2024, Vol. 36 
(2: 中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室, 长沙 410125)
(3: 中国科学院大学, 北京 100049)
(4: 玉溪师范学院化学生物与环境学院, 玉溪 653100)
(5: 中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室, 南京 210008)
(2: Key Laboratory for Agro-ecological Processes in Subtropical Region, Institute of Subtropical Agriculture, Chinese Academy of Sciences, Changsha 410125, P.R.China)
(3: University of Chinese Academy of Sciences, Beijing 100049, P.R.China)
(4: School of Chemical Biology and Environment, Yuxi Normal University, Yuxi 653100, P.R.China)
(5: State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Acdemy of Sciences, Nanjing 210008, P.R.China)
星云湖是云贵高原浅水构造湖进入湖泊演化晚期阶段和人类活动双重影响下环境问题凸显的典型代表性湖泊。不合理的农业生产活动和城市发展导致大量氮磷等污染物输入至星云湖，使其水生态经历了由良好到恶化的过程，水质安全存在较大隐患，生态问题频发[1-3]。因此，定量研究星云湖人为氮磷输入的时空变化特征和驱动因素对于实现其区域氮磷综合管理和流域生态环境保护具有重要意义。
在研究流域人为氮磷输入及迁移过程的量化评价方面通常采用数学模型[4-5]。其中，NANI(net anthropogenic nitrogen input)和NAPI(net anthropogenic phosphorus input)模型作为区域尺度氮磷输入量估算模型，可用于评估人类活动所导致的不同氮磷源的输入强度[6-7]。模型均采用综合性的构架，考虑了不同来源的氮和磷输入，同时其数据和参数获取便捷，模拟结果具有较高的可信度[8]。尤其在参数及实测数据缺乏的地区，NANI、NAPI模型作为典型的经验模型具有较强的实用性及普适性[9]。模型在美洲[10-11]、欧洲[12]和亚洲[13]等不同尺度区域的氮磷输入循环和变化的量化评估中得到广泛的应用[14-15]。同时，针对高原湖泊环境，模型已在滇池、洱海等流域成功应用，表明该模型同样适用于星云湖流域[16-17]。虽然NANI和NAPI模型受到广泛应用，但数据来源和计算方法对实际应用具有一定不确定性，因此，其精度需要综合考虑[18-21]。例如，有研究通过增加大气氮沉降、种子氮和磷等输入源来进一步提高模型结果的精度[22-24]。同时，模型参数取值也需结合区域特征进行修正。例如，针对洱海流域[14]的研究将当地的旅游波动人口纳入NANI计算；在香溪河流域研究中，将磷矿开采和磷化工等因素纳入NAPI模型，以提高计算精度[25]。另一方面，研究表明，提高研究区尺度分辨率能够增强模型对于氮磷输入变化的识别敏感性，从而有效地识别优化控制区域，更有助于政府部门针对性的制定区域氮磷控制策略[26-27]。
星云湖作为典型高原湖泊，其流域氮磷污染的研究缺乏长时间序列人为氮磷输入时空演变分析[2-3]。而目前关于人为氮磷输入变化的影响的研究主要集中于滇池、洱海[14, 28-29]等热点高原湖泊。同时，作为珠江水系的上游湖泊，有关珠江水系的氮磷输入时空变化的研究多集中于珠江三角洲或整个流域尺度[13, 30-32]。然而，尺度转换通常会导致较大的误差和不确定性，从而难以准确识别星云湖流域氮磷输入的变化以及重点防控区域，我们采用了蒙特卡洛模拟方法，假设模型参数的变异系数为30%。这种方法有助于准确评估参数不确定性对模型结果的影响，增强了研究的可靠性。因此，本研究旨在以星云湖流域为研究对象，以乡镇尺度作为基本单位旨在：1)构建NANI、NAPI模型量化和分析1989-2020年人为氮磷输入的时空动态变化；2)解析氮磷输入源的结构特征和贡献比例变化；3)评估农业、社会经济等因素对NANI、NAPI的驱动影响作用。本研究旨在填补现有研究的空白，为星云湖流域的氮磷综合管理和生态环境保护提供有力的支持和指导。
1 材料与方法 1.1 研究区概括研究区域位于云南省玉溪市江川区，包括星云湖及其周边地域(24°17′~24°23′N, 102°45′~102°48′E)。星云湖流域总面积约371.1 km2，占江川区总面积的43.66%(图 1)。根据用地类型划分，研究区域主要由半山区、坝区、水域组成，土地利用组成主要有林地、农田。历年来，研究区种植面积最大的是经济作物，主要包括蔬菜、烤烟、花卉等，粮食作物主要为玉米和薯类，种植面积最小的是果树。该地区主要养殖种类为猪、牛、羊、家禽等，以分散养殖为主。研究区属亚热带高原季风气候，干湿季明显，多年平均气温17.6℃，多年平均降水量712.6 mm。星云湖流域所在的江川区辖7个镇、46个村(居)委会。2020年末，全区户籍人口28.68万人，江川区平均人口密度为408人/km2，其中农村人口16.79万人，占总人口比重的58.6%。
|
图 1 研究区2020年土地利用状况 Fig.1 Land use status in the study area in 2020 |
1) 人类活动净氮输入[6]。人类活动净氮输入(NANI)由5个输入源组成，包括大气氮沉降[22](Ndep)、化肥氮输入[15, 22](Nfer)、种子氮输入[8, 22](Nseed)、食物/饲料氮输入[8, 13, 20, 33](Nim)、作物固氮[34](Nfix)。以上各源单位均为kg/(km2·a)。计算公式如下：
| $ N A N I=N_{\mathrm{im}}+N_{\text {fer }}+N_{\text {fix }}+N_{\text {dep }}+N_{\text {seed }} $ | (1) |
