基于多源数据融合的巢湖流域农业非点源磷流失风险评估与关键源区精准识别研究

基于多源数据融合的巢湖流域农业非点源磷流失风险评估与关键源区精准识别研究一、引言1.1研究背景与意义在全球范围内，水体富营养化已成为严峻的环境挑战之一，对生态系统、人类健康及社会经济发展造成了多方面的负面影响。在众多导致水体富营养化的因素中，农业非点源污染，尤其是磷流失，扮演着极为关键的角色。巢湖作为我国五大淡水湖之一，位于安徽省中部，是长江中下游重要的湖泊湿地生态系统，在调节区域气候、涵养水源、维护生物多样性等方面发挥着不可替代的作用。巢湖流域是安徽省重要的农业生产基地，然而，长期以来，由于农业生产中化肥、农药的不合理使用，以及畜禽养殖废弃物的随意排放等原因，农业非点源污染问题日益突出，已成为巢湖水体富营养化的主要污染源之一。相关研究表明，巢湖水体中的磷含量严重超标，总磷浓度长期超过地表水Ⅲ类水体标准限值，导致水体富营养化加剧，蓝藻水华频繁暴发。蓝藻的大量繁殖不仅消耗水中的溶解氧，导致水生生物死亡，破坏湖泊生态系统的平衡，还会产生异味和毒素，影响周边居民的生活用水安全，给当地的渔业、旅游业等带来了巨大的经济损失。农业非点源磷流失具有分散性、随机性和复杂性等特点，其来源广泛，包括农田施肥、畜禽养殖、农村生活污水排放等。这些磷素通过地表径流、土壤侵蚀、淋溶等方式进入水体，增加了水体中的磷负荷，从而促进了藻类的生长和繁殖，引发水体富营养化。准确评估巢湖流域农业非点源磷流失风险，并识别出关键源区，对于制定针对性的污染控制措施、有效治理巢湖水体富营养化、保护流域生态环境具有重要的现实意义。通过风险评价，可以了解磷流失的潜在风险程度和空间分布特征，为合理规划农业生产、优化土地利用提供科学依据。同时，明确关键源区后，可以集中资源和力量，采取有效的治理措施，如调整农业种植结构、推广生态农业技术、加强畜禽养殖废弃物管理等，从而提高污染治理的效率，降低治理成本，实现农业可持续发展与生态环境保护的双赢目标。1.2国内外研究现状1.2.1农业非点源污染研究进展国外对于农业非点源污染的研究起步较早，20世纪60年代至70年代初，处于起步和迅速发展时期。此阶段主要是认识到土地利用对河流水质产生影响，多依据因果分析和统计分析建立统计模型，如早期的输出系数模型法、SCS径流曲线数法、USLE等。这些模型虽能建立污染负荷与流域土地利用或径流量之间的统计关系，但功能结构单一，无法对农业非点源污染全过程进行模拟和估算。20世纪70年代中后期至90年代初，随着对农业非点源污染物理化学过程研究的深入以及计算机模拟技术的广泛应用，很多基于复杂作用机理的机理模型相继问世。比较著名的有农业径流管理模型（ARM）、化学污染物径流负荷和流失模型（CREAM）、水侵蚀预测预报模型（WEPP）等。这些模型成为农业非点源污染模型今后开发的主要方向。20世纪90年代后期至今，随着计算机技术的飞速发展，与3S技术相结合的农业非点源污染模型的可靠性和实用性得到极大提高。一些功能强大的超大型流域模型被开发出来，像美国国家环保局开发的BASINS和美国农业部农业研究所开发的AGNPS98等，它们集空间信息处理、数据库技术、数学计算、可视化表达等功能于一身，但这类模型往往对资料要求很高且参数繁多，在缺乏实测资料条件下应用受限。我国农业非点源污染研究起步相对较晚，始于20世纪80年代初，最初主要是利用经验模型对农业非点源污染进行计算。我国学者多采用美国的一些模型，如USLE、AGNPS、SWAT等。刘枫等首次将USLE用于中国非点源污染的危险区域识别；陈国湖等将AGNPS模型成功应用到中国南方小流域的农业非点源负荷估算和应用潜力评价中；SWAT模型在水文、产流产沙、水土保持和非点源化学物质污染等方面均有应用。然而，受基础数据等因素的限制，像BASINS模型在国内的应用较少，其集合的HSPF和PLOA模型在国内应用也不多见。总体来看，我国在该阶段以国外模型的引进和应用为主。近年来，国内也开始注重结合自身实际情况，对国外模型进行改进和优化，同时积极探索建立适合我国国情的农业非点源污染模型。1.2.2磷流失风险评价方法综述常用的磷流失风险评价方法主要包括磷指数法、输出系数法、模型模拟法等。磷指数法是一种较为常用的半定量评价方法，它综合考虑磷的来源因子和迁移因子，来评估磷流失的潜在风险。以宾夕法尼亚的索引版本为例，来源因子包括土壤有效磷比率、化肥磷比率、有机肥磷比率等；迁移因子涵盖土壤侵蚀、径流潜力、地表水体连通性、径流贡献距离等。通过计算磷指数（PI）值，并依据相应的危险等级划分标准，确定磷流失风险程度。该方法简单易行，数据需求相对较少，可快速对大面积区域进行初步评估，但它对复杂的磷迁移转化过程考虑不够全面，准确性相对有限。输出系数法是根据流域内不同土地利用类型和污染源的统计数据，结合现场实验或经验确定污染物输出系数，进而计算出磷流失负荷。该方法适用于大尺度流域的宏观评估，能够快速估算出不同区域的磷流失量，但输出结果的准确性受污染源统计指标质量和数量的限制，且在不同空间尺度上表征磷流失时空分布特征的准确性有待提升。模型模拟法是利用具有物理机制的模型对磷在土壤-水体系统中的运移、转化过程进行模拟。如农业非点源污染模型AGNPS、SWAT等，可详细模拟磷的迁移路径、转化过程以及在不同环境条件下的输出情况。这种方法能够更准确地对磷流失负荷进行定量评估，但模型结构复杂，对数据要求高，参数率定和验证难度较大，且不同模型在模拟同一区域磷流失时，结果可能存在差异。1.2.3关键源区识别技术发展关键源区识别的技术手段主要依托地理信息系统（GIS）、遥感（RS）和全球定位系统（GPS）等3S技术，以及相关的模型分析方法。通过3S技术，可以获取土地利用、地形地貌、植被覆盖等基础地理信息数据，并对这些数据进行空间分析和处理。利用GIS的空间叠加分析功能，将不同影响因素的图层进行叠加，从而确定磷流失风险较高的区域；借助RS技术，可以快速获取大面积的地表信息，监测土地利用变化和植被覆盖情况，为关键源区识别提供动态数据支持；GPS技术则可用于精准定位采样点和监测设备，提高数据采集的准确性。在模型分析方面，除了前文提到的农业非点源污染模型用于模拟磷流失过程从而识别关键源区外，还可采用一些统计分析方法。如主成分分析（PCA）、聚类分析等，对多个影响磷流失的因素进行分析，找出主要影响因子，并根据这些因子对区域进行分类，从而确定关键源区。在实际应用中，已有众多案例。辽河源头区流域采用GIS和地统计学为技术手段，在综合分析农业非点源风险的源因子和迁移因子的基础上，筛选出主要因子，建立指标体系，确定权重并划分因子等级，生成栅格图，采用多因子综合分析法计算非点源污染风险等级，从而确定关键源区，结果表明流域中农业非点源污染高风险区即关键源区占全流域面积的21.77％，主要集中在东北部、中部以及东南部丘陵区。然而，当前研究仍存在一些不足。一方面，不同技术手段和模型之间的融合还不够完善，导致关键源区识别结果的准确性和可靠性有待提高；另一方面，对一些复杂的自然和人为因素，如气候变化、农业生产方式的动态变化等，在关键源区识别中的考虑还不够充分，可能会影响识别结果的时效性和适用性。1.3研究目标与内容1.3.1研究目标本研究旨在全面、系统地评估巢湖流域农业非点源磷流失风险，并准确识别关键源区，为制定科学有效的农业非点源磷污染控制策略提供坚实的理论依据和技术支持。具体目标如下：综合考虑多种影响因素，运用科学合理的方法，对巢湖流域农业非点源磷流失风险进行定量评价，明确不同区域磷流失风险的程度和分布特征。借助地理信息系统（GIS）、遥感（RS）等先进技术手段，结合相关模型分析，识别出巢湖流域农业非点源磷流失的关键源区，确定高风险区域的具体位置和范围。