张永勇, 谭 香, 李发东, 阮宏威, 于静洁, 高 扬, 翟晓燕

咸海中下游流域水质空间分布特征及其与土地覆被的关系*

张永勇1, 谭 香2, 李发东1, 阮宏威1, 于静洁1, 高 扬1, 翟晓燕3

(1. 中国科学院地理科学与资源研究所/中国科学院陆地水循环及地表过程重点实验室 北京 100101; 2. 中国科学院武汉植物园/中国科学院水生植物与流域生态重点实验室 武汉 430074; 3. 中国水利水电科学研究院 北京 100038)

中亚咸海流域的资源和环境问题一直是全球关注的热点。为揭示咸海流域水环境变化及其成因, 本文利用2019年中下游流域21个采样点水质数据, 通过主成分、聚类和秩次等多元统计分析方法相结合, 分析了水体的基础理化属性、氮磷营养元素、其他元素和离子等20种指标的空间分布特征, 辨识了该流域主要水质类型、空间分布及成因, 探索了不同空间尺度土地覆被类型对水质类型的影响。结果表明: 1)电导率、总溶解性固体物质和离子浓度越往河流下游数值越高, 其中在咸海最大; 不同形态磷元素浓度在阿姆河中游较高, 硝态氮浓度在锡尔河较高; 碳元素浓度也在阿姆河, 特别是阿姆河下游三角洲地区较高。2)所有采样点水体根据水质指标相似性聚类可划分为3种综合性水质类型。第1类型为水质指标浓度均偏低的水体, 分布在锡尔河中游和咸海; 第2类型为氮磷营养元素浓度偏高的水体, 分布在阿姆河中下游; 第3类为碳元素和离子浓度均偏高的水体, 分布在咸海。第1和2类型水体的元素浓度主要受荒漠地区岩石风化过程控制, 阴阳离子来源于硅酸盐岩和蒸发岩的风化; 第3类型水体主要受气候干燥导致的蒸发-结晶过程控制, 阴阳离子除来源于硅酸盐岩和蒸发岩的风化外, 还受碳酸盐岩风化影响。3)当各采样点缓冲区半径从0.5 km增加到10 km时, 对第1类型水质浓度变化影响显著的土地覆被类型逐渐从荒地变为水域、灌木、草地和农田与植被混合, 其中水域的影响最大; 第2类型水质浓度变化与土地覆被类型无显著性关系; 对第3类型水质浓度变化影响显著的土地覆被类型从水域变为水域、农田与植被混合等, 其中水域的影响最大。因此, 咸海流域水质浓度变化与当地干旱缺水和蒸发剧烈等气象条件以及土地覆被类型有密切关系。为改善咸海中下游流域水环境状况, 在增加中下游河道流量和咸海的补给, 减弱下游和咸海蒸发-结晶作用的同时, 还需加大河岸带的植被修复和退耕还林还草, 特别是在阿姆河和锡尔河中下游农业区、咸海等地区。

水质类型; 空间尺度; 土地覆被; 多元统计分析; 咸海流域

咸海流域地处欧亚大陆干旱半干旱地区, 覆盖阿姆河和锡尔河两大水系, 为中亚各国(乌兹别克斯坦、哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦、土库曼斯坦和阿富汗等)农业生产和社会经济发展提供了水资源保障。随着人类对水资源开发利用的加剧, 咸海流域资源和环境问题日益突出, 特别是在中下游地区, 如入咸海水量锐减、湖面萎缩、水质恶化、盐渍化和荒漠化加剧等, 已引发严重的生态危机。咸海流域资源与环境问题已成为全球重点关注的热点问题之一[1-3]。探索水质类型的空间分布特征及其对土地覆被的响应关系可为揭示咸海流域水环境变化和成因提供坚实基础, 对流域水资源持续利用、生态环境保护等也具有重要的现实意义。

水质受流域地质地貌、土地覆被和土壤类型、大气沉降、气象水文、农事活动以及人为排放等多重影响, 呈现明显的时空异质性[4-12]。水质变化特征研究大多关注站点尺度的各种水质指标, 往往基于站点的实测数据, 采用多元统计方法(如因子分析、主成分分析、方差分析、相关性分析)探索水质的时间或空间变化[4-12], 评估所在水体的污染或营养状态[4,7-8,10], 辨识其主要驱动因子[5-9,11]等。但受水质指标空间差异性的影响, 站点尺度的分析并不能全面刻画流域或区域尺度水环境的综合演变特征。目前, 数据挖掘技术(如聚类分析)已逐渐被运用于分析水环境状况的空间变化特征[12-17]。此外, 水质指标与土地覆被之间关系探索多采用统计检测或模型模拟两种途径。统计检测主要采用Spearman或Person相关分析[11]、线性或非线性回归[15-16]、冗余度分析[13]等手段探索水质指标浓度和站点不同缓冲区尺度土地覆被类型面积之间的关系[6,17]。该方法操作简单, 但仍以站点观测为主。模型模拟往往采用不同土地覆被类型的污染物输出系数法、流域水循环及其伴随污染物过程的耦合模型(如HSPF、SWAT、HEQM)等揭示土地覆被对水质指标的作用机制, 并量化其贡献[14,18]。该方法机理性强, 但需要大量的地理信息、水文气象等输入资料和严格的参数率定、验证等, 实施难度大, 并不适用于资料匮乏的地区。因此, 数据挖掘和统计分析等手段相结合将更有助于揭示资料匮乏的咸海流域水质的空间分布特征。

目前, 咸海流域与水相关研究仍重点关注水循环过程[19-20]、水资源演变[1,21]、跨境河流水量分配[3,22]、咸海湖面萎缩[2]等水文水资源方面。受观测资料等限制, 对地表水水质类型空间分布特征及成因的探索尚不多见。本文利用2019年咸海中下游流域21个采样点水质监测数据, 采用主成分、聚类以及秩次等多元统计分析方法相结合, 辨识了咸海中下游流域主要的水质类型及其空间分布特征, 探索了不同空间尺度土地覆被类型对水质空间分布特征的影响, 以期对咸海流域水环境演变特征分析、水环境保护等提供科学依据。

