汪曉妍,周 婷,應紫敏,吳 靜,楊 武

浙江大學環(huán)境與資源學院, 杭州 310058

海岸帶是人類活動最活躍的自然區(qū)域和生態(tài)系統(tǒng)之一,人類持續(xù)不斷地對海岸帶進行各種形式的生產、開發(fā)和利用等,比如水產養(yǎng)殖、水利建設、圍海填海和石油開采等[1- 2]。人類對海岸帶生態(tài)系統(tǒng)資源的利用會對其水環(huán)境帶來顯著影響[3- 5]。水產養(yǎng)殖是典型的隨著人類社會和科技變化而發(fā)展的生產活動之一,在海岸帶資源的利用上顯示出密集型、產業(yè)化、技術化等現(xiàn)代化特點。根據《2018年世界漁業(yè)和水產養(yǎng)殖狀況》報告顯示,2016年全球水產養(yǎng)殖產量(8000萬t)約占漁業(yè)總產量(17100萬t)的47%。作為世界最大的漁業(yè)生產國和出口國,2017年中國水產養(yǎng)殖產量(4906萬t)占據了全國水產品總量(6445萬t)的76%左右[6- 7]。

養(yǎng)殖業(yè)的迅猛發(fā)展加劇了近岸海域的水污染,對水產養(yǎng)殖產業(yè)的可持續(xù)發(fā)展也帶來了巨大挑戰(zhàn)。早期賈曉平等[8]對廣東省重要的紅海灣海水養(yǎng)殖示范區(qū)的水質進行了研究與評價,結果表明有機污染明顯。蔡文貴等[9]通過地理信息系統(tǒng)(GIS)手段評估了考洲洋養(yǎng)殖水域的水質現(xiàn)狀。吳銳等[10]分析了粵東柘林灣養(yǎng)殖區(qū)水質的富營養(yǎng)化狀況,結果表明養(yǎng)殖污染是最大的污染來源。Cao等[11]系統(tǒng)闡述了中國水產養(yǎng)殖的環(huán)境影響概況以及應對污染的三類方法和對策等。國外水產養(yǎng)殖業(yè)也面臨著同樣嚴峻的問題,Querijero等[12]通過對比試驗研究了水產養(yǎng)殖活動對選定水質參數(shù)的影響,結果表明水產養(yǎng)殖區(qū)域的硝酸鹽、磷酸鹽和總溶解固體顯著升高。Paez-Osuna[13]重點研究了蝦類養(yǎng)殖業(yè)對環(huán)境的影響尤其是對紅樹林和鹽沼的破壞,并提出了相關改善方法。Dierberg等[14]則說明了泰國密集蝦類養(yǎng)殖對水質等的影響及其可持續(xù)發(fā)展問題等。上述研究都指出了研究水產養(yǎng)殖地區(qū)的水質狀況及水產養(yǎng)殖活動對水質的影響非常重要。

國內外的研究表明,水質變化是人類活動和生態(tài)系統(tǒng)雙方面作用的結果。如郭婧等[15]對北京最重要的排水系統(tǒng)—北運河系10年來水質變化及其驅動力進行了分析,研究表明經濟發(fā)展和人口增長是水質難以改善的主要原因。李昆等[16]研究了洪湖豐水期的水質空間分布情況,并說明其水質空間變化是人類活動、土地利用和環(huán)境因子各方面作用的結果。趙寧等[17]則運用遙感手段研究了1973—2013年紅堿淖水域面積和水質的變化,得出氣候和高強度的人類活動是主要驅動因素。James等[18]針對南佛羅里達州的7個大型湖泊的研究表明,湖泊水質不僅受氣象和水文作用,更多是受流域當?shù)匚廴矩摵傻挠绊?。Lin等[19]利用遙感影像監(jiān)測土地利用分類和變化,發(fā)現(xiàn)了土地利用與水資源變化的相關性及其驅動機制。Skoulikidis等[20]通過研究希臘29條河流表明河水成分的季節(jié)變化除了受地質和水文的影響,還與夏季城市廢水的排入和農業(yè)活動相關。

