江汉平原地下水中硝酸盐的分布及影响因素

杨 静,肖天昀,李海波,王全荣 (中国地质大学(武汉)环境学院,湖北 武汉 430074)

地下水硝酸盐污染已经成为世界性的环境问题,尤其是集约化种植区氮肥投入的逐年加大,污染更为严重[1-4].硝酸盐污染直接威胁到人体健康,饮用水中硝酸盐含量过高会影响血液中氧的传输能力,引发高铁血红蛋白症[5].江汉平原作为我国重要的粮食生产基地,采取轮作耕作制度,属典型集约农区,农业面源污染严重.该区地下水水位埋深较浅,地下水水质受地表环境和人类活动的影响较大[6].已有研究表明,江汉平原地下水中硝酸盐含量季节变化明显,地表水体氮素含量变化与雨季、农业施肥有一定的同步性[7-8].其主要原因是硝酸盐具有良好的溶解性和移动性,农业生产中施用的氮肥可以通过土壤进入含水层中,造成地下水中硝酸盐含量增加.另外,生活污水、垃圾与粪便的下渗水也是地下水硝酸盐污染的主要来源[9].

目前针对地下水中硝酸盐污染特征的研究主要是利用地质统计学方法.地质统计学是一门研究具有一定结构和区域化变量的数学地质方法.通过地质统计对未采样区域变量取值进行线性无偏最优估计,分析其空间分布特征[10].部分学者结合GIS和数学模型对影响地下水中硝酸盐含量的因素进行了辨识,认为地下水位埋深、含水层岩性、土地利用方式等是影响地下水中硝酸盐含量的主要因素[11-12].此外,地表氮负荷量、降雨入渗补给量也是影响地下水中硝酸盐含量的重要因素[13-14].然而上述研究大多集中在影响因子的定性识别上,对于构建地下硝酸盐污染预测模型,定量分析不同因子对硝酸盐污染的影响关系还鲜见报道.

本文基于2011～2014年地下水采样测试数据,利用半方差函数模型和普通克里格插值方法,分析江汉平原地下水中硝酸盐含量的空间变异和分布特征,并以证据权重法模型为基础,构建江汉平原地下水硝酸盐污染预测模型,并对模型中的因子进行统计分析,定量评价不同因子对地下水硝酸盐污染的影响关系,以期为江汉平原地下硝酸盐污染的治理提供一定的科学依据和参考.

1 研究区概况

江汉平原地处长江中游,湖北省中南部,位于东经111.3°～114.6°,北纬29.4°～31.4°之间,区域面积约3.87×104km2,主要由长江和汉江及其支流冲积物形成(见图1).属亚热带湿润季风气候区,年均气温15～17℃,年均降雨量约1269mm.含水层在垂向上分为浅层全新统孔隙潜水含水岩组、上部上、中更新统孔隙承压含水岩组及下部下更新统、第三系裂隙孔隙承压含水岩组[15].第四系全新统松散孔隙潜水是江汉平原潜水的主要类型,含水层厚度一般小于20m,岩性以粘土、粉质粘土、粉砂为主,局部地段有砂砾石层,渗透系数一般小于1.5m/d.地下水位埋深较浅,平原腹地一般0.5～2.0m.大气降雨、地表水体的渗流及田间灌溉水的入渗是其主要补给来源,该层是农村分散住户人畜用水的主要供水水源.上部孔隙承压含水岩组在区内分布最为广泛,岩性以粉砂、砂、砂砾石为主,普遍含有淤泥.含水层厚度变化较大,平原腹地最大厚度90～100m,边缘区最薄的只有10～15m.下部裂隙孔隙承压含水岩组主要分布在江汉平原腹部,多不连续且呈透镜状.岩性以粉砂、泥质粉砂、细砂为主,自上而下普遍含有淤泥,局部含少量砾石[16].研究区土壤类型以人为填土和冲积土为主,分别占全区面积的47.0%和30.4%.人为填土主要分布在研究区北部靠山地的平原、丘陵地带,冲积土则主要集中在长江、汉江河流两岸冲洪积阶地.

