馮 婧,賀懷振,杜新強(qiáng)*

基于證據(jù)權(quán)重法地下水中氮濃度影響因素分析

馮 婧1,賀懷振2,杜新強(qiáng)1*

(1.吉林大學(xué)新能源與環(huán)境學(xué)院,地下水資源與環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室,吉林 長(zhǎng)春 130021；2.黑龍江省水利水電勘測(cè)設(shè)計(jì)研究院,黑龍江 哈爾濱 150001)

針對(duì)地下水中氮素濃度主控因素難以確定的問(wèn)題,本文以三江平原松花江-撓力河流域?yàn)槔?采用證據(jù)權(quán)重法,選取降水量、土地利用類型、人口密度、土壤有機(jī)質(zhì)含量、粘土層厚度、地下水埋深、含水層厚度和地下水類型為證據(jù)因子,分別建立地下水中氨氮和硝態(tài)氮的預(yù)測(cè)模型,并分析其對(duì)氮素濃度分布的影響程度,取得了較好的預(yù)測(cè)結(jié)果,其中氨氮和硝態(tài)氮的預(yù)測(cè)精度分別達(dá)到77.2%和89.1%.分析表明:三江平原地下水中氨氮和硝態(tài)氮濃度與降水量、人口密度呈正響應(yīng)關(guān)系;氨氮濃度與含水層厚度呈正響應(yīng)關(guān)系,而硝態(tài)氮與含水層厚度則呈負(fù)響應(yīng)關(guān)系,說(shuō)明氨氮受含水層氧化還原環(huán)境條件影響較大,硝態(tài)氮受含水層對(duì)流彌散作用影響較大;當(dāng)土地利用類型為居住用地時(shí),地下水中氨氮和硝態(tài)氮濃度通常較高.

地下水環(huán)境；地下水氮污染；三江平原；證據(jù)權(quán)重法

氮是促進(jìn)植物生長(zhǎng)和農(nóng)業(yè)生產(chǎn)的主要營(yíng)養(yǎng)因素,同時(shí)也是影響環(huán)境質(zhì)量的重要因子[1].人們大量施用氮肥以保證農(nóng)作物的生長(zhǎng)和產(chǎn)量,但過(guò)量的氮負(fù)荷通過(guò)徑流污染地表水,可造成水體富營(yíng)養(yǎng)化;同時(shí)也會(huì)通過(guò)下滲作用污染地下水,并形成人類飲用的健康風(fēng)險(xiǎn)[2-3].地下水中氮素來(lái)源多樣且遷移轉(zhuǎn)化機(jī)理復(fù)雜[4],研究地下水氮素含量的影響因素,對(duì)科學(xué)認(rèn)識(shí)地下水氮污染機(jī)制及有效防控氮污染具有重要意義.

三江平原自建國(guó)以來(lái)經(jīng)歷了四次大規(guī)模開(kāi)墾,逐漸成為我國(guó)糧食主產(chǎn)區(qū)之一[5],但與此同時(shí)地下水氮污染問(wèn)題逐漸顯現(xiàn).研究表明,2009～2010年,建三江農(nóng)場(chǎng)地下水亞硝酸鹽氮超標(biāo)率達(dá)55.56%,最高超標(biāo)倍數(shù)為34倍,氨氮也存在一定程度的超標(biāo)問(wèn)題[6];2020年三江平原撫遠(yuǎn)地區(qū)地下水氨氮超標(biāo)率為56.52%[7].由于地下水更新周期長(zhǎng),幾乎不可能依靠地下水本身的凈化和修復(fù)機(jī)制徹底清除氮污染,因此最好的策略仍是采取有效措施防止地下水污染[8].

目前根據(jù)指標(biāo)選取及指標(biāo)權(quán)重賦值對(duì)地下水氮污染影響因素的分析方法可分為基于認(rèn)識(shí)的評(píng)價(jià)和基于數(shù)據(jù)的評(píng)價(jià)[9].基于認(rèn)識(shí)評(píng)價(jià)的方法包括DRASTIC、GOD、TOT等[10-11],基于數(shù)據(jù)的評(píng)價(jià)方法包括回歸模型、證據(jù)權(quán)重法、隨機(jī)森林等[12-15].與基于數(shù)據(jù)的評(píng)價(jià)相比,基于認(rèn)識(shí)的評(píng)價(jià)會(huì)引入相對(duì)較高的偏差[16].與回歸模型和隨機(jī)森林比,證據(jù)權(quán)重法使用地統(tǒng)計(jì)的方法,以客觀分析方式,從空間上更加直觀表現(xiàn)響應(yīng)因子和證據(jù)因子之間的關(guān)系[17].

