鄱阳湖西侧周边农村水塘夏季表层沉积物氮、磷、有机质分布特征及评价*

刘 伟，褚一凡，谭启洋，陈金梅，杨玲丽，周巧红，吴振斌，贺 锋

(1：中国科学院水生生物研究所，武汉 430072) (2：中国科学院大学，北京 100049)

鄱阳湖作为长江流域最大的吞吐型、季节性和过水性浅水湖泊，能有效缓解长江中下游汛期的防洪压力[1]。随着流域经济的发展以及流域农村生活污水排放量的增加，鄱阳湖水质逐渐恶化[2]。鄱阳湖地区农村众多，而水塘是其中重要的水环境，不仅具有供给农业生产生活、提供水产品和受纳雨污水的功能，在汛期也是湖区面源污染的重要来源，其水质状况严重影响了当地的生产生活、人畜健康以及湖区的水生态环境[3]。据统计，鄱阳湖流域农村污水年平均排放量已超过1.2×109m3，其主要来源为生活污水和分散养殖污水。由于农村生活污水以随意排放为主，分散且较难收集，处理率低，因此会对周边水环境造成较大威胁。其中31.78%的农村生活污水排放到农村水塘中，严重破坏了水塘的水质和生态系统[4]。

沉积物作为水生态系统的重要组成部分[5]，为沉水植物和底栖动物提供了营养物质和栖息地。同时沉积物作为营养物质的“源”与“汇”，一方面是水体氮、磷和有机质等污染物质在物理、化学和生物作用下沉积形成的产物，另一方面其在水体或生物扰动下，会重新进入水体产生二次污染[6-7]。因此，沉积物与水体营养盐关系密切，可以间接反映水体的污染[8]。当前，沉积物评价已经在大型湖泊[9-10]、河流[11-12]以及农村沟渠和黑臭河流中[6,13]广泛开展，然而针对农村水塘的沉积物污染评价和污染源解析的研究较少，因此开展农村水塘的沉积物污染研究对其保护和修复具有重要意义。

沉积物评价一般采用单因子指数法、有机指数法和综合污染指数法[8,14]，然而前两种指数仅能反映部分营养盐污染，具有一定的局限性，而综合污染指数包括某些沉积物污染指标，但需要背景值作为评价标准，而不同流域的背景值有所差异，因此用于不同流域对比时具有一定的限制。主成分分析法一般用于水质的评价分析[15-16]，但能将所有的环境因子进行分析，且能筛选出污染最严重的点位。因此本研究分析了农村水塘沉积物的营养特征，并通过综合污染指数法和主成分分析法来对沉积物的污染状况进行评价，拟为农村水塘的生态修复和鄱阳湖的面源污染治理提供基础数据支撑。

1 材料和方法

1.1 研究区域概况

鄱阳湖地处长江中下游，主要分布于九江、上饶、南昌三市，是长江流域的一个重要的过水性、吞吐型和季节性湖泊，其流域面积为16.2万km2[17]，在调节长江水位、涵养水源、改善气候和维持生态平衡方面具有重要作用。鄱阳湖属亚热带湿润季风型气候，年平均气温16.5～17.8℃，年平均降水量为1570 mm，而平均蒸发量为1200 mm左右[18]。

鄱阳湖流域农村水塘众多，维系着灌溉、养殖和洗涤的功能，但由于农村污水排放量逐渐增大，处理率低下[4]，农村水塘的生态环境面临严峻的考验。本研究以鄱阳湖西侧的南昌市和九江市为研究对象，选取分布于鄱阳湖西侧的南昌市南昌县、新建县、进贤县和九江市星子县4个县域，根据水塘的完整性(进出水口)、地理位置(村内，村旁和农田区域)、功能和清淤情况，每个县域至少选择两个乡镇的4个水塘，最终选取23个自然村落的水塘为调查对象，各采样水塘的地理位置分布如图1所示。

