《Ecological Indicators》:Spatiotemporal heterogeneity and response quantification of agricultural carbon dynamics and non-point source pollution in Guangdong Province, China
编辑推荐:
在全球气候治理背景下,农业非点源污染(ANPSP)和碳动态(CD)是农业可持续性面临的主要挑战,特别是在全球快速城市化的沿海地区。本研究采用地理信息系统(GIS)、结构方程模型(SEM)和SHapley Additive exPlanations(SHAP),
在全球气候治理背景下,农业非点源污染(ANPSP)和碳动态(CD)是农业可持续性面临的主要挑战,特别是在全球快速城市化的沿海地区。本研究采用地理信息系统(GIS)、结构方程模型(SEM)和SHapley Additive exPlanations(SHAP),调查了1994年至2023年广东省农业非点源污染(ANPSP)和碳动态(CD)的时空异质性及响应量化。结果表明:(1)总氮(TN)、总磷(TP)和化学需氧量(COD)整体呈阶梯式下降,碳排放(CE)与碳吸收(CU)之间的关系复杂。ANPSP的热点区域日益集中在广东省西南部。(2)畜牧业生产(LP)与TN、TP和COD的关联性最强。化肥施用量(FAR)、作物生产(CP)和LP存在潜在间接路径。CU与CE呈显著负相关。(3)LP特征对ANPSP的贡献最大,其中山羊养殖对TN、TP和COD的贡献率分别为17.75%、38.73%和40.61%。FAR对CE的贡献最大(62.68%),而水稻(44.77%)和甘蔗(31.11%)对CU的贡献最大。这些结果可为粤港澳大湾区ANPSP和CD的定量表征提供科学支持。
**论文解读:广东省农业碳动态与非点源污染的时空异质性及响应量化**
**研究背景与问题**
在应对全球气候变化的背景下,农业非点源污染(ANPSP)与碳动态(CD)已成为制约农业可持续性发展的关键环境问题,尤其是在快速城市化的沿海地区。现有研究多将ANPSP与CD作为独立议题分别探讨,缺乏在同一区域、同一框架下对二者进行同步评估与关联机制分析。广东省作为中国快速城市化的典型沿海省份,兼具高强度的农业活动与复杂的水系网络,同时面临粤港澳大湾区巨大的生态管理压力,是研究ANPSP与CD耦合响应的理想区域。然而,现有研究尚未充分揭示该区域ANPSP与CD的时空异质性及其共同影响因子的作用路径与贡献份额。因此,本研究旨在填补这一空白,为粤港澳大湾区及类似区域的农业污染控制与碳减排协同管理提供科学依据。论文发表在《Ecological Indicators》。
**研究内容与结论**
研究人员构建了集成污染负荷核算、地理信息系统(GIS)空间分析、结构方程模型(SEM)与SHapley Additive ExPlanations(SHAP)的定量分析框架,系统评估了1994–2023年广东省ANPSP与CD的时空异质性、影响因子关联路径及贡献量化。主要结论包括:(1)农业TN、TP和COD呈阶梯式下降,而CE与CU先分化后趋同再分化;ANPSP热点向粤西收缩,珠江三角洲核心区减排显著。(2)畜牧业生产(LP)与TN、TP、COD关联最强,且化肥施用量(FAR)与作物生产(CP)通过LP间接影响污染;碳吸收(CU)与碳排放(CE)呈显著负相关。(3)LP相关变量对ANPSP贡献最大,其中山羊养殖对TN、TP、COD贡献率分别为17.75%、38.73%、40.61%;FAR对CE贡献率达62.68%,水稻与甘蔗对CU贡献率分别为44.77%和31.11%。这些发现为粤港澳大湾区定量识别ANPSP与CD的驱动机制提供了科学依据。