根据风险评价和关键源区识别结果，提出针对性强、切实可行的农业非点源磷污染防控措施和建议，以降低磷流失风险，改善巢湖流域水环境质量。1.3.2研究内容围绕上述研究目标，本研究主要开展以下几方面的研究内容：巢湖流域基础数据收集与整理：收集巢湖流域的地形地貌、土地利用、土壤类型、气象水文、农业生产等相关数据，包括数字高程模型（DEM）数据、土地利用现状图、土壤属性数据、多年降雨和径流数据、化肥和有机肥施用情况、畜禽养殖数量及分布等。对收集到的数据进行整理、分析和预处理，确保数据的准确性和完整性，为后续研究提供数据支持。农业非点源磷流失风险评价方法选择与改进：对比分析常用的磷流失风险评价方法，如磷指数法、输出系数法、模型模拟法等的优缺点和适用范围，结合巢湖流域的实际情况，选择合适的评价方法。针对所选方法存在的不足，进行改进和优化，使其更能准确地反映巢湖流域农业非点源磷流失的实际情况。例如，在磷指数法中，根据流域的土壤特性、地形条件和农业生产特点，合理调整各评价因子的权重和分级标准；在模型模拟法中，对模型的参数进行本地化率定和验证，提高模型模拟的精度。农业非点源磷流失风险评价：基于改进后的评价方法，对巢湖流域农业非点源磷流失风险进行评价。计算各评价单元的磷流失风险指标值，如磷指数值、磷流失负荷等，并根据风险等级划分标准，将流域划分为不同的风险等级区域，绘制农业非点源磷流失风险空间分布图。分析不同风险等级区域的分布特征，探讨影响磷流失风险的主要因素，如土地利用类型、土壤有效磷含量、地形坡度、降雨强度等与磷流失风险之间的关系。关键源区识别：利用GIS的空间分析功能，结合磷流失风险评价结果，识别巢湖流域农业非点源磷流失的关键源区。通过空间叠加分析，将磷流失风险高值区域与土地利用、地形、水系等图层进行叠加，确定关键源区的空间位置和范围。运用主成分分析（PCA）、聚类分析等统计分析方法，对影响磷流失的多个因素进行综合分析，筛选出对关键源区形成起主要作用的因素。进一步分析关键源区的土地利用结构、农业生产方式、污染源分布等特征，为制定针对性的污染控制措施提供依据。污染防控措施与建议：根据农业非点源磷流失风险评价和关键源区识别结果，提出适合巢湖流域的农业非点源磷污染防控措施和建议。从农业生产管理、土地利用规划、生态工程建设等方面入手，制定具体的措施。在农业生产管理方面，推广科学施肥技术，优化施肥结构和用量，减少化肥的不合理使用；加强畜禽养殖废弃物的资源化利用和无害化处理，降低畜禽养殖对环境的污染。在土地利用规划方面，合理调整土地利用结构，增加林地、草地等生态用地的比例，减少坡耕地面积；在关键源区实施退耕还林还草、生态修复等措施，提高土壤的保水保肥能力。在生态工程建设方面，建设生态沟渠、人工湿地等生态拦截工程，削减地表径流中的磷含量；在河流、湖泊周边设置植被缓冲带，减少磷素进入水体。同时，提出相应的政策建议，加强环境监管，提高公众环保意识，促进农业可持续发展。1.4研究方法与技术路线本研究综合运用多种研究方法，确保研究的科学性、全面性和准确性。在数据收集阶段，通过实地调查、文献查阅、相关部门获取等方式，收集巢湖流域的地形地貌、土地利用、土壤类型、气象水文、农业生产等多方面的数据。其中，地形地貌数据通过购买高精度的数字高程模型（DEM）数据获得，土地利用现状图从当地国土资源部门获取，土壤类型数据参考土壤普查资料并结合实地采样分析进行整理，气象水文数据来自气象站和水文监测站的长期观测记录，农业生产数据通过对农户的问卷调查以及农业部门的统计资料进行收集。在农业非点源磷流失风险评价方法选择上，采用对比分析法，深入分析磷指数法、输出系数法、模型模拟法等常用方法的优缺点。磷指数法虽简单易行，但对复杂迁移转化过程考虑不足；输出系数法适用于宏观评估，却受污染源统计指标限制；模型模拟法能准确模拟，但对数据和参数要求高。结合巢湖流域实际，选择磷指数法作为基础方法，并针对流域特点对其进行改进。在关键源区识别方面，运用地理信息系统（GIS）的空间分析功能，如空间叠加分析、缓冲区分析等，将磷流失风险评价结果与土地利用、地形、水系等图层进行叠加分析。同时，采用主成分分析（PCA）、聚类分析等统计分析方法，对影响磷流失的多个因素进行综合分析，筛选出关键影响因素，从而准确识别关键源区。本研究的技术路线如图1-1所示，首先进行数据收集与整理，建立基础数据库。接着，对收集到的数据进行预处理和分析，选择并改进农业非点源磷流失风险评价方法。然后，运用改进后的方法进行风险评价，计算各评价单元的磷流失风险指标值，划分风险等级并绘制风险空间分布图。在此基础上，利用GIS空间分析和统计分析方法识别关键源区。最后，根据风险评价和关键源区识别结果，提出针对性的农业非点源磷污染防控措施和建议。[此处插入图1-1：技术路线图]通过这样的研究方法和技术路线，本研究能够全面、系统地评估巢湖流域农业非点源磷流失风险，准确识别关键源区，并提出有效的防控措施，为巢湖流域的水环境治理和农业可持续发展提供科学依据。[此处插入图1-1：技术路线图]通过这样的研究方法和技术路线，本研究能够全面、系统地评估巢湖流域农业非点源磷流失风险，准确识别关键源区，并提出有效的防控措施，为巢湖流域的水环境治理和农业可持续发展提供科学依据。通过这样的研究方法和技术路线，本研究能够全面、系统地评估巢湖流域农业非点源磷流失风险，准确识别关键源区，并提出有效的防控措施，为巢湖流域的水环境治理和农业可持续发展提供科学依据。二、巢湖流域概况与数据收集2.1流域自然地理特征巢湖流域位于安徽省中部，地处长江、淮河两大水系之间，中心地理坐标约为东经117°16′、北纬31°33′，流域总面积达13486平方千米，约占安徽省总面积的9.3%。其西北以江淮分水岭为界，东濒长江，南与菜子湖、白荡湖、陈瑶湖以及皖河流域毗邻，呈东西长、南北窄的形状分布。巢湖流域地形地貌复杂多样，主要由丘陵、岗地、平原和水域构成。地势总体呈现西南高、东北低的态势。西南部多为丘陵山地，海拔相对较高，一般在200-500米之间，山体起伏较大，坡度较陡。这些丘陵山地主要由花岗岩、砂岩等岩石构成，土壤类型多为黄壤、红壤等，土层较薄，但土壤肥力相对较高。中部和东北部地区以岗地和平原为主，岗地海拔一般在50-200米之间，地势较为平缓，地表起伏较小。平原主要分布在巢湖周边及河流两岸，地势平坦开阔，海拔多在10-50米之间，是重要的农业生产区域。平原地区的土壤主要为水稻土、潮土等，土层深厚肥沃，适宜农作物生长。巢湖作为流域内最大的水域，湖面面积广阔，东西长约55千米，南北宽约21千米，湖岸线周长176千米，湖面面积780平方千米，容积20.7亿立方米，是中国重要的淡水湖泊之一，在调节区域气候、涵养水源、维护生物多样性等方面发挥着重要作用。该流域属北亚热带湿润性季风气候，气候温和湿润，光照充足，雨量适中，季风显著，四季分明，无霜期长。多年平均气温为16℃，极端最高气温可达41.3℃，极端最低气温为零下15.7℃。相对湿度常年保持在76%左右。多年平均年降水量1215毫米，其中汛期（5-8月）降水量占年降水量的51%。流域内降水年际变化较大，最大年降水量1986毫米发生于1991年，最小降水量672毫米发生于1978年。降水的空间分布也存在一定差异，总体呈现南大北小的特点。这种气候条件为农业生产提供了较好的水热资源，但降水集中在汛期，且年际变化大，容易引发洪涝和干旱等自然灾害，对农业非点源磷流失也有重要影响。降水强度大时，容易形成地表径流，将土壤中的磷素带入水体，增加磷流失风险。巢湖流域的土壤类型丰富多样，主要包括黄壤、红壤、水稻土、潮土、砂姜黑土等。黄壤和红壤主要分布在流域西南部的丘陵地区，这些土壤呈酸性，质地黏重，肥力较高，富含铁、铝等氧化物，在高温多雨的气候条件下，土壤中的磷素容易被淋溶和固定，影响其有效性。