姚婧，楊麗君，肖宇婷，樊敏*，諶書，劉云峰，王華偉，陳雯，鄧粵，王美玲

（1.西南科技大學(xué)環(huán)境與資源學(xué)院，四川 綿陽 621010；2.成都市沱江流域投資發(fā)展集團有限公司，成都 611741）

農(nóng)業(yè)面源污染是指在農(nóng)村生活和農(nóng)業(yè)生產(chǎn)活動中溶解的或固體的污染物（如生活垃圾、農(nóng)田中的化肥和畜禽糞便等），在降雨和徑流的沖刷下，從非特定的地域進(jìn)入受納水體而引起的污染，其具有形成過程復(fù)雜、隨機性大、分布范圍廣以及潛伏期長等特點。隨著工業(yè)和城市點源污染逐步得到治理和控制，農(nóng)業(yè)面源污染對水環(huán)境的影響日益凸顯，我國《第二次全國污染源普查公報》顯示，2017年農(nóng)業(yè)源總磷（TP）排放量為2.120×10t，占全國總TP 排放量的67.22%，農(nóng)業(yè)面源TP 污染已成為導(dǎo)致流域水環(huán)境惡化的主要原因之一，同時也是制約農(nóng)業(yè)經(jīng)濟可持續(xù)發(fā)展和農(nóng)村水環(huán)境質(zhì)量改善的重要原因。因此，農(nóng)業(yè)面源污染負(fù)荷未來變化趨勢、時空分布特征分析及其空間相關(guān)性探索研究對流域水環(huán)境質(zhì)量改善具有重要意義，可以為環(huán)保部門制定相關(guān)政策提供重要科學(xué)依據(jù)。

目前，國內(nèi)外學(xué)者針對面源污染開展了一系列研究，主要圍繞污染負(fù)荷估算方法及源解析、時空分布特征分析、評價方法、污染類型劃分及防治等內(nèi)容。污染負(fù)荷估算方法從總體上可分為集總式水文模型和分布式模型。集總式水文模型主要包括水質(zhì)水量法、輸出系數(shù)法和平均濃度法等，其中應(yīng)用較為廣泛的輸出系數(shù)模型計算原理簡單，所需參數(shù)少，且具有一定的精度，適合于估算大中尺度流域面源污染的年負(fù)荷量；分布式模型主要包括ANSWERS、BASINS、SWAT和AnnAGNPS等，此類模型所需參數(shù)多，建模要求高，同時模擬精度也較高。在估算出污染負(fù)荷的基礎(chǔ)上進(jìn)行時空分布研究，有助于識別出研究區(qū)污染高負(fù)荷區(qū)域，從而可制定針對性治理政策。目前，污染負(fù)荷時空分布研究方法主要有多元統(tǒng)計分析法、GIS 技術(shù)、Kernel 密度估計法等。綜合評價污染源對水環(huán)境的影響是進(jìn)行污染物總量控制的重要依據(jù)，污染源評價方法大致可分為單一評價法、綜合評價法和經(jīng)濟技術(shù)評價法3 類，其中，應(yīng)用較廣泛的是綜合評價法中的等標(biāo)污染負(fù)荷法，該方法簡單、可操作性強，且具有較好的綜合性。

沱江是長江上游的一級支流，其水質(zhì)對整個長江流域水環(huán)境有著至關(guān)重要的作用。近年來，流域磷礦開采活動的不斷開展、畜禽養(yǎng)殖規(guī)模的擴大以及農(nóng)田農(nóng)藥化肥用量的增加，導(dǎo)致流域TP 污染問題非常突出。2016 年，沱江TP 平均濃度為0.274 mg·L，在長江一級支流中最高。對此，四川省開展了一系列磷污染排放攻堅工作，但成效有限，TP 污染問題依舊嚴(yán)峻。綜合國內(nèi)外和沱江流域污染負(fù)荷的研究現(xiàn)狀，發(fā)現(xiàn)排污系數(shù)法在流域面源污染負(fù)荷估算中廣泛應(yīng)用，但該方法忽略了社會-經(jīng)濟因子時空差異對污染負(fù)荷估算結(jié)果的影響，并不能反映流域?qū)嶋H污染狀況。因此，本文以沱江流域為研究區(qū)域，基于歷史社會-經(jīng)濟因子在該流域28 個區(qū)縣和四川省的時空變化特征及其比例關(guān)系，采用修正的排污系數(shù)法預(yù)測各污染源TP污染負(fù)荷，分析其時空變化趨勢，識別主要污染源及污染區(qū)縣，為相關(guān)部門精準(zhǔn)治污提供科學(xué)依據(jù)，進(jìn)而促進(jìn)流域水環(huán)境持續(xù)健康發(fā)展。

