文章快速检索     高级检索
  生态与农村环境学报  2019, Vol. 35 Issue (6): 730-737   DOI: 10.19741/j.issn.1673-4831.2018.0251
0
云南星云湖流域种植业面源污染驱动力分析
郑田甜 1, 赵筱青 1,2, 卢飞飞 1, 普军伟 1, 苗培培 1    
1. 云南大学资源环境与地球科学学院, 云南 昆明 650500;
2. 云南大学“一带一路”研究院, 云南 昆明 650500
摘要:种植业面源污染是湖泊水的主要污染源之一,但是有关种植业面源污染驱动力的研究甚少。为了研究星云湖流域种植业面源污染的驱动力,通过流失系数法计算2005、2010和2015年种植业化肥流失量,由多元线性回归分析其影响因素。结果表明:(1)农业人口占总人口的比重、耕地比重、经济作物和果树的播种面积、经济作物与粮食作物的播种面积比、第一产业产值均与化肥流失量呈正相关;粮食作物的播种面积、人均非农收入、环保投资指数均与化肥流失量呈负相关。(2)经济作物和果树的播种面积、经济作物与粮食作物播种面积比与化肥流失量正相关程度最高,均大于0.9,所以星云湖流域种植业面源污染大小的决定因素是种植结构。建议下一步对星云湖流域种植业结构和空间布局进行优化。
关键词种植业面源污染    多元线性回归模型    驱动力    
Analysis on the Driving Force of Farming Non-Point Source Pollution in the Xingyun Lake Basin of Yunan Province
ZHENG Tian-tian 1, ZHAO Xiao-qing 1,2, LU Fei-fei 1, PU Jun-wei 1, MIAO Pei-pei 1    
1. College of Resource Environment and Earth Science, Yunnan University, Kunming 650500, China;
2. "Belt and Road" Research Institute, Yunnan University, Kunming 650500, China
Abstract: Farming non-point source pollution is one of the main sources of water pollution in lakes. However, little research has been done on the driving force of farming non-point source pollution. In order to study the driving forces of nonpoint source pollution in farming industry in Xingyun Lake Basin, the amount of fertilizer loss from farming industry in 2005, 2010 and 2015 was calculated by the loss coefficient method, and the influencing factors was analyzed by multiple linear regression. The results show that:(1) The proportion of agricultural population in the total population, the proportion of cultivated land, the farming area of economic crops and fruit trees, the ratio of sowing area of economic crops and grain crops, and the output value of the first industry are positively correlated with the amount of chemical fertilizer loss. The sown area of grain crops, non-agricultural income per capita, and environmental protection investment index are all negatively related to the amount of chemical fertilizer loss. (2) The farming area of economic crops and fruit trees, the ratio of sowing area of economic crops to grain crops and the amount of chemical fertilizer loss are the highest, which are all greater than 0. 9. Therefore, the decisive factor of planting non-point source pollution is planting structure in Xingyun Lake Basin.
Key words: farming non-point source pollution    multiple linear regression model    driving force    

水环境污染源按照排放方式可分为点源和面源污染(或称非点源污染)。20世纪90年代以前一致认为点源是造成水污染的主要原因[1]。之后,随着点源污染得到控制,种植业面源污染贡献的TN与TP占比越来越大,一些地区分别高达污染物排放总量的1/3和1/4。种植业面源污染己经成为湖泊和河流等水体的主要污染源之一,也是水质恶化和水体富营养化的重要原因之一[2-5]