水稻土是在长期种植水稻的条件下形成的，广泛分布于平原和河谷地区，其具有独特的剖面结构和理化性质，如氧化还原层明显，土壤有机质含量较高，但在不合理的灌溉和施肥条件下，水稻土中的磷素也容易随地表径流和淋溶作用流失。潮土主要分布在河流两岸和湖泊周边，土壤质地疏松，透气性好，肥力中等，受河水和湖水的影响，潮土中的磷素容易发生迁移和转化。砂姜黑土主要分布在流域北部的部分地区，土壤质地黏重，排水不畅，含有较多的砂姜，肥力较低，在农业生产中，需要合理施肥和改良土壤，以提高土壤中磷素的利用率，减少磷流失。不同土壤类型的理化性质和肥力状况差异较大，对农业非点源磷流失的影响也各不相同，了解土壤类型及其特性对于评估磷流失风险具有重要意义。2.2农业生产现状巢湖流域作为安徽省重要的农业生产基地，农业生产在当地经济中占据着举足轻重的地位。其农业种植结构丰富多样，以粮食作物、经济作物和蔬菜瓜果类种植为主。在粮食作物方面，水稻是流域内最主要的种植品种，种植面积广泛，约占耕地总面积的40%左右。这主要是由于巢湖流域气候湿润，降水充沛，水资源丰富，且地势平坦，土壤肥沃，具备水稻生长所需的优越自然条件。如庐江县和无为市等地，凭借良好的水土资源，成为水稻的主要产区。小麦也是重要的粮食作物之一，种植面积约占耕地总面积的20%，主要分布在流域的北部和中部地区，这些区域地势相对较高，排水条件较好，适合小麦生长。此外，玉米在部分地区也有一定规模的种植，多与大豆等作物进行间作套种，以提高土地利用率和农业经济效益。经济作物中，油菜是主要的油料作物，种植面积约占耕地总面积的15%，在春季，流域内大片金黄的油菜花田成为一道亮丽的风景线。油菜对土壤和气候的适应性较强，且具有良好的生态效益，能够改善土壤结构，增加土壤肥力。棉花的种植面积相对较小，约占耕地总面积的5%，主要集中在巢湖周边的一些平原地区，这些地区光照充足，热量条件较好，有利于棉花的生长和成熟。但随着农业产业结构的调整，棉花种植面积呈逐渐减少的趋势。蔬菜瓜果类种植近年来发展迅速，种植面积不断扩大，约占耕地总面积的10%，品种丰富多样，包括黄瓜、西红柿、茄子、西瓜、草莓等，不仅满足了当地居民的生活需求，还远销周边地区，为农民带来了可观的经济收入。在施肥情况方面，巢湖流域农业生产中化肥和有机肥的使用均较为普遍。化肥的施用在提高农作物产量方面发挥了重要作用，但长期不合理的使用也带来了一系列环境问题。据统计，流域内化肥的平均施用量约为500千克/公顷，其中氮肥的施用量最大，约占化肥总施用量的45%，磷肥约占25%，钾肥约占20%，复合肥约占10%。部分地区存在过量施用氮肥和磷肥的现象，这不仅导致肥料利用率降低，造成资源浪费，还增加了农业非点源污染的风险。例如，在一些蔬菜种植区，为追求高产，农户往往大量施用氮肥和磷肥，使得土壤中氮、磷含量过高，这些养分在降雨或灌溉时容易随地表径流进入水体，导致水体富营养化。有机肥的使用在一定程度上可以改善土壤结构，提高土壤肥力，减少化肥的使用量。流域内有机肥的来源主要包括畜禽粪便、农作物秸秆、绿肥等。畜禽粪便经过堆肥处理后，成为优质的有机肥料，部分农户会将其施用于农田。农作物秸秆还田也是一种常见的有机肥利用方式，通过将秸秆粉碎还田，可以增加土壤有机质含量，改善土壤物理性质。绿肥种植在流域内也有一定的推广，如紫云英、苕子等绿肥作物，在生长过程中能够固定空气中的氮素，为土壤提供养分。然而，目前有机肥的使用比例相对较低，约占肥料总投入量的30%左右，主要原因在于有机肥的收集、处理和运输成本较高，且部分农户对有机肥的认识不足，缺乏使用有机肥的积极性。灌溉方式对农业非点源磷流失也有重要影响。巢湖流域的灌溉方式主要包括传统的漫灌、渠道灌溉以及近年来逐渐推广的喷灌和滴灌等节水灌溉方式。漫灌是一种较为粗放的灌溉方式，水的利用率较低，约为40%-50%，大量的水在灌溉过程中会产生地表径流，携带土壤中的磷素进入水体，增加磷流失风险。在一些地势平坦的农田，漫灌时水流速度较慢，容易造成水分在田间的长时间滞留，使得土壤中的磷素充分溶解并随水流失。渠道灌溉是通过修建灌溉渠道将水引入农田，其水利用率相对漫灌有所提高，约为50%-60%，但渠道渗漏和田间退水等问题仍会导致部分磷素流失。一些老旧的灌溉渠道，由于年久失修，渗漏现象较为严重，这不仅浪费了水资源，还使得渠道周边土壤中的磷素随渗漏水流进入地下水体或周边河流。喷灌和滴灌等节水灌溉方式具有节水、节能、灌溉均匀等优点，能够有效减少地表径流的产生，降低农业非点源磷流失风险。喷灌是利用喷头将水喷射到空中，形成细小的水滴均匀地洒落在农田中，水的利用率可达70%-80%；滴灌则是通过滴头将水缓慢地滴入作物根部附近的土壤中，水的利用率更高，可达80%-90%。然而，目前喷灌和滴灌在巢湖流域的应用比例相对较低，仅占灌溉总面积的20%左右，主要原因是这些节水灌溉设施的建设成本较高，需要一定的技术支持和维护管理，部分农户难以承担建设成本，且对节水灌溉技术的掌握程度不够。2.3数据来源与预处理本研究所需的数据来源广泛，涵盖了多个方面，以确保研究的全面性和准确性。地形数据主要来源于地理空间数据云平台，获取了分辨率为30米的数字高程模型（DEM）数据。该数据能够精确反映巢湖流域的地形起伏状况，为后续的地形分析，如坡度、坡向计算以及水文分析等提供了基础数据支持。通过对DEM数据的处理和分析，可以清晰地了解流域内不同区域的地形特征，对于评估农业非点源磷流失的潜在风险具有重要意义。在地形起伏较大的山区，由于水流速度较快，土壤侵蚀风险较高，可能导致更多的磷素随地表径流流失。土地利用数据则来自中国科学院资源环境科学数据中心发布的土地利用现状数据。该数据采用了先进的遥感解译技术，分类精度高，能够准确反映流域内的土地利用类型分布情况。其分类体系包括耕地、林地、草地、水域、建设用地和未利用地等。在巢湖流域，耕地面积广阔，是农业非点源磷流失的主要发生区域。准确掌握耕地的分布范围和面积，对于分析不同土地利用类型下的磷流失情况至关重要。林地和草地对磷素有一定的截留和净化作用，通过土地利用数据可以明确其分布位置和面积，评估其在减少磷流失方面的生态功能。土壤数据参考了中国土壤数据库，该数据库包含了丰富的土壤信息，如土壤类型、质地、有机质含量、有效磷含量等。土壤类型是影响磷素吸附、解吸和迁移的重要因素之一。不同土壤类型的理化性质差异较大，对磷的固定和释放能力也各不相同。黄壤和红壤等酸性土壤，由于其富含铁、铝氧化物，对磷的固定作用较强，但在一定条件下，固定的磷也可能被释放出来，增加磷流失风险。而水稻土、潮土等土壤类型，其磷素的迁移转化过程则与土壤的水分状况、氧化还原条件等密切相关。通过土壤数据库获取的土壤质地、有机质含量等信息，有助于深入分析土壤因素对农业非点源磷流失的影响机制。气象数据收集自巢湖流域周边的多个气象站点，包括合肥、巢湖、庐江等气象站。这些气象站长期监测并记录了当地的气温、降水、风速、日照时数等气象要素。降水是农业非点源磷流失的重要驱动力之一。降水强度、降水量和降水历时等因素都会影响地表径流的产生和磷素的迁移。通过对多年降水数据的分析，可以了解降水的时空分布规律，结合土地利用、地形等因素，评估不同区域在不同降水条件下的磷流失风险。气温、风速等气象要素也会间接影响土壤水分蒸发、植物生长等过程，进而对磷素的迁移转化产生影响。水文数据来源于巢湖流域内的水文监测站，包括河流流量、水位、水质等数据。河流流量和水位的变化反映了流域内的水资源状况和水流运动情况，直接影响着磷素在水体中的迁移和扩散。在河流流量较大时，水流携带磷素的能力增强，可能导致更多的磷素进入巢湖等水体。水质数据中的总磷、溶解性磷等指标，直接反映了水体中磷的含量水平，是评估农业非点源磷流失对水环境影响的重要依据。通过分析水文数据与土地利用、土壤等因素之间的关系，可以深入了解磷素在流域内的迁移转化路径和规律。