全 文 ：基于增强回归树的流域非点源污染影响因子分析
尹　 才１，２，３　 刘　 淼２∗　 孙凤云１，３　 李春林２　 象伟宁３
（ １华东师范大学地理科学学院， 上海 ２００２４１； ２中国科学院沈阳应用生态研究所， 沈阳 １１００１６； ３上海市城市化生态过程与生
态恢复重点实验室， 上海 ２００２４１）
摘　 要　 地表水的非点源污染在点源污染不断得到控制的前提下已经成为水环境污染的首
要问题．非点源污染影响因子的复杂性及不确定性一直是流域非点源污染研究的重点和难点．
本文利用 ＳＷＡＴ（Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ａｓｓｅｓｓｍｅｎｔ Ｔｏｏｌ）模型，以辽河子流域汎河流域为例，模拟了
２００３—２０１２年的非点源污染状况，对其空间分布状况进行了分析，并应用增强回归树的方法
定量分析各种影响因子（坡度、土地利用类型、高程和土壤类型）对该流域非点源污染的贡献
率．结果表明： 在汎河流域，非点源污染呈现较高的空间异质性，其中总氮的空间分布差异较
大，总磷的空间分布差异较小．坡度因子与载体泥沙、总氮和总磷均呈极显著正相关关系（Ｐ＜
０．０１），对泥沙和总磷有显著影响，其贡献率分别为 ４６．５％、３８．２％；土地利用因子对载体泥沙、
总磷的负荷量有重要影响，其贡献率分别达到 ２７．２％、３５．３％；高程较低、坡度较缓的耕地地区
易产生较高的总磷负荷量；褐色土壤最易流失总磷，而草甸土易流失总磷，且易受泥沙侵蚀．
本研究利用增强回归树模型克服了流域非点源污染影响因子的复杂性，可加深对非点源污染
产生机制的理解．
关键词　 汎河流域； 增强回归树； ＳＷＡＴ模型； 定量分析
Ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｏｆ ｗａｔｅｒｓｈｅｄ ｂａｓｅｄ ｏｎ ｂｏｏｓｔｅｄ ｒｅｇｒｅｓｓｉｏｎ
ｔｒｅｅ ａｌｇｏｒｉｔｈｍ． ＹＩＮ Ｃａｉ１，２，３， ＬＩＵ Ｍｉａｏ２∗， ＳＵＮ Ｆｅｎｇ⁃ｙｕｎ１，３， ＬＩ Ｃｈｕｎ⁃ｌｉｎ２， ＸＩＡＮＧ Ｗｅｉ⁃ｎｉｎｇ３
（ １Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｇｒａｐｈｙ Ｓｃｉｅｎｃｅｓ， Ｅａｓｔ Ｃｈｉｎａ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２００２４１， Ｃｈｉｎａ； ２Ｉｎｓｔｉｔｕ⁃
ｔｅ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｓｈｅｎｙａｎｇ １１０１６４， Ｃｈｉｎａ； ３Ｓｈａｎｇｈａｉ Ｋｅｙ Ｌａ⁃
ｂｏｒａｔｏｒｙ ｆｏｒ Ｕｒｂａｎ Ｅｃｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｅｓ ａｎｄ Ｅｃｏ⁃Ｒｅｓｔｏｒａｔｉｏｎ， Ｓｈａｎｇｈａｉ ２００２４１， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ （ＮＰＳ） ｐｏｌｌｕｔｉｏｎ ｈａｓ ｂｅｃｏｍｅ ａ ｋｅｙ ｗａｔｅｒ ｐｏｌｌｕｔｉｏｎ ｐｒｏｂｌｅｍ ｕｎｄｅｒ ｔｈｅ
ｃｏｎｄｉｔｉｏｎ ｏｆ ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｗａｓ ｃｏｎｔｒｏｌｌｅｄ． Ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ｕｎｃｅｒｔａｉｎｔｙ ｒｅｓｅａｒｃｈ ｏｆ ＮＰＳ
ｐｏｌｌｕｔｉｏｎ ｉｎｆｌｕｅｎｔｉａｌ ｆａｃｔｏｒｓ ｈａｓ ａｌｗａｙｓ ｂｅｅｎ ｉｍｐｏｒｔａｎｔ ａｎｄ ｄｉｆｆｉｃｕｌｔ． Ｔｈｉｓ ｐａｐｅｒ ｓｉｍｕｌａｔｅｄ ＮＰＳ ｐｏｌｌｕ⁃
ｔｉｏｎ ｏｆ ｔｈｅ Ｆａｎｈｅ Ｒｉｖｅｒ ｗａｔｅｒｓｈｅｄ ｉｎ ２００３－２０１２ ｂｙ ｔｈｅ ｓｏｉｌ ａｎｄ ｗａｔｅｒ ａｓｓｅｓｓｍｅｎｔ ｔｏｏｌ （ＳＷＡＴ） ａｎｄ
ａｎａｌｙｚｅｄ ｉｔｓ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ． Ｍｅａｎｗｈｉｌｅ， ｔｈｅ ｂｏｏｓｔｅｄ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅ （ＢＲＴ） ｍｅｔｈｏｄ ｗａｓ ｐｒｏ⁃
ｐｏｓｅｄ ｔｏ ｑｕａｎｔｉｔａｔｉｖｅｌｙ ａｎａｌｙｚｅ ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｉｎｆｌｕｅｎｔｉａｌ ｆａｃｔｏｒｓ ｉｎｃｌｕｄｉｎｇ ｌａｎｄ ｕｓｅ， ｓｏｉｌ， ｅｌｅｖａ⁃
ｔｉｏｎ ａｎｄ ｓｌｏｐｅ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ＮＰＳ ｐｏｌｌｕｔｉｏｎ ｉｎ ｔｈｅ Ｆａｎｈｅ Ｒｉｖｅｒ ｗａｔｅｒｓｈｅｄ ｈａｄ ｈｉｇｈ ｓｐａｔｉａｌ
ｈｅｔｅｒｏｇｅｎｅｉｔｙ． Ｔｈｅ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｏｔａｌ ｎｉｔｒｏｇｅｎ （ＴＮ） ｈａｄ ｇｒｅａｔｅｒ ｄｉｆｆｅｒｅｎｃｅ ｔｈａｎ ｔｈａｔ ｏｆ ｔｏｔａｌ
ｐｈｏｓｐｈｏｒｕｓ （ＴＰ）． Ｔｈｅ ｔｈｒｅｅ ｐｏｌｌｕｔａｎｔｓ， ＴＮ， ＴＰ ａｎｄ ｓｅｄｉｍｅｎｔ， ｗｅｒｅ ａｌｌ ｐｏｓｉｔｉｖｅｌｙ ｒｅｌａｔｅｄ ｔｏ ｓｌｏｐｅ
ｇｒａｄｉｅｎｔｓ （Ｐ＜０．０１）． Ｔｈｅ ｓｌｏｐｅ ｇｒａｄｉｅｎｔｓ ｐｌａｙｅｄ ｔｈｅ ｓｔｒｏｎｇｅｓｔ ｒｏｌｅ ｉｎ ｄｅｔｅｒｍｉｎｉｎｇ ｔｈｅ ｓｅｄｉｍｅｎｔ ａｎｄ
ＴＰ ｏｕｔｐｕｔ ｗｉｔｈ ｔｈｅ ｃｏｎｔｒｉｂｕｔｉｏｎ ｒａｔｅ ｏｆ ４６．５％ ａｎｄ ３８．２％， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｌａｎｄ ｕｓｅ ｈａｄ ｉｍｐｏｒｔａｎｔ ｉｎ⁃
ｆｌｕｅｎｃｅ ｏｎ ｓｅｄｉｍｅｎｔ ａｎｄ ＴＰ ｌｏａｄｓ， ｗｉｔｈ ｔｈｅ ｃｏｎｔｒｉｂｕｔｉｏｎ ｒａｔｅ ｏｆ ２７．２％ ａｎｄ ３５．３％， ｒｅｓｐｅｃｔｉｖｅｌｙ．
ＴＮ ｗａｓ ｐｒｏｄｕｃｅｄ ａｂｕｎｄａｎｔｌｙ ｉｎ ｌｏｗ⁃ｅｌｅｖａｔｉｏｎ ａｎｄ ｓｔｅｅｐ⁃ｓｌｏｐｅ ｌｏｃａｔｉｏｎｓ ａｎｄ ｗｉｔｈ ｃｕｌｔｉｖａｔｅｄ ｌａｎｄ ｕｓｅ．
Ｃｉｎｎａｍｏｎ ｓｏｉｌ ｗａｓ ｍｏｓｔ ｖｕｌｎｅｒａｂｌｅ ｔｏ ｔｈｅ ＴＮ ｌｏａｄ ｗｈｉｌｅ ｍｅａｄｏｗ ｓｏｉｌ ｔｏｏｋ ｔｈｅ ｓｅｃｏｎｄ ｐｌａｃｅ ｉｎ ｔｅｒｍｓ
ｏｆ ｓｏｉｌ ｅｒｏｓｉｏｎ ａｎｄ ＴＰ ｌｏａｄ． Ｔｈｅ ｐａｐｅｒ ｏｖｅｒｃａｍｅ ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｉｎｆｌｕｅｎｔｉａｌ ｆａｃｔｏｒｓ ｆｏｒ ＮＰＳ ｐｏｌｌｕ⁃
ｔｉｏｎ ｂｙ ＢＲＴ， ａｎｄ ｄｅｅｐｅｎｅｄ ｔｈｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｏｆ ＮＰＳ ｐｏｌｌｕｔｉｏｎ ｍｅｃｈａｎｉｓｍ．
Ｋｅｙ ｗｏｒｄｓ： Ｆａｎｈｅ Ｒｉｖｅｒ ｗａｔｅｒｓｈｅｄ； ｂｏｏｓｔｅｄ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅ； ｓｏｉｌ ａｎｄ ｗａｔｅｒ ａｓｓｅｓｓｍｅｎｔ ｔｏｏｌ； ｑｕａｎ⁃
ｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ．
本文由国家自然科学基金面上项目（ ４１１７１１５５，４１５０１１９８）资助 Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ
（４１１７１１５５，４１５０１１９８）．
２０１５⁃０７⁃０１ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０１⁃０４ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｌｉｕｍ＠ ｉａｅ．ａｃ．ｃｎ
应 用 生 态 学 报　 ２０１６年 ３月　 第 ２７卷　 第 ３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｍａｒ． ２０１６， ２７（３）： ９１１－９１９　 　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０３．０２０
　 　 在点源污染不断得到有效控制的情况下，非点源
污染成为水体污染的主要成因，已引起了广泛关
注［１］ ．非点源污染的产生受诸多环境因子的控制，明
确各环境因子与水体污染之间的关系，可为非点源污
染管理和水质优化提供重要的理论和实践依据［２－４］ ．
然而在流域尺度上，对非点源污染负荷和其源头的定
量关系分析往往受到数据缺乏的限制，也受到水质和
环境控制因子之间复杂性和区域性的影响［５－７］ ．
目前，非点源污染研究主要包括 ３ 个方面：１）
模拟非点源污染量和空间变异性［８－１１］；２）评价非点
源污染管理的有效性［１２－１５］；３）对现有水文模型的改
进［１６－２０］ ．然而，在环境因子和非点源污染的定量关
系分析方面的研究较为缺乏，已有学者利用景观指
数（景观破碎度、多样性、连通性等）来揭示景观特
征和非点源污染的关系［２１－２２］，而对非点源污染影响
因子定量分析方法的探讨还较少［２３－２５］ ．
２０世纪 ７０ 年代以来，国内外学者针对非点源
污染模拟和估算开发了大量数学模型，包括 ＡＧ⁃
ＮＰＳ、ＡｎｎＡＧＮＰＳ、ＡＮＳＷＥＲＳ、ＡＮＳＷＥＲＳ⁃Ｃｏｎｔｉｎｕｏｕｓ、
ＣＡＳＣ２Ｄ、 ＤＷＳＭ、 ＨＳＰＦ、 ＫＩＮＥＲＯＳ、 ＭＩＫＥ ＳＨＥ、
ＰＲＭＳ和 ＳＷＡＴ模型等［２６］ ．其中 ＳＷＡＴ 作为最常用
的模型，能够较好地模拟和预测复杂流域的径流、泥
沙和营养物的负荷［２５，２７－２８］，模拟污染物在流域范围
内的迁移转化过程，明确污染物运移的时空分布规
律，可以为治理和管理流域水环境提供有力支持．
流域非点源污染与各环境因子之间存在较为复
杂的关系，能否有效地量化其关系并做出合理的预
测是本研究的重点．增强回归树模型在研究复杂因
子间的相互作用关系和模拟预测方面有着十分明显
的优势，已经被成功应用于生态学中许多复杂现象
的机理分析中［２９－３１］ ．将此方法引入到非点源污染研
究中，能够有效地预测污染物负荷与各影响因子之
间的关系，从而给水质污染来源的解释、预测及管理
提供新的研究方法．本研究以辽河子流域汎河流域
为例，利用非点源污染模型 ＳＷＡＴ 对该流域的水文
过程进行模拟，将模型输出的非点源污染结果（总
氮和总磷）和泥沙作为因变量，以环境因子（土地利
用类型、土壤类型、高程、坡度）作为自变量，利用
ＢＲＴ方法研究各环境因子对非点源污染物的影响，
分析 ＢＲＴ方法在定量影响因子分析中的有效性．
１　 研究区域与研究方法
１􀆰 １　 研究区概况
汎河流域为辽河的一级支流，位于中国东北地
图 １　 汎河流域位置
Ｆｉｇ．１　 Ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ Ｆａｎｈｅ Ｒｉｖｅｒ ｗａｔｅｒｓｈｅｄ．
１） 气象站 Ｍｅｔｅｏｒｏｌｏｇｉａｌ ｓｔａｔｉｏｎ； ２） 水文和雨量监测站 Ｈｙｄｒｏｍｅｔｒｉｃ
ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ｓｔａｔｉｏｎ； ３） 雨量监测站 Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｍｏｎｉ⁃
ｔｏｒｉｎｇ ｓｔａｔｉｏｎ； ４） 河道 Ｒｅａｃｈ； ５） 子流域 Ｓｕｂ⁃ｂａｓｉｎ．
区铁岭市南部 （ ４２． ００°—４２． ３０° Ｎ， １２３． ６２°—
１２４．５５° Ｅ，图 １）．汎河流域的较大支流有 １７ 条，全
长 １０８ ｋｍ，面积 １０３７．６６ ｋｍ２，占铁岭全市区域面积
的 ８􀆰 ０％．全流域呈狭长状，地势东高西低，平均坡降
５􀆰 ０‰．该流域降雨量集中在 ４—９月，２００３—２０１３ 年
的年均降雨量在 ４８０ ～ １０３６ ｍｍ．主要的土地利用类
型为林地、耕地和居民地，各占 ５７％、３３％和 ７％．该
流域受工业活动干扰较小，非点源污染主要来自农
业生产和农村生活．
１􀆰 ２　 研究方法
１􀆰 ２􀆰 １ ＳＷＡＴ模型　 本研究选用 ＳＷＡＴ 模型进行非
点源污染模拟研究，水量平衡是 ＳＷＡＴ 模型的基本
驱动力，其水文循环主要分为陆地阶段和河道演算
阶段．在陆地阶段，模型中采用水量平衡表达式进行
模拟，公式如下：
ＳＷｔ ＝ ＳＷ０ ＋∑
ｔ
ｉ －１
（Ｒｄａｙ － Ｑｓｕｒｆ － Ｅａ － Ｗｓｅｅｐ － Ｑｇｗ）
（１）
式中：ＳＷｔ 为土壤最终含水量（ｍｍ）；ＳＷ０ 为土壤初
期含水量（ｍｍ）；ｔ 为时间步长（ｄ）；Ｒｄａｙ为第 ｉ 天的
降水量（ｍｍ）；Ｑｓｕｒｆ为第 ｉ 天地表径流量（ｍｍ），与流
域各土地利用类型面积和平均坡度直接相关；Ｅａ 为
第 ｉ天蒸散发量（ｍｍ）；Ｗｓｅｅｐ为第 ｉ 天透过土壤层的
渗透量和侧流量（ｍｍ）；Ｑｇｗ为第 ｉ 天的地下水含量
（ｍｍ）．
在河道演算阶段，水量平衡方程式为：
Ｖｓ，２ ＝Ｖｓ，１＋Ｖｉｎ－Ｖｏｕｔ－Ｖ１－Ｅｃｈ＋Ｄｉ＋Ｖｂ （２）
式中：Ｖｓ，１、Ｖｓ，２为时间步长开始和结束时河道中的水
存储量（ｍ３）；Ｖｉｎ、Ｖｏｕｔ分别为时间步长内流入和流出
河道的水量（ｍ３）；Ｖｌ 为通过河床的河道水流传播损
失（ｍ３）；Ｅｃｈ为模拟日河道的蒸发量（ｍ３）；Ｄｉ 为调
水对河道水量的改变（ｍ３）；Ｖｂ 为河岸存储进入河道
的水量（ｍ３）．
２１９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
土壤的侵蚀量和产沙量采用修正的通用土壤流
失方程来估测，公式如下：
ｍｓｅｄ ＝ １１．８ ×（Ｑ× ｑｆｅｎｇ ×ＡＨＲＵ） ０．５６ ×Ｋ ×Ｃ ×Ｐ ×ＬＳ ×
ＣＦＲＧ （３）
式中：ｍｓｅｄ为单个流域响应单元（ＨＲＵ）的总土壤侵
蚀量（ｔ）；Ｑ为地表径流（ｍｍ·ｈ－１）；ｑｆｅｎｇ为洪峰径流
（ｍ３·ｓ－１）；ＡＨＲＵ为 ＨＲＵ 面积（ｈｍ２）；Ｋ 为土壤可蚀
性因子；Ｃ为植被覆盖与管理因子；Ｐ 为水土保持措
施因子；ＬＳ 为地形因子，与 ＨＲＵ 平均坡度直接相
关；ＣＦＲＧ为粗糙度因子．
土壤中的氮磷等营养物通常通过地表径流和泥
沙运输进入河道．对于附着在土壤颗粒上的有机氮
（磷），随泥沙运输进入地表径流的量为：
Ｎ０ ＝ ０．００１×Ｃ０×Ｓ ／ Ａｈ×εＮ （４）
式中：Ｎ０ 为随泥沙运输进入地表径流的有机氮（磷）
负荷量（ｋｇ·ｈｍ－２）；Ｃ０ 为地表 １０ ｍｍ 土层中的有
机氮（磷）浓度（ ｇ·ｔ－１ ）；Ｓ 为模拟日的泥沙产量
（ｔ）；Ａｈ 为 ＨＲＵ的面积（ｈｍ２）；εＮ 为氮（磷）富集系
数，是径流泥沙中有机氮（磷）浓度与地表土层（磷）
浓度之比．
当汇流时间超过 １ ｄ，地表径流的一部分延迟进
入主河道，其中的营养物质也同样延迟．进入主河道
的有机氮（磷）量为：
ＮＯＳ ＝（ＮＯＳ′＋ＮＯＳ″）（１－ｅ
－Ｌｉ ／ ｔｈ） （５）