1 研究區(qū)域概況

沱江位于四川省中部，發(fā)源于綿竹市清平鎮(zhèn)，流經(jīng)簡陽市、資陽市、資中縣、內(nèi)江市、自貢市和富順縣等，全長627.4 km，流域面積為2.76×10km，其中，四川境內(nèi)流域面積為2.55×10km，地理坐標(biāo)為28°49'17″～31°42'03″ N，103°40'57″～105°42'50″ E（圖1）。沱江流域是四川省人口密度最大、城市分布最密集、經(jīng)濟社會發(fā)展最好、工農(nóng)業(yè)生產(chǎn)最發(fā)達(dá)的地區(qū)，承載了全省30.8%的經(jīng)濟總量和26.2%的人口，流域內(nèi)工業(yè)、城鎮(zhèn)生活、畜禽養(yǎng)殖和農(nóng)業(yè)種植等各類污染源眾多，糧食和經(jīng)濟作物種植力度大、畜禽養(yǎng)殖規(guī)模大、土地利用強度大等因素導(dǎo)致流域TP 超標(biāo)嚴(yán)重，嚴(yán)重影響流域內(nèi)人民的生產(chǎn)生活，制約著整個流域的社會經(jīng)濟發(fā)展。

圖1 沱江流域空間地理圖Figure 1 Spatial geographical map of Tuojiang River watershed

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)來源

本研究所采用的相關(guān)基礎(chǔ)統(tǒng)計數(shù)據(jù)主要源于統(tǒng)計年鑒和網(wǎng)絡(luò)數(shù)據(jù)平臺，詳細(xì)信息見表1。

表1 數(shù)據(jù)來源信息Table 1 Data sources

2.2 農(nóng)業(yè)面源核算基礎(chǔ)數(shù)據(jù)預(yù)測

考慮到數(shù)據(jù)的可獲取性，本研究采用GM（1，1）模型分3 部分進(jìn)行相關(guān)社會-經(jīng)濟數(shù)據(jù)的預(yù)測：第一部分是分別將2011—2015年和2016—2017年沱江流域各區(qū)縣旱地和水田面積、作物產(chǎn)量（稻谷、小麥、玉米、豆類、薯類和油料）作為GM（1，1）模型的校核和驗證，預(yù)測2021—2025 年變化趨勢；第二部分是分別將2011—2017年和2018—2019年沱江流域各區(qū)縣農(nóng)村人口數(shù)、畜禽年末出欄頭數(shù)（生豬、牛、羊、家禽）和第一產(chǎn)業(yè)GDP 作為GM（1，1）模型的校核和驗證，預(yù)測2021—2025 年變化趨勢；第三部分是分別將2011—2017 年和2018—2019 年四川省農(nóng)、牧業(yè)及第一產(chǎn)業(yè)GDP 作為GM（1，1）模型的校核和驗證，預(yù)測2021—2025年變化趨勢。

2.3 各區(qū)縣TP污染負(fù)荷估算

本研究采用排污系數(shù)法，綜合相關(guān)文獻(xiàn)和沱江流域?qū)嶋H地理環(huán)境狀況，確定各污染源TP 污染負(fù)荷產(chǎn)污系數(shù)，具體計算公式及參數(shù)值見表2。