本文以三江平原松花江-撓力河流域?yàn)檠芯繀^(qū),基于實(shí)測(cè)數(shù)據(jù),應(yīng)用證據(jù)權(quán)重法構(gòu)建地下水氮素濃度預(yù)測(cè)模型,通過(guò)對(duì)模型因子的統(tǒng)計(jì)分析,定量評(píng)價(jià)地下水氮污染的影響因素,為三江平原農(nóng)業(yè)施肥管理和地下水氮污染防控提供科學(xué)依據(jù).

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于三江平原腹地,地理位置為129°57￠312～133°56￠442E,46°6￠372～47°45￠432N,面積約為2.6萬(wàn)km2,由佳木斯以下松花江和撓力河兩大河流及其支流匯流而成(圖1).屬溫帶大陸性氣候,年平均氣溫1～3℃,多年平均降水量440～ 650mm,年內(nèi)分配不均勻,降水大部分集中在6～9月.研究區(qū)內(nèi)地勢(shì)低平,由西南向東北逐漸降低,由河谷平原、低平原與山前臺(tái)地、殘丘構(gòu)成.地下水類型主要包括河谷漫灘孔隙潛水、階地孔隙潛水-弱承壓水和山前臺(tái)地微孔隙裂隙水.河谷漫灘孔隙潛水分布在松花江、撓力河及其主要支流河谷漫灘中,含水介質(zhì)為全新統(tǒng)粉細(xì)砂、細(xì)砂及砂礫石,結(jié)構(gòu)松散,垂向顆粒變化上細(xì)下粗,礫石含量隨深度增加而增多.階地孔隙潛水-弱承壓水含水介質(zhì)為第四系上、中、下統(tǒng)相疊加的砂、砂礫石,其間無(wú)隔水層分布,含水層厚度大、分布穩(wěn)定.山前臺(tái)地微孔隙裂隙水呈條帶狀斷續(xù)分布于平原周邊的山前臺(tái)地區(qū),含水介質(zhì)為第四系上更新統(tǒng)中期,具柱狀裂隙和微孔隙發(fā)育的亞粘土以及間夾的薄層砂,富水性很差.土地利用類型主要為水田和旱田,以農(nóng)業(yè)為主,居住用地較為分散.

圖1 研究區(qū)地理位置及水樣點(diǎn)分布

1.2 方法

1.2.1 證據(jù)權(quán)重法 證據(jù)權(quán)重法(WofE)是一種基于概率不確定性與貝葉斯定理的空間決策支持模型.該方法主要通過(guò)證據(jù)因子和響應(yīng)因子之間的空間相關(guān)性計(jì)算,對(duì)證據(jù)因子進(jìn)行加權(quán)疊加得到響應(yīng)因子的預(yù)測(cè)概率圖;不僅能預(yù)測(cè)響應(yīng)因子發(fā)生概率,也可以根據(jù)證據(jù)因子和響應(yīng)因子的空間相關(guān)性計(jì)算分析證據(jù)因子對(duì)響應(yīng)因子的影響程度.

一般來(lái)說(shuō),WofE方法的計(jì)算包括以下幾個(gè)步驟(圖2):

圖2 WofE計(jì)算流程

(1)因子選擇及預(yù)處理:根據(jù)實(shí)際問(wèn)題選取證據(jù)因子及響應(yīng)因子,將證據(jù)因子?xùn)鸥窕爸胤诸?同時(shí)每個(gè)網(wǎng)格響應(yīng)因子不能超過(guò)一個(gè).

(2)先驗(yàn)概率計(jì)算:根據(jù)己知的響應(yīng)因子分布,計(jì)算響應(yīng)因子在單位面積上發(fā)生的概率.假設(shè)研究區(qū)面積為{},將研究區(qū)劃分為{}個(gè)相等大小的網(wǎng)格,每個(gè)網(wǎng)格面積為,定義為響應(yīng)因子,統(tǒng)計(jì)整個(gè)研究區(qū)內(nèi)發(fā)生的網(wǎng)格數(shù){},則區(qū)域內(nèi)任意一個(gè)網(wǎng)格發(fā)生的先驗(yàn)概率{}可以通過(guò)式(1)求得:

(3)證據(jù)權(quán)重計(jì)算:使用初步重分類的證據(jù)因子與響應(yīng)因子計(jì)算權(quán)重,并將輸出存儲(chǔ)在正負(fù)權(quán)重(+、-)和對(duì)比度()的相關(guān)指標(biāo)累積分類表中.這些變量反映證據(jù)因子的變量和類別是否可接受,若不可接受,這些變量將以最具預(yù)測(cè)性的方式指導(dǎo)證據(jù)因子重新分類,形成一個(gè)不斷試錯(cuò)的過(guò)程.

