随着城市化进程的加快，城区可渗透地表面积的比例越来越小，由雨水径流产生的突发性高、冲击性强的非点源污染已成为水环境恶化的重要原因之一^[1]；加之，公路总量的持续增长以及汽车拥有量的迅速增大，可以预见，城市非点源污染问题将日益突出.城市河流作为城市的景观廊道不仅发挥着重要的生态功能，而且为城市的稳定性、舒适性和可持续性提供一定的基础^[2]，成为人类活动与自然过程共同作用最为强烈的地带之一^[3]，普遍受到严重污染.许多学者对不同城市区域河流水环境污染问题进行大量的研究，结果表明从城市河流水质恶化的过程来看，城市土地利用变化对城市水环境的影响最显著^[4].官宝红等^[5]通过杭州市城市土地利用对河流水质的研究发现, 工业用地、农业用地等往往导致水环境质量下降；林地、草地与污染物浓度存在负相关关系^[6]；城镇用地、耕地与水体污染物浓度存在负相关关系^[7]，耕地与水体污染物浓度呈负相关或没有明显相关性^{[5, 8]}.以上研究结论的差异说明研究区内土地利用对水质的关系与区域内土地利用结构组成和空间分布特征相关.因此，可以通过改变区域内土地利用方式来控制非点源污染^[9]，这样，不仅可以制定有效的土地管理措施，还可以改善水质状况.目前，关于城市土地利用与河流水质间关系的研究主要集中在平原河网地区^[10]、密云水库流域^[11]、太湖流域^[12]，而针对山地城市河流的相关报道较少.重庆市在过去20年里经历了快速城市化过程，城市土地利用通过改变物质能量的流动而使城市地表水环境发生改变，其发展演变对水环境产生深远的影响.

本研究以重庆市主城区的朝阳河、伏牛溪、盘溪河、花溪河、跳蹬河和清水溪流域为研究对象，采用影像解译数据和水质监测数据，利用GIS空间分析法和相关分析法，揭示重庆市土地利用结构对城市地表水的响应，研究不同土地利用类型的面积变化对地表水主要污染物浓度的影响，以期为该地区迅速发展的城市化背景下水环境安全的保障提供建议.

1 材料与方法 1.1 研究区

重庆主城区地处青藏高原与长江中下游平原过渡地带的四川盆地东南部，居于川东平行岭谷与川中丘陵、川南山地的结合部.属中亚季风区，冬季受偏北季风控制，夏季受偏南季风影响，平均气温多在16~18℃之间，年降雨量大部分地区为1000~1200 mm，75%~80%以上的雨量主要集中在5-10月.主城区共有14条次级河流，其中，朝阳河、伏牛溪、盘溪河、花溪河、跳磴河和清水溪主要位于重庆绕城高速以内，是城市不透水率最高区域内的主要河流.朝阳河位于重庆市渝北区境内，全长约45 km，发源于古路镇新桥水库，流经王家镇、石坪镇、铁山坪镇，于唐家沱汇入长江；伏牛溪位于重庆市大渡口区，全长15.3 km，发源于大渡口简家岩，于伏牛溪火车站汇入长江；盘溪河是嘉陵江的支流，全长约11 km，流域地跨重庆市江北区和渝北区，总汇水面积29.12 km²，上游主要是几个水库、公园和商业区，中游以商业区为主，下游以居民住宅区和工业区为主；花溪河发源于南泉镇，流经南彭镇、界石镇、南泉镇、花溪镇，最后于李家沱街道汇入长江，位于重庆市巴南区境内，流域面积268.46 km²，河道总长63.62 km；跳磴河发源于九龙坡区，流经华岩镇、跳磴镇，于大渡口区土地岚垭汇入长江，全长约47 km；清水溪位于重庆市沙坪坝区，全长15.88 km，发源于歌乐山山洞龙井，流经上桥镇、天星桥、杨公桥，于瓷器口古镇汇入嘉陵江.

