《Ecological Indicators》:High spatiotemporal resolution process-based model revealed an aggravated nitrogen legacy-related water pollution risk in a large basin: spatio-seasonal patterns, drivers, and management opportunities
编辑推荐:
遗留氮,即景观中长期储存的氮,由于其对地表水水质的持续威胁、巨大的累积规模以及分散的空间分布,构成了严峻的水环境管理挑战。在更大范围、更精细时空尺度上全面理解遗留氮及其对水质的影响,对于遗留效应相关水污染控制与生态环境可持续发展至关重要。研究人员构建了一个具有
遗留氮,即景观中长期储存的氮,由于其对地表水水质的持续威胁、巨大的累积规模以及分散的空间分布,构成了严峻的水环境管理挑战。在更大范围、更精细时空尺度上全面理解遗留氮及其对水质的影响,对于遗留效应相关水污染控制与生态环境可持续发展至关重要。研究人员构建了一个具有高时空分辨率的过程模型系统,用于生成1978–2020年松花江流域土壤遗留氮(Nleg_soi)和地下水遗留氮(Nleg_gr)的季节性分布图。模型结果表明,季节性遗留氮储量呈上升趋势,增幅约为1.4–3.6倍。占流域面积10%的遗留热点区域贡献了约38–67%的遗留氮总储量,表明遗留氮空间分布显著不均。Nleg_soi对人为因子更敏感,而Nleg_gr对自然因子更敏感。随着时间推移,遗留效应不断增强,遗留氮约贡献了季节性河流氮负荷的48–73%。畜禽—作物—人类耦合系统、减少化石燃料使用以及土壤和粪肥管理的组合措施,能够有效减轻遗留效应相关的水污染。
该文发表于《Ecological Indicators》,聚焦大型流域遗留氮(legacy nitrogen)累积及其水质效应这一流域生态环境管理中的关键议题。过去数十年,陆地生态系统的人为氮输入显著增加,尽管污水处理升级和最佳管理措施持续推进,全球许多流域地表水氮负荷仍居高不下,水质改善滞后现象十分突出。研究界逐渐认识到,造成这一“治理投入—水质响应”时间错配的重要原因,在于土壤和地下水中长期累积的遗留氮持续释放并迁移进入河流系统。遗留氮不仅具有显著的时间延迟效应,还具有大尺度累积、空间分散和跨季节迁移等特征,使其成为流域尺度氮污染治理中的顽固来源。然而,既有经验模型缺乏对生物地球化学过程和水文输移过程的完整刻画,较难区分不同景观介质中的遗留氮;而部分过程模型虽然可模拟较高时间步长下的输移过程,却难以在季节尺度和精细空间尺度上同时整合氮循环与水文过程。因此,开展高时空分辨率、参数相对简约且可扩展的过程模拟研究,成为揭示大型流域遗留氮时空动态及其治理路径的必要前提。
基于这一科学问题,研究人员以具有显著季节差异且面临较强氮污染压力的松花江流域为对象,建立了“人为营养物遗留效应”模型框架(LEARNer, Legacy Effect of AnthRopogenic Nutrient)。研究旨在从季节和1 km网格两个精细尺度出发,揭示遗留氮在总氮输入中的份额与长期变化趋势,识别土壤与地下水遗留氮热点及其调控因子,评估遗留氮对河流氮负荷的贡献,并据此探索减缓遗留污染风险的管理方案。研究结果显示,1978–2020年松花江流域季节性遗留氮储量持续增加,且遗留氮已成为延缓流域河流水质改善的主导污染源之一;综合实施畜禽—作物—人类耦合养分循环、减少化石燃料使用以及强化土壤和粪肥管理,可显著降低2050年前遗留氮储量与河流氮负荷。该研究的重要意义在于,将遗留氮问题从年度、粗尺度评估推进到季节—网格精细解析层面,为大型流域氮污染精准治理和水环境可持续管理提供了新的量化工具与决策依据。
在技术方法方面,研究主要采用以下几类关键方法:首先,基于TREND?nitrogen框架扩展估算县域人为氮输入与输出,并通过时间降尺度和土地利用分配方法,将年度县域数据细化为月度、季节尺度及1 km网格数据;其次,在LEARNer模型中耦合氮源估算模块、氮损失核算模块和水质响应模块,综合表征地表径流、淋洗、反硝化以及地下水输移时间分布等过程;再次,利用R
2和Nash–Sutcliffe效率系数(NSE)开展跨尺度模型验证,并结合Monte Carlo分析评估参数不确定性;此外,采用分位数分类识别遗留氮热点,并通过单因子敏感性分析识别自然和人为驱动因素;最后,构建BAU、IMM与IMH三类2021–2050年情景,对遗留氮风险削减与河流水质改善进行预测。
