平原河网区排水沟塘水质动态与景观特征的关系

贾忠华，尹玺，罗纨，邹家荣，陈诚

（扬州大学水利科学与工程学院，江苏 扬州 225009）

作为农业区景观中的重要组成部分，沟塘系统不仅为农田排、灌提供了便利，还为农业非点源污染物的降解提供了条件[1-2]。在集约农业的背景下，沟塘系统受人为干扰越来越严重，其数量、形态、结构等均发生不同程度的变化[3]，明确这些变化对其水质净化功能的影响是沟塘系统保护工作的重要前提。目前，沟塘系统水质功能研究的一个重要方向是从景观生态学的角度解释水体污染物与景观特征之间的联系[4-5]，包括利用GIS（地理信息系统）技术及空间统计，推导、开发了众多压缩、抽象景观空间配置和结构的定量指数或指标[6-7]，描述的景观特征包括景观组成和景观结构[8]。有大量研究通过景观指数法分析认为污染物浓度与景观特征具有较强的相关性[9-11]，表征流域景观特征的景观指数在不同尺度上能够解释32%～70%的水质变化[12-14]，李昆等[15]的研究表明农业区景观特征在200 m 尺度上对水质变化的解释能力最大，Shen 等[16]通过对景观结构和水质的结合分析认为，斑块水平上的景观指数对水质的预测效果更好。许多景观指数与水质结合的研究将沟塘水体当作承接景观结构变化的载体，而对沟塘斑块自身景观指数的变化关注不足。对沟塘自身变化的研究多集中在沟道功能类型以及不同区域之间沟塘数量分布的对比，例如，姜旭娟等[17]以滩地和采砂坑证明不同河道类型对水质变化有显著影响；李玉凤等[18]在农村小流域的研究证明水塘面积和密度对其污染物截留能力影响显著。

上述研究主要集中在整体景观空间格局与污染物分布的关系，对于不同分段沟塘之间的形态结构差异及污染物分布的季节性差异关注不足。因此有必要选择一个典型农业区域来研究沟塘景观特征对不同时段污染物浓度的影响。本研究以江苏省扬州市江都区沿运灌区为例，选择边界形状较为复杂的平原河网区沟塘系统[19]，采用景观指数法，结合沟塘分段、分时的水质监测结果，探讨了在不同沟道条件、不同季节下的景观特征以及沟塘结构与水质动态的关系，旨在为类似地区沟塘系统保护与利用提供理论依据与技术支撑。

1 材料与方法

1.1 研究区概况与水质监测

研究区位于江苏省扬州市江都区京杭大运河东侧的沿运水稻灌区，属亚热带湿润气候区，年平均气温14.9 ℃，年降雨量约1 000 mm。区内地势平坦，河湖交织，是长江下游较为典型的平原河网区。研究区面积146 hm2，主要分布三条沟道，长度分别为1 331、640 m 和843 m，另有大小不一的水塘散落其中，形成复杂的沟塘系统。三条主要沟道为6～80 m 水面宽度不等的天然土沟。土地利用类型主要包括沟塘、农田、村庄、道路等，其中农田占比为76%，沟塘占比为12%，沟塘与农田面积比为0.156。区内沟塘系统的主要功能是接纳和输出雨水径流和农田排水，主要污染物来源是部分农村生活污水和大量的农田排水。研究区内普遍实行稻麦轮作，水稻生长期为6 月中旬至10月，小麦生长期为10月下旬至次年6月上旬。

由于研究区内小面积水塘较为分散，水质监测点的选择沿三条主要沟道均匀分布，有利于观察水质的连续性变化。所选19 个水质监测点根据其所在沟道分为三组，如图1 所示。水质监测选用总氮（TN）、总磷（TP）、硝氮、铵氮四个水质参数，监测期为2018 年1 月—2018 年12 月，监测频率为每月一次。为了更好地了解污染物浓度的季节性变化，考虑降雨量和灌溉量的差别以及主要作物生长变化，将水质数据分为干湿两季进行分析，湿季选择灌溉量较高的7—8 月，干季选择11—12 月。水质分析采用19 个监测点不同时段的实测值，为更直观地体现水质污染的空间分布状况以及季节差异，用反距离加权插值法（IDW）生成污染物空间分布图。

