基于杠杆效应的饮用水源营养管理：以长江流域的水生态分区与水源配量为着手点

《Journal of Environmental Chemical Engineering》：Leverage-based nutrient governance for drinking water sources using hydro-ecological zoning and source apportionment in the Yangtze River Basin

　　胡海珍|傅青|常胜|朱胤颖|阿萨德·Y·沙姆塞尔丁|张帆|杨光|叶春|范玉婷|王恩瑞
中国环境科学研究院环境标准与风险评估国家重点实验室，生态环境部饮用水水源保护重点实验室，北京100012

**摘要**
湖泊-水库系统是大河流域重要的饮用水来源，然而营养物管理往往依赖于统一的减排目标，这忽略了空间异质性和调控手段的差异。本研究开发了一个综合诊断框架，结合了空间制度划分、营养级评估、来源分配和不确定性分析。该框架应用于长江流域的492个湖泊-水库饮用水源（2018-2022年间共收集15,680个样本）。混合自组织映射-K均值（SOM-Kmeans）聚类方法识别出三种水生生态类型：以氮为主导的农业系统、富集磷酸盐和有机物的城市系统以及相对原始的山区系统。整个流域的营养状态有所改善，平均合成营养级指数（TLI）下降了13.1%，尽管在高度城市化的地区水体富营养化现象仍较为严重。主成分分析-绝对主成分得分-多元线性回归（PCA-APCS-MLR）表明，混合家庭和工业排放是主要的污染物来源（占58.4%），主要与磷酸盐和有机物相关；相比之下，农业非点源（占36.9%）是氮积累的主要驱动力。在磷酸盐限制为主的系统中，城市磷酸盐输入是与富营养化动态相关的主要因素。蒙特卡洛模拟验证了结果的稳定性和不确定性范围的狭窄性，支持了基于调控手段的优先级确定。本研究将流域尺度的营养物管理从统一减排策略转向了基于杠杆作用的框架，指出城市磷酸盐输入是关键控制点。

**引言**
在人为压力加剧和气候变率的情况下，确保饮用水资源的长期安全仍然是环境治理的核心挑战[1]。湖泊和水库是全球地表淡水供应系统的重要组成部分，尤其是在水需求、土地利用变化和水文调节高度集中的大河流域[2]。在中国，湖泊-水库系统提供了超过40%的集中式饮用水供应。这些系统日益面临由农业径流扩散和城市排放集中引起的富营养化、有机污染和营养失衡问题[3][4]。这种压力不仅威胁生态完整性，还增加了流域尺度管理的调控优先级制定和投资分配的复杂性[5]。

准确识别空间水质模式是理解流域尺度异质性和指导目标管理的前提[6]。传统的统计方法和单因素分析往往无法有效处理高维、非线性的水质数据集[7]。无监督机器学习方法，特别是自组织映射（SOM），通过保持样本之间的拓扑关系，提供了有效的降维和模式识别框架[8]。当与K均值聚类结合使用时，基于SOM的方法可以提高分类的稳定性和可解释性，从而客观地划分大数据集中的水化学或水质类型[9]。尽管聚类方法在环境研究中的应用日益增多，但它仍然主要是一种描述性工具[10]。空间类型、富营养化动态、污染源和流域尺度管理诊断之间的明确联系仍需进一步研究。

除了空间分类之外，全面评估水质状态及其时间变化对于理解环境变化至关重要[11]。传统方法（包括单一因素指数和复合指数如Nemerow指数）已被广泛使用，但往往存在主观权重设定和捕捉复杂多维污染模式的能力有限[12][13][14]。更先进的复合指标，如合成营养级指数（TLI）和熵加权水质指数（EWQI），分别用于表征富营养化强度和整体水质状况[15][16][17][18]。然而，仅基于静态指数的评估无法深入理解长期趋势，也无法解释不同区域之间的差异[19][20]。季节性Kendall检验与Sen斜率估计器相结合，通过考虑季节性因素并提供可靠的趋势幅度估计，提供了一个有效的替代方法[21][22]。然而，仅依靠趋势分析无法揭示驱动水质改善或恶化的主导污染源。

由于空间异质性强以及点源和非点源的共存，湖泊-水库系统中的定量来源分配仍是一个主要挑战。多变量统计技术（如主成分分析（PCA）有助于定性识别主要污染模式，但无法直接量化来源贡献[23]。受体模型，特别是PCA-APCS-MLR方法，已被广泛用于估算水质参数的来源贡献[24]。然而，大多数应用将空间模式识别、状态评估和来源分配视为独立的分析步骤[25]。此外，模型结构和输入变异性的不确定性很少被量化，限制了来源归属结果的稳健性和可解释性[26]。蒙特卡洛模拟为传播不确定性和评估来源贡献估计的稳定性提供了严格的框架，但其与流域尺度水质诊断的整合仍有限[27][28]。