表2 各污染源TP污染負(fù)荷計算所需參數(shù)Table 2 The required parameters for calculating TP pollution loads from diverse pollution sources

2.4 TP污染負(fù)荷預(yù)測修正

人口、農(nóng)業(yè)GDP 和牧業(yè)GDP 分別是驅(qū)動農(nóng)村生活類（農(nóng)村生活污水和農(nóng)村生活垃圾）、農(nóng)業(yè)種植類（農(nóng)田徑流和農(nóng)田固廢）和畜禽養(yǎng)殖類污染負(fù)荷變化的主要因素。傳統(tǒng)排污系數(shù)法估算污染負(fù)荷時忽略了這些因素，其估算結(jié)果可能會低估（高估）部分農(nóng)業(yè)人口較多（少）或農(nóng)牧業(yè)發(fā)達(dá)（落后）區(qū)縣的污染負(fù)荷。因此，本文首先引入人口因子對農(nóng)村生活污水和農(nóng)村生活垃圾污染源產(chǎn)污系數(shù)進(jìn)行修正，其次引入農(nóng)業(yè)GDP 對農(nóng)田徑流和農(nóng)田固廢污染源產(chǎn)污系數(shù)進(jìn)行修正，最后引入牧業(yè)GDP 對畜禽養(yǎng)殖污染源產(chǎn)污系數(shù)進(jìn)行修正，進(jìn)而得到修正的各污染源TP 污染負(fù)荷。沱江流域各區(qū)縣人口數(shù)據(jù)可以直接獲取，因此直接基于各區(qū)縣人口數(shù)據(jù)計算各區(qū)縣的人口修正系數(shù)α，其詳細(xì)計算過程見圖2和表3中的公式（6）。鑒于該流域28 個區(qū)縣2011—2017 年農(nóng)、牧業(yè)GDP 統(tǒng)計數(shù)據(jù)的可獲取性及沱江流域涉及行政區(qū)域?qū)λ拇ㄊ∩鐣?jīng)濟發(fā)展的貢獻(xiàn)性（沱江流域以僅占全省3.5%的水資源支撐了全省30.8%的經(jīng)濟總量和26.2%的人口），首先，基于四川省2011—2017 年第一產(chǎn)業(yè)和農(nóng)、牧業(yè)GDP 數(shù)據(jù)，采用GM（1，1）模型預(yù)測其2021—2025 年變化趨勢，計算其農(nóng)、牧業(yè)GDP 比例系數(shù)ω和Ψ，其次將2021—2025 年沱江流域各區(qū)縣第一產(chǎn)業(yè)GDP 值乘以相應(yīng)的農(nóng)、牧業(yè)比例系數(shù)ω和Ψ，得到各區(qū)縣2021—2025年農(nóng)、牧業(yè)GDP 值，最后計算農(nóng)業(yè)修正系數(shù)β和牧業(yè)修正系數(shù)γ，詳細(xì)計算過程見圖2 和表3中的公式（7）～公式（12）。

表3 各污染源污染負(fù)荷修正系數(shù)Table 3 The modified coefficients of pollution loads from various pollution sources

圖2 TP污染負(fù)荷預(yù)測修正流程圖Figure 2 Flow chart of prediction and correction of TP pollution loads

2.5 局部空間相關(guān)性分析

局部空間自相關(guān)可反映一個區(qū)域單元上的某種地理現(xiàn)象或某一屬性值與鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾档南嚓P(guān)程度，該方法能夠描述空間對象分布中所存在的局部特征差異，常用Local Moran’s I 衡量，具體計算公式為：