目前,国内外对种植业面源污染的研究主要集中在施肥对水质的污染和监测上,中国、美国和加拿大等农业大国在这一领域的研究成果最多[6]。研究表明,我国氮肥消费总量占世界总用量的30%,且种植业化肥中的N损失明显高于欧洲和北美,且我国氮肥利用效率明显低于世界平均水平的氮肥利用效率[6]。SHARPLEY等[7]的研究表明,不恰当的土地利用方式会导致N、P随农田地表径流流失而污染环境。WAYAN等[8]和BOERS [9]研究了不同轮作方式对地表径流的影响,结果表明,单独种植苜蓿的迁移流失量最高,其次是种植水稻−大豆,而玉米、水稻、花生和苜蓿的间作方式的迁移流失量均较低。曹宁等[10]研究指出果树和蔬菜种植面积比例的增加会造成农田N、P的流失量增加,加重了辽河水体污染。史常亮等[11]研究农村劳动力由农业向非农产业转移,农业生产中青壮年的离开迫使老年农户施用更多的农药化肥来增产,加重了水体污染。该研究分析了星云湖流域种植业面源污染及驱动力,研究结果可为研究区种植业面源污染的防控和管理提供科学依据,对构建流域内科学的种植结构、促进流域内经济可持续发展具有重要意义。

1 研究区与研究方法 1.1 研究区概况

星云湖流域属云南省玉溪市江川区,涉及大街、江城、路居、雄关、前卫、安化、九溪7个乡镇,46个村(图 1)。星云湖流域包括3个城镇,217个自然村。2015年末星云湖流域总人口为19. 87万人,其中农村人口17. 23万人,城镇人口2. 64万人,流域内人口密度为532人·km-2。流域内以农村人口为主,占总人口的86. 7%[12]。“十二五”期间人口增长率为0. 35%。2015年星云湖流域种植面积为15 694. 09 hm2,复种指数达3. 3,其中蔬菜种植复种指数高达4. 1 [13]。2015年,星云湖流域全年化肥施用量共4. 1万t,以氮肥为主。其中氮素以尿素为主,磷肥以普钙和过磷酸钙为主,钾肥以硫酸钾为主,复合肥为市售复合肥和烤烟专用肥。星云湖流域种植业面源污染治理始于“十五”期间,到“十二五”期间共投资1 402万元用于测土配方肥、保水剂等产品的推广,建设有机肥厂和有机食品基地,实施坡改梯工程、沤肥池工程,但治理效果并不明显[14]

图 1 星云湖流域区位分布 Fig. 1 Location distribution map of Xingyun Lake Basin
1.2 数据来源

星云湖流域种植业面源污染驱动力分析所需数据及来源见表 1

表 1 数据来源说明 Table 1 Description of data sources
1.3 研究方法 1.3.1 流失系数法

根据《第一次全国污染源普查农业污染源−肥料流失系数手册》(2009年),在综合考虑主要影响因素(如地形、气候、土壤、作物种类与布局、种植制度和耕作方式等)的基础上,将全国种植业污染源划分为6大区域,结合区域所辖县(市)、耕地面积、作物种类、土壤类型和种植制度等,设置地下淋溶和地表径流定位监测试验点。通过1 a针对农田地表径流和地下淋溶的连续监测、样品采集和数据资料的汇总分析,测算不同模式下的流失系数。组织专家对技术数据进行审核、校验、质量监控,保证流失系数测算的准确性和科学性。

星云湖流域属于南方山地丘陵区,符合南方丘陵区的气候、地形和地貌、土壤特征,其中南方丘陵区是亚热带季风气候区,年均温为14. 5~22 ℃,全年日照较长,土壤类型有水稻土、紫色土、棕壤及红壤等。选取缓坡和陡地非梯田横坡旱地园地、梯田水田单季稻、非梯田横坡旱地露地蔬菜、非梯田横坡旱地大田一熟这8种模式的流失系数,结合问卷调查数据计算化肥中营养物质的流失量。计算公式为