图1 江汉平原地理位置和采样点分布Fig.1 Location of Jianghan Plain and distribution of the sampling points

2 样品采集与测试

2011～2014年对江汉平原浅层地下水进行随机布点取样,采样点的设计主要考虑上覆土壤类型、水文、土地利用方式等,用GPS定位采样点坐标,最终取样825件(见图1).取样点类型多为机井和压把井,取样层位为浅层全新统孔隙潜水含水岩组.采集前先用潜水泵或压把井将井中残留水排尽,待井水清澈,再取新鲜水样.现场采用雷磁DZB-718型便携式多参数水质分析仪测定水温、pH值、电导率、溶解氧、总硬度等.取样后用注射器通过0.45μm微孔滤膜对水样进行抽滤,抽滤后的水样分别装入2个50mL聚乙烯塑料瓶中,1瓶用优级纯硝酸酸化至pH＜2,用于常规阳离子分析,1瓶用于常规阴离子分析.另取一瓶500mL未过滤的水样于24h内用滴定法进行碱度分析.取样瓶先在实验室内用去离子水冲洗3次,在野外取样时再用样品水充分润洗3次.样品于一周内送至中国地质大学(武汉)生物地质与环境地质国家重点实验室进行检测分析.Ca2+、Mg2+、K+、Na+等阳离子采用电感耦合等离子体光谱仪(ICP-AES, Thermo IRIS Intrepid II XSP)测定,F-、Cl-、、等阴离子采用离子色谱仪(Dionex ICS-1000)分析.采用标准样、平行样和空白样多种监控手段进行质量控制,保证数据的准确度和精度.

3 硝酸盐分布及其特殊脆弱性

3.1 空间分布规律

用PHREEQC软件对825个样品检测结果进行阴阳离子平衡分析,33个样品的离子平衡误差大于5%,不符合天然水中电荷平衡的一般要求,后续分析过程中予以剔除.地下水硝酸盐检出点589个,检出率74.37%,并将样品含量测定结果换算为与其对应含量.江汉平原地下水中浓度范围为0.05～23.11mg/L,平均值5.39mg/L,标准差5.94mg/L,17个采样点地下水含量超过 20mg/L. Box-Cox变换是一种广泛应用的将数据变换到正态的方法,可以根据数据自动寻找“最佳”变换函数[17].采用Box-Cox变换(λ=0.21)对数据进行预处理后,使用SPSS 20.0对变换后的数据进行单样本柯尔莫哥洛夫-斯米诺夫检验,结果表明,变换后浓度数据符合正态分布,显著性水平α=0.76,满足地学统计要求.

表1 不同半方差函数拟合主要参数及交叉验证结果Table 1 Critical parameters of semi-variogram function and cross validation results

图2 江汉平原地下水含量分布Fig.2 Distribution of the concentration in groundwater in Jianghan Plain

表2 证据因子分类及权重计算结果Table 2 The classes and weights of evidence factors

3.2 影响因素分析

证据权重法是一种基于概率不确定性与贝叶斯定理的空间决策支持模型[23].该方法通过研究已知类型矿床(训练点或响应因子)和二元图层(证据因子或预测因子)之间的空间关系,计算证据因子的权重值和对比度等参数,对优选后的证据因子加权叠加,得到响应因子发生的后验概率.证据权重法实质是一种空间统计模型,该方法不仅可以根据后验概率的高低对整个区域进行远景预测,而且能够分析响应因子和证据因子之间的空间关系.结合GIS技术,基于证据权重法的地下水资源评价均取得了较好的研究成果[24-26].

3.2.1 先验概率计算 假设研究区面积为A{ T},将研究区划分为N{ T}个等大小的网格,保证每个网格至多有一个响应因子,每个网格面积为µ,定义D为响应因子,统计整个研究区内发生D的网格数N{ D},则区域内任意一个网格发生D的先验概率P{ D}可以通过式(1)求得:

由ArcSDM模块,定义每个网格面积为25km2,计算其先验概率P{D}=6.1305%.

3.2.2 证据权计算 对任意证据二值(或多值)因子,假设Bj表示该因子的某种模式存在,表示该因子某种模式不存在,根据贝叶斯定理,响应因子D发生的后验概率可以由式(2)、(3)计算:

证据因子Bj的一对正负权重定义为:当先验概率和后验概率相等时,==0,表示对该模式而言响应因子是随机分布的,即该模式对响应因子的分布具有不可预见性.各证据因子权重计算结果见表2.部分因子分类借鉴DRASTIC方法提供的分类标准[28].

