城市化下景观格局对河流水质变化的空间尺度效应分析

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-31

李昆¹, 王玲¹, 孙伟², 王祥荣², 李兆华¹
1. 湖北大学资源环境学院, 武汉 430062;
2. 复旦大学环境科学与工程系, 上海 200433
收稿日期: 2019-07-08; 修回日期: 2019-08-10; 录用日期: 2019-08-10
基金项目: 国家重点研发计划（No.2016YFC0502700）
作者简介: 李昆(1987-), 男, 博士, E-mail:kunli07@outlook.com
通讯作者（责任作者）: 王玲, E-mail:wlk_211@126.com

摘要：研究不同空间尺度上景观组成与结构变量对城市河流水质的影响程度和机制对于流域生态保护具有重要意义.以汉江流域襄阳城区段8个水质监测断面为中心，利用GIS软件以河流为对象生成8种空间尺度的缓冲区域，采用景观格局指数、冗余分析等方法与模型，识别景观格局对河流水质影响最有效的河岸带空间尺度，以及其与水质的相互关系.结果表明：①总体上农用地和城市用地的面积占比随缓冲区宽度上升而增加，而其他景观类型呈相反的变化特征.②景观格局在不同宽度缓冲区内对河流水质的影响具有空间尺度性，在300 m宽度解释能力最大，达到了78.5%.③景观组成变量中仅园地的面积比例（PLAND_GAR）在400 m宽度上与水质指标存在相关关系.④影响水质变化的主要景观类型在小尺度上是城市用地，相对较大尺度上是林业用地，并且城市用地和林业用地的斑块密度（PD_URB和PD_FOR）对河流水质的负面影响最为显著.结果反映了300 m宽度是景观格局对水质变化的最佳临界区，景观组成变量对水质的影响程度小于景观结构变量.同时，不同景观类型对水质的影响机制也具有差异性，林业用地分布越密集、面积越大对进入水体的污染物净化作用越明显，而分散分布的城市区域对水质退化的作用显著.园地和草地因种植方式的差异对水质变化有一定的影响；而农业用地与水质之间没有发现显著的相关性.研究结果可以从宏观尺度上为流域水环境保护、景观优化与管理提供科学依据.
关键词：河流景观组成与结构水质空间尺度
Spatial effect of landscape pattern on river water quality under urbanization
LI Kun¹, WANG Ling¹, SUN Wei², WANG Xiangrong², LI Zhaohua¹
1. Faculty of Resources and Environmental Science, Hubei University, Wuhan 430062;
2. Department of Environmental Science and Engineering, Fudan University, Shanghai 200433
Received 8 July 2019; received in revised from 10 August 2019; accepted 10 August 2019
Abstract: To figure out the effect of landscape composition and configuration on water quality in different spatial scales is important for ecological protection. In this study, the urban section of Xiangyang City of the Hanjiang River was selected as a case study. Eight water sampling sites in the study area were selected to analyze the variation of water quality. The land use/cover data and landscape metrics were analyzed at eight buffer widths by using ArcGIS and Fragstats software, respectively. The most effective spatial scale and the linkage between landscape patterns and water quality were identified through the redundancy analysis. The results show that:①the proportion of agricultural and urban land increased with the increase of buffer width, while other landscape types were opposite. ②The effect of landscape patterns on water quality was scale dependent at multiple buffer widths, and the total explanatory power was highest at the 300 m buffer width, accounting for 78.5%. ③Only the PLAND_GAR was positively correlated with water quality at the 400 m buffer width among the landscape composition. ④Urban land was the main influence factor at smaller buffer widths, while forest land was the most important factor at wider buffer widths. The patch density of urban and forest land (PD_URB AND PD_FOR) had the most significant negative impact on the water quality. The results indicate that the strongest correlation between landscape patterns and water quality occurred at the 300 m buffer width, and the impact of landscape configuration on the water quality was more than that of landscape composition. Moreover, the influence mechanism of different landscape types on water quality was varied. Forest