EN中文

PROGRESS IN GEOGRAPHY >

2025 , Vol. 44 >Issue 6: 1287 - 1301

DOI: https://doi.org/10.18306/dlkxjz.2025.06.014

Articles

Effects of extreme runoff on total phosphorus transport in the Yangtze River Basin: A case study for low-medium order streams

  • YAN Jun , 1, 2 ,
  • WANG Fang , 1, * ,
  • YU Qibiao 3 ,
  • SHAO Yulai 1, 2
Expand
  • 1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. School of Environment and Surveying Engineering, Suzhou University, Suzhou 234000, Anhui, China

Received date: 2025-02-11

  Revised date: 2025-04-11

  Online published: 2025-06-25

Supported by

National Key Research and Development Program of China, No. 2023YFF0806000.

Fold

Abstract

Precipitation-runoff changes have an important impact on river material (such as phosphorus) transport. With the increasing extreme runoff events in rivers under climate change, there is a lack of systematic research on their impact on total phosphorus (TP) concentration and flux in large-scale river networks. Based on the daily TP observation data of 54 stations in the second-fifth order rivers of the Yangtze River system, this study examined the effects of runoff changes in the eight subbasins of the Yangtze River on river TP concentration and flux changes from January 1, 2021 to December 31, 2022, and analyzed the differences in the effects of extreme runoff on river phosphorus transport under different land use types. The results show that the daily TP concentrations during extreme runoff events in most of the rivers have increased (extreme runoff period > non-extreme runoff period), and the TP flux transported by rivers during extreme runoff events contributed greatly to the annual flux. The contributions of extreme runoff to annual TP flux in low-order rivers of the second-third orders were 66.34%-83.83%, and the contributions in the 4th-5th order rivers were 50.73%-73.19%. Statistical analysis showed that the effects of extreme runoff on river phosphorus transport under different land use types were quite different, and the performance was mixed type > forest and grass type. This study clarified the impact of extreme runoff on water quality changes and material transport in large-scale river networks. The results provide a scientific reference for how river water quality changes in response to climate change and water quality control in large-scale river networks.

Key words： phosphorus; extreme runoff; concentration; flux; Yangtze River Basin

Cite this article

YAN Jun , WANG Fang , YU Qibiao , SHAO Yulai . Effects of extreme runoff on total phosphorus transport in the Yangtze River Basin: A case study for low-medium order streams[J]. PROGRESS IN GEOGRAPHY, 2025 , 44(6) : 1287 -1301 . DOI: 10.18306/dlkxjz.2025.06.014

磷是陆地和水体生产力的关键元素，但过量的磷负荷是地表水体富营养化和水质恶化的基本原因。地表水体的富营养化问题，是中国现阶段最突出的环境问题之一。当前，磷污染已成为影响中国地表水和近岸海域水质的主要指标[1-2]。
气候变化是近年来备受关注的热点问题，它与人类生存环境和生态系统稳定息息相关。气候变化往往伴随着极端降水的变化[3-4]，使得河流径流量增加，进一步导致河流磷输送发生变化。Zhang等[5]研究发现，2013年10月太湖流域的一场强降雨导致太湖苕溪入湖区形成高悬浮浑浊区，强降水引起的河流径流量增加对入湖磷负荷具有显著影响；李发荣等[6]研究发现，磷含量是河流水质污染的主要贡献因子，强降雨条件下滇池东南岸河道入湖磷负荷明显增加；刘忠翰等[7]调查发现，降雨对滇池不同土地利用类型水体氮磷输送影响复杂，总磷(TP)随降雨径流汇入滇池的总量均以城市河流最高；高超等[8]调查太湖地区水稻田在典型自然降雨下磷输出特征，发现水稻田在降雨条件下TP输出浓度增加明显。
长江是中国的第一长河，具有流域面积大、战略意义重的特点。由于人口增长和工农业发展，长江水体水质状况不容乐观。为推动流域生态保护和高质量发展，国家提出长江经济带发展战略[9]，长江水系的水质安全，是长江大保护的核心内容和关键环节。近几十年来，长江水质磷含量呈现显著的增加趋势，并对中国近海的水环境产生重要影响[10-11]。根据地表水断面质量监测结果，TP已成为长江经济带水体首要污染因子[1]。
以往研究关于气候变化背景下降水事件的增多导致河流出现极端径流事件，究竟对大型河网尺度河流径流量、水质指标TP的输送产生怎样的影响缺乏系统研究，因此，本文强调了大型河网不同河流极端径流与河流物质输送的关系，量化评估了极端径流对河流系统磷输送的影响(图1)。本文做出以下假设：极端径流会对大型河网尺度不同级别河流磷输送产生不同影响，气候变化导致强降水事件增加，不同级别河流的物质输送对极端径流的响应可能不同。本文将探讨不同级别河流的物质浓度和通量输送对极端径流的响应差异。
图1 极端径流与磷输送变化关系的概念图

Fig.1 A conceptual framework of the relationship between extreme runoff and phosphorus transport changes

本文选取长江8个子流域54对水文—水质毗邻站点，基于2021—2022年逐日监测数据，从以下方面进行研究：① 极端径流对不同级别河流TP浓度的影响；② 极端径流与不同级别河流输送TP通量的关系；③ 不同土地利用类型下极端径流对河流TP输送的影响。

