摘要
土地利用对水质的影响在不同类型河流和不同时空尺度下存在差异，研究两者之间的定量影响差异可为不同类型河流水污染有效控制提供科学依据。本文以喀斯特河流——乌江和半喀斯特河流——嘉陵江为研究对象，基于两条河流的水质监测数据和流域内的土地利用数据，选取河岸带缓冲区（100~500 m）和子流域6个空间尺度，采用冗余分析定量探讨不同类型流域土地利用对水质的多时空尺度影响差异。结果表明：（1）嘉陵江流域的土地利用主要以耕地为主，乌江流域的土地利用主要以林地为主。两流域的聚集度和最大斑块指数相差极小，聚集度在各空间尺度上差异不显著，最大斑块指数随空间尺度的上升而减小。嘉陵江流域的边缘密度高于乌江流域，且在流域内随空间尺度的上升而减小，乌江流域呈相反趋势。香农多样性指数值在嘉陵江流域高于乌江流域，在嘉陵江流域内随空间尺度的上升而减小，而在乌江流域随空间尺度的上升先增大后减小。（2）多数水质指标浓度在雨季高于旱季，总氮是两流域水质污染的关键指标，总磷是潜在的营养物质污染物，整体上乌江流域水质优于嘉陵江流域，喀斯特地貌面积占比和土地利用差异是造成两流域水质存在差异的重要原因。（3）嘉陵江流域土地利用在旱季和河岸带400 m缓冲区对水质变量解释率最高，乌江流域土地利用在雨季和子流域对水质变量解释率最高，总体上乌江流域土地利用对水质变化的贡献率高于嘉陵江流域。（4）不同土地利用指数对水质的影响存在差异。建设用地、边缘密度、耕地和水域对嘉陵江水质影响显著，其中水域对水质具有正面效应。水域、香农多样性指数和耕地是影响乌江流域水质的关键因子，其中耕地对水质具有一定积极影响。因此，不同类型的河流应在最佳时空尺度范围内，根据流域内地貌特征合理规划耕地和建设用地面积，提升河岸带林地覆盖率，推行生态施肥技术和生态防治技术，从而促进河流水环境安全和水资源可持续利用。
Abstract
Relationship between land use and water quality varies across different river types and spatiotemporal scales. Quantitative analysis of such variations can provide scientific grounds for effective control of river water pollution. This study chose the karst river Wujiang River and the semi-karst river Jialingjiang River, to utilize the water quality monitoring data and land use data within their respective riparian buffer zones (100-500 m) and sub-watershed. Six spatial scales were considered, and redundancy analysis was employed to quantitatively explore the multi-scale impacts of land use on water quality in these different watersheds. The findings were as follows: (1) Jialing River Basin (JRB) was dominated by farmland, while forest land in the Wujiang River Basin (WRB). The aggregation and the maximum patch index of the two basins were similar. Aggregation showed no significant differences across spatial scales, and the maximum patch index decreased with the increasing spatial scale. Edge density was higher in JRB than that in WRB, and it decreases with increasing spatial scale, showing an opposite trend in WRB. The Shannon diversity index was higher in JRB, and it decreases with increasing spatial scale, while in WRB, it first increases and then decreases with spatial scale. (2) The concentration of most water quality indicators was higher in the wet season than in the dry season. Total nitrogen was a key indicator of water quality pollution in both basins, and total phosphorus was a potential nutrient pollutant. Overall, the water quality in WRB was better than that in JRB. The proportion of karst landform area and differences in land use were important reasons for the differences in water quality between the two basins. (3) Land use in JRB had the highest explanatory power for water quality variables in the dry season and at the 400 m riparian buffer zone. In WRB, land use had the highest explanatory power for water quality variables in the wet season and at the sub-watershed scale. Generally, land use in WRB contributed more to water quality changes, comparing to JRB. (4) Different land use indices had varying impacts on water quality. Construction land, edge density, farmland, and water bodies significantly impacted the JRB water quality, with water bodies exerting a positive effect. Water bodies, the Shannon diversity index, and farmland were the key indices that affected the WRB water quality, with farmland having a certain positive impact. Therefore, different types of rivers should, within the optimal spatial scale, plan the area of farmland and construction land based on the landform characteristics of the basin, increase the forest coverage rate in riparian zones, and promote ecological fertilization and ecological control technologies to enhance river water environmental safety and sustainable water resource utilization.