1.2 数据来源 1.2.1 野外采样与分析

于2013年4月-2014年4月每月2次对朝阳河、伏牛溪、盘溪河、花溪河、跳蹬河和清水溪进行为期1年的定点监测，从河流上游到与长江或嘉陵江交汇处共设30个采样点，分别为朝阳河(C1~C5)、伏牛溪(F1~F5)、盘溪河(P1~P5)、花溪河(H1~H5)、跳蹬河(T1~T5)和清水溪(Q1~Q5)，采样点具体分布见图 1.所选取的点覆盖整个河流，包含整个研究区河流的水文特征.选用1000 ml清洁聚乙烯瓶在水下30~50 cm深度处进行水样采集(3个平行)，样品采集后用硫酸酸化保存，1 d内带回实验室完成分析.选取具有代表意义的水质要素，包括总氮(TN)、总磷(TP)、铵态氮(NH₄⁺-N)、硝态氮(NO₃^--N)浓度和高锰酸盐指数(COD_Mn).水质指标参照文献[13]测定.重庆1-3月为枯水期降雨较少，而2013年4月重庆持续降雨数天，且4月30日重庆遭遇强暴雨事件，降雨量为45.6 mm，因此在对多次样品进行收集和分析的基础上，选取2013年4月1日和5月1日作为典型事件，以各监测点为中心，分别作为100、300、500 m的缓冲区，得到各缓冲区内的土地利用状况，进行水质要素和土地利用的相关分析，再以各监测断面主要水质指标浓度作为响应变量，监测点对应作用区内的土地利用类型面积比为解释变量，将30个河道断面在3种尺度下进行冗余分析.冗余分析具体定义及步骤见文献[14].

1.2.2 遥感数据及处理

选取研究区2010年5月23日美国陆地卫星Landsat TM遥感影像，结合1 :50000 DEM数据，对遥感影像进行辐射校正和正射纠正，根据研究目的以及遥感影像的精度，将土地利用类型分为耕地、林地、建设用地和未利用地4类，最终生成研究区土地利用矢量数据图，利用ArcGIS 9.3中Clip操作，获取各个监测断面不同缓冲区范围(100、300和500 m)的土地利用矢量数据.

1.3 数据分析

本文缓冲区土地利用获取在ENVI5.2和ArcGIS 9.3中完成；冗余分析(RDA)在CANOCO 5.0软件中完成.数据制图采用Origin 9.0软件完成.

2 结果与讨论 2.1 土地利用类型结构

100 m缓冲区内各监测点的土地利用类型较为单一，其中F5、P3、P4、H4、H5、T1、Q2、Q3和Q5点缓冲区内都是建设用地，朝阳河C1~C4点以林地和农业用地为主，其余各点均为建设用地所占比例较大；300 m缓冲区内各监测点土地利用类型较为丰富，C1、C2、H2、T2、T4、T5和Q1点用地类型以林地为主，平均为35%，C5、F3、F4、P2、P3、P4、H4、T1、Q2和Q3点以建设用地为主，平均为50%，其余各点农用地比例逐渐增加，林地逐渐减少，建设用地所占比例在20%以上；500 m缓冲区内朝阳河的C1~C4点林地减少，农业用地和建设用地逐渐增加，清水溪河流的Q1~Q5点林地有所增加，不再是单一的建设用地类型，其余河流的各监测点均以建设用地为主，各河流的下游监测点未利用地面积有所增加(图 2).

2.2 各河流典型降雨前后污染物变化规律 2.2.1 污染指标综合评价

总体上，重庆市河流污染较为严重，水质检测指标表现为受营养盐输入影响显著(表 1).无机氮(NO₃^--N和NH₄⁺-N)、TP和COD_Mn浓度均值分别为10.59、6.84、0.97和97.77 mg/L，均劣于国家《地表水环境质量标准》(GB 3838-2002)Ⅴ类水最小允许值，其中TN浓度最大值达到27.45 mg/L，接近于Ⅴ类水质的14倍.与北京主要河流的河段相比，TN、TP和NH₄⁺-N浓度劣于运河北京市中心河段的2~7倍^[15].检测指标的空间变异特征上，4月各监测指标变异系数大于5月，其中4月监测指标中NH₄⁺-N、NO₃^--N、TP浓度和COD_Mn变异显著，变异系数均在70%以上，5月TN空间变异系数最小为26%变异，变异性高低的变化反映出降雨过程导致地表径流的加速，使得采样点污染物浓度更为均质，空间差异降低.