1 材料与方法

1.1 研究区概况

咸海流域(56°~78°E, 33°~52°N)位于欧亚大陆腹地, 青藏高原以西, 总面积约155万km2。流域气候为寒漠气候及温带荒漠气候, 降雨稀少, 气候干燥, 且呈现明显的区域差异。流域多年平均降水量在300 mm以下, 特别是在咸海附近地区年降水量不足100 mm, 而源头山区年降水量约1000 mm[2]。流域土地覆被以荒漠和草原为主, 分别占流域总面积的24.5%和43.1%; 耕地主要分布在中上游沿河地带和下游三角洲地区。

阿姆河和锡尔河是咸海流域最主要的两条水系, 分别发源于帕米尔高原和天山山脉, 集水面积分别为46.5万km2和21.9万km2, 最终注入咸海。咸海曾经是世界第四大湖泊, 中亚第一大咸水湖。由于人口迅速增长和种植业的发展, 流域修建大量灌溉系统和水库, 河流灌溉取用水急剧增加且消耗巨大。因此, 阿姆河和锡尔河的入咸海水量大幅下降, 水面面积已从20世纪60年代的6.8万km2锐减为目前的0.7万km2左右, 大部分已干涸消失[2]。中下游流域的生态和环境质量急剧下降, 引发生态危机, 已受到国际社会的广泛关注。

1.2 数据来源

1.2.1 水样采集与监测

2019年4月和7月分别对阿姆河和锡尔河中下游、咸海进行水样采集, 共21个采样点(图1), 其中阿姆河水系8个采样点(1、6-12)、锡尔河水系7个采样点(13-16、19-21)和咸海6个采样点(2-5、17、18)。水质指标主要包括现场直接测定的指标[pH、电导率(EC, µS∙cm−1)、总溶解性固体物质(TDS, mg∙L−1)、氧化还原电位(ORP, mV)], 营养元素[硝态氮(NO– 3-N, mg∙L−1)、正磷酸盐(PO43–-P, mg∙L−1)、溶解性总磷(DTP, mg∙L−1)、总磷(TP, mg∙L−1)], 其他元素和离子[溶解有机碳(DOC, mg∙L−1)、溶解无机碳(DIC, mg∙L−1)、总溶解碳(DTC, mg∙L−1)、硫酸根离子(SO2– 4, mg∙L−1)、硅酸根离子(SiO2– 3, mg∙L−1、硼离子(B3+, mg∙L−1)、钡离子(Ba2+, mg∙L−1)、钾离子(K+, mg∙L−1)、钙离子(Ca2+, mg∙L−1)、钠离子(Na+, mg∙L−1)、镁离子(Mg2+, mg∙L−1)和锶离子(Sr2+, mg∙L−1)]等共20个。现场直接测定的指标为基础理化指标, 直观反映水体水化学特性; 氮、磷等营养元素浓度体现水体的富营养化程度; 不同形态碳素中有机碳表征水体有机污染的程度, 无机碳是水体生态系统中主要碳源; 阴阳离子体现水体的硬度、碱度和盐度等。以上水质指标能够全面体现水体的生态和环境质量。

水样采集遵循我国《地表水和污水监测技术规范》(HJ/T 91—2002), 每个采样点在0~2 m水层采1次样。上述水质指标中pH、EC、TDS和ORP数值采用便携式水质多参数检测仪(HACH HQ 30d)现场直接测定; 其他指标是将现场采集的约500 mL水样带回国内实验室测定获得。在实验室测定时, 水样先经0.45 μm有机微孔滤膜过滤处理, 不同形态碳素浓度(DIC、DTC和DOC)由总有机碳分析仪Vario TOC(德国Elementar公司)测定; 不同形态氮和磷素浓度(NO– 3-N、PO43–-P、DTP和TP)由流动分析仪(法国Futura型)测定; 其他阴离子浓度(SO2– 4和SiO2– 3)由离子色谱仪(美国Thermo Scientific Aquion IC)测定; 阳离子浓度(B3+、Ba2+、Ca2+、K+、Mg2+、Na+和Sr2+)由电感耦合等离子体发射光谱仪(ICP-OES)(德国Hesse)测定。

1.2.2 土地覆被数据

土地覆被数据采用欧洲空间局气候变化计划研制的300 m分辨率的土地覆被数据集(http://maps. elie.ucl.ac.be/CCI/viewer/download.php)。该数据基于联合国土地覆盖分类系统(LCCS)将土地覆被分为农田、林地、草地等22类。本文采用最新一期数据(2015年), 并对其进行重分类, 划分为农田、草地、农田和植被混合、灌木、城镇、荒地和水域7类[17]。为研究不同空间尺度土地覆被对水质类型空间差异性的影响, 对各采样点设置不同半径的缓冲区(0.5 km、1.0 km、2.0 km、5.0 km和10.0 km), 提取缓冲带区土地覆被类型及其面积占比[23]。

1.3 多元统计分析

水质类型及其空间分布特征探索采用主成分分析和聚类分析相结合。该方法是数据挖掘中的代表性技术, 在多维空间降维、大量无序信息规律提取等方面具有很强的优势, 已在水科学领域得到广泛应用, 如洪水情势分类[24]、变化环境下径流情势演变格局[25-26]、水质评价[15]、水生生物空间分布特征[27]等方面。