式中, Nfer为氮肥折纯量与复合肥中氮含量相加；Nseed以每种作物种子单位面积含氮量乘以各类型作物的播种面积计算得到；Nim为人类和动物的氮消耗量与动植物产品中氮含量的差值，包含农产品生产加工过程中的损耗，按总产量的10%计算[33, 35]，Nim为正值表示食物/饲料氮为进口状态，负值则为出口状态；Nfix按作物种植面积乘以公布的固氮率计算。各输入源具体计算公式见附表Ⅰ。
2) 人类活动净磷输入[7]。人类活动净磷输入(NAPI)由4个输入源组成，包括化肥磷输入[13, 15](Pfer)、种子磷输入[8](Pseed)、食物/饲料磷输入[8, 36-37](Pim)、非食物磷输入[38](Pnon)。以上各源单位均为kg/(km2·a)。计算公式如下：
| $ N A P I=P_{\mathrm{im}}+P_{\mathrm{fer}}+P_{\text {non }}+P_{\text {seed }} $ | (2) |
式中, Pfer为磷肥和复合肥折纯量之和。Pseed和Pim与NANI所对应的氮源计算方法一致。各输入源的具体计算公式见附表Ⅰ。
1.3 数据来源本研究的基础数据，包括研究区各乡镇人口数量、畜禽养殖数量、动物产品生产量、农作物生产量、农作物种植面积、化肥施用等，来源于1989-2020年《江川区统计年鉴》和《云南省统计年鉴》。部分缺失值采用线性差值法获取。模型公式中各参数值参考《中国统计年鉴》和已发表的文献，详见附表Ⅰ。
1.4 模型不确定性分析由于模型参数的内在不确定性和可变性，本研究采用蒙特卡洛模拟方法评估参数不确定性对NANI和NAPI结果的影响[15, 18]。蒙特卡洛模拟是一种用于评估模型对随机生成的输入变量响应的方法。在本研究中，所有的模型参数被假设遵循正态分布，其变异系数(CV)设定为30%。总共进行10000次蒙特卡洛模拟，根据各自的分布函数随机生成了10000组模型参数，并得到逐年(1989-2020年)的10000次NAPI、NANI迭代值，进而得到NAPI、NANI的平均值、方差和95%置信区间。
1.5 NANI、NAPI驱动影响分析为了评估农业、社会经济等因素对NANI、NAPI的驱动影响作用，本研究采用基于R软件“MuMIn”包，进行模型选择和变量重要性分析。该方法能够识别最佳预测模型，并确定对目标变量影响显著的变量。首先，基于普通最小二乘(OLS)回归分析建立目标变量(NANI和NAPI)与潜在预测变量(例如人口密度、第一生产总值、耕地面积和产量等指标)之间的关系(附表 Ⅱ)。随后，通过模型选择函数，生成了包括所有可能模型组合的候选模型集合。并基于赤池信息量准则(AIC＜2)筛选并确定最佳模型(即AIC值最低的模型)，进而明确各变量的系数和显著性水平，评估各变量对目标变量的影响程度。
2 结果与分析 2.1 研究区NANI、NAPI时空变化特征研究区NANI和NAPI强度变化如图 2所示，1989-2020年研究区间区域NANI、NAPI平均值分别为(14614±2196)和(3135±452)kg/(km2·a)。整体上，NANI、NAPI呈现先上升后下降的趋势，其中，1989-2015年，NANI和NAPI呈现波动上升的趋势，NANI从(8235±1339)kg/(km2·a)上升到(18151±2628)kg/(km2·a)；NAPI从(1976±291)kg/(km2·a)上升到(3889±567)kg/(km2·a)，2015年以后开始回落，截止2020年NANI和NAPI分别降至(15041±1994)和(2582±324)kg/(km2·a)。
|
图 2 1989-2020年研究区NANI、NAPI年际变化 Fig.2 Interannual variation of NANI and NAPI in study region from 1989 to 2020 |
1989-2020年研究区NANI和NAPI的分布存在显著的空间差异(图 3)。具体表现为环湖坝区(前卫镇、大街镇、路居镇、江城镇)的NANI和NAPI显著高于山区(安化乡、九溪镇和雄关乡)。研究期间坝区NANI和NAPI呈现先增加后降低的变化趋势，并在2010-2015间年达到顶峰。尤其是前卫镇和大街镇，其作为研究区农业生产和人类活动的热点区域，NANI和NAPI最高可分别达到22041和3242 kg/(km2·a)。虽然2015年以后有所回落，但截至2020年其NANI和NAPI平均仍分别高达20103和3137 kg/(km2·a)。相比坝区乡镇，安化乡和九溪镇在研究期间变化不显著，NANI和NAPI平均分别为7172和1088 kg/(km2·a)。
|
图 3 1989-2020年研究区各乡镇NANI、NAPI变化 Fig.3 Spatial distribution of NANI, NAPI in each township within the study region from 1989 to 2020 |
NANI和NAPI源组分解析结果表明(图 4)，研究区NANI的最大输入源为化肥氮输入，占总量比例平均为60.61%。其次为食物/饲料氮输入，其所占比例平均为28.54%。1989-2010年，食物/饲料氮输入逐渐增加，最高占比可达36.82%。2015年后，其占比显著下降，截止2020年仅为23.23%。大气氮沉降和作物固氮变化较为稳定，所占比例为8.82%~13.00%。作物固氮和种子氮输入所占比例较小，两者所占比例合计仅为0.33%~3.40%。NAPI主要输入源为化肥磷输入和食物/饲料磷输入，二者占比合计为90.36%~98.85%。研究期间二者变化趋势相反，其中化肥磷输入占比由56.81%增加到69.22%，而食物/饲料磷输入占比从33.55%减少到28.98%。2010年以前非食物磷输入变化则相对稳定，占比为6.37%~9.51%，2010年后减少到1.09%~1.74%。相比其他输入源，种子磷输入占比较小，仅为0.04%~0.13%。
|
图 4 研究区NANI、NAPI各输入项贡献比例 Fig.4 The proportion of different sources of NANI and NAPI in study region |