式中：ＮＯＳ为模拟日由地表径流运输进入主河道的有
机氮（磷）量（ｋｇ·ｈｍ－２）；ＮＯＳ′为模拟日 ＨＲＵ 中产
生地表径流中的有机氮（磷）量（ ｋｇ·ｈｍ－２），由式
（３）计算所得；ＮＯＳ″为前一天存储或延迟的地表径流
中的有机氮（磷）量（ｋｇ·ｈｍ－２）；Ｌｉ 为地表径流延迟
系数，为模型中可调参数； ｔｈ 为 ＨＲＵ 的汇流时间
（ｈ），与子流域面积及河道坡度有关．
１􀆰 ２􀆰 ２增强回归树 ＢＲＴ　 ＢＲＴ是基于分类回归树算
法（ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅ， ＣＡＲＴ）的一种
自学习方法．该方法是两大算法的组合：１）回归树算
法，通过递归将数据集切分成许多组易建模的数据，
再利用线性回归的方法建模；２）Ｂｏｏｓｔｉｎｇ 方法，用来
提高弱分类算法的准确度，通过构造一个预测函数
系列，然后以一定的方式将它们组合成一个预测函
数［３０］ ．在运算过程中多次随机抽取一定量的数据，
分析自变量对因变量的影响程度，剩余数据用于结
果的校验，对生成的多重回归树取均值并输出．ＢＲＴ
方法可以计算在其他自变量取均值或不变的情况
下，某自变量与因变量的相互关系，从而得出自变量
对因变量的影响大小．ＢＲＴ 可以提高计算结果的稳
定性和精度，并且在处理不同数据格式时具有很大
的灵活性，输出结果较为直观．
１􀆰 ３　 数据来源和处理
ＳＷＡＴ模型需要输入空间数据及属性数据，包
括：数字高程模型（ＤＥＭ）数据、土地利用数据、土壤
数据、气象数据，水文水质监测数据等．
１）模型需要从 ＤＥＭ 中获取模拟所需要的河流
长度、坡度和坡向等．ＤＥＭ 数据来源于 １ ∶ ５ 万地形
图（图 ２），对原始 ＤＥＭ 进行洼地填充，计算栅格累
积汇流量及流向，设置流域划分面积最小阈值 １２００
ｈｍ２，将汎河流域划分为 ５３ 个子流域．最后利用
ＤＥＭ数据计算流域内的坡度数据，并将其分成 ５ 个
梯度：≤２°、２～６°、６～１５°、１５～２５°、＞２５°．
　 　 ２）土地利用数据采用 ２０１０年 ８月 ５日的 Ｌａｎｄ⁃
ｓａｔ５ ＴＭ遥感影像，基于遥感分析软件 ＥＲＤＡＳ ９．０，
以研究区 １ ∶ ５万地形图作为参照对原始影像进行
几何精校正，误差控制在 ０．５ 个像素以内．在解译成
土地利用数据后，在研究区的 ２６０ 个实地采样点数
据中的 １００个作为目视解译的参考，余下的 １６０ 个
采样数据对结果进行精度评价，得到遥感解译精度
为 ８９．２％．并基于人机交互的目视解译的方法将影
像分为 ７类：有林地、草地、居民地、水田、灌木林地、
旱地及水域（图 ３）．
　 　 ３）土壤图是利用流域边界图切割东北 １︰１００
万土壤图得来，并以土壤类型的代码字段为值转化
为栅格数据，然后建立土壤查找表文件，并根据研究
区土壤特点采用亚类级分类，得到土壤分布图．在
ＳＷＡＴ加载土壤数据后对其进行重分类，最终得到
棕壤、潮棕壤、褐土、草甸土、水稻土 ５ 类土壤类型
（图 ３）．
４）收集汎河流域 ７ 个降水测站提供的 １９７５—
１９８２年日降水数据和 １ 个气象测站提供 １９９８—
２０１２年日降雨量、日最高气温、日最低气温、日平均
图 ２　 研究区内数字高程模型（ＤＥＭ）空间分布
Ｆｉｇ．２　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｄｉｇｉｔａｌ ｅｌｅｖａｔｉｏｎ ｍｏｄｅｌ （ＤＥＭ） ｉｎ
ｔｈｅ ｓｔｕｄｙ ａｒｅａ．
３１９３期　 　 　 　 　 　 　 　 　 　 　 　 尹　 才等： 基于增强回归树的流域非点源污染影响因子分析　 　 　 　 　 　
图 ３　 研究区内土地利用类型（ａ）和土壤类型（ｂ）的空间分
布
Ｆｉｇ．３　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｌａｎｄ ｕｓｅ ｔｙｐｅｓ （ａ） ａｎｄ ｓｏｉｌ ｔｙｐｅｓ
（ｂ） ｉｎ ｔｈｅ ｓｔｕｄｙ ａｒｅａ．
Ⅰ： 水田 Ｐａｄｄｙ； Ⅱ：水域Ｗａｔｅｒ； Ⅲ：旱地 Ｄｒｙｌａｎｄ； Ⅳ：林地 Ｆｏｒｅｓｔ；
Ⅴ： 居民地 Ｒｅｓｉｄｅｎｃｅ； Ⅵ：草地 Ｇｒａｓｓｌａｎｄ； Ⅶ： 灌木 Ｓｈｒｕｂ． １） 棕壤
Ｂｒｏｗｎ ｓｏｉｌ； ２） 潮棕壤 Ｔｉｄａｌ ｓｏｉｌ； ３） 褐土 Ｃｉｎｎａｍｏｎ ｓｏｉｌ； ４） 草甸土
Ｍｅａｄｏｗ ｓｏｉｌ； ５） 水稻土 Ｐａｄｄｙ ｓｏｉｌ； ６） 水域 Ｗａｔｅｒ．
风速、相对湿度和日太阳辐射 ６ 组数据．并用 ＰＣＰ⁃
ＳＴＡＴ．ｅｘｅ和 ＤＥＷ０２．ｅｘｅ 工具计算出 ＳＷＡＴ 中天气
发生器所需要的参数．
５）汎河流域面积较小，水文测站少，观测数据不
连续，从水文年鉴中仅能查到 １９７６—１９８１ 年张家楼
子测站数据，而且该站在 ８０年代取消观测．由于获取
资料的限制，本研究利用张家楼子测站（４２．１２° Ｎ，
１２３．５１° Ｅ）１９７６—１９８１年径流量和泥沙量连续的月
观测数据，对 ＳＷＡＴ模型进行率定和验证．
６）ＳＷＡＴ模型的耕作管理情景的初始化操作，
汎河流域主产农作物为玉米、水稻、大豆等，其中玉
米、水稻占该地区农作物的绝大部分，故耕作方式选
用一年一熟春玉米和一年一熟春水稻． ＳＷＡＴ 模型
在定义施肥措施时有两种定义方法：一种是根据日
期，另一种是根据执行该措施时作物累计的热量单
位的比例．本研究采用第 ２ 种方法，这样模拟更贴近
真实情况．考虑到研究区域较小，且根据统计年鉴发
现铁岭市 ２００３—２０１３年的肥料使用情况变化不大，
故本文采用 １０年的平均化肥施用量．
７）应用率定好的 ＳＷＡＴ 模型对 ２００３—２０１２ 年
汎河流域的地表产水量、泥沙及总氮、总磷流失量进
行模拟，得到汎河流域中各 ＨＲＵ每年非点源污染负
荷情况，然后计算出泥沙、总氮和总磷的年平均值，
从而分析非点源污染的空间分布特征．同时，在 ＢＲＴ
模型中，将汎河流域 ２００３—２０１２ 年模拟的泥沙、总
氮和总磷的平均值作为因变量，将 ＳＷＡＴ 模型划分
的每一个 ＨＲＵ作为一个样点，共 １３６６个样点，每个
样点的土地利用类型、土壤类型、坡度、高程作为自
变量，构建了汎河流域不同环境因子对泥沙及总氮、
总磷的相对贡献率及各环境因子的边际效应．调用
Ｅｌｉｔｈ编写的 ＢＲＴ 方程包进行增强回归树分析［３０］ ．
设置学习速率为 ０．００５，每次抽取 ５０％的数据进行
分析，５０％用于训练，并进行 ５ 次交叉验证．ＢＲＴ 包
括 ７个变量（表 １）．其中泥沙量、总氮和总磷属于连
续型的因变量，变化范围分别是 ０ ～ ６２．１ ｔ·ｈｍ－２、
０～６７．６ ｋｇ·ｈｍ－２和 ０ ～ ３５．０ ｋｇ·ｈｍ－２；其余的 ４ 个
变量为自变量，土地利用类型和土壤类型为离散型
变量，而高程和坡度为连续型变量．
２　 结果与分析
２􀆰 １　 模型的率定与验证
构建的 ＳＷＡＴ 模型在张家楼子测站的径流量
和泥沙量率定及验证结果见表 ２．其中，１９７６ 年为模
型预热期，１９７７—１９７９ 年为率定期，１９８０—１９８１ 年
为验证期．利用模拟值和实测值的决定系数（Ｒ２）和
Ｎａｓｈ ⁃Ｓｕｔｃｌｉｆｆｅ系数（ＮＳＥ）作为模拟评价的指标 ．其
表 １　 非点源污染负荷中 ＢＲＴ模型中的变量信息
Ｔａｂｌｅ １　 Ｖａｒｉａｂｌｅｓ ｕｓｅｄ ｔｏ ｄｅｖｅｌｏｐ ｔｈｅ ＢＲＴ ｍｏｄｅｌ ｏｆ ＮＰＳ ｐｏｌｌｕｔｉｏｎ ｌｏａｄｓ
变量
Ｖａｒｉａｂｌｅ
定义
Ｄｅｆｉｎｉｔｉｏｎ
类型
Ｔｙｐｅ
均值±标准差
Ｍｅａｎ±ＳＤ
范围
Ｒａｎｇｅ
泥沙 Ｓｅｄｉｍｅｎｔ（ ｔ·ｈｍ－２） 因变量 Ｄｅｐｅｎｄｅｎｔ 连续 Ｃｏｎｔｉｎｕｏｕｓ ３．７０±８．５２ ０～６２．１
总氮 ＴＮ（ｋｇ·ｈｍ－２） 因变量 Ｄｅｐｅｎｄｅｎｔ 连续 Ｃｏｎｔｉｎｕｏｕｓ １９．１２±１９．５１ ０～６７．６