由于涉及的水质指标众多且各指标间可能存在相关性, 主成分分析采用正交变换等消除各水质指标之间的相关性, 形成几个独立的特征指标。本文将主成分累积方差阈值设置为所有水质指标总方差的85%, 其对应的主成分因子即为独立的特征指标。采用欧氏距离计算特征指标在各采样点间的相似度, 在此基础上, 采用k-中心点聚类方法以各聚类组间站点相似度最小为原则, 将所有采样点划分为几类水质特征属性相对独立的类型。以上操作均在R Studio 3.4.2版本上实现, 采用stats程序包princomp函数进行主成分分析; cluster程序包clara函数进行k-中心点聚类。此外, 类型数量的确定是聚类分析中的难点问题之一, 本文采用NbClust程序包NbClust函数对不同分类数量的聚类效果进行评估, 提供26个评估指标结果[28], 并将最优评估指标结果最多的类型数量作为水质类型的最终数目。

此外, 采用秩次分析法(冗余分析RDA和典范对应分析CCA)探索水质类型对不同尺度土地覆被类型的响应关系, 并辨识影响水质类型的关键土地覆被类型。RDA是基于线性模型, CCA是基于单峰模型。通常采用除趋势对应分析(DCA)来判断采用模型的类型。如果DCA中第一轴长度大于4.0, 采用CCA; 如果在3.0~4.0, RDA和CCA均可; 如果小于3.0, 则选用RDA[14]。决定性系数(2)代表土地覆被类型和水质类型的相关程度, 在一定显著水平(≤0.10)下,2越大代表该类土地覆被对水质类型的影响越大。秩次分析也在R Studio 3.4.2版本上实现, 采用vegan程序包decorana、cca和rda函数进行模型选择和影响关系分析。

2 结果与分析

2.1 水质指标空间分布

从现场直接测定的指标分布来看, 水样pH为7.21~8.96, 阿姆河河水偏弱碱性, 锡尔河和咸海水体偏中性(图2); EC为138~10 110 µS∙cm−1, TDS为87~8 377 mg∙L−1, 二者的空间分布特征比较相似, 即越往下游数值越高, 特别是咸海数值达最大; ORP为81~211 mV, 中下游数值偏高, 咸海数值偏低。从营养元素浓度分布来看, PO3– 4-P、DTP和TP浓度分别为0~0.054 mg∙L−1、0~0.063 mg∙L−1和0~0.08 mg∙L−1, 其中阿姆河的不同形态磷素浓度偏高, 最大值出现在阿姆河中游地区; NO– 3-N浓度为0~3.64 mg∙L−1, 其中锡尔河浓度高于阿姆河和咸海。

从其他元素和离子指标浓度分布来看, DIC、DTC和DOC浓度分别为7.0~179.7 mg∙L−1、14.5~315.2 mg∙L−1和2.0~135.4 mg∙L−1, 其中阿姆河不同形态碳素浓度均高于锡尔河和咸海, 最大值出现在阿姆河下游三角洲地区; 阴离子中SO2– 4浓度和阳离子中Na+、Mg2+浓度均较高, 而重金属离子Ba2+浓度微小。SO2– 4和SiO2– 3浓度分别为82~7183 mg∙L−1和0.29~13.26 mg∙L−1, 其中咸海的SO2– 4浓度高于阿姆河和锡尔河, 阿姆河和锡尔河的SiO2– 3浓度高于咸海。B3+、K+、Na+、Mg2+和Sr2+浓度分别为0.06~2.76 mg∙L−1、2.8~1681.0 mg∙L−1、11~ 8125 mg∙L−1、19~5092 mg∙L−1和0.4~38.8 mg∙L−1; 其空间分布特征比较相近, 即咸海的浓度均远高于阿姆河和锡尔河。Ba2+浓度为0~0.09 mg∙L−1, 阿姆河和锡尔河的浓度高于咸海的浓度; Ca2+浓度为54.9~418.3 mg∙L−1, 阿姆河和锡尔河下游、咸海的浓度均较高。

EC: 电导率; TDS: 总溶解性固体物质; ORP: 氧化还原电位; PO3– 4-P: 正磷酸盐; DTP: 总溶解性磷; TP: 总磷; NO– 3-N: 硝态氮; DOC: 溶解有机碳; DIC: 溶解无机碳; DTC: 总溶解碳。EC: electrical conductivity; TDS: total dissolved solids; ORP: oxidation-reduction potential; PO3– 4-P: orthophosphate; DTP: dissolved total phosphorus; TP: total phosphorus; NO– 3-N: nitrate nitrogen; DOC: dissolved organic carbon; DIC: dissolved inorganic carbon; DTC: dissolved total carbon.

2.2 水质类型识别

通过主成分分析, 将20个水质指标融合为4个独立的主成分因子, 其累计方差达85.78%(表1)。第1主成分包括的水质指标有不同形态碳素(DIC、DTC和DOC)、NO– 3-N和主要阴阳离子(SO2– 4、SiO2– 3、B3+、Ba2+、K+、Ca2+、Na+、Mg2+和Sr2+), 共解释48.64%的指标变化; 第2主成分为EC、TDS、DTP和TP, 共解释18.52%的指标变化; 第3主成分为PO3– 4-P, 共解释10.27%的指标变化; 第4主成分为pH和ORP, 共解释8.36%的指标变化。以上4个主成分因子涵盖了所有水质指标信息。利用4个主成分因子, 采用k-中心点聚类方法对21个采样点进行水质类别划分。26个聚类评估指标的最优值分别出现在0-6、10、14和15类中, 其中分为3类时最优评估指标最多, 占23.08%(图3)。因此, 本研究确定的最终类型为3类, 第1类型水质主要分布在采样点1、4、9、14、15和18-20, 共8个, 占所有采样点的38.1%; 第2类型水质主要分布在采样点2、3、6和10-13, 共7个, 占33.3%; 第3类型水质主要分布在采样点5、7、8、16、17和21, 共6个, 占28.6% (图4)。

表1 咸海流域主成分对应的水质指标相关系数

加粗字体为该主成分中代表性水质指标。Bold fonts mean the representative water quality variables of individual principal components