1 数据与方法

1.1 研究区域

本文选取长江流域的8个支流子流域作为研究区，采用Strahler[12]方法对长江河网进行分级。其方法为：将没有任何其他支流汇入的河流——最小的支流确定为1级河流；当两条1级河流汇合时形成一条2级河流，如果1级河流与2级河流汇合，仍为2级河流；当两条2级河流汇合时形成一条3级河流，同样低级河流(1级或2级)汇入3级河流时，3级河流的等级保持不变。总的来说，直接发源于河源的河流为1级河流，同级两条河流交汇形成的河流的等级比原来增加1级，不同等级两条河流交汇形成的河流的等级等于原来河流中等级较高者，由此方法将长江河网分为8级。选取中低级别河流进行研究，由于相较于高级别河流，中低级别河流较少受到人为调水等因素影响，更有利于分析极端径流变化对河流磷输送的影响。为从流量的时间序列数据中识别极端径流水文事件，并收集对应河流的TP监测数据，本文筛选了与水文站相对应的水质站点，共收集了54个水文站点对应的河流径流量数据及对应水质站的TP浓度数据，其中乌江流域及雅砻江流域站点较少，将其和邻近子流域进行合并分析(图2)。
图2 研究区及站点的位置

注：S1~S6为流域编号。

Fig.2 Location of the study area and monitoring sites

1.2 数据来源

本文所用到的水质监测数据(TP)来自国家地表水水质自动监测网(https://szzdjc.cnemc.cn. https://szzdjc.cnemc.cn，时间为2021年1月1日—2022年12月31日。水文站点径流量数据来自水利部信息中心(https://xxfb.mwr.cn. https://xxfb.mwr.cn。降水数据来自中国气象局国家气象信息中心(https://data.cma.cn. https://data.cma.cn。土地利用类型数据(LUCC)和高程数据(DEM)来自中国科学院资源环境科学数据中心(https://www.resdc.cn. https://www.resdc.cn，LUCC数据分辨率为10 m×10 m，DEM数据分辨率为250 m×250 m。

1.3 研究方法

1.3.1 极端径流期和非极端径流期的划分

为了区分河流径流量变化对河流磷输送的影响，本文根据河流日径流量变化与河流基流流量间的关系划分不同河流的极端径流期和非极端径流期，采用HYSEP法中的局部最小值法(LocalMin)[13-14]，计算相邻时间步长内中心点的基流值，当该日河流径流量大于基流流量的2倍时，认为此时为河流的极端径流期，其他时间则为河流非极端径流期。

1.3.2 极端径流事件对河流TP浓度和通量的影响

在分析极端径流事件对河流TP浓度的影响时，将极端径流期和非极端径流期的TP浓度进行对比，公式为：
∆ [ T P ] = [ T P ] 极 端 径 流 期 - [ T P ] 非 极 端 径 流 期
式中：Δ[TP]代表某站点的极端径流期和非极端径流期的TP浓度差值，[TP]极端径流期是某站点在极端径流期的TP浓度，[TP]非极端径流期是某站点在非极端径流期的TP浓度。
关于河流TP通量的计算方法，本文选取每日TP浓度及其径流量计算河流TP通量，计算公式为：
F l u x T P = Q × [ T P ]
式中：FluxTP为河流TP通量(g/s)，[TP]为河流日均TP浓度(mg/L)，Q为河流径流量(m3/s)。
在分析极端径流事件对河流TP通量的影响时，分别计算极端径流期和非极端径流期磷通量占比，计算公式为：
$\text { Flux }_{\mathrm{TP} \text { 年 }}=\text { Flux }_{\mathrm{TP} \text { 极端径流期 }}+\text { Flux }_{\mathrm{TP} \text { 非极端径流期 }}$
$\operatorname{Con}_{\text {极端径流期 }}=\text { Flux }_{\text {TP极端径流期 }} / \text { Flux }_{\text {TP年 }}$
$\mathrm{Con}_{\text {非报滑经流期 }}=\text { Flux }_{\text {TP非报滞径济期 }} / \text { Flux }_{\text {TP年 }}$
式中：FluxTP年为河流年均TP通量，FluxTP极端径流期为河流年均极端径流期TP通量，FluxTP非极端径流期为河流年均非极端径流期TP通量，Con极端径流期为极端径流期河流TP通量占比，Con非极端径流期为非极端径流期河流TP通量占比。同时将2021—2022年日径流量根据不同子流域的具体情况划分为多个径流量区间段，分别计算不同径流量区间段内极端径流期和非极端径流期TP通量占比，分析非极端径流期和极端径流期TP通量贡献差异。

1.3.3 不同土地利用类型下河流TP变化对强降水的响应

根据不同站点所在汇水区域的土地利用类型，划分站点类型。首先，根据高程数据和水文站位置数据，采用SWAT水文模型提取每个水文站点的汇水区域；其次，将提取出的汇水区与LUCC数据叠加分析，得到站点各类土地利用类型占比；再次，遵循美国地质调查局(USGS)的土地利用分类方法对每个站点所在汇水区域进行分类[15]，其中，耕地占比>50%且城市用地占比<5%则为耕地类，其站点所监测的河流为汇水区域以耕地为主的河流；城市用地占比>10%且耕地占比<25%则为城市类，其站点所监测的河流为汇水区域以城市用地为主的河流；耕地占比<25%，城市用地占比<5%且林草地占比>70%则为林草类，其站点所监测的河流为汇水区域以林草地为主的河流；所有其他土地利用类型组合则认为是混合类，其所监测的河流为汇水区域以混合用地为主的河流。最终得到18个混合类站点、36个林草类站点(表1)。
在分析不同土地利用类型下河流TP变化对极端径流事件的响应时，根据不同类型的河流比较其TP平均浓度的差异，还进一步比较不同类型河流非极端径流期和极端径流期TP浓度的差异。
表1 长江流域水质监测站及对应的水文站和子流域土地利用类型

Tab.1 Water quality monitoring stations in the Yangtze River Basin and corresponding hydrological stations and land use types in the subbasins