2.2.2 典型降雨前、后河流水体中TN、NH₄⁺-N、NO₃^--N、TP和COD_Mn分布特征

典型降雨前后河流水体中TN、NH₄⁺-N、NO₃^--N、TP和COD_Mn浓度空间变化显著(图 3).总体上，4月TN、NH₄⁺-N和TP浓度高于5月，而NO₃^--N和COD_Mn浓度为降雨后高于降雨前.典型降雨前河流水体TN平均浓度为12.30 mg/L，TN浓度在朝阳河、伏牛溪、盘溪河、花溪河和跳蹬河均表现为自上游向下游平缓上升的趋势，而在清水溪河流表现出迥异，Q2点为清水溪河流TN浓度最小的监测断面；为9.64 mg/L；典型降雨后河流水体TN平均浓度为8.87 mg/L，所有河流表现为自上游向下游上升的趋势.典型降雨前后河流水体NH₄⁺-N与TN浓度变化趋势一致，河流水体NO₃^--N浓度分别为1.98和3.89 mg/L，朝阳河、伏牛溪、盘溪河、花溪河和跳蹬河降雨前后变化趋势一致，而清水溪表现出迥异，降雨前后清水溪Q2点变化明显，NO₃^--N浓度分别为6.89和0.72 mg/L，相差较大.典型降雨前后河流水体TP浓度变化趋势无明显特征(除T5点).COD_Mn浓度降雨前后变化趋势基本表现为增减交替的趋势，降雨后COD_Mn浓度远远高于降雨前，平均浓度分别为80.50和115.04 mg/L，均为劣Ⅴ类水质，建设用地比例过大，会导致COD_Mn浓度上升，水质变差^[16-17].

2.3 土地利用类型与水质关联分析 2.3.1 水质-土地利用的相关性分析

从相关性分析结果(表 2)可以看出，各缓冲区内土地利用类型面积的比例与水质污染物浓度之间呈现出显著相关性，就林地而言，在降雨前仅与NH₄⁺-N浓度在500 m缓冲区内存在显著负相关(P＜0.05)，与其他指标在各缓冲区内均无显著相关，降雨后林地与TP浓度在100 m缓冲区内呈现显著负相关(P＜0.05)，且在500 m缓冲区内与NO₃^--N和NH₄⁺-N浓度在100 m缓冲区内分别表现出显著正相关和显著负相关(P＜0.05)；建设用地在降雨前与TN和NH₄⁺-N浓度在300 m缓冲区内均为显著正相关(P＜0.01)，在500 m缓冲区内与TP和NH₄⁺-N浓度呈显著正相关(P＜0.01)，而与NO₃^--N浓度在500 m缓冲区呈显著负相关(P＜0.05)，降雨后建设用地在100 m缓冲区内与NO₃^--N与NH₄⁺-N浓度分别呈显著负相关(P＜0.05)和显著正相关(P＜0.01)，而在300 m缓冲区内与TN浓度无显著相关性，与TP和NH₄⁺-N浓度均呈显著正相关(P＜0.01)，在500 m内仍然与TP和NH₄⁺-N浓度呈显著正相关(P＜0.05)，与NO₃^--N浓度呈显著负相关性；降雨前农业用地与NH₄⁺-N浓度在500 m缓冲区内呈显著负相关(P＜0.05)，其余无显著相关性，而在降雨后与COD_Mn和TP浓度分别在100 m和500 m缓冲区内呈显著负相关(P＜0.05)，而500 m与NH₄⁺-N浓度的显著负相关性消失，未利用地在降雨前在100 m缓冲区与TP和NO₃^--N浓度分别呈显著正相关和显著负相关(P＜0.05)，而在降雨后与TN浓度呈显著负相关(P＜0.01)，与NO₃^--N浓度的负相关性更加显著(P＜0.01)，在500 m缓冲区内与TN和TP浓度分别表现出显著正相关(P＜0.01).

空间格局会影响土地利用与水质指标之间的关系，距离监测点最近的土地利用情况对水质的影响要比整个流域的综合土地利用情况对水质的影响更大^[18]；也有研究指出土地利用对水质影响的尺度效应并不明显^[19].对重庆河流样本的相关分析结果表明，在河流断面的缓冲作用区，土地利用构成对水质指标的影响程度随着缓冲半径增大而增大；其中林地的影响500 m缓冲半径作用区达到最大；农业用地和建设用地对作用区距离增长敏感，降雨后半径500 m作用区的影响较高，而未利用地在100 m作用区影响较高.据此可推断，在清水通道两侧建设防护林，当林带宽度小于500 m时的防污效果会较好.

