關(guān)鍵詞：總磷；DPeRs模型；長(zhǎng)江經(jīng)濟(jì)帶；降水；植被覆蓋度

中圖分類(lèi)號(hào)：X52 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1672-2043（2024）12-2752-13 doi：10.11654/jaes.2024-0935

農(nóng)業(yè)面源污染受土地利用方式、農(nóng)田管理、地形地貌、氣候水文等多種自然和社會(huì)經(jīng)濟(jì)因素的影響[1-2]，具有時(shí)空變異性。其監(jiān)測(cè)方法主要分為定點(diǎn)觀測(cè)和模型估算兩類(lèi)[3]。定點(diǎn)觀測(cè)通過(guò)徑流、水質(zhì)監(jiān)測(cè)和同位素追蹤等野外實(shí)驗(yàn)方法核算污染強(qiáng)度，耗費(fèi)大量人力物力，僅適用于河道和流域尺度，難以開(kāi)展大區(qū)域監(jiān)測(cè)。模型估算包括經(jīng)驗(yàn)?zāi)Ｐ?、機(jī)理模型和遙感監(jiān)測(cè)模型等，其中經(jīng)驗(yàn)?zāi)Ｐ停ㄈ巛斎胼敵瞿Ｐ秃臀廴局笖?shù)模型）是基于統(tǒng)計(jì)關(guān)系進(jìn)行污染物估算，簡(jiǎn)單易用，但魯棒性較差。隨著對(duì)面源污染機(jī)理研究的深入發(fā)展，基于過(guò)程的機(jī)理模型（如HSPF、AnnAGNPS和SWAT模型等）得到廣泛應(yīng)用[4-7]，但其對(duì)監(jiān)測(cè)數(shù)據(jù)依賴(lài)性較高且模擬過(guò)程復(fù)雜。目前，遙感監(jiān)測(cè)模型主要指遙感分布式面源污染評(píng)估（Diffuse pollution esti?mation with remote sensing，DPeRS）模型，該模型在全國(guó)農(nóng)業(yè)面源污染監(jiān)測(cè)評(píng)估工作中已經(jīng)得到應(yīng)用，主要優(yōu)勢(shì)在于在提高數(shù)據(jù)空間分辨率的同時(shí)[8-9]，可實(shí)現(xiàn)農(nóng)業(yè)面源污染強(qiáng)度監(jiān)測(cè)從“點(diǎn)”到“面”的轉(zhuǎn)變，為制定區(qū)域性污染控制政策提供了更加精準(zhǔn)的依據(jù)。

進(jìn)入“十四五”以來(lái)，長(zhǎng)江經(jīng)濟(jì)帶水環(huán)境質(zhì)量持續(xù)改善[10-11]?！?022年中國(guó)生態(tài)環(huán)境狀況公報(bào)》顯示，長(zhǎng)江經(jīng)濟(jì)帶2022年地表水優(yōu)良水質(zhì)斷面的比例達(dá)到了98.1%，比2016年提高了15.8個(gè)百分點(diǎn)。2022年，長(zhǎng)江經(jīng)濟(jì)帶的糧食總產(chǎn)量達(dá)到了2.42億t[12]，占全國(guó)總產(chǎn)量的1/3，但該區(qū)域復(fù)種指數(shù)較高，化肥和農(nóng)藥的施用量居高不下。隨著工業(yè)和城鎮(zhèn)點(diǎn)源污染問(wèn)題逐步得到控制，農(nóng)業(yè)面源污染逐漸從次要環(huán)境問(wèn)題上升為主要環(huán)境問(wèn)題。第二次污染源普查數(shù)據(jù)顯示，長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)面源總磷排放量占其總磷總排放量的66.6%，農(nóng)業(yè)面源污染已成為該區(qū)域水生態(tài)環(huán)境保護(hù)的重點(diǎn)[13]。

