-
随着长三角地区经济的快速发展，太湖流域水环境污染问题日益严重，引起了国内外的广泛关注[1-2]。由于目前工业点源污染被逐步严格控制，非点源污染已经成为当前水环境污染的最主要来源[3]。
非点源污染的影响因素很多，由于人类活动对土地利用产生较大的影响，使得土地利用成为影响非点源污染的关键因素[4]。土地利用方式及其程度的改变与非点源污染密切相关，其中农业用地及林地与其关系最为密切。研究表明雨季的农田排水是造成水体富营养化的主要原因[5]，林地则对非点源污染具有显著的截留作用[6]。对于流域非点源污染控制的计算手段中，目前常采用SWAT模型对流域非点源污染进行模拟。NIRAULA et al[7]应用SWAT模型模拟阿拉巴马州某流域月时间尺度的径流、泥沙和污染物负荷，并识别污染的关键区域。MAANAN et al[8]研究了Oualidia lagoon地区土地利用方式对湖泊污染的影响，认为林地对非点源污染物在一定程度上有很大程度的削减作用。宋林旭等[9]将SWAT模型与GIS平台相结合，对三峡库区香溪河流域径流、营养盐输出模拟，认为径流和营养盐负荷受降雨影响呈正相关关系，且在丰水年和丰水季节较大，支流总氮（TN）、总磷（TP）输出空间差异大。马广文等[10]通过SWAT模型对鄱阳湖流域2003～2012年入湖的径流、泥沙和非点源氮磷污染负荷进行了模拟，并识别了流域氮磷污染削减的关键时期。张婷等[11]基于实测水文水质数据，采用SWAT模型和SUFI2算法，模拟了滦河潘家口水库非点源氮磷流失变化情况并进行相关性分析，结果表明TN、TP负荷量从大到小排序依次为耕地、林地、草地和荒地。
太湖流域经济发达，人口密集，河网复杂。快速的城镇化进程导致土地利用类型发生了较大转变[12]。同时农业生产生活释放出大量的氮和磷，导致流域生态环境污染负荷日益加重，直接或间接地影响流域的水环境质量[13]。
本研究借助SWAT模型，通过输入土地利用数据和逐日气象数据模拟研究区内1980～2018年时间尺度非点源氮磷负荷变化，并分析该区域不同土地利用类型对非点源氮磷负荷变化贡献及特征。研究可为太湖流域非点源污染控制和治理提供理论支撑。
-
太湖流域地处我国东部长江河口段南侧与钱塘江、杭州湾之间，北滨长江，南滨钱塘江，东临东海，西以天目山、茅山等山区为界，流域总面积约36 800 km2。地形特点为地势周边高、中间低，呈现碟状分布，山区区域高程大约为200～500 m，丘陵区域高程大约为12～32 m，中部平原区域高程一般低于5 m，沿江滨海平原区域高程一般在5～10 m。流域河网分布如织，湖泊星罗棋布，河道狭长，水系干线总长120 000 km，上游水系有苕溪、南溪和洮滆水系等，经望虞河、太浦河等大江水闸流出，与长江、黄浦江水道相通。流域最主要土地利用类型为耕地，主要农作物耕作类型为水稻、小麦和其他经济作物[14-17]。太湖流域地理位置，见图1。
-
土地利用变化是影响区域环境变化的重要指标[18]，土地利用方式与非点源污染氮磷负荷密切相关[19]。本研究运用ENVI 5.1软件中的监督分类工具对1980、1990、2000、2010和2018年5期太湖流域的遥感影像进行解译和重分类，结合Arcgis 10.5软件calculate工具分别得到1980、1990、2000、2010和2018年的太湖流域不同土地利用类型数据。本研究按照《土地利用现状分级分类标准》将研究区域土地利用分为6种，分别为：耕地、林地、草地、水域、建设用地和未利用地。太湖流域1980、1990、2000、2010和2018年土地利用类型，见图2。
对太湖流域1980、1990、2000、2010和2018年6大土地利用类型面积占比进行统计，流域土地利用结构，见图3。
图2和图3可知，太湖流域1980～2018年主要土地利用类型为耕地，5个年度均占45%以上；草地和未利用地面积小，不足流域面积的1%。1980～2018年太湖流域土地利用变化明显，草地、建设用地和未利用地增长最多，分别为34.5%、225.4%和278.9%；林地和耕地分别减少1.7%和31.2%。
对太湖流域1980～2018年土地利用面积变化情况进行统计，得到土地利用转移矩阵，见表1。
