李秋艷, 方海燕, 李國(guó)強(qiáng)

(1.中國(guó)科技出版?zhèn)髅焦煞萦邢薰? 北京 100717;2.中國(guó)科學(xué)院 地理科學(xué)與資源研究所 陸地水循環(huán)及地表過(guò)程重點(diǎn)實(shí)驗(yàn)室, 北京 100101;3.中國(guó)科學(xué)院大學(xué) 資源與環(huán)境學(xué)院, 北京 100049; 4.杭州市水文水資源監(jiān)測(cè)總站, 杭州 310016)

近幾十年來(lái)，河流泥沙輸移是學(xué)術(shù)界關(guān)注的重要科學(xué)問(wèn)題之一，河流及水庫(kù)等的水體污染以及泥沙淤積等都與河流泥沙的來(lái)源及在水體中的輸送有著密切的聯(lián)系。因此，通過(guò)對(duì)河流泥沙及附著物的研究，有助于揭示泥沙傳輸信息及流域泥沙的來(lái)源。因此，有必要對(duì)泥沙的來(lái)源和輸移進(jìn)行研究。目前，這方面的研究工作在許多國(guó)家[1-7]都有大量開展。

河流泥沙來(lái)源研究始于20世紀(jì)初，至今已有近100 a的歷史。泥沙來(lái)源研究方法主要有徑流小區(qū)法、水沙資料分析法和遙感調(diào)查法等。徑流小區(qū)法是最為經(jīng)典的泥沙來(lái)源識(shí)別方法之一[8]，但它與遙感調(diào)查法相似，不能模擬或重現(xiàn)大尺度流域或區(qū)域的產(chǎn)沙過(guò)程，實(shí)地調(diào)查法費(fèi)神費(fèi)力，而水沙資料分析法的前提則是要有水文站點(diǎn)的觀測(cè)[9]。目前，20世紀(jì)70年代興起的指紋識(shí)別法成為流域泥沙來(lái)源研究的熱點(diǎn)[10-11]。指紋法最初多采用如泥沙粒徑[12]、有機(jī)質(zhì)[13]、碳同位素[14]及核素示蹤等[15]單一指紋因子研究泥沙來(lái)源。但單一指紋因子揭示泥沙來(lái)源具有局限性，也不能區(qū)分多個(gè)泥沙來(lái)源。相比之下，來(lái)自不同類別的指紋因子組合，除了能夠提高指紋識(shí)別的可信度外，也能夠區(qū)分多種泥沙來(lái)源。目前，采用復(fù)合指紋示蹤技術(shù)研究泥沙來(lái)源已得到廣泛應(yīng)用。如Walling等[16]采用總磷(TP)，N，Sr，Ni，Zn，226Ra，137Cs，F(xiàn)e，A1，210Pbex等作為復(fù)合指紋因子研究了Ouse河及其主要支流懸浮泥沙的來(lái)源，得出了各支流對(duì)干流泥沙的貢獻(xiàn)。Carter等[17]利用K，Cu，As，Mn，Na，TP等作為指紋識(shí)別因子研究了Aire河流經(jīng)城市后懸浮泥沙的來(lái)源及其變化。

浙江省是我國(guó)經(jīng)濟(jì)發(fā)達(dá)地區(qū)，人類活動(dòng)十分強(qiáng)烈。目前，該省已有工作多集中在徑流變化方面[18]，而河流產(chǎn)沙方面的研究很少[19]。此外，該區(qū)經(jīng)濟(jì)發(fā)展迅速，道路建設(shè)和河道挖沙及建橋等嚴(yán)重破壞路面和河道，必將對(duì)流域產(chǎn)沙造成深刻影響。雖然復(fù)合指紋示蹤法獲取泥沙來(lái)源已得到了很好的研究成果，但溝道破壞以及道路建設(shè)等對(duì)流域產(chǎn)沙的影響研究仍然不多，特別是在我國(guó)的研究少見。