2.3 水质类型的主要特征及空间分布

从现场直接测定的指标数值分布来看(图5), 第1类型采样点大部分指标值最小, 分别为7.21~8.35(pH)、137.8~2 933.0 µS∙cm−1(EC)、86.7~ 3800.0 mg∙L−1(TDS)和100~211 mV(ORP); 而第3类型采样点指标值最大, 分别为7.43~8.96 (pH), 2563~10 110 µS∙cm−1(EC)、1 874~8 377 mg∙L−1(TDS)和81~173 mV (ORP)。从营养元素浓度来看, 不同形态磷素(PO43–-P、DTP和TP)和NO– 3-N浓度在第2类型采样点最大, 分别为0~0.05 mg∙L−1、0.02~ 0.06 mg∙L−1、0.14~0.80 mg∙L−1和0.1~1.9 mg∙L−1; 第1和第3类型采样点比较接近。

从其他元素和离子指标浓度来看, 不同形态碳素(DIC, DTC和DOC)浓度在第1类型采样点最小, 分别为7.0~179.7 mg∙L−1、14.5~315.2 mg∙L−1和5.0~ 135.4 mg∙L−1; 在第3类型采样点最大, 分别为18.6~ 85.6 mg∙L−1、29.9~105.5 mg∙L−1和11.3~ 19.8 mg∙L−1。SO2– 4和SiO2– 3浓度在第3类型采样点最大, 分别为1320.0~2980.0 mg∙L−1和6.0~12.2 mg∙L−1, 在第1和2类型采样点比较接近。从阳离子浓度来看, 大部分离子(B3+、K+、Ca2+、Na+、Mg2+和Sr2+)浓度均为第3类型采样点最大, 第1和2类型采样点比较接近, 最大值分别为0.5~1.7 mg∙L−1、12.8~71.6 mg∙L−1、273.5~ 418.3 mg∙L−1、482.1~1253.0 mg∙L−1、165.5~ 442.5 mg∙L−1和6.6~11.7 mg∙L−1; 重金属Ba2+浓度在第1类型采样点最大(0.004~0.086 mg∙L−1), 第3类型采样点最小(0.025~0.052 mg∙L−1)。

总的来看, 第1类型采样点为水质指标浓度均偏低的水体; 第2类型采样点为不同形态营养元素浓度偏高的水体; 第3类型采样点为不同形态碳素和阴阳离子浓度均偏高的水体。从空间分布来看, 第1类型采样点主要分布在锡尔河中游和咸海, 第2类型采样点主要分布在阿姆河中下游农业区, 而第3类型采样点主要分布在咸海。

EC: 电导率; TDS: 总溶解性固体物质; ORP: 氧化还原电位; PO43–-P: 正磷酸盐; DTP: 总溶解性磷; TP: 总磷; NO– 3-N: 硝态氮; DOC: 溶解有机碳; DIC: 溶解无机碳; DTC: 总溶解碳。EC: electrical conductivity; TDS: total dissolved solids; ORP: oxidation-reduction potential; PO43–-P: orthophosphate; DTP: dissolved total phosphorus; TP: total phosphorus; NO– 3-N: nitrate nitrogen; DOC: dissolved organic carbon; DIC: dissolved inorganic carbon; DTC: dissolved total carbon.

2.4 不同水质类型的离子来源

通过比较不同水质类型TDS浓度和Na+/(Na++Ca2+)的关系发现(图6 a), 咸海流域第3类型TDS平均浓度为5 147 mg∙L−1, Na+/(Na++Ca2+)平均比值为0.67, 接近Gibbs图中的蒸发-结晶型, 因此该水质类型的离子浓度主要受蒸发-结晶作用控制[29]; 第2类型TDS平均浓度为2 077 mg∙L−1, Na+/(Na++Ca2+)平均比值为0.50, 更靠近岩石风化型, 因此该水质类型的离子浓度主要受岩石风化作用控制; 第1类型TDS平均浓度为1 584 mg∙L−1, Na+/(Na++Ca2+)平均比值为0.60, 大部分站点的关系介于第2和第3类型之间, 因此离子浓度受蒸发-结晶和岩石风化共同作用[29]。

另外, 流域阴阳离子主要受不同类型岩石风化的影响, 如碳酸盐岩、硅酸盐岩和蒸发岩[29]。对比主要阴阳离子的摩尔浓度, 这3类水质中Ca2++ Mg2+和SO2– 4+SiO2– 3摩尔浓度都比较接近(图6 d), 可以推断它们主要来源于硅酸盐岩和蒸发岩的风化。从Na++K+和Ca2++Mg2+、Na++K+和SO2– 4+SiO2– 3摩尔浓度来看(图6 b、c), 除第2类型比较接近外, 第1和第3类型的Ca2++Mg2+、SO2– 4+SiO2– 3摩尔浓度均低于Na++K+摩尔浓度。因此, Na+和K+除来源于硅酸盐岩和蒸发岩的风化外, 还受碳酸盐岩风化的影响。