水质恶化是目前流域管理中面临的突出水问题之一，已成为制约现代经济社会可持续发展的重要因素[1]。地表水容易受到点源污染和非点源污染的影响[2]。目前，点源污染具有易控制性的特点，对环境的危害已逐步减小，而非点源污染因其随机性、广泛性以及不易治理等特点，已成为影响地表水水质的主要因素[2-4]。研究表明，流域内的土地利用结构和景观分布格局是影响河流水质的重要因素[5]，土地利用结构通常以土地利用类型占比量化，流域内的景观配置多由景观格局指数表征，二者并称土地利用指数[6-7]。探讨土地利用与水质之间的关系对治理非点源污染、保护水生态环境具有重要意义。
近年来，土地利用对水质的影响已受到国内外学者的广泛关注[5-10]。由于研究区域自然条件和人类活动强度不同，土地利用对水质的影响效应尚未有明确定论[11-14]。有研究表明，香农多样性指数、耕地和建设用地与高锰酸盐指数等污染物呈显著正相关[13]，而在王杰等[15]的研究中表现为香农多样性指数与高锰酸盐指数呈显著负相关。不同的研究结果表明，在不同的时空尺度下最大斑块指数、斑块密度和草地等对水质指标高锰酸盐指数、总磷和总氮影响的正负效应不同[15-18]。多个研究提及耕地、建设用地和聚集度在不同时空尺度下与水质指标呈负相关[19-20]。此外，土地利用对水质的影响具有明显的时空尺度差异[21-22]，其中空间尺度是指河流与景观斑块之间的距离，常以河岸带和子流域表示，时间尺度一般指季节差异[14]。如郭羽羽等[23]研究发现，黄河流域土地利用在夏季和河岸带1000 m缓冲区尺度下对水质影响最显著；夏明珠等[2]发现白河流域水质对土地利用响应最显著的时空尺度为汛期和有水沟道带状1000 m缓冲区；李好好等[24]对河湟谷地的研究结果显示，平水期土地利用对水质影响更显著，最优空间尺度为河岸带200 m缓冲区；张旭达等[25]对无定河和延河的研究表明，在河岸带1000 m缓冲区尺度上两流域土地利用对水质影响最显著，但影响最显著的时间尺度不同，分别是秋季和春季；徐明珠等[26]对秦岭南麓小流域的研究表明，汛期和子流域尺度上景观特征对水质解释率更高；徐佳妮等[20]分析结果显示，子流域尺度上景观格局对水质的解释率最高，且作用在干季时更为明显。综上，土地利用对水质的影响存在明显的时空尺度效应，但具体哪种时空尺度上的土地利用对水质的解释率最高尚未明确，且多数学者主要针对某一流域展开研究，鲜见对不同类型河流土地利用与水质的定量关系进行对比研究。在此背景下，定量研究嘉陵江流域和乌江流域土地利用对水质的多时空尺度的影响差异，可以探明不同类型河流水质与周围自然条件及人类活动影响强度之间存在的潜在规律，有助于针对性地为不同类型流域的非点源污染治理及改善方案的制定提供科学依据与指导。
嘉陵江和乌江作为长江的主要支流，是重庆工农业生产和人民生活用水的主要来源，其水质状况直接与周边居民的生活健康息息相关，具有重要的生态地位[27]。嘉陵江作为长江上游重要的生态屏障和水源涵养地，虽水质优良率始终保持在川渝地区前列，但部分支流水质仍不稳定，流域水质及污染状况仍受关注[28]。而以往研究多针对嘉陵江四川中下游段水质的时空变化特征及影响因素分析[29-31]，对下游的重庆境内河流水质关注较少。同样，乌江作为长江中上游重要的淡水补给地，对于维持西南地区的水源涵养、水质净化和水土保持服务等方面具有重要作用。故本文以典型的喀斯特流域乌江（重庆段）和半喀斯特流域嘉陵江（重庆段）为研究区域，综合运用3S技术、冗余分析等方法，定量探讨不同时空尺度下土地利用与水质之间的关系，以期为不同类型河流流域内土地利用格局优化调整，水环境治理和水质保护政策的制定提供科学依据。
1 材料与方法
1.1 研究区概况
嘉陵江（29°40′~34°30′N，102°30′~109°0′E），发源于陕西省凤县秦岭南麓，流经陕西、甘肃、四川和重庆四省（市），上游主要流经非喀斯特地区，下游流域内部分河段位于喀斯特地貌区，喀斯特地貌面积占比约为10%（图1）。干流全长为1345 km，流域面积约为15.89×104 km2，是长江的主要支流之一，同时也是长江流域面积最大的子流域[31]。地势总体北高南低，地形由高山、中山过渡到低山丘陵。流域内土地利用类型以林地和耕地为主，林地主要分布在地势较高的流域上游和中游，下游耕地面积占比最大，其次为建设用地[32]。嘉陵江重庆境内全长约152 km，先后流经合川区、北碚区、沙坪坝区、渝北区、江北区和渝中区，于渝中区朝天门汇入长江。嘉陵江流经区域位于亚热带湿润气候区，流域内气候空间差异明显，多年平均气温为15.4℃，年平均降水量在1000 mm以上，主要集中在夏、秋两季，约占全年降水量的77.3%[33]。总体上嘉陵江重庆境内水质劣于上中游，总氮（TN）污染严重，高锰酸盐指数（CODMn）存在超标问题[32]，其中渝中区范围内TN、总磷（TP）和CODMn年内出现显著“双峰”现象，水质污染问题严重[34]。