3 結(jié)果與分析

3.1 GM（1，1）模型及修正的排污系數(shù)法驗證

本文將2016年和2017年沱江流域各區(qū)縣耕地面積、作物產(chǎn)量實際數(shù)據(jù)與其預(yù)測數(shù)據(jù)分別進(jìn)行比較（表4），同時將2018 年和2019 年沱江流域各區(qū)縣農(nóng)村人口、畜禽年末出欄頭數(shù)和第一產(chǎn)業(yè)GDP 及四川省農(nóng)、牧業(yè)和第一產(chǎn)業(yè)GDP 實際數(shù)據(jù)與其預(yù)測數(shù)據(jù)分別進(jìn)行比較（表5），其最大誤差低于10%，表明此方法具有較高的計算精度，計算結(jié)果可信，可以將該模型應(yīng)用到2021—2025 年社會-經(jīng)濟數(shù)據(jù)預(yù)測和TP污染負(fù)荷修正。

表4 耕地面積-作物產(chǎn)量的GM（1，1）模型驗證Table 4 GM（1，1）model validation of cultivated land area and crop yield

表5 其他社會-經(jīng)濟數(shù)據(jù)的GM（1，1）模型驗證Table 5 GM（1，1）model validation of other socio-economic data

此外，本文比較了基于傳統(tǒng)排污系數(shù)法和修正排污系數(shù)法的TP 污染負(fù)荷估算結(jié)果，進(jìn)一步驗證了本研究提出的基于社會-經(jīng)濟因子修正TP 污染負(fù)荷計算方法的可行性。本研究首先基于2011—2016 年沱江流域各區(qū)縣農(nóng)業(yè)人口、耕地面積、作物產(chǎn)量和畜禽年末出欄頭數(shù)等數(shù)據(jù)，采用GM（1，1）預(yù)測其2017 年變化趨勢，其次分別采用傳統(tǒng)排污系數(shù)法和修正排污系數(shù)法計算不同污染源TP 污染負(fù)荷，并將其與前人研究結(jié)果進(jìn)行對比分析，結(jié)果見表6。各污染源TP污染負(fù)荷預(yù)測值與前人研究結(jié)果相對誤差保持在5%以內(nèi)，農(nóng)村生活污水、農(nóng)村生活垃圾、農(nóng)田徑流和農(nóng)田固廢TP污染負(fù)荷修正值與前人研究結(jié)果相對誤差保持在10%左右，修正結(jié)果在可接受范圍內(nèi)。畜禽養(yǎng)殖TP污染負(fù)荷修正值與前人研究結(jié)果相對誤差保持在15%左右，修正結(jié)果偏高。統(tǒng)計年鑒中未反映出各區(qū)縣畜禽死亡淘汰數(shù)，這部分產(chǎn)出糞尿未計入糞尿總量中，導(dǎo)致估算結(jié)果偏小，因此，本研究修正后的畜禽養(yǎng)殖TP污染負(fù)荷可大體反映該流域未來污染狀況。同時，污染負(fù)荷估算參數(shù)應(yīng)是動態(tài)數(shù)據(jù)，而傳統(tǒng)排污系數(shù)法估算污染負(fù)荷時取靜態(tài)值，其估算值未能如實反映各地區(qū)污染物排放量的時空差異。修正的TP 污染負(fù)荷與未修正TP 污染負(fù)荷的誤差是由基于四川省農(nóng)、牧業(yè)GDP 與第一產(chǎn)業(yè)GDP 比例系數(shù)估算得到的沱江流域各區(qū)縣農(nóng)、牧業(yè)GDP 數(shù)據(jù)與其實際值之間的差異導(dǎo)致的，鑒于沱江流域涉及行政區(qū)域?qū)λ拇ㄊ∩鐣?jīng)濟發(fā)展的貢獻(xiàn)性，四川省農(nóng)、牧業(yè)GDP 數(shù)據(jù)仍可用于沱江流域各區(qū)縣農(nóng)、牧業(yè)GDP 的估算。綜上分析，修正排污系數(shù)法更為合理，其估算值可客觀地反映流域未來污染狀況。

表6 排污系數(shù)法與修正的排污系數(shù)法驗證Table 6 The verification of corrected and uncorrected pollution discharge coefficient method