2.5 土地覆被对不同水质类型的影响分析

通过对各类型和所有采样点水质指标的DCA排序分析发现, 第一轴长度均小于3.0, 因此本研究选取RDA方法来探索土地覆被类型对各水质类型空间差异的影响。对第1类型水质指标而言(图7), 当缓冲区半径为0.5 km和1.0 km时, 影响显著的土地覆被仅为荒地(2=0.63和0.75); 当缓冲区半径为2.0 km时, 影响显著的土地覆被为荒地(2=0.83)和灌木(2=0.73); 当缓冲区半径为5.0 km时, 影响显著的土地覆被类型明显增加, 分别为水域(2=0.98)、荒地(2=0.74)、灌木(2=0.70)、城镇(2=0.69)和草地(2=0.63); 当缓冲区半径为10 km时, 影响显著的土地覆被类型略有减少, 其中水域最显著(2=0.93), 其次为草地(2=0.65)、灌木(2=0.65)、农田和植被混合(2=0.60)。第2类型水质指标中, 仅除缓冲区半径为5 km时水域(2=0.82)外, 其他半径的缓冲区土地覆被类型与水质指标空间差异都没有显著性关系。对于第3类型水质指标而言, 当缓冲区半径为0.5 km、1.0 km和2.0 km时, 影响显著的土地覆被仅为水域, 其2分别为0.88、1.00和0.93; 当缓冲区半径增加为5.0 km和10.0 km时, 显著性土地覆被类型分别增加为灌木(2=0.94)和水域(2=0.91)、水域(2=0.97)和农田与植被混合(2=0.90)。从采样点尺度水质指标空间变化来看, 在缓冲区半径为0.5 km时, 影响显著的土地覆被为水域(2=0.25); 当缓冲区半径为1.0 km和2.0 km时, 影响显著的土地覆被类型为水域(2=0.24和0.22)和荒地(2=0.20和0.22); 当缓冲区半径为5.0 km和10.0 km时, 影响显著的土地覆被类型最多。当半径为5.0 km时, 城镇最显著(2=0.26), 其次为水域(2=0.25)、荒地(2=0.23)和农田(2=0.22); 当半径为10.0 km时, 水域最显著(2=0.49), 其次为灌木(2=0.23)、城镇(2=0.22)和农田(2=0.20)。因此, 土地覆被是影响第1和第3类型、以及所有采样点水质指标空间差异性的重要因素之一, 其中荒漠、水域、城镇和水域分别是第1类型、第3类型、以及所有采样点最敏感的土地覆被类型。此外, 从不同半径的缓冲区影响来看, 对水质类型空间差异性影响显著的土地覆被类型随缓冲区半径的增加而逐渐增多; 当半径达5.0 km和10.0 km时, 影响显著的土地覆被类型趋于稳定, 特别是对于第1类型和所有采样点。

不同实心柱代表通过显著性检验的土地覆被类型(≤0.10), 空心柱代表不显著的土地覆被类型。Solid bars with different colors mean significant land covers (≤0.10), and the hollow bars with different colors mean insignificant land covers.

3 讨论与结论

3.1 讨论

咸海流域水资源和环境问题是全球关注的焦点之一。但受观测资料等限制, 咸海流域水质演变特征及其影响因素研究仍比较欠缺。本文采用实地样本采集和多元统计分析方法相结合将有利于辨识咸海流域主要的水质类型、空间分布特征及其与气象(降水和蒸发)、下垫面(地质和土地覆被)等的关系。研究结果发现, 咸海流域除ORP外, 其他指标均存在明显的空间差异性。氮磷营养元素浓度较高的采样点主要位于阿姆河中下游地区的农业区, 阴阳离子浓度较高的采样点主要集中在阿姆河和锡尔河尾闾湖泊咸海内。这主要与土地覆被类型、农事活动和极度干旱的气象条件有密切关系[3,23]。

通过比较咸海流域与全球代表性河流的TDS浓度和Na+/(Na++Ca2+)的关系[30], 大部分采样点的TDS浓度(>1 000 mg∙L−1)与Na+/(Na++Ca2+)(>0.50)都远高于其他大部分河流, 如中国北方缺水性河流黄河[TDS: 486 mg∙L−1和Na+/(Na++Ca2+): 0.57]、长江[TDS: 205.9 mg∙L−1和Na+/(Na++Ca2+): 0.19]、印度的恒河[TDS: 193 mg∙L−1和Na+/(Na++Ca2+): 0.29]和非洲的刚果河[TDS: 28 mg∙L−1和Na+/(Na++Ca2+): 0.41]等[28]。因此相比于全球代表性河流, 咸海流域水质浓度受当地干旱缺水、蒸发剧烈等气象条件影响更严重[29-30]。

咸海流域各类水质指标与不同缓冲区尺度下荒地、水域、农田、植被和城镇等土地覆被类型存在显著的统计相关。影响水质的主要物质来源有荒漠地区的岩石风化、生态系统(农田、林地、草地等)营养元素和碳素流失、城镇点源和面源等[5-9,12,29]。荒漠是咸海流域中下游地区最主要的土地覆被类型[23], 占不同缓冲区面积的39.0%~45.0%, 也是影响水质浓度空间差异性最主要的类型。主要是由于荒漠地区的硅酸盐岩和蒸发岩风化是水体中阴阳离子的主要来源, 特别是在下游和咸海, 这与Schettler等[31]的结论吻合。农田面源流失、城镇点源排放和面源是水体氮磷等营养元素、碳素和金属离子等重要来源之一; 灌木和草地对地表径流中的污染物具有拦截和吸收作用, 但残渣腐败分解也增加了地表径流中的有机质[6,12,16]。阿姆河和锡尔河中下游地区灌木、草地和城镇的面积较小, 分别仅占不同缓冲区面积的1.0%~4.0%、6.0%~9.0%和4.0%~12.0%, 因此对水质浓度的影响有限。农田主要沿河分布, 第2类型采样点也主要分布在阿姆河中下游农业区, 以棉花和水稻为主[3], 空间差异性并不明显, 由此导致对水质浓度的空间差异性影响也并不显著, 但在缓冲区尺度上对所有站点的水质浓度也存在一定显著影响(如半径为5.0 km和10.0 km时)。水域蓄水量大小直接影响水质的浓度, 而且水体中水生植物生长吸收和死亡释放等也均明显影响碳、氮、磷等元素浓度[8]。此外, 土地覆被类型的空间分布与尺度也是影响水质类型空间差异性的关键, 存在一定距离阈值[6,17,32]。随着采样点缓冲区面积的增加, 土地覆被类型多样性逐渐增加, 也将识别更多有显著性影响的土地覆被类型, 特别是在第1类水质采样点。但随着污染物距受纳水体的距离增加到一定程度, 如缓冲区半径5.0 km左右时, 土地覆被类型多样性将趋于稳定, 由此也导致土地覆被对水质“源-汇”过程的综合影响也逐渐趋于稳定[6]。