$ \begin{aligned} L_{\mathrm{TN}}=& \sum\limits_{i=1}^{4}\left(N_{i} \times B_{i} \times A_{i} \times H_{i} \times C_{\mathrm{TN}, i}+N_{i} \times B_{i} \times\right.\\ & A_{i} \times D_{i} \times E_{\mathrm{TN}, i} ) ,\end{aligned} $ (1)
$ L_{\mathrm{NM}_{4} \cdot \mathrm{N}}=\sum\limits_{i=1}^{4}\left(N_{i} \times B_{i} \times A_{i} \times H_{i} \times C_{\mathrm{NH}_{4}^{*}-N, i}+N_{i} \times\right.\\ B_{i} \times A_{i} \times D_{i} \times E_{\mathrm{NH}_{4}^{+}-\mathrm{N}, i} ), $ (2)
$ L_{\mathrm{NO}_{3}-\mathrm{N}}=\sum\limits_{i=1}^{4}\left(N_{i} \times B_{i} \times A_{i} \times H_{i} \times C_{\mathrm{No}_{3}-\mathrm{N}, i}+N_{i} \times\right.\\ B_{i} \times A_{i} \times D_{i} \times E_{\mathrm{NO}_{3}-\mathrm{N}, i} ) 。$ (3)

式(1)~(3)中,LTNLNH4+-NLNO3--N分别为TN、NH4+-N和NO3--N的流失量,t;i为第i种种植方式;Ni为化肥施用量中有效氮含量,kg·hm-2Bi为耕地面积,hm2Ai为复种指数(其中2005年经济作物的复种指数为1. 7,2010年复种指数为2. 2,2015年复种指数为3. 4);Hi为平地和缓坡地的面积之和占总面积的比例;Di为陡坡地的面积占总面积的比例;CTN, iCNH4+-N, iCNO3--N, i分别为缓坡地第i种种植方式下TN、NH4+-N和NO3--N的流失系数,%;ETN, iENH4+-N, iENO3--N, i分别为陡坡地第i种种植方式下TN、NH4+-N和NO3--N的流失系数,%。

$ \begin{aligned} L_{\mathrm{TP}}=& \sum\limits_{i=1}^{4}\left(P_{i} \times B_{i} \times A_{i} \times H_{i} \times C_{\mathrm{TP}, i}+P_{i} \times B_{i} \times\right.\\ & A_{i} \times D_{i} \times E_{\mathrm{TP}, i} ) ,\end{aligned} $ (4)
$ \begin{aligned} L_{\mathrm{DTP}}=& \sum\limits_{i=1}^{4}\left(P_{i} \times B_{i} \times A_{i} \times H_{i} \times C_{\mathrm{DTP}, i}+P_{i} \times B_{i} \times\right.\\ & A_{i} \times D_{i} \times E_{\mathrm{Drre}, i} ) 。\end{aligned} $ (5)

式(4)~(5)中,LTPLDTP分别为TN和DTP的流失量,t;Pi为化肥施用量中有效磷含量,kg·hm-2CTP, iCDTP, i分别为缓坡地第i种种植方式下TP和DTP的流失系数,%;ETP,iEDTP, i分别表示陡坡地第i种种植方式下TP和DTP的流失系数,%。

$ N_{i}=M_{i} \times 80 \% \times 46.7 \%。$ (6)

式(6)中,Mi为流域内农户访谈中有效样本512户化肥施用量的平均数;80%指流域内农户施用化肥中80%为氮肥;46. 7%指尿素的成分CH4N2O中N占比为46. 7%。

$ P_{i}=M_{i} \times 16 \% \times 43.7 \%。$ (7)

式(7)中,16%指流域内农户使用化肥中16%为磷肥;43. 7%指磷肥的成分P2O5中P占比为43. 7%。

8种种植模式的流失系数见表 2

表 2 不同种植模式下污染物的流失系数 Table 2 The loss coefficient of pollutants under different planting patterns