乌江（26°7′~30°22′N，104°18′~109°22′E），发源于贵州西北部乌蒙山东麓威宁县盐仓镇，全长1070 km，流域面积8.79×104 km2（图1）。乌江流经湖北、贵州、云南和重庆四省（市），于重庆市涪陵区汇入长江，是长江南岸最大的一级支流和生态屏障[35]。地势西南高、东北低，地表崎岖破碎，流域内喀斯特地貌面积占比达80%以上，属于典型的喀斯特河流。土地利用类型以林地和耕地为主，草地次之。本文研究区域为乌江流域重庆境内范围，即重庆市东南部，流经酉阳县、彭水县、武隆区和涪陵区等9个区县，流域面积约为2.1×104 km2，全长223 km，占乌江总流域面积的23.9%。乌江流经区域气候温和，属于典型的亚热带季风性湿润气候，年平均气温在14~18℃之间，年均降水量为1000~1400 mm，大部分降水集中在5—10月，占全年降水量的80%[36]。流域内受水电工程建设、有机污染和地形地貌影响，TP和TN浓度不稳定，水质恶化现象时有发生[37-38]。
1.2 数据来源
乌江和嘉陵江流域水质数据源于国家生态环境监测中心检测实时数据发布系统（https://www.cnemc.cn/），结合水环境污染风险评价研究结果[39]，本研究选取乌江流域10个监测站点和嘉陵江流域14个监测站点的数据研究流域水质状况。前人研究结果显示，溶解氧（DO）浓度和pH可指示水体浮游植物的光合作用和有机物有氧分解能力，且乌江流域主要未达标污染指标为TN和TP[37]，而嘉陵江流域污染物指标包括CODMn和氨氮（NH3-N）等[29]。因此本研究选取pH、DO、TP、TN、NH3-N和CODMn 6个指标对2条河流进行水质评价。水质指标参照《国家地表水环境质量标准》（GB 3838—2002），分为Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ五类水质标准。
DEM数据源于中国科学院资源环境科学数据中心（http://www.resdc.cn），空间分辨率为30 m。结合地理空间数据云平台（http://www.gscloud.cn/）2020年研究区域对应的Landsat 8 OLI遥感影像数据，经过辐射校正、大气校正和几何校正，借助ENVI 5.0平台采用人工目视解译和随机森林法将研究区域土地利用类型分为水域、建设用地、草地、林地、耕地和未利用土地共6类。分类结果经混淆矩阵精度检验，总精度达85%以上，Kappa系数为0.89，符合精度要求。
1.3 不同空间尺度土地利用指数的计算
1.3.1 空间尺度的创建
参考前人研究[25，40]并结合研究区域特征，本研究选择河岸带100、200、300、400、500 m缓冲区和子流域6个空间尺度研究土地利用与水质之间的关系（图1）。首先，以DEM数据为基础，结合中国科学院资源环境科学数据中心（http://www.resdc.cn）发布的研究区二级流域数据[41]，并参考Shi等[42]划分子流域的方法，分别以两个研究区域的监测站点为出水口，通过ArcGIS水文分析模块提取出乌江流域（10个）和嘉陵江流域（14个）监测点的子流域范围（图1）。其次，以每个监测点的断面为基点，以平行河道分别向河流上游延伸至该监测点最直接小流域边界为长度，以垂直河道100、200、300、400和500 m为宽度在河流两岸建立缓冲区[10，22]。
图1嘉陵江流域（重庆段）和乌江流域（重庆段）水质监测点空间分布以及子流域和河岸带100~500 m缓冲区6个空间尺度
Fig.1Spatial distribution of water quality monitoring stations in the Jialing River Basin (Chongqing Section) and Wujiang River Basin (Chongqing Section) at six spatial scales (sub-watershed and 100-500 m buffer zones)
1.3.2 景观特征的计算
景观格局是指景观组成单元的类型、数目以及空间分布的配置特征，陆域景观格局的变化大大影响河流水质状况[43-44]。结合相关分析结果（附表Ⅰ和附表Ⅱ）和前人研究成果[45-46]，本研究选取斑块密度（ED）、最大斑块指数（LPI）、香农多样性指数（SHDI）和聚集度（COHESION）作为影响两流域水质的景观格局指数，从形状、密度、聚集度和多样性等方面分析景观配置，使用Fragstat 4.2软件计算景观指数。
1.4 统计与处理