3.2 结论

对威海中下游流域21个采样点20种水质指标监测信息进行挖掘, 识别出3种代表性水质类型及其影响因素。第1类型的水质指标浓度均较小, 占所有采样点的38.1%, 分布在锡尔河中游和咸海; 第2类型为氮磷营养元素浓度偏高的水体, 占所有采样点的33.3%, 分布在阿姆河中下游。上述水质类型的浓度主要受荒漠地区岩石风化过程控制, 阴阳离子来源于硅酸盐岩和蒸发岩的风化。第3类型为碳元素和阴阳离子浓度均偏高的水体, 占所有采样点的28.6%, 主要分布在咸海, 水质浓度主要受蒸发-结晶过程控制, 其中阴阳离子除来源于硅酸盐岩和蒸发岩的风化外, Na+和K+还可能受碳酸盐岩风化等影响。

土地覆被类型对流域不同类型水质浓度也存在显著影响。影响显著的土地覆被类型随着采样点缓冲区面积的增加而逐渐增多。对于第1类型水质而言, 影响显著的土地覆被类型在缓冲区半径为0.5 km时仅为荒地(2=0.63), 当缓冲区半径为10 km时变为水域(2=0.93)、灌木(2=0.65)、草地(2=0.65)和农田与植被混合(2=0.60); 第2类型水质浓度空间差异与土地覆被类型并没有显著性关系; 对于第3类型水质而言, 显著影响的土地覆被类型在缓冲区半径为0.5 km时为水域(2=0.88), 而当缓冲区半径为10 km时变为水域(2=0.97)、农田与植被混合(2=0.90)等。

本文将传统采样点尺度水质指标的分析提升到空间尺度综合特征的分析, 辨识的综合水质类型包含了基本理化属性、营养元素和阴阳离子等多种指标, 更有利于揭示咸海流域水环境的演变特征, 也为水环境成因机理探索等提供基础支撑。为改善咸海中下游流域水环境现状, 建议减小阿姆河和锡尔河的灌溉取用水量, 增加中下游河道流量和咸海的补给, 将有利于减弱下游和咸海蒸发-结晶作用的控制; 另外加大河岸带5~10 km范围内的植被修复和退耕还林还草, 特别是在阿姆河和锡尔河中下游农业区、咸海等地区。

受监测资料的限制, 本文仅采用一次实地采样数据分析了咸海流域水质类型及空间差异, 今后还需加强水质数据的监测和采集, 进一步完善咸海流域水质类型的辨识; 在水质类型和土地覆被作用机制方面的探索也还有待进一步加强。

[1] 邓铭江, 龙爱华. 咸海流域水文水资源演变与咸海生态危机出路分析[J]. 冰川冻土, 2011, 33(6): 1363−1375 DENG M J, LONG A H. Evolution of hydrologic and water resources and ecological crisis in the Aral Sea Basin[J]. Journal of Glaciology and Geocryology, 2011, 33(6): 1363–1375

[2] 阿布都米吉提·阿布力克木, 葛拥晓, 王亚俊, 等. 咸海的过去、现在与未来[J]. 干旱区研究, 2019, 36(1): 7–18 ABLEKIM A, GE Y X, WANG Y J, et al. The past, present and feature of the Aral Sea[J]. Arid Zone Research, 2019, 36(1): 7–18

[3] 杨胜天, 于心怡, 丁建丽, 等. 中亚地区水问题研究综述[J]. 地理学报, 2017, 72(1): 79−93 YANG S T, YU X Y, DING J L, et al. A review of water issues research in Central Asia[J]. Acta Geographica Sinica, 2017, 72(1): 79−93

[4] 李思悦, 谭香, 徐志方, 等. 湖北丹江口水库主要离子化学季节变化及离子来源分析[J]. 环境科学, 2008, 29(12): 3353–3359 LI S Y, TAN X, XU Z F, et al. Seasonal variation in the major ion chemistry and their sources in the Hubei Danjiangkou Reservoir, China[J]. Environmental Science, 2008, 29(12): 3353–3359

[5] 黄金良, 黄亚玲, 李青生, 等. 流域水质时空分布特征及其影响因素初析[J]. 环境科学, 2012, 33(4): 1098–1107 HUANG J L, HUANG Y L, LI Q S, et al. Preliminary analysis of spatiotemporal variation of water quality and its influencing factors in the Jiulong River Watershed[J]. Environmental Science, 2012, 33(4): 1098–1107

[6] 许尔琪. 土地利用对水体营养物影响的研究进展[J]. 中国生态农业学报(中英文), 2019, 27(12): 1880−1891 XU E Q. Research progress in the impact of land use on water nutrients[J]. Chinese Journal of Eco-Agriculture, 2019, 27(12): 1880–1891

[7] 曹艳敏, 毛德华, 吴昊, 等. 湘江干流水环境质量演变特征及其关键因素定量识别[J]. 长江流域资源与环境, 2019, 28(5): 1235–1243 CAO Y M, MAO D H, WU H, et al. The evolution features of water environmental quality and quantitative identification of key factors on Xiangjiang River[J]. Resources and Environment in the Yangtze Basin, 2019, 28(5): 1235–1243

[8] 开金磊, 王君波, 黄磊, 等. 西藏纳木错及其入湖河流溶解有机碳和总氮浓度的季节变化[J]. 湖泊科学, 2019, 31(4): 1099–1108 KAI J L, WANG J B, HUANG L, et al. Seasonal variations of dissolved organic carbon and total nitrogen concentrations in Nam Co and inflowing rivers, Tibet Plateau[J]. Journal of Lake Sciences, 2019, 31(4): 1099–1108

[9] 孙金华, 曹晓峰, 黄艺. 滇池水质时空特征及与流域人类活动的关系[J]. 湖泊科学, 2012, 24(3): 347–354 SUN J H, CAO X F, HUANG Y. Relationships between spatial-temporal trends of water quality and the human activities in Lake Dianchi[J]. Journal of Lake Sciences, 2012, 24(3): 347−354