因此，本文以錢塘江支流壽昌江流域?yàn)檠芯繉?duì)象，采用復(fù)合指紋示蹤技術(shù)，探討人類活動(dòng)下不同泥沙來(lái)源區(qū)對(duì)流域產(chǎn)沙的貢獻(xiàn)，分析其主要影響因素。該研究對(duì)流域的水土流失治理和生態(tài)環(huán)境建設(shè)，具有重要的現(xiàn)實(shí)與實(shí)踐意義。

1 材料與方法

1.1 研究區(qū)概況

壽昌江(118°55′—119°20′E,29°11′—29°29′N)位于浙江省錢塘江流域的上游(圖1)，流域出口在更樓水文站附近，行政區(qū)劃上位于建德市境內(nèi)。壽昌江更樓水文站控制流域面積為650 km2，屬亞熱帶季風(fēng)氣候，梅雨季節(jié)降雨時(shí)間長(zhǎng)，雨量集中，暴雨頻繁，年降水量1 604 mm，年平均氣溫16.7℃。山地和丘陵占流域面積的80%以上，流域地形高差1 146 m，坡度多在30°～45°。

圖1 研究區(qū)地形及采樣點(diǎn)分布

土壤類型主要有紅壤和水稻土，有少量黃壤、巖性土和潮土分布。強(qiáng)烈的構(gòu)造運(yùn)動(dòng)，使得地形破碎。根據(jù)中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心提供的2015年土地利用數(shù)據(jù)，研究區(qū)林地、旱地、水田、建設(shè)用地的面積比例分別為79.2%，2.8%，15.3%，2.6%。林地主要分布在山地丘陵上，而耕地主要分布山間平原上，多沿河兩側(cè)分布。此外，流域道路建設(shè)飛速發(fā)展，河道挖沙和建橋?qū)拥榔茐膰?yán)重。

1.2 樣品采集與處理

研究組于2017年12月27—29日開展了流域調(diào)查和取樣工作。根據(jù)野外考察，將泥沙來(lái)源分為建設(shè)用地、河道、旱地、水田和林地5類。在泥沙源地上采樣時(shí)，在同一地方不同位置處采集3—5個(gè)表層(0—10 cm)土壤樣品，并混合成一個(gè)土樣。在流域主河道設(shè)置了5個(gè)采樣點(diǎn)(圖1)。在河道內(nèi)取樣時(shí)分為兩種情況，在河道挖沙或建橋造成的泥沙處，取表層土；在河道其他地方采集土樣時(shí)，在河邊多處采集被草叢掛住的新鮮懸移質(zhì)泥沙并混合。因此，在流域內(nèi)共采集了82個(gè)土壤和泥沙樣品，其中河道、建設(shè)用地、旱地、水田和林地上分別有16，12，19，12，23個(gè)樣品。

所有樣品帶回實(shí)驗(yàn)室晾干，并結(jié)合地類采樣位置，混合得到24個(gè)樣品。所有樣品研磨后過(guò)篩，其中，過(guò)2 mm土壤篩的樣品用于土壤粒度測(cè)試；過(guò)0.25 mm土壤篩的樣品用于土壤有機(jī)碳(TOC)和總氮(TN)測(cè)試；過(guò)0.01 mm土壤篩的樣品用于同位素地球化學(xué)元素測(cè)試。采用電感耦合等離子體質(zhì)譜法測(cè)定地球化學(xué)元素Li，Be，P，Sc，Ti，V，Cr，Mn，Co，Ni，Cu，Zn，Ga，Rb，Sr，Y，Zr，Nb，Cd，Sn，Cs，Ba，La，Ce，Pr，Nd，Sm，Eu，Gd，Tb，Dy，W，T1，Pb，Th，U，SiO2，Al2O3，TFe2O3，CaO，MgO。TOC采用濕燃燒法測(cè)定，TN采用元素分析儀(Elementar Vario MAX，Germany)測(cè)定。土壤粒度采用濕沉降法。以上測(cè)試共得到62個(gè)指紋因子。

