使用综合足迹-统计方法解析地下水中硝酸盐污染的农业与非农业驱动因素

《Science of The Total Environment》：Disentangling agricultural and non-agricultural drivers of groundwater nitrate contamination using an integrated footprint–statistical approach

　　

硝酸盐（NO₃^?）对地下水的污染是一个广泛的环境和公共卫生问题，特别是在集约化管理的农业区域。本研究调查了波河河谷（意大利北部）地下水中NO₃^?污染的时空动态，将灰色水足迹（Grey Water Footprint, GWF）框架与多变量统计和地理空间分析相结合。利用2013年至2023年间约2100个监测站点的数据，研究人员估算了进入地下水的氮负荷，并将其划分为农业和非农业贡献。结果表明，尽管农业仍然是NO₃^?污染的重要来源——特别是在艾米利亚-罗马涅和皮埃蒙特——但它并不能完全解释观测到的污染模式。非农业源，包括城市和工业活动，贡献显著，尤其是在伦巴第，威尼托次之。在研究区域超过50%的站点中，估算的非农业氮负荷（L_non-agr）超过了10 kg N/ha/yr，凸显了农业以外广泛人为压力的相关性。主成分分析（Principal Component Analysis, PCA）揭示，人为因素（人口密度、工业活动和农业强度）和自然驱动因素（降水、土壤质地和排水）共同控制NO₃^?的分布。自然因素，尤其是降水和土壤性质，在调节硝酸盐运移和积累方面往往发挥主导作用，解释了不能仅归因于施氮量的区域差异。时间分析进一步表明，这些驱动因素的相对重要性随时间变化，并受气候变率的影响。不确定性分析强调了参数约束不足（尤其是地下水补给和自然背景NO₃^?浓度）对模型输出结果的影响。总体而言，研究表明波河河谷地下水硝酸盐污染源自源和过程的复杂相互作用。这些发现凸显了需要采取综合管理策略，同时解决农业和非农业输入，并考虑水文地质和气候条件。

**研究背景、问题与意义**
硝酸盐（NO₃^?）对地下水的污染是全球性的环境和公共卫生威胁，尤其是在集约化农业区。尽管农业常被认为是主要污染源，但城市和工业活动（如污水渗漏、工业废水、垃圾填埋）也可能贡献显著。波河河谷（意大利北部）是欧洲重要的农业区，同时人口密集、工业发达，地下水是主要饮用水源，但此前研究多将污染简单归因于农业，忽视了非农业和自然驱动因素。因此，需要一种可规模化、数据驱动的方法来区分不同来源的贡献。本研究旨在通过整合灰色水足迹（GWF）、多变量统计和地理空间分析，定量解析波河河谷地下水NO₃^?污染的农业与非农业驱动因素。论文发表在《Science of The Total Environment》。

**主要关键技术方法**
研究人员基于约2100个监测站点（2013–2023年）的数据，来源于意大利区域预防环境局（ARPA）数据库。采用以下关键方法：① 灰色水足迹（GWF）与水体污染水平（WPL）框架估算总氮负荷（L_N），并利用高分辨率土地利用指标作为物理代理，将农业（L_agr）与非农业贡献（L_non-agr）分离；② 主成分分析（PCA）结合GIS空间插值，分析人为因素（人口密度、工业用地比例、农业用地比例）和自然因素（降水、土壤质地、排水）对NO₃^?分布的相对影响；③ 蒙特卡罗模拟（10,000次）进行不确定性分析，并计算偏秩相关系数（PRCC）进行敏感性分析。

**研究结果**
3.1 区域地下水NO₃^?浓度与L_non-agr
通过统计ARPA站点数据，艾米利亚-罗马涅超标率最高（10%），皮埃蒙特次之（6%），伦巴第和威尼托较低（3%和2%）。农业氮输入量（如伦巴第138 kg N/ha/yr）与污染空间模式不完全一致，提示非农业源贡献显著。L_non-agr（非农业氮负荷）估算显示，伦巴第和皮埃蒙特分别有54%和63%的站点L_non-agr > 10 kg N/ha/yr，而艾米利亚-罗马涅和威尼托仅占42%和44%，表明非农业活动（城市和工业）在伦巴第和皮埃蒙特更为突出。