子流域 ID 河流 水质/水文站 河流
级别		 耕地
占比/%		 林草地
占比/%		 城市用地
占比/%		 土地利用
类型
乌江、洞庭湖
流域		 S1 印江河 印江/西岩寺 2 19.65 79.42 0.46 林草类
汨罗江 伍市/南渡 2 18.86 78.63 1.29 林草类
永乐江 安仁/永乐江 2 22.11 74.79 1.34 林草类
澧水 张家界/永定澄潭 3 23.25 75.43 0.73 林草类
渠水 通道/地阳坪 3 11.44 88.44 0.42 林草类
耒水 耒阳/大河滩 4 17.50 77.07 2.97 林草类
资水 冷水江(二)/球溪 4 33.23 63.11 2.47 混合类
邵阳/桂花渡水厂 4 30.22 66.95 1.76 混合类
桃江(二)/桃谷山 4 28.10 68.40 2.00 混合类
清水江 施洞/平敏大桥 4 33.50 63.72 2.34 混合类
湘江 衡山(二)/熬洲 5 27.23 68.73 2.57 混合类
株洲/霞湾 5 27.26 68.49 2.74 混合类
沅水 安江/萝卜湾 5 20.63 77.52 1.05 林草类
浦市(二)/浦市上游 5 20.85 77.13 1.12 林草类
五强溪(二)/五强溪 5 20.27 77.75 1.09 林草类
剑江 下司(二)/兴仁桥 5 33.66 64.34 2.28 混合类
金沙江上游、
雅砻江流域		 S2 安宁河 德昌/阿七大桥 2 24.15 72.65 1.58 林草类
金沙江 石鼓/新华 5 2.36 80.42 0.15 林草类
攀枝花(二)/龙洞 5 3.38
 98.41
 0.16
 林草类
鄱阳湖流域 S3 盱江 南丰/超坊 2 20.07 78.29 0.94 林草类
太平江 杜头/龙南自来水厂 2 13.33 83.48 2.08 林草类
信江 弋阳/弋阳 3 22.82 73.48 2.99 林草类
桃江 居龙滩/桃江江口 3 17.06 80.54 1.88 林草类
抚河 廖家湾/钟岭水厂 3 23.01 73.29 1.48 林草类
乐安河 虎山/野鸡山村 3 12.00 86.67 1.63 林草类
香屯/戴村 3 15.67 81.19 2.07 林草类
修河 高沙/三都 4 15.33 82.78 0.88 林草类
梅川江 汾坑/梅江江口 4 19.32 78.26 1.45 林草类
赣江 吉安/金滩 5 22.84 72.91 2.75 林草类
外洲/生米 5 24.30 70.71 3.20 林草类
樟树/大洋洲 5 22.84 72.91 2.75 林草类
泯沱江流域 S4 威远河 自贡/廖家堰 3 77.76 16.06 5.49 混合类
岷江 青神/悦来渡口 4 18.75 74.43 5.56 林草类
彭山(四)/岳店子下 4 14.20 79.22 5.44 林草类
沱江 登瀛岩/幸福村 4 71.10 18.82 7.93 混合类
富顺/李家湾 4 77.55 14.52 6.02 混合类
嘉陵江流域 S5 涪江 江油/福田坝 3 10.62 88.42 0.22 林草类
平武/平武 3 4.26 95.10 0.05 林草类
巴河 巴中/手傍岩 3 35.00 64.16 0.68 混合类
渠江 三汇/大蹬沟 4 46.75 51.51 0.89 混合类
白龙江 三磊坝(三)/苴国村 4 12.46 85.53 0.50 林草类
武都/固水子村 4 11.33 85.82 0.54 林草类
碧口/姚渡 4 11.02 86.96 0.49 林草类
嘉陵江 北碚(三)/北温泉 5 43.02 54.26 1.38 混合类
金溪/金溪电站 5 27.18 70.48 0.98 林草类
略阳/白水江 5 25.89 72.17 1.49 林草类
涪江 小河坝(三)/玉溪 5 49.08 46.54 3.00 混合类
汉江流域 S6 东荆河 潜江/潜江大桥 2 61.25 21.98 13.36 混合类
唐白河 董坡/张湾 3 65.13 23.89 9.19 混合类
汉江 汉中/梁西渡 4 19.11 79.72 0.92 林草类
安康/老君关 5 26.16 72.33 0.86 林草类
皇庄/皇庄 5 31.14 64.49 2.66 混合类
黄家港/沈湾 5 21.77 76.19 0.92 林草类
仙桃(二)/岳口 5 34.90 58.31 3.64 混合类

2 结果与分析

2.1 长江流域径流变化对河流磷浓度的影响

研究表明，长江流域河流TP浓度随径流量发生明显变化(图3)。由图3可知，大部分子流域河流TP浓度随径流量增加而增加，如S1、S3、S4、S6；而S2子流域的2级河流、S5子流域的3级河流TP浓度随径流量增加而降低。此外，较低级别(2~3级)河流TP浓度略高于较高级别(4~5级)河流。如S3子流域其各级河流径流量一致时，2~3级河流TP浓度略高于4~5级河流；S6子流域中3级河流TP浓度最高，5级河流TP浓度最低。
图3 长江流域子流域日径流量与TP浓度的关系

注：各小图中相同颜色表示同一类型的值、方程、决定系数和P值。图7同。

Fig.3 Relationship between daily runoff and total phosphorus concentration in the subbasins of the Yangtze River Basin

此外，对比河流的极端径流期和非极端径流期发现(表2)，大部分子流域极端径流期TP浓度高于非极端径流期(S2子流域的2级河流及S1子流域的4级河流除外)。表2显示，极端径流期的TP浓度均值大多高于非极端径流期，这也说明在大部分子流域当强降水事件发生时，流域更多的磷物质随径流进入河流，导致浓度升高。值得注意的是，S2子流域的2级河流TP浓度在极端径流期低于非极端径流期，意味着当极端径流事件发生时，可能存在径流的稀释效应。
表2 长江流域各子流域各级别河流非极端径流期、极端径流期TP浓度均值变化