3.2.3 证据因子优选 对任意证据因子Bj,该证据因子和响应因子之间的空间关联性强弱可以用对比度(正负权重的差值)Cj衡量.Cj越大,表示证据因子Bj对响应因子D的预见性越好.引入学生化对比度Stud(C)确定最优切值,可以克服权重的不确定性和数据缺失出现的差异,其统计学含义是对C的显著性检验.采用综合考虑Stud(C)＞1.96和N{ B∩D}最大原则对证据因子进行优选,结果见表2.

贝叶斯定理以条件独立性假设为前提,因此在计算后验概率之前,必需研究各证据因子之间的独立性.综合检验法以实际统计出的响应因子点数N{ D}与预测出来的响应因子点数Np{D}的比值作为衡量标准,若N{ D}Np{D}＞0.85,则认为各证据因子满足条件独立性要求[29].经计算,本次预测模型N{ D}Np{D}=0.87,符合检验要求.

3.2.4 响应因子后验概率分布 将优选后的证据因子转化为二值图层后叠加,根据式(6)～(9)就可以得到响应因子D的后验概率分布:

将所得后验概率分为4个等级:低概率(＜P{D})、较低概率(P{D}～1.5P{D})、较高概率(1.5P{D}～2.0P{D})及高概率(＞2.0P{D}),最终结果如图3.

图3 江汉平原地下水后验概率分布Fig.3 The posteriori probability distribution map of the concentration in groundwater in Jianghan plain

4 结果与讨论

4.1 后验概率分布与实测结果对比

成功率曲线可以评价模型的执行性能和预测精度[30].利用不同等级的脆弱性区域累积面积比例(按后验概率从高到低)和响应因子(超过浓度阈值的硝酸盐采样点)落入该等级的累积比例关系,绘制的成功率曲线见图4. 20%的高后验概率区域具有84%的响应因子,后验概率大于先验概率的区域中响应因子达90%,曲线线下面积为0.91,说明本次预测结果较好.

图4 成功率曲线Fig.4 The success rate curve

4.2 证据因子分析

对比度可以衡量证据因子对响应因子的影响情况.研究各证据因子不同分类类别下对比度,见图5(a)～5(g),分析其响应关系和原因.

降雨入渗补给量:降雨入渗补给量和其对比度呈明显的正响应关系.当降雨入渗补给量范围为101.6～177.8mm/a时,对比度接近0,指示当前范围降雨入渗补给量对地下水受硝酸盐污染的可能性(含量大于10mg/L)影响较小.降雨入渗补给不但在包气带垂向传输硝酸盐,还控制着硝酸盐的弥散和稀释作用.补给量越大,地下水受硝酸盐污染的可能性也越大,但补给量大到一定程度以致硝酸盐被稀释时,地下水受污染的可能性将变小.本次研究结果表明,对比度随着降雨入渗补给量的增加而增加,并没有呈现减小的趋势,说明降雨入渗补给量可能并未超过“稀释阈值”.

地下水位埋深:地下水位埋深和其对比度呈明显的负响应关系,对比度随地下水位埋深的增加而减小.地下水位埋深小于1.5m时,对比度为正,地下水位埋深大于1.5m时,对比度为负.地下水位埋深决定地表污染物到达含水层的运移路径.地下水位埋深越大,污染物的运移路径越长,污染物与氧气接触的时间越长,被稀释的机会越大,到达含水层的可能性越小.

渗透系数:渗透系数和其对比度呈明显正响应关系.渗透系数小于0.5m/d时对比度为负,大于0.5m/d时对比度为正.给定水力梯度条件下,渗透系数控制地下水的流动速率,进而决定硝酸盐进入含水层之后的迁移速率.负的对比度指示了当渗透系数小于0.5m/d时,地下水中硝酸盐迁移速率较慢,含水层相对不易受硝酸盐的污染.

包气带岩性:将研究区包气带岩性分为粘土、亚粘土、粉质粘土、粉土、砂砾石5类.粘土和亚粘土的对比度为负值,粉质粘土的对比度接近0,粉土和砂砾石的对比度为正值.表明包气带岩性为砂砾石时,地下水受硝酸盐污染可能性较大,包气带岩性为粘土和亚粘土时,地下水不易受硝酸盐污染.