利用SPSS Statistics 28.0软件平台，首先基于K-S方法检验水质数据分布的正态性，对其采用独立样本T检验计算，得出水质参数的季节差异性（P＜0.05）。冗余分析（redundancy analysis，RDA）既可以揭示全部土地利用对水质的总体影响，也可以揭示单个景观变量对河流水质变化的贡献率，并通过二维排序图直观展示景观格局指数与水质参数之间的关系[40]。运用Canoco 5.0软件，首先对响应变量进行趋势对应分析（detrended correspondence analysis，DCA），若分析结果得到4个轴最大梯度值小于3.0，则采用RDA，若最大值大于4.0，则采用典型对应分析（canonical correspondence analysis，CCA），若值介于3.0~4.0之间，两种方法均可使用。本研究以水质参数为响应变量，土地利用指数为解释变量，DCA分析结果均小于3.0，因此选用RDA方法定量探讨乌江流域和嘉陵江流域土地利用指数对水质指标的多尺度时空影响差异。RDA结果排序图中，其中两指标间夹角小于90°，两指标呈正相关，夹角大于90°，两指标呈负相关，夹角越接近90°，相关性系数越小，越偏离90°，相关性系数越大。
2 结果与分析
2.1 土地利用空间特征
嘉陵江流域在6个空间尺度范围内土地利用主要以耕地为主，耕地、林地、水域和建设用地在不同空间尺度上面积占比差异性显著（图2）。在河岸带100~200 m缓冲区内，水域和耕地为主要土地利用类型；河岸带300~500 m缓冲区尺度下景观类型面积占比为水域＞耕地＞建设用地＞林地＞草地＞未利用土地，水域和耕地仍为主要的景观类型，建设用地和林地面积占比逐渐增加；在子流域尺度下，景观类型面积占比为建设用地＞耕地＞林地＞水域＞草地＞未利用土地（图2）。COHESION在6个空间尺度上波动趋势及数值范围无明显差异。LPI随缓冲区尺度增大而减小，各站点均值波动范围为24.68~63.95。ED均值从河岸带100 m缓冲区尺度的51.99增加至河岸带500 m缓冲区尺度的84.71，在子流域尺度稍有下降。SHDI均值在河岸带100 m缓冲区尺度之后随空间尺度的增大而增大（图3），其中河岸带500 m缓冲区最高，为1.2。
图2嘉陵江流域各空间尺度土地利用类型面积占比 （*、**分别表示景观类型占比的空间性显著（P＜0.05）和极显著（P＜0.01））
Fig.2Area percentage of land use types at each spatial scale in the Jialing River Basin （* and ** indicate spatial patterns of landscape type proportions that are statistically significant (P＜0.05) and highly significant (P＜0.01) , respectively）
乌江流域土地利用类型主要以林地为主，各空间尺度景观类型占比相差较大（图4）。在河岸带100~200 m缓冲区尺度下，景观类型面积占比为水域＞林地＞建设用地＞草地＞耕地＞未利用土地，其中水域面积在多数监测点占75%以上，耕地、草地和未利用土地面积占比极低；在河岸带300~400 m缓冲区尺度下，林地和耕地面积占比大幅度增加，建设用地面积占比逐渐上升；在河岸带500 m缓冲区和子流域尺度下，林地为主要的景观类型，建设用地占比次之，水域面积占比极小，耕地、草地和未利用地面积占比较低且相差不大（图4）。COHESION在各个空间尺度无明显差异。LPI指数在乌江流域河岸带缓冲区尺度下随缓冲区距离的增大而减小。ED各站点均值从河岸带100 m缓冲区尺度随空间距离增大而减小（图5）。SHDI随空间尺度的增大呈现出先增大后减小的趋势，各站点均值范围为0.72~1.08。
图3嘉陵江流域各空间尺度景观格局指数
Fig.3Landscape pattern indexes at each spatial scale in Jialing River Basin
两条河流流域内景观类型组成特征不同。嘉陵江流域以耕地为主，乌江流域由于喀斯特地貌特征对于耕地面积的限制，流域内以林地为主。草地和未利用土地面积占比少且在各个空间尺度差异较小。在河岸带100~200 m缓冲区尺度下两流域均以水域为主，面积占比在多数站点达75%以上；河岸带300~500 m缓冲区和子流域尺度下，两流域耕地面积、建设用地以及林地面积占比波动较大，嘉陵江流域耕地面积占比波动上升，乌江流域以林地面积占比变化为主。两流域COHESION和LPI在不同空间尺度上变化趋势相同，而ED和SHDI随空间尺度的增大变化趋势相反。
2.2 水质的时空变化特征
嘉陵江流域在旱、雨两季均呈弱碱性，pH值波动范围为7.17~8.00（图6），雨季波动范围较大。CODMn在0.93~5.80 mg/L之间波动，旱、雨两季均值相差较大，雨季较旱季高0.71 mg/L，说明该流域CODMn时空差异性显著，但总体较低，符合Ⅱ类水质标准。DO浓度在6.73~12.63 mg/L范围内波动（图6），旱季均值为10.06 mg/L，雨季均值为7.49 mg/L，整体较高，均达到地表水Ⅰ类水质标准（GB 3838—2002），说明水中污染物较少，自净能力强。TN浓度较高，旱、雨两季均值达1.56 mg/L，属于Ⅳ类水质，雨季部分监测点达2.4 mg/L以上。TP浓度范围为0.02~0.22 mg/L，多数站点达到Ⅱ类水质标准。NH3-N浓度旱、雨两季均值为0.08 mg/L，达Ⅰ类水质标准。总体上，嘉陵江流域水质参数DO、TN和TP呈现出明显的季节变化（P＜0.05），表现为旱季水质优于雨季。除TN外，其他指标多数站点达Ⅱ类水质标准以上（图6），水质整体较好。