总磷 ＴＰ（ｋｇ·ｈｍ－２） 因变量 Ｄｅｐｅｎｄｅｎｔ 连续 Ｃｏｎｔｉｎｕｏｕｓ ３．８５±６．６０ ０～３５．０
土地利用类型 Ｌａｎｄ ｕｓｅ ｔｙｐｅ 自变量 Ｉｎｄｅｐｅｎｄｅｎｔ 分类 Ｃａｔｅｇｏｒｙ － －
土壤类型 Ｓｏｉｌ ｔｙｐｅ 自变量 Ｉｎｄｅｐｅｎｄｅｎｔ 分类 Ｃａｔｅｇｏｒｙ － －
高程 Ｅｌｅｖａｔｉｏｎ（ｍ） 自变量 Ｉｎｄｅｐｅｎｄｅｎｔ 连续 Ｃｏｎｔｉｎｕｏｕｓ １７８．９８±７６．１８ ４９．９～７０７．３
坡度 Ｓｌｏｐｅ（°） 自变量 Ｉｎｄｅｐｅｎｄｅｎｔ 连续 Ｃｏｎｔｉｎｕｏｕｓ １２．４３±１０．２４ ０～６９．７
４１９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
表 ２　 月径流及泥沙的模拟结果评价
Ｔａｂｌｅ ２　 Ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｍｏｎｔｈｌｙ
ｒｕｎｏｆｆ ａｎｄ ｓｅｄｉｍｅｎｔ
径流 Ｓｔｒｅａｍｆｌｏｗ
Ｒ２ ＮＳＥ
泥沙 Ｓｅｄｉｍｅｎｔ
Ｒ２ ＮＳＥ
率定 Ｃａｌｉｂｒａｔｉｏｎ
（１９７７—１９７９）
０．７２ ０．６７ ０．８５ ０．８３
验证 Ｖａｌｉｄａｔｉｏｎ
（１９８０—１９８１）
０．８２ ０．８２ ０．９３ ０．８９
中，Ｒ２模型回归的决定系数评价模拟值与实测值之
间的吻合程度．该值越大，表明模拟的结果越好，大
于 ０．６则认为模拟结果是满意的；ＮＳＥ 值越接近 １，
表明模型效率越高，如果为负值，表明模型模拟平均
值比直接使用实测平均值的可信度更低，在这里其
值大于 ０．５为基本满意，若大于 ０．７５，表明模拟结果
达到要求［３２－３４］ ．该站在率定期和验证期的 Ｒ２和 ＮＳＥ
都达到模型的要求，表明模型在汎河流域对径流及
污染物负荷模拟的适用性较好（图 ４）．张家楼子测
站没有时间段相匹配的营养物的监测，而浑河太子
河与汎河均属于辽河的支流．浑河太子河位于汎河
的南部，紧邻汎河，地理区位相似，土壤与土地利用
类型相差不大，总氮、总磷的产生条件相似．基于实
测数据的缺乏与地理区位的相似，参考浑河太子河
流域 ＳＷＡＴ模型的营养物设定的相关参数［２８－２９］，进
行汎河流域营养物的参数设置．另获取到研究区黄
河子测站（４２． ２５° Ｎ， １２３． ６２° Ｅ） ２００４ 年各月份、
２ ０１０年奇数月、２０１１年奇数月、２０１２年全年的总磷
图 ４　 １９７７—１９８１ 年实测 （Ⅰ）与模拟（Ⅱ）月径流（或泥
沙）数据的时间序列
Ｆｉｇ．４　 Ｔｉｍｅ⁃ｓｅｒｉｅｓ ｏｆ ｏｂｓｅｒｖｅｄ （Ⅰ） ａｎｄ ｐｒｅｄｉｃｔｅｄ ｄａｔａ （Ⅱ）
ｏｆ ｍｏｎｔｈｌｙ ｓｔｒｅａｍ ｆｌｏｗ ａｎｄ ｓｅｄｉｍｅｎｔ ｄｕｒｉｎｇ ｔｈｅ ｐｅｒｉｏｄ ｏｆ １９７７ ｔｏ
１９８１．
数据和 ２００４年全年的总氮数据．模拟结果与实测结
果相比较，发现总氮和总磷的模拟结果与研究区实
际情况较相似，参数值设置较合理．
２􀆰 ２　 非点源污染的空间分布特征
将研究区划分成 ５３ 个子流域，应用率定好的
ＳＷＡＴ模型对 ２００３—２０１２ 年的地表产水量、泥沙及
总氮、总磷流失量进行模拟，得到汎河流域中各
ＨＲＵ每年非点源污染负荷情况，然后计算出泥沙、
总氮和总磷的年平均值．模拟结果表明，总氮输出情
况具有最大的空间差异性，其标准差为 ２６􀆰 ２０
ｋｇ·ｈｍ－２，泥沙和总磷的空间差异性相对较小，分别
为 ９􀆰 ８７ ｔ·ｈｍ－２和 ７．７１ ｋｇ·ｈｍ－２ ．泥沙、总氮和总磷
负荷的最大值分别为 ６２．１ ｔ·ｈｍ－２、６７．６ ｋｇ·ｈｍ－２和
３５．０ ｋｇ·ｈｍ－２ ．其具体空间分布见图 ５．
总氮流失的平均值为 １９．１２ ｋｇ·ｈｍ－２，比总磷
的流失量大（３．８５ ｋｇ·ｈｍ－２）．总磷负荷的空间分布
与泥沙分布极为相似，图 ６显示泥沙分别与总氮、总
磷的线性拟合结果，其中泥沙与总磷拟合的Ｒ２值为
图 ５　 ２００３—２０１２年间年平均泥沙（Ｓ）、总氮、总磷输出的空
间分布
Ｆｉｇ．５　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ａｖｅｒａｇｅ ｙｅａｒｌｙ ｏｕｔｐｕｔｓ ｏｆ ｓｅｄｉｍｅｎｔ
（Ｓ）， ＴＮ ａｎｄ ＴＰ ｄｕｒｉｎｇ ｔｈｅ ｐｅｒｉｏｄ ｏｆ ２００３ ｔｏ ２０１２．
５１９３期　 　 　 　 　 　 　 　 　 　 　 　 尹　 才等： 基于增强回归树的流域非点源污染影响因子分析　 　 　 　 　 　
图 ６　 泥沙与总氮、总磷的线性拟合
Ｆｉｇ．６　 Ｌｉｎｅａｒ ｆｉｔ ｏｆ ｓｅｄｉｍｅｎｔ ｗｉｔｈ ｂｏｔｈ ＴＮ ａｎｄ ＴＰ．
０．８９，表明两者有着极强的相关性．
２􀆰 ３　 非点源污染影响因子分析
利用 ＢＲＴ 方法分析了环境因子（土地利用类
型、土壤类型、高程、坡度）对非点源污染的影响．结
果表明，坡度与载体泥沙、总氮和总磷均呈正相关关
系（Ｐ＜０．００１），对产沙量影响最大，决定了其变异的
４６．５％（图 ７）．其他变量对载体泥沙的贡献率由大到
小为：土地利用类型（２７．２％）＞高程（１９．１％）＞土壤
图 ７　 环境因子分别对泥沙、总氮和总磷输出的相对影响
Ｆｉｇ．７　 Ｒｅｌａｔｉｖｅ ｉｎｆｌｕｅｎｃｅｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｆａｃｔｏｒｓ ｔｏ ｓｅｄｉｍｅｎｔ，
ＴＮ ａｎｄ ＴＰ ｏｕｔｐｕｔｓ．
Ⅰ： 坡度 Ｓｌｏｐｅ； Ⅱ： 土地利用类型 Ｌａｎｄ ｕｓｅ ｔｙｐｅ； Ⅲ： 高程 Ｅｌｅｖａ⁃
ｔｉｏｎ； Ⅳ： 土壤类型 Ｓｏｉｌ ｔｙｐｅ．
类型（７．１％）．各变量对产沙量的边际效应表明了泥
沙的产生最可能发生在陡坡、中等高程（约 ２９０ ｍ）、
旱地和土壤类型为草甸土或褐色土的地区（图 ８）．
对于流域非点源污染中总氮的流失量来讲，土
地利用类型为主要的影响因子，其贡献率为 ６２．１％，
而高程、土壤类型及坡度对总氮流失量的贡献率分
图 ８　 环境因子对流域产沙量（Ｓ）及总氮、总磷流失量的边际效应
Ｆｉｇ．８　 Ｍａｒｇｉｎａｌ ｅｆｆｅｃｔ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｆａｃｔｏｒｓ ｔｏ ｓｅｄｉｍｅｎｔ ｙｉｅｌｄ （Ｓ）， ＴＮ， ＴＰ ｌｏｓｓ ｏｆ ｗａｔｅｒｓｈｅｄ．
Ⅰ： 草地 Ｇｒａｓｓｌａｎｄ； Ⅱ：灌木地 Ｓｈｒｕｂｌａｎｄ； Ⅲ：旱地 Ｄｒｙｌａｎｄ； Ⅳ：居民地 Ｒｅｓｉｄｅｎｃｅ； Ⅴ：水田 Ｐａｄｄｙ； Ⅵ：水域 Ｗａｔｅｒ； Ⅶ：有林地 Ｆｏｒｅｓｔ ｌａｎｄ；
Ⅷ： 草甸土 Ｍｅａｄｏｗ ｓｏｉｌ； Ⅸ： 潮棕壤 Ｔｉｄａｌ ｓｏｉｌ； Ⅹ： 褐土 Ｃｉｎｎａｍｏｎ ｓｏｉｌ； Ⅺ： 水稻土 Ｐａｄｄｙ； Ⅻ： 棕壤 Ｂｒｏｗｎ ｓｏｉｌ．
６１９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
别为 １７．３％、１１．７％和 ９．０％（图 ７）．从图 ８可以看出，
农业用地（包括旱地和水田）最易产生氮营养物的
流失，褐色土壤中氮的流失明显高于其他类型的土
壤，坡度与氮流失总体上呈正相关性，而高程与氮流
失呈明显的负相关性．
　 　 对于流域非点源污染中总磷的流失量来讲，坡
度和土地利用类型仍为最主要的贡献因子，贡献率
分别为 ３８．２％和 ３５．３％．总体上，流域内总磷的流失
与产沙量十分类似．同时，比较泥沙和总磷中各自变
量的边际效应可以看出，各变量对它们的边际效应
相对大小也极具相似性（图 ８）．
３　 讨　 　 论
由流域非点源污染的模拟结果可知，流域内总
氮的流失量是总磷流失量的 ２ 倍多，这主要是因为
植物生长过程中对氮的需求量多于磷，农田肥料中