用條件概率計(jì)算每一個(gè)證據(jù)因子的正負(fù)權(quán)重.對(duì)任意證據(jù)二值(或多值)因子,假設(shè)B表示該因子的某種模式存在, B表示該因子某種模式不存在,根據(jù)貝葉斯定理,各證據(jù)因子的響應(yīng)因子的后驗(yàn)概率可以由式(2)、(3)計(jì)算:

證據(jù)因子B的正負(fù)權(quán)重定義為

對(duì)比度C用來(lái)衡量證據(jù)因子與響應(yīng)因子的空間關(guān)聯(lián)強(qiáng)度.C越大,表示證據(jù)因子B對(duì)響應(yīng)因子的預(yù)測(cè)性越好;C為0,表示該證據(jù)因子對(duì)響應(yīng)因子的分布不具備預(yù)測(cè)性;對(duì)置信度的度量采用學(xué)生化對(duì)比度Stud()指標(biāo),若Stud()>2,則表明證據(jù)因子和響應(yīng)因子的置信度超過(guò)98%,此時(shí)計(jì)算的權(quán)重可作為響應(yīng)因子的有價(jià)值指標(biāo),這些響應(yīng)因子顯示出與每個(gè)證據(jù)因子的最大空間關(guān)聯(lián),并形成證據(jù)因子泛化(重分類)的基礎(chǔ).

(4)響應(yīng)因子后驗(yàn)概率分布:將重分類后的各證據(jù)因子進(jìn)行加權(quán)疊加,根據(jù)公式(7)～(10)計(jì)算得到響應(yīng)因子的疊加后驗(yàn)概率.

{}={}/(1-{}) (7)

{|B}={|B}/(1-{/B}) (8)

(5)證據(jù)因子條件獨(dú)立性檢驗(yàn):貝葉斯定理以條件獨(dú)立性假設(shè)為前提,故進(jìn)行證據(jù)因子獨(dú)立性檢驗(yàn),檢驗(yàn)結(jié)果可能導(dǎo)致對(duì)一些證據(jù)因子的再次重分類或棄用.使用綜合檢驗(yàn)法進(jìn)行條件獨(dú)立性檢驗(yàn),比率(=/,是實(shí)際響應(yīng)因子個(gè)數(shù);是預(yù)測(cè)響應(yīng)因子個(gè)數(shù))范圍為0～1.當(dāng)> 0.85時(shí),各證據(jù)因子滿足條件獨(dú)立性,后驗(yàn)概率分布可接受,證據(jù)因子有效,預(yù)測(cè)有效.否則證據(jù)因子違反假設(shè),預(yù)測(cè)無(wú)效.

1.2.2 響應(yīng)因子及證據(jù)因子選取 相同證據(jù)因子條件下,不同的響應(yīng)因子預(yù)測(cè)得到的后驗(yàn)概率不同[18].以2019～2020年實(shí)測(cè)水樣結(jié)果為基礎(chǔ),選取水樣點(diǎn)中超過(guò)國(guó)家《地下水質(zhì)量標(biāo)準(zhǔn)》(GB/T 14848-2017)Ⅲ類水標(biāo)準(zhǔn)[23]的水樣點(diǎn)作為NH4+-N響應(yīng)因子(樣點(diǎn)61個(gè)),由于研究區(qū)NO3--N高于Ⅲ類水標(biāo)準(zhǔn)樣點(diǎn)有限,選取水樣點(diǎn)中超過(guò)檢出濃度的水樣點(diǎn)作為NO3--N響應(yīng)因子(樣點(diǎn)26個(gè)).根據(jù)前人研究(表1),結(jié)合研究區(qū)收集到的可用數(shù)據(jù),基于自然和人為因素共選取了可能對(duì)地下水氮污染造成影響的8個(gè)證據(jù)因子,即:降水量(2011～2020年均值)、土地利用類型(2018年)、人口密度(2020年)、土壤有機(jī)質(zhì)含量、粘土層厚度、地下水埋深(2011～2020年均值)、含水層厚度和地下水類型,部分變化顯著的證據(jù)因子(如降水量、地下水埋深等),需使用多年平均值進(jìn)行表征,各證據(jù)因子的數(shù)值分布如圖3所示.