Tab.2 Variation of average total phosphorus concentration in non-extreme runoff period and extreme runoff period of rivers at all levels in each subbasin of the Yangtze River Basin

子流域 河流级别 河流TP浓度均值/(mg/L) 河流TP浓度
变化/(mg/L)
非极端径流期 极端径流期
S1 2 0.071 0.083 0.012
3 0.023 0.056 0.033
4 0.051 0.051 0
5 0.037 0.052 0.015
S2 2 0.057 0.036 -0.021
5 0.013 0.025 0.012
S3 2 0.043 0.066 0.023
3 0.058 0.071 0.013
4 0.047 0.058 0.011
5 0.039 0.057 0.018
S4 3 0.101 0.122 0.021
4 0.099 0.166 0.067
S5 3 0.021 0.032 0.011
4 0.048 0.067 0.019
5 0.033 0.050 0.017
S6 2 0.041 0.075 0.034
3 0.136 0.221 0.085
4 0.038 0.094 0.056
5 0.041 0.061 0.020

2.2 长江流域径流变化对河流磷通量输送的影响

研究发现，在径流输送的TP通量中，由极端径流事件输送的通量占比较大(图4)。由图4可知，总的来说，当河流径流量较低时，非极端径流期对河流磷通量的贡献占比较高，而随着径流量升高，极端径流期时河流磷通量占比逐渐高于非极端径流期。结合表3，从各子流域看，S3、S6子流域极端径流期输送的磷通量占比大部分会随着径流量增加而增加(除S3子流域>10000 m3/s及S6子流域>5000 m3/s的径流区间外)；S1、S2子流域河流磷通量贡献主要集中在极端径流期径流量>5000 m3/s范围内；S3子流域河流磷通量贡献主要集中在极端径流期径流量为5000~10000 m3/s范围内；S4子流域流磷通量贡献主要集中在极端径流期径流量为1000~2500 m3/s范围内；S5和S6子流域磷通量贡献主要集中在极端径流期径流量为>10000 m3/s (S5)范围和2500~5000 m3/s (S6)范围，极端径流期时其输送磷通量占比随径流量增加而增加。
图4 长江各子流域极端径流期和非极端径流期总磷通量占比

注：横坐标为非极端径流期、极端径流期径流区间内所有数据点径流量的均值，纵坐标为径流区间内所有数据点总磷占比之和，线为平滑线。

Fig.4 Proportion of total phosphorus flux in extreme runoff period and non-extreme runoff period in each subbasin of the Yangtze River Basin

表3 长江流域各子流域河流非极端径流期、极端径流期径流量均值及TP通量占比

Tab.3 The mean runoff and total phosphorus flux ratio of non-extreme runoff period and extreme runoff period in each subbasin of the Yangtze River Basin

子流域 径流区间/(m3/s) 非极端径流期 极端径流期
径流量均值/(m3/s) 数据点个数/个 TP通量占比/% 径流量均值/(m3/s) 数据点个数/个 TP通量占比/%
S1 [0, 200] 104.06 1722 2.08 133.29 142 0.19
(200, 500] 346.97 1183 5.10 353.86 279 1.20
(500, 1000] 746.78 1263 11.66 727.28 403 4.25
(1000, 2500] 1412.88 705 16.09 1584.95 537 14.20
(2500, 5000] 3252.49 109 7.42 3285.41 193 13.63
> 5000 7180.19 21 3.59 7592.87 70 20.50
S2 [0, 1000] 569.10 437 6.39 928.00 1 0.02
(1000, 2000] 1427.23 159 10.63 1613.57 14 0.60
(2000, 3000] 2372.16 97 18.84 2574.58 48 6.15
(3000, 4000] 3208.57 35 9.36 3278.21 39 7.98
(4000, 5000] 4272.86 7 3.72 4447.22 18 12.50
> 5000 5140.00 1 0.63 5832.92 24 23.15
S3 [0, 200] 49.21 2465 3.96 106.07 783 2.53
(200, 500] 337.94 532 3.57 315.04 594 6.68
(500, 1000] 698.13 416 6.39 696.17 223 6.37
(1000, 2500] 1430.29 283 9.45 1606.67 221 12.30
(2500, 5000] 3480.56 43 5.02 3647.03 107 13.19
(5000, 10000] 6031.88 8 1.65 6596.06 62 19.82
> 10000 — — — 11517.82 11 9.05
S4 [0, 200] 159.94 517 6.96 150.63 8 0.13
(200, 500] 317.81 981 27.58 366.71 156 6.48
(500, 1000] 644.27 132 8.94 697.25 125 12.62
(1000, 2500] 1331.05 19 3.34 1471.67 60 19.80
> 2500 2660.00 1 0.38 5035.75 13 13.78
S5 [0, 500] 164.97 2719 6.97 251.95 711 3.83
(500, 1000] 694.38 285 5.23 713.52 189 2.95
(1000, 2500] 1483.96 200 7.57 1612.16 162 7.78
(2500, 5000] 3200.81 37 4.42 3229.43 53 8.39
(5000, 10000] 7115.00 8 4.66 7623.75 24 17.12
> 10000 16300.00 4 12.28 13925.00 12 18.80
S6 [0, 500] 113.89 1571 6.44 208.56 232 2.22
(500, 1000] 716.13 880 17.27 697.67 101 2.79
(1000, 2500] 1307.15 548 25.05 1640.36 108 12.17
(2500, 5000] 3183.85 13 4.02 3272.91 55 17.57
> 5000 8617.50 4 3.88 7173.33 12 8.58
结合表4，对比不同级别河流的极端径流事件对通量的贡献，发现低级别河流的TP通量受极端径流影响较大。例如S1子流域中，2级河流在极端径流期时河流磷通量对年通量的贡献占比最大(81.69%)，其次是3级和4级河流(73.35%和66.43%)，5级河流极端径流期磷通量占比最小(59.38%)。同样在S3子流域中，2级河流的极端径流期输送磷通量占比要依次高于3级、4级、5级。在S2和S3子流域中，2级河流在极端径流期时河流磷通量对年通量的贡献较大，分别为81.57%(S2)和80.07%(S3)。在S4和S5子流域的较高级别河流(如S4的4级河流、S5的5级河流)，极端径流期和非极端径流期对年通量的贡献相差不大，其中S4的4级河流非极端径流期和极端径流期贡献占比分别为47.20%和52.80%，S5的5级河流非极端径流期和极端径流期贡献占比分别为55.17%和44.83%。将所有子流域的同一级别河流取平均看，2~3级别河流极端径流期TP通量占比在66.34%~83.83%，4~5级别河流极端径流期TP通量占比在50.73%~73.19%。此外，S6子流域中3级河流极端径流期TP通量占比(21.84%)远小于非极端径流期(78.16%)，这是由于其极端径流期时间较短，极端径流期的总径流量较少，因此对TP通量占比的影响不大。
表4 长江流域各子流域各级别河流非极端径流期、极端径流期TP浓度、通量及其占比