盡管前期已有一些關于水質動態(tài)變化驅動因素的研究,但是大部分研究案例局限于淡水區(qū)域,對海岸帶和海洋水質的研究較少,對水產養(yǎng)殖水體的研究絕大部分局限于對水體水質的評價[21- 22],對于其水質變化驅動力的分析非常少,且多為定性討論。2018年和2019年中央1號文件、全國農業(yè)工作會議以及《2018年漁業(yè)漁政工作要點》也明確提出了“持續(xù)推進漁業(yè)綠色、安全、融合、開放、規(guī)范發(fā)展”、“出臺推進水產養(yǎng)殖綠色發(fā)展的政策措施”、“切實開展養(yǎng)殖水域灘涂環(huán)境整治”、“壓減近海過密網箱養(yǎng)殖,推進海洋牧場建設”、 “開展專項督導和績效評價”等重要指示。針對以上國內外研究不足和國家戰(zhàn)略需求,本文將水質評估和水質驅動力分析結合,以福建寧德海水養(yǎng)殖區(qū)作為研究對象,系統(tǒng)地分析水產養(yǎng)殖區(qū)域的水質變化及其驅動力。值得注意的是,上述水質變化驅動力研究絕大部分是基于時間維度的水質變化分析,即某地水質的變化隨著年份變化的相互關系研究,而對于結合空間尺度水質變化的驅動力研究則很少,這種驅動力分析更多地出現(xiàn)在土地利用變化的案例中[23]。本文將借鑒分析土地覆蓋和利用變化驅動力的方法,將水質采樣點作為分析單元,以不同季節(jié)的水質動態(tài)變化值作為因變量,通過遙感影像和地理信息數(shù)據獲得養(yǎng)殖類型和各種空間距離等驅動因子數(shù)據作為自變量,構建多元回歸模型并分析水質動態(tài)變化的驅動因子和機制。具體研究內容包括：(1)研究寧德水產養(yǎng)殖區(qū)海水水質現(xiàn)狀；(2)開展該地區(qū)水質時空動態(tài)變化的驅動力分析。本文采用土地覆蓋和利用變化的驅動分析方法研究了影響水質變化的主要驅動因素,為海岸帶生態(tài)系統(tǒng)和水產養(yǎng)殖水質研究提供了較好的參考案例,為海洋經濟和海洋牧場建設提供了決策依據。

1 研究區(qū)域概況

研究區(qū)域主要為福建省寧德市內海水產養(yǎng)殖海域,地處福建省海岸帶東北方位(119°30′—120°5′E,26°50′—26°33′N)。寧德總海域面積達4.46萬km2,約占福建省的1/3,海岸線長達878 km,約占全省26.4%。得天獨厚的地理位置使之成為有名的水產養(yǎng)殖產業(yè)地,素有“大黃魚之鄉(xiāng)”的美譽,盛產大黃魚、紫菜、海參、鮑魚、海帶、龍須菜等海產品,其水產養(yǎng)殖產業(yè)規(guī)模和產量均居全國首位[24- 25]。寧德霞浦海域目前也已經被列入2017—2025國家級海洋牧場示范區(qū)的規(guī)劃建設當中。2017年寧德市大黃魚產量約13.6萬t,占全國產量近80%[26]。因此,本文將寧德作為研究區(qū)域進行水質采樣和評估分析。結合養(yǎng)殖網箱和浮筏的分布,按照相距約2 km的規(guī)則在寧德內海較均勻地布設了39個測點,其中夏天測點為1—32,為了更全面地進行水質評價,在已有采樣經驗和更好采樣條件的情況下,冬季增設了33—39這7個測點,共計39個測點(圖1)。

圖1 寧德內海水質監(jiān)測采樣點分布Fig.1 Sampling points for monitoring sea water quality in Ningde

2 數(shù)據來源與方法

2.1 數(shù)據來源及處理

本文使用的數(shù)據主要包括水質監(jiān)測數(shù)據、GPS定位數(shù)據和遙感影像等。GPS定位數(shù)據是在水質監(jiān)測采樣時期實地獲取的,遙感影像數(shù)據主要通過中國科學院遙感與數(shù)字地球研究所獲得,包括2017年8月20日的ZY1-02C、2017年12月21日的GF- 2和2018年1月12日的GF- 1遙感影像。具體處理過程為：首先通過ENVI 5.3將GF- 2和GF- 1遙感影像進行拼接獲得冬季所需完整的遙感影像數(shù)據。其次將水質采樣時獲得的GPS定位數(shù)據導入到遙感影像中,同時對含采樣點的影像進行簡單的目視解譯獲得水產養(yǎng)殖分類數(shù)據。最后在ArcGIS 10.2中計算獲取各類地理空間數(shù)據等,包括動物性水產養(yǎng)殖(網箱)和植物性水產養(yǎng)殖(浮筏)的距離和密度、到海港、海岸線和居民點的距離等。