流域面源磷在降水驅(qū)動(dòng)下隨地表徑流和土壤侵蝕等途徑進(jìn)入臨近水體中[14]，全球每年從農(nóng)田流失的面源磷達(dá)到了1.28×107 t，農(nóng)田的磷輸出與降水關(guān)系密切[15-17]。楊林沛等[15]在自然降雨條件下，對(duì)上海市崇明島旱地徑流水文水質(zhì)進(jìn)行長(zhǎng)期自動(dòng)監(jiān)測(cè)，結(jié)果表明旱地農(nóng)田徑流量主要受降雨量的影響，總磷的輸出以沖刷作用為主。歐陽(yáng)威等[16]基于SWAT 模型明確了東北低溫農(nóng)區(qū)磷流失特征，研究發(fā)現(xiàn)面源磷輸出與降水量顯著正相關(guān)，豐水年的輸出量是枯水年的2.5倍。張繼宗等[17]對(duì)太湖平原典型農(nóng)田、溝渠和近農(nóng)田河道地表水特征進(jìn)行監(jiān)測(cè)，降水后監(jiān)測(cè)的結(jié)果表明，汛期農(nóng)田磷流失頻度和強(qiáng)度均大于非汛期，磷含量高出0.26 mg·L^-1。

目前，大量學(xué)者針對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源污染開(kāi)展了排放時(shí)空特征[18-20]、人類(lèi)活動(dòng)影響[18，21]、農(nóng)業(yè)集約化影響[22]及污染控制技術(shù)[23]等研究，并基于農(nóng)業(yè)面源空間分布異質(zhì)性，研究了化肥、農(nóng)田固體廢棄物、土地利用類(lèi)型、土壤類(lèi)型[24-25]等人類(lèi)活動(dòng)因素對(duì)農(nóng)業(yè)面源污染的影響等。然而，關(guān)于降水和植被覆蓋度等關(guān)鍵自然因素對(duì)農(nóng)業(yè)面源污染影響的定量分析研究相對(duì)較少。本文利用DPeRS模型，結(jié)合地面監(jiān)測(cè)、衛(wèi)星遙感和指標(biāo)調(diào)查等多源數(shù)據(jù)，對(duì)2016—2022年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源總磷污染情況開(kāi)展像元尺度的精細(xì)化空間評(píng)估[26]，定量分析總磷排放的時(shí)空變化特征，重點(diǎn)分析了影響總磷排放的兩個(gè)自然因子（降水量和植被覆蓋度），并探討它們與總磷排放強(qiáng)度的時(shí)空變化關(guān)系及驅(qū)動(dòng)機(jī)制，旨在為長(zhǎng)江經(jīng)濟(jì)帶的農(nóng)業(yè)面源總磷污染監(jiān)測(cè)與防控提供科學(xué)參考。

1 材料與方法

1.1 研究區(qū)概況

長(zhǎng)江經(jīng)濟(jì)帶橫跨我國(guó)東、中、西三大區(qū)域，覆蓋了長(zhǎng)江上游的重慶、四川、貴州、云南，長(zhǎng)江中游的江西、湖北、湖南，以及長(zhǎng)江下游的上海、江蘇、浙江和安徽，共計(jì)11個(gè)省市[27]。該區(qū)域總面積約為205.23萬(wàn)km2，占國(guó)土面積的21%。長(zhǎng)江經(jīng)濟(jì)帶屬于亞熱帶季風(fēng)氣候，夏季高溫多雨，冬季溫暖少雨，降雨主要集中在5—10 月[28]，年均降水量為1 067 mm，時(shí)空分布不均勻，全年日照時(shí)長(zhǎng)為1 800～2 300 h[29]。在土地利用方面，研究區(qū)主要包括林地、耕地和草地，分別占總面積的47.5%、39.3%和9.9%。其中，耕地以旱地為主，旱地面積是水田面積的4.5倍。長(zhǎng)江經(jīng)濟(jì)帶2022年的土地利用類(lèi)型如圖1所示。