1.3 復(fù)合指紋示蹤法

凡是具有穩(wěn)定示蹤功能的物質(zhì)均可作為指紋識(shí)別因子，用以示蹤流域的泥沙來(lái)源，多種指紋因子的組合則稱為復(fù)合指紋識(shí)別因子。復(fù)合指紋示蹤泥沙來(lái)源分為3個(gè)步驟[20]：

(1) 指紋因子保守性檢驗(yàn)。選用的指紋因子在各源地中必須有顯著差異，且在土壤侵蝕、泥沙輸移及沉積過(guò)程中應(yīng)保持穩(wěn)定。保守性即是指河道內(nèi)的指紋因子含量不能超過(guò)和不低于泥沙源地相應(yīng)指紋因子的最大和最小含量。

(2) 復(fù)合指紋因子篩選。找到復(fù)合指紋因子，是開展復(fù)合指紋示蹤泥沙來(lái)源的關(guān)鍵。本文采用兩種統(tǒng)計(jì)組合方法獲取。

方法一，非參數(shù)檢驗(yàn)(Kruskal-Wallis H-test；KW-H檢驗(yàn))與多元判別分析統(tǒng)計(jì)組合法。KW-H對(duì)多個(gè)總體控制樣本進(jìn)行秩檢驗(yàn)，它引入了方差分析的思想。若各樣本組秩之總體變差的大部分可以由組間差來(lái)解釋，則表明各樣本組存在顯著差異；反之，則差異不顯著。因而，采用KW-H檢驗(yàn)各因子是否能夠識(shí)別泥沙來(lái)源：

(1)

式中:Rs為源地s秩和;ns為源地s樣本數(shù);N為源地樣本數(shù)量總和。p表示顯著性概率,當(dāng)p<0.05時(shí),組間具有顯著性差異。計(jì)算KW-H統(tǒng)計(jì)量H及其概率p值,并與顯著性水平α比較判斷是否接受原假設(shè)。

在KW-H檢驗(yàn)的基礎(chǔ)上，使用多元判別分析(DFA)法找到復(fù)合指紋因子。DFA分析是判定哪些變量具有組間判別效力并對(duì)多個(gè)變量進(jìn)行選擇，最常用的Wilks′ lambda法能夠描述組間差異性。當(dāng)所有觀測(cè)組均值相等時(shí)，Wilks′ lambda值為1，當(dāng)組內(nèi)變異小于總變異時(shí)，Wilks′ lambda值接近于0。

方法二，主成分分析(PCA)與DFA組合統(tǒng)計(jì)法。該方法首先采用PCA法找到與泥沙來(lái)源相關(guān)的主成分，獲取較少的變量，之后再采用DFA法，最后得到一組復(fù)合指紋因子。

(3) 復(fù)合指紋因子示蹤模型。本文將采用目前應(yīng)用最為普遍的Collins模型[21]計(jì)算不同泥沙源地對(duì)產(chǎn)沙貢獻(xiàn)：

(2)

(3)

式中:Rss為殘差平方和;n為指紋識(shí)別因子數(shù)量;Ci為流域出口泥沙指紋識(shí)別因子i的含量或比例;m為泥沙源地?cái)?shù)量;Csi為泥沙源地s中指紋識(shí)別因子i的平均含量或比例;Ps為泥沙源地s的貢獻(xiàn)。

最后，使用擬合優(yōu)度(Goodness of Fit, GOF)檢驗(yàn)結(jié)果是否可以接受。GOF計(jì)算公式如下：

(4)

式中:n為指紋因子數(shù)量。GOF的值在0～1,GOF值越大,模型模擬的結(jié)果越好。一般來(lái)說(shuō),當(dāng)GOF>80.0%時(shí),可以接受計(jì)算的結(jié)果[22]。