氮的含量高于磷，过量的肥料会随降雨汇入河道，最
终导致流域内的非点源污染．对模型输出的泥沙和
总磷做线性回归分析，得到 Ｒ２值为 ０．８９，说明两者
具有极大的相关性，这是由于泥沙的表面是不规则
和粗糙的，泥沙的内部存在着各种尺度的空隙；磷进
入水体后大多数被泥沙颗粒吸附，泥沙成为是磷流
失的主要载体，携带了大量的磷，而雨水侵蚀导致土
壤流失，使得进入水体的非溶解性磷占总流失磷量
的绝大部分．同时，在变化的河湖水动力条件下，通
过泥沙的再悬浮，磷可能被重新释放到水体中，产生
二次磷污染［３５］ ．
坡度对泥沙的运移和总磷负荷有着十分重要的
作用．这种强相关性主要是因为在坡度陡的地方，泥
沙和营养物对降雨和重力作用的响应更为显著．虽
然在模型模拟期间不同坡度分类可能会对污染物的
产生和分布造成一定的影响，但总体来说，当坡度在
２７°—３５°之间，泥沙的运输和营养物流失最为明显；
坡度超过 ３５°之后，坡度因子的影响开始趋于平稳．
这是因为地表径流随着坡度的增加会逐渐增大，对
泥沙的侵蚀作用更明显，同时造成营养物的流失增
多；当坡度大于 ３５°之后，土地主要被森林覆盖，减
弱了降雨对泥沙的侵蚀，减少了营养物的流失．
不同土地利用方式对总氮的贡献率接近高程的
３倍，水田和旱地为氮营养物流失的主要来源，其次
为居民用地；同时，这 ３种土地利用类型为人类活动
影响最大的地区．人类主要通过使用氮肥，排放大量
的氮污染物到环境中，对环境造成负面影响．土地利
用类型为泥沙和总磷输出量的第二大影响因子，其
中旱地影响最大，这是由于旱地受人类农耕活动的
影响，水土保持能力最差，而人类使用的磷随着水土
流失而进入河道，导致严重的水体污染．不同的土地
利用类型对非点源污染的影响各不相同，其中有林
地、草地和灌木丛可以减少泥沙和总磷输出，具有较
强的水土保持能力，因此增加地表的植被覆盖度能
有效地减少环境的非点源污染．
高程为总氮输出的第二大影响因子．随着高程
的增加，对总氮负荷的影响减小，这主要与地形特征
有关．在汎河流域，平原地势平缓，海拔较低，以耕地
为主；而林地主要位于海拔较高的山区，土地的覆盖
类型对总氮的输出起着十分重要的作用．更重要的
是，人类活动主要集中在低海拔地区．虽然高程因子
对这 ３种污染物相对贡献比例没有太大的差别，但
该因子对泥沙和总磷的边际效应均在 ２９０ ｍ左右出
现峰值，然后急剧下降，到 ３３０ ｍ 左右达到平稳状
态．本研究进一步发现，高程为 ２９０ ｍ 的区域为主要
支流集水区，河岸两边的土壤易受河流的侵蚀，泥沙
中携带大量的磷随河道向下转移．
在影响泥沙和总磷输出的因子中，土壤类型的
相对重要性最小．各种土壤类型的边际效应从高到
低依次为草甸土、褐色土、水稻土、棕壤和潮棕壤．土
壤侵蚀度用于表征土壤抗侵蚀的能力，与土壤自身
的特征有关［３６］ ．通常，土壤的下渗速率越快，有机质
含量越高，其抵抗侵蚀的能力就越强．与黏土相比，
砂土和壤土具有更高的抗侵蚀性．经常实施耕作的
土壤有机质含量低，导致其易侵蚀度增加．另外，汎
河流域中棕壤的面积占到总面积的 ７０％，而潮棕壤
面积不到总面积的 １％，使得潮棕壤在流域中的代
表性减小．在影响总氮输出的因子中，土壤类型的相
对重要性排在第三，其中褐色土的边际效应最高，是
造成氮流失最重要的土壤类型．
非点源污染的产生是自然过程和人类活动共同
作用的结果．泥沙和磷的流失主要与自然过程有关，
而氮的流失却十分依赖人类活动．人类活动能够产
生非点源污染，也可以通过合理安排人类活动，管理
和控制非点源污染的产生，达到减缓和治理非点源
污染的目的．对污染源的控制和管理可考虑如下策
略：１）减少氮肥的使用量，避免其过多流入环境中；
２）改进农田耕作措施，尽量避免在坡度较陡的地区
种植作物；３）增加土地的植被覆盖度；４）在河岸两
边加强水土保持措施．
农田产生的总氮居于首位，控制农耕过程中产
生的氮流失是非常必要的．氮是大多数植物生长所
７１９３期　 　 　 　 　 　 　 　 　 　 　 　 尹　 才等： 基于增强回归树的流域非点源污染影响因子分析　 　 　 　 　 　
需的关键限制性元素，然而随施肥进入环境中的大
量氮素对环境产生了严重的负面效应，已有研究表
明，一定范围内减少氮肥的施用量不会降低作物产
量，高效的施肥策略可以达到经济及环境的共
赢［３７］ ．
本研究结果表明，在坡度大 ２７°以后，农田产生
的泥沙及总氮、总磷流失量增加尤为显著．建议在大
于 ２５°以上坡面，按照国家有关规定退耕、植树种
草；耕地短缺、退耕确有困难的，应当修建梯田或者
采取其他水土保持措施．
有林地产生的泥沙及总氮、总磷均处于较低水
平，在无植被和低植被覆盖区，土壤侵蚀量显著增
加，最有效的方法是减少裸地，增加有林地，利用植
被冠层截流作用，避免雨水对地表土壤的直接侵蚀．
建设河岸缓冲带是减缓非点源污染、保护水质
行之有效的措施之一［３８－３９］ ．在进行水体防护措施
时，应适当考虑河岸缓冲带的设计，设置保护措施，
通过一系列的物理、化学和生物效应来运移和削减
泥沙及非点源污染．
４　 结　 　 论
在汎河流域，坡度与载体泥沙、总氮和总磷均呈
正相关关系（Ｐ＜０．０１），对泥沙和总磷有显著影响，
其贡献率分别为 ４６．５％、３８．２％；土地利用类型对泥
沙、总氮和总磷的负荷量均有重要影响，其贡献率分
别达到 ２７．２％、６２．１％和 ３５．３％；高程较低、坡度较缓
的耕地易产生较高的总磷负荷量；褐色土壤最易流
失总磷，而草甸土易流失总磷，且易受泥沙侵蚀．非
点源污染的控制和管理有较强的复杂性，通过环境
因子的相互组合来更好地控制泥沙及非点源污染是
今后值得研究的问题．
ＢＲＴ方法能够有效定量研究非点源污染的各
影响因子的贡献量．ＢＲＴ 模型具有自变量无需做额
外处理、考虑到了自变量和因变量之间的复杂非线
性关系和可以得到精确定量化的回归结果等的优
点，因此 ＢＲＴ方法适合用来定量分析非点源污染及
其影响因子之间的复杂非线性关系．
参考文献
［１］　 Ｈｅ Ｃ⁃Ｈ （贺缠生）， Ｆｕ Ｂ⁃Ｊ （傅伯杰）， Ｃｈｅｎ Ｌ⁃Ｄ （陈
利顶）． Ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｃｏｎｔｒｏｌ ａｎｄ ｍａｎａｇｅ⁃
ｍｅｎｔ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ （环境科学）， １９９８， １９
（５）： ８８－９２， ９７ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｇｒｉｆｆｉｔｈ ＪＡ． Ｇｅｏｇｒａｐｈｉｃ ｔｅｃｈｎｉｑｕｅｓ ａｎｄ ｒｅｃｅｎｔ ａｐｐｌｉｃａ⁃
ｔｉｏｎｓ ｏｆ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｏ ｌａｎｄｓｃａｐｅ⁃ｗａｔｅｒ ｑｕａｌｉｔｙ ｓｔｕ⁃
ｄｉｅｓ． Ｗａｔｅｒ， Ａｉｒ， ａｎｄ Ｓｏｉｌ Ｐｏｌｌｕｔｉｏｎ， ２００２， １３８： １８１－
１９７
［３］　 Ｊｉｎ Ｊ⁃Ｌ （金婧靓）， Ｗａｎｇ Ｆ⁃Ｅ （王飞儿）， Ｄａｉ Ｌ⁃Ｙ （戴
露莹）， ｅｔ ａｌ． Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕ⁃
ｔｉｏｎ ｉｎ Ｔｉａｏｘｉ ｗａｔｅｒｓｈｅｄ ａｎｄ ｒｅｌａｔｅｄ ａｆｆｅｃｔｉｎｇ ｆａｃｔｏｒｓ．
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报），
２０１１， ２２（８）： ２１１９－２１２５ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｙａｎｇ Ａ⁃Ｌ （杨爱玲）， Ｚｈｕ Ｙ⁃Ｍ （朱颜明）． Ｔｈｅ ｓｔｕｄｙ