2.2 研究方法

2.2.1水質評價

夏季水質監(jiān)測指標包括pH、高錳酸鹽指數(shù)(CODMn)、五日生化需氧量(BOD5)、總氮(TN)、總磷(TP)、懸浮物(SS)、葉綠素a(Chla)和大腸菌群(Coliform bacteria)等,在此基礎上,冬季增加了溶解氧(DO)、無機氮(DIN)、活性磷酸鹽(PO4-P)等指標。

本文采用單因子指數(shù)和綜合指標及描述統(tǒng)計指標等多方面進行水質評價。單因子指數(shù)法[27]即根據水質參數(shù)標準計算不同水質指標相對標準值的比值,不同類別的污染參數(shù)計算方式不一樣,具體計算方法如下：

污染危害程度隨參數(shù)值增加而增加的因子：

(1)

污染危害程度隨參數(shù)值增加而降低的因子(DO)：

(2)

對具有最低和最高允許限值的因子(pH值):

(3)

或

(4)

綜合指標具體包括綜合污染指數(shù)[27- 28](Comprehensive Pollution Index,CPI)和營養(yǎng)狀態(tài)質量指數(shù)[10,29](Nutritive Quality Index,NQI)。CPI為各個污染因子的污染等級平均值,表示多項污染物對水環(huán)境的綜合影響程度,其對應的污染等級見表1。本次研究中用來計算CPI的評價參數(shù)為pH、CODMn、BOD5、SS和大腸菌群,具體計算公式為：

CPI=(PpH+PCODMn+PBOD5+PSS+PColiformbacteria)/5

(5)

式中,PpH、PCODMn、PBOD5、PSS和PColiformbacteria分別是pH、CODMn、BOD5、SS和大腸菌群的污染指數(shù)。

NQI是評估水體的營養(yǎng)化水平的綜合性指標,由CODMn、TP、TN和Chla這4個評價參數(shù)計算而成。根據NQI值,水質的營養(yǎng)化水平分級如下：富營養(yǎng)(NQI>3)、中營養(yǎng)(2≤NQI≤3)和貧營養(yǎng)(NQI<2)[10]。NQI的計算公式如下：

(6)

式中,CCODMn、CTP、CTN和CChla為海水測定值,SCODMn、STP、STN和SChla為評價標準值。上述各評價參數(shù)參考《海水水質標準》(GB3097—1997)二類水標準,其中TP、TN和Chla的評價標準分別為STP=0.03 mg/L、STN=0.6 mg/L和SChla=5 μg/L[10,29]。

表1 綜合污染指數(shù)與污染等級[28,30]

2.2.2驅動力分析

基于水質評價和時空分布特征,列出可能影響水質變化的因素,并以其為自變量,分別以水質綜合指標變化值(CPI=CPI冬-CPI夏,NQI=NQI冬-NQI夏)為因變量進行多元線性回歸分析,找出影響其變化的顯著驅動因素并分析其影響機制等。本文主要采用R 3.5.2和Stata 14等軟件進行數(shù)據分析,顯著性水平為α=0.05。驅動因子(表2)主要分為自然條件和人為活動兩大類,人為活動類因子主要為水產養(yǎng)殖活動相關因子,包括養(yǎng)殖類型、養(yǎng)殖距離和養(yǎng)殖密度等,其中養(yǎng)殖密度為各測點半徑1 km內水產養(yǎng)殖面積的占比,具體計算方式為半徑1 km內水產養(yǎng)殖面積除以圓面積(3.1416106m2)。根據驅動因子影響的機制不同也可分為初始靜態(tài)型驅動因子(包括水產養(yǎng)殖類型、自然條件、夏季的養(yǎng)殖情況等)和動態(tài)變化型驅動因子(包括溫度變化值和水產養(yǎng)殖情況變化值等)。動態(tài)變化型因子的分布中,水產養(yǎng)殖的網箱和浮筏都呈現(xiàn)出密集型增長,特別是浮筏密度的增長,增長了約1.7倍。