农业生产数据主要通过实地调研和问卷调查的方式获取。在流域内选取了多个具有代表性的村庄和农户，进行了详细的调查。调查内容包括农作物种植种类、面积、施肥量、施肥方式、灌溉方式等。不同农作物对养分的需求和吸收能力不同，其种植面积和分布情况会影响农业非点源磷流失的风险。在一些蔬菜种植区，由于施肥量较大，且种植过程中频繁灌溉，导致土壤中磷素容易随地表径流和淋溶作用流失。施肥量和施肥方式的不合理也是导致磷流失的重要原因。通过实地调研和问卷调查获取的农业生产数据，能够真实反映当地农业生产的实际情况，为准确评估农业非点源磷流失风险提供了关键数据支持。在获取上述数据后，对其进行了一系列严格的预处理。针对地形数据，利用ArcGIS软件中的空间分析工具，对DEM数据进行了填洼、水流方向计算、水流累积量计算等操作。通过填洼处理，可以消除DEM数据中的微小凹陷，避免在水文分析中出现不合理的水流路径。水流方向和水流累积量的计算，为后续的流域划分、水系提取等分析提供了基础数据。基于这些处理后的地形数据，可以准确确定流域的边界、子流域的划分以及河流的流向和分布情况，对于分析农业非点源磷流失的水文过程具有重要意义。对于土地利用数据，根据研究需求，对其进行了重分类处理。将一些复杂的土地利用类型进一步细化或合并，使其更符合农业非点源磷流失风险评价的要求。将果园、茶园等经济林地从林地中单独划分出来，以便分析不同经济作物种植区的磷流失情况。将一些零散的建设用地和未利用地进行合并，简化数据处理过程。通过重分类处理，使土地利用数据更具针对性和实用性，便于后续与其他数据进行叠加分析，从而更准确地评估不同土地利用类型下的磷流失风险。土壤数据的预处理主要包括数据质量检查和标准化处理。对土壤数据库中的数据进行了仔细的检查，确保数据的准确性和完整性。对于一些缺失值或异常值，采用了插值法、统计分析法等方法进行了填补和修正。为了使不同土壤指标之间具有可比性，对土壤质地、有机质含量、有效磷含量等指标进行了标准化处理。将土壤质地按照国际制土壤质地分类标准进行了统一分类，将有机质含量和有效磷含量等指标进行了归一化处理，使其取值范围在0-1之间。通过这些预处理措施，提高了土壤数据的质量和可用性，为后续的数据分析和模型建立提供了可靠的数据基础。气象数据的预处理主要是对数据进行了时间序列分析和异常值处理。对多年的气象数据进行了时间序列分析，以了解气象要素的年际和年内变化规律。通过绘制气温、降水等气象要素的时间序列图，可以直观地观察到其变化趋势和周期性特征。对于数据中出现的异常值，如极端降水事件、异常高温或低温数据等，进行了仔细的核实和处理。对于一些明显错误的异常值，根据相邻站点的数据或历史数据进行了修正；对于一些可能是真实发生的极端数据，进行了单独的记录和分析，以便在后续研究中考虑其对农业非点源磷流失的特殊影响。水文数据的预处理包括数据一致性检查、插补和订正等。对不同水文监测站的数据进行了一致性检查，确保数据的监测方法、监测频率和数据单位等一致。对于一些缺失的水文数据，采用了线性插值、克里金插值等方法进行了插补。利用相关的水文模型和数据，对水文数据进行了订正，以提高数据的准确性和可靠性。通过这些预处理措施，使水文数据能够更好地反映流域内的水资源状况和水流运动情况，为分析农业非点源磷流失与水文过程的关系提供了准确的数据支持。农业生产数据的预处理主要是对调查数据进行了整理和统计分析。对实地调研和问卷调查获取的数据进行了详细的整理，建立了数据库。对农作物种植种类、面积、施肥量、施肥方式、灌溉方式等数据进行了统计分析，计算了各种农作物的平均种植面积、平均施肥量、施肥方式的比例等统计指标。通过统计分析，可以了解农业生产数据的总体特征和分布情况，为后续的风险评价和关键源区识别提供了数据基础。对一些不合理或异常的数据进行了核实和修正，确保数据的真实性和可靠性。三、农业非点源磷流失风险评价方法3.1评价指标体系构建3.1.1指标选取原则在构建巢湖流域农业非点源磷流失风险评价指标体系时，遵循以下原则：科学性原则：评价指标应基于科学的理论和方法，能够准确反映农业非点源磷流失的内在机制和影响因素。从磷的来源、迁移转化过程以及环境因素等方面入手，选取具有明确科学内涵和物理意义的指标。土壤有效磷含量直接反映了土壤中可供植物吸收和可能流失的磷素水平，其测定方法和数据具有科学依据。地形坡度影响地表径流的流速和流量，进而影响磷素的迁移，这是基于水文学和土壤侵蚀学的科学原理。确保指标的选取和评价方法的运用符合科学逻辑，能够真实地揭示磷流失风险的本质特征。代表性原则：所选指标应具有广泛的代表性，能够全面涵盖影响农业非点源磷流失风险的主要因素。既要考虑磷的来源因素，如化肥施用量、有机肥施用量等，又要考虑磷的迁移因素，如地形坡度、地表径流等。还要兼顾环境因素，如土壤类型、气象条件等。通过选取具有代表性的指标，能够在有限的指标体系内，最大程度地反映磷流失风险的全貌。在众多影响磷迁移的因素中，选择地形坡度和地表径流作为代表性指标，因为它们对磷的迁移起着关键作用，能够较好地代表磷迁移过程中的地形和水文因素。可获取性原则：为了保证评价工作的可行性和有效性，指标数据应易于获取和收集。优先选择通过常规监测、调查或已有的数据库能够获取的数据。地形数据可从地理空间数据云平台获取数字高程模型（DEM）数据，土地利用数据可从中国科学院资源环境科学数据中心获取。对于一些难以直接获取的数据，可通过间接方法或模型估算得到。在获取土壤可蚀性因子数据时，如果缺乏实测数据，可采用经验公式结合土壤质地、有机质含量等可获取数据进行估算。确保数据的可获取性，能够降低研究成本，提高评价工作的效率和可靠性。独立性原则：各评价指标之间应具有相对独立性，避免指标之间存在过多的信息重叠。虽然影响农业非点源磷流失风险的因素众多，但有些因素之间可能存在较强的相关性。化肥施用量和有机肥施用量都与磷的输入有关，但它们在磷的形态、释放规律等方面存在差异，因此可作为两个独立的指标。在选取指标时，通过相关性分析等方法，剔除相关性过高的指标，确保每个指标都能提供独特的信息，从而提高评价指标体系的科学性和准确性。3.1.2具体指标确定综合考虑上述原则，确定以下用于评价巢湖流域农业非点源磷流失风险的具体指标：土壤有效磷：土壤有效磷是指土壤中能够被植物直接吸收利用的磷素形态，是衡量土壤供磷能力的重要指标。它与农业非点源磷流失密切相关，当土壤有效磷含量过高时，超过植物吸收能力的部分容易在降雨、灌溉等条件下，通过地表径流、淋溶等方式流失到水体中。在巢湖流域的一些农田，由于长期过量施用磷肥，导致土壤有效磷含量显著增加，这些区域在雨季时磷流失风险明显增大。土壤有效磷含量可以通过化学分析方法测定，如采用碳酸氢钠浸提法（Olsen法）或Mehlich-3法等。本研究中，通过收集巢湖流域的土壤样品，利用Mehlich-3法测定土壤有效磷含量，并根据测定结果对土壤有效磷进行分级，如分为极低、低、中、高、极高五个等级，为后续的风险评价提供数据支持。化肥施用量：化肥是农业生产中重要的磷源之一，不合理的化肥施用，尤其是过量施用磷肥，会导致土壤中磷素的积累，增加磷流失的风险。在巢湖流域的部分地区，农民为了追求农作物高产，往往超量施用化肥，使得土壤中磷含量远超作物需求。这些多余的磷在雨水冲刷下，很容易进入河流、湖泊等水体，造成农业非点源磷污染。本研究通过对巢湖流域农户的实地调查和农业部门的统计数据，获取不同区域的化肥施用量信息，并按照单位面积的磷肥施用量进行统计分析。根据磷肥施用量的大小，将其划分为不同的等级，如低、较低、中等、较高、高，以此来反映化肥施用量对磷流失风险的影响。有机肥施用量：有机肥中含有丰富的磷素，合理施用有机肥可以改善土壤结构，提高土壤肥力，减少化肥的使用量，从而降低磷流失风险。