图1 研究区取样点分布图Figure 1 Distribution of sampling points in the study area

1.2 沟塘景观格局分析

首先利用景观指数以及土地利用类型动态模型对沟道面积变化和形态结构进行分析，影像数据选用分辨率较高的2018 年World Viewer 系列数据（1.19 m分辨率，坐标系为WGS-1984-UTM-Zone-50N），利用ENVI（Vision 5.3.1）进行校正处理和监督分类，根据经验[20]采用最大似然法识别土地利用分类并目视修改。对得到的土地利用分类图像选择混淆矩阵进行精度评价，选择地面参考点位137 个，总体分类精度为93.6%，Kappa 系数为0.89，满足研究需要。沿沟道设置19个200 m×200 m正方形点缓冲区，借助景观格局分析软件FragStats 4.2 对每个缓冲区进行参数计算。由于一些景观指数是基于相同变量进行统计处理，各个指标之间存在一定信息冗余[21]。为避免指数重复，参考已有研究[16，22]，选择常用景观指数（表1），具体计算和意义参考软件手册[23]。景观特征的刻画包括景观组成和景观结构，沟塘景观特征和水质的关系采用Pearson 相关性分析和冗余分析。Pearson 相关性分析量化每个景观变量和水质变量之间的关系，冗余分析能够从多个景观变量中筛选对水质变化影响最重要的变量。与Pearson相关性分析不同的是，冗余分析考虑了各解释变量协同作用的结果，而相关性分析则是解释变量之间独立作用的结果。

表1 沟塘景观表征指标Table 1 List of the selected landscape metrics

针对沟塘面积的变化，参考常用的基于时间变化的土地利用动态模型[24-25]，提出基于距离变化的沟道面积变量动态模型，以期对沟道面积变化做出较好的解释，公式如下：

式中：Aa、Ab分别为两个临近缓冲区中处于相对上游和相对下游的沟道面积，m2；Sab为缓冲区中心点之间的距离，m；K为随两点间汇入距离变化的面积变化率，%。对沿程多个点缓冲区进行统计，总体上可以反映沿距离变化的沟塘面积变化情况。

对各缓冲区面积变化率进行统计，构建沿程面积累计变化率，公式如下：

式中：Ki，i+1为各缓冲区沟道面积变化率，%；n为缓冲区数量；TK为累计变化率，%。TK能够反映整条沟道的变化幅度，值越大说明沟塘类型面积波动越大，数值越小说明景观类型越稳定。

2 结果与分析

2.1 污染物浓度及其空间变化

表2 三条沟道内不同季节污染物统计（mg·L-1）Table 2 Statistical results of pollutant concentrations in different seasons（mg·L-1）

采用反距离加权插值法（IDW）绘制污染物浓度空间分布图（图2）。研究区内沟道上下游浓度变化较大，污染物浓度随着水流长度的增加呈现减少的趋势。从分布位置上看，和高浓度值主要集中在1、3 号沟道，TN 和TP 高浓度值都出现在3号沟道，大部分污染物的高浓度值都聚集在中上游，污染物随着运移距离的增加，沟塘总体降解作用逐渐下降。

图2 污染物浓度空间分布插值图（mg·L-1）Figure 2 Pollutant concentration distribution map（mg·L-1）

2.2 景观组成与水质

图3 显示了19 个缓冲区的土地利用组成。各类用地面积存在一定差异，但总体均以农田为主要土地利用类型，其次为沟塘，从上游到下游的水流过程中沟塘面积总体表现出上升的趋势。沟道2 的沟塘面积平均占比最大（21.27%），沟道3 的面积占比最小（19.23%）。

图3 取样点200 m缓冲区内土地利用统计Figure 3 Land use statistics within 200 m buffer of sampling points

图4 显示了沟道面积变化率，随着缓冲区上游水量汇入距离的增加，沿程沟道面积变化率差异较大。各沟道从起点至终点面积变化率有较大波动，最终呈增长趋势，其中沟道2 变化幅度最大，面积变化率在下游有剧烈增加。各沟道中部面积变化率有减小的趋势，可能是由于村庄面积的增加使得沟塘斑块减少。从累计变化率可以看出，沟道2 面积变化最大，其次是沟道3，沟道1最为稳定。

图4 沟塘面积变化率Figure 4 Area change rate of ditch-pond

沟道两侧景观组成和水质的Pearson 相关性分析结果如表3 所示，沟道两侧景观组成对水质有重要影响，沟塘面积与TN、TP和浓度表现为显著负相关。道路和农田面积与各项污染物浓度呈正相关，村庄面积与污染物浓度相关性较弱，但总体上与TN、浓度呈负相关，与TP浓度呈正相关。