表1 證據(jù)權(quán)重法考慮因素

圖3 證據(jù)因子

2 結(jié)果與討論

2.1 證據(jù)權(quán)重計(jì)算及因子優(yōu)選

氨氮響應(yīng)因子為61個(gè),定義每個(gè)網(wǎng)格面積為10km2,計(jì)算得到先驗(yàn)概率為P{}=2.3314%,各證據(jù)因子分類及權(quán)重計(jì)算結(jié)果如表2所示.硝態(tài)氮響應(yīng)因子為26個(gè),定義每個(gè)網(wǎng)格面積為25km2,計(jì)算得到先驗(yàn)概率為P{}=2.4843%,各證據(jù)因子分類及權(quán)重計(jì)算結(jié)果如表3所示.

由于粘土層厚度和地下水類型的學(xué)生化對(duì)比度Stud()未超過(guò)2,故僅使用降水量、土地利用類型、人口密度、土壤有機(jī)質(zhì)含量、地下水埋深、含水層厚度6個(gè)證據(jù)因子進(jìn)行地下水氨氮污染概率預(yù)測(cè),地下水中氨氮預(yù)測(cè)模型比率CI為0.93,符合檢驗(yàn)要求.進(jìn)行地下水中硝態(tài)氮污染預(yù)測(cè)時(shí),因證據(jù)因子條件獨(dú)立性不足,根據(jù)對(duì)響應(yīng)因子的貢獻(xiàn)度從大到小依次取舍,當(dāng)證據(jù)因子為含水層厚度、土地利用類型、人口密度、地下水埋深、降水,證據(jù)因子條件獨(dú)立性成立,CI比率為0.87,符合檢驗(yàn)要求.

表2 氨氮證據(jù)因子分類及權(quán)重計(jì)算結(jié)果

表3 硝態(tài)氮證據(jù)因子分類及權(quán)重計(jì)算結(jié)果

續(xù)表3

2.2 模型驗(yàn)證

優(yōu)選后的氨氮和硝態(tài)氮證據(jù)因子圖層通過(guò)加權(quán)疊加得到響應(yīng)因子的后驗(yàn)概率分布,將所得的后驗(yàn)概率分為4個(gè)等級(jí):低概率(2P{})(圖4).

圖4 研究區(qū)氨氮和硝態(tài)氮后驗(yàn)概率及實(shí)測(cè)濃度

分類效率曲線可以評(píng)價(jià)模型的執(zhí)行性能和預(yù)測(cè)精度,利用累積面積比例(從高到低后驗(yàn)概率)和響應(yīng)因子繪制而成(圖5),氨氮后驗(yàn)概率大于先驗(yàn)概率區(qū)域的響應(yīng)因子為73.77%,曲線下面積為0.772,即分類效率為77.2%;硝態(tài)氮后驗(yàn)概率大于先驗(yàn)概率區(qū)域的響應(yīng)因子為80.77%,曲線線下面積為0.891,即分類效率為89.1%;兩者均大于50%,說(shuō)明分類和預(yù)測(cè)的效率有效.

圖5 分類效率曲線

由圖4可以看到后驗(yàn)概率為較高或高的地區(qū),氨氮濃度一般都大于5mg/L(Ⅲ類水),硝態(tài)氮濃度一般都大于20mg/L(Ⅲ類水),在研究區(qū)東北部,氨氮和硝態(tài)氮污染均較為嚴(yán)重,而在研究區(qū)西北部(佳木斯市區(qū)附近)硝態(tài)氮污染則較為明顯.相較于硝態(tài)氮污染,研究區(qū)內(nèi)的氨氮污染更為嚴(yán)重.地下水中氨氮和硝態(tài)氮污染預(yù)測(cè)發(fā)生概率高的地方與實(shí)測(cè)氨氮和硝態(tài)氮濃度高的地方一致,氨氮和硝態(tài)氮的后驗(yàn)概率分布圖可以較好的反應(yīng)研究區(qū)地下水氨氮和硝態(tài)氮的脆弱性程度.

2.3 影響因素分析

從具有統(tǒng)計(jì)意義的對(duì)比度()可以分析得出各證據(jù)因子對(duì)地下水中氨氮和硝態(tài)氮污染影響的具體情況(圖6～7).