Tab.4 Concentration, flux, and proportion of total phosphorus (TP) in non-extreme runoff period and extreme runoff period of rivers at all levels in each subbasin of the Yangtze River Basin

流域
 河流级别 极端径流期 非极端径流期
TP浓度/(mg/L) TP通量/(t/a) TP通量占比/% TP浓度/(mg/L) TP通量/(t/a) TP通量占比/%
S1 2 0.093 1088.76 81.69 0.075 244.06 18.31
3 0.056 102.56 73.35 0.023 37.26 26.65
4 0.050 969.13 66.43 0.040 489.77 33.57
5 0.052 10758.75 59.38 0.037 7360.73 40.62
S2 2 0.036 100.77 81.57 0.058 22.77 18.43
5 0.025 1403.60 42.58 0.013 1892.65 57.42
S3 2 0.066 184.06 80.07 0.043 45.82 19.93
3 0.071 2703.91 76.81 0.058 816.28 23.19
4 0.058 623.05 76.99 0.047 186.21 23.01
5 0.057 8604.71 68.09 0.039 4032.54 31.91
S4 3 0.122 90.76 84.58 0.101 16.54 15.42
4 0.166 5160.47 52.80 0.100 4613.19 47.20
S5 3 0.032 362.75 75.12 0.021 120.16 24.88
4 0.068 6345.90 77.68 0.048 1822.99 22.32
5 0.050 4953.59 44.83 0.033 6095.98 55.17
S6
 2 0.075 734.47 92.00 0.041 63.89 8.00
3 0.221 233.64 21.84 0.136 836.16 78.16
4 0.094 788.20 92.05 0.038 68.10 7.95
5 0.061 3890.46 38.76 0.041 6146.34 61.24
总的来说，2~3级河流的TP通量相比于4~5级河流受极端径流事件影响较大，这是由于2~3级河流非极端径流期径流量较小，当极端径流事件发生时其河流径流量变化幅度远大于4~5级河流，同时2~3级河流TP浓度普遍高于4~5级河流，因此2~3级河流TP通量所受径流影响更加明显。

2.3 不同土地利用变化下径流对河流总磷输送的影响差异

对比不同土地利用类型下河流总磷平均浓度的大小，发现汇水区土地类型为混合类的河流TP浓度与林草类的河流TP浓度存在差异(图5)。其中，S5、S6子流域内土地混合类的河流总磷浓度略高于林草类的河流(S5，0.053 mg/L> 0.046 mg/L；S6，0.069 mg/L> 0.042 mg/L)；S1子流域内土地林草类的河流总磷浓度比混合类的河流高0.008 mg/L；S4子流域内土地混合类的河流和林草类的河流总磷浓度一致，均为0.11 mg/L。
图5 长江流域子流域混合类、林草类站点总磷浓度差异

Fig.5 Difference of total phosphorus concentration between mixed and forest-grass sites in the subbasins of the Yangtze River Basin

对比不同土地类型下河流极端径流期和非极端径流期的TP浓度(图6)，发现无论汇水区土地为混合类还是林草类，河流TP浓度在极端径流期均高于非极端径流期。此外，大部分子流域(除S6子流域外)在非极端径流期时，汇水区土地为林草类的河流TP浓度均高于汇水区土地为混合类的河流，同时大部分子流域极端径流期时汇水区土地为混合类的河流TP浓度高于汇水区土地为林草类的河流。其中，S1子流域土地林草类极端径流期时TP浓度与混合类几乎相同，S4、S5、S6子流域极端径流期时汇水区土地为混合类的河流TP浓度显著高于汇水区为林草类的河流(S4，0.171 mg/L> 0.133 mg/L；S5，0.081 mg/L> 0.052 mg/L；S6，0.102 mg/L> 0.066 mg/L)。此外，当极端径流事件发生时，混合类的河流TP浓度变化程度显著高于林草类的河流。极端径流期与非极端径流期相比，S1子流域内混合类的河流总磷浓度变化为0.010 mg/L，林草类的河流变化为0.005 mg/L(S4子流域两者分别为0.079、0.028 mg/L，S5子流域两者分别为0.042、0.008 mg/L，S6子流域两者分别为0.038、0.031 mg/L)。由此说明混合类土地河流磷浓度受极端径流事件的影响大于林草地。
图6 长江流域子流域非极端径流期与极端径流期混合类、林草类站点TP浓度对比

Fig.6 Comparison of total phosphorus concentration between non-extreme runoff period and extreme runoff period of mixed and forest-grass sites in the subbasins of the Yangtze River Basin