但如果有机肥施用不当，如未经充分腐熟直接施用，或者施用量过大，也可能导致磷的流失。在巢湖流域的一些农村，部分农户将未经处理的畜禽粪便随意堆放在田间地头，在降雨时，畜禽粪便中的磷素会随着地表径流进入水体。本研究通过调查有机肥的来源（如畜禽粪便、农作物秸秆、绿肥等）、施用方式（如撒施、条施、穴施等）和施用量，综合评估有机肥对磷流失风险的影响。同样，对有机肥施用量进行分级，如分为低、中、高三个等级，以便在风险评价中进行量化分析。地形坡度：地形坡度是影响地表径流和土壤侵蚀的重要因素，进而对农业非点源磷流失产生显著影响。在坡度较大的区域，地表径流流速快，对土壤的冲刷能力强，容易将土壤中的磷素携带进入水体。巢湖流域西南部的丘陵地区，地形坡度较大，在暴雨季节，水土流失较为严重，土壤中的磷素随地表径流大量流失。本研究利用数字高程模型（DEM）数据，通过ArcGIS软件的空间分析功能，计算出流域内不同区域的地形坡度。根据坡度的大小，将其划分为不同的等级，如0-5°（平地）、5-15°（缓坡）、15-25°（斜坡）、25-35°（陡坡）、＞35°（急坡），分析不同坡度等级下的磷流失风险差异。土地利用类型：不同的土地利用类型，其植被覆盖、土壤特性和人类活动强度等存在差异，对磷的截留、吸附和释放能力也不同，从而影响农业非点源磷流失风险。耕地是农业非点源磷流失的主要发生区域，由于频繁的农事活动，如耕作、施肥等，导致土壤中的磷素容易被激活和流失。林地和草地具有较好的植被覆盖，能够截留地表径流，减少土壤侵蚀，对磷素有一定的吸附和固定作用，从而降低磷流失风险。巢湖流域内的耕地，尤其是种植蔬菜、水稻等作物的农田，由于施肥量较大，且灌溉频繁，磷流失风险相对较高；而林地和草地，如巢湖边的湿地植被和周边山区的森林，能够有效减少磷素进入水体。本研究将土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地等几类，分析不同土地利用类型下的磷流失风险特征。降雨量：降雨量是农业非点源磷流失的重要驱动力之一，降雨强度、降雨量和降雨历时等因素都会影响地表径流的产生和磷素的迁移。在降雨量较大且集中的时期，容易形成地表径流，将土壤中的磷素带入水体。巢湖流域属于亚热带季风气候，夏季降水集中，暴雨频繁，此时农业非点源磷流失风险较高。本研究收集了巢湖流域周边多个气象站多年的降雨数据，分析降雨量的时空分布特征。通过统计不同时间段（如月、季、年）的降雨量，结合地形、土地利用等因素，评估不同降雨量条件下的磷流失风险。例如，将降雨量划分为低、中、高三个等级，研究不同等级降雨量下磷流失风险的变化规律。地表径流：地表径流是农业非点源磷流失的主要传输途径，径流量的大小和流速直接影响磷素的迁移能力。径流量越大、流速越快，携带的磷素就越多，磷流失风险也就越高。在巢湖流域的一些河流和沟渠，在雨季时地表径流量增大，将农田和周边区域的磷素大量带入巢湖，导致水体中磷含量升高。本研究通过水文监测站获取地表径流数据，包括径流量、流速等。同时，利用地形数据和降雨数据，通过水文模型（如SWAT模型）模拟地表径流的产生和分布情况。将地表径流划分为不同的等级，如低、中、高，分析其与磷流失风险之间的关系。土壤类型：不同的土壤类型，其质地、结构、酸碱度、阳离子交换容量等理化性质不同，对磷的吸附、解吸和固定能力也存在差异，从而影响农业非点源磷流失风险。酸性土壤（如黄壤、红壤）中含有较多的铁、铝氧化物，对磷的固定作用较强，但在一定条件下，固定的磷也可能被释放出来，增加磷流失风险。而碱性土壤（如砂姜黑土）对磷的吸附能力相对较弱，磷素更容易随地表径流和淋溶作用流失。巢湖流域内土壤类型多样，包括黄壤、红壤、水稻土、潮土、砂姜黑土等。本研究对不同土壤类型的理化性质进行分析，结合土壤有效磷含量等指标，评估土壤类型对磷流失风险的影响。通过对土壤类型的分类和特征分析，为制定针对性的磷污染防控措施提供依据。3.2评价模型选择与建立3.2.1常用评价模型分析在农业非点源磷流失风险评价领域，常用的模型包括磷指数法、输出系数法、模型模拟法等，每种模型都有其独特的原理、优势和局限性。磷指数法是一种半定量的评价方法，其核心在于综合考虑磷的来源因子和迁移因子。以宾夕法尼亚的索引版本为例，在来源因子方面，土壤有效磷比率通过公式“土壤有效磷比率=0.20×〔Mehlich-3〕P（mgPkg-1）”进行计算，该公式体现了土壤中有效磷含量与磷流失风险的关联；化肥磷比率由“化肥P含量×办法”得出，其中“办法”可能涉及施肥方式、施肥量等因素对化肥磷有效性的影响；有机肥磷比率为“有机肥P含量×办法×有效性”，这里的“办法”和“有效性”考虑了有机肥的类型、腐熟程度等对磷释放和有效性的作用。通过这些公式计算出各项来源因子后，将它们相加得到来源因子总和。在迁移因子方面，土壤侵蚀可利用美国土壤流失通用方程（USLE）进行计算，公式为“A=R×K×L×S×C×P”，其中R为降雨侵蚀力因子，K为土壤可蚀性因子，L为坡长因子，S为坡度因子，C为地表植被覆盖因子，P为水土保持措施因子。径流潜力因子可选用年径流深作为衡量指标，根据径流深分级进行赋值。地表水体连通性和径流贡献距离则根据实地考察情况和地理信息系统量测进行等级划分和赋值。最后，通过公式“磷指数（PI）值=2×来源因子×迁移因子”计算出磷指数值，依据磷指数值划分危险等级。磷指数法的优点在于简单易行，对数据要求相对较低，能够快速对大面积区域进行初步评估，可在短时间内获取不同区域磷流失风险的大致情况。然而，它对复杂的磷迁移转化过程考虑不够全面，仅通过简单的因子和公式计算，难以精确反映磷在土壤-水体系统中的复杂物理、化学和生物过程。输出系数法主要依据流域内不同土地利用类型和污染源的统计数据，结合现场实验或经验确定污染物输出系数，进而计算磷流失负荷。在某流域的研究中，通过统计不同土地利用类型（如耕地、林地、草地等）的面积，以及各类污染源（如化肥施用、畜禽养殖等）的相关数据，再结合该地区的实验数据或经验确定的输出系数，利用公式“磷流失负荷=∑（土地利用类型面积×该土地利用类型的磷输出系数）+∑（各类污染源的磷输出量）”计算磷流失负荷。该方法适用于大尺度流域的宏观评估，能够快速估算出不同区域的磷流失量，从宏观层面把握流域内磷流失的总体情况。但是，其输出结果的准确性受污染源统计指标质量和数量的限制。如果污染源统计数据不准确或不全面，如部分小型养殖场的畜禽养殖量统计遗漏，或者对一些新型农业生产活动产生的磷污染统计缺失，就会导致输出系数的确定偏差，进而影响磷流失负荷计算的准确性。此外，在不同空间尺度上，输出系数难以准确表征磷流失的时空分布特征，对于小尺度区域内的磷流失情况，可能无法精确反映。模型模拟法利用具有物理机制的模型对磷在土壤-水体系统中的运移、转化过程进行模拟。以农业非点源污染模型AGNPS为例，它基于水文学、土壤侵蚀学、化学等多学科原理，能够详细模拟磷在地表径流、土壤侵蚀、淋溶等过程中的迁移路径、转化过程以及在不同环境条件下的输出情况。在模拟过程中，考虑了降雨、地形、土壤质地、土地利用等多种因素对磷迁移转化的影响。通过输入这些参数，模型能够计算出不同时间和空间尺度下的磷流失量。这种方法能够更准确地对磷流失负荷进行定量评估，为科学研究和污染治理提供详细的数据支持。然而，模型结构复杂，对数据要求高，需要大量的气象、水文、土壤、地形等多方面的数据。参数率定和验证难度较大，不同地区的土壤、气候等条件差异较大，需要对模型参数进行本地化调整和验证，这一过程需要耗费大量的时间和精力。并且不同模型在模拟同一区域磷流失时，结果可能存在差异，这是由于不同模型的结构、假设和参数设置不同导致的。