图1 水塘采样点位置及分布Fig.1 Location and distribution of rural ponds

1.2 水塘周边污染情况调查

水塘周边的污染情况(水塘外源污染特征因子)主要通过对当地村民的走访调查而获得，主要包括水塘功能和特征因子(洗涤、灌溉、受纳生活污水、养殖废水、活/死水、清淤、改水改厕)、土地利用因子(农田面积，FA)以及人口因子(总人口数(TV)和常住人口数(PV))。

1.3 沉积物的采集和测定

于2018年6-7月对23个水塘的沉积物营养特征进行调查，采用1/32 m2的彼得森采泥器进行表面沉积物样品的采集，每个水塘在其最宽处分别距岸边1 m和中心处采集3个样品并进行等量混合形成混合样，然后装入塑封袋，做好标记后带入实验室进行分析。由于沉积物沉积速率相对较慢，处于0.66～4.75 cm/a之间[19-20]，而彼得森采泥器的采集深度一般为表层0～10 cm范围，因而一年内采集的沉积物性质差异性较小。

1.4 沉积物污染评价

1.4.1 综合污染指数法 先通过单因子评价来分析TN和TP的单项污染指数，然后应用公式来计算综合污染指数。其单项和综合污染指数的计算公式如下：

Si=Ci/C0

(1)

(2)

式中，Si为单项指标指数；Ci为评价因子i的实测值；C0为评价因子的i的评价标准值，参考加拿大安略省环境和能源部发布指南中能引起沉积物最低级别生态风险效应的TN和TP含量，取TN的C0取550 mg/kg, TP的C0取600 mg/kg[25]。F为n项污染指数平均值；Fmax为最大单项污染指数。综合污染指数分级如表1所示。

表1 沉积物综合污染指数分级Tab.1 Classification based on sediment composite pollution index

1.4.2 主成分分析法 主成分分析是一种通过筛除无用变量，同时将有用变量线性组合来实现降维的一种方法，在损失信息较少的情况下，将多个变量整合为几个互不相关的综合变量，即主成分，最终通过综合主成分得分来对沉积物进行评价，其值越小代表越清洁[16,26]。

1.5 数据分析

对沉积物指标进行主成分分析之前，对所有的指标变量进行标准化，然后对标准化后的数据进行KMO和Bartlett’s sphericity 检验来判断数据是否适合进行主成分分析。判断合格后即对沉积物指标进行主成分分析，筛选出特征值大于1的主成分，然后选出与主成分最相关的沉积物变量(因子荷载>0.7)，并计算各主成分及综合主成分[15,27]。主成分分析、Pearson相关性分析和Mann-Whitney U检验均在SPSS 19.0软件中进行。基于沉积物指标的层次聚类分析(Ward Method，Euclidean)在Origin 2015软件中完成。

2 结果分析

2.1 农村水塘污染现状分析

本研究中23个水塘周边污染情况如表2所示，其中有15个水塘为死塘，9个水塘从未进行过清淤。从水塘的功能上看，18个水塘承担着受纳生活污水的功能，6个水塘承担着洗涤的功能，7个水塘承担着灌溉的功能，3个水塘承担着水产养殖的功能，同时11个水塘受到养殖(养猪和养鸭)废水的污染。

表2 水塘周边污染情况分析Tab.2 The surrounding pollution conditions of rural ponds

23个水塘基于沉积物指标进行层次聚类后可以分为两个组别(图2)，其中组1包含一半的进贤县和星子县水塘以及几乎所有的南昌县水塘，基本为死水且均具有洗涤功能。而组2则包含另一半的进贤县和星子县水塘以及几乎所有的新建县水塘，基本不具有洗涤功能。

图2 基于沉积物营养盐和有机质 含量的水塘聚类分析Fig.2 The hierarchical cluster analysis of ponds based on the nutrients and organic matter content in sediment