图5 证据因子分析Fig.5 The analysis of the evidence factors

土地利用类型:利用ENVI遥感影像处理软件,基于2013年TM遥感数据,采用非监督分类方法将研究区土地利用类型分为耕地、建设用地、水体、草地及林地5类.水体覆盖范围内没有采样点,对比度为0.林地和草地的对比度为负值,耕地和建设用地对比度为正值.分析认为研究区居民区生活污水、垃圾、粪便的下渗滤液和农业氮肥等是地下水中硝酸盐的重要污染来源.此外,林地可以有效“狙击”地下水硝酸盐污染.

土壤类型:冲积土的对比度为正值,潜育土、人为填土、饱和粘盘土和部分薄层土对比度为负值.区内冲积土多由长江、汉江近期冲积物演化而来,土质疏松,排水通气良好,有机质含量较多,硝化作用强烈,地下水更易受硝酸盐污染.

土壤全氮含量:随着土壤全氮含量的增加,对比度由负值变为正值,二者呈明显正响应关系.在1.0～1.5g/kg时其对比度接近0,说明当前范围土壤全氮含量对地下水受硝酸盐污染的可能性基本无指示意义.土壤中全氮的累积,特别是氮素投入超过作物需求和吸收时,未被吸收利用的硝态氮极易向下淋洗,造成地下水硝酸盐污染.

证据因子正权重最大值可以反映其对响应因子的影响程度,即“贡献度”.从图5(h)可以看出,响应因子后验概率达到最大值时,证据因子“贡献度”从大到小依次是:包气带岩性、土壤全氮含量、地下水位埋深、土地利用类型、渗透系数、降雨入渗补给量和土壤类型.

5 结论

5.1 经Box-Cox变换后, 研究区地下水NO3-N含量服从正态分布,半方差函数模型分析结果确定其最优拟合模型为球状模型.NO3-N含量在一定范围存在空间自相关性,相关距离为68.02km,空间相关性为87.93% ,指示人类活动(生活污水污染、农业化肥污染及污水回灌等)对地下水中硝酸盐含量分布影响较大.

5.2 普通克里格插值结果显示研究区地下水NO3-N含量具有南部高、北部及西部山前平原低的特点.研究区南部长江沿岸NO3-N含量普遍大于10.0mg/L.

5.3 成功率曲线显示模型预测精度为0.91.后验概率结果表明研究区最容易发生硝酸盐污染的区域主要分布在研究区南部长江沿岸,约占全区面积12.65%,与实测NO3-N含量高值区分布一致.

5.4 包气带岩性对江汉平原地下水硝酸盐脆弱性的“贡献度”最大,其次是土壤全氮含量,“贡献度”最小的是土壤类型.地下水受硝酸盐污染的可能性随着降雨入渗补给量、渗透系数和土壤全氮含量的增加而增加,随着地下水埋深的增大而减小.当包气带岩性为砂砾石,土地利用类型为建设用地和土壤类型为冲积土覆盖条件时,其对比度均达到最大,表明此时地下水极易受硝酸盐污染.

[1] Masetti M, Poli S, Sterlacchini S, et al. Spatial and statistical assessment of factors influencing nitrate contamination in groundwater [J]. Journal of Environmental Management, 2008,86(1):272-281.

[2] 孟志龙,杨永刚,秦作栋,等.汾河下游流域水体硝酸盐污染过程同位素示踪 [J]. 中国环境科学, 2017,37(3):1066-1072.

[3] Hu K, Huang Y, Li H, et al. Spatial variability of shallow groundwater level, electrical conductivity and nitrate concentration, and risk assessment of nitrate contamination in North China Plain [J]. Environment International, 2005,31(6):896-903.

[4] 刘兴权,许晶玉,江丽华,等.山东省种植区地下水硝酸盐污染空间变异及分布规律研究 [J]. 农业环境科学学报, 2010,29(6):1172-1179.

[5] Greer F, Shannon M. Infant methemoglobinemia: the role of dietary nitrate in food and water [J]. Pediatrics, 2005,116(3):784-786.

[6] 王建伟,张彩香,潘真真,等.江汉平原地下水中有机磷农药的分布特征及影响因素 [J]. 中国环境科学, 2016,36(10):3089-3098.