2.3.1 降水 降水入滲補(bǔ)給可使包氣帶氮素向含水層的淋溶量增加,同時(shí)也控制著氮的彌散和稀釋作用,補(bǔ)給量越大,地下水中氮污染風(fēng)險(xiǎn)越大,但補(bǔ)給量大到一定程度并導(dǎo)致含水層中氮素濃度稀釋時(shí),硝態(tài)氮濃度會(huì)變小.降水量的增加與地下水中高氨氮濃度和高硝態(tài)氮濃度的發(fā)生呈明顯的正響應(yīng)關(guān)系,降水量越大越有利于地下水中氨氮(大于599mm)和硝態(tài)氮(大于663mm)濃度的增加,也說(shuō)明降水對(duì)地下水中氨氮濃度的影響并未超過(guò)稀釋閾值(圖6(a)、圖7(a)).

2.3.2 土地利用類型 旱田對(duì)地下水中氨氮的指示性微弱;水田與氨氮的對(duì)比度為0.0261,表明水田對(duì)地下水中氨氮污染有一定作用;居住用地與氨氮的對(duì)比度為2.4505,對(duì)地下水中氨氮污染作用明顯,表明居住區(qū)生活污水、垃圾、糞便的下滲濾液會(huì)導(dǎo)致地下水中的氨氮污染;濕地和林地與氨氮的對(duì)比度為負(fù)值,不利于地下水中氨氮污染的發(fā)生(圖6(b)).硝態(tài)氮與旱田的對(duì)比度為0.8571,表明旱田對(duì)地下水中硝態(tài)氮污染有一定作用;居住用地與硝態(tài)氮的對(duì)比度為3.0599,對(duì)地下水中硝態(tài)氮污染作用明顯,表明居住區(qū)生活污水、垃圾、糞便的下滲濾液會(huì)導(dǎo)致地下水中的硝態(tài)氮污染;水田與硝態(tài)氮的對(duì)比度為負(fù)值,水田因長(zhǎng)期淹沒(méi),包氣帶和含水層易形成還原環(huán)境,有利于反硝化作用的進(jìn)行,因而不利于硝態(tài)氮污染(圖7(b)).

2.3.3 人口密度 人口密度與氨氮和硝態(tài)氮的對(duì)比度呈明顯的正響應(yīng)關(guān)系,人口密度作為生活污染的表征指標(biāo)[12,22],進(jìn)一步證明地下水中氨氮和硝態(tài)氮污染受生活污水、垃圾、糞便的下滲濾液的影響(圖6(c)、圖7(c)).

2.3.4 土壤有機(jī)質(zhì)含量 隨著土壤有機(jī)質(zhì)含量的增加,氨氮和硝態(tài)氮與土壤有機(jī)質(zhì)含量的對(duì)比度由正值變?yōu)樨?fù)值,呈現(xiàn)負(fù)響應(yīng)關(guān)系(圖6(d)、圖7(d)).土壤中有機(jī)質(zhì)含量越高,吸附性能越強(qiáng),對(duì)污染物向下遷移的阻礙作用越強(qiáng)[18],從而可供淋濾的氨氮和硝態(tài)氮就越少,地下水中氨氮和硝態(tài)氮濃度越低.

2.3.5 包氣帶粘土層厚度 由于氨氮易于被介質(zhì)吸附,而粘土層恰是吸附能力較強(qiáng)的介質(zhì).因此,隨著包氣帶粘土層厚度的增加,地下水中氨氮的對(duì)比度由正值變?yōu)樨?fù)值,說(shuō)明地下水中的氨氮可能主要來(lái)源于地表,在垂直入滲過(guò)程中,受到粘土層吸附的影響較大(圖6(e)).雖然硝態(tài)氮不易被介質(zhì)吸附,但包氣帶粘土層厚度越大,其接受地表垂直入滲補(bǔ)給的潛力越低,因此,當(dāng)粘土層厚度較小時(shí),垂直入滲作用對(duì)地下水中的硝態(tài)氮具有一定影響,但隨著粘土層增厚,垂向入滲強(qiáng)度降低,地下水的側(cè)向徑流補(bǔ)給帶來(lái)的硝態(tài)氮可能占據(jù)了主導(dǎo),因此,包氣帶粘土層厚度與硝態(tài)氮的對(duì)比度呈現(xiàn)由負(fù)變正的變化,難以從粘土層厚度這一單一因素進(jìn)行解釋(圖7(e)).