3.2 TP污染負(fù)荷時間變化分析

如圖3a 所示，2021—2025 年，沱江流域總TP 污染負(fù)荷由12 194.92 t 增加至12 461.26 t，將增加266.34 t，增幅為2.18%；如圖3b～圖3d所示，農(nóng)村生活污水、農(nóng)村生活垃圾和畜禽養(yǎng)殖的TP 污染負(fù)荷均呈逐年遞減趨勢，其將分別減少94.24、77.90 t 和86.52 t，降幅分別為16.92%、16.92%和1.10%；如圖3e 和圖3f 所示，農(nóng)田徑流和農(nóng)田固廢的TP 污染負(fù)荷均呈逐年遞增趨勢，將分別增加74.52 t和450.49 t，增幅分別為4.82%和19.64%。各污染源TP污染負(fù)荷的絕對變化量將表現(xiàn)為農(nóng)田固廢＞農(nóng)村生活污水=農(nóng)村生活垃圾＞農(nóng)田徑流＞畜禽養(yǎng)殖。2021—2025 年沱江流域各污染源TP 污染負(fù)荷貢獻(xiàn)率如圖4 所示，畜禽養(yǎng)殖貢獻(xiàn)率將最高，在60%以上，將成為沱江流域主要污染源，農(nóng)村生活垃圾貢獻(xiàn)率將最低，低于4%。各污染源TP污染負(fù)荷貢獻(xiàn)率將表現(xiàn)為畜禽養(yǎng)殖＞農(nóng)田固廢＞農(nóng)田徑流＞農(nóng)村生活污水＞農(nóng)村生活垃圾。

圖3 2021—2025年各污染源TP污染負(fù)荷時序變化特征Figure 3 Temporal variation of TP pollution loads from diverse pollution sources from 2021 to 2025

圖4 各污染源TP污染負(fù)荷貢獻(xiàn)率Figure 4 Contribution rate of TP pollution loads from diverse pollution sources to summed TP pollution loads from all pollution sources across whole Tuojiang River watershed

3.3 TP污染負(fù)荷空間演變分析

本研究選取2017 年和2025 年各污染源TP 污染負(fù)荷數(shù)據(jù)，探究空間分布演變規(guī)律（圖5）。農(nóng)村生活污水和農(nóng)村生活垃圾TP污染負(fù)荷空間分布特征較為相似（圖5a和圖5b）。2017年，農(nóng)村生活污水、農(nóng)村生活垃圾TP 污染負(fù)荷較高的區(qū)縣均位于中游的仁壽縣、資中縣和安岳縣以及下游的瀘縣，2025 年將位于上游的新都區(qū)和龍泉驛區(qū)。2017 年，農(nóng)田徑流TP 污染負(fù)荷較高的區(qū)縣位于中游的安岳縣，2025 年將位于中游的安岳縣和下游的榮縣和江陽區(qū)（圖5c）。2017 年中游安岳縣的農(nóng)田固廢TP 污染負(fù)荷較高，2025 年中游的安岳縣和東興區(qū)以及下游的瀘縣和榮縣的農(nóng)田固廢TP 污染負(fù)荷將較高（圖5d）。2017 年，畜禽養(yǎng)殖TP污染負(fù)荷較高的區(qū)縣位于中游的安岳縣和下游的瀘縣，2025 年將位于中游的仁壽縣和安岳縣以及下游的榮縣、瀘縣和江陽區(qū)（圖5e）。

圖5 2017年和2025年各污染源TP污染負(fù)荷空間分布Figure 5 Spatial distribution of TP pollution loads from diverse pollution sources in 2017 and 2025