2 結(jié)果與分析

2.1 保守性檢驗(yàn)

指紋因子在土壤侵蝕、泥沙輸移及沉積過(guò)程中保持穩(wěn)定。因此，需要排除非保守性因子。通過(guò)識(shí)別檢驗(yàn)，發(fā)現(xiàn)有23個(gè)因子通過(guò)了守恒性檢驗(yàn)。它們分別是Li，Ti，V，Cr，Ga，Sr，Nb，Cs，Ba，La，Pr，Nd，Sm，Er，Tm，Ta，W，T1，Th，Al2O3，TFe2O3，LOI和TOC。以上通過(guò)守恒性檢驗(yàn)的指紋因子才可進(jìn)行下一步分析。

2.2 KW-H與DFA組合得到的泥沙貢獻(xiàn)

在保守性檢驗(yàn)的基礎(chǔ)上，KW-H檢驗(yàn)發(fā)現(xiàn)有13個(gè)指紋因子在5種潛在源地中組間差異顯著，統(tǒng)計(jì)檢驗(yàn)量H值范圍為14.232～18.953。進(jìn)一步采用DFA法，得到了6個(gè)指紋因子，它們分別是TOC，Ti，Sm，TFe2O3，T1和LOI，這些因子組合對(duì)5種泥沙來(lái)源的判別能力達(dá)到100%，單因子判別能力也都超過(guò)47%。

根據(jù)公式(2)和以上6個(gè)指紋因子，得到了不同泥沙源區(qū)對(duì)河流產(chǎn)沙的貢獻(xiàn)。表1顯示，河道產(chǎn)沙對(duì)流域出口產(chǎn)沙的貢獻(xiàn)最大，達(dá)到了39.1%，其次是水田和建設(shè)用地，泥沙貢獻(xiàn)比例分別為25.7%，22.2%，旱地和林地對(duì)流域出口產(chǎn)沙的貢獻(xiàn)最小，僅為8.0%，4.9%。

表1 河流出口更樓水文站處不同潛在泥沙來(lái)源區(qū)的貢獻(xiàn) %

2.3 PCA與DFA組合法得到的泥沙貢獻(xiàn)

對(duì)通過(guò)守恒檢查的23種元素進(jìn)行PCA分析，發(fā)現(xiàn)有6個(gè)主成分特征值均超過(guò)了1，累積方差達(dá)到了90.51%。最大方差正交旋轉(zhuǎn)法表明，除了指紋因子Ti，Nb和Al2O3外，其余20個(gè)指紋因子的載荷超均過(guò)0.65，表明這20個(gè)指紋因子包含了23個(gè)指紋因子的大部分信息。

進(jìn)一步通過(guò)DFA檢驗(yàn)，得到了4個(gè)復(fù)合指紋因子，它們分別是TOC，T1，La和Sr，此時(shí)γ值最小為0。這4個(gè)指紋因子的綜合判別能力達(dá)到100%，其中TOC單因子的判別能力為68.4%。隨著復(fù)合指紋因子的增加，Wilks′ lambdaγ值分別為0.04，0.001，0.002，0。

結(jié)合復(fù)合指紋因子示蹤模型，得到了不同泥沙來(lái)源區(qū)對(duì)河流產(chǎn)沙的貢獻(xiàn)。發(fā)現(xiàn)來(lái)自河道的泥沙最多，占流域總產(chǎn)沙的比例為34.7%，其次是建設(shè)用地產(chǎn)沙，占總產(chǎn)沙的比例為28.1%，來(lái)自林地和水田的泥沙貢獻(xiàn)分別為24.1%，12.7%，旱地的貢獻(xiàn)最小，僅為0.3%。