**关键技术方法**
(1)**污染负荷核算**:采用单元调查法,基于广东省21个地级市1994–2023年《广东农村统计年鉴》数据,结合产排污系数手册估算TN、TP、COD、CE及CU的年度负荷。(2)**GIS空间分析与空间自相关**:利用ArcMap 10.8.2绘制关键年份的污染负荷空间分布图,并通过空间自相关分析识别热点与冷点区域。(3)**结构方程模型(SEM)**:基于630个观测值(21市×30年),使用SmartPLS 4构建路径模型,检验FAR、CP、LP、淡水养殖、海水养殖、农村生活污水等影响因子与ANPSP及CD指标间的关联与潜在路径。(4)**XGBoost与SHAP**:集成XGBoost回归模型与SHAP解释方法,将数据集按80%训练/20%测试分层抽样,通过网格搜索调参,用SHAP值量化各影响因子对ANPSP与CD指标预测的相对贡献。样本队列来源为广东省农村统计年鉴的市级面板数据。
**研究结果**
**3.1 时空异质性分析**
通过核算与GIS制图发现,1994–2023年TN、TP、COD整体呈阶梯式下降,其中1996年达到峰值(TN约1500 kt,TP约270 kt,COD约5500 kt),随后逐步降低。CE与CU呈现先分化后趋同再分化的复杂时序模式。空间上,ANPSP高值区从粤中、粤西向粤西南收缩,广州、佛山、肇庆减幅最大;CE与CU高值区持续集中于湛江,广州、佛山等核心城市降幅显著。空间自相关分析显示,TN、TP、COD变化的热点集中在广州、佛山,CE变化的热点仅出现在湛江,而CU变化在湛江呈冷点、在广州呈热点。
**3.2 影响因子关联分析**
SEM结果揭示:LP与TN、TP、COD均呈显著正关联,路径系数分别为0.688、0.951(TP)和0.951(COD);FAR与CP通过LP间接关联于TN、COD。CU与CE呈显著负关联(路径系数-0.784),水稻种植面积与CE显著正关联(0.881),主要作物组与CU显著正关联(0.801)。
**3.3 贡献量化**
SHAP分解显示:氮肥施用量对TN贡献最大(41.87%),山羊养殖对TP(38.73%)和COD(40.61%)贡献最大;FAR对CE贡献达62.68%;水稻(44.77%)和甘蔗(31.11%)对CU贡献最大。
**3.4 不确定性及敏感性分析**
蒙特卡洛不确定性分析(±20%扰动)表明,TN、TP、COD、CE的变异系数(CV)分别为4.05%、4.19%、3.52%、5.08%,而CU的CV较高(8.54%),对系数不确定性更敏感。敏感性分析验证了主要贡献源的稳定性,且排除直接核算贡献后,大部分原始变量仍与残余指标显著相关,说明SEM与SHAP识别的关系并非仅由核算公式内嵌决定。
**讨论与结论**
讨论部分指出,ANPSP的阶梯式下降与2002年《无公害农产品管理办法》、2015年《水污染防治行动计划》及2022年《农业农村污染治理攻坚战行动方案》等政策密切相关。CE与CU的复杂时序变化反映了农业生产扩张与碳管理政策(如退耕还林、低碳农机推广)的交替影响。珠江三角洲核心区污染降幅大,得益于产业升级与治污基础设施完善;而粤西湛江、茂名高污染持续,与集约化养殖及滞后治污技术有关。LP对ANPSP的强关联源于广东省种养结合模式中粪肥氮磷流失;FAR对CE的贡献源于化肥生产的高化石能源消耗及施用后温室气体排放;水稻与甘蔗的高CU贡献源于其高光合效率与生物量积累。
**研究结论**
本研究应用单元调查分析、空间自相关、结构方程模型(SEM)和SHapley Additive ExPlanations(SHAP),系统考察了1994–2023年广东省农业非点源污染(ANPSP)和碳动态(CD)的时空异质性、影响因子贡献水平及因果路径。结果表明:(1)农业总氮(TN)、总磷(TP)和化学需氧量(COD)呈现整体阶梯式下降,而农业碳排放(CE)和碳吸收(CU)从分化转为趋同后又再次分化。空间上,ANPSP从粤中和粤西逐步收缩至粤西南,中部地区减幅最为显著。(2)畜牧业生产(LP)与TN、TP和COD的关联性最强,而化肥施用量(FAR)、作物生产(CP)与LP之间的关系揭示了与高污染负荷相关的潜在间接路径。对于碳动态,CU与CE呈显著负相关。(3)LP相关变量对ANPSP指标的贡献最大。山羊养殖对TN、TP和COD的贡献率分别为17.75%、38.73%和40.61%。FAR对CE的贡献率为62.68%,而水稻和甘蔗对CU的贡献率分别为44.77%和31.11%。总体而言,这些发现为理解广东省ANPSP和CD时空变化的机制提供了坚实的科学证据,并为制定减少碳排放和农业污染的针对性策略提供了宝贵基础。