Атрибуция и движущая сила потерь азота из бассейна озера Тайху по моделям InVEST и GeoDetector

Научные отчеты, том 13, Номер статьи: 7440 (2023) Цитировать эту статью

334 доступа

1 Альтметрика

Подробности о метриках

Количественная оценка временных и пространственных изменений в потерях реактивного азота (Nr) из водосбора и изучение его основных факторов являются ключом к улучшению качества воды в водосборе. Огромные потери Nr продолжают угрожать безопасности водной среды в бассейне озера Тайху (TLB). Здесь модели InVEST и GeoDetector были объединены для оценки потерь Nr в TLB с 1990 по 2020 год и изучения движущих сил. Было проведено сравнение различных сценариев потерь Nr, и было показано, что потеря Nr достигла пика в 181,66 × 103 т в 2000 году. Ключевыми факторами, влияющими на потерю Nr, являются землепользование, за которым следуют факторы высоты, почвы и уклона, а их средние значения q составили 0,82, 0,52, 0,51 и 0,48 соответственно. Анализ сценариев показал, что потери Nr увеличиваются при обычном сценарии развития и сценарии экономического развития, в то время как охрана окружающей среды, повышение эффективности использования питательных веществ и сокращение применения питательных веществ способствуют сокращению потерь Nr. Полученные результаты служат научной основой для контроля потерь Nr и будущего планирования в TLB.

Чрезмерная потеря реактивного азота (Nr) является одной из самых серьезных угроз водным экосистемам во всем мире1,2,3. Антропогенная деятельность, такая как внесение сельскохозяйственных удобрений, промышленное производство и сброс сточных вод, ускорила перенос наземного Nr в водные экосистемы, т.е. в реки и озера, что привело к эвтрофикации4,5,6, цветению водорослей7, выбросам парниковых газов и т.д. на3,8. Эти явления серьезно угрожают внутренней водной безопасности и продуктивному водоснабжению. Согласно отчету о мировом водном развитии, к 2050 году почти шесть миллиардов человек во всем мире будут страдать от кризиса нехватки чистой воды. к качеству воды10. Существует острая необходимость снижения и контроля потерь Nr.

За последние несколько десятилетий многие исследования потерь Nr были сосредоточены на полевых измерениях11,12,13,14,15,16. Однако долгосрочный мониторинг и исследования качества воды в водосборе отнимают много времени и не подходят для оценки воздействия будущих изменений в землепользовании14. С развитием географических информационных систем (ГИС) и дистанционного зондирования появилось множество моделей для оценки качества воды и гидрологических экосистемных услуг, таких как Инструмент оценки почвы и воды (SWAT), Программа гидрологического моделирования ФОРТРАН (HSPF), Годовые сельскохозяйственные не- Точечный источник (AnnAGNPS) и комплексная оценка экосистемных услуг и компромиссов (InVEST) были разработаны и широко используются14,15,16,17,18,19,20,21. Модели, основанные на процессах переноса питательных веществ, такие как SWAT, HSPF и AnnAGNPS, могут хорошо моделировать гидрологические процессы и обеспечивать точные результаты. Однако эти модели требуют больших объемов гидрологических данных для калибровки18,22, что часто неприменимо в районах, где данных недостаточно, и они сложны в эксплуатации и требуют специальной подготовки операторов19,23. Модель InVEST содержит меньше интегрированных алгоритмов, чем другие модели, и поэтому ее проще использовать, позволяя проводить моделирование и анализ в областях, где данных недостаточно, с коротким временем выполнения и четким пространственным представлением24. Модуль коэффициента доставки питательных веществ (NDR) в модели InVEST использует более простой подход к балансу массы для описания долгосрочного и стабильного пространственного движения питательных веществ, который может не только отражать экспорт питательных веществ в различных климатических условиях и сценариях изменения землепользования, но также помогает оценить влияние природных факторов и деятельности человека на загрязнение в масштабе суббассейна или гидрологической единицы25.

Сельскохозяйственные удобрения и сброс городских сточных вод непосредственно подвергают Nr воздействию окружающей среды26; климат и топография способствуют потере Nr из-за транспорта Nr11; изменения в составе и структуре землепользования также могут влиять на потерю Nr, изменяя поверхностное содержание питательных веществ и транспорт питательных веществ27. Исследования показали, что потери Nr увеличились в 3,5 раза из-за интенсификации сельского хозяйства28, а увеличение непроницаемых поверхностей также усугубило потери Nr29. Более того, переход от лесов к вырубкам увеличивает способность денитрификации28; а увеличение границ участков пастбищ может уменьшить загрязнение Nr30. Однако традиционные исследовательские инструменты и методы, такие как множественная линейная регрессия, корреляционный анализ, обычные модели наименьших квадратов, модели пространственного лага и модели пространственных ошибок, сложно справиться с пространственной изменчивостью движущих сил. Они ограничены непрерывным анализом данных, что затрудняет использование данных о землепользовании для анализа их прямого воздействия на потерю Nr. Модель GeoDetector, использующая непрерывные и типологические данные, представляет собой новый статистический метод, который может выявить причины пространственной неоднородности. Он основан на принципе, что если независимая переменная существенно влияет на зависимую переменную, то пространственное распределение независимой и зависимой переменных должно иметь сходство31,32. Модель GeoDetector применялась к различным дисциплинам в природе и обществе31. Например, Чен и др. использовали модель GeoDetector для изучения движущей роли таких факторов, как землепользование, в пространственном и временном расхождении водных ресурсов в городской агломерации Пекин-Тяньцзинь-Хэбэй33. Лю и др.34 исследовали влияние природы, экономики и транспорта на расширение городов на основе модели GeoDetector.