表1可知，太湖流域1980～2018年土地转变较剧烈，土地转变总面积11 887.3 km2，占流域总面积的23.9%。其中耕地转变面积最大，占变化总量的90%；未利用地、耕地和草地参与其他土地利用转变率最高，转变量分别占1980年未利用地、耕地和草地的32.0%、32.8%和36.5%。土地利用转变过程中，耕地主要向建设用地转变；未利用地主要向水域和建设用地转变；草地主要向水域和林地转变。
-
SWAT(soil and water assessment tool)模型是由美国农业部开发的用于模拟流域水文过程的一款分布式水文模型。模型建立所需的数据包括空间数据和属性数据2部分。空间数据主要包括数字高程模型数据（digital elevation model，DEM）、土地利用类型数据、土壤类型数据、水系数据、水文监测数据，并将数据统一为相同的地理坐标和投影。本文采用的地理坐标系是WGS84坐标，投影方式采用墨卡托投影；属性数据主要包括土壤理化性质数据、气象数据和农作物管理数据。研究中所使用的数据来源及基本情况，见表2。
由于太湖流域河网复杂，为提高数字河网的准确性，本文采用burn-in算法，将流域实际河网输入到模型中。同时在综合考虑河网划分的准确性和子流域数量的前提下，将河道阈值面积定义为5 000 hm2，将研究区域划分为472个子流域。然后在模型中输入重分类后的土地利用类型数据和土壤类型数据，其中土壤类型数据包括物理属性和化学属性，参照SWAT模型土壤数据库建库方法[20]计算后分别存放在SWAT用户数据库（usersoil）和SWAT土壤输入文件（.chm）中。并对坡度进行划分。同时定义土地利用、土壤和坡度的划分阈值分别为面积的15%、5%和10%。最终将流域划分为3 205个水文响应单元。最后输入气象数据、土壤理化属性数据和农业管理数据，完成模型的构建。
-
采用SWAT-CUP中的SUFI-2算法对模型进行敏感性分析和参数率定，使用决定系数
$ {R}^{2} $ 和Nash-Suttcliffe效率系数Ens来验证模型的准确性。$ {R}^{2} $ 表征模拟值与实测值变化趋势的吻合程度，其值越大，吻合度越高。Ens值越接近1，表示模型可信度越高。一般来说，当Ens﹥0.5时，表明模拟值符合要求。决定系数$ {R}^{2} $ 计算，见式（1）：Nash-Suttcliffe效率系数
$ {E}_{\mathrm{n}\mathrm{s}} $ 计算，见式（2）：式中，
$ {Q}_{i}^{\mathrm{o}\mathrm{b}\mathrm{s}} $ 、$ {Q}_{i}^{\mathrm{s}\mathrm{i}\mathrm{m}} $ 分别为径流量的实测值和模拟值；$ {Q}_{\mathrm{a}\mathrm{v}\mathrm{g}}^{\mathrm{o}\mathrm{b}\mathrm{s}} $ 、$ {Q}_{\mathrm{a}\mathrm{v}\mathrm{g}}^{\mathrm{s}\mathrm{i}\mathrm{m}} $ 分别为径流量实测值和模拟值的平均值。采用2008～2018年兰山嘴水文站、王江泾水文站和急水港水文站实测径流资料进行模型的率定和验证，结果表明径流实测值与模拟值的吻合程度较好，
$ {R}^{2}\mathrm{和}{E}_{\mathrm{n}\mathrm{s}} $ 均高于0.5，说明模型精度能满足要求。参数率定及验证结果，见图4～6和表3～6。 -
将率定后的参数输入SWAT模型，对太湖流域非点源氮磷输出进行模拟，对模拟的结果，主要从时间变化和空间分布上分析氮磷输出规律和特征。
-
读取模型结果对TN、TP负荷年际变化进行统计，见表7。