land with higher density and larger area had more obvious purification effect on water pollution, while the dispersed urban areas had a significant effect on water quality degradation. The difference of planting methods between garden plots and grass lands had some influence on water quality. However, no significant correlation was found between agricultural land and water quality. These findings could provide important scientific basis for water quality protection, landscape optimization and management in river basin.
Keywords: riverlandscape composition and configurationwater qualityspatial scale
1 引言(Introduction)流域水质是多尺度环境因子的综合反映, 污染物进入河流水体前在地表迁移、转化过程中会受到地理环境(植被、土壤)、气候环境和人类活动(城市化、工业化等)等因子的共同作用(Wu et al., 2018).这些因子反映了景观格局在空间上的组成和结构, 因此, 景观格局影响着流域内生态和水文过程, 是造成河流水质空间分异的重要原因(井云清等, 2017; Mainali et al., 2018).
随着城市化发展和人口增长, 景观格局从河岸带到流域再到全球等不同尺度上都随之表现出不同的空间分布特征(Ding et al., 2016), 而水环境对景观格局变化的响应尤为敏感(Finlayson et al., 2018).已有国内外较多研究表明, 景观格局对水环境的效应从局部小尺度到流域等不同空间尺度上不尽相同(Ding et al., 2016; De Mello et al., 2018).这种由空间尺度差异引起的景观与水质关系的不同也是目前研究面临的一个挑战(李艳利等, 2015).但之前的研究结果对具体识别流域中景观格局与河流水质变化相关性最强的空间尺度具有较大的争议(Shi et al., 2017).Meneses等(2015)和Ding等(2016)分别在葡萄牙和中国广东某流域的研究中发现, 景观格局在流域尺度上对水质变化的影响程度大于河岸带缓冲区尺度.而Hille等(2018)和Xu等(2019)分别在丹麦515个河流流域和中国贵州乌江河流域的研究结果表明, 河岸带缓冲区尺度可以更好地保护河流水质.这些不一致的研究结果主要由于影响水质的每个流域所具备的独特性所导致(Sun et al., 2014).但至今的研究中仍缺乏各种河岸带缓冲区宽度变化对水质动态影响的定量分析.河岸带直接作用于水体, 是敏感的生态交错区, 同时又浓缩了整个流域生态环境的特征(Zhang et al., 2018; Ruan et al., 2019), 且单一空间尺度往往无法全面解释景观格局与河流水质之间的关系.因此, 划分不同空间尺度河岸带缓冲区, 识别流域内景观格局与河流水质变化相关性最强的空间尺度, 对于流域水环境管理和景观生态学在流域水环境中的应用具有十分重要的意义.
随着河岸带空间尺度的变化, 景观组成和景观结构对水质变化的影响机制和程度也具有差异性.Clément等(2017)在加拿大约600个河流流域案例的研究中表明, 水质对不同景观组成类型面积变化(如城市用地、农用地、林地等)的响应程度存在差异性.Xie等(2018)在流经中国香港与广东的深圳河流域的研究中发现, 景观组成变量与溶解氧、总磷、悬浮物等水质参数的相关性随空间尺度变化而发生改变.Lee等(2009)在韩国某流域中的研究结果表明, 城市区域斑块破碎化程度越低对水环境质量改善效果越明显, 而林地分散分布的区域其水质退化的现象非常显著.Zhang等(2019)在中国三峡水库流域的研究则反映了景观结构中斑块密度和最大斑块指数对总氮、硝态氮、总磷等水质参数的影响作用相反.通过前人的研究发现, 可能由于景观类型在空间上的组成和结构不同, 其对水体中营养物浓度的效应和影响机制存在一定的差异性.然而目前对景观组成、结构与水质变化之间具体关系的研究还多为定性研究, 多数仅限于不同景观类型对水质的影响或聚焦在较大的空间尺度上, 而将景观格局的空间组成和结构作用量化的研究相对较少; 同时也缺乏在不同空间尺度上识别影响流域水质变化的主要景观因子及各景观格局指数产生的具体贡献率的研究(Shi et al., 2017).因此, 使用景观格局指数方法区分景观组成和结构变量, 定量分析其与水质变化的关系, 对于明确区域土地利用/覆被类型、景观要素空间最佳分布及其最优配置关系有着重要的参考价值.
随着国家"长江大保护"战略的提出, 汉江作为长江的第一大支流, 其水环境保护意义重大.襄阳市作为汉江中游的最大城市, 景观格局变化剧烈, 人口密集, 地表水污染趋势加重, 对汉江水环境的压力仍在持续增加.同时, 汉江作为襄阳市城区的唯一水源地和纳污水体, 其水环境状况将在很大程度上受城区发展与扩张的影响.因此, 研究汉江水质变化与襄阳市城区景观格局的响应关系对于汉江流域水环境保护和长江经济带的可持续发展具有现实意义.因此, 本文以汉江流域襄阳城区段为研究对象, 在河岸带尺度上, 用包含景观组成和结构信息的景观格局指数表征景观格局状况, 通过遥感(RS)、GIS技术、冗余分析等模型与方法对景观格局与河流水质变化之间的关系进行研究.主要包括3个方面:1识别景观格局对流域水质变化影响最大的空间尺度; 2区分景观组成和景观结构对流域水质的影响程度大小; 3定量分析不同缓冲区宽度上景观格局对水质变化影响效应的差异性.
2 数据来源与研究方法(Data sources and methods)2.1 研究区域汉江是长江最大的支流, 长1577 km, 流域面积约1.59×10⁵ km².襄阳市位于汉江中游(110°45'~113°43'E, 31°14'~31°37'N), 全市总面积约为19774 km², 为北亚热带季风气候, 年平均气温约为14 ℃, 年平均降水量为800~1200 mm(图 1).自2004年以来, 襄阳市城市扩张迅速, 城市化率从37.8%上升到2017年的59.7%.汉江流域襄阳城区段总面积约3557 km², 包括从白家湾到余家湖的监测断面, 其主河道长度约49 km.小清河和唐白河是汉江流域襄阳城区段内的两条支流, 分别于清河口和张湾汇入汉江.但据湖北省和襄阳市水资源公报, 该区域内人均水资源量仅约为947 m³, 远远低于湖北省人均水资源量的2052 m³, 水资源状况非常严峻, 同时该段城区河流是襄阳城区内约220万居民重要饮用水源地, 并具有灌溉、养殖和运输功能.
图 1(Fig. 1)