2.3.6 地下水埋深 地下水埋深與氨氮和硝態(tài)氮的對(duì)比度呈正響應(yīng)關(guān)系(圖6(f)、圖7(f)).地下水埋深基本與包氣帶厚度相對(duì)應(yīng),決定著污染物與氧氣接觸時(shí)間,一般來(lái)說(shuō)地下水的埋深越大,污染物到達(dá)含水層所需時(shí)間越長(zhǎng),則污染物稀釋的機(jī)會(huì)就越多[18],地下水中污染物濃度越低.但當(dāng)?shù)叵滤裆畲蟮揭欢ǔ潭?與硝態(tài)氮垂直入滲補(bǔ)給相比,地下水側(cè)向徑流補(bǔ)給作用更大;同時(shí),地下水埋深越大,含水層越傾向于還原環(huán)境,硝酸鹽易發(fā)生反硝化作用,因此地下水中硝態(tài)氮濃度無(wú)法僅用地下水埋深單一因素進(jìn)行解釋.

2.3.7 含水層厚度 含水層厚度與氨氮的對(duì)比度呈正響應(yīng)關(guān)系(圖6(g)),與硝態(tài)氮的對(duì)比度呈負(fù)響應(yīng)關(guān)系(圖7(g)).含水層儲(chǔ)水量決定著硝態(tài)氮的稀釋作用,含水層厚度越小,硝態(tài)氮的對(duì)流彌散作用越強(qiáng),地下水硝態(tài)氮污染風(fēng)險(xiǎn)越大[20].含水層厚度越大,溶解氧含量越低[16],硝酸鹽易發(fā)生反硝化作用,且氨氮不易硝化,地下水中氨氮濃度會(huì)增加.

圖6 氨氮對(duì)比度

2.3.8 地下水類型 研究區(qū)地下水類型分為第三系孔隙裂隙承壓水、第四系孔隙潛水、第四系孔隙弱承壓水和第四系微孔隙裂隙水4類.其中,第四系孔隙弱承壓水與氨氮的對(duì)比度為正值,表明其易受氨氮污染(圖6(h)).第三系孔隙裂隙承壓水和第四系微孔隙裂隙水與硝態(tài)氮的對(duì)比度為正值,且大于1,對(duì)地下水中硝態(tài)氮的污染具有指示作用(圖7(h)).

圖7 硝態(tài)氮對(duì)比度

圖8 正權(quán)重最大值

證據(jù)因子正權(quán)重(+)的最大值可以反映對(duì)響應(yīng)因子的貢獻(xiàn)度,地下水氨氮證據(jù)因子的貢獻(xiàn)度從大到小依次為:土地利用類型>地下水埋深>人口密度>地下水類型>含水層厚度>土壤有機(jī)質(zhì)含量>降水>粘土層厚度(圖8(a)).地下水硝態(tài)氮證據(jù)因子的貢獻(xiàn)度從大到小依次為:含水層厚度>土地利用類型>人口密度>地下水埋深>降水>地下水類型>粘土層厚度>土壤有機(jī)質(zhì)含量(圖8(b)).對(duì)于地下水中氨氮污染,土地利用類型影響最大,表明研究區(qū)地下水中的氨氮濃度主要受控于人類活動(dòng)的特征和強(qiáng)度;對(duì)于地下水中硝態(tài)氮污染,含水層厚度是影響最大的因素,表明含水層儲(chǔ)水和導(dǎo)水能力對(duì)地下水中硝態(tài)氮的濃度分布具有決定性作用.

3 結(jié)論

3.1 分類效率曲線顯示模型氨氮和硝態(tài)氮的預(yù)測(cè)精度分別為76.4%、89.1%,且氨氮和硝態(tài)氮后驗(yàn)概率高的地方與其實(shí)測(cè)濃度高的地方較為一致,表明證據(jù)權(quán)重法可以有效預(yù)測(cè)地下水中氨氮和硝態(tài)氮的易污染區(qū).

3.2 對(duì)比度可有效衡量不同因素對(duì)地下水氮素濃度的影響.其中,地下水中氨氮濃度與大氣降水量、人口密度、居住用地、地下水埋深、含水層厚度等指標(biāo)對(duì)比度為正,呈正響應(yīng)關(guān)系;與土壤有機(jī)質(zhì)含量對(duì)比度為負(fù),呈負(fù)響應(yīng)關(guān)系.而地下水中硝態(tài)氮濃度則與大氣降水量、人口密度、居住用地、旱田呈正響應(yīng)關(guān)系,與含水層呈負(fù)響應(yīng)關(guān)系.