表7可知，1980年TN、TP负荷量分别为9.95和2.60万吨；2018年TN、TP负荷量分别为5.89和0.83万吨，总体上分别以−61.3 和−42.1 t/a的幅度呈现下降趋势，下降总量分别为4.06和1.77万t，TN下降总量更多；从污染物下降速率来看，TP下降速率是TN的2.5倍，TP负荷削减得更快。从年际变化趋势来看，TN、TP负荷量在20世纪80年代下降趋势最明显，1980～1987年间负荷总量分别下降6.31和1.98万吨，年均变化率分别达到9.4%和10.9%；20世纪90年代略有上升，1990～2000年间负荷总量分别上升2.05和0.28万吨，年均变化率为3.4%和2.5%；2000～2018年负荷量平稳下降，负荷总量分别下降2.54和0.60万吨，年均变化率分别是1.7%和2.3%。
-
为了精细化评估流域非点源污染变化情况，对全流域进行栅格化处理，栅格大小1 km×1 km。在Arcgis软件中，将栅格化后的流域图依次与SWAT模型结果中包含非点源污染物的Watershed数据以及1980年、2018年土地利用数据进行处理，得到流域1980～2018年非点源氮磷负荷变化情况，正值表示污染物负荷增加，负值表示削减，见图7。
图7可知，TN、TP污染物负荷变化空间分布上表现较为一致，均是西北高、西南低的特点。研究期间，TN、TP污染负荷变化量在不同地区差异较大：TN、TP负荷增加量在镇江地区最高，且由北向南逐渐增加；TN、TP负荷削减量在杭州和湖州地区最高，且由北向南逐渐增加。
-
将6种土地利用类型对1980～2018年污染负荷变化量的贡献大小进行统计，见表8。
表8可知，对于TN污染负荷变化量来说，各土地利用类型的贡献率从大到小依次为：林地、耕地、草地、水域、建设用地和未利用地；对于TP污染负荷变化量来说，各土地利用类型的贡献率从大到小依次为：耕地、林地、建设用地、水域、草地和未利用地。对TN、TP负荷变化量的贡献率最高的地类均是耕地和林地，分别为94.38%和86.78%，其中林地对TN负荷变化影响更大，耕地对TP负荷变化影响更大。
TN、TP负荷变化转移矩阵表示某种土地利用类型发生转变的过程中污染负荷的变化量，正值表示污染负荷增加，负值表示污染负荷削减，见表9和表10。
表9和表10可知，1980～2018年间，太湖流域某种土地利用类型转换为其他类型过程中，TN、TP负荷总体处于削减状态，削减总量分别约为1 431.16 t和2 577.8 t。某种土地利用类型转变为其他土地利用类型过程中，对TN、TP的削减程度不同。对于TN来说，耕地转为林地、草地转为林地时削减量最高，分别占地类转化TN削减总量的62.54%和26.77%；对于TP来说，耕地转为林地、建设用地转为林地时削减量最高，分别占地类转化TP削减总量的71.36%和21.86%。可见，耕地是影响流域非点源氮磷负荷量的最大的土地利用类型，林地则能有效削减氮磷负荷量。
-
（1）从土地利用情况来看，太湖流域1980～2018年主要土地利用类型为耕地，占比45%以上；土地转变较剧烈，土地转变总面积11 887.3 km2，其中耕地转变面积最大，占变化总量的90%，耕地主要向建设用地转变。
（2）从TN、TP污染物负荷总量年际变化特征来看，1980年和2018年负荷总量分别为9.95万吨、2.60万吨和5.89万吨、0.83万吨，TN、TP分别以−61.3 t/a和−42.1 t/a的幅度呈下降趋势，TN下降总量更高、TP下降速率更高。
（3）从TN、TP污染物变化空间分布特征来看，TN、TP污染物负荷变化空间分布上表现较为一致，均是西北高、西南低的特点。TN、TP污染负荷变化量在不同地区差异较大：TN、TP负荷增加量在镇江地区最高，且由北向南逐渐增加；TN、TP负荷削减量在杭州和湖州地区最高，且由北向南逐渐增加。
（4）各土地利用类型对TN负荷变化贡献率从大到小依次为：林地、耕地、草地、水域、建设用地和未利用地；对TP负荷变化的贡献率从大到小依次为：耕地、林地、建设用地、水域、草地和未利用地。
（5）耕地是影响非点源氮磷负荷量的最大的土地利用类型，林地则能有效削减氮磷负荷量。某种土地利用转变为其他土地利用类型过程中，对TN、TP的削减程度不同。对于TN来说，耕地转为林地、草地转为林地时削减量最高；对于TP来说，耕地转为林地、建设用地转为林地时削减量最高。
1980～2018年太湖流域非点源氮磷负荷变化研究