表2 水質變化驅動因子列表

N=32,各縮寫備注如下： Δtemp：溫度變化 Chang of temperature；type_aqu：養(yǎng)殖方式 Aquaculture type；type_p：植物養(yǎng)殖方式 Type of plant；type_a：動物養(yǎng)殖方式 Type of animal；dis_harb：離海港的距離 Distance to harbor；dis_isla：離島嶼的距離 Distance to island；dis_coas：離海岸線的距離 Distance to coastline；dis_resi：離居民地的距離 Distance to residents；dis_cage_s：夏季離網箱的距離 Distance to cage in summer；Δdis_cage：離網箱距離的變化 Change of the distance to cage；dis_raft_s：夏季離浮閥的距離 Distance to raft in summer；Δdis_raft：離浮閥距離的變化 Change of the distance to raft；den_cage_s：夏季網箱密度 Density of cage in summer；Δden_cage：網箱密度變化 Change of density of cage；den_raft_s 夏季浮閥密度 Density of raft in summer；Δden_raft：浮閥密度變化 Change of density of raft；den_aqu_s 夏季養(yǎng)殖密度 Density of aquaculture in summer；Δden_aqu 養(yǎng)殖密度變化 Change of density of aquaculture

3 結果與分析

3.1 水質監(jiān)測評價

3.1.1水質單因子評價

各水質指標在夏冬季的描述性統(tǒng)計結果參見表3?？梢钥闯龀藨腋∥锖涂偭字?其他水質指標都呈現(xiàn)出顯著的季節(jié)性差異。夏季海水總體pH是7.54,相較標準偏酸性(標準范圍7.8—8.5),冬季略有升高為7.96,處于正常范圍；夏冬季的葉綠素a濃度分別為0.60 mg/L和1.6 mg/L,都遠遠低于富營養(yǎng)化標準值(5 μg/L)；懸浮物濃度在兩季的平均值相差不大,分別為34 mg/L和40 mg/L,但夏季空間分布更不均勻；高錳酸鹽指數(shù)兩個季節(jié)的均值分別為0.35 mg/L和0.60 mg/L,但冬季最大檢測值為2.88 mg/L,遠大于夏季的極值0.63 mg/L；與之相反,BOD5值在冬天急劇下降,均值由6.98 mg/L降至1.16 mg/L,濃度范圍從1.1—17.4 mg/L變化為0—4 mg/L；夏季的總氮含量稍高于標準值0.6 mg/L,冬季達到2.52 mg/L,而兩季的總磷含量均遠高于標準值0.03 mg/L,是其水質富營養(yǎng)化的主要原因；水質生物指標方面,大腸菌群夏季平均含量為21.59 MPN/100mL,冬季增至406.38 MPN/100mL,極大值也由90 MPN/100mL變?yōu)?500 MPN/100mL,說明冬季存在大腸菌群濃度特別高的測點,變化相對較大。

表3 夏冬季水質單因子指標

N=32,*P< 0.05,***P< 0.01,***P< 0.001; Chla：葉綠素a Chlorophyll a；SS：懸浮物 Suspended solids；CODMn：高錳酸鹽指數(shù) Chemical oxygen demand；BOD5：五日生化需氧量 Biochemical oxygen demand after five days；TN：總氮 Total nitrogen；TP：總磷 Total phosphorus

水質單因子污染指數(shù)(圖2)表明,在夏季的監(jiān)測指標中,主要的污染指標為pH、BOD5和懸浮物,污染指數(shù)分別為1.73、2.33和3.39。高錳酸鹽指數(shù)和大腸菌群濃度都遠小于標準值。在冬季的監(jiān)測指標中,主要的污染指標為懸浮物、無機氮和活性磷酸鹽,分別為4.03、3.69和3.53,均超標3倍以上。顯然BOD5的變化是最明顯的,由夏季的2.33降至0.39。懸浮物是夏季冬季最嚴重的主要污染指標,平均污染指數(shù)分別為3.39和4.03。作為評價綜合污染指數(shù)的重要因子之一,BOD5污染指數(shù)在夏季遠高于冬季。作為富營養(yǎng)化水平評估的因子,總氮和總磷值都明顯超過了其限值。以上單因子指標分布特征可為綜合污染指數(shù)和富營養(yǎng)化水平評價提供一定參考。

圖2 單因子污染指數(shù)Fig.2 Single factor pollution indexChla：葉綠素a Chlorophyll a；SS：懸浮物 Suspended solids；CODMn：高錳酸鹽指數(shù) Chemical oxygen demand；BOD5：五日生化需氧量 Biochemical oxygen demand after five days；TN：總氮 Total nitrogen；TP：總磷 Total phosphorus