表3 景观组成与水质相关性分析（r）Table 3 Pearson′s correlation analysis of land use and water quality（r）

对景观组成变量进一步分析，首先采用降趋势对应分析（DCA）得到梯度长度小于3，因此选择冗余分析法（RDA）进行分析，结果如表4 所示。景观组成对干季水质解释度较好，沟塘面积能够解释12.2%的干季水质变化，道路和村庄面积对水质变化的解释度优于沟塘，分别为22.3%和14.5%，整体景观组成对水质的解释量达到49.0%。景观组成对湿季的水质变化解释度较差，未通过蒙特卡洛置换检验，排序结果不可靠。景观组成对干季水质的冗余分析结果见图5，各污染物浓度与道路和村庄面积呈正相关，与沟塘面积呈负相关。

图5 景观组成对干季水质冗余分析Figure 5 RDA analysis of land scape composition on water quality in dry season

表4 景观组成对干季水质的冗余分析结果Table 4 RDA analysis results of land use composition on water quality in dry season

2.3 景观结构与水质

景观指数计算结果见图6。其中沟塘边缘密度（ED）总体呈上升趋势，与污染物浓度上游高、下游低的趋势相反。沟塘斑块密度（PD）与边缘密度趋势相似，但沟塘斑块密度变化幅度较大，在下游有强烈增长，结合沟塘面积比例增幅较小的情况推断下游沟塘更加破碎化。散布与并列指数（IJI）能够反映斑块之间的邻接程度，数值越小离散程度越低。沟塘结构的分组结果（图6a）中，沟道2的ED 略高于其他两组，其平均值为264 m·hm-2，大于沟道1、沟道3 的251、237 m·hm-2；图6b和图6e中IJI和LSI变化趋势不明显，但从平均值结果来看，均为沟道2 数值较大；图6c 和图6f 中，沟道2 的PD 明显高于其他两组，但GYRATEAM 值较低。因此沟道2 的分布形态最为复杂，表现在较高的景观形状指数和边缘密度，同时沟道2 最为聚集，表现在较高的斑块密度、散布与并列指数和较低的平均回转半径。

图6 景观指数趋势分布Figure 6 Trends of landscape metrics

景观指数与水质参数的Pearson 相关性分析结果如图7所示。沟塘类型中，PD、ED 与污染物浓度呈负相关，LSI 与干季的TP、呈强负相关，而IJI 与TN、TP 浓度呈正相关。景观水平上的PD 和ED 与污染物浓度呈正相关，这与Bu 等[26]的研究结果一致，这是由于景观水平上，缓冲区内产生污染物的“源”斑块相对较多，对污染物的作用大于沟塘斑块的消解作用。其他类型水平LSI 和ED 与污染物浓度相关性较强，道路、农田等类型的LSI 越大，表明受人类活动干扰越强，则水质越差。

图7 景观结构与水质Pearson相关性图Figure 7 Pearson′s correlation of landscape structure and water quality

对不同计算水平景观指数和水质进行冗余分析，结果如表5 所示。类型水平上的景观指数对水质解释度为56.4%，远大于景观水平上的景观指数。各斑块类型中，沟塘斑块的解释度高于其他斑块类型。

表5 不同类型水平上景观指数与总体水质变量冗余分析结果Table 5 Redundancy analysis results of landscape metrics and total water quality variables at different levels

将沟塘类型景观指数与各时段水质进一步分析，根据冗余分析重要性和显著性结果，选择沟塘ED、IJI、GYRATE-AM 3个表征指标。如表6所示，沟塘景观结构对于全年、干季、湿季的解释度依次是35.3%、47.3%、15.7%，对干季的水质解释度最高。表7 显示了各景观指数的重要性以及贡献率，其中沟塘ED 对所有时段的水质变化均有重要影响。

沟塘结构和水质变量冗余分析结果如图8 所示，沟塘景观变量与水质变量夹角小于90°为正相关，否则为负相关，接近90°基本无相关性。沟塘ED 与干季的、TP 浓度呈强负相关，GYRATE-AM 和IJI与干季浓度呈强正相关，表明沟塘斑块边界越复杂、离散程度越小，对水质越有利。

图8 沟塘景观结构与干季水质冗余分析Figure 8 Redundancy analysis of landscape structure and water quality in dry season