Study on change of non-point source nitrogen and phosphorus load in Taihu Lake Basin from 1980 to 2018
-
摘要: 文章采用SWAT模型，估算太湖流域1980～2018年的非点源氮磷污染负荷变化量，并通过分析土地利用变化，确定非点源氮磷负荷变化量对土地利用变化的响应。结果表明，太湖流域1980～2018年总氮（TN）、总磷（TP）负荷量总体呈下降趋势，下降总量分别为4.06万吨、1.77万吨；TN、TP负荷变化空间分布上表现较为一致，均是西北高、西南低的特点；TN、TP负荷变化量在不同地区差异较大：TN、TP负荷增加量在镇江地区最高，且由北向南逐渐增加；TN、TP负荷削减量在杭州和湖州地区最高，且由北向南逐渐增加。太湖流域1980～2018年土地利用转变过程中，耕地主要向建设用地转变；土地利用转变对TN、TP的削减程度不同，对于TN来说，耕地转为林地、草地转为林地时削减量最高；对于TP来说，耕地转为林地、建设用地转为林地时削减量最高。Abstract: The article used the SWAT model to estimate the change of non-point source nitrogen and phosphorus pollution load in the Taihu Lake Basin from 1980 to 2018. Through the analysis, the response of the change in non-point source nitrogen and phosphorus load to the land use was obtained. The results showed that the TN (total nitrogen) and TP (total phosphorus) loads in the Taihu Lake Basin from 1980 to 2018 showed an overall downward trend, with the amount of 40 600 tons and 17 700 tons, respectively. The spatial distribution of TN and TP load was of the same trend, with the characteristic of high in the northwest and low in the southwest. The changes of TN and TP varied greatly in different regions. The increment of TN and TP was the highest in Zhenjiang, and gradually increased from north to south. The reduction of TN and TP in Hangzhou and Huzhou area were the highest, and gradually increased from north to south. The cultivated land was mainly converted to the construction land from 1980 to 2018. Land use conversion reduced TN and TP with different degrees. For TN, the reduction of cultivated land was the highest when the farmland and the grassland were converted to the forest land. For TP, there was the highest reduction when the farmland and the construction land were converted to the forest land.