空间上不同乡镇NANI和NAPI源组成结构存在显著差异，这种差异主要是由食物/饲料输入和化肥输入所导致的(图 5、6)。总体来看，多数乡镇化肥氮磷输入占比要高于食物/饲料输入，但2005-2015年研究区南岸区域(九溪镇和大街镇)食物/饲料输入占比大于化肥输入。并且该区域的食物/饲料氮磷输入要显著高于其他区域(P＜0.05)，氮、磷输入占比分别平均超过31.07%和32.89%，最高可达57.63%和61.99%。相比坝区乡镇，山区乡镇(如雄关乡、安化乡)化肥氮磷输入占比均显著高于其他输入源，其中雄关乡化肥氮磷输入分别超过56.13%和54.28%，分别最高可达74.74%和87.60%。
|
图 5 研究区各乡镇NANI组成源变化 Fig.5 Changes of NANI composition sources in each township in the study region |
|
图 6 研究区各乡镇NAPI组成源变化 Fig.6 Changes of NAPI composition sources in each township in the study region |
此外，不同区域源组分时间变化存在差异，以化肥氮磷输入占比为例，多数坝区乡镇(大街镇、前卫镇、江城镇)呈现先降低后缓慢回升的变化趋势，其中多数乡镇化肥氮磷输入比例在2010年前后降至最低。相比坝区乡镇，多数山区乡镇(安化乡、路居镇、雄关乡)则表现为持续增加。与此同时，食物/饲料氮磷输入占比则呈现相反的变化。种子输入、大气氮沉降、作物固氮和非食物磷输入由于占比相对较小，同时其空间差异不显著。
2.3 NANI、NAPI影响因素分析模型选择的结果显示，部分农业生产和社会经济特征因子对研究区NANI和NAPI的变异产生显著影响，其对NANI和NAPI变化的总解释率(调整R2)分别为0.830和0.852(图 7)。畜禽密度、经济作物面积比、经济作物总产量和农村人口密度对NANI的变化具有显著正影响，其中经济作物总产量对于NANI的影响最大(β=0.69)。畜禽密度、经济作物总产量、农村人口密度和城镇人口密度对NAPI的变化具有显著正影响(P＜0.001)，而第一产业GDP和粮食作物总产量对NAPI的变化具有显著负影响(P＜0.001)。各因子中经济作物总产量对于NAPI的影响最大(β=0.61)。
|
图 7 研究区农业生产和社会经济特征因子对NANI和NAPI的相对影响(点和误差线分别表示平均模型参数估计值(标准化回归系数β)和95%置信区间；Adj. R2为平均模型调整后的R2；*、**和***分别表示P＜0.05、P＜0.01和P＜0.001) Fig.7 The relative effect of agricultural production and socio-economic characteristics on the NANI and NAPI in the study region(The points and error lines represent the estimated values of the average model parameters (standardized regression coefficients respectively β) and 95% confidence interval; Adj. R2 is the adjusted R2 of the average model; *, **, and *** represent P < 0.05, P < 0.01, and P < 0.001, respectively) |
1989-2020年研究区NANI和NAPI平均值分别为(14614±2196)和(3135±452)kg/(km2·a)，从世界范围上看，NANI较高区域分布在经济发达的北美、欧洲和加勒比海地区，以及人口密集和农业生产强度较高的一些亚洲地区。与其他同类流域相比，研究区的NANI和NAPI值显著偏高[10-13]。我国省(市)尺度和其他热点区域NANI和NAPI平均分别为5013和341 kg/(km2·a)，其中NANI、NAPI较高区域主要分布在农业较为发达或人口密集地区，如淮河流域、河南省、洱海、香溪河、千岛湖、珠江三角洲和海河流域[14, 25, 30, 32, 38]，其NANI和NAPI的范围分别为13300~21513和534~4413 kg/(km2·a)。相比较之下，研究区NANI和NAPI的平均值分别是以上区域的2.9和9.2倍。
研究区高强度的NANI和NAPI是由于强烈农业生产活动和相对较小的研究尺度共同导致的。1989-2015年期间，由于种植结构调整和人畜氮磷需求增加，其中蔬菜种植面积从8.2 km2增加到102.8 km2，烤烟面积从1989年的41.7 km2增加到2015年的53.85 km2，相应的氮肥、磷肥施用量分别从11084和6808 t/a增加到17207和8023 t/a。从而导致NANI和NAPI均呈现出显著的增长趋势。高强度的农业活动导致研究区成为NANI和NAPI的热点区域，并会导致较高的氮磷面源污染风险。此外，本研究以乡镇作为研究单元，相比其他研究中的省市或流域尺度在空间范围上更小，而通常空间尺度越小，空间异质性越高，对于NANI、NAPI的变化越敏感。当尺度逐渐增加时空间异质性会被加和平均，而小尺度单元NANI和NAPI较大尺度变化范围更广[24, 26]。与此同时，较小的空间尺度在计算结果误差较小、准确度较高，还能够补充相关小尺度单元NANI、NAPI研究不足的问题[14]。
2016年后研究区NANI和NAPI均呈现明显的下降趋势，这主要归因于云南省《种植业结构调整行动方案》和《到2020年化肥使用量零增长行动方案》等相关政策的颁布。实行“肥药双减”及化肥定额制，导致氮磷肥施用量减少[39-40]。同时，因产业结构转型以及开设限养区的实施，畜禽饲养量急剧减少，导致饲料消耗降低。地方政府为改善星云湖专项治理行动设定了湖泊红线，对红线内施行“退田、退房、退塘”还湖工程[41]。同时，对部分区域实施畜禽禁养[42]。以上措施使人类食品/饲料输入和化肥施用量显著降低，从而共同导致了NANI和NAPI的下降。此外，非食物磷输入自2005年后显著降低，这主要是由于洗涤剂禁磷政策的施行，市场上洗涤剂磷含量从5%~7.5%降至0.9%[43]。