ｏｆ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｗａｔｅｒ ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ． Ａｄｖａｎｃｅｓ ｉｎ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ （环境科学进
展）， １９９９， ７（５）： ６０－６７ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｂａｃｉｃ ＩＬＺ， Ｒｏｓｓｉｔｅｒ ＤＧ， Ｂｒｅｇｔ ＡＫ． Ｕｓｉｎｇ ｓｐａｔｉａｌ ｉｎｆｏｒ⁃
ｍａｔｉｏｎ ｔｏ ｉｍｐｒｏｖｅ ｃｏｌｌｅｃｔｉｖｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｏｆ ｓｈａｒｅｄ ｅｎ⁃
ｖｉｒｏｎｍｅｎｔａｌ ｐｒｏｂｌｅｍｓ ａｔ ｗａｔｅｒｓｈｅｄ ｌｅｖｅｌ． Ｌａｎｄｓｃａｐｅ ａｎｄ
Ｕｒｂａｎ Ｐｌａｎｎｉｎｇ， ２００６， ７７： ５４－６６
［６］　 Ｇｒａｆ Ａ， Ｂｏｇｅｎａ ＨＲ， Ｄｒüｅ Ｃ， ｅｔ ａｌ． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｒｅｌａ⁃
ｔｉｏｎｓ ｂｅｔｗｅｅｎ ｗａｔｅｒ ｂｕｄｇｅｔ ｃｏｍｐｏｎｅｎｔｓ ａｎｄ ｓｏｉｌ ｗａｔｅｒ
ｃｏｎｔｅｎｔ ｉｎ ａ ｆｏｒｅｓｔｅｄ ｔｒｉｂｕｔａｒｙ ｃａｔｃｈｍｅｎｔ． Ｗａｔｅｒ Ｒｅ⁃
ｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ， ２０１４， ５０： ４８３７－４８５７
［７］　 Ｒｕｉ Ｘ⁃Ｆ （芮孝芳）， Ｌｉａｎｇ Ｘ （梁　 霄）． Ｐｒｅｓｅｎｔ ｓｉｔｕａ⁃
ｔｉｏｎ ａｎｄ ｆｕｔｕｒｅ ｏｆ ｈｙｄｒｏｌｏｇｙ． Ａｄｖａｎｃｅｓ ｉｎ Ｓｃｉｅｎｃｅ ａｎｄ
Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ （水利水电科技进展），
２０１１， ３１（２）： １－４ （ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｃｈａｈｏｒ Ｙ， Ｃａｓａｌｉ Ｊ， Ｇｉｍｅｎｅｚ Ｒ， ｅｔ ａｌ． Ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ
ＡｎｎＡＧＮＰＳ ｍｏｄｅｌ ｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｒｕｎｏｆｆ ａｎｄ ｓｅｄｉｍｅｎｔ
ｙｉｅｌｄ ｉｎ ａ ｓｍａｌｌ Ｍｅｄｉｔｅｒｒａｎｅａｎ ａｇｒｉｃｕｌｔｕｒａｌ ｗａｔｅｒｓｈｅｄ ｉｎ
Ｎａｖａｒｒｅ （ Ｓｐａｉｎ ）． Ａｇｒｉｃｕｌｔｕｒａｌ Ｗａｔｅｒ Ｍａｎａｇｅｍｅｎｔ，
２０１４， １３４： ２４－３７
［９］　 Ｚｈａｎｇ Ｚ⁃Ｙ （张展羽）， Ｓｉ Ｈ （司　 涵）， Ｋｏｎｇ Ｌ⁃Ｌ （孔
莉莉）． Ｍｉｇｒａｔｉｏｎ ｏｆ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｎｉｔｒｏｇｅｎ ａｎｄ ｐｈｏｓ⁃
ｐｈｏｒｕｓ ｉｎ ｓｍａｌｌ ｗａｔｅｒｓｈｅｄ ｂａｓｅｄ ｏｎ ＳＷＡＴ ｍｏｄｅｌ． Ｔｒａｎｓａ⁃
ｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
（农业工程学报）， ２０１３， ２９（２）： ９３－１００ （ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｌｉｕ Ｍ⁃Ｂ （刘梅冰）， Ｃｈｅｎ Ｘ⁃Ｗ （陈兴伟）， Ｃｈｅｎ Ｙ
（陈　 莹）． Ｍｕｌｔｉｐｌｅ ｔｉｍｅ ｓｃａｌｅｓ ａｎａｌｙｓｉｓ ｏｆ ｓｐａｔｉａｌ ｄｉｆ⁃
ｆｅｒｅｎｔｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｎｉｔｒｏｇｅｎ
ｌｏｓｓ ｗｉｔｈｉｎ ｗａｔｅｒｓｈｅｄ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ
Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１５， ２６（７）： ２１８３－２１９１
（ｉｎ Ｃｈｉｎｅｓｅ）
［１１］　 Ｍａ Ｇ⁃Ｗ （马广文）， Ｗａｎｇ Ｓ⁃Ｒ （王圣瑞）， Ｗａｎｇ Ｙ⁃Ｙ
（王业耀）， ｅｔ ａｌ． Ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｎｉｔｒｏｇｅｎ ａｎｄ ｐｈｏｓｐｈｏｒｕｓ ａｎｄ ｄｉｆｆｕｓｅ
ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｌｏａｄ ｓｉｍｕｌａｔｉｏｎ ｏｆ Ｐｏｙａｎｇ Ｌａｋｅ Ｂａｓｉｎ．
Ａｃｔａ Ｓｃｉｅｎｔｉａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ （环境科学学报）， ２０１５，
３５（５）： １２８５－１２９１ （ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｃｈａｎｇ Ｃ⁃Ｌ， Ｌｉｎ Ｙ⁃Ｔ． Ｕｓｉｎｇ ｔｈｅ ＶＩＫＯＲ ｍｅｔｈｏｄ ｔｏ ｅｖａ⁃
ｌｕａｔｅ ｔｈｅ ｄｅｓｉｇｎ ｏｆ ａ ｗａｔｅｒ ｑｕａｌｉｔｙ ｍｏｎｉｔｏｒｉｎｇ ｎｅｔｗｏｒｋ ｉｎ
ａ ｗａｔｅｒｓｈｅｄ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉ⁃
ｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０１４， １１： ３０３－３１０
［１３］　 Ｋａｉｇｌｏｖａ Ｊ， Ｌａｎｇｈａｍｍｅｒ Ｊ． Ａｎａｌｙｓｉｓ ｏｆ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｐｏｌ⁃
ｌｕｔｉｏｎ ｒｅｄｕｃｔｉｏｎ ｍｅａｓｕｒｅｓ ｉｎ ｒｕｒａｌ ｂａｓｉｎ ｕｓｉｎｇ ＭＩＫＥ Ｂａ⁃
ｓｉｎ ｍｏｄｅｌ． Ｃａｓｅ ｓｔｕｄｙ： Ｏｌｓａｖａ Ｒｉｖｅｒ Ｂａｓｉｎ． Ｊｏｕｒｎａｌ ｏｆ
Ｈｙｄｒｏｌｏｇｙ ａｎｄ Ｈｙｄｒｏｍｅｃｈａｎｉｃｓ， ２０１４， ６２： ４３－５４
［１４］　 Ｌｕｏ Ｙ⁃Ｘ （罗运祥）， Ｓｕ Ｂ⁃Ｌ （苏保林）， Ｙａｎｇ Ｗ⁃Ｚ
（杨武志）， ｅｔ ａｌ． Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｎｏｎ⁃
ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｉｎ ｔｈｅ Ｃｈａｉｈｅ ｒｅｓｅｒｖｏｉｒ ｃａｔｃｈｍｅｎｔ
ｕｓｉｎｇ ＳＷＡＴ． Ｊｏｕｒｎａｌ ｏｆ Ｂｅｉｊｉｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ
（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） （北京师范大学学报：自然科学
版）， ２０１２， ４８（５）： ５１０－５１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｇｅｎｇ Ｒ⁃Ｚ （耿润哲）， Ｗａｎｇ Ｘ⁃Ｙ （王晓燕）， Ｄｕａｎ Ｓ⁃Ｈ
