气候变化对小流域氮、磷通量的影响——以延安市河流流域为例

何卓识，霍守亮*，马春子，张含笑,2，黄炜惠

1.环境基准与风险评估国家重点实验室，中国环境科学研究院 2.北京师范大学水科学研究院

人类活动导致的氮、磷营养盐富集是我国水体富营养化问题形成的重要驱动力。施肥、化石燃料燃烧、种植业增加等活动，改变了原有氮、磷循环过程，使陆域生态系统的氮、磷浓度显著增加[1-2]。由人类活动引起的河流氮、磷浓度和通量持续增加已成为河流生态环境功能退化以及下游湖库、河口、海岸等水体富营养化的主要原因之一[3]。流域氮、磷通量的变化不仅受到人类活动的直接或间接影响，而且与水文、气象等众多自然因素密切相关[4-5]。减少水体的氮、磷输入量是控制富营养化的重要措施[6-7]，然而为缓解富营养化而实施的氮、磷营养物削减政策有可能会因气候变化对水环境的影响而削弱[8-9]。人口的增加和土地利用类型的改变会进一步影响净人为氮、磷输入量(NANINAPI)的外源输入[10]。气候变化导致降水和土地利用模式的改变也会影响氮、磷通量与NANI、NAPI之间的响应关系[11-12]。

人类对污染物负荷的认知主要源自流域氮、磷通量的模型模拟结果，只有个别流域拥有可用来估算氮、磷通量的完整监测数据，大部分的流域仅有少量的水质数据。多数模型只能估算出长期平均水文条件下的氮、磷通量，不能进一步了解流域通量的年际变化[13-15]。因此，构建流域氮、磷通量核算模型，明确氮、磷通量与流域人类活动和气候变化的定量响应关系，从而制定有效的流域氮、磷管理策略，已成为全球气候变化背景下推进水体氮、磷污染控制实践所需解决的关键问题。

针对我国当前气候变化对流域氮、磷通量影响量化方法技术缺乏的现状，笔者基于一种改进的加权回归方法建立了流域氮、磷通量核算模型，结合流域净人为氮、磷输入量核算和土地利用类型，以延安市4条河流为例，构建以降水量为代表的气候指标和人类活动与流域氮、磷通量的响应关系；量化了降水和人类活动对流域氮、磷通量的影响；利用区域气候模式，预测了不同发展情景下流域氮、磷通量的变化情况，以期为制定应对气候变化的流域水环境管理方法提供支撑。

1 研究区概况及数据来源

1.1 研究区概况

延安市位于黄河中游，属黄土高原丘陵沟壑区。地貌以黄土高原、丘陵为主，地势西北高东南低，平均海拔为1 200 m左右。该区域属于暖温带半湿润易旱气候区，全年气候变化受制于季风环流。多年平均降水量为491 mm，全年60%以上的降水集中在6—8月。延安市全境属黄河流域，共有黄河干流、北洛河、延河、清涧河、云岩河、仕望河6条主要河流，流域总面积为37 037 km2，是黄土高原丘陵沟壑区的典型代表。其中北洛河、延河、清涧河及仕望河承担了延安市主要的防洪、排涝、纳污等功能，流域面积占延安市总面积的84.9%，以这4条河流流域为本案例研究区，研究区内共设有7个国控断面和12个省控断面(图1)。

图1 研究区及监测断面分布示意Fig.1 Study area and distribution of monitoring sites

1.2 数据来源与处理

水质监测频率为每月1次，2015—2017年19个断面水质数据和2007—2017年7个水文站的水文数据由延安市环境监测站提供。该流域主要包括13个县，计算NANI、NAPI所需的人口、畜禽养殖量、农作物播种面积、化肥施用量等相关数据均来自于延安市及周边县市2013—2016年的统计年鉴，人均消费氮、磷量数据来自2013—2016年的《中国统计年鉴》。采用国家气象信息中心的RegCM4动力降尺度数据，预测2种气候情景下以降水为代表的气候变化指标对流域近期(2020—2029年)和远期(2090—2099年)氮、磷通量的影响[16-18]。2种气候情景分别为RCP4.5的稳定情景和RCP8.5的常态情景。其中，RCP4.5为中-低发展情景，该情景下未来辐射强迫将稳定在4.5 Wm2，且在2100年后没有超过该值；RCP8.5为高发展情景，该情景下辐射强迫将在2100年达到8.5 Wm2，并持续增加[19]。