两个组别间的沉积物指标分布如图3所示，对于ORG含量(图3A)，23个水塘的平均含量为5.81%±2.16%，其中组1的平均ORG含量(6.60%)高于组2(4.95%)，P6的ORG含量最低(2.20%)，而P18的ORG含量最高(11.04%)。TOC含量的变化与ORG类似(图3C)，23个水塘的平均TOC含量为2.46%±1.02%，其中组1的平均TOC含量(2.85%)高于组2(2.03%)，其最大值和最小值也分别出现在P18(0.65%)和P6(4.96%)。

农村各水塘沉积物TN、TP含量如图3B和3H所示，23个水塘的平均TN和TP含量分别为(6.48±2.35) mg/g和(1.89±0.80) mg/g，其中组1的平均TN和TP含量(7.17和1.98 mg/g)均高于组2(5.73和1.79 mg/g)，TN含量最高的为P18(11.17 mg/g)，最低的为P6(1.59 mg/g)，而TP含量最高和最低的水塘分别位于P13(3.28 mg/g)和P6(0.76 mg/g)。

而对于农村水塘的粒径分布(图3I，3J和3K)，其中D10和D50最大值和最小值分别位于P18(4.85和22.98 μm)和P6(1.53和7.00 μm)，D90最大值和最小值分别位于P21(73.63 μm)和P19(22.32 μm)。且组1的D10、D50和D90(2.87、12.84 和39.07 μm)均高于组2(2.34、10.27 和37.28 μm)，然而两组间的差异不显著。

图3 不同组别间沉积物指标的差异 (***代表P<0.001)Fig.3 The difference of sediment parameters between the two groups

2.2 沉积物营养盐来源解析

沉积物各指标与水塘外源污染特征因子的相关关系如图4所示，其中TOC和TN存在着极显著的正相关，其相关系数为0.930 (P<0.01)，而TP与TN和TOC存在显著的正相关性，其相关系数分别为0.523 (P=0.01) 和0.501 (P=0.02)。此外，底质粒径D50与TOC、TN和TP存在显著的正相关，其相关性系数分别为0.783 (P<0.01)、0.711 (P<0.01)和0.427 (P=0.04)。水塘的常住人口与总人口也存在显著的正相关(r=0.555,P=0.006)，然而水塘外源污染特征因子与沉积物各指标不存在显著的相关关系。

图4 沉积物各指标之间的相关性Fig.4 The relationships of various indicators in sediment

不同水塘特征对沉积物营养盐的影响如表3所示，其中是否具备洗涤功能、是否为活水以及是否清淤对沉积物营养盐存在显著影响，具体为死水水塘沉积物的TN(P=0.04)、TOC(P=0.03)和TP(P<0.01)显著高于活水水塘，清淤水塘沉积物的TP(P=0.03)和TOC(P=0.02)显著低于未清淤水塘，而有洗涤功能的水塘沉积物TP(P=0.02)显著高于无洗涤功能的水塘。

表3 不同水塘特征下沉积物营养盐的差异Tab.3 The difference among sediment nutrients at various characteristics of ponds

2.3 沉积物污染评价

2.3.1 综合污染指数评价 综合污染指数的评价结果如图5所示，由图5A可知，23个水塘的总氮污染指数均较高，其中总氮污染指数最高的水塘位于P18(20.30)，最低的水塘位于P6(2.90)，平均值为11.79(重度污染)，评价结果为重度污染的水塘有22个(占95.65%)，中度污染的水塘有1个(占4.35%)；总磷污染指数最高和最低的水塘分别位于P13(5.50)和P6(1.26)(图5B)，其平均值为3.14(重度污染)，评价结果为重度污染的水塘有11个(占47.83%)，中度污染的水塘有5个(占21.74%)，轻度污染的水塘有7个(占30.43%)；综合污染指数最高和最低的水塘分别位于P18(16.83)和P6(2.52)(图5C)，平均值为9.87(重度污染)，评价结果为重度污染的水塘22个(占95.65%)，中度污染的水塘有1个(占4.35%)。

图5 农村水塘的各指标和综合污染指数评价(A：总氮污染指数，B：总磷污染指数，C：综合污染指数)Fig.5 Evaluation of rural ponds based on individual and composite pollution index