（段淑怀）， ｅｔ ａｌ． Ａ ｔｏｏｌ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｂｅｓｔ ｍａｎａｇｅｍｅｎｔ
ｐｒａｃｔｉｃｅｓ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｆｏｒ ａｇｒｉｃｕｌｔｕｒａｌ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ
ｐｏｌｌｕｔｉｏｎ ｃｏｎｔｒｏｌ ｂａｓｅｄ ｏｎ ｔｈｅ ＭＳ ＡＣＣＥＳＳ． Ａｃｔａ Ｓｃｉｅｎｔｉ⁃
ａｅ Ｃｉｒｃｕｍｓｔａｎｔｉａｅ （环境科学学报）， ２０１３， ３３（１２）：
８１９ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
３２９２－３３００ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ａｓｌａｎ Ａ， Ｔｒａｕｔｈ ＫＭ． Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｄｅｍｏｎｓｔｒａｔｉｏｎ ｏｆ
ａ ｇｉｓ⁃ｂａｓｅｄ ｃｕｍｕｌａｔｉｖｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ａｐｐｒｏａｃｈ ｔｏ ｂｕｆｆｅｒ
ｄｅｓｉｇｎ ａｎｄ ｅｖａｌｕａｔｉｏｎ． Ｊｏｕｒｎａｌ ｏｆ Ｉｒｒｉｇａｔｉｏｎ ａｎｄ Ｄｒａｉ⁃
ｎａｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１４， １４０： ５７５－５７５
［１７］　 Ｃｈｅｎ Ｌ， Ｚｈｏｎｇ Ｙ， Ｗｅｉ Ｇ， ｅｔ ａｌ． Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｎ ｉｎ⁃
ｔｅｇｒａｔｅｄ ｍｏｄｅｌｉｎｇ ａｐｐｒｏａｃｈ ｆｏｒ ｉｄｅｎｔｉｆｙｉｎｇ ｍｕｌｔｉｌｅｖｅｌ
ｎｏｎ⁃ｐｏｉｎｔ⁃ｓｏｕｒｃｅ ｐｒｉｏｒｉｔｙ ｍａｎａｇｅｍｅｎｔ ａｒｅａｓ ａｔ ｔｈｅ ｗａｔｅｒ⁃
ｓｈｅｄ ｓｃａｌｅ． Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ， ２０１４， ５０： ４０９５－
４１０９
［１８］　 Ｎｅｓｈａｔ Ａ， Ｐｒａｄｈａｎ Ｂ， Ｄａｄｒａｓ Ｍ． Ｇｒｏｕｎｄｗａｔｅｒ ｖｕｌｎｅｒａ⁃
ｂｉｌｉｔｙ ａｓｓｅｓｓｍｅｎｔ ｕｓｉｎｇ ａｎ ｉｍｐｒｏｖｅｄ ＤＲＡＳＴＩＣ ｍｅｔｈｏｄ ｉｎ
ＧＩＳ． Ｒｅｓｏｕｒｃｅｓ Ｃｏｎｓｅｒｖａｔｉｏｎ ａｎｄ Ｒｅｃｙｃｌｉｎｇ， ２０１４， ８６：
７４－８６
［１９］　 Ｗｉｌｋｉｎｓｏｎ ＳＮ， Ｄｏｕｇａｌｌ Ｃ， Ｋｉｎｓｅｙ⁃Ｈｅｎｄｅｒｓｏｎ ＡＥ， ｅｔ ａｌ．
Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａ ｔｉｍｅ⁃ｓｔｅｐｐｉｎｇ ｓｅｄｉｍｅｎｔ ｂｕｄｇｅｔ ｍｏｄｅｌ
ｆｏｒ ａｓｓｅｓｓｉｎｇ ｌａｎｄ ｕｓｅ ｉｍｐａｃｔｓ ｉｎ ｌａｒｇｅ ｒｉｖｅｒ ｂａｓｉｎｓ． Ｓｃｉ⁃
ｅｎｃｅ ｏｆ ｔｈｅ Ｔｏｔａｌ Ｅｎｖｉｒｏｎｍｅｎｔ， ２０１３， ４６８： １２１０－１２２４
［２０］　 Ｙｕ Ｗ⁃Ｊ （余文君）， Ｎａｎ Ｚ⁃Ｔ （南卓铜）， Ｚｈａｏ Ｙ⁃Ｂ
（赵彦博）， ｅｔ ａｌ． Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ｓｎｏｗｍｅｌｔ ｉｍｐｌｅｍｅｎｔａ⁃
ｔｉｏｎ ｉｎ ｔｈｅ ＳＷＡＴ ｈｙｄｒｏｌｏｇｉｃ ｍｏｄｅｌ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉ⁃
ｃａ （生态学报）， ２０１３， ３３（２１）： ６９９２－７００１ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２１］　 Ｗｅｉ Ｃ （魏　 冲）， Ｓｏｎｇ Ｘ （宋 　 轩）， Ｃｈｅｎ Ｊ （陈 　
杰）． Ｓｅｎｓｉｔｉｖｉｔｙ ａｎａｌｙｓｉｓ ｏｆ ｓｗａｔ ｍｏｄｅｌ ｏｎ ｃｈａｎｇｅｓ ｏｆ
ｌａｎｄｓｃａｐｅ ｐａｔｔｅｒｎ： Ａ ｃａｓｅ ｓｔｕｄｙ ｆｒｏｍ Ｌａｏ Ｇｕａｎｈｅ Ｗａ⁃
ｔｅｒｓｈｅｄ ｉｎ Ｄａｎｊｉａｎｇｋｏｕ Ｒｅｓｅｒｖｏｉｒ ａｒｅａ． Ａｃｔａ Ｅｃｏｌｏｇｉｃａ
Ｓｉｎｉｃａ （生态学报）， ２０１４， ３４（２）： ５１７－５２５ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２２］　 Ｙｕａｎ Ｙ⁃Ｚ （袁宇志）， Ｚｈａｎｇ Ｚ⁃Ｄ （张正栋）， Ｍｅｎｇ Ｊ⁃
Ｈ （蒙金华）． Ｉｍｐａｃｔ ｏｆ ｃｈａｎｇｅｓ ｉｎ ｌａｎｄ ｕｓｅ ａｎｄ ｃｌｉｍａｔｅ
ｏｎ ｔｈｅ ｒｕｎｏｆｆ ｉｎ Ｌｉｕｘｉｈｅ ｗａｔｅｒｓｈｅｄ ｂａｓｅｄ ｏｎ ＳＷＡＴ
ｍｏｄｅｌ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学
报）， ２０１５， ２６（４）： ９８９－９９８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｌｉ Ｃ⁃Ｌ （李春林）， Ｈｕ Ｙ⁃Ｍ （胡远满）， Ｌｉｕ Ｍ （刘　
淼）， ｅｔ ａｌ． Ｕｒｂａｎ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ： Ｒｅｓｅａｒｃｈ
ｐｒｏｇｒｅｓｓ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学杂志），
２０１３， ３２（３）： ４９２－５００ （ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｈａｏ Ｆ⁃Ｈ （郝芳华）， Ｃｈｅｎ Ｌ⁃Ｑ （陈利群）， Ｌｉｕ Ｃ⁃Ｍ
（刘昌明）， ｅｔ ａｌ． Ｉｍｐａｃｔ ｏｆ ｌａｎｄ ｕｓｅ ｃｈａｎｇｅ ｏｎ ｒｕｎｏｆｆ
ａｎｄ ｓｅｄｉｍｅｎｔ ｙｉｅｌｄ． Ｊｏｕｒｎａｌ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａ⁃
ｔｉｏｎ （水土保持学报）， ２００４， １８（３）： ５－８ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２５］　 Ｚｈａｎｇ Ｘ⁃Ｓ （张雪松）， Ｈａｏ Ｆ⁃Ｈ （郝芳华）， Ｙａｎｇ Ｚ⁃Ｆ
（杨志峰）， ｅｔ ａｌ． Ｒｕｎｏｆｆ ａｎｄ ｓｅｄｉｍｅｎｔ ｙｉｅｌｄ ｍｏｄｅｌｉｎｇ ｉｎ
ｍｅｓｏ⁃ｓｃａｌｅ ｗａｔｅｒｓｈｅｄ ｂａｓｅｄ ｏｎ ＳＷＡＴ ｍｏｄｅｌ． Ｒｅｓｅａｒｃｈ
ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ （水土保持研究），
２００３， １０（４）： ３８－４２ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］　 Ｈｕ Ｘ⁃Ｔ （胡雪涛）， Ｃｈｅｎ Ｊ⁃Ｎ （陈吉宁）， Ｚｈａｎｇ Ｔ⁃Ｚ
（张天柱 ）． Ａ ｓｔｕｄｙ ｏｎ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ
ｍｏｄｅｌｓ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ （环境科学）， ２００２， ２３