3.3 地下水氨氮和硝態(tài)氮證據(jù)因子的最大正權(quán)重分別為土地利用類型2.25和含水層厚度3.42,表明地下水中氨氮濃度分布的主控因素是人類活動(dòng),而地下水中硝態(tài)氮濃度分布則與地下水流運(yùn)動(dòng)有密切關(guān)系.

[1] Zhao H W, Sheng X L. Chapter Three: Nitrate N loss by leaching and surface runoff in agricultural land: A global issue (a review) [J]. Advances in Agronomy, 2019,156:159-217.

[2] Carpenter S R, Caraco N F, Correll D L, et al. Nonpoint pollution of surface waters with phosphorus and nitrogen [J]. Ecological Applications, 1998,8(3):559-568.

[3] De La Hoz R E, Schlueter D P, Rom W N. Chronic lung disease secondary to ammonia inhalation injury: A report on three cases [J]. American Journal of Industrial Medicine, 1996,29(2):209-214.

[4] 杜新強(qiáng),方 敏,冶雪艷.地下水“三氮”污染來(lái)源及其識(shí)別方法研究進(jìn)展 [J]. 環(huán)境科學(xué), 2018,39(11):5266-5275.

Du X Q, Fang M, Ye X Y. Research progress on the sources of inorganic nitrogen pollution in groundwater and identification methods [J]. Environmental Science, 2018,39(11):5266-5275.

[5] 方 敏.三江平原松花江-撓力河流域淺層地下水“三氮”污染形成過(guò)程研究 [D]. 吉林:吉林大學(xué), 2019.

Fang M. Formation process of inorganic nitrogen pollution in shallow groundwater of Songhua and Naoli River basin, Sangjiang Plain [D]. Jilin:Jilin University, 2019.

[6] 馬宏偉,李 霄,崔 健,等.三江平原建三江農(nóng)場(chǎng)地下水有機(jī)污染與無(wú)機(jī)污染現(xiàn)狀初探 [J]. 地質(zhì)與資源, 2014,23(1):38-41.

Ma H W, Li X, Cui J, et al. A preliminary study on the organic and inorganic pollution of groundwater of Jiansanjang farm in Sangjiang Plain [J]. Geology and Resources, 2014,23(1):38-41.

[7] 李 霄,王曉光,柴 璐,等.沉積盆地地下水無(wú)機(jī)氮來(lái)源示蹤及其演化模式 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(4):1856-1867.

Li X, Wang X G, Chai L, et al. Sources tracing and evolution model of inorganic nitrogen of groundwater in sedimentary basin [J]. China Environmental Science, 2021,41(4):1856-1867.

[8] Cui M, Zeng L, Qin W, et al. Measures for reducing nitrate leaching in orchards:A review [J]. Environmental Pollution, 2020,263(PT B): 114553.

[9] Rodriguez-Galiano V, Mendes M P, Garcia-Soldado M J, et al. Predictive modeling of groundwater nitrate pollution using Random Forest and multisource variables related to intrinsic and specific vulnerability: A case study in an agricultural setting (Southern Spain) [J]. Science of the Total Environment, 2014,476-477:189-206.

[10] Huan H, Wang J, Teng Y. Assessment and validation of groundwater vulnerability to nitrate based on a modified DRASTIC model: A case study in Jilin City of northeast China [J]. Science of the Total Environment, 2012,440:14-23.

[11] Debernardi L, De Luca D A, Lasagna M. Correlation between nitrate concentration in groundwater and parameters affecting aquifer intrinsic vulnerability [J]. Environmental Geology, 2008,55(3):539- 558.

[12] Masetti M, Poli S, Sterlacchini S, et al. Spatial and statistical assessment of factors influencing nitrate contamination in groundwater [J]. Journal of Environmental Management, 2008,86(1):272-281.

[13] Sorichetta A, Masetti M, Ballabio C, et al. Aquifer nitrate vulnerability assessment using positive and negative weights of evidence methods, Milan, Italy [J]. Computers & Geosciences, 2012,48:199-210.

[14] Jang C-S, Chen S-K. Integrating indicator-based geostatistical estimation and aquifer vulnerability of nitrate-N for establishing groundwater protection zones [J]. Journal of Hydrology, 2015,523: 441-451.

[15] Nolan B T, Gronberg J M, Faunt C C, et al. Modeling Nitrate at Domestic and Public-Supply Well Depths in the Central Valley, California [J]. Environmental Science & Technology, 2014,48(10): 5643-5651.