-
-
表 1 1980～2018年太湖流域土地利用转移矩阵
km2 土地利用类型 草地 耕地 建设用地 林地 水域 未利用地 1980年合计 草地 140.07 6.17 15.65 41.32 15.73 1.69 220.64 耕地 67.31 21 905.09 9 353.69 236.45 1 025.41 16.27 32 604.21 建设用地 3.24 224.24 3 967.40 8.01 22.59 0.81 4 226.29 林地 54.02 110.57 193.07 6 132.30 19.90 29.24 6 539.10 水域 32.16 175.48 225.22 7.56 5 613.76 0.53 6 054.71 未利用地 0.06 0.24 2.08 0.86 1.75 10.61 15.61 2018年合计 296.86 22 421.80 13 753.10 6 426.51 6 699.14 59.15 注：土地利用转移矩阵表示某种土地利用类型转变为其他类型时面积的变化量。 
下载: 导出CSV
表 2 模型主要输入数据
数据类型 数据描述 数据来源 数字高程模型 30 m×30 m数字高程模拟地形图 地理空间数据云 土地利用 中国30 m×30 m土地利用数据库 中国科学院地理科学与资源研究所 土壤数据 1∶100万土壤类型分布、土壤理化属性 世界土壤数据库HWSD V1.2数据集 气象数据 气象站分布、降雨、气温、风速、相对湿度和太阳辐射数据 CFSR气象数据库 水文数据 2008～2018年兰山嘴站径流 水利部太湖流域管理局 农业管理数据 农作物种类、施肥方式和时间等 统计年鉴、农业年鉴和调查数据
下载: 导出CSV
表 3 模拟参数敏感性排序和参数最佳取值-兰山嘴站
参数名称 参数意义 P-Value t-Stat 敏感性排序 修改方案 最佳值 GW_DELAY 地下水延迟系数 0.00 6.25 1 v 292.50 CN2 径流曲线数 0.01 −3.46 2 r −0.19 SOL_BD 土壤湿容重 0.03 −2.88 3 r −0.20 SOL_AWC 土壤有效含水 0.05 2.51 4 r 0.30 SOL_K 土壤饱和导水率 0.08 −2.12 5 r −0.44 SFTMP 降雪基温 0.23 1.35 6 v −2.25 ALPHA_BNK 河岸调蓄的基流α因子 0.27 −1.20 7 v 0.48 GWQMN 浅层地下水径流系数 0.38 0.94 8 v 0.15 CH_K2 主河道河床有效水利传导度 0.39 0.93 9 v 108.13 ALPHA_BF 基流回退系数 0.43 −0.84 10 v 0.03 GW_REVAP 浅层地下水再蒸发系数 0.46 0.79 11 v 0.14 ESCO 土壤蒸发补偿因子 0.92 0.10 12 v 0.94 CH_N2 主河道曼宁系数 0.94 −0.07 13 v 0.29 注：r表示原参数乘以（1+率定值）；v表示用率定值替换原参数值。
下载: 导出CSV
表 4 模拟参数敏感性排序和参数最佳取值-王江泾站
参数名称 参数意义 P-Value t-Stat 敏感性排序 修改方案 最佳值 SOL_AWC 土壤有效含水 0.00 −5.76 1 r −0.19 SOL_BD 土壤湿容重 0.00 4.99 2 r 0.24 GW_DELAY 地下水延迟系数 0.01 −3.76 3 v 61.50 CN2 径流曲线数 0.15 −1.66 4 r −0.11 GWQMN 浅层地下水径流系数 0.31 1.11 5 v 1.95 ALPHA_BNK 河岸调蓄的基流α因子 0.32 −1.08 6 v 0.38 SOL_K 土壤饱和导水率 0.38 0.95 7 r 0.20 ESCO 土壤蒸发补偿因子 0.46 −0.80 8 v 0.97 GW_REVAP 浅层地下水再蒸发系数 0.58 −0.58 9 v 0.05 ALPHA_BF 基流回退系数 0.60 0.55 10 v 0.28 SFTMP 降雪基温 0.74 −0.35 11 v −0.25 CH_K2 主河道河床有效水利传导度 0.78 −0.29 12 v 14.38 CH_N2 主河道曼宁系数 0.88 0.16 13 v 0.05
下载: 导出CSV
表 8 不同土地利用方式变化对TN、TP负荷变化量的贡献
% 土地利用类型 TN负荷 TP负荷 耕地 27.31 47.63 林地 67.07 39.15 草地 1.99 1.20 水域 1.91 3.64 建设用地 1.70 8.37 未利用地 0.02 0.01
下载: 导出CSV