[10] 罗献宝, 文军, 骆东奇, 等. 千岛湖水质变化特征与趋势分析[J]. 中国生态农业学报, 2006, 14(4): 208−212 LUO X B, WEN J, LUO D Q, et al. Changing characteristic and trend analysis of water quality of Qiandao Lake[J]. Chinese Journal of Eco-Agriculture, 2006, 14(4): 208−212

[11] 罗巧, 李勇, 吴金水. 亚热带典型农业小流域井水水质季节变化与空间分布特征[J]. 中国生态农业学报, 2016, 24(6): 829−836 LUO Q, LI Y, WU J S. Seasonal dynamics and spatial distribution of well water quality in a small typical agricultural catchment in subtropical China[J]. Chinese Journal of Eco-Agriculture, 2016, 24(6): 829−836

[12] 杨琴, 汤秋鸿, 张永勇. 淮河流域(河南段)水质时空变化特征及其与土地利用类型的关系[J]. 环境科学研究, 2019, 32(9): 1519−1530 YANG Q, TANG Q H, ZHANG Y Y. Spatiotemporal changes of water quality in Huai River Basin (Henan Section) and its correlation with land use patterns[J]. Research of Environmental Sciences, 2019, 32(9): 1519−1530

[13] 周丰, 郭怀成, 黄凯, 等. 基于多元统计方法的河流水质空间分析[J]. 水科学进展, 2007, 18(4): 544−551 ZHOU F, GUO H C, HUANG K, et al. Multivariate statistical technique for spatial variation in river water quality[J]. Advances in Water Science, 2007, 18(4): 544−551

[14] ZHANG Y Y, ZHOU Y J, SHAO Q X, et al. Diffuse nutrient losses and the impact factors determining their regional differences in four catchments from North to South China[J]. Journal of Hydrology, 2016, 543: 577−594

[15] 彭福利, 张永勇, 李茜, 等. 官厅水库入库断面水质多指标评价与演变特征分析[J]. 中国环境监测, 2020, 36(1): 65−74 PENG F L, ZHANG Y Y, LI Q, et al. Multi-index evaluation and evolution characteristic analysis of water quality at inlet section of Guanting Reservoir[J]. Environmental Monitoring in China, 2020, 36(1): 65−74

[16] 张洪, 陈震, 张帅, 等. 云南省高原湖泊流域土地利用与水环境变化异质性研究[J]. 水土保持通报, 2012, 32(2): 255−260 ZHANG H, CHEN Z, ZHANG S, et al. Heterogeneity of land use and water environment in plateau lake basins of Yunnan Province[J]. Bulletin of Soil and Water Conservation, 2012, 32(2): 255−260

[17] ZHAI X Y, XIA J, ZHANG Y Y. Water quality variation in the highly disturbed Huai River Basin, China from 1994 to 2005 by multi-statistical analyses[J]. Science of the Total Environment, 2014, 496: 594−606

[18] ZHANG Y Y, SHAO Q X, YE A Z, et al. Integrated water system simulation by considering hydrological and biogeochemical processes: Model development, with parameter sensitivity and autocalibration[J]. Hydrology and Earth System Sciences, 2016, 20(1): 529–553

[19] UNGER-SHAYESTEH K, VOROGUSHYN S, FARINOTTI D, et al. What do we know about past changes in the water cycle of Central Asian headwaters? A review[J]. Global and Planetary Change, 2013, 110: 4−25

[20] CHEN Y N, LI Z, FANG G H, et al. Large hydrological processes changes in the transboundary rivers of Central Asia[J]. Journal of Geophysical Research: Atmospheres, 2018, 123(10): 5059−5069

[21] 邓铭江, 龙爱华, 章毅, 等. 中亚五国水资源及其开发利用评价[J]. 地球科学进展, 2010, 25(12): 1347−1356 DENG M J, LONG A H, ZHANG Y, et al. Assessment of water resources development and utilization in the five Central Asia countries[J]. Advances in Earth Science, 2010, 25(12): 1347−1356

[22] 姚海娇, 周宏飞. 中亚五国咸海流域水资源策略的博弈分析[J]. 干旱区地理, 2013, 36(4): 764−771 YAO H J, ZHOU H F. Game analysis of water resources strategy among the Central Asia Countries around the Aral Sea Basin[J]. Arid Land Geography, 2013, 36(4): 764−771

[23] 阮宏威, 于静洁. 1992—2015年中亚五国土地覆盖与蒸散发变化[J]. 地理学报, 2019, 74(7): 1292−1304 RUAN H W, YU J J. Changes in land cover and evapotranspiration in the five Central Asian countries from 1992 to 2015[J]. Acta Geographica Sinica, 2019, 74(7): 1292−1304

[24] 张永勇, 陈秋潭. 淮河中上游流域洪水主要类型及其时空分布特征[J]. 地理科学进展, 2020, 39(4): 627−635 ZHANG Y Y, CHEN Q T. Characteristics of main flood event types and their temporal-spatial variations in the upper and middle reaches of the Huai River Basin[J]. Progress in Geography, 2020, 39(4): 627−635

[25] ZHANG Y Y, ZHAI X Y, SHAO Q X, et al. Assessing temporal and spatial alterations of flow regimes in the regulated Huai River Basin, China[J]. Journal of Hydrology, 2015, 529: 384−397

[26] ZHANG Y Y, FU G B, SUN B Y, et al. Simulation and classification of the impacts of projected climate change on flow regimes in the arid Hexi Corridor of Northwest China[J]. Journal of Geophysical Research: Atmospheres, 2015, 120(15): 7429−7453

[27] ZHOU Y J, ZHANG Y Y, LIANG T, et al. Shifting of phytoplankton assemblages in a regulated Chinese river basin after streamflow and water quality changes[J]. Science of the Total Environment, 2019, 654: 948−959