此外，通过分析不同土地利用类型下极端径流事件对河流磷通量的影响，发现土地混合类的河流对磷输送所受极端径流事件的影响更明显(图7)。由图7可知，土地混合类和林草类的河流对河流磷通量的贡献随径流增加而增加，混合类的河流TP通量随径流增加的升高趋势要明显大于林草类的河流，其中特别是S4和S5两个子流域格外明显(斜率：S4，混合类33.898>林草类8.9905；S5，混合类29.037>林草类17.402)。
图7 长江流域子流域混合类、林草类土地的站点总磷通量同径流量的关系

Fig.7 Relationship between total phosphorus flux and runoff at mixed and forest-grass sites in the subbasins of the Yangtze River Basin

3 讨论

流域的极端径流变化与强降水变化紧密相关。长江不同子流域的日径流量序列与日降水量序列的关系显示(图8)，径流量变化趋势与降水量变化趋势基本一致，在强降水发生的时期，径流量也呈现出明显的增加。已有研究表明，降水事件同河流径流量有显著的相关性[16-18]，如许继军等[18]对长江流域20多个水文站进行了显著性检验，发现各水文站的变化趋势与所控制的流域范围内的降水量变化趋势基本一致。此外，降水与径流的关系常常受到其他因素的影响，如土地利用类型、土壤特性和植被覆盖等因素在降水转化为径流的过程中起到重要作用。例如，在城市化地区，由于不透水地表(如混凝土和柏油路面)的广泛分布，大量降水迅速转化为地表径流，径流量显著增加；而在自然环境中(如森林或农田)，土壤的吸收能力较强，径流量相对较小[19]。
图8 长江流域子流域部分站点降水量—径流量时间序列对比

Fig.8 Comparison of precipitation-runoff time series at selected stations in the subbasins of the Yangtze River Basin

本文探讨了大型河网尺度不同级别河流的极端径流事件对长江流域总磷输送的影响，发现极端径流事件会导致2~5级河流TP浓度普遍升高。这种现象主要由于降水对地表磷冲刷效应明显[20]，当降水增多时，土壤的水分饱和，导致更多水分和污染物质如总磷进入水体，河流TP浓度也随之增高[21]。周艳青等[22]对巢湖的二级支流板桥河进行研究，发现板桥河在经历降水事件后导致河流径流量升高，河流TP浓度为降雨前的1.4~1.6倍，在本文中，S3流域与该研究区域地理位置相近，研究结果相近，即S3子流域的2级河流在经历极端径流事件后TP浓度约为非极端径流期的1.5倍。连心桥等[23]的研究显示，在径流量升高期间太湖流域入湖河流磷浓度在原有基础上增加了0.03~0.05 mg/L，增幅为20%左右，本文中，S3子流域离其研究区域地理位置相近，研究结果相近，即S3流域2~5级河流在极端径流期间磷浓度增加了0.011~0.023 mg/L，增幅为22%~53%左右。
关于不同土地利用类型在极端径流事件中对河流TP浓度的影响，本文发现在非极端径流期时大部分子流域中(除S6子流域外)土地混合类的河流TP浓度总是低于林草类的河流，当河流处于极端径流期时，土地混合类的河流TP浓度高于林草类的河流，说明混合类的河流TP浓度受强降水事件影响要大于林草类。这是由于混合类的河流汇水区域内耕地与城市用地占比相比于林草类的河流有所升高，所受人类活动干扰情况较多，例如农作物施肥、生活垃圾排放等因素。已有研究表明，在降水期间，农业和城市径流会明显使河流TP浓度升高[24-26]，农业用地在施肥后出现降水事件，会使土壤中的磷随径流流入河流中，导致河流TP浓度明显升高[24]；对于城市用地而言，引起河流TP浓度升高的主要原因为城市内部广泛分布着一些“三磷”工厂，由于磷石膏的低利用率，工业活动产生的大量磷石膏未能被及时处理，大量磷石膏堆积在磷石膏库中，且磷石膏的累计堆积量逐年增加，当降雨事件发生时，雨水冲刷了城市表面，将城市地表磷带入到河流中[25-26]。赵君等[27]研究显示，在长江流域的赣江支流在高降水量的条件下，林草地TP浓度相对于其他土地类型所受影响最小；Kreiling等[28]研究显示，在美国Fox River流域的不同土地类型河流的TP浓度表现为汇水区土地为城市类河流>耕地类河流>林草类河流；王翊晨等[29]研究表明，太湖流域宜溧河与西苕溪两条典型河流在受人类活动干扰下河流TP浓度明显增加；周艳青等[22]认为，在降水事件发生时，林草地TP浓度变化小于其他类型土地。以上结果与本文的结果较一致。但是，受限于水质—水文监测站点的分布，本文研究的河流类型主要为汇水区以林草类和混合类为主，缺少对城市类和耕地类为主的河流详细研究，在未来研究中将筛选更多类型的河流进一步探讨。
关于极端径流事件对河流TP通量的影响，本文得出大型河网尺度不同级别河流的极端径流事件对河流TP通量的贡献率：2~3级河流约为66.34%~83.83%，4~5级河流约为50.73%~73.19%。影响河流总磷通量的因素主要为TP浓度与河流径流量，强降水事件将地表磷带入到河流中，使总磷浓度升高的同时也会导致河流径流量升高，从而导致河流TP通量增加。程千云[30]研究发现，安徽省富阳河TP通量与降水量呈正向关系，但未给出强降水对通量的贡献率。王亚博等[31]发现钱塘江流域东阳江支流的4条溪流在极端降水过程中入库磷通量与河流流量之间呈线性关系，且极端降水过程中河流TP通量占总量的90%左右。在本文中，S3流域与其研究区域位置相近，得出的流域2级河流极端径流期通量占全年河流通量的80.07%，略低于王亚博等[31]的研究结果。郑佳琦[32]研究发现，长江流域TP通量变化的75%是由降水驱动，与本文得出的长江流域极端径流事件对河流TP通量贡献占据主导地位相符合。