乌江流域旱、雨两季pH值在7.51~8.00之间波动（图6），呈弱碱性。CODMn旱、雨两季均值为0.89 mg/L，雨季略高于旱季，整体较低，符合Ⅰ类水质标准。DO浓度旱季均值为8.66 mg/L，雨季为8.41 mg/L，均优于Ⅰ类水质标准。TN浓度最高可达2.86 mg/L，两季均值为1.89 mg/L，接近Ⅴ类水限值。TP浓度波动范围为0.01~0.04 mg/L（图6），旱、雨两季均值接近Ⅰ类水质标准，浓度较低。NH3-N浓度旱、雨两季波动范围相差较小，均值为0.055 mg/L，远低于Ⅰ类水质标准0.15 mg/L。总体上，乌江流域各水质参数旱、雨两季波动范围相差较小，无明显的季节差异。除TN外，其他参数均值多接近Ⅰ类水质标准（图6），整体水质较好。
图4乌江流域各空间尺度土地利用类型面积占比 （*、**分别表示景观类型占比的空间性显著（P＜0.05）和极显著（P＜0.01））
Fig.4Area percentage of land use types at each spatial scale in Wujiang River Basin （* and ** indicate statistically significant (P＜0.05) and highly significant (P＜0.01) spatial variations in landscape type composition, respectively）
嘉陵江流域与乌江流域各水质参数浓度整体上较为相似，除TN浓度较高外，其他水质参数多数站点达Ⅱ类水质标准及以上。从空间尺度上看，嘉陵江流域除TN浓度略低于乌江流域外，TP、CODMn和NH3-N浓度高于乌江流域，整体上乌江流域水质优于嘉陵江。从季节差异上看，嘉陵江流域DO、TP和TN参数呈现出明显的季节差异，整体上旱季水质优于雨季；而乌江流域6个水质参数均无显著季节差异，旱、雨两季水质参数波动范围大致相同。
2.3 不同时空尺度土地利用对水质的影响关系
2.3.1 嘉陵江流域土地利用对水质的影响
土地利用对水质的影响在时空尺度上存在显著差异，均表现为第一轴解释率远高于第二轴（表1）。在空间尺度上，旱季的土地利用指数对水质的影响程度随空间范围的增大呈现出先增强后减弱的规律。河岸带400 m缓冲区尺度解释率最高，达85.10%，河岸带400 m缓冲区之后土地利用对水质的解释率随空间距离的增大而下降（表1）。雨季，河岸带100~200 m缓冲区尺度上，总解释率最高为70.00%；在河岸带300 m缓冲区之后，土地利用对水质变化的影响强度显著下降，总解释率最高为子流域（52.00%）（表1）。在时间尺度上，土地利用与水质的关系在旱、雨两季有显著差异，多数空间尺度下表现为旱季土地利用指数对水质的影响程度强于雨季。此外，不同时空尺度下对河流水质解释率最高的土地利用指标不同。整体来看，建设用地（19.40%~42.50%）、ED（10.00%~35.40%）和耕地（6.20%~25.10%）是影响水质最显著的指标（表1）。
RDA排序图结果显示，嘉陵江流域耕地和建设用地在不同时空尺度上与NH3-N、TP、TN和CODMn呈现出显著的正相关关系（图7）。在多数时空尺度下，林地面积占比与DO和pH呈正相关，与CODMn、TP、TN和NH3-N等指标呈显著负相关。草地面积占比在多数时空尺度上与N和P指标呈负相关，与DO和pH呈正相关。水域面积占比在多数时空尺度下与水质指标呈负相关。未利用土地面积占比与水质指标在各个时空尺度下无明显相关性规律。SHDI和ED与CODMn、TP、TN和NH3-N呈正相关关系，与DO和pH呈弱负相关关系（图7）。LPI和COHESION在旱、雨两季的多数时空尺度下与污染物指标呈负相关，与DO和pH呈正相关关系。
图5乌江流域各空间尺度景观格局指数
Fig.5Landscape pattern index ateach spatial scale in Wujiang River Basin
2.3.2 乌江流域土地利用对水质的影响