3.2 研究区NANI和NAPI的影响因素分析研究结果表明，NANI和NAPI的时空变化受到多个因素的重要影响，包括农业生产规模、作物类型以及人口和畜禽分布等[32]。首先，经济作物产量相比于其他因子对于NANI和NAPI的影响最大，这主要是因为经济作物通常需要更多的氮和磷投入，来支持其高产和品质[2, 44]。研究区是玉溪市重要的粮食经济作物主产区，尤其在蔬菜种植方面，由于施肥量较大，农田面临较高的污染负荷[45]。根据《全国农产品成本收益汇编》[46]中的蔬菜单位面积化肥施用量(500~620 kg/hm2)和《江川区统计年鉴》中江川区蔬菜年均播种面积(5366 hm2)，估算出江川区化肥年用量，其中高施肥的蔬菜作物(如大蒜、洋葱等)所消耗的化肥占全流域总化肥施用量的2/3以上，相比于经济作物，粮食作物种植中对于肥料的投入相对较低[41]。其次以往研究表明，总人口密度是造成NANI和NAPI变化的主要社会经济因素，例如Russell等[7]研究表明人口密度与NAPI相关性最高，且人口密度与畜禽密度对于NAPI预测相关系数(R2=0.77)要高于已开发土地和牧场面积比例(R2=0.53)。本研究结果表明，相较于总人口密度，农村人口密度对NANI和NAPI的影响更为显著。这是由于随着农村人口密度的增加，而较窄的就业渠道和相对保守的观念，导致多数居民主要通过提高农业活动的强度(畜禽养殖和种植业结构调整)以满足日益增加的食物和收入提高的需求。畜禽密度本质上与人口密度类似，相比于早年依赖本地粮食和作物，养殖业现在更多地依赖外部供应的成品饲料。因此更多外源饲料的投入、喂养结构的变化以共同增加了其对于NAPI和NANI变化的影响。
综上所述为了降低研究区人类活动和农业生产对氮磷输入的影响，首先应通过调整作物种植类型，合理实行轮作(如菜-烟和菜-粮等)和休耕来达到控制化肥投入[47]。其次，对于畜禽业，鼓励使用更环保的饲料，促进氮磷的内部循环以减少外源饲料的投入。而人口密度带来的农业活动的扩张所引发的NAPI和NANI的增加应通过调整居民就业渠道可以改善，鼓励农村居民参与非农业经济活动，例如小型工业、手工艺品制作和旅游业。这有助于提高居民的收入，减少居民收入对于农业生产的依赖。
4 结论1) 1989-2020年，研究区NANI和NAPI均值分别为14614和3135 kg/(km2·a)。此期间NANI和NAPI均呈现出先上升后下降的趋势，其中2015年为峰值年份。空间分布除了东部坝区和西部山区外，其余环湖坝区均为NANI和NAPI的热点区域。
2) NANI和NAPI的主要组成源均为化肥输入和食物/饲料输入，分别占NANI比例为58.2%~63.8%和20.8%~36.8%；分别占NAPI比例为25.8%~57.5%和30.5%~59.5%。各源在时空尺度存在显著差异。此外，以上两种输入源在不同乡镇NANI、NAPI源组成结构存在显著差异。
3) 农业生产和社会经济特征因子能够解释NANI和NAPI的变化的83.2%和85.2%。其中，经济作物产量和畜禽密度的影响较高。
5 附录附表Ⅰ和附表 Ⅱ见电子版(DOI: 10.18307/2024.0424)。
|
附表Ⅰ NANI、NAPI模型计算公式与参数取值 Appendix Ⅰ Calculation formulas and parameter values of NANI and NAPI models |
|
|
附表Ⅱ 研究区农业生产和社会经济特征因子 Appendix Ⅱ Factors of agricultural production and socio-economic characteristics in the study area |
| [1] |
Chen XM, Huang XZ, Wu D et al. Late Holocene land use evolution and vegetation response to climate change in the watershed of Xingyun Lake, SW China. CATENA, 2022, 211: 105973. DOI:10.1016/j.catena.2021.105973 |
| [2] |
Zheng TT, Zhao XQ, Lu FF et al. Analysis on the driving force of farming non-point source pollution in the Xingyun Lake basin of Yunan Province. Journal of Ecology and Rural Environment, 2019, 35(6): 730-737. [郑田甜, 赵筱青, 卢飞飞等. 云南星云湖流域种植业面源污染驱动力分析. 生态与农村环境学报, 2019, 35(6): 730-737.] |
| [3] |
Kong Y, Bai XH. Nitrogen pollution characteristics of south rivers into xingyun lake and reduction effect of rainwater regulate system. Journal of China Hydrology, 2019, 39(1): 60-65. [孔燕, 白晓华. 星云湖南岸主要入湖河流氮入湖污染特征及南岸调蓄系统削减效果研究. 水文, 2019, 39(1): 60-65. DOI:10.3969/j.issn.1000-0852.2019.01.011] |
| [4] |
Tian JL, Hao SN. Research progress of non-point source pollution estimation model. Chinese Agricultural Science Bulletin, 2022, 38(11): 111-115. [田军林, 郝守宁. 面源污染估算模型研究进展. 中国农学通报, 2022, 38(11): 111-115. DOI:10.11924/j.issn.1000-6850.casb2021-0472] |
| [5] |