图 1 研究区域水质监测断面和缓冲区分布示意图 Fig. 1The location of water sampling sites and buffer zone in study area

2.2 水质数据监测与分析根据汉江流域襄阳城区段干流和支流的特点, 在汉江流入、流出城区的进口和出口, 以及支流汇入干流的汇入点等区域设置8个监测断面(图 1), 其中4个位于干流(S1~S4), 3个位于支流小清河(S5~S7), 1个位于支流唐白河(S8).选取水温(T)、pH、溶解氧(DO)、高锰酸盐指数(COD_Mn)、总氮(TN)、总磷(TP)、氨氮(NH₄⁺-N)等7项指标来分析河流水环境质量.其中, 2017年1—6月的水质监测数据来源于襄阳市环境监测站在每个断面的逐月监测分析, 2017年7—12月的水质监测数据来源于研究团队每月一次的现场采样和实验室分析; 水质采样与分析测试采用国家标准分析方法(赵晓等, 2018), 水质评价标准依据国家《地表水环境质量标准》(GB 3838—2002).
2.3 缓冲区空间尺度选取结合汉江流域襄阳城区段河岸带的实际情况和研究目的, 应用ArcGIS软件中的空间分析功能, 分别对汉江的8个水质监测断面建立8个空间梯度的河岸带缓冲区, 以监测断面为基点, 平行河道分别向河流上游延伸至研究区域边界, 以垂直河道100、200、300、400、500、1000、1500、2000 m的宽度为规律在河流两岸建立缓冲区, 由此获得64个作用区.每个缓冲区范围内的景观类型均在ArcGIS软件界面划分提取、叠加和分类统计.同时, 为便于景观格局指数的统计分析及从研究精度和复杂度上考虑, 在各个尺度缓冲区上矢量数据转换成栅格数据时, 设置栅格大小为10 m×10 m, 河流缓冲区划分见图 1.
2.4 景观格局指数选取研究区域2017年的景观格局数据是以2009年第二次全国土地调查数据为基础, 并以2017年6月Landsat TM影像为数据源, 通过监督分类解译进行更新.分类系统参考《土地利用现状分类》(GB/T21010—2007)中方法, 并结合当地的实际情况, 将研究区域景观类型划分为8种:城市用地(URB)、农用地(AGR)、林地(FOR)、草地(GRA)、道路(ROA)、水域(WAT)、园地(GAR)、未利用地(UNU).
景观格局指数能够高度浓缩景观格局信息, 并反映其空间组成和结构等方面特征, 其中, 景观组成变化表现为不同景观组成类型数量或均匀度的变化, 而景观结构变化则表现为空间格局复杂程度的变化(赵鹏等, 2012; Shen et al., 2015).根据研究目的, 结合汉江流域襄阳城区段的土地利用及社会经济发展的实际情况, 从表征景观优势度、破碎度和多样性等景观意义出发, 优先选择经文献研究可能对水质变化有较大影响的景观组成和景观结构变量.其中, 景观组成变量包括斑块面积比(PLAND)和均匀度指数(SHEI), 景观结构变量包括斑块密度(PD)、最大斑块指数(LPI)、斑块数量(ND)、聚集度(AI)、香农多样性指数(SHDI)、景观形状指数(LSI)(Palmer, 2004; 刘怡娜等, 2019).同时, 在类型水平上分析PD、LPI、PLAND、ND、AI等5个景观格局指数, 在景观水平上分析SHDI、SHEI、LSI等3个景观格局指数, 所有景观格局指数均由基于栅格数据的Fragstats 4.2软件计算获得.
2.5 数据统计与分析使用SPSS 22.0统计各监测断面每月的水质指标数据, 并将每个断面所有月份数据做平均分析, 得到各断面的水质指标浓度年均值.以影响水质变化的景观类型和景观格局指数等景观因子为研究对象, 采用冗余分析(RDA)研究景观格局指数与水质参数年均值之间的关系.RDA是一种约束性直接梯度排序方法, 可用二维排序图直观地定量分析景观格局指数与水质参数之间的关系.选择RDA之前, 需采用CANOCO 4.5软件对各监测断面的水质参数进行降趋势对应分析(DCA), 结果显示, 4个坐标轴在所有缓冲区上的最长梯度值都小于3.因此, 适用于线性RDA模型来研究多空间尺度下景观格局指数与水质变化的关系(Shen et al., 2015), 该模型可进一步定量揭示单一景观变量对湖泊水质变化的解释贡献率.在RDA结果图中, 当两个变量的箭头方向相同时, 表示存在正相关关系, 反之亦然; 两个箭头之间的夹角角度与它们的相关程度成反比(Ding et al., 2016).
3 结果(Results)3.1 不同景观类型面积的空间变化特征不同宽度河岸缓冲区上景观类型面积比例的平均值分析结果见图 2.各景观类型在100~2000 m的河岸带缓冲区内都呈现了明显的空间变化特征.农业用地、水域、林地、城市用地这4种景观类型的面积比例在100~2000 m的空间尺度内占据了约95%以上.其中, 农业用地占比随缓冲区宽度增加呈逐步上升的空间变化特征, 其比例从100 m缓冲区的54.3%逐渐上升到2000 m缓冲区的64.5%, 并且占比最高, 是流域内优势景观类型.城市用地主要分布于汉江襄阳城区段的中游和下游之间, 其面积比例总体上随缓冲区宽度增加而上升, 并在1000 m缓冲区上达到最大值16.92%.林业用地主要分布于汉江干流的右侧, 其面积比例随缓冲区宽度增加而下降, 从100 m缓冲区的9.6%下降到2000 m缓冲区的6.9%.其他景观类型中, 水域、草地的面积比例在空间尺度上呈现随缓冲区宽度增加而逐步下降的特征, 分别从100 m缓冲区的28%、0.83%下降到2000 m缓冲区的8%、0.51%;园地、未利用地、道路面积比例呈现相反的逐步增加趋势, 分别从100 m缓冲区的0.30%、0.62%、0.58%上升到2000 m缓冲区的0.66%、1.06%、1.27%.以上各景观类型的变化趋势表明林业和水域等自然生态用地面积在空间尺度上逐渐减少, 而造成城市空气环境、水环境污染压力增加的工业、交通等城市用地和带来面源污染的农业用地的总面积逐渐增长, 综合反映了研究区域内城市河流水环境面临的巨大压力.
图 2(Fig. 2)