[28] CHARRAD M, GHAZZALI N, BOITEAU V, et al. NbClust: An R package for determining the relevant number of clusters in a data set[J]. Journal of Statistical Software, 2014, 61(6): 1−36

[29] GIBBS R J. Mechanisms controlling world water chemistry[J]. Science, 1970, 170(3962): 1088–1090

[30] ZHANG L, SONG X F, XIA J, et al. Major element chemistry of the Huai River basin, China[J]. Applied Geochemistry, 2011, 26(3): 293–300

[31] SCHETTLER G, OBERHÄNSLI H, STULINA G, et al. Hydrochemical water evolution in the Aral Sea Basin. Part Ⅱ: Confined groundwater of the Amu Darya Delta — Evolution from the headwaters to the delta and SiO2geothermometry[J]. Journal of Hydrology, 2013, 495: 285–303

[32] ZHANG C F, LI S, QI J Y, et al. Assessing impacts of riparian buffer zones on sediment and nutrient loadings into streams at watershed scale using an integrated REMM-SWAT model[J]. Hydrological Processes, 2017, 31(4): 916–924

Spatial variation in major water quality types and its relationships with land cover in the middle and lower reaches of Aral Sea Basin*

ZHANG Yongyong1, TAN Xiang2, LI Fadong1, RUAN Hongwei1, YU Jingjie1, GAO Yang1, ZHAI Xiaoyan3

(1. Institute of Geographic Sciences and Natural Resources Research / Key Laboratory of Water Cycle and Related Land Surface Processes, Chinese Academy of Sciences, Beijing 100101, China; 2. Key Laboratory of Aquatic Botany and Watershed Ecology, Chinese Academy of Sciences / Wuhan Botanical Garden, Chinese Academy of Sciences, Wuhan 430074, China; 3. Institute of Water Resources and Hydropower Research, Beijing 100038, China)

Water resources and environmental issues in the Aral Sea Basin of Central Asia are global concerns. In this study, the water quality variables (i.e., basic physical and chemical attributes, different forms of nutrients, other elements, cations, and anions) from 21 sampling sites in the middle and lower reaches of Aral Sea Basin were measured in 2019 to explore water environmental variations and their causes. Spatial variation in 20 water quality variables was investigated, and the representative water quality types, spatial differences, and their causes were identified via multivariate analysis methods (i.e., principal component analysis and cluster analysis). Furthermore, the effects of land cover on the spatial variation in water quality types were explored. The results showed that: 1) the values of electronic conductivity (EC) and total dissolved solids (TDS) increased from the middle to the lower reaches, and the highest values were in the Aral Sea. This indicates that the concentrations of anions and cations increased from the middle to the lower reaches. For the nutrient variables, high phosphorous concentrations were in the middle reaches of Amu Darya, and high nitrate-nitrogen concentrations were in the Syr Darya. For the different forms of carbon, the highest concentrations were in the Amu Darya, particularly in the delta area of lower reaches. 2) The water quality at all sampling sites can be divided into three water quality types according to the similarity classification of water quality variables. The first type had low concentrations for most water quality variables, which were distributed in the middle reaches of Syr Darya and the Aral Sea. The second type had high concentrations of different forms of nitrogen and phosphorus, which were distributed in the middle and lower reaches of Amu Darya. The third type had high concentrations of carbon, anions, and cations, which were distributed in the Aral Sea. The water quality concentrations of the first and second types were mainly due to rock weathering processes on bare land, and the anions and cations were mainly derived from the weathering of silicates and evaporites. The concentrations of the third type were mainly due to the evaporation and crystallization processes of a dry climate, and the anions and cations were mainly derived from the weathering of silicates and evaporites, which may also be affected by carbonate weathering. 3) With an increase in the buffer zone radius for each sampling point (0.5 km to 10 km), the significant land cover changed from bare land to water, shrubland, grassland, mixed farmland, and vegetation for the first water quality type; the most significant land cover was water. There were no significant relationships between the second water quality type and land cover. For the third water quality type, the significant land cover changed from water to water, mixed farmland, and vegetation —the most significant land cover was water. Therefore, spatial variation in the water quality variables was mainly affected by the local climate conditions (i.e., climatic drought and intensive evapotranspiration) and the mainland cover types (i.e., bare land, water, farmland, grassland, and urban). To improve the water environmental conditions in the middle and lower reaches of Aral Sea Basin, stream flow should be increased to recharge the Aral Sea and weaken the evaporation and crystallization processes in the lower reaches of Aral Sea. Vegetation restoration and a return of farmland to forest and grassland should also be strengthened in the riparian zone, particularly in the middle and lower reaches of Amu Darya and Syr Darya and the Aral Sea.

Water quality types; Spatial scale; Land cover; Multivariate analysis; Aral Sea Bain

10.13930/j.cnki.cjea.200429

张永勇, 谭香, 李发东, 阮宏威, 于静洁, 高扬, 翟晓燕. 咸海中下游流域水质空间分布特征及其与土地覆被的关系[J]. 中国生态农业学报(中英文), 2021, 29(2): 299-311

ZHANG Y Y, TAN X, LI F D, RUAN H W, YU J J, GAO Y, ZHAI X Y. Spatial variation in major water quality types and its relationships with land cover in the middle and lower reaches of Aral Sea Basin[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 299-311

P95

* 中国科学院战略性先导科技专项(XDA2004030201)和国家自然科学基金项目(41807171)资助

张永勇, 研究方向为流域水循环与环境水文学。E-mail: zhangyy003@igsnrr.ac.cn

2020-06-06

2020-09-22

* This study was supported by the Strategic Priority Research Program of Chinese Academy of Sciences (XDA20040301), and the National Natural Science Foundation of China (41807171).

, ZHANG Yongyong, E-mail: zhangyy003@igsnrr.ac.cn

Jun. 6, 2020;

Sep. 22, 2020