表 9 TN负荷变化转移矩阵
t 土地利用类型 草地 耕地 建设用地 林地 水域 未利用地 合计 草地 −647.81 −9.85 −15.84 −329.55 −3.09 −0.90 −1 007.03 耕地 −5.80 −9 808.98 −149.88 −769.92 −313.56 −7.79 −11 055.93 建设用地 −1.32 −42.29 −627.49 −12.60 −4.39 −0.42 −688.49 林地 −236.28 −53.46 −215.64 −26 268.70 −25.02 −48.36 −26 847.46 水域 −11.00 −52.43 −1.20 −9.63 −699.59 0.02 −773.84 未利用地 −0.07 −0.17 −0.26 −0.69 −0.08 −3.90 −5.17
下载: 导出CSV
表 10 TP负荷变化转移矩阵
t 土地利用类型 草地 耕地 建设用地 林地 水域 未利用地 合计 草地 −171.02 −3.03 −4.79 −36.48 −1.38 −0.36 −217.06 耕地 −12.45 −6 324.35 −240.65 −1 839.45 −210.60 −3.88 −8 631.38 建设用地 −0.85 −4.06 −942.76 −563.54 −5.19 −0.21 −1 516.62 林地 −62.16 −97.09 −77.99 −6 835.72 −8.07 −14.06 −7 095.09 水域 −5.07 −41.01 −36.56 −3.08 −572.93 −0.10 −658.74 未利用地 −0.02 −0.07 −0.18 −0.23 −0.06 −1.74 −2.30
下载: 导出CSV
表 5 模拟参数敏感性排序和参数最佳取值-急水港站
参数名称 参数意义 P-Value t-Stat 敏感性排序 修改方案 最佳值 GW_DELAY 地下水延迟系数 0.00 6.75 1 v 355.50 CN2 径流曲线数 0.01 −3.99 2 r −0.17 SOL_AWC 土壤有效含水 0.02 3.11 3 r 0.36 SOL_K 土壤饱和导水率 0.34 −1.03 4 r 0.76 ESCO 土壤蒸发补偿因子 0.35 −1.02 5 v 0.89 SFTMP 降雪基温 0.41 0.89 6 v 1.75 SOL_BD 土壤湿容重 0.48 −0.76 7 r −0.31 ALPHA_BNK 河岸调蓄的基流α因子 0.49 −0.72 8 v 0.73 CH_K2 主河道河床有效水利传导度 0.50 0.71 9 v 26.87 CH_N2 主河道曼宁系数 0.52 −0.68 10 v 0.20 GW_REVAP 浅层地下水再蒸发系数 0.65 0.48 11 v 0.03 GWQMN 浅层地下水径流系数 0.65 0.47 12 v 1.45 ALPHA_BF 基流回退系数 0.99 −0.01 13 v 0.13
下载: 导出CSV
表 6 各水文站径流模拟结果
水文站名 月平均流量/ ${\mathrm{m} }^{3}\cdot {\mathrm{s} }^{-1}$ $ {R}^{2} $ $ {E}_{\mathrm{n}\mathrm{s}} $ 实测值 模拟值 兰山嘴 112.65 136.83 0.76 0.70 王江泾 15.80 17.16 0.70 0.56 急水港 9.56 12.54 0.71 0.60
下载: 导出CSV
-
[1] 韦雪骐. 太湖流域水环境保护对策研究[D]. 上海: 上海交通大学, 2009. [2] 高伟, 白辉, 严长安, 等. 1952—2016年长江经济带天然与人为氮输入时空演变趋势[J]. 环境科学学报, 2019, 39(9): 3134 − 3143. doi: 10.13671/j.hjkxxb.2019.0143 [3] 林明, 丁晓雯, 卢博鑫. 降雨、地形对非点源污染产输影响机理综述[J]. 环境工程, 2015, 33(6): 19 − 23. doi: 10.13205/j.hjgc.201506005 [4] 韩赵钦. 基于SWAT模型的滇池流域不同土地利用配置下的非点源污染研究[D]. 