1.2 基礎(chǔ)數(shù)據(jù)及處理

本文采用DPeRS 模型估算長(zhǎng)江經(jīng)濟(jì)帶2016—2022年間的農(nóng)業(yè)面源總磷污染排放強(qiáng)度及排放量，模型輸入數(shù)據(jù)主要分為兩類(lèi)：遙感數(shù)據(jù)和地面數(shù)據(jù)。遙感數(shù)據(jù)包括土地利用分類(lèi)產(chǎn)品和月植被覆蓋度產(chǎn)品，地面數(shù)據(jù)包括月降水量數(shù)據(jù)、土壤數(shù)據(jù)、坡度坡長(zhǎng)數(shù)據(jù)和分縣指標(biāo)調(diào)查數(shù)據(jù)等，所有數(shù)據(jù)均統(tǒng)一轉(zhuǎn)換為空間分辨率為1 km的柵格數(shù)據(jù)，具體數(shù)據(jù)來(lái)源及處理方法如下：

（1）土地利用分類(lèi)產(chǎn)品。利用Landsat和高分等衛(wèi)星影像，采用最大似然法對(duì)遙感影像進(jìn)行土地利用分類(lèi)，類(lèi)型主要包括耕地（水田和旱地）、林地、草地、水域、城鄉(xiāng)、工礦、居民用地及未利用土地。

（2）月植被覆蓋度產(chǎn)品?；贛ODIS 的標(biāo)準(zhǔn)化NDVI產(chǎn)品MOD13A2，采用最大最小值定量反演算法計(jì)算植被覆蓋度。MOD13A2 數(shù)據(jù)的來(lái)源為https：//adsweb.nascom.nasa.gov/search。

（3）月降水量數(shù)據(jù)。基于長(zhǎng)江經(jīng)濟(jì)帶國(guó)家級(jí)氣象站的降水量數(shù)據(jù)，結(jié)合數(shù)字高程模型（DEM）作為協(xié)變量，采用薄板樣條滑動(dòng)平均法對(duì)站點(diǎn)降水量數(shù)據(jù)進(jìn)行空間插值，以獲得覆蓋全長(zhǎng)江經(jīng)濟(jì)帶的12個(gè)月的月降水量數(shù)據(jù)。降水量站點(diǎn)數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn）。

（4）土壤數(shù)據(jù)。來(lái)源于國(guó)家基礎(chǔ)信息數(shù)據(jù)1∶100萬(wàn)土壤類(lèi)型和空間分布資料。

（5）坡度坡長(zhǎng)數(shù)據(jù)。采用ASTER 30 m DEM 數(shù)據(jù)，利用ArcGIS軟件ls_cal.aml模塊計(jì)算研究區(qū)的坡度和坡長(zhǎng)數(shù)據(jù)。

（6）分縣指標(biāo)調(diào)查數(shù)據(jù)。來(lái)源于中國(guó)農(nóng)村統(tǒng)計(jì)年鑒、中國(guó)縣域統(tǒng)計(jì)年鑒和地方統(tǒng)計(jì)年鑒等，統(tǒng)計(jì)內(nèi)容包括長(zhǎng)江經(jīng)濟(jì)帶分縣鄉(xiāng)村人口、耕地面積、水田（或旱地）面積、各類(lèi)農(nóng)作物播種面積及產(chǎn)量、各類(lèi)畜禽養(yǎng)殖量等。

1.3研究方法

1.3.1 DPeRS模型

DPeRS模型是一種以遙感影像像元為基本模擬單元的面源污染強(qiáng)度估算工具。該模型不僅考慮了降水、植被覆蓋度、地形地貌等自然因素，還綜合了施肥利用效率、人口、牲畜和家禽等社會(huì)經(jīng)濟(jì)因素。DPeRS模型算法[30-31]基于二元結(jié)構(gòu)原理，利用遙感數(shù)據(jù)驅(qū)動(dòng)，耦合了定量遙感模型與生態(tài)水文過(guò)程模型，從而對(duì)多尺度面源污染強(qiáng)度的時(shí)空動(dòng)態(tài)進(jìn)行定量分析，污染類(lèi)型覆蓋了農(nóng)田徑流、畜禽養(yǎng)殖和農(nóng)村生活排放。模型技術(shù)路線(xiàn)如圖2所示。