长江流域（YRB）作为中国最大的河流流域之一，由于其复杂的地貌和密集的人类活动，是进行综合饮用水评估的关键案例[29][30]。然而，现有研究主要集中在局部地区或孤立的分析维度上，未能充分阐明流域范围内异质性的机制和基于来源的结论的稳健性[31][32][33]。为了填补这些空白，本研究建立了一个针对YRB湖泊-水库饮用水源的“空间分区-状态评估-来源分配-不确定性验证”的综合诊断系统。具体而言，本研究旨在：（1）利用混合SOM-Kmeans聚类方法划分流域尺度的水质类型；（2）通过结合TLI、EWQI和季节性Kendall-Sen斜率方法评估营养状态、整体水质和长期趋势；（3）使用PCA-APCS-MLR受体模型识别和量化主要污染源；（4）通过蒙特卡洛模拟评估来源贡献估计的稳健性和不确定性。通过这些努力，本研究将流域尺度的营养物控制从统一减排目标转向基于生态限制结构和量化来源优势的治理策略。

**研究区域**
本研究在中国长江流域（YRB，东经90°?122°，北纬24°?35°）进行，该流域覆盖约1.8×10^6平方公里，包括19个省、自治区和直辖市（图1a）[34]。作为中国最大的河流流域和国家水资源安全的支柱，YRB支持着大量人口的饮用水供应[35]。

**数据收集与预处理**
2018至2022年间，从长江流域的492个湖泊-水库集中式饮用水源（CDWSs）每月收集水质数据，共计15,680个样本。监测了11个物理化学指标，包括水温（WT）、pH值、溶解氧（DO）、高锰酸盐指数（CODMn）、生化需氧量（BOD5）、氨氮（NH3–N）、总磷（TP）、总氮（TN）、硝酸盐氮（NO3??N）、叶绿素-a（Chl?a）等。

**流域尺度水质特征**
长江流域湖泊-水库饮用水源的基本水化学特征存在显著差异（表1）。水温表现出明显的季节性波动（0–36.6°C；平均值18.08°C），反映了强烈的气候影响。pH值（6.25–9.47；平均值7.88）和溶解氧（5–12.51 mg/L；平均值8.21 mg/L）总体上符合GB 3838-2002标准[19]，表明水质条件总体良好。相比之下，与营养相关的参数和有机物参数显示出较大的空间分布差异。

**富营养化的驱动因素**
流域尺度湖泊-水库系统的富营养化是由外部营养负荷与内部生态反馈的相互作用引起的（图12b）[52]。在营养变量中，总磷（TP）与营养级指数（TLI）的相关性（r = 0.348）显著高于总氮（TN）（r = 0.047）。中位TN:TP比例（38.0）明显超过了Redfield阈值（16:1），表明该系统主要受磷酸盐限制（图12a, d）。在这种情况下，过量的磷酸盐主要来自农业活动。

**结论**
本研究为长江流域的湖泊-水库饮用水源建立了一个新的“空间分区-状态评估-来源分配-不确定性验证”的综合诊断框架。该框架整合了SOM-Kmeans聚类、TLI、EWQI、季节性Kendall-Sen斜率分析和PCA-APCS-MLR来源分配方法，以实现流域尺度的水质诊断。蒙特卡洛不确定性传播提高了结果的可靠性，并支持基于不确定性的决策。

**环境意义**
尽管在改善流域水质方面 regulatory efforts 不断增加，但大规模湖泊-水库饮用水系统的管理策略仍不够差异化。基于来自长江流域492个水源的15,680个样本，本研究开发了一个综合考虑不确定性因素的框架，将空间水质类型与量化污染源联系起来。结果表明，家庭和工业的磷酸盐输入是城市系统的主要污染源。

**作者贡献声明**
沙姆塞尔丁·阿萨德·Y：撰写——审稿与编辑、方法论；朱胤颖：撰写——审稿与编辑、方法论；常胜：撰写——审稿与编辑、监督、方法论、调查、资金获取、数据管理、概念化；傅青：撰写——审稿与编辑、方法论；胡海珍：撰写——初稿、软件开发、方法论、正式分析；王恩瑞：撰写——审稿与编辑、调查；范玉婷：撰写——审稿与编辑、方法论；叶春：