武汉: 华中农业大学, 2013. [5] BIZUNEH W, ARGAW A, SEID T M, et al. Effect of watershed land use on tributaries water quality in the East African Highland[J]. Environmental Monitoring and Assessment, 2019, 191(1): 36. doi: 10.1007/s10661-018-7176-3 [6] MORIKEN C, NOR R J, AHMAD F B A. Impact of land uses on water quality in Malaysia: A review[J]. Ecological Processes, 2019, 8(1): 1 − 10. doi: 10.1186/s13717-018-0154-4 [7] NIRAULA R, KALIN L, SRIVASTAVA P, et al. Identifying critical source areas of nonpoint source pollution with SWAT and GWLF[J]. Ecological Modelling, 2013, 268: 123 − 133. doi: 10.1016/j.ecolmodel.2013.08.007 [8] MAANAN M, RUIZ-FERNANDEZ A C. A long-term record of land use change impacts on sediments in Qualidia lagoon, Morocco[J]. International Journal of Sediment Research, 2014, 29(1): 1 − 10. doi: 10.1016/S1001-6279(14)60017-2 [9] 宋林旭, 刘德富, 崔玉洁. 三峡库区香溪河流域非点源氮磷负荷分布规律研究[J]. 环境科学学报, 2016, 36(2): 428 − 434. doi: 10.13671/j.hjkxxb.2015.0510 [10] 马广文, 王圣瑞, 王业耀, 等. 鄱阳湖流域面源污染负荷模拟与氮和磷时空分布特征[J]. 环境科学学报, 2015, 35(5): 1285 − 1291. doi: 10.13671/j.hjkxxb.2014.1046 [11] 张婷, 高雅, 李建柱, 等. 流域非点源氮磷污染负荷分布模拟[J]. 河海大学学报(自然科学版), 2021, 49(1): 42 − 49. [12] 吴菲, 吴俊锋, 凌虹, 等. 太湖流域土地利用变化研究[J]. 中国人口•资源与环境, 2018, 28(7): 143 − 145. [13] 王丹, 王延华, 杨浩, 等. 太湖流域农田生产-畜禽养殖系统氮素流动特征[J]. 环境科学研究, 2016, 29(3): 457 − 464. doi: 10.13198/j.issn.1001-6929.2016.03.19 [14] 闵炬, 纪荣婷, 王霞, 等. 太湖地区种植结构及农田氮磷流失负荷变化[J]. 中国生态农业学报, 2020, 28(8): 1230 − 1238. doi: 10.13930/j.cnki.cjea.200152 [15] 周杨, 司友斌, 赵旭, 等. 太湖流域稻麦轮作农田氮肥施用状况、问题和对策[J]. 土壤, 2012, 44(3): 510 − 514. doi: 10.3969/j.issn.0253-9829.2012.03.024 [16] 熊正琴, 邢光熹, 沈光裕, 等. 太湖地区湖、河和井水中氮污染状况的研究[J]. 农村生态环境, 2002, 18(2): 29 − 33. [17] 冉小伟, 邓良基, 潘根兴. 华东地区典型县域近20年土地利用动态变化分析——以宜兴市为例[J]. 中国农学通报, 2009, 25(12): 246 − 251. [18] STERLING S M, DUCHARNE A, POLCHER J. The impact of global land-cover change on the terrestrial water cycle[J]. Nature Climate Change, 2012, 3(4): 385 − 390. [19] 王秀娟, 刘瑞民, 宫永伟, 等. 香溪河流域土地利用格局演变对非点源污染的影响研究[J]. 环境工程学报, 2011, 5(5): 485 − 498. [20] 魏怀斌, 张占庞, 杨金鹏. SWAT模型土壤数据库建立方法[J]. 水利水电技术, 2007, 38(6): 15 − 18. doi: 10.3969/j.issn.1000-0860.2007.06.005 -
点击查看大图
图( 7) 表( 10)
计量
- 文章访问数: 2399
- HTML全文浏览数: 2399
- PDF下载数: 34
- 施引文献: 0