乌江流域内，土地利用指数对水质指标的总解释率在子流域最高，可达89.60%，对河流水质的优劣有重要影响（表2）。在空间尺度上，旱季的土地利用指数对水质的影响程度随空间尺度的增大呈先增强后减弱的趋势。在河岸带100~300 m缓冲区尺度上土地利用指数对水质的影响程度逐渐加强，至河岸带300 m缓冲区总解释率最高，达81.50%。在河岸带300 m缓冲区之后总解释率随空间尺度的增大有所下降，表明河岸带300 m缓冲区是影响旱季水质的最有效尺度。雨季，总体上土地利用对水质的影响程度与空间尺度的增大呈正相关关系，在河岸带300 m缓冲区尺度上影响强度大幅增强。在时间尺度上，整体表现为雨季对水质的影响强于旱季。各土地利用指数对水质的影响存在空间尺度差异，在6个空间尺度下，水域（13.80%~23.30%）是影响水质参数的关键指标，其次为SHDI（13.60%~19.70%）和耕地（11.90%~18.60%）（表2）。
乌江流域建设用地面积占比与CODMn、NH3-N、TP和TN在旱、雨两季均呈正相关关系（图8）。耕地面积占比与CODMn和DO在旱、雨两季呈正相关关系，与N和P指标在旱、雨两季均呈负相关关系。草地和林地面积占比在多数空间尺度下与污染物浓度呈负相关。水域面积占比在多数空间尺度下与水质指标呈正相关关系。未利用土地多指受人类活动干扰少的沼泽和荒地，面积占比与水质指标在多数时空尺度下呈负相关关系（图8）。SHDI、LPI和COHESION在多数时空尺度下均与CODMn、NH3-N、TP和TN呈正相关关系，ED与水质指标多呈负相关关系（图8）。
图6旱、雨两季嘉陵江流域和乌江流域水质参数的描述性统计 （不同字母表示旱、雨季间水质差异显著（P＜0.05），大写字母表示嘉陵江，小写字母表示乌江）
Fig.6Descriptive statistics of water quality parameters in the Jialing River Basin and Wujiang River Basin during the dry and wet seasons（Different letters indicate significant differences in water quality during the dry and wet seasons (P＜0.05) ; uppercase letters represent the Jialing River, and lowercase letters represent the Wujiang River）
表1嘉陵江流域土地利用变量解释水质变化比例的冗余分析结果
Tab.1 Redundancy analysis results for the percentage of the overall water quality changes explained by the land use in the Jialing River Basin
2.3.3 嘉陵江流域和乌江流域土地利用对水质的影响差异
土地利用对水质的影响存在空间差异。总体上乌江流域土地利用对水质的解释率高于嘉陵江流域，旱季和河岸带400 m缓冲区是嘉陵江流域土地利用影响水质最显著的时空尺度（图9），雨季和子流域是乌江流域土地利用对水质影响最显著的时空尺度，流域内土地利用结构和喀斯特地貌面积占比不同是最佳时空尺度差异的重要原因。各土地利用指数对水质的影响差异显著，嘉陵江流域建设用地、ED、水域和耕地是影响水质的重要指标，而乌江流域影响水质的关键指标为水域、SHDI和耕地。
图7嘉陵江流域冗余分析结果排序图
Fig.7Ordination diagrams originated of redundancy analysis (RDA) results in the Jialing River Basin
表2乌江流域土地利用变量解释水质变化比例的冗余分析结果
Tab.2 Redundancy analysis results for the percentage of the overall water quality changes explained by the land use in the Wujiang River Basin
土地利用指数对水质的多时空尺度效应有明显差异。耕地、草地、水域和未利用土地在两流域内与水质的相关性不同，建设用地与水质呈显著正相关关系，林地与水质呈负相关关系。SHDI在两流域旱、雨两季均与水质指标呈正相关，ED在嘉陵江流域与水质呈正相关，在乌江流域多数时空尺度下与水质呈负相关。COHESION和LPI在两流域与水质的相关性相反，在嘉陵江流域呈负相关，在乌江流域呈正相关。
3 讨论
3.1 水质的时空差异分析