3.1.2水質綜合評價

通過綜合污染指數(shù)和營養(yǎng)狀態(tài)質量指數(shù)(表4)可以對整個研究區(qū)域的水質污染和富營養(yǎng)化情況進行整體評估和分析。根據表4,兩個季度該水域始終處于重污染狀況(夏冬季分別為1.52和1.12),夏天水質的總體污染程度、指數(shù)范圍和變化均大于冬季。在富營養(yǎng)化水平評價方面,兩季均處于富營養(yǎng)化狀態(tài),營養(yǎng)狀態(tài)質量指數(shù)分別為5.63和9.13,均遠大于標準值3,但其指數(shù)范圍和變化情況恰與CPI指數(shù)相反。冬季NQI值最高達到20.28,最低值也達到了7.87,超過了夏季的平均值5.63。圖3和圖4(圖中橫坐標代表水質測點編號,縱坐標代表綜合指數(shù)及其變化量)則進一步說明了各測點的綜合指數(shù)分布情況。夏季測點CPI大部分處于1—2之間,屬于重污染狀態(tài),且有4個測點處于嚴重污染狀況；冬天有較多測點CPI值小于1,處于污染狀態(tài)。總體看來,夏季綜合污染指數(shù)較分散,污染等級比冬天嚴重。在營養(yǎng)狀態(tài)方面,夏季大部分測點的NQI值處于3—6范圍,為富營養(yǎng)化水平,有少量測點位于1—2之間,屬于中營養(yǎng)化水平,空間分布差異較大；而冬季明顯富營養(yǎng)化程度加劇,都處于富營養(yǎng)化狀態(tài),大部分測點位于6—10的指數(shù)范圍,空間分布較均勻。

表4 夏冬季綜合指標

夏季N=32,冬季N=39

圖3 夏冬季各測點綜合污染指數(shù)及變化Fig.3 Comprehensive pollution index and change of measuring points in summer and winter

圖4 夏冬季各測點營養(yǎng)狀態(tài)質量指數(shù)及變化Fig.4 Nutritive quality index and change of measuring points in summer and winter

3.2 水質時空變化

圖5和圖6則更直觀展現(xiàn)了水質變化的時空分布狀況。大部分測點的綜合污染指數(shù)變化值呈現(xiàn)出負值,即污染指數(shù)冬季較夏季降低。結合圖3 ΔCPI結果和圖5,大部分測點的CPI變化值在-0.5左右,測點3、4和16的水質變化最大,均下降了1.4以上,同時發(fā)現(xiàn)這3個測點同時是夏季污染指數(shù)最高的3個點；最小的位于測點19、23,變化值都接近0。大部分測點富營養(yǎng)化水平的變化趨勢則與綜合污染指數(shù)相反,其變化值呈現(xiàn)出正值,且變化相對平穩(wěn)(圖4和圖6)?？傮w看來,大部分點變化值約在4—5之間,測點17變化最大,NQI值增大了16左右；最小變化值是測點3的-0.7。水質變化的空間分布特征并不明顯,除了測點3、4和16的結果揭示了夏季初始值大小和水質變化的一定規(guī)律外,其他的驅動因素仍需進一步深入探索。

圖5 綜合污染指數(shù)變化空間分布(CPI：綜合污染指數(shù)變化值,CPI= CPI冬-CPI夏)Fig.5 Spatial distribution of change in comprehensive pollution index (CPI: Change in comprehensive pollution index, CPI= CPIWinter-CPISummer)

圖6 營養(yǎng)狀態(tài)質量指數(shù)變化空間分布(NQI：營養(yǎng)狀態(tài)質量指數(shù)變化值,NQI= NQI冬-NQI夏)Fig.6 Spatial distribution of change in Nutritive Quality Index (NQI: Change in Nutritive Quality Index`, NQI= NQIWinter-NQISummer)

3.3 水質現(xiàn)狀的相關因子

表5列出了可能與水質現(xiàn)狀相關的因子。在水質監(jiān)測結果分析的基礎上,分別將夏冬季CPI和NQI和下表所示因子進行Pearson相關系數(shù)分析,找出顯著的影響因子。該相關系數(shù)的計算公式為：

(7)