在主体结果方面,论文首先在“3.1 Anthropogenic N source and fate analysis”部分分析了1978–2020年松花江流域人为氮源及其归趋。研究表明,过去43年间流域氮输入总量接近增长4倍,累计达到138 ± 3.45 Tg。春夏季化学肥料氮(Nfer)是最主要输入源,占总输入约42–64%;秋冬季则以粪肥氮输入(Nman)为主,占比超过59%。这反映出流域农业与畜牧业活动强度极高,同时工业发展和化石能源消费增加也推动了大气氮沉降(Ndep)的显著累积。氮归趋分析显示,只有12–32%的氮输入被作物吸收,其余则通过反硝化、径流输出、遗留储存或保留于人类系统中。春夏秋三季,未被收获的氮主要去向是地表与地下反硝化以及土壤、地下水遗留储存;冬季则主要以畜禽养殖场内待处理粪污形式滞留。
在“3.2 Long-term legacy N dynamics”部分,研究揭示了长期遗留氮动态变化。结果显示,1978–2020年土壤遗留氮(Nleg_soi)由586.3 ± 14.7 kg/km
2增至1547.2 ± 39.4 kg/km
2,地下水遗留氮(Nleg_gr)由310.2 ± 7.8 kg/km
2增至785.2 ± 19.6 kg/km
2。其中春季增长最快,Nleg_soi和Nleg_gr增加约3.1–3.6倍,主要与长期强化施肥有关;秋季增速最慢,约为1.6倍,部分原因在于施用于农田的粪肥比例下降以及作物吸氮显著增强。不同季节之间遗留氮规模差异明显,春季总遗留氮储量最高,平均值达到727.5 kg/km
2,显著高于其他季节。研究还比较了Nleg_soi/Nleg_gr比值,发现春季土壤与地下水遗留氮累积量相近,而其他季节土壤遗留氮占明显主导。由于地下水遗留氮通过地下水—地表水相互作用对水体构成持续威胁,较低的Nleg_soi/Nleg_gr在一定程度上意味着更高的地表水污染风险。
在“3.3 Spatial variation in legacy N”部分,研究从空间维度揭示了遗留氮的显著异质性。春、夏、秋三季中,Nleg_soi与Nleg_gr总体呈现由流域西南部或中部向其他区域递减的格局,而冬季则表现为更分散的空间分布。在子流域尺度上,LR子流域的遗留氮累积最高,而UN子流域最低。采用分位数分类后,研究识别出约占全流域面积10%的网格为遗留氮热点,但这些区域贡献了约38–67%的遗留氮总储量,表明遗留氮空间分布高度不均衡。春夏秋三季,土壤遗留氮热点主要集中于LN中南部、LR大部分区域和SRH北部或西部;地下水遗留氮热点则扩展至UR北部、SRT西部或南部以及SRJ东部等区域。该结果说明,热点区周边地表水面临更高的遗留污染暴露风险,流域治理应突出空间精准性。
在“3.4 Sensitivity analysis”部分,研究通过敏感性分析识别了调控遗留氮动态的关键因素,并细分为气候因子、土壤—生产实践—植被因子及其季节和空间差异三个层面。在“3.4.1 Climate factors”中,研究发现温度对Nleg_soi的影响较弱,但对Nleg_gr表现出更强负敏感性,尤其在夏秋季更为明显,表明温度升高可能通过增强地下反硝化加速地下水遗留氮消减。降水在春秋季会减少土壤遗留氮而增加地下水遗留氮,冬季降雪则可能促进微生物固定和氮沉降输入,从而同时增加两类遗留氮。春季冻融作用增强地表径流和淋洗,整体上使遗留储存向径流损失转移。在“3.4.2 Soil, production practices and vegetation”中,研究指出土壤质地、土层深度、有机质含量和地下传输时间等自然条件通过影响物理拦截、生物地球化学滞留和输移过程控制遗留氮;施肥、养殖和化石能源使用等人为活动则通过增加Nfer、Nliv和Ndep显著促进遗留氮形成,且在人类活动强烈的热点区作用尤为突出。植被覆盖对遗留氮影响具有双重性,农作物可能增加景观氮输入,而森林覆盖提升则有助于环境净化并降低遗留氮储量。在“3.4.3 Seasonal and spatial differences in factors”中,研究进一步总结,Nleg_soi对人为因子更敏感,而Nleg_gr及Nleg_soi/Nleg_gr对自然因子更敏感;同时,人为因子在解释热点区与非热点区之间差异方面具有主导作用。