图 2 缓冲区景观类型面积比例统计 Fig. 2The spatial variations of landscape pattern in different widths of buffer zone

3.2 水质参数空间变化特征通过对S1~S8样点断面水质参数年均浓度的对比分析(表 1), 结果表明, DO、COD_Mn、TP、NH₄⁺-N均不超过地表水Ⅲ类.但支流小清河、唐白河汇入干流的S7、S8断面中COD_Mn、TP、NH₄⁺-N、TN的浓度均高于汉江干流, 其中, TN浓度最高, 均达到了地表水Ⅴ类.反映了汉江干流的水质在流域内较好, 支流对干流的水质退化有一定的影响.同时, 汉江干流出城区域的S4断面水质浓度高于进城区域的S1断面, 表明随着河流的流向, 从上游到中游、下游, 污染物不断地富集于汉江干流水体中, 造成河流水质污染逐步加重, 尤其是TP、NH₄⁺-N浓度增加幅度较大, 反映了城市区域的点源(包括工业废水、生活污水等)和面源污染对汉江的水质产生了较大的影响.
表 1(Table 1)

表 1 汉江干流与支流水质指标年均值与标准差分析结果 Table 1 Mean and standard deviation (SD) of selected water quality variables in Hanjiang River and its tributaries

断面	DO		COD_Mn		NH₄⁺-N		TP		TN
断面	浓度/(mg·L^-1)	类别	浓度/(mg·L^-1)	类别	浓度/(mg·L^-1)	类别	浓度/(mg·L^-1)	类别	浓度/(mg·L^-1)	类别
S1	7.51±0.60	Ⅰ	2.66±0.72	Ⅱ	0.12±0.27	Ⅰ	0.04±0.04	Ⅱ	0.32±0.16	Ⅱ
S2	7.49±1.14	Ⅱ	2.55±0.88	Ⅱ	0.11±0.18	Ⅰ	0.04±0.04	Ⅱ	0.26±0.13	Ⅱ
S3	7.59±0.30	Ⅰ	3.74±0.76	Ⅱ	0.42±0.20	Ⅱ	0.07±0.05	Ⅱ	0.81±0.26	Ⅲ
S4	7.85±0.44	Ⅰ	3.91±0.76	Ⅱ	0.32±0.14	Ⅱ	0.06±0.05	Ⅱ	0.89±0.27	Ⅲ
S5	6.95±0.70	Ⅱ	3.52±0.84	Ⅱ	0.35±0.16	Ⅱ	0.07±0.07	Ⅱ	0.76±0.20	Ⅲ
S6	6.04±0.63	Ⅱ	4.33±1.13	Ⅲ	0.47±.018	Ⅱ	0.09±0.08	Ⅱ	0.97±0.29	Ⅲ
S7	6.83±1.26	Ⅱ	4.57±1.30	Ⅲ	0.58±0.24	Ⅲ	0.10±0.08	Ⅱ	1.73±0.84	Ⅴ
S8	7.19±0.37	Ⅱ	3.87±0.65	Ⅱ	0.69±0.08	Ⅲ	0.17±0.05	Ⅲ	1.97±0.30	Ⅴ

3.3 景观格局对水质影响的空间尺度性特征景观格局指数与水质指标的RDA分析结果如表 2所示.结果表明, 河岸带缓冲区景观格局指数与水质指标有着不同程度的空间相关性, 揭示了景观格局对水质变化效应的空间尺度性特征.表 2显示了在100 ~2000 m宽度缓冲区上最主要的景观格局指数对水质影响的解释率变化情况.在所有空间尺度内景观格局指数对水质空间变化的解释率均达到50%以上, 并且前两个轴占所有轴总解释量的92%以上, 数值较大, 能够很好地反映分析结果.总体上, 景观格局指数对水质的解释量随缓冲区宽度的增加呈现先升后降的特征.在100 m缓冲区尺度上, 景观格局指数对水质变化的累计解释量为70.5%;当缓冲区宽度增加到300 m时, 总解释率增加到78.5%, 达到了所有河岸带缓冲区中的最大值; 但当缓冲区宽度从400 m增加到2000 m时, 景观格局对水质的解释能力出现下降趋势, 在2000 m缓冲区中总解释量最低, 仅为50.7%.因此, 在本研究中的河流流域内, 300 m宽度的河岸缓冲区被确定为流域内景观格局在不同空间尺度上对水质变化解释率最大的区域, 也是研究区域河流水质管理的有效缓冲区.
表 2(Table 2)

表 2 不同尺度缓冲区上主要景观格局指数及其对水质解释贡献率 Table 2 The dominant landscape variable groups with the maximum explanatory power at each spatial scale