表5 水質影響因子列表

夏季N=32,冬季N=39

根據相關性分析結果(圖7),夏季影響綜合污染指數(shù)的顯著因素是到海岸線的最近距離,呈現(xiàn)顯著的負相關關系(P< 0.05),相關系數(shù)為-0.4,表明隨著離海岸線距離的增加,綜合污染指數(shù)越來越小。冬季與CPI有顯著關系的因子為水產養(yǎng)殖狀態(tài),即該處是否有水產養(yǎng)殖,該因子呈現(xiàn)出顯著的負相關性(P< 0.05),相關系數(shù)為-0.34,表明冬季有水產養(yǎng)殖的地方污染指數(shù)反而較小。NQI與各因子的相關分析結果表明,夏季呈現(xiàn)出顯著關系的因子變量有到最近居民地的距離(P< 0.01)和到最近浮筏的距離(P< 0.05),相關系數(shù)分別為0.47和0.39,說明離居民地越遠的地方,海水富營養(yǎng)化水平越高；離浮筏即植物性養(yǎng)殖越遠的地方,富營養(yǎng)化水平越高。冬季未發(fā)現(xiàn)顯著影響水質富營養(yǎng)化水平的因素。

圖7 綜合污染指數(shù)和營養(yǎng)狀態(tài)質量指數(shù)相關分析結果Fig.7 Correlation analysis results of Comprehensive Pollution Index and Nutritive Quality IndexCPI_Summer：夏季綜合污染指數(shù),CPI_Winter：冬季綜合污染指數(shù),NQI_Summer：夏季營養(yǎng)狀態(tài)質量指數(shù),NQI_Winter：冬季營養(yǎng)狀態(tài)質量指數(shù);*P< 0.05，***P< 0.01，***P< 0.001

3.4 水質變化的驅動力分析

將綜合指數(shù)的變化值作為因變量,驅動因子為自變量進行多元線性回歸分析,并篩掉共線性強的因子,最后得到了通過顯著性檢驗且擬合度較高的模型,且方差膨脹因子都小于10。根據CPI的多元線性回歸結果(表6),模型R2值為0.588,由8個自變量構成。其中,溫度變化(P< 0.05)、到最近居民地的距離(P< 0.01)、夏季總養(yǎng)殖密度(P< 0.001)和總養(yǎng)殖密度變化量(P< 0.05)對水質CPI變化呈現(xiàn)顯著負相關；到海岸線最近距離(P< 0.05)、夏季網箱養(yǎng)殖密度(P<0.05)和網箱養(yǎng)殖密度變化量(P< 0.05)對水質CPI變化呈現(xiàn)出顯著正相關。除此之外,影響最大的驅動因子為夏季該點的養(yǎng)殖總密度,標準化回歸系數(shù)為-0.901,說明夏季初始養(yǎng)殖密度越大的地方,污染指數(shù)變化越大。

表6 綜合污染指數(shù)變化驅動力分析

N=32,R2=0.588,P=0.000,RMSE (Root Mean Squared Error)=0.398,*P< 0.05,***P< 0.01,***P< 0.001。因變量為冬季的綜合指數(shù)值減去夏季的值

根據營養(yǎng)狀態(tài)質量指數(shù)NQI的多元回歸分析結果(表7),模型的R2為0.517,主要的顯著性驅動因子是有無植物水產養(yǎng)殖(P< 0.05)、到最近港口的距離(P< 0.05)、到最近居民地的最近距離(P< 0.01)和夏季到最近浮筏的距離(P< 0.05)。其中,到居民地的距離是影響NQI變化的最強因子,回歸系數(shù)為-0.68,說明離居民地越遠的地方,水質變化愈小,水質富營養(yǎng)化程度越不易加劇。

表7 營養(yǎng)狀態(tài)質量指數(shù)變化驅動分析

N=32,R2=0.517,P=0.0001,RMSE=3.322,*P<0.05,***P<0.01,***P<0.001

4 討論與建議

驅動力分析結果表明影響CPI變化最大的因素是夏季養(yǎng)殖密度,且網箱養(yǎng)殖密度顯示出正效應,總養(yǎng)殖密度卻呈現(xiàn)負效應,通過遙感影像得知水產養(yǎng)殖密度的變化主要是由植物養(yǎng)殖密度變化引起的,而CPI這一綜合指標主要貢獻的評價參數(shù)是BOD5和懸浮物濃度。因此,推測可能是養(yǎng)殖的植物如紫菜、海帶、龍須菜等[31]對懸浮物有一定的吸附和凈化作用,從而降低了水質綜合污染指數(shù)。這一推測正好與3.3中冬季CPI相關因子的結果是一致的：冬季之所以有水產養(yǎng)殖的地方反而污染指數(shù)較小,正是因為冬季植物性養(yǎng)殖比例較高,對水質有一定的凈化作用。NQI變化的最大驅動因素則是到最近居民地的距離：離居民地越近,富營養(yǎng)化程度越發(fā)加劇,說明人類活動依然是影響水體富營養(yǎng)化水平的重要因素。由于碼頭周邊村民和養(yǎng)殖區(qū)漁戶的生活污水大多沒有經過處理而是直接排放到海里,除去本文考慮的水產養(yǎng)殖的影響,生活污水排放應該也是近海水體富營養(yǎng)化的重要驅動因素。