Xie H, Qiu JL, Dong JY et al. Research of the HSPF model on nonpoint source pollution modeling and management: Progresses and perspectives. Acta Ecologica Sinica, 2022, 42(15): 6076-6091. [谢晖, 邱嘉丽, 董建玮等. 流域水文模型在面源污染模拟与管控中的应用研究进展. 生态学报, 2022, 42(15): 6076-6091. DOI:10.5846/stxb202109062508] |
| [6] |
Howarth RW, Billen G, Swaney D et al. Regional nitrogen budgets and riverine N & P fluxes for the drainages to the North Atlantic Ocean: Natural and human influences. Biogeochemistry, 1996, 35(1): 75-139. DOI:10.1007/BF02179825 |
| [7] |
Russell MJ, Weller DE, Jordan TE et al. Net anthropogenic phosphorus inputs: Spatial and temporal variability in the Chesapeake Bay Region. Biogeochemistry, 2008, 88(3): 285-304. DOI:10.1007/s10533-008-9212-9 |
| [8] |
Han Y, Yu X, Wang X et al. Net anthropogenic phosphorus inputs (NAPI) index application in China. Chemosphere, 2013, 90(2): 329-337. DOI:10.1016/j.chemosphere.2012.07.023 |
| [9] |
Qiu WW, Zhong ZB, Li ZL. Agricultural non-point source pollution in China: Evaluation, convergence characteristics and spatial effects. Chinese Geographical Science, 2021, 31(3): 571-584. DOI:10.1007/s11769-021-1200-1 |
| [10] |
Hong B, Swaney DP, Howarth RW. Estimating net anthropogenic nitrogen inputs to U.S. watersheds: Comparison of methodologies. Environmental Science & Technology, 2013, 47(10): 5199-5207. DOI:10.1021/es303437c |
| [11] |
Schaefer SC, Hollibaugh JT, Alber M. Watershed nitrogen input and riverine export on the west coast of the US. Biogeochemistry, 2009, 93(3): 219-233. DOI:10.1007/s10533-009-9299-7 |
| [12] |
Hong B, Swaney DP, Mörth CM et al. Evaluating regional variation of net anthropogenic nitrogen and phosphorus inputs (NANI/NAPI), major drivers, nutrient retention pattern and management implications in the multinational areas of Baltic Sea Basin. Ecological Modelling, 2012, 227: 117-135. DOI:10.1016/j.ecolmodel.2011.12.002 |
| [13] |
Bai Y, Sun CQ, Wang L et al. The characteristics of net anthropogenic nitrogen and phosphorus inputs (NANI/NAPI) and TN/TP export fluxes in the Guangdong section of the Pearl River (Zhujiang) basin. Sustainability, 2022, 14(23): 16166. DOI:10.3390/su142316166 |
| [14] |
Li Y, Liu HB, Lei QL et al. Impact of human activities on net anthropogenic nitrogen inputs(NANI) at township scale in Erhai Lake basin. Environmental Science, 2018, 39(9): 4189-4198. [李影, 刘宏斌, 雷秋良等. 洱海流域乡镇尺度上人类活动对净氮输入量的影响. 环境科学, 2018, 39(9): 4189-4198. DOI:10.13227/j.hjkx.201712079] |
| [15] |
Chen DJ, Hu MP, Guo Y et al. Modeling forest/agricultural and residential nitrogen budgets and riverine export dynamics in catchments with contrasting anthropogenic impacts in Eastern China between 1980-2010. Agriculture Ecosystems & Environment, 2016, 221: 145-155. DOI:10.1016/j.agee.2016.01.037 |