3.2.2本研究模型构建综合考虑巢湖流域的地形地貌、土地利用、土壤类型、气象水文等特点，以及数据的可获取性和研究的精度要求，本研究选择在磷指数法的基础上进行改进，构建适合巢湖流域农业非点源磷流失风险评价的模型。本研究模型的原理仍然基于磷指数法的基本框架，即综合考虑磷的来源因子和迁移因子。在来源因子方面，除了考虑土壤有效磷、化肥施用量、有机肥施用量外，还结合巢湖流域的实际情况，对其进行细化和补充。对于土壤有效磷，采用Mehlich-3法进行测定，并根据流域内土壤类型和农业生产特点，对土壤有效磷含量进行分级。对于化肥施用量，详细调查了不同区域、不同农作物种植类型下的化肥使用种类、用量和施肥时间，建立了化肥施用数据库。有机肥施用量方面，不仅考虑了畜禽粪便、农作物秸秆等常见有机肥源，还对绿肥种植情况进行了调查，并根据有机肥的不同类型和腐熟程度，确定其磷素的释放系数和有效性。在迁移因子方面，地形坡度利用数字高程模型（DEM）数据，通过ArcGIS软件的空间分析功能进行精确计算，并按照坡度大小划分为不同等级。土地利用类型根据中国科学院资源环境科学数据中心发布的土地利用现状数据进行分类，考虑到巢湖流域内耕地、林地、草地、水域等土地利用类型对磷流失的不同影响，分别确定其在迁移因子中的权重。降雨量数据收集自流域周边多个气象站，通过分析多年降雨数据，确定不同降雨强度和降雨量条件下的磷流失系数。地表径流通过水文监测站获取数据，并利用地形数据和降雨数据，通过水文模型（如SWAT模型）模拟地表径流的产生和分布情况，确定地表径流在迁移因子中的量化指标。土壤类型参考中国土壤数据库，根据不同土壤类型的理化性质，确定其对磷素的吸附、解吸和迁移特性，进而确定其在迁移因子中的作用。在参数确定方法上，对于来源因子中的土壤有效磷分级标准，参考相关研究和巢湖流域的土壤养分调查数据，将土壤有效磷含量分为极低、低、中、高、极高五个等级。化肥施用量和有机肥施用量的分级，根据实地调查数据的统计分析结果，结合农业生产实际情况进行划分。迁移因子中地形坡度等级的划分，采用通用的坡度分级标准，如0-5°（平地）、5-15°（缓坡）、15-25°（斜坡）、25-35°（陡坡）、＞35°（急坡）。土地利用类型的权重确定，通过相关性分析和专家打分法相结合的方式，分析不同土地利用类型与磷流失风险之间的相关性，邀请相关领域专家对各土地利用类型在迁移因子中的重要性进行打分，综合确定其权重。降雨量和地表径流的磷流失系数，通过对流域内多个监测点的长期监测数据进行统计分析，结合室内模拟实验结果，建立降雨量、地表径流与磷流失量之间的回归模型，确定相应的系数。土壤类型对磷迁移的影响参数，参考已有研究成果和土壤实验数据进行确定。通过以上方法确定模型参数后，利用公式“改进磷指数（MPI）值=∑（来源因子×来源因子权重）×∑（迁移因子×迁移因子权重）”计算改进磷指数值，根据改进磷指数值划分巢湖流域农业非点源磷流失风险等级。通过这样的模型构建和参数确定方法，能够更准确地反映巢湖流域农业非点源磷流失的实际情况，为风险评价和关键源区识别提供可靠的依据。3.3模型验证与不确定性分析3.3.1模型验证方法为了确保所构建的农业非点源磷流失风险评价模型的准确性和可靠性，本研究采用了多种模型验证方法，将模型模拟结果与实测数据进行详细对比分析。在巢湖流域内选取了多个具有代表性的监测点，这些监测点涵盖了不同的土地利用类型、地形地貌和土壤类型区域。如在耕地集中的区域选择了位于肥东县的监测点，该区域以种植水稻和小麦为主，地势较为平坦，土壤类型主要为水稻土；在丘陵地区选取了庐江县的监测点，这里地形起伏较大，土地利用类型包括林地、耕地和部分茶园，土壤类型以黄壤和红壤为主。通过长期监测，获取这些监测点的土壤有效磷含量、化肥施用量、有机肥施用量、地形坡度、降雨量、地表径流以及水体中磷含量等数据。将模型模拟得到的这些监测点的磷流失风险指标值，如磷指数值、磷流失负荷等，与相应的实测数据进行对比。计算模拟值与实测值之间的误差指标，如均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²）等。均方根误差能够反映模拟值与实测值之间的平均误差程度，其计算公式为：RMSE=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}}，其中n为样本数量，y_{i}为实测值，\hat{y}_{i}为模拟值。平均绝对误差则衡量了模拟值与实测值偏差的平均幅度，公式为：MAE=\frac{1}{n}\sum_{i=1}^{n}|y_{i}-\hat{y}_{i}|。决定系数用于评估模型对数据的拟合优度，取值范围在0-1之间，越接近1表示模型拟合效果越好，公式为：R^{2}=1-\frac{\sum_{i=1}^{n}(y_{i}-\hat{y}_{i})^{2}}{\sum_{i=1}^{n}(y_{i}-\bar{y})^{2}}，其中\bar{y}为实测值的平均值。以某监测点为例，该监测点的实测磷流失负荷为x千克/公顷，模型模拟得到的磷流失负荷为y千克/公顷。通过计算均方根误差、平均绝对误差和决定系数，来评估模型在该监测点的模拟精度。如果均方根误差较小，说明模型模拟值与实测值之间的离散程度较小，模型的准确性较高；平均绝对误差小则表明模型模拟值与实测值的平均偏差较小，模型的可靠性较好；决定系数接近1，说明模型能够较好地拟合该监测点的磷流失负荷数据，对该区域的磷流失情况具有较好的解释能力。除了对比单个监测点的数据，还对不同土地利用类型、不同地形条件下的监测点数据进行分组对比分析。分别计算耕地、林地、草地等不同土地利用类型监测点的误差指标，以及平原、丘陵、山地等不同地形区域监测点的误差指标。通过这种分组对比，可以了解模型在不同条件下的适用性和准确性差异。在耕地监测点中，若模型的误差指标普遍较小，说明模型对于耕地的磷流失风险评价较为准确；而在丘陵地区监测点中，如果误差指标较大，可能需要进一步分析原因，对模型在该地形条件下的参数进行调整或改进。通过多方面、多角度的模型验证，能够全面评估模型的性能，为后续的风险评价和关键源区识别提供可靠的依据。3.3.2不确定性来源分析在构建和应用农业非点源磷流失风险评价模型的过程中，存在多种不确定性因素，这些因素可能会对评价结果的准确性和可靠性产生影响。数据误差是一个重要的不确定性来源。在数据收集过程中，由于测量仪器的精度限制、人为操作误差以及数据记录和传输过程中的错误等原因，可能导致收集到的数据存在误差。在测量土壤有效磷含量时，分析仪器的精度可能存在一定的偏差，导致测量结果与实际值之间存在误差。部分数据可能存在缺失或不完整的情况。在收集气象数据时，由于某些气象站点的设备故障或数据传输问题，可能会导致部分时段的降雨量、气温等数据缺失。这些缺失的数据可能会影响模型对气象因素的准确模拟，进而影响磷流失风险评价结果。模型参数的不确定性也是不可忽视的因素。本研究模型中的参数，如土壤有效磷分级标准、化肥施用量和有机肥施用量的分级、土地利用类型的权重、降雨量和地表径流的磷流失系数等，大多是通过实地调查、实验分析以及参考相关研究成果等方式确定的。然而，由于不同地区的自然条件、农业生产方式和管理水平等存在差异，这些参数可能无法完全准确地反映巢湖流域的实际情况。在确定土地利用类型的权重时，虽然采用了相关性分析和专家打分法相结合的方式，但不同专家的经验和判断可能存在差异，导致权重的确定存在一定的主观性和不确定性。模型结构本身也存在一定的不确定性。尽管本研究在磷指数法的基础上进行了改进，构建了适合巢湖流域的风险评价模型，但该模型仍然是对复杂的农业非点源磷流失过程的一种简化和抽象。模型无法完全考虑到所有影响磷流失的因素及其相互作用，如土壤微生物对磷素转化的影响、农业生产活动中的田间管理措施（如中耕、除草等）对磷流失的影响等。