2 研究方法

2.1 外源污染负荷模型

评估人类活动对流域氮、磷通量的影响，最直接的方法是构建完整的氮、磷平衡模型。由于相关数据的缺乏，难以构建完整的营养盐平衡模型，且对氮、磷输入的定量化研究也存在极大的不确定性，通常采用NANI、NAPI评估人类活动产生的氮、磷输入量。NANI、NAPI的相关研究已应用在温带、热带的多个地区，空间尺度跨越几十到几十万km2，被认为是稳定性较高且误差较小的方法[20-22]。NANI、NAPI主要包括大气氮沉降，肥料输入，生物固氮，净食物和饲料氮、磷输入及种子氮、磷输入5个部分，结合统计年鉴和流域土地利用数据，采用Han等[23]确定的系数进行计算。

大气氮沉降包括干沉降和湿沉降，为了避免氮输入的重复计算，将化肥的挥发量排除在外[23]。由于气态磷(如PH3)在大气中含量极低，且不稳定，大气沉降量往往也不显著，在多数磷源核算中大气磷沉降往往忽略不计[24]。肥料是流域净人为氮、磷输入的重要来源之一，在当前农业生产过程中会使用大量的化肥等生产资料。利用统计年鉴中的化肥施用量计算肥料输入，其中磷肥的施用量以P2O5计，需要采用质量分数进行换算。土壤中氮元素的消耗主要是通过植物对氮的吸收实现的，生物固氮量可以利用不同土地用类型单位面积的固定率和该土地利用类型面积相乘获得。不同土地利用类型生物氮固氮系数分别为：农业，500 kg(km2·a)；林地，1 000 kg(km2·a)；草地，1 500 kg(km2·a)；开发土地，0 kg(km2·a)；其他土地，100 kg(km2·a)[23]。净食物和饲料氮、磷输入等于人类和动物食物及饲料氮、磷的消耗量-人类消耗的动物氮、磷量-农作物含氮、磷量，即等于人类食物氮、磷消耗量+动物排泄氮、磷量-农作物含氮、磷量。人类食物氮、磷消耗量直接通过人均消费氮、磷量与人口数乘积进行计算；动物排泄氮、磷量通过单个或单只动物的排泄氮、磷量与动物养殖数量的乘积进行计算；选用水稻、小麦、玉米等主要农作物来估算研究区的农作物含氮、磷量，采用单位农作物耕种面积的含氮、磷量与该农作物耕种面积相乘获得。

2.2 流域氮、磷通量核算模型

收集到的水质数据资料中可能包括不同的采样方式、不同时段的采样检测设备、不同采样频次和不同采样目的的水质数据资料，简单的统计分析有可能会受到不同的采样计划和周期内流动条件随机变化的影响，仅对样本值趋势的简单统计分析不一定能真实地反映采样期间实际氮、磷浓度的变化趋势[25]。采用时间、流量、季节加权回归方程可以对某一时刻、某一流量条件下氮、磷的浓度进行模拟[26]。考虑到不同河流间流量和营养物浓度的关系存在差异，对模型权重项进行改进，加入了流域权重项，方程如下：

lnc=β0+β1t+β2sin(2πt)+β3cos(2πt)+s(lnQs)+ε

(1)

式中：c为河流营养物的浓度，mgL；t为分数形式的日期；β0为常数；β1为日期与浓度关系的拟合系数；β2和β3为季节与浓度关系的拟合系数；Qs为河流的流量，m3s；s(lnQs)为lnQs的平滑函数；ε为未解释变量。

通过Akaike信息准则(Akaike information criterion，AIC)进行模型形式的优选，取AIC最优的氮、磷负荷回归方程；然后采用R语言编程，进行模型参数的确定；最后通过计算氮、磷浓度拟合值和实测值的R2和均方根误差(root mean square error, RMSE)评价模型参数的可靠性。

采用三次立方体权重函数计算时间、流量、季节和流域的权重，公式如下：

(2)

式中：w为权重，包括时间、流量、季节、流域。d为观察值与估计值的距离。h为半窗宽度，对于时间，取1 a；对于流量，取1.5(对数转换后)；对于季节，取0.5；对于流域，当观察值与估计值处于同一河流流域时，w′为1，否则w′为0.1。

(3)

Y=lnc

(4)

(5)