2.3.2 水质-土地利用的冗余分析

为定量研究各水质指标与土地利用的相关性，对5种水质指标和4种土地利用3种尺度排序图进行分析(图 4)，结果表明不同水质指标与土地利用的相关性及强度在降雨前、后变化显著.降雨前，TN、NH₄⁺-N、NO₃^--N、TP和COD_Mn浓度与林地呈不同程度的负相关，表明降雨前这些指标总体上有利于河流水质改善，而其他指标则相对复杂.其中建设用地是TN、NH₄⁺-N和COD_Mn的正相关因子，未利用地与NO₃^--N与TP浓度均呈正相关，农业用地与各水质指标相关性较弱.降雨后，林地与NO₃^--N浓度呈正相关，建设用地与TN与NH₄⁺-N浓度均呈正相关，农业用地与未利用地与各水质指标呈不同程度的正负相关.总体上，降雨前未利用地与建设用地不利于河流水质改善，林地利于河流水质的改善；降雨后各类土地利用与不同水质指标表现出正相关性，不利于河流水质的改善.

通过对不同区域水环境的研究，学者们认为建设用地、耕地、林地是向河流中输入污染物的主要土地利用类型^[20]，但污染物输出能力有一定的差别^[21]，未利用地对污染物的影响在不同地方不同尺度下表现不同.本研究中，农业用地在降雨前、后与TP、NH₄⁺-N和COD_Mn浓度均呈正相关，证实了农业活动导致面源污染是目前水环境的主要威胁之一.林地在降雨前与水质有较好的负相关，这是由于林地一方面可以通过植物根部的截留作用来减少污染物的地表径流，在这一过程林地、草地对水质指标起汇的作用，另一方面，林地和草地面积的增加反而引起耕地和建筑用地的减少，污染物经过陆域传输衰减之后也相应减少^{[8, 22-23]}；然而降雨后，林地与NO₃^--N浓度呈显著正相关，这与於梦秋等^[24]的研究一致，NO₃^--N可能来自于林地区域的土壤氮素淋洗.建设用地与污染物的输出贡献较大，降雨后建设用地与各污染物的相关性更加显著，对水质存在负效应^[25]，城市化使得不透水区和建设用地面积增加，道路、广场、屋面等不透水面的污染物随着暴雨径流的冲刷进入水体，导致水体中有机物和营养盐浓度增加，水质下降^[26]，城镇建设用地的比重越大，水质往往越差.未利用地与建设用地类似，在降雨前、后与不同水质指标均呈正相关，研究区内未利用地大多分布在河流沿岸，其表面植被覆盖较少，在雨季，未利用地表面缺少植被截留而增加地表径流，并将周边泥沙带入河流中，是造成河水浑浊的主要原因^[27].

3 结论

1) 对重庆市降雨前、后6条河流进行检测，TN、TP、NH₄⁺-N、NO₃^--N和COD_Mn浓度均为劣Ⅴ类标准，在降雨前、后各水质指标变化范围均有差异，且不同河流不同采样点在降雨前后的水质差异也较大，故可以根据水质时空变化特征，结合实地情况制定出综合效益最大化的雨水利用方案，对污染物排放进行控制.

2) 将重庆市河流监测点不同缓冲区的土地利用类型分为4类，发现100 m缓冲区内土地利用类型较为单一，以建设用地和林地为主，300 m和500 m缓冲区土地利用类型较为丰富，林地减少，农业用地增加.

3) 以6条河流的30个监测点为研究对象，结合实地调研与水质采样，通过Spearman秩相关分析和RDA梯度分析，定量并直观的体现土地利用类型对水质的影响，林地与水质指标主要呈负相关，对水质有净化作用，但降雨使林地成为NO₃^--N的主要来源；建设用地与水质呈正相关，农用地对水质有净化作用，未利用地在不同缓冲区对水质有不同的影响，相关研究需要更进一步的深入研究探讨土地利用与水质的尺度效应.

致谢: 庆旭瑶及其他人员协助野外采样工作, 庞容、邓睿、卿姗姗等参与测定化学数据, 任玉芬、王效科对本文的修改提出宝贵意见.在此，向他们表示衷心的感谢.