DPeRS模型農(nóng)業(yè)面源總磷排放強(qiáng)度核心模塊包括溶解態(tài)磷農(nóng)業(yè)面源污染負(fù)荷估算模型和顆粒態(tài)磷農(nóng)業(yè)面源污染負(fù)荷估算模型。溶解態(tài)磷農(nóng)業(yè)面源污染負(fù)荷估算模型包括農(nóng)田徑流、農(nóng)村生活和畜禽養(yǎng)殖三種類(lèi)型，計(jì)算公式[30]如下：

1.3.4主導(dǎo)因子分區(qū)準(zhǔn)則

結(jié)合農(nóng)業(yè)面源污染排放強(qiáng)度與降水、植被覆蓋度等自然因素的偏相關(guān)系數(shù)和復(fù)相關(guān)系數(shù)的顯著性檢驗(yàn)結(jié)果，確定長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源污染排放強(qiáng)度主導(dǎo)自然因子的分區(qū)準(zhǔn)則（表1）[37]。

2 結(jié)果與分析

2.1 總磷污染排放量時(shí)空變化特征分析

基于DPeRS模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶2016—2022年農(nóng)業(yè)面源總磷污染排放量進(jìn)行年尺度估算，結(jié)果表明，總磷排放量呈波動(dòng)下降趨勢(shì)，從2016年的1.21×10⁵ t下降到2017年的6.49×10⁴ t，下降比例為46.5%，2017—2022年期間波動(dòng)較小，基本維持在4.5×10⁴ t左右（圖4a）。2015年和2016年農(nóng)業(yè)部（現(xiàn)農(nóng)業(yè)農(nóng)村部）和環(huán)境保護(hù)部（現(xiàn)生態(tài)環(huán)境部）分別發(fā)布了《到2020年化肥使用量零增長(zhǎng)行動(dòng)方案》和《畜禽養(yǎng)殖禁養(yǎng)區(qū)劃定技術(shù)指南》，農(nóng)業(yè)面源污染治理相關(guān)政策通過(guò)控制化肥農(nóng)業(yè)面源污染源、農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整、養(yǎng)殖行業(yè)整治等多方面協(xié)同發(fā)力，2016—2017年農(nóng)業(yè)面源污染排放量顯著下降，農(nóng)業(yè)面源污染治理成效開(kāi)始顯現(xiàn)。進(jìn)一步分析11個(gè)省份農(nóng)業(yè)面源總磷污染排放量情況，結(jié)果表明，各省之間的總磷排放量存在顯著差異，總磷排放量均值排名前3的省份為湖南、湖北和四川，排放量均值分別為1.09×10⁴、1.05×10⁴ t 和9.27×10³（t 圖4b）。

2.2總磷污染排放強(qiáng)度空間變化特征分析

結(jié)合空間分辨率為1 km的土地利用分類(lèi)產(chǎn)品，對(duì)2016—2022年長(zhǎng)江經(jīng)濟(jì)帶各省耕地面積進(jìn)行統(tǒng)計(jì)分析，結(jié)果顯示各省耕地面積的變化率均低于1%。農(nóng)業(yè)面源總磷污染平均排放強(qiáng)度在空間上存在較大的差異性，總磷排放強(qiáng)度高于長(zhǎng)江經(jīng)濟(jì)帶平均排放強(qiáng)度的省份包括湖南、湖北、四川、江西和安徽5 個(gè)省份，主要集中在人口較多、農(nóng)業(yè)集約化水平較高的地區(qū)（圖5a）。