4 结论

本文通过分析长江8个子流域不同级别河流的物质浓度和通量输送对极端径流的响应差异，得出以下主要结论：
(1) 极端径流事件对河流总磷浓度具有重要影响，极端径流事件会使长江流域中低级别河流(2~5级河流)的TP浓度普遍升高；流域大部分河流TP浓度随径流量增加而增加，而在部分子流域(如S2的2级河流)，TP浓度随径流增加而减少，这可能与径流稀释效应有关。
(2) 极端径流事件对河流TP年通量的贡献显著，在河流极端径流期间输送的TP通量对年通量的贡献较大，这种情况在较低级别河流中较为明显，2~3级河流TP通量的极端降水贡献率为66.34%~83.83%，4~5级河流TP通量的极端降水贡献率为50.73%~73.19%。
(3) 汇水区土地为混合类的河流在极端径流事件期间的TP浓度升高幅度明显高于林草类的河流，表明土地混合类的河流对极端径流事件的响应更为敏感，同时说明不同土地利用类型对河流TP浓度随径流的变化有显著影响。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中华人民共和国生态环境部. 2020中国生态环境状况公报[EB/OL]. 2021-05-24 [2024-10-19]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202105/P020210526572756184785.pdf.

[Ministry of Ecology and Environment of the People's Republic of China. 2020 China ecological environment bulletin. 2021-05-24 [2024-10-19]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202105/P020210526572756184785.pdf.]

[2]
中华人民共和国生态环境部. 2019中国生态环境状况公报[EB/OL]. 2020-05-18 [2024-10-19]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202006/P020200602509464172096.pdf.

[Ministry of Ecology and Environment of the People's Republic of China. 2019 China Ecological Environment Bulletin. 2020-05-18 [2024-10-19]. https://www.mee.gov.cn/hjzl/sthjzk/zghjzkgb/202006/P020200602509464172096.pdf.]

[3]
IPCC. Climate change 2021: The physical science basis: Working Group I contribution to the sixth assessment report of the Intergovernmental Panel on Climate Change[M]. Cambridge, UK: Cambridge University Press, 2023.

[4]
Vicente-Serrano S M, Quiring S M, Peña-Gallardo M, et al. A review of environmental droughts: Increased risk under global warming?[J]. Earth-Science Reviews, 2020, 201: 102953. doi: 10.1016/j.earscirev.2019.102953.

[5]
Zhang Y L, Shi K, Zhou Y Q, et al. Monitoring the river plume induced by heavy rainfall events in large shallow, Lake Taihu using MODIS 250 m imagery[J]. Remote Sensing of Environment, 2016, 173: 109-121.

[6]
李发荣, 邱学礼, 周璟, 等. 滇池东南岸农业和富磷区入湖河流地表径流及污染特征[J]. 中国环境监测, 2014, 30(6): 93-101.

[Li Farong, Qiu Xueli, Zhou Jing, et al. Surface runoff and pollutants characteristics of inflowing rivers in the agricultural and phosphorus-rich region on the southeast coast of the Lake Dianchi. Environmental Monitoring in China, 2014, 30(6): 93-101. ]

[7]
刘忠翰, 贺彬, 王宜明, 等. 滇池不同流域类型降雨径流对河流氮磷入湖总量的影响[J]. 地理研究, 2004, 23(5): 593-604.

[Liu Zhonghan, He Bin, Wang Yiming, et al. Effects of rainfall runoff on total nitrogen and phosphorus flux in different catchments of Dianchi Lake, Yunnan, China. Geographical Research, 2004, 23(5): 593-604. ]

[8]
高超, 李阳, 于海明, 等. 典型自然降雨条件下太湖地区水稻田氮磷输出特点[J]. 生态环境学报, 2015, 24(5): 845-852.

DOI

[Gao Chao, Li Yang, Yu Haiming, et al. The output characters of nitrogen and phosphorus from typical natural rainfall runoff of paddy fields in Tai Lake region. Ecology and Environmental Sciences, 2015, 24(5): 845-852. ]

[9]
牛玉国, 张金鹏. 对黄河流域生态保护和高质量发展国家战略的几点思考[J]. 人民黄河, 2020, 42(11): 1-4, 10.

[Niu Yuguo, Zhang Jinpeng. Thoughts on the national strategy of ecological protection and high quality development in the Yellow River Basin. Yellow River, 2020, 42(11): 1-4, 10. ]

[10]
Li X Y, Yang L B, Yan W J. Model analysis of dissolved inorganic phosphorus exports from the Yangtze River to the estuary[J]. Nutrient Cycling in Agroecosystems, 2011, 90(1): 157-170.

[11]
Wang F, Ge Q S, Wang S W, et al. A new estimation of urbanization's contribution to the warming trend in China[J]. Journal of Climate, 2015, 28(22): 8923-8938.

[12]
Strahler A N. Quantitative analysis of watershed geomorphology[J]. Eos, Transactions American Geophysical Union, 1957, 38(6): 913-920.

[13]
Sloto R A, Crouse M Y. HYSEP: A computer program for streamflow hydrography separation analysis[R]. New Cumberland, USA: US Geological Survey Water-Resources Investigations Report, 1979. doi: 10.3133/wri964040.

[14]
Pettyjohn W A, Henning R. Preliminary estimate of ground-water recharge rates, related stream-flowand water quality in Ohio[R]. Columbus, USA: Water Resources Center, Ohio State University, 1979.

[15]
Falcone J A. GAGES-II: Geospatial attributes of gages for evaluating streamflow[M]. Reston, USA: US Geological Survey, 2011.

[16]
Poff N L, Allan J D. Functional organization of stream fish assemblages in relation to hydrological variability[J]. Ecology, 1995, 76(2): 606-627.