这些未考虑的因素可能会导致模型结构的不完善，从而产生不确定性。此外，模型在模拟磷流失过程中，对一些复杂的物理、化学和生物过程进行了简化假设。在模拟地表径流携带磷素的过程中，假设磷素在地表径流中的迁移是均匀的，但实际情况中，磷素在地表径流中的迁移可能受到水流速度、紊动等多种因素的影响，并非完全均匀。这些简化假设也会增加模型的不确定性。3.3.3不确定性量化与处理为了提高农业非点源磷流失风险评价结果的可靠性，需要对上述不确定性因素进行量化和处理。针对数据误差，采用数据质量控制和填补缺失值的方法。在数据收集过程中，严格按照相关标准和规范进行操作，定期对测量仪器进行校准和维护，以减少测量误差。对于收集到的数据，进行严格的数据质量检查，剔除明显错误的数据。对于存在缺失值的数据，采用多种方法进行填补。对于土壤有效磷含量等连续型数据的缺失值，可以采用插值法进行填补，如反距离权重插值法（IDW）、克里金插值法等。反距离权重插值法是基于离插值点越近的已知点对插值点的影响越大的原理，通过计算已知点与插值点之间的距离，对已知点的值进行加权平均来得到插值点的值。对于离散型数据的缺失值，如土地利用类型等，可以采用最邻近分类法进行填补，即根据缺失值周围已知点的土地利用类型，选择出现频率最高的土地利用类型作为缺失值的填补值。在处理模型参数的不确定性方面，采用敏感性分析和蒙特卡洛模拟等方法。敏感性分析用于确定模型参数对评价结果的影响程度。通过改变模型中某个参数的值，同时保持其他参数不变，观察模型输出结果的变化情况，从而确定该参数的敏感性。在确定土壤有效磷分级标准对磷流失风险评价结果的敏感性时，将土壤有效磷分级标准进行适当调整，如将分级界限值提高或降低一定比例，然后重新运行模型，计算磷流失风险指标值的变化幅度。如果磷流失风险指标值的变化幅度较大，说明土壤有效磷分级标准对评价结果的影响较为敏感，需要更加准确地确定该参数。蒙特卡洛模拟则是通过多次随机抽样，生成大量的参数组合，然后利用这些参数组合运行模型，得到一系列的评价结果。通过对这些结果的统计分析，来评估模型结果的不确定性范围。在进行蒙特卡洛模拟时，首先确定每个参数的概率分布函数。土壤有效磷分级标准、化肥施用量和有机肥施用量的分级等参数可以采用均匀分布；土地利用类型的权重、降雨量和地表径流的磷流失系数等参数可以根据其不确定性程度，选择合适的概率分布函数，如正态分布、三角分布等。然后，利用随机数生成器从每个参数的概率分布函数中抽取一定数量的样本，组成参数组合。将这些参数组合代入模型中进行模拟，得到相应的磷流失风险评价结果。对这些结果进行统计分析，如计算均值、标准差、置信区间等，以量化模型结果的不确定性。通过多次蒙特卡洛模拟，可以得到不同置信水平下的磷流失风险评价结果，从而为决策提供更全面的信息。针对模型结构的不确定性，虽然难以完全消除，但可以通过与其他模型进行对比分析，以及不断改进和完善模型结构来降低其影响。选择其他常用的农业非点源磷流失风险评价模型，如输出系数法模型、SWAT模型等，对巢湖流域进行磷流失风险评价。将本研究模型的评价结果与其他模型的结果进行对比分析，找出不同模型结果之间的差异和相似之处。如果不同模型的结果在趋势上较为一致，但在具体数值上存在差异，可以进一步分析差异产生的原因，如模型结构、参数设置、数据来源等方面的不同。通过对比分析，可以对本研究模型的结构进行优化和改进，使其更加符合巢湖流域的实际情况。同时，随着对农业非点源磷流失过程研究的不断深入，及时将新的研究成果和认识纳入模型中，不断完善模型结构，以降低模型结构的不确定性。四、巢湖流域农业非点源磷流失风险评价结果与分析4.1风险评价结果展示运用改进后的磷指数模型，对巢湖流域农业非点源磷流失风险进行全面评价，最终得到了详细且直观的风险评价结果，并通过地图和图表的形式进行展示，以便更清晰地了解磷流失风险的空间分布和等级划分情况。4.1.1风险空间分布地图利用地理信息系统（GIS）强大的空间分析和制图功能，将计算得出的每个评价单元的改进磷指数（MPI）值进行可视化处理，生成了巢湖流域农业非点源磷流失风险空间分布图，如图4-1所示。在该地图中，不同的颜色代表着不同的风险等级，这种直观的视觉表达方式，使得风险分布情况一目了然。[此处插入图4-1：巢湖流域农业非点源磷流失风险空间分布图]从地图中可以清晰地看出，巢湖流域农业非点源磷流失风险呈现出明显的空间差异。高风险区域主要集中在巢湖周边的部分地区以及一些河流沿岸。其中，在巢湖的西北部和东南部，高风险区域较为连片分布。西北部的高风险区域主要是由于该地区地势相对平坦，耕地面积较大，且农业生产中化肥和有机肥的施用量较高，同时，这些区域的土壤类型多为水稻土，在长期的农业生产过程中，土壤中积累了较多的磷素。在降雨和灌溉条件下，土壤中的磷素容易随地表径流进入巢湖及周边河流，从而导致较高的磷流失风险。东南部高风险区域则与当地的工业和城镇发展密切相关，人口密集，生活污水和工业废水排放量大，部分未经有效处理的污水直接排入水体，增加了水体中的磷负荷。同时，该区域的农业种植结构以蔬菜和经济作物为主，施肥量相对较大，也加剧了农业非点源磷流失的风险。[此处插入图4-1：巢湖流域农业非点源磷流失风险空间分布图]从地图中可以清晰地看出，巢湖流域农业非点源磷流失风险呈现出明显的空间差异。高风险区域主要集中在巢湖周边的部分地区以及一些河流沿岸。其中，在巢湖的西北部和东南部，高风险区域较为连片分布。西北部的高风险区域主要是由于该地区地势相对平坦，耕地面积较大，且农业生产中化肥和有机肥的施用量较高，同时，这些区域的土壤类型多为水稻土，在长期的农业生产过程中，土壤中积累了较多的磷素。在降雨和灌溉条件下，土壤中的磷素容易随地表径流进入巢湖及周边河流，从而导致较高的磷流失风险。东南部高风险区域则与当地的工业和城镇发展密切相关，人口密集，生活污水和工业废水排放量大，部分未经有效处理的污水直接排入水体，增加了水体中的磷负荷。同时，该区域的农业种植结构以蔬菜和经济作物为主，施肥量相对较大，也加剧了农业非点源磷流失的风险。从地图中可以清晰地看出，巢湖流域农业非点源磷流失风险呈现出明显的空间差异。高风险区域主要集中在巢湖周边的部分地区以及一些河流沿岸。其中，在巢湖的西北部和东南部，高风险区域较为连片分布。西北部的高风险区域主要是由于该地区地势相对平坦，耕地面积较大，且农业生产中化肥和有机肥的施用量较高，同时，这些区域的土壤类型多为水稻土，在长期的农业生产过程中，土壤中积累了较多的磷素。在降雨和灌溉条件下，土壤中的磷素容易随地表径流进入巢湖及周边河流，从而导致较高的磷流失风险。东南部高风险区域则与当地的工业和城镇发展密切相关，人口密集，生活污水和工业废水排放量大，部分未经有效处理的污水直接排入水体，增加了水体中的磷负荷。同时，该区域的农业种植结构以蔬菜和经济作物为主，施肥量相对较大，也加剧了农业非点源磷流失的风险。中风险区域广泛分布于流域的中部和东部地区。这些区域的土地利用类型较为多样，包括耕地、林地和草地等。耕地中化肥和有机肥的施用相对较为合理，且部分地区有一定的植被覆盖，能够在一定程度上截留地表径流，减少磷素的流失。然而，由于该区域地形起伏较小，地表径流流速相对较慢，磷素在地表径流中的迁移时间较长，仍然存在一定的磷流失风险。低风险区域主要集中在流域的西南部山区和东北部的一些丘陵地带。西南部山区地势起伏较大，坡度较陡，虽然降雨量大，但大部分降水以地表径流的形式快速流失，土壤中的磷素难以被充分溶解和携带进入水体。同时，该地区森林覆盖率较高，植被对磷素有较强的截留和固定作用，有效降低了磷流失风险。东北部的丘陵地带，土地利用类型以林地和草地为主，农业生产活动相对较少，化肥和有机肥的施用量较低，因此磷流失风险也较低。