本文完成了對寧德水產養(yǎng)殖地區(qū)水質狀況的評估和水質變化驅動力的初步分析,主要創(chuàng)新之處在于借鑒土地利用變化分析的方法研究了影響水質變化空間分布的因素。不過,由于觀測時間限制,本文僅研究了不同養(yǎng)殖季節(jié)之間的變化和驅動力,未來仍然需要監(jiān)測多年長期的時空動態(tài)和驅動機制。在樣本有限的情況下,本文僅把養(yǎng)殖類型分為動物和植物兩大類。未來在長期監(jiān)測樣本充足的條件下,可將水產養(yǎng)殖類型劃分得更詳細具體,因為寧德動物性水產養(yǎng)殖類型不僅僅是大黃魚養(yǎng)殖,還包括海參、鮑魚、海蠣和其他養(yǎng)殖類型,植物性養(yǎng)殖則有紫菜、海帶和龍須菜等,且不同季節(jié)養(yǎng)殖的類型和分布情況都是不一樣的。其次,生活污水也是水環(huán)境污染的重要污染源之一,當?shù)厮a養(yǎng)殖漁戶產生的生活污水等勢必對當?shù)厮|造成較大的污染。因此,如果能納入漁戶的社會經濟指標如人口、收入、支出和日常生產生活指標作為驅動力分析的因素,必將提升整個驅動力模型的擬合度,更全面地量化水產養(yǎng)殖對當?shù)厮|的影響。雖然已經分析了溫度對水質及其變化的影響,但是更多水文和氣象等方面的因子未能納入分析體系中的,今后的研究中可以考慮光照、降雨和水動力等因素的作用。此外,水產養(yǎng)殖產業(yè)風險較高,各種風險因素如極端天氣(暴雨、臺風)等對當?shù)氐乃h(huán)境產生的直接和間接影響也是不可忽略的。

針對以上研究的不足和挑戰(zhàn),本文為后續(xù)研究提出以下建議：(1)盡量獲取多的水質樣本,比如可結合地面監(jiān)測與水質遙感反演[32- 34]等手段獲取更多更大范圍的水質數(shù)據,從而更全面系統(tǒng)地展示水質時空分布、動態(tài)變化；(2)將更多人類活動和社會經濟因素及水文氣象因子等納入驅動分析,有助于更好地構建驅動機制模型和提升模型擬合度；(3)考慮極端天氣等風險因素和政策因素等影響,譬如構建基于代理的空間清晰模型,模擬不同氣候條件和政策調控措施下的水質狀況和時空變化。

結合本文研究結果和寧德市海洋與漁業(yè)局的相關政策公告等,針對水質改善和水產養(yǎng)殖可持續(xù)發(fā)展這一目標,本文就寧德漁業(yè)政策方面提出以下建議：(1)結合高分辨率遙感和地理信息技術對養(yǎng)殖區(qū)水面覆蓋和利用進行監(jiān)測[35],對重點區(qū)域水環(huán)境進行嚴格監(jiān)測,對重污染區(qū)域進行綜合整治；(2)通過立法對海上水產養(yǎng)殖進行規(guī)范,科學合理布局養(yǎng)殖品種、控制養(yǎng)殖密度和養(yǎng)殖行為(如餌料類型、餌料加工投放方式),加強生活污水處理；(3)建立水質遠程在線監(jiān)控系統(tǒng),開展水質長期監(jiān)測和風險應急管理等,保障養(yǎng)殖社會經濟效益的同時降低生態(tài)環(huán)境影響、防控生態(tài)和人體健康風險。

致謝：感謝科邦檢測為實地采樣和水質測試提供幫助,感謝中國科學院遙感與數(shù)字地球研究所提供的遙感影像數(shù)據。