河流水质具有非均质性、区域性和季节性[47]。从时间尺度上来看，嘉陵江流域DO、TP和TN浓度季节差异明显，多数站点均表现为旱季水质优于雨季，但旱季各指标浓度波动范围大（图6），水质不稳定。刘德琴等[34]研究表明，嘉陵江下游污染物浓度双峰值出现在5—6月和9—10月，与本文结论相似。DO雨季浓度低主要归因于雨季水温高，加速了有机质的分解速率和水生植物的生长速度，从而导致DO消耗加快[48]。TP和TN雨季浓度高的原因可能是，降水量增加引起地表冲刷能力增加，从而导致含有较高氮和磷化合物、城镇生活污水、工业废水以及动物排泄物等汇入河流[49-50]。嘉陵江流域DO、NH3-N和TP均优于Ⅱ类水质标准（图6），符合嘉陵江流域的水质控制标准[28]。TN各站点均值劣于Ⅳ类水质标准，是影响嘉陵江流域水质优劣的关键指标。部分站点TP浓度超过Ⅱ类水质标准限制，说明氮素污染和磷素污染是嘉陵江流域（重庆段）水质污染的主要类型。乌江流域各水质指标无明显季节差异，除TN外，其余指标均符合Ⅰ类水质标准，整体水质较好。TN浓度旱、雨两季均值达1.89 mg/L，接近Ⅴ类水限值，是乌江流域水质污染的关键指标。氮素污染主要来源于流域内的农业活动，一方面指雨水冲刷导致携带着过量氮素的地表径流进入水体，河流受到污染，另一方面指流域内非集约化的水产养殖模式向水体中释放氮素，加剧水体的氮污染状况[51-52]。
从空间尺度上看，整体上乌江流域水质优于嘉陵江流域（图6）。造成两条河流水质差异的主要原因是流域内景观类型[53]以及流经区域的地形地貌[54]不同。乌江作为典型的喀斯特河流，存在着地表和地下双层空间的特殊地质背景[55]，发达的地下河和溶洞系统为水流提供了广阔的空间，提高了河流的自然净化能力。河流在流经溶洞和裂隙等地貌区时流速下降，有助于过滤水中悬浮物质，减轻水污染。且由于受到喀斯特地区峰丛洼地的限制，地表水体不易积聚，人类工业和农业产业发展受限，减少了人为污染源对水质的影响。嘉陵江多流经低山丘陵区，河流污染物容易在低洼区域或河流弯曲处积聚，难以通过自然过程稀释和净化。乌江流域除河岸带400 m缓冲区外，其他尺度上土地利用以林地和水域为主，大面积的森林斑块通过污染拦截与净化显著改善径流水质[47]，减轻农业活动等带来的水质污染。嘉陵江流域随空间尺度的增大，建设用地和耕地面积占比大幅上升，在子流域尺度下建设用地和耕地面积占比在多数站点达80%以上，相对弱化了“汇”景观对污染物的截留和削减效应，加剧了“源”景观对水质的污染[56]。
图8乌江流域冗余分析结果排序图
Fig.8Ordination diagrams originated of redundancy analysis (RDA) results in the Wujiang River Basin
图9旱雨两季嘉陵江流域和乌江流域总解释率结果对比
Fig.9The comparison of total explanatory rate results for the Jialing River Basin and Wujiang River Basin in the dry and wet seasons
3.2 土地利用对水质的影响
不同土地利用指数对水质参数的影响程度不同[57]。本研究中，嘉陵江流域内不同时空尺度下土地利用类型对水质的解释率由高到低依次为耕地、建设用地、水域、林地、草地和未利用土地（表1）。耕地和建设用地对水质有负面影响（图7），与前人得出的耕地和建设用地是潜在水体污染物的“源”景观一致[58]。嘉陵江流域（重庆段）多流经重庆市区，农耕、城镇建设及工业废水排放等人类活动导致污染物浓度较高，污染物经地表径流输入河流中，对水体造成严重的污染。林地面积占比与污染物浓度呈负相关（图7），验证了林地作为典型“汇”景观，具有涵养水源、净化水质的作用[59-60]，增加林地覆盖率和聚集度是减轻河流水污染的重要途径。草地面积占比在多数空间尺度下，与NH3-N和TP浓度呈负相关，与DO浓度呈正相关，表明草地的透水性下垫面性质对N和P等元素具有滞留和吸收作用[61]。水域由于本身的自净能力[46]，通过异养同化、自养呼吸和沉积吸附物等可降解部分污染物，对水环境有一定的积极作用[62]。在多数空间尺度下，SHDI和ED与TP、NH3-N和CODMn浓度呈正相关关系，原因是强烈的人类活动导致景观破碎度和景观异质性增强，促使污染物的迁移和转化过程更加复杂[61，63]。LPI在多数空间尺度上与TP、CODMn和NH3-N等呈负相关关系（图7），LPI越小代表人为因素干扰越强，流域景观越破碎，斑块分布越零散，生态系统水质净化服务损害越严重[64]。COHESION越高代表景观连通性越高，有利于固定和截留“源”景观产生的污染物[65]。
乌江流域内水域、耕地和林地对水质污染的解释率较高，而草地、建设用地和未利用土地对水质的解释率有限（表2）。水域与TN和TP呈正相关关系（图8），可能由于喀斯特地貌区地下水和地表水相连，地表水域面积增加可能会改变地下水的流动路径和速度，加速污染物的扩散，这与祁兰兰等[14]的研究结果相似。耕地与TP、TN和NH+4-N等在多数空间尺度下呈负相关（图8），与前人研究结果相悖[40，43]，原因可能是喀斯特地貌区地表破碎等特征的限制，耕地破碎化程度高，流域内多以传统的保护性耕作方式为主，可有效减少土壤侵蚀以及现代机械化耕作带来的农药和化肥使用过量等问题，一定程度上可以减轻水体的污染压力[51，66]。同时喀斯特河流流域内耕地应有效进行农业管理和生态修复，改善水质的同时也促进了农业的可持续发展[67]。