長(zhǎng)江經(jīng)濟(jì)帶2016—2022年逐像元農(nóng)業(yè)面源總磷污染排放強(qiáng)度的趨勢(shì)分析結(jié)果顯示（圖5b），排放強(qiáng)度降低的區(qū)域面積大于排放強(qiáng)度增加的區(qū)域面積，總磷排放強(qiáng)度呈降低趨勢(shì)的像元面積占比約為13.8%，是呈增加趨勢(shì)像元面積占比的4倍，其中，貴州、安徽和江西等省份總磷排放下降比例較高。結(jié)果表明，自“十三五”以來(lái)，長(zhǎng)江經(jīng)濟(jì)帶各省份推動(dòng)有關(guān)農(nóng)業(yè)投入品減量化、生產(chǎn)清潔化以及廢棄物資源化等政策，在一定程度上降低了農(nóng)業(yè)面源總磷的輸入。

2.3 自然因子與總磷污染排放強(qiáng)度相關(guān)性分析

2.3.1 降水

國(guó)家氣象局公布的降水?dāng)?shù)據(jù)表明（圖6），長(zhǎng)江經(jīng)濟(jì)帶2016—2022 年降水量的波動(dòng)范圍為893.99～1 314.41 mm·a^-1，多年平均降水量為1 077.48 mm·a^-1，年均降水量超過(guò)多年平均值的年份有2016年（1 314.41mm·a^-1）、2017年（1 079.25 mm·a^-1）和2020年（1 190.51mm·a^-1）?？偭着欧艔?qiáng)度與降水二者變化趨勢(shì)比較吻合，2016、2017年和2020年降水量較大，總磷排放強(qiáng)度也相應(yīng)較大。

從空間分布來(lái)看，年均降水量呈從西北部向東南部上升的趨勢(shì)，其中浙江、江西、湖南等省份年降水量較為充足（圖7a）。從空間維度分析，總磷排放強(qiáng)度與降水的相關(guān)系數(shù)在-0.99～1.00之間，平均相關(guān)系數(shù)為0.27，整體呈正相關(guān)。研究區(qū)內(nèi)絕大部分省市的總磷污染排放強(qiáng)度與降水為正相關(guān)關(guān)系，呈正相關(guān)的區(qū)域面積為7.13×105 km²，占長(zhǎng)江經(jīng)濟(jì)帶總面積的34.8%（表2），負(fù)相關(guān)區(qū)域主要分布于四川盆地、湖南南部以及云貴兩省交界處（圖7b）。顯著性水平（α=0.05）的t 雙側(cè)檢驗(yàn)表明，研究區(qū)總磷排放強(qiáng)度與降水相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn)的區(qū)域面積為1.59×105km²，其中正相關(guān)區(qū)域面積為1.47×105 km²，面積占比約為正相關(guān)區(qū)域的20.7%，負(fù)相關(guān)區(qū)域面積為1.19×104 km²，面積占比約為負(fù)相關(guān)區(qū)域的4.4%。

2.3.2植被覆蓋度

長(zhǎng)江經(jīng)濟(jì)帶2016—2022年植被覆蓋度的波動(dòng)范圍為59.15%～70.75%，多年植被覆蓋度均值為65.13%，其中2018—2021 年的植被覆蓋度超過(guò)多年平均值（圖8）。由于2022年長(zhǎng)江經(jīng)濟(jì)帶經(jīng)歷了高溫干旱極端天氣，植被生長(zhǎng)受到影響，造成2022 年比2021年植被覆蓋度下降較為明顯。總磷排放強(qiáng)度與植被覆蓋度變化趨勢(shì)基本相反，2016年和2017年植被覆蓋度較低，總磷排放強(qiáng)度也相應(yīng)較大。