式中：α为偏差校正系数；wi为第i个观察值的权重；εi为权重模型的第i个残差值；n为观测值的数量。

利用校正后的时间、流量、季节和流域加权回归方程，通过相应年份的氮、磷浓度预测值累加获得氮、磷负荷，年氮、磷负荷量除以流域集水面积获得氮、磷通量，公式如下：

(6)

式中：QTN、QTP分别为氮、磷通量，kg(km2·a)；A为流域集水面积，km2。

2.3 流域氮、磷负荷经验统计模型

运用经验统计模型，利用各小流域的NANI、NAPI、气候因子(降水量)及土地利用类型占比作为模型的自变量，流域氮、磷通量作为因变量建立流域氮、磷负荷经验统计模型，并进行模型的校正。采用贝叶斯信息准则(Bayesian information criterion，BIC)进行预测变量的筛选，选择BIC最小的模型为最优回归模型，此时模型的解释性和复杂性可以达到最佳平衡。利用经验统计模型各分量系数及模型的拟合优度(R)计算自变量对氮、磷通量变化的贡献率。

3 结果与讨论

3.1 流域土地利用及气候因子变化情况

对延安市1987年、2000年、2007年及2015年土地利用类型进行统计，结果见图2。从图2可以看出，1987—2000年，由于人类活动的加剧，耕地面积不断增加，林地和草地面积呈减少的趋势。随着退耕还林还草等生态改善工程的实施，2007—2015年，延安市耕地面积大量减少，林地和草地面积大量增加，同时水域面积也显著增加，这说明流域内实施退耕还林还草工程成效显著[27-28]。相关研究表明[29-30]，流域内高覆盖度草地和林地面积的增加可以有效减少地表径流，减小水土流失，进而减小流域氮、磷负荷。但城镇用地、农村居民点用地、其他建设用地及裸土地的面积呈持续增加的趋势，说明延安市土地利用类型受人类活动影响较大[31]。

图2 延安市1987—2015年不同土地利用类型占比Fig.2 Percentage of different land use patterns in Yan’an City during 1987-2015

延安市1996—2016年年均降水量变化趋势见图3。从图3可以看出，近20年来，延安市年均降水量受气候变化影响呈显著的年际波动，2010年以来年均降水量有显著增加的趋势，强降水时间增加[28]，平均每年升高4.35 mm，2013年流域年均降水量最高，达到748.33 mm，2015年降至423.23 mm，2016年又升至497.01 mm。

图3 延安市1996—2016年年均降水量变化趋势Fig.3 Variation trend of average annual precipitation in Yan’an City during 1996-2016

气候变化已经导致降水量发生明显的年际和年代际波动，同时在人类活动的影响下土地利用模式也发生了巨大改变，需要研究降水、土地利用模式、NANI、NAPI与氮、磷通量之间的响应关系，以制定适应气候变化的流域水环境管理方案。

3.2 气候变化、土地利用类型与流域氮、磷通量关系

建立了基于NANI(NAPI)、降水量和土地利用类型3个预测变量的氮、磷通量核算模型。模拟过程中，考虑到NANI和NAPI在几个数量级之间波动，也存在出现负值的情况，采用反双曲线正弦对NANI和NAPI进行转化，其转化结果与对数转化基本相同[32-33]。建立的降水量、土地利用类型与氮、磷通量的响应关系模型如下：

lnQTN=0.338×fNANI+0.003 2×Pannual- 0.015×LUF+0.816,P<0.001

(7)

lnQTP=0.601×fNAPI+0.002 7×Pannual- 0.056×LUF-2.500,P<0.001

(8)

式中：fNANI和fNAPI分别为NANI和NAPI的反双曲线正弦函数；Pannual为流域内的年均降水量，mma；LUF为林地面积在流域内的占比，%。降水量和林地面积是影响流域氮、磷通量和NANI、NAPI之间响应关系的主要变量，降水量的增加和林地面积的减少会显著增加流域氮、磷通量，而林地面积的增加将显著降低流域氮、磷通量，降水量对流域氮通量的影响大于其对磷通量的影响。这说明在净人为氮、磷输入量和现有林地面积不变的情况下，气候变化导致降水量的增加将显著增大流域的氮、磷通量，而大面积的植树造林将缓解降水对氮、磷通量的影响。该模型解释了lnQTN和lnQTP实测值的52.78%和77.09%(图4)。