依据2005、2010和2015年星云湖流域问卷数据中化肥施用量等基础数据,计算流域内种植业施肥区的TN、TP、NO3--N、NH4+-N和DTP流失量。农作物选取农户普遍种植的粮食作物、经济作物(蔬菜、烤烟和油料)和果树进行计算。种植业施肥区的化肥流失量见表 3。计算结果与《星云湖流域水环境保护“十三五”规划报告》中监测数据做比较,监测数据农田化肥污染物入湖量TN为650. 88 t,TP为105. 45 t;根据流失系数法计算的数据每年TN流失量为779. 97 t,TP流失量为110. 61 t,且流失量在流入星云湖过程中还需减少一部分,所以根据流失系数法计算得出的种植业化肥流失量准确性较高。

表 3 2005—2015年星云湖流域化肥流失量 Table 3 Fertilizer loss in Xingyun Lake Basin from 2005 to 2015
1.3.2 种植业面源污染指标的选取

星云湖流域内种植业面源污染的来源有农药和化肥。2015年整个流域的化肥施用量达30 196. 3 t,而农药施用量为399 t,因此造成星云湖流域种植业面源污染的诸多因素中,最主要是化肥高投入和高流失率[15]。化肥中未被农作物吸收的N、P元素形成的污染物有TN、TP、NO3--N、NH4+-N和DTP。种植业面源污染指标用2005—2015年化肥污染流失量Y来表示,其大小等于主要污染物TN、TP、NO3--N、NH4+-N和DTP的流失量之和(表 3)。

1.3.3 种植业面源污染影响因素指标的选取

种植业面源污染指标选取化肥流失量,而化肥流失量的影响因素有气候、坡度等自然因素和农户种植行为等人文因素,因不同气候、坡度和种植方式的流失系数不同,计算化肥流失量时已将自然因素考虑在内,所以笔者主要从农户种植行为方面进行分析。化肥流失量的影响因素数据分别来自农户入户访谈、统计年鉴和相关的评价规划报告。选取2005—2015年人口密度(X1)、农业人口占总人口的比重(X2)、耕地比重(X3)、粮食作物的播种面积(X4)、经济作物和果树的播种面积(X5)、经济作物与粮食作物的播种面积比(X6)、复种指数(X7)、第一产业产值(X8)、人均非农收入(X9)和环保投资指数(X10)作为种植业面源污染影响因素的指标。

1.3.4 多元线性回归模型的建立与检验

建立多元线性回归模型,模型公式为

$ Y=a_{0}+a_{1} X_{1}+a_{2} X_{2}+\cdots+a_{10} X_{10} 。$ (8)

式(8)中,Y为因变量(化肥流失量),t;X1~X10为自变量;a0为常数项;a1~a10为自变量系数。自变量和因变量的描述统计、均值及预测方向见表 4

表 4 描述统计及预测方向 Table 4 Description of statistics and prediction of directions
2 结果与讨论 2.1 农户种植行为现状 2.1.1 农户种植行为调查

以星云湖流域的40个村为基本单元,调查2015年流域内农户种植行为,共收集530户农户资料,剔除信息不全的样本,有效样本为512户,样本有效率达96%。调查通过与农户面对面访谈的形式来收集,以下分别从农户年龄、农户受教育程度、人均非农收入、复种指数、经济作物与粮食作物的播种面积比、补贴的影响、化肥价格上涨、经济作物价格上涨、环保意识这9个方面阐述星云湖流域农户的种植行为。雷达图中每一层表示相等的农户数,从中心到外以70户递增(图 2表 5)。

图 2 户种植行为雷达图 Fig. 2 Expression chart of farmers' farming behavior

表 5 雷达图中农户种植行为释义 Table 5 Interpretation of farmers' farming behavior in the expression chart
2.1.2 农户的基本特征和种植方式