4.1.2风险等级统计图表为了更准确地了解不同风险等级区域在巢湖流域的分布比例和面积情况，对风险评价结果进行了详细的统计分析，并以柱状图和饼状图的形式呈现，如图4-2和图4-3所示。[此处插入图4-2：巢湖流域农业非点源磷流失风险等级面积柱状图][此处插入图4-3：巢湖流域农业非点源磷流失风险等级面积饼状图]从柱状图中可以直观地看出，不同风险等级区域的面积差异。低风险区域的面积最大，约占流域总面积的45%。这主要得益于流域西南部山区和东北部丘陵地带的自然地理条件，如地形、植被等因素对磷流失的抑制作用。中风险区域的面积次之，约占流域总面积的35%，其分布范围广泛，涵盖了流域的多个地区。高风险区域的面积相对较小，约占流域总面积的20%，主要集中在巢湖周边和河流沿岸的特定区域。[此处插入图4-2：巢湖流域农业非点源磷流失风险等级面积柱状图][此处插入图4-3：巢湖流域农业非点源磷流失风险等级面积饼状图]从柱状图中可以直观地看出，不同风险等级区域的面积差异。低风险区域的面积最大，约占流域总面积的45%。这主要得益于流域西南部山区和东北部丘陵地带的自然地理条件，如地形、植被等因素对磷流失的抑制作用。中风险区域的面积次之，约占流域总面积的35%，其分布范围广泛，涵盖了流域的多个地区。高风险区域的面积相对较小，约占流域总面积的20%，主要集中在巢湖周边和河流沿岸的特定区域。[此处插入图4-3：巢湖流域农业非点源磷流失风险等级面积饼状图]从柱状图中可以直观地看出，不同风险等级区域的面积差异。低风险区域的面积最大，约占流域总面积的45%。这主要得益于流域西南部山区和东北部丘陵地带的自然地理条件，如地形、植被等因素对磷流失的抑制作用。中风险区域的面积次之，约占流域总面积的35%，其分布范围广泛，涵盖了流域的多个地区。高风险区域的面积相对较小，约占流域总面积的20%，主要集中在巢湖周边和河流沿岸的特定区域。从柱状图中可以直观地看出，不同风险等级区域的面积差异。低风险区域的面积最大，约占流域总面积的45%。这主要得益于流域西南部山区和东北部丘陵地带的自然地理条件，如地形、植被等因素对磷流失的抑制作用。中风险区域的面积次之，约占流域总面积的35%，其分布范围广泛，涵盖了流域的多个地区。高风险区域的面积相对较小，约占流域总面积的20%，主要集中在巢湖周边和河流沿岸的特定区域。饼状图则更加清晰地展示了不同风险等级区域面积占比的相对关系。低风险区域占据了近一半的比例，说明巢湖流域大部分地区的农业非点源磷流失风险处于相对较低的水平。中风险区域和高风险区域分别占比35%和20%，表明仍有相当一部分区域需要重点关注和采取针对性的防控措施，以降低磷流失风险，保护流域水环境。通过风险等级统计图表的展示，能够为后续的关键源区识别和污染防控措施制定提供重要的数据支持和决策依据。4.2风险影响因素分析4.2.1自然因素影响地形因素在农业非点源磷流失过程中扮演着关键角色，其中坡度和坡向对磷流失风险有着显著影响。地形坡度直接关系到地表径流的流速和流量。当坡度较小时，地表径流流速缓慢，水流对土壤的冲刷能力较弱，磷素在地表径流中的迁移能力也相对较低。在坡度为0-5°的平坦区域，地表径流能够较为均匀地分散，不易形成集中的水流，减少了土壤侵蚀和磷素的携带。随着坡度的增大，地表径流流速迅速加快，水流对土壤的冲刷作用增强。在坡度大于15°的斜坡和陡坡区域，水流具有较大的动能，能够将土壤颗粒和其中的磷素大量地卷入地表径流中，导致磷流失风险显著增加。坡度为25-35°的陡坡地区，在暴雨条件下，地表径流携带的磷素含量可比平坦地区高出数倍。坡向通过影响光照、温度和水分条件，间接作用于磷流失风险。阳坡由于接受更多的太阳辐射，温度相对较高，土壤水分蒸发较快，土壤相对干燥。这种环境条件下，土壤颗粒之间的黏聚力增强，磷素在土壤中的吸附作用相对稳定，不易被水流带走。而阴坡光照相对较少，温度较低，土壤水分含量较高，土壤颗粒较为松散。在降雨时，阴坡的土壤更容易被冲刷，磷素随地表径流流失的可能性增大。朝向北方的阴坡在雨季时，磷流失量可能比阳坡高出20%-30%。土壤类型和质地对磷的吸附、解吸和迁移过程有着重要影响。不同土壤类型由于其矿物质组成、有机质含量和酸碱度等特性的差异，对磷的固定和释放能力各不相同。酸性土壤，如黄壤和红壤，富含铁、铝氧化物，这些氧化物具有较大的比表面积和表面电荷，能够与磷发生强烈的化学吸附作用，将磷固定在土壤中。然而，在一定条件下，如土壤酸碱度发生变化或受到强酸性降水的影响，固定的磷可能会被释放出来，增加磷流失风险。当土壤pH值降低时，铁、铝氧化物对磷的吸附能力减弱，磷的释放量增加。碱性土壤，如砂姜黑土，对磷的吸附能力相对较弱。这类土壤中含有较多的碳酸钙等碱性物质，会与磷发生化学反应，形成难溶性的磷酸钙盐，降低磷的有效性。但同时，这些难溶性的磷化合物在一定条件下也可能被溶解，导致磷素随地表径流流失。在长期的灌溉和淋溶作用下，砂姜黑土中的磷素会逐渐向深层土壤迁移，增加了地下水污染的风险。土壤质地主要影响土壤的孔隙结构和透水性。质地较细的土壤，如黏土，孔隙较小，透水性较差。在降雨时，黏土能够储存较多的水分，但排水速度较慢，容易形成地表积水。这使得土壤中的磷素在积水的浸泡下，更容易溶解并随地表径流流失。而质地较粗的土壤，如砂土，孔隙较大，透水性良好。砂土能够迅速排水，减少地表积水的时间，但同时也使得磷素更容易随快速流动的水流向下游迁移。在相同的降雨条件下，砂土中的磷流失量可能比黏土高出10%-20%。气候因素中的降雨和蒸发对农业非点源磷流失风险有着直接和间接的影响。降雨是磷流失的重要驱动力之一，降雨强度、降雨量和降雨历时都会影响磷流失的程度。当降雨强度较大时，短时间内大量的雨水落到地面，超过了土壤的入渗能力，容易形成地表径流。高强度的降雨还会对土壤表面产生较强的溅蚀作用，将土壤颗粒和其中的磷素溅起，随着地表径流进入水体。在一场暴雨中，当降雨强度达到50毫米/小时以上时，地表径流中的磷含量会急剧增加。降雨量的大小直接决定了地表径流量的多少。降雨量越大，地表径流量越大，携带的磷素也就越多。在降雨量充沛的地区，如巢湖流域的南部，年降雨量可达1300毫米以上，农业非点源磷流失风险相对较高。降雨历时也会影响磷流失风险。长时间的降雨会使土壤持续处于湿润状态，增加了磷素的溶解和迁移机会。连续降雨3天以上，土壤中的磷素会逐渐被溶解并随地表径流流失，导致水体中的磷含量持续上升。蒸发作用主要通过影响土壤水分含量和土壤溶液浓度来间接影响磷流失风险。在蒸发量大的地区，土壤水分迅速减少，土壤溶液中的磷浓度相对升高。这使得磷素更容易以气态形式挥发，或者在土壤表面形成结晶，当再次降雨时，这些磷素会随地表径流进入水体。在夏季高温干旱时期，蒸发量较大，土壤中的磷素容易发生挥发和结晶现象，增加了磷流失的潜在风险。同时，蒸发作用还会影响植物的生长和蒸腾作用，进而影响土壤中磷素的吸收和固定。当植物因干旱而生长受到抑制时，对磷素的吸收能力下降，土壤中的磷素更容易流失。4.2.2人为因素影响农业生产活动中的施肥和灌溉对巢湖流域农业非点源磷流失风险有着直接且显著的影响。施肥是农业生产中补充土壤养分的重要措施，但不合理的施肥方式和过量施肥会导致土壤中磷素的积累，增加磷流失风险。在巢湖流域，部分农户为了追求农作物高产，往往过量施用磷肥。一些蔬菜种植区，磷肥的施用量远超作物的实际需求，使得土壤中有效磷含量大幅升高。这些过量的磷在降雨或灌溉时，容易随地表径流进入水体。研究表明，当土壤有效磷含量超过一定阈值（如30毫克/千克）时，磷流失风险会显著增加。不合理的施肥时间也会加剧磷流失。在雨季来临前大量施肥，一旦遭遇降雨，肥料中的磷素来不及被作物吸收，就会随地表径流大量流失。灌溉方式对磷流失风险的影响也不容忽视。传统的漫灌方式水的利用率较低，大量的水在田间形成地表径流。在漫灌过程中，水流速度较快，会将土壤