3 討 論

3.1 復(fù)合因子判別能力

本研究中，采用兩種統(tǒng)計(jì)的組合法，分別得到了6個(gè)和4個(gè)指紋因子，這兩組復(fù)合因子對(duì)5種潛在泥沙來(lái)源地的判別能力均較強(qiáng)。有研究指出[23]，較多的指紋因子個(gè)數(shù)區(qū)分泥沙來(lái)源可減少模型模擬的不確定性。PCA與DFA統(tǒng)計(jì)法得到的4個(gè)指紋因子在區(qū)分泥沙來(lái)源時(shí)，GOF值也超過(guò)了99%。

此外，使用的指紋因子較少，能減少測(cè)試費(fèi)用，并能夠減少判別時(shí)帶來(lái)的誤差。僅TOC和T1二者的總判別能力就達(dá)到了100%的判別累積，顯然優(yōu)于KW-H和DFA組合法得到的因子判別能力。這一發(fā)現(xiàn)與已有研究一致，即較少的因子組合可提高模型模擬的精確性[24]。因此，在研究區(qū)建議采用PCA與DFA判斷泥沙來(lái)源。

3.2 影響因素分析

研究流域地形陡峭，坡度大于10°和15°的坡面分別占流域總面積的60%和50%以上，流域最大坡度甚至超過(guò)了62°。如此陡峻的地形，在降雨和人類活動(dòng)影響下，極易造成水土流失[25-27]。在研究區(qū)，年降雨量和年產(chǎn)沙量呈現(xiàn)明顯的正相關(guān)關(guān)系，36%的產(chǎn)沙由年雨量決定的(圖2)。在2019年7月13日，據(jù)當(dāng)?shù)貧庀笳緢?bào)道，流域局地降雨可達(dá)200 mm/h。如此之大的降雨，林地的破壞及其他建設(shè)用地的增加，必將對(duì)流域的產(chǎn)沙產(chǎn)生重要影響。

研究表明，修路是引起水土流失加劇的重要原因。在英國(guó)Severn河Leadon流域，流域出口30%的產(chǎn)沙來(lái)自于道路[28]。在比利時(shí)中部Riacho Fundo子流域[25]，居住用地、道路和建設(shè)用地對(duì)流域產(chǎn)沙的貢獻(xiàn)達(dá)到85%，其中道路建設(shè)對(duì)流域產(chǎn)沙的貢獻(xiàn)也達(dá)到12%。在研究區(qū)，隨著經(jīng)濟(jì)社會(huì)的發(fā)展，建設(shè)用地急劇增加，2015年的建設(shè)用地是20世紀(jì)80年代的3倍還多。根據(jù)研究區(qū)的地方志記載，流域僅2003—2006年的康莊工程就建成通村公路364條。在采樣前期野外考察發(fā)現(xiàn)，在修建或改建道路時(shí)，道路表層或周邊土壤破壞嚴(yán)重，大量泥土裸露，使得道路建設(shè)產(chǎn)沙對(duì)流域產(chǎn)沙的貢獻(xiàn)達(dá)到了22%以上(表1)。

注：數(shù)據(jù)來(lái)自《中華人民共和國(guó)水文年鑒》。

河道活動(dòng)是影響流域產(chǎn)沙的重要因素。在研究中，河道產(chǎn)沙貢獻(xiàn)最大，這可能與強(qiáng)烈的河道活動(dòng)有關(guān)。在流域內(nèi)，無(wú)序的河道挖沙十分普遍，破壞河道，產(chǎn)生了大量的可侵蝕泥沙。野外考察期間發(fā)現(xiàn)，在河道建橋時(shí)溝道破壞嚴(yán)重，有大量的松散泥沙堆積在河道內(nèi)(圖3)，在洪水來(lái)臨時(shí)極易被水流沖走。當(dāng)年在河道岸邊收集雜草掛住的泥沙為河道產(chǎn)沙，得到河道產(chǎn)沙貢獻(xiàn)超過(guò)了34%(表1)。類似的結(jié)論在國(guó)外也有報(bào)道。例如，在英國(guó)的一個(gè)湖泊控制流域，隨著流域內(nèi)挖沙、開礦等人類活動(dòng)對(duì)流域地表的擾動(dòng)，湖泊Bassenthwaite的沉積量增加[29]。近年來(lái)，壽昌江河流河水變渾濁，與當(dāng)?shù)睾恿髦型谏?、建橋也不無(wú)關(guān)系。