| [16] |
Gao W, Howarth R W, Hong B et al. Estimating net anthropogenic nitrogen inputs (NANI) in the Lake Dianchi basin of China. Biogeosciences, 2014, 11(16): 4577-4586. DOI:10.5194/bg-11-4577-2014 |
| [17] |
Ni Z, Wang S. Historical accumulation and environmental risk of nitrogen and phosphorus in sediments of Erhai Lake, Southwest China. Ecological Engineering, 2015, 79: 42-53. DOI:10.1016/j.ecoleng.2015.03.005 |
| [18] |
Wu HJ, Yuan ZW, Zhang YL et al. Data uncertainties in anthropogenic phosphorus flow analysis of lake watershed. Journal of Cleaner Production, 2014, 69: 74-82. DOI:10.1016/j.jclepro.2014.01.043 |
| [19] |
Gao W, Howarth RW, Hong B et al. Estimating net anthropogenic nitrogen inputs (NANI) in the Lake Dianchi Basin of China. Biogeosciences, 2014, 11(16): 4577-4586. DOI:10.5194/bg-11-4577-2014 |
| [20] |
Zhang WS, Li XY, Su JJ. Responses of riverine nitrogen export to net anthropogenic nitrogen inputs: A review. Chinese Journal of Applied Ecology, 2014, 25(1): 272-278. [张汪寿, 李叙勇, 苏静君. 河流氮输出对流域人类活动净氮输入的响应研究综述. 应用生态学报, 2014, 25(1): 272-278. DOI:10.13287/j.1001-9332.2014.01.037] |
| [21] |
Fan X, Wu FP, Meng C et al. Estimation of nitrogen output load of a river watershed based on net anthropogenic nitrogen input and river inflow cofficent. Journal of Agro-Environment Science, 2021, 40(1): 185-193. [凡翔, 吴凤平, 孟岑等. 基于人为氮净输入及入河系数的流域河流氮输出负荷估算. 农业环境科学学报, 2021, 40(1): 185-193. DOI:10.11654/jaes.2020-0762] |
| [22] |
Han YG, Fan YT, Yang PL et al. Net anthropogenic nitrogen inputs (NANI) index application in China. Geoderma, 2014, 213: 87-94. DOI:10.1016/j.geoderma.2013.07.019 |
| [23] |
Cheng P, Zhang WS. Spatio-temporal variation characteristics and division analysis of provincial net anthropogenic phosphorus input in China in recent twenty years. Ecology and Environmental Sciences, 2019, 28(3): 540-547. [程鹏, 张汪寿. 近20年中国大陆人类活动净磷输入的时空变化特征与类群分析. 生态环境学报, 2019, 28(3): 540-547.] |
| [24] |
Xu HL, Yang PL, Xing WM et al. Net anthropogenic nitrogen accumulation in Hubei Province from 2008 to 2017. China Environmental Science, 2020, 40(9): 4017-4028. [徐浩林, 杨培岭, 邢伟民等. 湖北省2008-2017年人类活动净氮输入状况. 中国环境科学, 2020, 40(9): 4017-4028. DOI:10.3969/j.issn.1000-6923.2020.09.034] |
| [25] |
Li XH, Liu HB, Lei QL et al. Spatio-temporal characteristics and influential factors of net anthropogenic nitrogen input: A case study of Xingxi River watershed. China Environmental Science, 2019, 39(2): 812-817. [李晓虹, 刘宏斌, 雷秋良等. 人类活动净氮输入时空变化特征及其影响因素——以香溪河流域为例. 中国环境科学, 2019, 39(2): 812-817. DOI:10.3969/j.issn.1000-6923.2019.02.045] |
| [26] |