3.2 不确定性与敏感性分析
蒙特卡罗模拟表明，L_non-agr空间分布中高值集中于城市周边。敏感性分析显示，输入参数不确定性主要来源于残余地下水厚度（R₀），其次为自然背景NO₃^?浓度（C_nat）和实测NO₃^?浓度（C）。高L_non-agr区域不确定性最大，强调需改进对含水层属性和背景浓度的认识。

3.3 市政统计分析
以市政尺度的人口密度（PD）、工业用地比例（ID）和农业用地比例（AD）作为人为压力代理，结合自然因素进行PCA。前两个主成分（PC1和PC2）解释53.43%方差。PC1与PD、ID正相关，与AD负相关，反映城市-工业梯度；PC2与降水（P）和土壤质地（T）相关，代表自然因素。区域质心分析表明：艾米利亚-罗马涅的高L_non-agr质心与农业密度向量对齐，但自然因素贡献仍显著；伦巴第质心偏向人为梯度（PD、ID）；皮埃蒙特尽管质心靠近农业向量，但贡献分解显示人为因素占主导（64–72%）；威尼托质心更接近自然变量。空间插值PC1、PC2、PC3进一步证实农业在皮埃蒙特和艾米利亚-罗马涅占主导，工业-城市压力在伦巴第更突出，威尼托多源均衡。

3.4 2013–2023年时间PCA
按年份和L_non-agr类别分组进行时间PCA。高L_non-agr站点中，人为因素通常占多数方差，但2014年因异常高降水，自然因素主导。中等L_non-agr站点质心位于PC1正侧，结合城市-工业与自然驱动；低L_non-agr站点偏向农业变量。自然因素在多数年份贡献最大，降水常为首要驱动因子；2020年土壤质地突显，与间断性强降雨事件有关。人为贡献峰值出现在2016年（可能与施肥法规相关）和2020年（COVID-19期间工业减少而农业投入增加）。

**讨论与结论**
讨论部分强调，NO₃^?污染是人为与自然因素复杂相互作用的结果，而非单一来源。L_non-agr作为非农业氮输入的综合指标，其稳健性通过敏感性分析验证，但需谨慎解释其可能包含历史遗留氮及受反硝化作用调节。时间分析表明驱动因素重要性随气候和土地利用变化而动态变化。不确定性分析指出关键知识缺口（含水层属性、背景浓度）的限制。研究结论翻译如下：

本研究通过整合统计、地理空间和综合不确定性分析，对意大利北部地下水NO₃^?污染进行了全面评估。结果表明，NO₃^?污染源于人为信号与自然因素的复杂相互作用，而非单一主导源。尽管农业在艾米利亚-罗马涅和皮埃蒙特等地仍是重要贡献者，但并不完全解释观测到的时空变异性。相反，自然信号及主要关联城市和工业足迹的非农业人为信号在伦巴第和威尼托等地区发挥更突出作用。L_non-agr作为非农业氮输入的指标，在区分这些贡献方面被证明有效，并通过显式考虑农业负荷、自然背景浓度和年补给变异性不确定性的敏感性分析验证了其稳健性。PCA结果强调，这些驱动因素的相对重要性随背景变化，自然因素（尤其是降水和土壤质地）经常调节NO₃^?的运移和积累。时间分析确认这种平衡并非静态，而是随气候变率和土地利用实践变化而变化。不确定性分析也强调关键知识缺口（特别是关于地下水系统属性和自然背景NO₃^?浓度）的重要性，改进这些参数的特征将增强未来评估的稳健性。总体而言，本研究强调了需要综合考虑农业和非农业源以及潜在水文地质背景的综合管理策略，以有效缓解地下水NO₃^?污染并确保水资源可持续管理。通过提出一个避免多源化学示踪剂解释歧义的简约且可扩展的框架，本研究为复杂水文盆地中的区域尺度水资源管理提供了可转移的工具。