3.4 TP污染負(fù)荷空間集聚效應(yīng)分析

為進(jìn)一步揭示社會-經(jīng)濟因子對TP 污染負(fù)荷空間分異格局的影響，本研究將修正前后各污染源TP污染負(fù)荷局部自相關(guān)集聚圖進(jìn)行對比，結(jié)果如圖6 所示。農(nóng)村生活污水和農(nóng)村生活垃圾TP污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣數(shù)量將增加，高污染風(fēng)險區(qū)縣將消失（圖6a 和圖6b），修正后較高污染風(fēng)險區(qū)為新都區(qū)，低污染風(fēng)險區(qū)為青白江區(qū)，較低污染風(fēng)險區(qū)為瀘縣。農(nóng)田徑流TP 污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣數(shù)量均將減少（圖6c），修正后較高污染風(fēng)險區(qū)為資中縣，較低污染風(fēng)險區(qū)為新都區(qū)和廣漢市。農(nóng)田固廢TP污染負(fù)荷修正后較高污染風(fēng)險區(qū)縣數(shù)量將減少，較低污染風(fēng)險區(qū)縣數(shù)量將增加（圖6d），修正后較高污染風(fēng)險區(qū)為雁江區(qū)、資中縣和安岳縣，較低污染風(fēng)險區(qū)為什邡市、彭州市、廣漢市、新都區(qū)、青白江區(qū)和旌陽區(qū)。畜禽養(yǎng)殖TP污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣均將減少（圖6e），修正后低污染風(fēng)險區(qū)為龍馬潭區(qū)，較低污染風(fēng)險區(qū)為自流井區(qū)。

圖6 各污染源TP污染負(fù)荷修正前后局部自相關(guān)集聚對比圖Figure 6 Contrast of local autocorrelation cluster diagram of uncorrected and corrected TP pollution loads from diverse pollution sources

4 討論

4.1 沱江流域TP污染負(fù)荷時空變化特征

2021—2025 年，沱江流域TP 污染負(fù)荷呈逐年增加趨勢，其中，農(nóng)村生活類和畜禽養(yǎng)殖類TP污染負(fù)荷呈逐年減少趨勢，農(nóng)業(yè)種植類TP 污染負(fù)荷呈逐年增加趨勢（圖3）。農(nóng)村生活類TP 污染負(fù)荷的減少與人口的減少、生活污水處理設(shè)施的完善及生活垃圾的集中處理有關(guān)。沱江流域畜禽養(yǎng)殖業(yè)逐漸由散養(yǎng)向?qū)I(yè)化養(yǎng)殖轉(zhuǎn)變，產(chǎn)污系數(shù)較大的畜禽數(shù)量將逐年減少，畜禽糞便的處理效率不斷提升，畜禽排泄物對環(huán)境的污染日趨減緩。農(nóng)業(yè)種植源污染負(fù)荷的增加主要與農(nóng)藥化肥的不合理施用有關(guān)。此外，畜禽養(yǎng)殖、農(nóng)田徑流和農(nóng)田固廢將是主要污染源。胡蕓蕓等也發(fā)現(xiàn)沱江流域農(nóng)業(yè)面源污染主要來自于畜禽養(yǎng)殖和種植類污染，杜明等研究發(fā)現(xiàn)沱江流域TP超標(biāo)嚴(yán)重，畜禽養(yǎng)殖、農(nóng)田徑流和農(nóng)村生活是其主要污染源。長期粗放的農(nóng)業(yè)生產(chǎn)方式、畜禽養(yǎng)殖廢水廢物的肆意排放和農(nóng)村生活廢水的低處理率促使沱江流域發(fā)展為生產(chǎn)型污染，即種植業(yè)生產(chǎn)與畜禽污染。未來水環(huán)境治理應(yīng)側(cè)重于科學(xué)有效地使用化肥農(nóng)藥，減少不合理的用量，提高農(nóng)業(yè)生產(chǎn)的效率和效益，同時推動畜禽糞便、農(nóng)作物秸稈、農(nóng)膜資源化利用，加強種養(yǎng)結(jié)合和農(nóng)牧循環(huán)。農(nóng)村生活污水和農(nóng)村生活垃圾TP 污染負(fù)荷的空間差異主要與各地區(qū)人口有關(guān)。城市化進(jìn)程的不斷推進(jìn)使得隸屬于成都市的新都區(qū)和龍泉驛區(qū)以及彭州市人口增加，生活用水量增大，TP 污染負(fù)荷增加（圖5a 和圖5b）。農(nóng)田徑流和農(nóng)田固廢的TP污染負(fù)荷主要與化肥和農(nóng)藥的不合理使用以及農(nóng)業(yè)生產(chǎn)固體廢棄物的低效率處理有關(guān)。減征或免征農(nóng)業(yè)稅政策的實施使得農(nóng)戶種糧積極性高漲，糧食及經(jīng)濟作物產(chǎn)量增加，同時農(nóng)藥化肥使用量和農(nóng)作物固體廢棄物增加，使得TP污染負(fù)荷將增加，這種變化在沱江中游地區(qū)尤為明顯（圖5c 和圖5d）。畜禽養(yǎng)殖TP污染負(fù)荷的差異性分布與其各地區(qū)畜禽種類和數(shù)量密切相關(guān)（圖5e）。

