退耕還林還草方式，降低耕地破碎度，提高林地和草地的占比并增加河岸帶景觀類型，提高河岸帶對泥沙及污染物質的攔截、吸附、吸收及轉化能力，減少水土流失和養分的輸出。對耕地進行精準噴藥施肥，減少N、P等的流失。研究土地利用和景觀格局與水質之間的關系可以提高我們對自然、人文因素對河流水文過程響應的認識，將水質響應的空間尺度效應納入土地利用規劃與水資源管理的過程中，為多空間尺度流域土地利用規劃、水質改善提供支撐。

3.4 不確定性分析

土地利用結構和景觀格局與水質關系研究的不確定性主要來源于水質的代表性和土地利用組成空間尺度的確定及與野外數據時間的一致性。和國內外相關研究一樣（Ding et al.，2016；Gu et al.，2019；Wu et al.，2021），本研究也未考慮土地利用的季節變化。例如Wu et al.（2021）運用2016—2019年的水質數據和2019年的土地利用數據，Ding et al.（2016）利用2010年1次的野外取樣及2009年的土地利用數據。研究用2次的取樣代表雨季前后，很好地反映了季風性降水前后土地利用、景觀格局與水質的關系變化。雖然本研究的野外數據略顯不足，但研究表明流域耕地特別是河流沿線的耕地與氮的相關性很強，反映了流域面源污染的重要性及面源污染的季節變化。此外，取樣點的嵌套關系會影響河段尺度的結果，由于小流域主要受陸地生態系統的影響，即使是大的河流，目前的研究并為考慮“嵌套流域”的影響。未來研究需進行高頻度取樣及多尺度土地利用和景觀格局分析，結合陸面碳氮模型研究空間上污染源產生的熱點區域。

4 結論

（1）龍川江流域水體整體呈弱堿性，主要污染物為TN（地表水環境標準劣V類）和TP（III類標準）；營養鹽N、P濃度在5月高于9月，但無顯著性差異。

（2）土地利用組合與總體水質的關系具有時間與空間尺度效應，同一時期，子流域土地利用組合與總體水質相關性最高；水質和土地利用的相關、回歸及組合分析在月際上均表現為9月高于5月。景觀格局指數組合與總體水質的關系有空間尺度效應，河岸帶景觀格局指數組合與總體水質的相關性最大，最佳組合是 LPI+PD+SHAPE_MN+COHESION。景觀格局指數對總體水質的解釋率依次為河岸帶 (90%)>子流域 (80%)>河段 (60%)，順序與景觀格局指數組合對總體水質的影響一致。

（3）回歸模型表明在降水初期，河岸帶及子流域的耕地顯著影響硝態氮；在降水末期，河段土地利用結構對河流養分指標的預測較好，耕地和建設用地對TN影響最大。

（4）土地利用結構與景觀格局對水質的影響具有尺度效應，在進行土地利用結構規劃與水資源管理的過程中，要采用多尺度的觀點進行規劃管理。