表4 沉积物指标的主成分分析结果Tab.4 Results of principal component analysis based on sediment parameters

将所有的沉积物指标归总为第1、2和综合主成分得分，其中综合主成分计算公式为：

S总=S1·V1+S2·V2

(3)

式中，S1、S2和S总分别为第1、2和综合主成分得分，V1、V2为第1、2主成分解释的总变异。

按照综合主成分对农村水塘进行评价。由图6可知，P18、P20和P23的沉积物污染状况较重，而P6、P21、P5和P11的沉积物污染状况较轻。

图6 农村水塘的主成分分析法评价Fig.6 Evaluation of rural ponds based on principal component analysis

农村水塘沉积物评价参数的相关性分析结果如表5所示，S总与STN、STP和FF均呈显著正相关关系，且与FF的相关性系数最高(0.92)。STN、STP和FF也两两呈显著相关，其中STN与FF的相关系数最高(0.99)，而STP和FF的相关系数最低(0.58)。

表5 各评价系数的相关性分析Tab.5 Correlation analysis of various evaluation indices

3 讨论

3.1 农村水塘沉积物污染状态

水塘作为农村重要的水生态系统，承担着洗涤、灌溉、养殖甚至饮用水源的作用[3]，然而经过长年累月的营养盐累积，水塘生态恶化，富营养化和黑臭问题日益突出。本研究中鄱阳湖西侧周边农村水塘沉积物TN、TP和ORG含量分别为巢湖周边水塘的4.11、2.02和1.07倍[28]；而与太湖农村黑臭河道相比，其沉积物TOC含量差异较小，而其TN和TP含量分别为太湖农村黑臭河道的2.80和1.57倍[6]；这表明鄱阳湖西侧周边农村水塘沉积物内源污染严重。由于这些水塘在汛期与鄱阳湖连通，是鄱阳湖湖区面源污染的重要来源，因而这些水塘的修复和治理对于当地居民生产生活乃至鄱阳湖湖区的水质健康至关重要。

ORG、TN和TOC最高值和最低值分别位于P18和P6，这主要与这两个水塘的污染现状和特征密切相关。其中位于新建县的P6水塘为活塘，已进行改水改厕，并于2016年完成清淤，其主要功能为受纳少量生活污水，因此其沉积物碳氮浓度较低；而P18位于南昌县，其水塘为死塘，未进行过清理，并受到了养猪废水污染，且还在受纳生活污水，导致其沉积物碳氮浓度较高。