4.2 各污染源TP污染負(fù)荷空間集聚特征

農(nóng)村生活污水和農(nóng)村生活垃圾TP污染負(fù)荷修正后，較高、較低污染風(fēng)險區(qū)縣數(shù)量將增加，高污染風(fēng)險區(qū)縣將消失（圖6a 和圖6b），這與修正的排污系數(shù)法基于每個區(qū)縣人口與整個流域人口的比例重新分配污染負(fù)荷有關(guān)。修正后農(nóng)村人口較多區(qū)縣的TP污染負(fù)荷將增加，人口較少的區(qū)縣TP 污染負(fù)荷將減少。農(nóng)田徑流TP污染負(fù)荷修正后，較高、較低污染風(fēng)險區(qū)縣數(shù)量均將減少，農(nóng)田固廢TP 污染負(fù)荷較高污染風(fēng)險區(qū)縣數(shù)量將減少，較低污染風(fēng)險區(qū)縣數(shù)量將增加（圖6c和圖6d），這與修正的排污系數(shù)法基于各區(qū)縣農(nóng)業(yè)GDP 與整個流域總農(nóng)業(yè)GDP 的比例重新分配各區(qū)縣的這兩種污染源TP污染負(fù)荷有關(guān)，修正后農(nóng)業(yè)GDP值較高區(qū)縣的TP 污染負(fù)荷將增加，較少區(qū)縣的TP 污染負(fù)荷將減少。畜禽養(yǎng)殖TP污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣均將減少（圖6e），這與修正的排污系數(shù)法基于各區(qū)縣牧業(yè)GDP 與整個流域牧業(yè)GDP 的比例重新分配各區(qū)縣TP污染負(fù)荷有關(guān)，修正后牧業(yè)GDP較高區(qū)縣的TP 污染負(fù)荷將增加，較少的TP 污染負(fù)荷將減少。

基于以上結(jié)論，就不同污染風(fēng)險等級區(qū)縣而言，較高污染風(fēng)險區(qū)縣及其周圍區(qū)縣的TP污染負(fù)荷均處于較高水平，因此，未來地方政府應(yīng)采取一系列強有力的污染防治措施以減緩當(dāng)?shù)豑P 污染，遏制高污染負(fù)荷區(qū)縣的擴散，例如完善農(nóng)村地區(qū)地下水管網(wǎng)設(shè)施，建立農(nóng)村生活垃圾收集、運輸和處理系統(tǒng)；優(yōu)化農(nóng)業(yè)種植模式，減少農(nóng)藥化肥的施用量；提高畜禽養(yǎng)殖廢棄物的處理效率等。高污染風(fēng)險區(qū)縣TP污染負(fù)荷高，而其周圍區(qū)縣低，因此未來高污染風(fēng)險區(qū)縣可以經(jīng)濟補償?shù)姆绞綄⒉糠治廴疚镛D(zhuǎn)移到鄰近污染負(fù)荷較低的區(qū)縣。低污染風(fēng)險區(qū)縣TP 污染負(fù)荷低，易于受到鄰近TP 污染負(fù)荷較高區(qū)縣溢出效應(yīng)的影響，因此今后決策者應(yīng)加強低污染風(fēng)險區(qū)縣污染治理，密切關(guān)注鄰近區(qū)縣污染負(fù)荷發(fā)展動向，防止其污染負(fù)荷反向溢流。較低污染風(fēng)險區(qū)縣及其周圍區(qū)縣TP污染負(fù)荷較低，建議該地區(qū)實施“預(yù)測為主，治理為輔”的治理政策，使其污染負(fù)荷穩(wěn)于較低水平。