圖3 研究區(qū)道路建設(shè)和造橋引起的大量易蝕物質(zhì)

此外，強(qiáng)降雨下水田對(duì)流域產(chǎn)沙的貢獻(xiàn)也要時(shí)刻注意。研究區(qū)水田主要分布在山谷中的平坦地帶，盡管坡面坡度很小，水田田埂高度通常較矮。研究區(qū)水稻在耕作、插秧和收割之際，被攪渾的泥水進(jìn)入河道，盡管河流含沙量不高，但可導(dǎo)致河水變得異常渾濁。研究區(qū)的林地面積雖然近流域的80%，但因植被覆蓋度高，其對(duì)流域產(chǎn)沙的貢獻(xiàn)并不是最大(表1)。在英國(guó)的Ext流域，林地產(chǎn)沙貢獻(xiàn)甚至小于6.0%。在研究區(qū)，PCA和DFA組合法得到的林地貢獻(xiàn)近25%，這可能與一些地方的林地破壞有關(guān)。研究區(qū)的旱地面積小，且多分布在平緩的地區(qū)，因此，旱地對(duì)流域產(chǎn)沙的貢獻(xiàn)最小。

3.3 意義與展望

目前，復(fù)合指紋示蹤在國(guó)內(nèi)外都得到了一些應(yīng)用，然而，在我國(guó)東部地區(qū)開展的工作至今未見報(bào)道。本文采用這一方法，在浙江錢塘江流域的支流壽昌江開展工作，對(duì)于這一地區(qū)的水土流失治理具有重要意義。指紋示蹤的模型有很多[30]，不同的模型對(duì)計(jì)算結(jié)果多少會(huì)有偏差，但總體趨勢(shì)不會(huì)差別太大。盡管模型估計(jì)得到的流域產(chǎn)沙貢獻(xiàn)在研究流域還無(wú)法得到進(jìn)一步驗(yàn)證，但以上研究結(jié)果與野外考察的發(fā)現(xiàn)相符。然而，本方法也存在一定的局限性，如不能夠精確表明出口產(chǎn)沙具體來(lái)自流域哪個(gè)空間位置，也不能量化氣候變化對(duì)流域出口產(chǎn)沙的影響，而土壤侵蝕模型的應(yīng)用可解決這一問(wèn)題。因此，輔以指紋示蹤法，加強(qiáng)與土壤侵蝕模型的耦合研究[31]，對(duì)于研究區(qū)的土壤侵蝕研究和水土保持優(yōu)化，具有重要的應(yīng)用前景。

4 結(jié) 論

(1) 兩種統(tǒng)計(jì)方法組合所得到的指紋因子結(jié)合均能夠區(qū)分泥沙來(lái)源，但PCA和DFA統(tǒng)計(jì)組合得到的4個(gè)指紋因子更能很好地區(qū)分泥沙來(lái)源。

(2) 在河道出口處來(lái)自河道的泥沙最多，占比達(dá)到34.7%，其次是建設(shè)用地，占比為28.1%，來(lái)自林地和水田的貢獻(xiàn)分別為24.1%，12.7%，旱地貢獻(xiàn)最小，僅為0.3%。

(3) 降水、地形、土地利用和其他人類活動(dòng)是造成以上產(chǎn)沙貢獻(xiàn)差異的原因。研究區(qū)的自然條件，加之河道破壞和道路建設(shè)，使得大量細(xì)小顆粒進(jìn)入水中，致使河水變得渾濁。今后應(yīng)加強(qiáng)河道監(jiān)管，在道路建設(shè)時(shí)應(yīng)加強(qiáng)保護(hù)，避免水土流失。