3 讨论

3.1 景观组成对水质的影响

沟道两侧景观组成对水质有重要影响，各组成类型对水质的解释度从大到小排序依次为：道路>村庄>沟塘，农田排序结果未通过检验。沟塘面积与污染物浓度为负相关，表明景观中沟塘等“汇”面积的增加，减小了农田对整个地块的主导作用，因而对水质更有利[27]。三条沟道中大部分污染物的高浓度值都聚集在中上游，这与村庄和道路聚集在各沟道的中上游有关。道路与污染物浓度呈较强正相关，说明道路不利于污染物的消解，道路的增加会切断污染物径流，加快土壤侵蚀，增加污染物负荷[14]。村庄与水质的Pearson 相关性相对较弱，但在冗余分析中村庄与总磷浓度呈强正相关，生活污水的排放和农田污染物的汇集导致上游污染物浓度较高。农田与污染物浓度表现为正相关，这与Zhang等[28]和Bahar等[29]的研究结果一致。但已有的研究表明农田与水质的关系存在不确定性，这主要是因为景观组成作用强度不同，比如张大伟等[30]的研究发现农田与水质呈正相关，是由于农田对污染物的贡献远不及建设用地，耕地与建设用地对水质的作用体现为“此消彼长”的强弱作用，而不是农田对水质的改善作用。

3.2 景观结构对水质的影响

在类型水平上，所有斑块共同作用下景观结构对水质的解释能力达到56.4%，与景观组成相反的是，单一景观类型中沟塘结构对水质的解释度最大。景观水平上的景观指数对水质的解释度低于类型水平上的景观指数，说明斑块水平上的景观指数更能有效预测河流水质[16]，这一点在本研究的沟塘类型景观指数上表现更为明显。

三组景观结构数据中，沟道2 形态最复杂且分布最聚集，这与沟道2 中各项污染物浓度最低相对应，即沟塘边缘形状越复杂、斑块越聚集，对水质越有利[14]。与水质联系较为紧密的三个沟塘类型景观指数为边缘密度、散布与并列指数和平均回转半径，其中边缘密度在不同时段对水质的解释度均最高。边缘密度能有效反映沟塘景观拦截污染物的边缘效应，对于沟塘或森林等能够拦截污染物的景观类型，较高的边缘密度意味着更复杂的边界和更好的过滤效果[21]。散布与并列指数以及平均回转半径能够有效反映景观离散程度，较为聚集的沟塘斑块能够有效净化水质。沟塘景观结构在不同季节对水质有不同的影响，与湿季15.7%的解释度相比，干季水质的解释度达到了47.3%，沟道两侧景观组成对干季水质解释度较高，说明景观特征与干季水质有较强相关性。景观特征与湿季水质相关性较弱，可能由于湿季农田集中施肥且径流量较大，增加了田间营养物质流失，导致田间复杂的水质状况。

研究平原河网地区沟塘景观结构对水质的影响，能够为当前“双评价”工作提供一定的参考，在“三区三线”等国土空间规划的背景下，对于农村水环境治理和沟塘生态系统的保护具有重要意义。本研究采用沟塘面积变化动态模型，能够从一定程度反映沿沟道距离变化的面积动态变化特征，在以后的研究中有必要结合其他参数对沟塘结构变化进行进一步的解释。本研究缺乏对不同分段的水质状况与景观指数的对应分析，对沟塘景观与水质结合的动态过程关注不足，景观指数与水质生态过程及动态过程的联系仍是今后研究的重要方向[31-33]。

4 结论

本研究以江苏省扬州市江都区为例，对小流域水质空间分布变化和沟塘景观特征之间的联系进行探讨，结论如下：

（1）沟塘水质对景观特征的响应存在季节差异，与湿季相比，沟塘景观特征与干季水质相关性较强，对干季水质的解释度较高，能够达到47.3%。

（2）沟塘结构对水质有重要影响，沟塘类型景观指数能够解释15.7%～47.3%的水质变化，对水质变化解释度最高的沟塘类型景观指数分别为边缘密度、散布与并列指数以及平均回转半径，表明聚集的沟塘斑块和复杂的边界条件对水质有利。其中沟道边缘密度对水质的解释度最高，在不同时段均有重要影响。

（3）在景观组成上，沟塘相较于其他斑块类型作用相对较弱；而在景观结构上，沟塘的作用强度高于其他斑块类型。