綜上所述，本研究提出的基于社會-經(jīng)濟因子修正的流域污染負(fù)荷預(yù)測框架，結(jié)構(gòu)簡單、計算方便，有效降低了各污染源產(chǎn)污系數(shù)時空變化對預(yù)測結(jié)果的影響，凸顯出不同行政單元之間TP 污染負(fù)荷的空間異質(zhì)性，可以推廣到其他流域類似的污染負(fù)荷時空變化趨勢研究，拓展了流域污染負(fù)荷預(yù)測的研究范疇。但本研究中排污系數(shù)法的參數(shù)取值部分是通過查閱文獻(xiàn)獲得，在今后的研究中，應(yīng)盡量結(jié)合現(xiàn)場調(diào)研與試驗，獲取更為準(zhǔn)確的參數(shù)值，以提高預(yù)測精度，從而為水環(huán)境污染的預(yù)防和管理提供正確方向。

5 結(jié)論

（1）沱江流域TP 污染負(fù)荷總體呈逐年遞增的趨勢，由2021年的12 194.92 t增加至2025年的12 461.26 t，將增加266.34 t，增幅為2.18%。農(nóng)村生活污水、農(nóng)村生活垃圾和畜禽養(yǎng)殖的TP污染負(fù)荷呈逐年遞減的趨勢，將分別減少94.24、77.90 t 和86.52 t，降幅分別為16.92%、16.92%和1.10%；農(nóng)田徑流和農(nóng)田固廢的TP 污染負(fù)荷呈逐年遞增的趨勢，將分別增加74.52 t和450.49 t，增幅為4.82%和19.64%。各污染源TP 污染負(fù)荷貢獻(xiàn)率將表現(xiàn)為：畜禽養(yǎng)殖＞農(nóng)田固廢＞農(nóng)田徑流＞農(nóng)村生活污水＞農(nóng)村生活垃圾。

（2）2017 年，農(nóng)村生活污水、農(nóng)村生活垃圾TP 污染負(fù)荷較高的區(qū)縣均位于中游的仁壽縣、資中縣和安岳縣以及下游的瀘縣，2025 年，較高的區(qū)縣將位于上游的新都區(qū)和龍泉驛區(qū)；2017年，農(nóng)田徑流TP污染負(fù)荷較高的區(qū)縣位于中游的安岳縣，2025 年，較高的區(qū)縣將位于中游的安岳縣和下游的榮縣和江陽區(qū)；2017年中游安岳縣的農(nóng)田固廢TP 污染負(fù)荷較高，2025 年中游的安岳縣和東興區(qū)以及下游的瀘縣和榮縣的農(nóng)田固廢TP 污染負(fù)荷將較高；2017 年，畜禽養(yǎng)殖TP 污染負(fù)荷較高的區(qū)縣位于中游的安岳縣和下游的瀘縣，2025 年較高的區(qū)縣將位于中游的仁壽縣和安岳縣以及下游的榮縣、瀘縣和江陽區(qū)。

（3）2025 年修正前后各污染源TP 污染負(fù)荷集聚區(qū)域分布差異顯著。農(nóng)村生活污水和農(nóng)村生活垃圾TP 污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣數(shù)量將增加，高污染風(fēng)險區(qū)縣將消失；農(nóng)田徑流TP污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣數(shù)量均將減少；農(nóng)田固廢TP污染負(fù)荷修正后較高污染風(fēng)險區(qū)縣數(shù)量將減少，較低污染風(fēng)險區(qū)縣數(shù)量將增加；畜禽養(yǎng)殖TP污染負(fù)荷修正后較高、較低污染風(fēng)險區(qū)縣均將減少。