图4 氮、磷通量实测值和预测值比较Fig.4 Comparison of observed and predicted nitrogen and phosphorus fluxes

在选择的预测变量中，fNANI和fNAPI是影响流域内lnQTN和lnQTP的主要变量，二者分别解释了lnQTN和lnQTP变化的42.11%和53.36%，说明人类活动造成的氮、磷输入量是影响流域氮、磷通量的主要因素，这与Sinha等[12]的研究结果相符，其研究显示，fNANI是影响美国242个流域lnQTN变化的主因，解释了lnQTN变化的60%。年均降水量分别解释了lnQTN和lnQTP变化的25.67%和18.29%，而土地利用类型分别解释了4.87%和16.16%，这说明除了净人为氮、磷输入外，降水量对流域氮、磷通量也产生了较大的影响，而土地利用类型对流域氮、磷通量的影响较小。本研究中年降水量对lnQTN和lnQTP变化的解释度略大于Sinha等[12]的研究结果，这主要是因为延安市位于暖温带半湿润易旱气候区，年内及年际降水量变化较大，对流域氮、磷通量的影响更大。

3.3 基于气候模式的流域氮、磷通量预测

以2016年氮、磷通量为基准，分别考虑在土地利用类型不变、林地面积增加5%和林地面积增加10%情景下，预估未来2种气候变化情景(稳定情景RCP4.5和常态情景RCP8.5)中，降水量的变化对近期(2020—2029年)及远期(2090—2099年)流域氮、磷通量的影响，结果见图5。

图5 未来气候预估模式下氮、磷通量的变化Fig.5 Variation of nitrogen and phosphorus fluxes under the predict of future climate scenarios

从图5可以看出，流域氮、磷通量在未来的气候情景中呈先下降再上升的趋势，未来气候变化对氮通量的影响较大。近期预估结果表明，流域氮通量下降了约13%，在RCP4.5和RCP8.5情景下分别下降了21.64和10.59 kg(km2·a)；磷通量由2016年3.87 kg(km2·a)下降到3.44和3.76 kg(km2·a)，下降了约7%。远期预估结果表明，在RCP4.5的情境下，流域氮通量仍较基准年减少4.99 kg(km2·a)，但在RCP 8.5的情景下，流域氮通量增加了18.40 kg(km2·a)，即增加15%；在RCP4.5情景下流域磷通量为3.88 kg(km2·a)，较2016年无明显变化，而在RCP8.5情景下流域磷通量将增加0.75 kg(km2·a)。这说明在气候变化的影响下，降水量的改变将会显著影响流域氮、磷通量的变化。在相同时期，RCP4.5和RCP8.5情景差异显著，RCP8.5情景预测的氮、磷通量均高于RCP4.5情景。

为了消除降水量的增加对流域氮、磷通量的影响，模拟了林地面积增加情景下未来氮、磷通量的变化情况。从图5可以看出，在RCP 8.5情景中，由于降水量改变而导致氮通量的增加值在林地面积占比增加10%的情景下才能消除，而降水量变化导致磷通量的增加值在林地占比增加5%的情景下可以缓解。这进一步表明，未来降水模式将会在极大程度上影响流域氮通量。近年来，延安市为减轻生态破坏，实施了大量退耕还林还草等生态改善工程，这些工程的实施使耕地面积大量减少，林草地面积显著增加。但由于气候变化导致流域内的降水量增多，增加了污染物进入水体的风险，该流域仍面临着较严重的氮污染防治压力。

4 结论

(1)延安市河流流域氮、磷通量预估呈现先降低后增加的趋势。降水量的改变和土地利用格局的变化会显著影响流域氮、磷通量与净人为氮、磷输入量之间的响应关系。

(2)气候变化对氮、磷通量的影响在某种程度上削弱了人类为削减氮、磷污染而做的努力。降水量的升高会显著增加流域氮、磷的通量，在气候变化的驱动下，即使净人为氮、磷输入量和土地利用类型保持现状不变，到21世纪末流域氮、磷通量仍会增加。

(3)为了应对气候变化，通过植树造林增加林地面积可以在一定程度上抵消降水量变化对氮、磷通量的影响。在流域水污染防治的相关政策中应考虑未来降水量变化对流域氮、磷通量的影响，并对流域水污染防治政策进行定期修正，以保证流域水质在极端气候的影响下达到相应的水质标准。