样本中农户年龄最小为25岁,最大为82岁,平均年龄51. 97岁,>40~55岁的有302户,占样本数的59%,这个年龄段的人群是主要劳动力,也是家里的经济支柱。样本中农户受教育程度在15 a及以上的最低(4户),仅占0. 78%;受教育年限在0~6 a的农户最多(248户),占48. 44%,平均受教育年限为7. 75 a。被调查农户大多接受过教育,但接受教育的水平较低。样本中复种指数最小的为1,最大的为6,平均为3. 4,复种指数为>3~4的农户最多(337户),占65. 82%。样本中经济作物与粮食作物的播种面积比最大为6. 5,最小为0,平均为3. 28;比值为0~1的最少,仅占1. 37%;比值为3以上的最多,占53. 91%。研究区温度适宜且经济作物成熟期短,所以经济作物的复种指数较高。样本中没有出现地块单一种植的现象,有轮作和休耕2种方式,其中轮作占97. 17%。农户的种植方式主要为轮作,目的是提高农用地的产出。

2.1.3 市场经济和政策

在化肥价格上调20%以上时,有236户会减少化肥施用量,因为化肥需求为刚性需求,所以少量化肥价格的上涨并不能降低化肥施用量,而当化肥价格大幅度上涨时,基于种植成本的考虑,农户会适当减少化肥施用量。

经济作物上调5元· kg-1以上时,有342户农户愿意增加经济作物的播种面积。因为经济作物的价格波动大,所以少量经济作物价格的上涨并不能增加经济作物的播种面积,而当经济作物价格大幅度上涨时,基于收益的考虑,农户会适当增加经济作物的价格。

样本中农户人均每年非农收入最小为0元,最大为8 000元,平均为3 160元;>1 500~2 500元的最多,占51. 17%。研究区大多数人以务农为主,只在农闲时打些零工,人均非种植业收入体现了农户的兼业和外出务工的程度。

324户农户认为现有补贴对化肥施用量仅有一点影响,占63. 28%。政府对农作物补贴的价格不高,农户对补贴的依赖不大。

2.2 种植业面源污染的驱动力分析 2.2.1 多元线性回归模型分析

运用SPSS 22. 0软件对样本数据进行多元线性回归分析,共线性检验中方差膨胀因子(VIF)<10,则模型通过共线性检验,但此模型中X7的VIF为37. 124,共线性明显,而自变量中X6或许在某种程度上与X7相关,所以在控制X1~X10和Y变量时对X6X7进行偏相关分析,可以得到X6X7的相关系数为0. 892,P值为0. 002,说明X6X7相关性显著(表 6),所以在剔除X7后再进行共线性检验,其中VIF最小为1. 783,最大为7. 398,均<10,模型通过共线性检验。

表 6 经济作物与粮食作物的播种面积比X6和复种指数X7的相关性 Table 6 Correlation between X 6 sowing area ratio of economic crops and grain crops and X7 multiple cropping index

随后进行样本数据的拟合检验,其中复相关系数R为0. 998,回归方程的拟合优度接近于1,拟合程度较好,且残差的检验统计量为2. 144≈2,说明残差独立。整体显著性检验的F值为284. 004,伴随概率为0. 000。

2.2.2 多元线性回归结果分析

多元线性回归系数列表(表 7)显示了模型的偏回归系数、回归系数检验的t统计量观测值和相应的概率P值。根据模型建立的多元线性回归方程为Y=29. 329 − 0. 013X1+13. 419X2+0. 129X3 − 0. 016X4+ 0. 026X5+0. 010X6+0. 056X8 − 0. 029X9 − 3. 196X10。农户种植行为的主要影响因素均通过了显著性检验(表 8)。具体结果分析如下:

表 7 农户种植行为对种植业面源污染影响的回归结果 Table 7 Regression analysis of farmers' farming behavior on non-point source pollution of farming industry

表 8 因变量与9个自变量的相关性 Table 8 Correlation between dependent variables and 9 independent variables