缓冲区宽度/m	主要景观变量	累积解释率	数据类型	取值				总解释率
缓冲区宽度/m	主要景观变量	累积解释率	数据类型	轴1	轴2	轴3	轴4	总解释率
100	PD_FOR	56.5%	特征值	0.743	0.131	0.064	0.001	70.5%
100	PD_URB	70.5%	累积百分比	79.2%	93.1%	99.9%	100.0%	70.5%
200	PD_URB	52.7%	特征值	0.742	0.123	0.064	0.001	70.7%
200	LPI_GRA	70.7%	累积百分比	79.8%	93.1%	99.9%	100.0%	70.7%
300	PD_URB	57.2%	特征值	0.744	0.156	0.071	0.003	78.5%
300	LSI	78.5%	累积百分比	76.3%	92.3%	99.6%	99.9%	78.5%
400	PD_GRA	56.2%	特征值	0.733	0.119	0.067	0.001	74.5%
400	PLAND_GAR	74.5%	累积百分比	79.6%	92.6%	99.9%	100.0%	74.5%
500	LPI_FOR	52.9%	特征值	0.704	0.137	0.064	0.001	71.7%
500	LPI_GAR	71.7%	累积百分比	77.7%	92.8%	99.9%	100.0%	71.7%
1000	PD_FOR	53.7%	特征值	0.747	0.154	0.060	0.005	69.4%
1000	PD_URB	69.4%	累积百分比	77.3%	93.2%	99.5%	100.0%	69.4%
1500	PD_FOR	50.0%	特征值	0.742	0.137	0.062	0.000	64.3%
1500	PD_URB	64.3%	累积百分比	78.9%	93.4%	100.0%	100.0%	64.3%
2000	PD_FOR	46.5%	特征值	0.743	0.131	0.064	0.001	50.7%
2000	PD_URB	50.7%	累积百分比	79.2%	93.1%	99.9%	100.0%	50.7%

3.4 景观组成和结构对水质变化的影响程度RDA分析结果可以很好地识别影响水质空间分异的主要景观因子, 以及从整体上区分景观组成变量和景观结构变量对水质空间变化影响的大小.表 2清晰地表明研究区内不同景观类型对水质的影响存在差异性.景观结构变量PD_FOR在100 m、1000~2000 m范围内是对河流水质变化影响最明显的变量, 解释能力达到了46.5%~56.5%;PD_URB在200~300 m范围内是对河流水质影响最显著的变量, 解释能力分别达到了52.7%和57.2%;PD_GRA和LPI_FOR分别在400 m和500 m缓冲区上是对河流水质变化影响最明显的变量, 对水质的解释量分别达到了56.2%和52.9%.而景观组成变量仅PLAND_GAR在400 m尺度上对水质有一定的影响, 表明研究区域内景观组成变量对水质的影响程度小于景观结构变量.同时上述结果也表明, 在河流流域内随着缓冲区宽度的增加, 林业用地对流域水质的影响比较明显, 而城市用地的影响作用在减小.反映了城市用地在较小尺度(小于300 m)的河岸带缓冲区宽度内对水质影响最显著, 而林业用地在尺度相对较大的缓冲区宽度内(大于500 m)是影响水质的主要因子.同时以上结果也表明, 景观格局在类型水平上对河流水质的影响程度更为明显, 在景观水平上仅LSI在300 m宽度缓冲区上对水质有一定解释量(21.3%), 与水质参数的相关关系较小.
3.5 不同缓冲区宽度景观格局对水质变化的影响图 3揭示了不同缓冲区宽度上景观格局指数与水质参数之间的相关关系.PD_URB和PD_FOR在100~300 m、500~2000 m内基本与所有水质参数(COD_Mn、TN、NH₄⁺-N、TP)呈显著的负相关关系, 与DO为正相关关系, 表明林业用地和建设用地的斑块密度越小, 对水质参数的上升有显著作用.LPI_GRA在200 m缓冲区宽度上与COD_Mn呈正相关, 与DO呈显著负相关, 但PD_GRA在400 m尺度上却与COD_Mn呈负相关关系, 揭示了斑块面积越大的草地对水质的负面影响越大, 但斑块密度越大却对水质的净化作用更显著.PLAND_GAR和LPI_GAR在400 m和500 m尺度上与TN、NH₄⁺-N、TP呈正相关, 表明园地的面积比例和最大斑块面积与水质的恶化呈正相关.景观水平上的景观格局指数仅LSI在300 m尺度上对水质有一定解释量(21.3%), 但与水质参数的相关关系较小.
图 3(Fig. 3)

图 3 景观格局指数与水质参数的RDA分析结果 Fig. 3Redundancy analysis biplots showing correlation between water quality variables and landscape variables