[16] Arthur J D, Wood H A R, Baker A E, et al. Development and Implementation of a Bayesian-based Aquifer Vulnerability Assessment in Florida [J]. Natural Resources Research, 2007,16(2): 93-107.

[17] Ye J, Wu M, Deng Z, et al. Modeling the spatial patterns of human wildfire ignition in Yunnan province, China [J]. Applied Geography, 2017,89:150-162.

[18] 雷 靜.地下水環(huán)境脆弱性的研究 [D]. 北京:清華大學(xué), 2002.

Lei J. Study on groundwater vulnerability [D]. Beijing: Tsinghua University, 2002.

[19] Uhan J, Vizintin G, Pezdic J. Groundwater nitrate vulnerability assessment in alluvial aquifer using process-based models and weights-of-evidence method: Lower Savinja Valley case study (Slovenia) [J]. Environmental Earth Sciences, 2011,64(1):97-105.

[20] 王言鑫.基于GIS-WOE法的下遼河平原地下水脆弱性研究 [D]. 大連:遼寧師范大學(xué), 2009.

Wang Y X. Research on the groundwater vulnerability assessment of the Lower Liao He River Plain based on GIS-WOE [D]. Dalian: Liaoning Normal University, 2009.

[21] 楊 靜,肖天昀,李海波,等.江漢平原地下水中硝酸鹽的分布及影響因素 [J]. 中國(guó)環(huán)境科學(xué), 2018,38(2):710-718.

Yang J, Xiao T J, Li H B, et al. Spatial distribution and influencing factors of the NO3-N concentration in groundwater in Jianghan Plain [J]. China Environmental Science, 2018,38(2):710-718.

[22] Gu B J, Dong X L, Peng C H, et al. The long-term impact of urbanization on nitrogen patterns and dynamics in Shanghai, China [J]. Environmental Pollution, 2012,171:30-37.

[23] GB/T 14848-2017 地下水質(zhì)量標(biāo)準(zhǔn) [S].

GB/T 14848-2017 Groundwater quality standard [S].

致謝：感謝西北農(nóng)林科技大學(xué)楊靜老師在對(duì)Arc-SDM工具箱代碼修改方面的幫助,感謝吉林大學(xué)新能源與環(huán)境學(xué)院馮右驂老師在對(duì)英文摘要修改方面提供的幫助.

Influencing factors of nitrogen concentration in groundwater based on weights of evidence method.

FENG Jing1, HE Huai-zhen2, DU Xin-qiang1*

(1.Key Laboratory of Groundwater Resources and Environment, Ministry of Education, College of New Energy and Environment, Jilin University, Changchun 130021, China；2.Heilongjiang Provincial Water Conservancy and Hydroelectric Power Investigation, Design and Research Institute, Haerbin 150001, China)., 2023,43(1)：153～163

For the difficulty of identifying the primary factors controlling the nitrogen concentration in groundwater, this work firstly selected precipitation, land-use pattern, population density, soil organic matter content, thickness of clay layer, groundwater depth, aquifer thickness, and groundwater type as evidence factors and analyzed their influence on the distribution of the nitrogen concentration in groundwater, through a case study of the Songhua River-Naoli River Watershed in the Sanjiang Plain. Based on the Weights of Evidence (WofE) method, the separate prediction models for ammonia nitrogen and nitrate nitrogen were then established, which successfully predicted the concentrations of ammonia nitrogen and nitrate nitrogen in groundwater with the accuracy of 77.2% and 89.1%, respectively. The findings demonstrated the positive correlations among the nitrate nitrogen and ammonia nitrogen concentrations in groundwater and the precipitation as well as population density in the Sanjiang Plain. While the concentration of ammonia nitrogen responded positively to aquifer thickness, the concentration of nitrate nitrogen responded negatively, indicating that the redox environment of the aquifer had a significant impact on ammonia nitrogen while the nitrate nitrogen was more affected by the convection and dispersion in the aquifer. In addition, the concentrations of ammonia nitrogen and nitrate nitrogen in groundwater were found usually high in the studied residential area.

groundwater environment；groundwater nitrogen pollution；Sanjing Plain；weights of evidence

X523

A

1000-6923(2023)01-0153-11

馮 婧(1998-),女,山西呂梁人,碩士研究生,主要研究方向?yàn)榈叵滤Y源管理與評(píng)價(jià).發(fā)表論文1篇.

2022-06-17

國(guó)家自然科學(xué)基金資助項(xiàng)目(41972247)

* 責(zé)任作者, 教授, duxq@jlu.edu.cn