(1)基本情况:X1Y之间相关性不显著,说明人口密度对化肥流失量没有显著影响。X2Y在5%的置信水平上显著相关且回归系数为正,表明随着X2的上升化肥流失量增大。

(2)种植结构:X3X4X5X6都与Y在1%的置信水平上显著相关。其中随着X3X5X6的升高,化肥流失量皆会增大,因为流域内农户偏向种植经济作物,经济作物比粮食作物需要施用更多的化肥、复种指数和流失系数大,所以经济作物播种面积大,化肥流失量高。随着X4升高,化肥流失量会减少,因为在耕地面积一定的情况下,粮食作物播种面积增加意味着经济作物播种面积的减少,所以化肥流失量会相应减少。

(3)经济方面:X8Y在10%的置信水平上显著相关,且回归系数为正,表明随着X8的增加,化肥流失量会增加,因为研究区第一产业产值70%以上来源于种植业中的经济作物,所以第一产业产值增加就是经济作物播种面积增加,化肥流失量会增加。人均非农收入与化肥流失量在5%的置信水平上显著相关,且回归系数为负,即随着X9的增加,化肥流失量会降低,因为人均非农收入越高,表明农户越不依赖于种植业的生产收入,化肥流失量也就越少。X10Y在5%的置信水平上显著相关,且系数为负,表明X10越高,化肥流失量越少,因为环保投资指数表示环保投资占国民经济总值的比例,这个比例越高表示研究区环保意识越强,所以化肥流失量越少。

表 8可知,自变量9个因素皆对化肥流失量有影响。其中X5X6Y的相关系数分别为0. 996和0. 932,表示经济作物和果树的播种面积、经济作物与粮食作物播种面积比与化肥流失量相关极强。且X5X6属于种植结构,所以星云湖流域种植业面源污染大小的决定因素是种植结构。

种植业面源污染驱动力因素中,种植结构是影响污染程度大小的最关键因素,所以从调整种植业结构的角度减少种植业面源污染可以得到最显著的效果,即通过减少经济作物和果树的种植面积来减少化肥施用量,达到防控星云湖湖泊水质污染的目的。

2.3 讨论

李家宇等[16]认为黑龙江省的种植结构、农业经济规模、农村人口规模对种植业面源污染是二次型显著影响。张芳等[17]认为新疆农户的年龄、家庭人口总数、化肥施用量、是否参加技术指导培训等是种植业面源污染的主要影响因素。张芳等[17]的研究结果中技术指导培训对新疆地区种植业面源污染有显著影响,而该研究中技术指导对星云湖流域种植业面源污染无显著影响。一方面是因为新疆地区仅种植棉花,没有种植结构的差异,另一方面因为棉花相对于经济作物需要更高的种植技术。张海涛等[18]从政策方面研究,认为现行土地政策、农业结构政策、农业财政政策和农村人均资源政策对种植业面源污染有显著影响。曹万林[19]认为农业经济规模、农户环保支付意愿、种植结构对河南省种植业面源污染排放量和排放强度有正向影响。这些学者关于种植业面源污染驱动力的研究中大多包含种植结构。而该文亦得出对星云湖流域种植业面源污染有显著影响的主要因素包括农业人口占总人口的比重、种植结构、人均非农收入和环保投资指数,其中最关键的因素为种植结构。通过分析2005—2015年星云湖流域种植业结构变化特征和空间转移特征,线性规划模型构建目标函数和约束条件进行种植结构优化,可达到减少种植业面源污染的目的。

3 结论

(1)2015年农户种植行为影响因素:总体上星云湖流域在种植业上的主要劳动力集中在>40~55岁的阶段,这一阶段的农户是家里的经济支柱;农户受教育程度偏低,高中及以上学历的很少;农户家庭人均非农收入主要为>1 500~2 500元,主要依赖农业收入;农户的环保意识主要为>2~3分,保护环境的意识较高。流域内农户更偏向于种植经济作物,由于经济作物成熟期短、收益高、且温度适宜全年种植,所以经济作物的播种面积大,复种指数多集中在>3~4。化肥是农业生产的刚性需求,当化肥价格上涨幅度集中在>20%时农户才会考虑减少化肥施用量;流域内补贴对农户几乎没有影响;由于流域内经济作物价格波动大,当经济作物的价格上涨在5元·kg-1以上时农户才会考虑增加经济作物的播种面积。