4 讨论(Discussion)4.1 景观格局对水质效应的最有效空间尺度识别生态系统及其格局在空间上多尺度存在, 景观格局和地表水环境质量之间的关系受不同空间尺度上各种因子的影响, 具有空间异质性(Margriter et al., 2014; Zhang et al., 2019).虽然河岸带缓冲区对水质影响的最大宽度范围仍然存在争议, 但之前研究表明每一条河流均有一个临界缓冲区, 即存在流域内景观格局和水质变化之间相关关系最大的河岸带缓冲区(Sun et al., 2014).Tran等(2010)在纽约哈德逊河流域的研究中发现, 在200 m空间尺度上景观格局可以最大程度的解释水质变化, 但随观测空间尺度的增加, 景观格局对水质变化的影响呈逐渐下降趋势.王小平等(2017)通过对中国新疆艾比湖流域的案例研究, 发现景观格局在4 km缓冲区上对流域水质变化的解释能力最强.Shen等(2015)发现景观格局指数在300 m宽度缓冲区可以达到所有空间尺度上对水质变异的最大解释率.Dai等(2017)在中国抚仙湖流域中发现200 m河岸带是保护地表水环境质量的最适宜空间尺度.在本研究区域内, 景观格局(包括景观组成和结构)在不同河岸带缓冲区尺度上对河流水质指标的解释贡献率差异较大, 但300 m河岸带宽度对水质变化的影响程度最大.因此, 该宽度的河岸缓冲区是作为景观格局与水质关联分析的最有效空间尺度, 是河岸缓冲区对河流水环境影响最为直接和迅速的区域.该空间宽度的识别为确定河流水质改善的有效范围, 实现研究区域内景观格局的合理配置及土地利用的合理优化与管理提供了重要的科学依据.
4.2 景观组成和结构对水质影响程度的差异性分析不同景观类型的组成(面积等)和景观结构(斑块密度、聚集度、多样性指数等)的变化对进入水体污染物的吸收和降解过程存在差异性, 是影响河流水质的重要因素(Shi et al., 2017).之前的研究中发现, 不同流域面积内景观结构变量与景观组成变量对水质的影响程度不一致(Campagnaro et al., 2017), 在大于250 km²的流域中, 景观组成对水质的影响程度大于景观结构(Clément et al., 2017).在中国太湖流域的研究中发现景观结构与水质的相关关系更加显著(Xiao et al., 2016), 而在河南伊河流域却发现景观组成与水质的相关性更加明显(Bian et al., 2019).在本研究区域内水质参数与斑块密度、最大斑块指数、景观形状指数等景观结构变量有显著的相关关系, 但景观组成变量仅PLAND_GAR在400 m缓冲区上对水质有一定的影响, 解释率仅为18.2%, 影响程度明显小于景观结构变量PD_GRA.表明不同景观类型的密度、最大斑块面积、形状指数等对水质的影响作用比景观类型的面积比例更显著, 反映了景观结构变量在流域中对河流水质的影响程度在不同空间尺度中均大于景观组成变量.
4.3 不同空间尺度景观格局对水质的差异性效应分析由于人类活动干扰及景观结构异质性对污染负荷影响程度的差异性, 使得景观类型和水质之间必然存在着关联性(夏品华等, 2016; Duarte et al., 2018).本研究分析结果表明, 城市用地、林业用地、园地的景观结构变化是影响河流水体中TN、COD_Mn、TP、NH₄⁺-N等污染因子浓度变化的重要因素.在之前较多研究中发现, 农业用地(如水田、旱地)与流域内的水质之间具有显著相关关系, 并得出农业用地是流域内水质面源污染的重要来源, 如化肥、农药的过量使用等, 特别是在城市化率不高的流域表现尤为显著(Lee et al., 2009; Yang et al., 2012).在农业用地比例最高的太湖流域研究中发现, 林地、城市用地、农业用地对进入水体的TN、TP、COD_C_r等污染物的输出能力依次上升(Li, 2006).但在同样以农业用地占主导类型的本研究区域的结果却相反.农业用地与河流水质之间没有发现明显的相关关系, 这可能是由于与城市区域的废水排放相比, 流域内农业活动产生的污染物相对较少.这一结果与之前的研究类似(Tu, 2011), 即当一个地区的城市化率超过农业用地占土地利用总面积的百分比时, 农业活动产生的污染不是主要污染来源, 特别是在快速城市化流域.流域内园地面积虽然占比极低, 分布较分散, 且在各缓冲区域内分布不均衡, 但在本研究中PLAND_GAR和LPI_GAR与大部分水质参数呈正相关关系, 揭示分布面积较大的园地对河流水质产生了不利影响, 是流经城市区域的河流流域内重要的面源来源之一(Wang et al., 2019).
城市用地一般对流域内的水质退化起着重要作用(Shen et al., 2015), 尤其是小尺度上的城市用地对水质的影响更为明显(Shi et al., 2017).研究区内城市建设用地面积占比不高, 但表征其景观破碎度的斑块密度在整个河岸带缓冲区中对水质产生了极大的影响, 并在200 m和300 m宽度缓冲区中对水质的影响最大.表明在汉江流域襄阳段的河岸带中存在大量不透水面的城市区域, 会导致水质急剧恶化, 同时由人类活动产生的大量工业废水和生活污水在分散的城市区域会加剧水质退化程度.反映了随着流域内人口、经济和城市化水平的提高, 在分散的城市区域内其污水收集和处理设施没有跟上城市和人口的扩张速度与规模, 从而对河流水质造成了严重的压力(Ding et al., 2016; Liu et al., 2018).
通常情况下, 林地和草地被认为是有污染物截留功能的"汇"景观, 能够减少面源污染对水质的负面影响(Ouyang et al., 2010; Xiao et al., 2016).但本研究区域内PD_GRA与LPI_GRA对水质变化产生了不同的影响, 可能是由于密集分布的自然草地对进入河流的污染物有较好的净化作用.而在靠近河流区域, 大面积的人工草地被用作城市绿化用地, 在其种植和养护过程中大量施用化肥和农药, 最终导致未被完全利用的污染物进入河流造成水质下降(Xiao et al., 2016).因此, 汉江流域襄阳段河岸带中的人工草地和自然草地因种植方式的差异, 其对水环境的影响作用相反.与此相反, 在全球不同流域的研究案例中发现林业用地与水质在相对较大的空间尺度上相关关系更为显著(Woli et al., 2004; Zhang et al., 2019); 且城市化流域内林地比例较低的区域其水体污染物浓度较高(Bernhardt et al., 2007; Ruan et al., 2019).在本研究中, 林业用地的斑块密度和最大斑块面积指数在100 m、500~2000 m上是影响流域河流水质退化的主要景观格局指数.说明林地景观的斑块面积和密度越大, 且林地整体连通性和聚集程度越高, 对水质污染物的固定和截留作用越显著.其原因主要是由于林地冠层下土壤层具有涵养水源、保持水土、滞留部分水体污染物的作用, 对地表径流具有良好的净化效果(郭玉静等, 2018).因此, 流域内大面积分布、聚集且连接良好的林业用地对进入河流的污染物具有更强的遏制作用, 以及在临水河岸带(小于100 m)中分布的林业用地是维持河流水质良好的重要因素.
综合以上分析得出, 为了防止流域内河流水环境污染趋势加重, 对河流水质改善应重点强调与保护300 m宽度河岸缓冲区范围; 在城市区域需加强污水收集与处理设施的建设, 以减少污染物排入水体; 同时在靠近水体区域, 需要降低园地和人工草地种植强度, 增加林地和自然草地的覆盖密度和面积, 从而达到对入河污染物截留的最佳效果.
5 结论(Conclusions)1) 不同宽度缓冲区对河流水质指标的效应具有显著的空间尺度性特征, 300 m缓冲区是流域内景观格局对水质变化作用最强的河岸带宽度.
2) 景观结构变量在不同空间尺度上对河流水质指标的影响程度均大于景观组成变量, 同时景观格局在类型水平上对水质的影响比景观水平显著.
3) 城市用地在较小尺度上(不超过300 m)是对河流水质影响最大的景观类型, 林地在相对较大的空间尺度及临水区域作用最显著.
4) 城市区域分布越集中对水质退化影响越严重; 林地分布越密集、面积越大对流域内进入河流水体污染物的吸收和降解作用越强; 受流域内人类活动方式的影响, 农业用地与水质之间没有发现显著的相关性; 受施肥、农药等因素影响, 大面积分布的园地和人工草地对水体污染物浓度上升有一定的贡献, 而自然草地呈现相反的作用.