草地和林地与水质有明显的负相关关系（图8），说明了草地和林地对于阻拦和吸附污染物，削减地表径流[68]具有积极作用。建设用地与TN、TP、NH3-N和CODMn呈正相关（图8），验证了建设用地是污染物的重要外来输入源，随排污管道和不透水面汇入水体中污染水体[61]。未利用土地多指受人类活动干扰少的沼泽和荒地，与6个水质指标多呈负相关关系。在多数缓冲区尺度下，SHDI与水质指标多呈正相关（图8），这与Tran等[69]的研究结果一致。原因可能是较高的景观破碎度分割了草地和林地等“汇”景观，降低了草地和林地对“源”景观输出污染物的截留能力[70]。ED反映了景观格局的复杂程度，ED越高则代表景观间物质与能量的交换加强[71]，林地作为乌江流域的优势斑块促使ED值越高，水质净化服务越强。LPI和COHESION与水质参数的正相关关系表明，流域内景观的破碎度和空间连接度与水质关联较强[72]。
不同河流流域土地利用对水质的多时空尺度影响存在差异。两流域耕地与污染物浓度的相关性相反，这与乌江流域喀斯特地区地表结构、耕作方式和灌溉方式有关[67-68]。水域在嘉陵江流域表现为自净能力较强，而在乌江流域中由于特殊的地表、地下双层水体结构[55]，水域面积的增加对水质安全构成了一定威胁。LPI作为景观优势度的表征，对两流域水质产生的不同效应多与流域内的优势景观类型以及人类对景观的干扰程度相关[73-74]。COHESION对水质产生的效应不同，是因为不同空间尺度下的优势景观不同，进而导致连通性在“源”景观和“汇”景观上对污染物产生的效应不同[65]。
3.3 土地利用对水质影响的多时空尺度效应
土地利用对水质的影响有显著的时空尺度效应。RDA结果表明，嘉陵江流域土地利用对河流水质影响最显著的空间尺度为河岸带400 m缓冲区（图9），与张旭达等[25]、Shi等[57]的研究结果相似，即缓冲区尺度土地利用对水质的解释率高于子流域，河流沿岸附近的景观特征与水质的相关性最高。原因多为400 m空间尺度下耕地面积和建设用地面积扩张，导致流域内土壤侵蚀加重，化肥、农药和工业污水径流增加，从而加重该空间尺度非点源污染负荷[75]。土地利用对水质的影响存在季节差异，嘉陵江流域土地利用对水质的影响最强的时间尺度是旱季（图9），与雨季相比，最高解释率相差15.1%（表1），多与降雨量和地表径流的季节性变化有关[76]。旱季降雨量少、气温高，河流水量少，水质污染物对土地利用结构的响应更加敏感[77]。
乌江流域土地利用对水质解释率最高的空间尺度为子流域（图9），是未来水域管理的重要单元，与张琼等[61]、蔡宏等[78]的研究结果相似。林地作为“汇”景观以及子流域尺度上的优势景观类型，对水质解释率较高。时间尺度上，乌江流域土地利用格局对水质影响最显著的尺度是雨季（图9），与郭羽羽等[23]的研究结果一致，即夏季是河流水质受影响最大的季节。原因可能为雨季降雨量大，地表径流量增加，破碎化的景观格局延长了径流在耕地和建设用地的滞留时间，导致水中氮和磷营养盐浓度升高，使得雨季对水质指标的解释率更高。
不同河流流域内土地利用对水质影响最显著的时空尺度不同。嘉陵江流域对水质影响最显著的时空尺度是旱季和河岸带400 m缓冲区，乌江流域在雨季和子流域尺度上土地利用对水质影响最显著。河流水质的时空变化主要受流域内景观特征（内部主导因素）和气候驱动（如降水）与地形地貌（外部背景条件）的共同影响[78]。嘉陵江流域于合川区进入重庆，流经重庆主城区，建设用地和工业生产等人类活动生产地密集，人类活动是影响水质的主导因素。乌江流域下游地处重庆东南部，地势较高，流经武隆区等喀斯特地貌发育区，坡度大、土层薄，随着雨季雨水冲刷力的增大，土壤侵蚀加剧，坡地上承载的人类活动产生的污染物加速汇入河流，对水质产生一定影响[79-80]。
4 结论
1）嘉陵江流域和乌江流域土地利用类型和景观格局指数多呈现出显著的空间差异性，整体上嘉陵江流域景观格局指数的值高于乌江流域。
2）两流域水质旱季优于雨季，TN是两流域水质污染的关键指标，整体上乌江流域水质优于嘉陵江流域。
3）土地利用对水质的影响具有时空尺度效应。嘉陵江流域土地利用对水质变化解释率最高的时空尺度是旱季和400 m河岸带缓冲区，乌江流域为雨季和子流域，总体上乌江流域土地利用对水质变化的解释率高于嘉陵江流域。
4）不同土地利用指数对水质的影响存在显著差异。嘉陵江流域建设用地和耕地是河流水质污染的主要来源；乌江流域水域、SHDI和耕地是影响水质的关键指数。
通过对嘉陵江流域和乌江流域土地利用对水质的多时空尺度影响差异的定量研究，确定了不同类型河流流域内土地利用对水质影响的时空特征和水环境治理的最佳时空尺度，能够指导不同类型流域内土地利用结构管理和优化、多尺度景观规划和河流水质保护政策的制定，从而推动流域内生态保护修复、沿河工业的转型升级以及清洁生产技术等项目的实施，进而促进河流水质安全和水资源的可持续利用。