從空間分布來(lái)看，年均植被覆蓋度存在空間差異性，長(zhǎng)江以南地區(qū)整體高于長(zhǎng)江以北地區(qū)（圖9a）。從空間維度分析，總磷排放強(qiáng)度與植被覆蓋度的相關(guān)系數(shù)在-1.00～1.00之間，空間平均相關(guān)系數(shù)為-0.32，整體呈負(fù)相關(guān)。統(tǒng)計(jì)分析表明，總磷排放強(qiáng)度與植被覆蓋度呈負(fù)相關(guān)的面積為7.53×10⁵ km²，占長(zhǎng)江經(jīng)濟(jì)帶總面積的36.7%（表2），在有總磷污染排放的區(qū)域，植被覆蓋度與總磷排放強(qiáng)度呈正相關(guān)區(qū)域零散分布在研究區(qū)內(nèi)，沒(méi)有明顯的聚集性（圖9b）。顯著性水平（α=0.05）的t 雙側(cè)檢驗(yàn)表明，總磷排放強(qiáng)度與植被覆蓋度相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn)的區(qū)域面積為1.60×10₅ km²，其中負(fù)相關(guān)區(qū)域面積為1.52×10⁵ km²，面積占比約為負(fù)相關(guān)區(qū)域的20.2%，正相關(guān)區(qū)域面積為8.36×10³ km²，面積占比約為正相關(guān)區(qū)域的3.6%。長(zhǎng)江經(jīng)濟(jì)帶面積廣闊，自然生態(tài)條件復(fù)雜多變，總磷與自然因子未通過(guò)顯著性檢驗(yàn)的區(qū)域受多影響因子綜合作用，對(duì)自然因子繼續(xù)開(kāi)展偏相關(guān)性和復(fù)相關(guān)性分析尤為重要。

2.3.3 多因子相關(guān)性

降水和植被覆蓋度是響應(yīng)研究區(qū)總磷排放強(qiáng)度變化的2個(gè)重要自然因子，通過(guò)偏相關(guān)系數(shù)和復(fù)相關(guān)系數(shù)來(lái)深入分析兩者與總磷排放強(qiáng)度的相關(guān)程度。

長(zhǎng)江經(jīng)濟(jì)帶2016—2022年農(nóng)業(yè)面源污染總磷排放強(qiáng)度與降水自然因子的空間平均偏相關(guān)系數(shù)為0.30，整體呈正相關(guān)性（圖10a），呈正相關(guān)的區(qū)域面積為7.30×10⁵ km²，占研究區(qū)總面積的35.6%。呈負(fù)相關(guān)特征的區(qū)域零散分布于四川盆地和長(zhǎng)江以南的省市，面積為2.56×10⁵ km²，面積占比為12.5%（表3）。顯著性水平（α=0.05）的t雙側(cè)檢驗(yàn)表明，研究區(qū)總磷排放強(qiáng)度與降水偏相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn)的區(qū)域面積為2.10×10⁵ km²，面積占比約為有污染物排放區(qū)域的21.4%，集中分布在長(zhǎng)三角區(qū)域和湖北東部。

長(zhǎng)江經(jīng)濟(jì)帶2016—2022年農(nóng)業(yè)面源污染總磷排放強(qiáng)度與植被覆蓋度自然因子偏相關(guān)系數(shù)空間平均偏相關(guān)系數(shù)為-0.34，整體呈負(fù)相關(guān)性表現(xiàn)（圖10b），呈負(fù)相關(guān)的面積為7.55×10⁵ km²，占比為36.9%（表3）。顯著性水平（α=0.05）的t雙側(cè)檢驗(yàn)表明，研究區(qū)總磷排放強(qiáng)度與植被覆蓋度的偏相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn)的區(qū)域總面積為2.14×10⁵ km²，約占有污染物排放區(qū)域面積的21.7%?？傮w而言，研究區(qū)總磷排放強(qiáng)度與植被覆蓋度因子的偏相關(guān)顯著性高于降水因子。

長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源污染總磷排放強(qiáng)度與降水和植被覆蓋度的復(fù)相關(guān)系數(shù)在0～0.99之間，復(fù)相關(guān)系數(shù)空間均值為0.67，長(zhǎng)三角區(qū)域和湖北東部復(fù)相關(guān)性顯著，復(fù)相關(guān)性較弱的地區(qū)零散分布于各省市，沒(méi)有明顯的區(qū)域性（圖11）。顯著性水平（α=0.05）的F檢驗(yàn)表明，總磷排放強(qiáng)度與降水和植被覆蓋度的復(fù)相關(guān)系數(shù)通過(guò)顯著性檢驗(yàn)的區(qū)域（F gt; F_0.05）總面積為2.04×10⁵ km²，面積占比約為有污染物排放區(qū)域總面積的20.7%。