在“3.5 Seasonal legacy N effects on riverine water quality”部分,研究评估了遗留氮对河流氮负荷的贡献。结果表明,河流氮负荷在空间上同样高度不均,UR和SRT子流域负荷较高,而UN和MN较低。1978–2020年间,四季河流氮负荷均呈显著上升趋势,其中夏季增长最快,冬季最慢。来源解析显示,遗留氮是河流氮负荷的最大来源,贡献率约为48.5% ± 1.2%至73.1% ± 1.8%;其次为地表径流、点源和河道内来源。随时间推移,点源贡献下降约30–40%,而遗留氮的重要性不断上升,尤其自2000年代以来贡献普遍超过55%,说明遗留氮已成为松花江流域河流水质改善的首要障碍。春季和秋季遗留氮贡献更高,与这两个季节较高的遗留污染风险一致。研究据此强调,遗留氮经土壤矿化、侵蚀和地下水输移进入河流,构成长期持续性污染源,也解释了为何即使近年来人为氮输入有所控制,水质改善仍存在明显滞后。
在“3.6 Future perspective for abating legacy pollution risk”部分,研究利用情景分析评估了未来治理潜力。BAU情景下,到2050年松花江流域Nleg_soi、Nleg_gr及其比值均变化不大,说明若延续历史发展路径,遗留污染风险难以自然缓解。相比之下,IMM和IMH两种改进管理情景均可显著降低遗留氮储量。到2050年,IMH和IMM情景下全流域季节性Nleg_soi较BAU平均分别降低46.3%和34.1%,Nleg_gr分别降低66.3%和40.7%,同时Nleg_soi/Nleg_gr上升,意味着通过地下路径影响地表水的风险显著减轻。值得注意的是,IMH情景在春秋季对Nleg_soi的降幅略低于IMM,这与土壤质量提升增强土壤保氮能力有关,但其对Nleg_gr的抑制更强,因此综合水污染风险更低。河流氮负荷方面,到2050年IMM情景下四季子流域出口氮负荷较BAU平均下降43.3–54.6%,而IMH可进一步追加17.8–22.0%的降幅,并有望在2050年前更早实现水质目标。
在“3.7 Implications for basin-scale N pollution control”部分,研究提出了两方面流域治理启示。其一,应实施季节差异化管理:春季重点减少化肥施用、增加粪肥还田并提升植被覆盖;夏冬季应控制化石燃料消费和发展清洁能源以降低氮沉降,同时夏季可恢复河岸湿地以截留地下水遗留氮;秋季则需优先减少前三季氮输入并强化粪污收集储存,降低淋洗与地下水遗留氮积累;冬季还需加强点源污染控制。其二,应从空间角度对遗留热点区实行更严格、更定向的管理,尤其在LN、UR、LR和SRH等热点子流域,通过优化畜牧生产空间布局、平衡作物吸氮需求与粪肥供给,并加强区域协同治理,降低重点区域遗留污染风险。论文同时指出研究存在两项局限:一是单因子扰动敏感性分析不足以严格识别多因子交互驱动机制;二是由于缺乏高分辨率历史物理数据,对Nliv?treat空间分配的处理可能弱化热点峰值、夸大邻近网格水平。但总体而言,研究仍为全球其他大型流域开展网格尺度季节性遗留氮量化与治理方案设计提供了具有示范意义的框架。
综合讨论表明,该研究的核心贡献在于将遗留氮从静态、年度和粗尺度评估推进到动态、季节性和1 km网格尺度解析,并通过将生物地球化学过程与水文输移滞后过程耦合,阐明了遗留氮在大型流域中的累积、迁移、热点形成及其对河流水质的长期控制作用。研究结果证实,遗留氮不仅是历史氮输入的“记忆库”,也是当前和未来流域水污染的重要内源驱动。对于松花江流域而言,治理成效的实现不仅取决于当期氮输入削减,还取决于对既有遗留库的长期消减与结构优化。由此,流域氮污染控制应从单一减排转向“源头减量—过程拦截—遗留削减—热点治理”的综合管理框架。
研究结论可译为:本研究利用新型集成模型LEARNer,在季节尺度和1 km网格尺度上评估了松花江流域的遗留氮。研究发现,1978–2020年间季节性遗留氮储量增加约1.4–3.6倍,表明随时间推移遗留效应相关水污染威胁持续加剧。研究识别出网格尺度遗留热点区,这些区域贡献了流域约38–67%的遗留氮储量。自2000年代以来,遗留氮在延缓松花江流域河流水质改善方面发挥了主导作用。基于驱动因子识别与情景分析,研究建议通过多策略组合,即畜禽—作物—人类耦合系统、减少化石燃料使用以及土壤与粪肥管理技术,可有效降低遗留氮储量,并在2050年前将河流氮水平降至水质阈值以下。