参考文献

Bernhardt E S, Palmer M A. 2007. Restoring streams in an urbanizing world[J]. Freshwater Biology, 52(4): 738-751. DOI:10.1111/j.1365-2427.2006.01718.x

Bian Z, Liu L, Ding S. 2019. Correlation between spatial-temporal variation in landscape patterns and surface water quality:A case study in the Yi River Watershed, China[J]. Applied Sciences, 9(6): 1053. DOI:10.3390/app9061053

Campagnaro T, Frate L, Carranza M L, et al. 2017. Multi-scale analysis of alpine landscapes with different intensities of abandonment reveals similar spatial pattern changes:Implications for habitat conservation[J]. Ecological Indicators, 74: 147-159. DOI:10.1016/j.ecolind.2016.11.017

Clément F, Ruiz J, Rodríguez M A, et al. 2017. Landscape diversity and forest edge density regulate stream water quality in agricultural catchments[J]. Ecological Indicators, 72: 627-639. DOI:10.1016/j.ecolind.2016.09.001

Dai X, Zhou Y, Ma W, et al. 2017. Influence of spatial variation in land-use patterns and topography on water quality of the rivers inflowing to Fuxian Lake, a large deep lake in the plateau of southwestern China[J]. Ecological Engineering, 99: 417-428. DOI:10.1016/j.ecoleng.2016.11.011

De Mello K, Valente R A, Randhir T O, et al. 2018. Effects of land use and land cover on water quality of low-order streams in Southeastern Brazil:Watershed versus riparian zone[J]. Catena, 167: 130-138. DOI:10.1016/j.catena.2018.04.027

Ding J, Jiang Y, Liu Q, et al. 2016. Influences of the land use pattern on water quality in low-order streams of the Dongjiang River basin, China:a multi-scale analysis[J]. Science of the Total Environment, 551: 205-216.

Duarte G T, Santos P M, Cornelissen T G, et al. 2018. The effects of landscape patterns on ecosystem services:meta-analyses of landscape services[J]. Landscape Ecology, 33(8): 1247-1257. DOI:10.1007/s10980-018-0673-5

郭玉静, 王妍, 刘云根, 等. 2018. 普者黑岩溶湖泊湿地湖滨带景观格局演变对水质的影响[J]. 生态学报, 38(5): 1711-1721.

Hille S, Andersen D K, Kronvang B, et al. 2018. Structural and functional characteristics of buffer strip vegetation in an agricultural landscape-high potential for nutrient removal but low potential for plant biodiversity[J]. Science of the Total Environment, 628: 805-814.

井云清, 张飞, 陈丽华, 等. 2017. 艾比湖湿地土地利用/覆被-景观格局和气候变化的生态环境效应研究[J]. 环境科学学报, 37(9): 3590-3601.

Lee S W, Hwang S J, Lee S B, et al. 2009. Landscape ecological approach to the relationships of land use patterns in watersheds to water quality characteristics[J]. Landscape and Urban Planning, 92(2): 80-89. DOI:10.1016/j.landurbplan.2009.02.008

Li H. 2006. Non-point pollutant concentrations for different land uses in Lihw River watershed of Taihu Region[J]. China Environmental Science-Chinese Edition, 26(6): 243.

Liu J, Shen Z, Yan T, et al. 2018. Source identification and impact of landscape pattern on riverine nitrogen pollution in a typical urbanized watershed, Beijing, China[J]. Science of the Total Environment, 628: 1296-1307.

刘怡娜, 孔令桥, 肖燚, 等. 2019. 长江流域景观格局与生态系统水质净化服务的关系[J]. 生态学报, 39(3): 844-852.

李艳利, 李艳粉, 徐宗学, 等. 2015. 浑太河上游流域河岸缓冲区景观格局对水质的影响[J]. 生态与农村环境学报, 31(1): 59-68.