Meng C, Liu HY, Li YY et al. Influences of the landscape pattern on riverine nitrogen exports derived from legacy sources in subtropical agricultural catchments. Biogeochemistry, 2021, 152(2): 161-177. DOI:10.1007/s10533-020-00744-w |
| [27] |
Zhou X, Chen CQ, Chen FJ et al. Changes in net anthropogenic nitrogen input in the watershed region of Zhanjiang Bay in South China from 1978 to 2018. Environment Development and Sustainability, 2021, 23(12): 17201-17219. DOI:10.1007/s10668-021-01335-x |
| [28] |
Zhang TP, Yan TZ, Jin PZ et al. Net anthropogenic nitrogen inputs and its influencing factors in three typical watersheds of China. Scientia Agricultura Sinica, 2022, 55(23): 4678-4687. [张天鹏, 闫铁柱, 金平忠等. 我国三个典型流域人类活动净氮输入量估算及其影响因素. 中国农业科学, 2022, 55(23): 4678-4687. DOI:10.3864/j.issn.0578-1752.2022.23.009] |
| [29] |
He J, Wu X, Zhang Y et al. Management of water quality targets based on river-lake water quality response relationships for lake basins: A case study of Dianchi Lake. Environmental Research, 2020, 186: 109479. DOI:10.1016/j.envres.2020.109479 |
| [30] |
Su YS, Song S, Chen Y et al. Temporal and spatial characteristics of net anthropogenic nitrogen input and its influencing factors in the Pearl river delta. Ecology and Environmental Sciences, 2022, 31(8): 1599-1609. [苏泳松, 宋松, 陈叶等. 珠江三角洲人类活动净氮输入时空特征及其影响因素. 生态环境学报, 2022, 31(8): 1599-1609.] |
| [31] |
Cui X, Huang CZ, Wu JP et al. Temporal and spatial variations of net anthropogenic nitrogen inputs (NANI) in the Pearl River Basin of China from 1986 to 2015. PLoS One, 2020, 15(2): e0228683. DOI:10.1371/journal.pone.0228683 |
| [32] |
Mao YP, Zhang H, Tang WZ et al. Net anthropogenic nitrogen and phosphorus inputs in Pearl River Delta Region (2008-2016). Journal of Environmental Management, 2021, 282: 111952. DOI:10.1016/j.jenvman.2021.111952 |
| [33] |
Wu SX, Liu HB, Huang HH et al. Analysis on the amount and utilization of manure in livestock and poultry breeding in China. Strategic Study of CAE, 2018, 20(5): 103-111. [武淑霞, 刘宏斌, 黄宏坤等. 我国畜禽养殖粪污产生量及其资源化分析. 中国工程科学, 2018, 20(5): 103-111. DOI:10.15302/J-SSCAE-2018.05.016] |
| [34] |
Zhang WS, Su JJ, Du XZ et al. Net anthropogenic nitrogen input to Huaihe River Basin, China during 1990-2010. Chinese Journal of Applied Ecology, 2015, 26(6): 1831-1839. [张汪寿, 苏静君, 杜新忠等. 1990-2010年淮河流域人类活动净氮输入. 应用生态学报, 2015, 26(6): 1831-1839. DOI:10.13287/j.1001-9332.20150331.012] |
| [35] |
Gao W, Gao B, Yan CA et al. Evolution of anthropogenic nitrogen and phosphorus inputs to Lake Poyang basin and its' effect on water quality of lake. Acta Scientiae Circumstantiae, 2016, 36(9): 3137-3145. [高伟, 高波, 严长安等. 鄱阳湖流域人为氮磷输入演变及湖泊水环境响应. 环境科学学报, 2016, 36(9): 3137-3145. DOI:10.13671/j.hjkxxb.2015.0779] |
| [36] |