(2)种植业面源污染的驱动力:农业人口占总人口的比重、耕地比重、经济作物和果树的播种面积、经济作物与粮食作物的播种面积比、第一产业产值皆与化肥流失量呈正相关,而粮食作物的播种面积、人均非农收入、环保投资指数皆与化肥流失量呈负相关。其中经济作物和果树的播种面积、经济作物与粮食作物播种面积比与化肥流失量相关程度最高,皆大于0. 9,所以星云湖流域种植业面源污染大小的决定因素是种植结构。

参考文献
[1]
柴世伟, 裴晓梅, 张亚雷, 等. 农业面源污染及其控制技术研究[J]. 水土保持学报, 2006, 20(6): 192-195. [ CHAI Shi-wei, PEI Xiao-mei, ZHANG Ya-lei, et al. Research on Agricultural Diffuse Pollution and Controlling Technology[J]. Journal of Soil and Water Conservation, 2006, 20(6): 192-195. DOI:10.3321/j.issn:1009-2242.2006.06.046] (0)
[2]
胡钰.流域种植业面源氮污染监测及负荷估算: 以阿什河流域为例[D].北京: 中国环境科学研究院, 2012. [HU Yu. Monitoring and Loading Estimation on Non-Point Sources Nitrogen Pollution of Crop Production: A Case Study of Ashi River Basin[D]. Beijing: Chinese Research Academy of Environmental Sciences, 2012.] (0)
[3]
ARHEIMER B, LIDÉN R. Nitrogen and Phosphorus Concentrations From Agricultural Catchments:Influence of Spatial and Temporal Variables[J]. Journal of Hydrology, 2000, 227(1/2/34): 140-159. (0)
[4]
VAN DIEDERIK D M T, AUKE B, PAUL C M B. Agricultural Nutrient Losses to Surface Water in the Netherlands:Impact, Strategies, and Perspectives[J]. Journal of Environmental Quality, 1998, 27(1): 4-11. (0)
[5]
李俊然, 陈利顶, 傅伯杰, 等. 于桥水库流域地表水非点源N时空变化特征[J]. 地理科学, 2002, 22(2): 238-242. [ LI Jun-ran, CHEN Li-ding, FU Bo-jie, et al. Temporal and Spatial Characteristics of Non-Point Source N in Surface Water of Yuqiao Reservoir Watershed[J]. Scientia Geographica Sinica, 2002, 22(2): 238-242. DOI:10.3969/j.issn.1000-0690.2002.02.019] (0)
[6]
张亦涛, 刘宏斌, 王洪媛, 等. 农田施氮对水质和氮素流失的影响[J]. 生态学报, 2016, 36(20): 6664-6676. [ ZHANG Yi-tao, LIU Hong-bin, WANG Hong-yuan, et al. A Bibliometric Analysis of Status and Trend of International Research on Field Nitrogen Application Effects on Nitrogen Losses and Water Quality[J]. Acta Ecologica Sinica, 2016, 36(20): 6664-6676.] (0)
[7]
SHARPLEY A N, SMITH S J, WILLIAMS J R. Nonpoint Source Pollution Impacts of Agricultural Land Use[J]. Lake and Reservoir Management, 1988, 4(1): 41-49. DOI:10.1080/07438148809354377 (0)
[8]
WAYAN S A, HO A, MAKOTO K. Yield and Soil Erosion Among Cassava-Based Cropping Patterns in South Sumatra[J]. Soil Science and Plant Nutrition, 2001, 47(1): 101-112. DOI:10.1080/00380768.2001.10408372 (0)
[9]
BOERS P C M. Nutrient Emissions From Agriculture in the Netherlands, Causes and Remedies[J]. Water Science and Technology, 1996, 33(4/5): 183-189. (0)