2.4 自然因子對(duì)總磷污染排放驅(qū)動(dòng)力分析

根據(jù)農(nóng)業(yè)面源污染排放強(qiáng)度主導(dǎo)自然因子分區(qū)準(zhǔn)則，長(zhǎng)江經(jīng)濟(jì)帶受自然因子影響的類(lèi)型主要?jiǎng)澐譃?類(lèi)：降水因子主導(dǎo)、植被覆蓋度因子主導(dǎo)、降水和植被覆蓋度共同主導(dǎo)和其他因子主導(dǎo)。研究區(qū)農(nóng)業(yè)面源總磷污染主導(dǎo)自然因子空間分布如圖12所示，不同區(qū)域的主導(dǎo)自然因子具有較強(qiáng)的空間差異。

降雨因子主導(dǎo)的總磷污染排放地區(qū)主要集中于江蘇南部、安徽中部、湖北東部和江西南部等長(zhǎng)江中下游地區(qū)。這些區(qū)域的總磷排放強(qiáng)度受到降水量的直接影響，面積為1.35×10⁵ km²，約占研究區(qū)總面積的6.6%（表4）。由于這些地區(qū)水系密布，農(nóng)業(yè)生產(chǎn)活動(dòng)密集且農(nóng)業(yè)生產(chǎn)能力相對(duì)較強(qiáng)，降雨強(qiáng)度和頻率直接影響磷的遷移與流失，增加了磷流入水體的風(fēng)險(xiǎn)。植被覆蓋度主導(dǎo)的總磷污染排放地區(qū)主要集中在四川東部，區(qū)域面積為6.14×10⁴ km²，約占研究區(qū)總面積的3.0%。該地區(qū)植被覆蓋率相對(duì)較高，對(duì)土壤的保護(hù)作用顯著，有助于減少磷的流失。降水和植被覆蓋度共同主導(dǎo)的區(qū)域占比最少，面積為7.74×10³ km²，約占研究區(qū)總面積的0.4%。其他因子主導(dǎo)的區(qū)域則離散分布于整個(gè)長(zhǎng)江經(jīng)濟(jì)帶，面積占比最高，約為38.2%，表明人類(lèi)活動(dòng)如農(nóng)業(yè)集約化、化肥使用及土地利用變化等因素對(duì)總磷污染的影響更為顯著。

3 討論

（1）DPeRS模型可行性分析

農(nóng)業(yè)面源污染的評(píng)估方法多樣，不同評(píng)估方法的結(jié)果可能存在差異性。本文基于DPeRS模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源總磷污染排放量進(jìn)行監(jiān)測(cè)評(píng)估，2016—2022年總磷排放量最高值為1.21×10⁵ t，最低值為4.05×104（t 圖4）。本文對(duì)比了學(xué)者們?cè)谙嗨茣r(shí)空區(qū)域內(nèi)其他農(nóng)業(yè)面源污染評(píng)估方法的結(jié)果，如朱洋洋等[18]采用綜合調(diào)查法分析了2000—2020年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源污染的時(shí)空分布，區(qū)域總磷排放量在2000—2015年間呈上升趨勢(shì)，而在2016—2020年出現(xiàn)下降，2020年排放量為2.23×10⁴ t；黃雪梅[19]基于清單分析法的研究揭示了長(zhǎng)江經(jīng)濟(jì)帶三大城市群中52個(gè)城市2008—2017年的農(nóng)業(yè)面源污染排放量，三大城市群總磷排放量總體呈上升趨勢(shì)，尤其是成渝城市群的污染物排放總量和增長(zhǎng)速率最高，2017年總磷排放量為8.94×104t。對(duì)比結(jié)果顯示，本文采用DPeRS模型得到的長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源總磷污染排放空間估算量，與上述學(xué)者得到的農(nóng)業(yè)面源總磷污染排放量存在差異，但總磷排放變化趨勢(shì)和量級(jí)基本一致，說(shuō)明基于遙感的DPeRS模型在計(jì)算流域尺度的總磷排放量上是可行的。