[17]
Tilahun A B, Dürr H H, Schweden K, et al. Perspectives on total phosphorus response in rivers: Examining the influence of rainfall extremes and post-dry rainfall[J]. Science of the Total Environment, 2024, 940: 173677. doi: 10.1016/j.scitotenv.2024.173677.

[18]
许继军, 杨大文, 雷志栋, 等. 长江流域降水量和径流量长期变化趋势检验[J]. 人民长江, 2006(9): 63-67.

[Xu Jijun, Yang Dawen, Lei Zhidong, et al. Examination on long time variation tendency of precipitation and runoff in the Yangtze River Basin. Yangtze River, 2006(9): 63-67. ]

[19]
张睿, 曾春芬, 龙秋波, 等. 1960—2022年洞庭湖流域多尺度径流量演变特征分析[J]. 水资源与水工程学报, 2024, 35(4): 38-46.

[Zhang Rui, Zeng Chunfen, Long Qiubo, et al. Multi-time scale runoff variations in the Dongting Lake Basin during 1960-2022 Journal of Water Resources and Water Engineering, 2024, 35(4): 38-46. ]

[20]
Lucas E, Kennedy B, Roswall T, et al. Climate change effects on phosphorus loss from agricultural land to water: A review[J]. Current Pollution Reports, 2023, 9: 623-645.

[21]
Smith V H, Tilman G D, Nekola J C. Eutrophication: Impacts of excess nutrient inputs on freshwater, marine, and terrestrial ecosystems[J]. Environmental Pollution, 1999, 100: 179-196.

DOI PMID

[22]
周艳青, 冯嘉申, 段亭亭, 等. 板桥河小流域降雨事件中地表水磷浓度的变化特征[J]. 环境科学学报, 2022, 42(11): 131-138.

[Zhou Yanqing, Feng Jiashen, Duan Tingting, et al. Variation of phosphorus concentration in surface water during rainfall events in Banqiao River Basin. Acta Scientiae Circumstantiae, 2022, 42(11): 131-138. ]

[23]
连心桥, 朱广伟, 杨文斌, 等. 强降雨对平原河网区入湖河道氮、磷影响[J]. 环境科学, 2020, 41(11): 4970-4980.

[Lian Lianxinqiao, Zhu Guangwei, Yang Wenbin, et al. Effect of heavy rainfall on nitrogen and phosphorus concentrations in rivers at river-net plain. Environmental Science, 2020, 41(11): 4970-4980. ]

[24]
Motew M, Booth E G, Carpenter S R, et al. The synergistic effect of manure supply and extreme precipitation on surface water quality[J]. Environment Research Letters, 2018, 13(4): 044016. doi: 10.1088/1748-9326/aaade6.

[25]
Wu Q, Xia X. Response of surface water quality in urban and non-urban areas to heavy rainfall: Implications for the impacts of climate change[J]. Journal of Environmental Informatics Letters, 2019, 1(1): 27-36

[26]
晏维金, 李青倩, 王芳, 等. 长江流域磷及“三磷”入河通量及其对干流关键断面磷通量的贡献: 模型与情景分析[J]. 环境科学学报, 2022, 42(11): 149-159.

[Yan Weijin, Li Qingqian, Wang Fang, et al. Basin-scale phosphorus and "three-P" loads into the river network and their contributions to the riverine P fluxes at key stations of the Changjiang River: Model and scenario analysis. Acta Scientiae Circumstantiae, 2022, 42 (11): 149-159. ]

[27]
赵君, 王鹏, 余小芳. 温度和降水对赣江流域土地利用方式与河流氮磷营养盐相关性的影响[J]. 江西师范大学学报(自然科学版), 2018, 42(6): 655-660.

[Zhao Jun, Wang Peng, Yu Xiaofang. The effect of land use patterns on stream water nitrogen and phosphorus nutrients under the variations of temperature and precipitation in Ganjiang River Basin. Journal of Jiangxi Normal University (Natural Science Edition), 2018, 42(6): 655-660. ]

[28]
Kreiling R M, Thoms M C, Bartsch L A, et al. Complex response of sediment phosphorus to land use and management within a river network[J]. Journal of Geophysical Research: Biogeosciences, 2019, 124(7): 1764-1780.

DOI

[29]
王翊晨, 姚治君, 刘兆飞, 等. 太湖流域宜溧河与西苕溪水质对比分析[J]. 地理科学进展, 2011, 30(7): 853-860.

[Wang Yichen, Yao Zhijun, Liu Zhaofei, et al. Comparison analysis of water quality between Yili River and Xitiaoxi River in Taihu Basin. Progress in Geography, 2011, 30(7): 853-860. ]

DOI

[30]
程千云. 降雨条件下阜阳市河流非点源污染输出特征[J]. 水科学与工程技术, 2020(4): 5-8.

[Cheng Qianyun. Output characteristics of non-point source pollution of rivers in Fuyang City under rainfall. Water Sciences and Engineering Technology, 2020(4): 5-8. ]

[31]
王亚博, 李慧莉, 张洪刚, 等. 极端降水过程对岩口水库入库溪流污染负荷的影响及其对策[J]. 环境工程学报, 2022, 16(6): 2061-2072.

[Wang Yabo, Li Huili, Zhang Honggang, et al. Influence of extreme rainfall process on pollution load of the inflow stream of Yankou Reservoir and its countermeasures. Chinese Journal of Environmental Engineering, 2022, 16(6): 2061-2072. ]

[32]
郑佳琦. 长江黄河流域氮磷通量时空变化规律及关键驱动因素研究[D]. 北京: 中国环境科学研究院, 2022.

[Zheng Jiaqi. Temporal and spatial variations of nitrogen and phosphorus fluxes and key driving factors in the Yangtze River and Yellow River Basins. Beijing, China: China Research Academy of Environmental Sciences, 2022. ]

Options
Outlines

/

〈 〉