Wang YS, Xie X, Liu C et al. Variation of net anthropogenic phosphorus inputs (NAPI) and riverine phosphorus fluxes in seven major river basins in China. Science of the Total Environment, 2020, 742: 140514. DOI:10.1016/j.scitotenv.2020.140514 |
| [37] |
Wang FH, Ma WQ, Dou ZX et al. The estimation of the production amount of animal manure and its environmental effect in China. China Environmental Science, 2006(5): 614-617. [王方浩, 马文奇, 窦争霞等. 中国畜禽粪便产生量估算及环境效应. 中国环境科学, 2006(5): 614-617. DOI:10.3321/j.issn:1000-6923.2006.05.024] |
| [38] |
Miao JD, Zhang XM, Wei TX et al. Temporal and spatial distribution characteristics of net nitrogen and phosphorus input from human activity: A case study of Hangzhou section of Qiandao Lake Basin. China Environmental Science, 2021, 41(6): 2831-2842. [缪今典, 张晓明, 魏天兴等. 千岛湖流域杭州段人类活动净氮、净磷输入时空分布. 中国环境科学, 2021, 41(6): 2831-2842.] |
| [39] |
Wang JL, Wu GY, Liu YL et al. The fertilizer application status and the approach of fertilizer-reduce and efficiency-increase in Yunnan province. Chinese Agricultural Science Bulletin, 2018, 34(3): 26-36. [王金林, 武广云, 刘友林等. 云南省化肥施用现状及减量增效的途径研究. 中国农学通报, 2018, 34(3): 26-36.] |
| [40] |
云南省农业农村厅环境资源处. 云南农业农村环境资源处南省农业农村厅关于南协云南十二国四次会议第0354号提案会办意见的函[EB/OL] (2021-03-29).
|
| [41] |
Yang MQ, Wei H, Wang M et al. Analysis on the intensity characteristics of fertilizer application in nine plateau lakes basins of Yunnan province. Phosphate & Compound Fertilizer, 2019, 34(11): 42-44. [杨牧青, 魏恒, 王苗等. 云南省九大高原湖泊流域周边区县化肥使用强度特征分析. 磷肥与复肥, 2019, 34(11): 42-44.] |
| [42] |
玉溪市人民政府. 星云湖流域水环境保护"十三五"规划报告(2016-2020年). 玉溪: 玉溪市人民政府, 2016.
|
| [43] |
Liu YP, Xiao YQ, Zhang Y. Spatial distribution of the net anthropogenic phosphorus input(NAPI) to the Dongting Lake basin, China. Chinese Journal of Applied Ecology, 2019, 30(7): 2404-2414. [刘艳萍, 肖雅倩, 张颖. 洞庭湖流域人类活动净磷输入及其空间分布. 应用生态学报, 2019, 30(7): 2404-2414. DOI:10.13287/j.1001-9332.201907.032] |
| [44] |
Li MX, Hu YH, Wang YH et al. Restoration and purification effect of the riverbank wetland in Xingyun Lake Street, Yunnan Province. J Lake Sci, 2007, 19(3): 283-288. [李萌玺, 胡耀辉, 王云华等. 云南星云湖大街河口湖滨湿地修复及净化效果. 湖泊科学, 2007, 19(3): 283-288. DOI:10.18307/2007.0309] |
| [45] |
Zhang HT, Ren JM. Impacts of agricultural policies on non-point source pollution in planting. Journal of Ecology and Rural Environment, 2016, 32(6): 914-922. [张海涛, 任景明. 农业政策对种植业面源污染的影响分析. 生态与农村环境学报, 2016, 32(6): 914-922. DOI:10.11934/j.issn.1673-4831.2016.06.008] |
| [46] |
国家发展和改革委员会价格司. 全国农产品成本收益资料汇编. 北京: 中国统计出版社, 2015.
|
| [47] |
Li JC, Yan CA, Chang XX et al. Estimation of net anthropogenic phosphorus input and driving force in Kunming from 1980 to 2015. Environmental Pollution & Control, 2018, 40(10): 1193-1197. [李金城, 严长安, 常学秀等. 1980-2015年昆明市人为净磷输入量与驱动力评估. 环境污染与防治, 2018, 40(10): 1193-1197.] |