[10]
曹宁, 曲东, 陈新平, 等. 东北地区农田土壤氮、磷平衡及其对面源污染的贡献分析[J]. 西北农林科技大学学报(自然科学版), 2006, 34(7): 127-133. [ CAO Ning, QU Dong, CHEN Xin-ping, et al. Analysis of the Contribution to Non-Point Pollution Made by Balanced Fertilizer in Northwest China[J]. Journal of Northwest A & F University(Natural Science Edition), 2006, 34(7): 127-133. DOI:10.3321/j.issn:1671-9387.2006.07.027] (0)
[11]
史常亮, 李赟, 朱俊峰. 劳动力转移、化肥过度使用与面源污染[J]. 中国农业大学学报, 2016, 21(5): 169-180. [ SHI Chang-liang, LI Yun, ZHU Jun-feng. Rural Labor Transfer, Excessive Fertilizer Use and Agricultural Non-Point Source Pollution[J]. Journal of China Agricultural University, 2016, 21(5): 169-180.] (0)
[12]
冯梅. 星云湖水质评价及富营养化成因分析[J]. 云南环境科学, 2005, 24(增刊1): 96-99. [ FENG Mei. Assessment of Water Quality and Analysis on Cause of Formation of Eutrophication in Xingyunhu Lake[J]. Yunnan Environmental Science, 2005, 24(Suppl. 1): 96-99.] (0)
[13]
王晋虎.星云湖流域畜禽养殖污染特征及其定量估算研究[D].云南: 昆明理工大学, 2011. [WANG Jin-hu. The Research of Xingyun Lake Valley Raising Livestock Pollution Characters and Quantitative Estimation[D]. Yunnan: Kunming University of Science and Technology, 2011.] (0)
[14]
玉溪市人民政府.星云湖流域水环境保护"十三五"规划报告(2016-2020年)[R].玉溪: 玉溪市人民政府, 2016. (0)
[15]
郑田甜, 赵祖军, 赵筱青, 等. 云南星云湖水质变化及其人文因素驱动力分析[J]. 湖泊科学, 2018, 30(1): 79-90. [ ZHENG Tian-tian, ZHAO Zu-jun, ZHAO Xiao-qing, et al. Water Quality Change and Humanities Driving Force in Lake Xingyun, Yunnan Province[J]. Journal of Lake Sciences, 2018, 30(1): 79-90.] (0)
[16]
李家宇, 吕傲扬. 黑龙江省农业面源污染影响因素分析:基于1987-2015年统计数据[J]. 中国林业经济, 2017(1): 44-48. [ LI Jia-yu, LÜ Ao-yang. Analysis of Influencing Factors of Agricultural Non-Point Source Pollution in Heilongjiang:Based on 1987-2015 Statistical Data[J]. China Forestry Economics, 2017(1): 44-48.] (0)
[17]
张芳, 马瑛. 新疆农业面源污染影响因素分析[J]. 中国农学通报, 2016, 32(26): 92-96. [ ZHANG Fang, MA Ying. Influence Factors on Agricultural Non-Point Source Pollution in Xinjiang[J]. Chinese Agricultural Science Bulletin, 2016, 32(26): 92-96. DOI:10.11924/j.issn.1000-6850.casb16030092] (0)
[18]
张海涛, 任景明. 农业政策对种植业面源污染的影响分析[J]. 生态与农村环境学报, 2016, 32(6): 914-922. [ ZHANG Hai-tao, REN Jing-ming. Impacts of Agricultural Policies on Non-Point Source Pollution in Planting[J]. Journal of Ecology and Rural Environment, 2016, 32(6): 914-922.] (0)
[19]
曹万林. 河南省农业面源污染的影响因素分析[J]. 南方农业, 2017, 11(21): 108-110. (0)