（2）農(nóng)業(yè)面源總磷污染影響因子分析

面源污染主要依靠地表徑流對(duì)污染物進(jìn)行運(yùn)輸和轉(zhuǎn)移，受到降水的大小、強(qiáng)度及時(shí)空分布差異的影響，自然因子在農(nóng)業(yè)面源污染中扮演著重要角色，特別是在長(zhǎng)江經(jīng)濟(jì)帶這樣的生態(tài)敏感區(qū)。依據(jù)自然因子與總磷污染排放強(qiáng)度相關(guān)性分析結(jié)果和主導(dǎo)因子分區(qū)準(zhǔn)則，長(zhǎng)江中下游地區(qū)為降雨因子主導(dǎo)區(qū)域（圖12），重點(diǎn)需從源頭上防范汛期的農(nóng)業(yè)面源污染排放。許多學(xué)者針對(duì)上海[15]、浙江[17]、安徽[38]等地區(qū)的農(nóng)業(yè)面源污染排放規(guī)律開(kāi)展分析，流域內(nèi)不同地區(qū)污染物強(qiáng)度受水資源量的影響較大，與本文主導(dǎo)因子分區(qū)結(jié)果保持一致。四川東部面源污染總磷排放為植被覆蓋度因子主導(dǎo)區(qū)域，依據(jù)降水和植被覆蓋度主導(dǎo)分區(qū)研究結(jié)果，可通過(guò)增強(qiáng)植被覆蓋和合理安排灌溉方式等手段分地區(qū)采取針對(duì)性防控措施和保護(hù)管理計(jì)劃。

長(zhǎng)江經(jīng)濟(jì)帶三成以上的地區(qū)多為其他因素主導(dǎo)，表明人為因素對(duì)總磷排放輸出可能產(chǎn)生更大影響?；适┯昧颗c農(nóng)業(yè)面源總磷污染密切相關(guān)，針對(duì)研究區(qū)2016—2022年各省份單位耕地面積施肥量與總磷排放量進(jìn)行線(xiàn)性擬合，擬合結(jié)果顯示，貴州省、浙江省和江西省3個(gè)省份的總磷排放量與單位面積施肥量的R²優(yōu)于0.65（圖13），其余8個(gè)省份的R2低于0.30。3個(gè)省份總體為其他因素主導(dǎo)省份（圖12），表明該區(qū)域總磷排放受化肥等人為因素的影響高于自然因素。

4 結(jié)論

（1）2016—2022年，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源總磷污染排放量顯著下降，從1.21×10⁵ t下降到4.69×10⁴ t，下降比例為61.3%?？偭着欧艔?qiáng)度呈降低趨勢(shì)的區(qū)域是呈增加趨勢(shì)區(qū)域面積的4倍。

（2）長(zhǎng)江經(jīng)濟(jì)帶總磷排放強(qiáng)度與降水顯著正相關(guān)、與植被覆蓋顯著負(fù)相關(guān)，植被覆蓋度與總磷排放強(qiáng)度的響應(yīng)程度高于降水。復(fù)相關(guān)性分析結(jié)果表明，總磷排放強(qiáng)度與自然因子復(fù)相關(guān)性明顯，空間均值為0.67，特別是在長(zhǎng)三角和湖北東部地區(qū)的相關(guān)性較強(qiáng)。

（3）長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)面源總磷污染排放強(qiáng)度受降水因子為主導(dǎo)驅(qū)動(dòng)的區(qū)域主要分布在水系密集且農(nóng)業(yè)生產(chǎn)能力相對(duì)發(fā)達(dá)的中東部地區(qū)，植被覆蓋度為主導(dǎo)驅(qū)動(dòng)類(lèi)型的區(qū)域則集中在植被覆蓋率相對(duì)較高的四川東部。