3.2 农村水塘沉积物污染来源分析

沉积物指标与水塘外源污染特征均不存在显著的相关关系，表明外源农业污染和人为干扰与沉积物营养盐含量的关系不大。此外，受纳养殖废水或作为灌溉用水对沉积物营养盐无显著影响，村落改水改厕也对农村水塘沉积物营养盐无显著影响，表明外源养殖废水和农业灌溉用水对沉积物营养盐累积的影响较小。洗涤废水对沉积物TP有显著影响(P<0.05，表3)，这主要与农村洗涤废水中使用的含磷洗涤剂有关，其最终沉降到沉积物中，从而导致洗涤功能的水塘沉积物TP较高，表明沉积物TP受到洗涤废水的影响较大。同时死塘沉积物TN(P=0.04)、TOC(P=0.03)和TP(P<0.01)显著高于活塘，清淤水塘沉积物的TOC(P=0.02)和TP(P=0.03)显著低于未清淤水塘，表明清淤和活化显著减轻了内源污染，提供了较好的水流条件，有利于提高水体自净能力，因而在水塘修复和保护中，应将清淤和活化两种方式有机结合起来。农村水塘沉积物ORG、TOC和TN含量的最大值和最小值均出现在P18和P6，TN与ORG和TOC的相关系数分别为0.86和0.93(P<0.01)，表明C、N营养元素具有高度的关联性。C/N比可以在一定程度上判断出营养盐的类型和来源，可通过其比值判断有机质是内源还是外源输入的，当C/N<10时，以内源为主；当C/N=10时，内源与外源基本处于平衡状态；而当C/N>10时，以外源输入为主[29]。而农村23个水塘沉积物C/N比平均值为3.77，表明其有机质以内源产生为主，沉积物淤积情况严重。南昌县的C/N比高于其它县，这主要与南昌县调研的6个水塘均为死塘且还在受到生活污水及养殖废水的污染有关，外源输入C/N较高的污废水而内源积累也得不到释放，因此提高了其沉积物C/N比水平。C/P则可反映TOC和TP变化的快慢，农村水塘沉积物C/P比平均值为14.08，表明TOC含量控制着各点位C/P的变化。此外，TOC与TP的相关系数为0.50(P<0.05)，表明沉积物中P主要来源于有机质的聚集。而沉积物N/P则与水质N/P密切相关，可在一定程度上反映沉积物的富营养状态，农村水塘沉积物N/P比平均值为3.74，远小于水生生物体内N/P水平(7～10)，然而过低的沉积物N/P比不利于高等水生植物的生长[10]，因此在调查的水塘中未发现水生植物群落的存在。C/P和N/P最大和最小的点位一致，表明水塘的这两个指标也密切相关，而其相关系数也高达0.93(P<0.01)。

3.3 农村水塘评价方法的比较

通过沉积物TN和TP进行污染指数评价可知，通过TN评价的污染程度较重，这与其沉积物TN含量较高相一致。而综合污染指数的结果与TN评价的结果较为相似，其评价为重度污染的比例均为95.65%，两者之间也呈现出显著的相关性(0.99，P<0.01)。有机指数和有机氮评价也表明鄱阳湖农村水塘沉积物有机氮污染严重[14]，高原湖泊农村沟渠和太湖流域农村黑臭河流表层沉积物评价也表明了其有机指数和有机氮处于重度污染的程度[6,13]，表明农村水体沉积物有机氮污染严重。有机污染指数评价法广泛用于沉积物营养盐评价中[12,30-31]，然而其只涉及有机氮和有机碳两个指标，且评价为定性结果，不能对污染程度的大小进行定量比较。综合污染指数虽可以进行定量评价，然而其一般涉及的指标也较少，且需要参照值来进行评价[8,30]。而主成分分析法可以通过得分对污染状况进行排序[15,32]，因此可用来对沉积物污染程度进行比较。主成分分析综合得分表明P18污染最严重，这与其沉积物TN、ORG含量最高相一致。综合得分与综合污染指数的相关系数高达0.92(P<0.01)，表明主成分分析与综合污染指数分析法的结果类似。且主成分分析不仅考虑了ORG、TN和TP等有机指标，也考虑了WC、硝态氮和铵态氮等无机指标，其结果更容易推广到更大范围沉积物指标的评价。因此，将综合污染指数法与主成分分析法相结合不仅能更全面地评价水塘沉积物的污染程度，同时还能进行相互验证，从而为农村水塘的生态修复提供指导。

4 结论

通过对鄱阳湖周边23个农村水塘沉积物样品的营养盐进行分析和评价，其主要结论为：1)农村水塘的沉积物污染严重，TN以有机氮为主，且C、N污染具有较强的关联性。2)沉积物TP受洗涤废水影响较大，清淤和活化能显著减轻了沉积物TN和TOC污染，因此在水塘生态修复中，应考虑将清淤和活化技术综合起来使用。3)水塘的沉积物综合污染指数评价表明沉积物污染严重，95.65%的水塘被评价为重度污染，亟需得到关注和保护。

水塘作为农村重要的湿地系统，与村民生产生活和湖区水生态健康密切相关，未来应着重于水塘的生态修复和湖区面源污染的综合治理，其中清淤和活化生态措施将起着重要作用，然而清淤后的沉积物处理处置是当前面临的重要问题，需要进一步研究和解决。