[7] 张 婷,陈世俭,傅娇凤.四湖地区地下水“三氮”含量及时空分布特征分析 [J]. 长江流域资源与环境, 2014,23(9):1295-1330.

[8] 田月明,卢碧林,郑林章.江汉平原集约农区水体氮通量分析 [J].湖北农业科学, 2013,52(19):4612-4618.

[9] Wakida F, Lerner D. Non-agricultural sources of groundwater nitrate: a review and case study [J]. Water Research, 2005,39(1):3-16.

[10] 邓 林,王文科,杨晓婷,等.关中盆地地下水硝酸盐含量的空间变异特征 [J]. 干旱区资源与环境, 2008,22(10):152-155.

[11] Nolan B, Hitt K, Ruddy B. Probability of nitrate contamination of recently recharged groundwaters in the conterminous United States [J]. Environmental Science & Technology, 2002,36(10):2138-2145.

[12] Gardner K, Vogel R. Predicting ground water nitrate concentration from land use [J]. Ground Water, 2005,43(3):343-352.

[13] Wang M, Liu G, Wu W, et al. Prediction of agriculture derived groundwater nitrate distribution in North China Plain with GIS-based BPNN [J]. Environmental Geology, 2006,50(5):637-644.

[14] Baker D. Groundwater quality assessment through cooperative private well testing - an Ohio Example [J]. Journal of Soil and Water Conservation, 1990,45(2):230-235.

[15] 赵德君.江汉平原地下水系统三维数值模拟 [D]. 武汉:中国地质大学, 2005.

[16] Zhou Y, Wang Y, Li Y, et al. Hydrogeochemical characteristics of central Jianghan Plain, China [J]. Environmental Earth Sciences,2012,68(3):765-778.

[17] Box G, Cox D. An analysis of transformations [J]. The Royal Statistical Society. Series B (Methodological), 1994,26(2):211-252.

[18] Zhu K, Cui Z, Jiang B, et al. A DEM-based residual Kriging model for estimating groundwater levels within a large-scale domain: a study for the Fuyang River Basin [J]. Clean Technologies and Environmental Policy, 2012,15(4):687-698.

[19] 熊秋林,赵文吉,宫兆宁,等.北京城区2007～2012年细颗粒物数浓度时空演化 [J]. 中国环境科学, 2013,33(12):2123-2130.

[20] 王幼奇,白一茹,王建宇.基于GIS的银川市不同功能区土壤重金属污染评价及分布特征 [J]. 环境科学, 2016,37(2):710-716.

[21] 吕君伟,刘湘南.香港近岸海域悬浮固体浓度空间变异特征的地统计分析 [J]. 中国环境科学, 2014,34(3):734-741.

[22] Cambardella C, Moorman T, Novak J, et al. Field-scale variability of soil properties in central Iowa soils [J]. Soil Science Society of America Journal, 1994,58(5):1501-1511.

[23] Bonhamcarter G, Agterberg F, Wright D. Integration of geological datasets for gold exploration in Nova-Scotia [J]. Photogrammetric Engineering and Remote Sensing, 1988,54(11):1585-1592.

[24] Sorichetta A, Ballabio C, Masetti M, et al. A comparison of data-driven groundwater vulnerability assessment methods [J].Ground Water, 2013,51(6):866-879.

[25] 雷 静.地下水环境脆弱性的研究 [D]. 北京:清华大学, 2002.

[26] 孙才志,王言鑫.基于WOE法的下辽河平原地下水硝酸盐氮特殊脆弱性研究 [J]. 水土保持研究, 2009,16(4):80-84.

[27] 金银龙.GB5749-2006《生活饮用水卫生标准》释义 [M]. 北京:中国标准出版社, 2007.

[28] Yang J, Tang Z, Jiao T, et al. Combining AHP and genetic algorithms approaches to modify DRASTIC model to assess groundwater vulnerability: a case study from Jianghan Plain,China [J]. Environmental Earth Sciences, 2017,76(12):426.

[29] Carranza E. Weights of Evidence modeling of mineral potential: a case study using small number of prospects, Abra, Philippines [J].Natural Resources Research, 2004,13(3):173-187.

[30] Chung C, Fabbri A. Probabilistic prediction models for landslide hazard zonation [J]. Photogrammetric Engineering & Remote Sensing, 1999,65(12):1389-1399.