程启鹏 张荣荣 陈培源 朱文超

(滁州学院 安徽滁州 239000)

水质作为生态系统的重要指标之一，对人类生存的环境具有深远的影响。水体通过地面进入土层过程中会携带污染物质，因此，其所在空间的土地利用类型以及土地覆盖的变化会对水体的质量产生十分重要的意义[1]。另一方面，从流域尺度上来看，不同土地利用对水文过程的影响将直接导致水资源供需关系的变化，从而进一步影响流域的生态环境和经济发展[2]。

土地利用/覆盖变化对水质的影响受重视程度越来越高[3]，水质的改善除了要依靠自身，还应研究不同土地利用类型与水质相互作用的过程和机理[4]。目前，国内学者相继对不同土地类型与水质的关系展开了研究，张殷俊[5]等人以安徽省巢湖流域为例，利用相关分析、冗余分析、数理统计等技术手段研究了河流近域土地利用构成与水环境质量间定量关系，从而得出巢湖流域近河道地区土地利用构成对各水质指数有重要影响,林地对水质具有显著正效应，建设用地对水质具有负效应,且因地形因素不同而有差异的结论。孙金华[6]在云南省滇池开展了子流域的综合分析和分类分析的研究，结果表明了林地与CoDMn、TP、TN、NH3-N等水质指标呈负相关，居民点及工矿用地与水质指标呈正相关。王娟[7]分析了艾比湖区域水质空间分布特征及其与土地利用/覆被类型的关系，研究显示水质指标空间分布在外界干扰较大的区域差异较大，在环境影响较小的区域表现出集聚效应。根据国内目前的研究进展，已出现了较多以某地区流域为研究对象的成果，关于此方向的深入虽然在研究方法和手段上有所差异，但结论都表明了不同土地利用类型与水质之间有一定关系[8]。

文章以pH、电导率、矿化度、盐度为监测指标对安徽省滁州市琅琊山风景区区域水质的分布特征及不同土地利用类型对水质的影响进行探讨，深化对琅琊山地区水质空间格局变化的认识，服务于琅琊山生态环境的保护和合理开发。

1 研究对象与方法

1.1研究对象概况

琅琊山风景区位于118°07′35″-118°18′21″N,32°15′17″-32°21′49″E，是中国重点风景名胜区，具有独特的人文景观和秀美的自然环境，森林覆盖率高，森林资源十分丰富，并成功入选首批“中国森林氧吧”。它属于亚热带季风性气候，年平均气温15.2℃，年降水量约1 050mm,四季分明，雨量充沛。随着5A景区创建的进行，客流量的增加以及人类活动的影响，各种污染也随之而来，水资源承载能力大幅度下降。该研究通过确定研究范围和对采样点水质指标的监测，揭示不同土地利用类型对水质的影响。

1.2数据获取

基于影像质量情况，遥感影像数据选取2016年7月Landsat8遥感影像，DEM为地理空间数据云下载的30m高程数据，见图1。

图1 研究区图

水质数据为2016年7月研究样点的各项指标监测数据，采样和分析方法参照国家标准[9]，采用美国YSI公司生产的EXO02多参数水质监测仪器测得水质参数,以pH、电导率、矿化度、盐度为关键水质指标进行研究。

1.3莫兰指数空间分析

Moran's I作为空间自相关分析的测度，已被应用于土地利用格局[10]、土壤水分[11]等方面的研究，反映了同一要素在不同空间位置的相关性。其计算公式如下：

n为空间数据个数； Xi和 Xj分别为i区、j区的空间事物属性值； x把为所有空间数据的均值； Wij为空间权重矩阵的元素，空间权重矩阵一般为对称矩阵，且Wij= 0

1.4土地利用类型变化与水质关系分析

基于遥感影像，标准土地利用现状分类与本研究区实际情况，选用监督分类方法将土地利用类型分为耕地、水体、林草地、建设用地和其他用地5大类，对分类结果进行评价和验证，保证其精度和可靠度。综合其他学者研究成果，水环境的质量与水文缓冲区存在关系且受土地利用格局的影响[12]，文章利用ArcGIS10.2空间分析功能对采样点分别建立500m半径缓冲区，统计缓冲区内各种土地利用类型的面积。采用SPSS19.0软件进行土地利用和水质参数的相关性分析，建立两者的响应关系。

2 结果与分析

2.1水质空间分布特征

对琅琊山风景区地表水的4个水质因子进行空间分析，见图2。整体看来，主要水质参数指标在研究区南部范围浓度较高，并且较为一致且集中。其中pH浓度和矿化度浓度空间分布较为相似，总体含量较高；电导率在西部流域内浓度较低，同时在东部建设用地附近内有部分点的浓度更是低于西部范围；盐度在研究区内浓度相对较低，只在距林地不远范围有部分浓度较高；另一方面，PH、电导率、矿化度、盐度这4个水因子在空间中的分布基本呈从东向西浓度递减的趋势。

图2 水质空间分布图

在分析琅琊山水质空间分布趋势的前提下，通过莫兰指数结合DEM对水质空间集聚形式分析，来展现地势变化和水质的空间分布特征。

研究区水质指标表现形式主要为LH、LL和HH3种。pH的HH分布集中在琅琊山河流附近，说明河流附近的pH集聚程度高。LL主要分布在耕地周边，同时pH的LL和HH交错分布，说明水质在某种程度上呈现差异。电导率HH集中在耕地附近，LL集中在地势相对较高的地方。矿化度也有着类似的分布，随着地势的增高，分布从HH到LL，反映出在人类活动少的区域水质差异性也较小，见图3。