Mainali J, Chang H. 2018. Landscape and anthropogenic factors affecting spatial patterns of water quality trends in a large river basin, South Korea[J]. Journal of Hydrology, 564: 26-40. DOI:10.1016/j.jhydrol.2018.06.074

Margriter S C, Bruland G L, Kudray G M, et al. 2014. Using indicators of land-use development intensity to assess the condition of coastal wetlands in Hawai'i[J]. Landscape Ecology, 29(3): 517-528. DOI:10.1007/s10980-013-9985-7

Meneses B M, Reis R, Vale M J, et al. 2015. Land use and land cover changes in Zêzere watershed (Portugal)-Water quality implications[J]. Science of the Total Environment, 527: 439-447.

Ouyang W, Skidmore A K, Toxopeus A G, et al. 2010. Long-term vegetation landscape pattern with non-point source nutrient pollution in upper stream of Yellow River basin[J]. Journal of Hydrology, 389(3/4): 373-380.

Palmer J F. 2004. Using spatial metrics to predict scenic perception in a changing landscape:Dennis, Massachusetts[J]. Landscape and Urban Planning, 69(2/3): 201-218.

Ruan X, Huang J, Williams D A R, et al. 2019. High spatial resolution landscape indicators show promise in explaining water quality in urban streams[J]. Ecological Indicators, 103: 321-330. DOI:10.1016/j.ecolind.2019.03.013

Shen Z, Hou X, Li W, et al. 2015. Impact of landscape pattern at multiple spatial scales on water quality:A case study in a typical urbanised watershed in China[J]. Ecological Indicators, 48: 417-427. DOI:10.1016/j.ecolind.2014.08.019

Shi P, Zhang Y, Li Z, et al. 2017. Influence of land use and land cover patterns on seasonal water quality at multi-spatial scales[J]. Catena, 151: 182-190. DOI:10.1016/j.catena.2016.12.017

Sun Y, Guo Q, Liu J, et al. 2014. Scale effects on spatially varying relationships between urban landscape patterns and water quality[J]. Environmental Management, 54(2): 272-287. DOI:10.1007/s00267-014-0287-x

Tran C P, Bode R W, Smith A J, et al. 2010. Land-use proximity as a basis for assessing stream water quality in New York State (USA)[J]. Ecological Indicators, 10(3): 727-733. DOI:10.1016/j.ecolind.2009.12.002

Tu J. 2011. Spatially varying relationships between land use and water quality across an urbanization gradient explored by geographically weighted regression[J]. Applied Geography, 31(1): 376-392. DOI:10.1016/j.apgeog.2010.08.001

Wang W, Wu X, Yin C, et al. 2019. Nutrition loss through surface runoff from slope lands and its implications for agricultural management[J]. Agricultural Water Management, 212: 226-231. DOI:10.1016/j.agwat.2018.09.007

Woli K P, Nagumo T, Kuramochi K, et al. 2004. Evaluating river water quality through land use analysis and N budget approaches in livestock farming areas[J]. Science of the Total Environment, 329(1/3): 61-74.

Wu Z, Wang X, Chen Y, et al. 2018. Assessing river water quality using water quality index in Lake Taihu Basin, China[J]. Science of the Total Environment, 612: 914-922. DOI:10.1016/j.scitotenv.2017.08.293

王小平, 张飞, 李晓航, 等. 2017. 艾比湖区域景观格局空间特征与地表水质的关联分析[J]. 生态学报, 37(22): 7438-7452.

Xiao R, Wang G, Zhang Q, et al. 2016. Multi-scale analysis of relationship between landscape pattern and urban river water quality in different seasons[J]. Scientific Reports, 6: 25250. DOI:10.1038/srep25250

Xie Y, Yu X, Ng N C, et al. 2018. Exploring the dynamic correlation of landscape composition and habitat fragmentation with surface water quality in the Shenzhen river and deep bay cross-border watershed, China[J]. Ecological Indicators, 90: 231-246. DOI:10.1016/j.ecolind.2017.11.051

Xu G, Ren X, Yang Z, et al. 2019. Influence of landscape structures on water quality at multiple temporal and spatial scales:A case study of Wujiang River Watershed in Guizhou[J]. Water, 11(1): 159. DOI:10.3390/w11010159

夏品华, 孔祥量, 喻理飞. 2016. 草海湿地小流域土地利用与景观格局对氮, 磷输出的影响[J]. 环境科学学报, 36(8): 2983-2989.

Yang Y, Chen Y, Zhang X, et al. 2012. Methodology for agricultural and rural NPS pollution in a typical county of the North China Plain[J]. Environmental Pollution, 168: 170-176. DOI:10.1016/j.envpol.2012.04.017

Zhang J, Li S, Dong R, et al. 2019. Influences of land use metrics at multi-spatial scales on seasonal water quality:A case study of river systems in the Three Gorges Reservoir Area, China[J]. Journal of Cleaner Production, 206: 76-85. DOI:10.1016/j.jclepro.2018.09.179

Zhang X, Liu Y, Zhou L. 2018. Correlation analysis between landscape metrics and water quality under multiple scales[J]. International Journal of Environmental Research and Public Health, 15(8): 1606. DOI:10.3390/ijerph15081606

赵鹏, 夏北成, 秦建桥, 等. 2012. 流域景观格局与河流水质的多变量相关分析[J]. 生态学报, 32(8): 2331-2341.

赵晓, 周文佐, 田罗, 等. 2018. 土地利用变化对三峡库区重庆段植被净初级生产力的影响[J]. 生态学报, 38(21): 7658-7668.