结合上述分析，4个水质指标在人类活动少的区域差异小，人类活动密集的地区水质指标与相邻样点数据差异大，统计得到各水质的莫兰指数，见表1。

表1 2016年7月水质特征莫兰指数值

由表1可知，2016年7月的电导率、盐度、pH和矿化度表现为负相关。各水质表现出明显的空间自相关，其中盐度最强，其次是电导率、矿化度和pH。

2.2 水质与土地利用/覆被类型关系探讨研究

以ArcGIS 10.2平台的实测数据为基础，建立500m缓冲区，分别统计研究区的土地利用/覆被构成面积。通过回归分析建立各土地利用/覆被类型与水质参数的关系，研究各土地利用类型占比对水质的影响。利用SPSS计算出各土地利用类型面积比例与水质指标相关性，结果见表2。

表2 水质变化与各土地类型在500m 缓冲区下相关性

2.3土地利用类型对水质空间分布的影响分析

为了更明显的得出在500m缓冲区尺度下水质指标与土地利用类型之间的关系，选出与水质指标关联性较强的土地利用类型，由各采样点缓冲区这些土地利用类型的面积占各自缓冲区面积的比例，得到其与单个水质指标的关系散点图，从而得出水质指标与土地利用类型百分比的相关性，见图4。

图4 水质与土地类型关系图

由图4可得，耕地和建设用地对水质参数整体上表现为负相关，林草地对水质参数整体上表现为正相关。通过比较水质参数与各地类之间的 Pearson 相关性，可以得到在 α=0.01 置信度下，随着林草地面积的增长，盐度和电导率呈现负相关，R值分别为0.73和0.73；pH相对于其他水质参数来说受到的影响较小，R为 0.29。建设面积用地面积的变化对矿化度、电导率有较大的影响，R值分别为-0.47和-0.47。水域和各水质的相关性大体上都是-0.34。而各类型用地面积变化对pH值的大小没有呈现出显著的相关性。

综合土地利用类型与各水质指标相关性的分析可以看出，耕地、林草地对水质的影响较为明显，尤其对盐度、矿化度和电导率的影响表现的尤为突出。

2.4 水质指标与各土地利用类型间的回归分析

为了更深入的了解水质因子变化的影响因素，将各水质因子与土地利用/覆被类型面积比例之间的相关关系进行进一步的研究。其中，把4种水质因子设为因变量，各土地利用类型设为自变量，建立水质因子与各土地利用类型的多元线性回归方程。

结果表明，pH、电导率、矿化度、盐度与各土地利用类型之间的相关系数 R 的值分别为 0.534、0.813、0.813、0.814，且通过了α=0.05的显著性水平检验，结果说明水质指标的拟合模型与实际数据之间的拟合程度较高，见表3。

表3 水质估算多元线性回归模型

虽然多元线性分步回归法具有预测模型的特征，但需要建立在同一个时间段调查数据基础上，而为了符合整体回归模型的拟合程度，很多情况下可能避开了对因变量的变化产生深刻影响的自变量因子[13]。因此，为了更好的研究土地利用类型对水质的影响，根据研究区内土地利用类型实际情况，选出对水质因子分布影响更明显的土地利用类型，建立优选多元回归模型。见表4。

表4表明，pH、电导率、矿化度、盐度与各土地利用类型之间的相关系数R的值分别为 0.653、0.856、0.901、0.859，与多元回归模型相比较，R值有所提高。因为当相关系数0.6≤|R|≤1时被视为强相关，并且通过了α=0.05的显著性水平检验，所以说明优选多元回归模型拟合效果更佳。同时，上述研究结果能够在一定程度上是能够预测土地利用类型的变化对水质因子的影响，为琅琊山地区水环境保护和土地合理开发利用提供了一定的依据。

3 结论

文章以琅琊山小流域为研究对象，结合实地考察与采样点水质，通过莫兰指数、缓冲区相关性和回归模型等分析，定量且直观体现不同土地/覆被利用对水质的影响。主要结论有：

(1)各水质参数指标在研究区南部范围集聚程度较高。其中pH浓度和矿化度浓度空间分布较为相似，总体含量较高；电导率在西部流域内浓度较低，同时在东部建设用地附近内有部分点的浓度更是低于西部范围；盐度在研究区内浓度相对较低，只在距林地不远范围有部分浓度较高；pH、电导率、矿化度、盐度在空间中的分布随地势的增高表现为HH-HL-LL的变化。总的来说，水质指标在人类活动密集的地区呈现出较大的差异，反之，则是较高或较低的集聚。

(2)通过水质样点和各土地利用类型的面积比例关系，可知土地类型与水质有较强的相关性。耕地和建设用地对pH、矿化度、电导率和盐度整体上表现为负的影响，林草地对pH、矿化度、电导率和盐度整体上表现为正的影响。

(3)通过建立优选多元回归模，在α=0.05的显著性水平下，pH、电导率、矿化度、盐度与各土地利用类型之间的相关系数R的值分别为 0.653、0.856、0.901、0.859，说明各土地利用类型对水质因子影响较大。

Effects of Different Land Use/Cover Types on Water Quality——Taking Langya Mountain Scenic Area in Chuzhou of Anhui Province as an Example

CHENG Qipeng1,2, ZHANG Rongrong1,2, CHEN Peiyuan1,2, ZHU Wenchao1,2

(1.SchoolofGeographicInformationandTourism,ChuzhouUniversity；2.AnhuiCenterforCollaborativeInnovationinGeographicalInformationIntegrationandApplication,Chuzhou,Anhui293000，China)