（３）： １２４－１２８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｇｏｒｇａｎ Ｄ， Ｂａｃｕ Ｖ， Ｍｉｈｏｎ Ｄ， ｅｔ ａｌ． Ｇｒｉｄ ｂａｓｅｄ ｃａｌｉｂｒａ⁃
ｔｉｏｎ ｏｆ ＳＷＡＴ ｈｙｄｒｏｌｏｇｉｃａｌ ｍｏｄｅｌｓ． Ｎａｔｕｒａｌ Ｈａｚａｒｄｓ ａｎｄ
Ｅａｒｔｈ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅ， ２０１２， １２： ２４１１－２４２３
［２８］　 Ｌｉｕ Ｍ， Ｈｕ Ｙ， Ｚｈａｎｇ Ｗ， ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｌａｎｄ⁃ｕｓｅ
ｃｈａｎｇｅ ｍｏｄｅｌ ｉｎ ｇｕｉｄｉｎｇ ｒｅｇｉｏｎａｌ ｐｌａｎｎｉｎｇ： Ａ ｃａｓｅ ｓｔｕｄｙ
ｉｎ Ｈｕｎ⁃Ｔａｉｚｉ Ｒｉｖｅｒ ｗａｔｅｒｓｈｅｄ， Ｎｏｒｔｈｅａｓｔ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ
Ｇｅｏｇｒａｐｈｉｃａｌ Ｓｃｉｅｎｃｅ， ２０１１， ２１： ６０９－６１８
［２９］　 Ｚｈｕ Ｊ⁃Ｊ （朱君君）， Ｈｕ Ｙ⁃Ｍ （胡远满）， Ｌｉｕ Ｍ （刘　
淼）， ｅｔ ａｌ． Ｌａｎｄｓｃａｐｅ ｃｈａｎｇｅ ａｎｄ ｉｔｓ ｄｒｉｖｉｎｇ ｆｏｒｃｅｓ ｉｎ
Ｈｕｎ⁃Ｔａｉ ｒｉｖｅｒ ｂａｓｉｎ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态
学杂志）， ２０１１， ３０（１）： １１２－１１８ （ｉｎ Ｃｈｉｎｅｓｅ）
［３０］　 Ｅｌｉｔｈ Ｊ， Ｌｅａｔｈｗｉｃｋ ＪＲ， Ｈａｓｔｉｅ Ｔ． Ａ ｗｏｒｋｉｎｇ ｇｕｉｄｅ ｔｏ
ｂｏｏｓｔｅｄ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅｓ． Ｊｏｕｒｎａｌ ｏｆ Ａｎｉｍａｌ Ｅｃｏｌｏｇｙ，
２００８， ７７： ８０２－８１３
［３１］　 Ｐａｒｉｓｉｅｎ ＭＡ， Ｍｏｒｉｔｚ ＭＡ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｎｔｒｏｌｓ ｏｎ ｔｈｅ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｗｉｌｄｆｉｒｅ ａｔ ｍｕｌｔｉｐｌｅ ｓｐａｔｉａｌ ｓｃａｌｅｓ． Ｅｃｏｌｏｇｉ⁃
ｃａｌ Ｍｏｎｏｇｒａｐｈｓ， ２００９， ７９： １２７－１５４
［３２］　 Ｎａｓｈ ＪＥ， Ｓｕｔｃｌｉｆｆｅ ＪＶ． Ｒｉｖｅｒ ｆｌｏｗ ｆｏｒｅｃａｓｔｉｎｇ ｔｈｒｏｕｇｈ
ｃｏｎｃｅｐｔｕａｌ ｍｏｄｅｌｓ ｐａｒｔ Ｉ ： Ａ ｄｉｓｃｕｓｓｉｏｎ ｏｆ ｐｒｉｎｃｉｐｌｅｓ．
Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， １９７０， １０： ２８２－２９０
［３３］　 Ｍｏｒｉａｓｉ ＤＮ， Ａｒｎｏｌｄ ＪＧ， Ｖａｎ Ｌｉｅｗ ＭＷ， ｅｔ ａｌ． Ｍｏｄｅｌ
ｅｖａｌｕａｔｉｏｎ ｇｕｉｄｅｌｉｎｅｓ ｆｏｒ ｓｙｓｔｅｍａｔｉｃ ｑｕａｎｔｉｆｉｃａｔｉｏｎ ｏｆ ａｃ⁃
ｃｕｒａｃｙ ｉｎ ｗａｔｅｒｓｈｅｄ ｓｉｍｕｌａｔｉｏｎｓ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ
Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｂｉｏｌｏｇｉｃａｌ Ｅｎｇｉ⁃
ｎｅｅｒｓ， ２００７， ５０： ８８５－９００
［３４］　 Ｃａｓｔｉｌｌｏ ＣＲ， Ｇｕｎｅｒａｌｐ Ｉ， Ｇｕｎｅｒａｌｐ Ｂ． Ｉｎｆｌｕｅｎｃｅ ｏｆ ｃｈａｎ⁃
ｇｅｓ ｉｎ ｄｅｖｅｌｏｐｅｄ ｌａｎｄ ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｎ ｈｙｄｒｏｌｏｇｙ ｏｆ ａ
ｃｏａｓｔａｌ Ｔｅｘａｓ ｗａｔｅｒｓｈｅｄ． Ａｐｐｌｉｅｄ Ｇｅｏｇｒａｐｈｙ， ２０１４， ４７：
１５４－１６７
［３５］　 Ｘｉａｏ Ｙ （肖　 洋）， Ｌｕ Ｑ （陆　 奇）， Ｃｈｅｎｇ Ｈ⁃Ｋ （成
浩科）， ｅｔ ａｌ． Ｓｕｒｆａｃｅ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｓｅｄｉｍｅｎｔｓ ａｎｄ ｉｔｓ
ｅｆｆｅｃｔ ｏｎ ｐｈｏｓｐｈｏｒｕｓ ａｄｓｏｒｐｔｉｏｎ． Ｊｏｕｒｎａｌ ｏｆ Ｓｅｄｉｍｅｎｔ Ｒｅ⁃
ｓｅａｒｃｈ （泥沙研究）， ２０１１（６）： ６４－６８ （ｉｎ Ｃｈｉｎｅｓｅ）
［３６］　 Ｂｅｒｍｕｄｅｚ⁃Ｃｏｕｓｏ Ａ， Ｆｅｒｎａｎｄｅｚ⁃Ｃａｌｖｉｎｏ Ｄ， Ａｌｖａｒｅｚ⁃Ｅｎｊｏ
ＭＡ， ｅｔ ａｌ． Ｐｏｌｌｕｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｗａｔｅｒｓ ｂｙ ｍｅｔａｌａｘｙｌ ａｎｄ
ｎｉｔｒａｔｅ ｆｒｏｍ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅｓ． Ｓｃｉｅｎｃｅ ｏｆ ｔｈｅ Ｔｏｔａｌ Ｅｎｖｉ⁃
ｒｏｎｍｅｎｔ， ２０１３， ４６１： ２８２－２８９
［３７］　 Ｇｏｏｄ ＡＧ， Ｂｅａｔｔｙ ＰＨ． Ｆｅｒｔｉｌｉｚｉｎｇ Ｎａｔｕｒｅ： Ａ Ｔｒａｇｅｄｙ ｏｆ
Ｅｘｃｅｓｓ ｉｎ ｔｈｅ Ｃｏｍｍｏｎｓ． ＰＬｏＳ Ｂｉｏｌｏｇｙ， ２０１１， ９（８）：
ｅ１００１１２４
［３８］　 Ｗａｎｇ Ｌ⁃Ｍ （王良民）， Ｗａｎｇ Ｙ⁃Ｈ （王彦辉）． Ｒｅｓｅａｒｃｈ
ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ａｄｖａｎｃｅｓ ｏｎ ｖｅｇｅｔａｔｉｖｅ ｆｉｌｔｅｒ ｓｔｒｉｐ． Ｃｈｉ⁃
ｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报），
２００８， １９（９）： ２０７４－２０８０ （ｉｎ Ｃｈｉｎｅｓｅ）
［３９］　 Ｗａｎｇ Ｑ⁃Ｃ （王庆成）， Ｙｕ Ｈ⁃Ｌ （于红丽）， Ｙａｏ Ｑ （姚
琴）， ｅｔ ａｌ． Ｒｅｔａｉｎｉｎｇ ａｎｄ ｔｒａｎｓｆｏｒｍ ａｃｔｉｏｎ ｏｆ ｉｎｃｏｍｉｎｇ
ｓｏｉｌ Ｎ ｆｒｏｍ ｈｉｇｈｌａｎｄ ｔｏ ａｄｊａｃｅｎｔ ｔｅｒｒｅｓｔｒｉａｌ ｗａｔｅｒ ｂｏｄｙ ｉｎ
ｒｉｐａｒｉａｎ ｂｕｆｆｅｒ ｚｏｎｅ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ
（应用生态学报）， ２００７， １８（１１）： ２６１１ － ２６１７ （ ｉｎ
Ｃｈｉｎｅｓｅ）
作者简介　 尹　 才， 男， １９９０ 年生， 硕士研究生．主要从事
流域非点污染模拟及其评价管理研究． Ｅ⁃ｍａｉｌ： ｓｈｕｅｓ＿ｃｙｉｎ＠
１６３．ｃｏｍ
责任编辑　 肖　 红
尹才， 刘淼， 孙凤云， 等． 基于增强回归树的流域非点源污染影响因子分析． 应用生态学报， ２０１６， ２７（３）： ９１１－９１９
Ｙｉｎ Ｃ， Ｌｉｕ Ｍ， Ｓｕｎ Ｆ⁃Ｙ， ｅｔ ａｌ． Ｉｎｆｌｕｅｎｃｉｎｇ ｆａｃｔｏｒｓ ｏｆ ｎｏｎ⁃ｐｏｉｎｔ ｓｏｕｒｃｅ ｐｏｌｌｕｔｉｏｎ ｏｆ ｗａｔｅｒｓｈｅｄ ｂａｓｅｄ ｏｎ ｂｏｏｓｔｅｄ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅ ａｌｇｏ⁃
ｒｉｔｈｍ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（３）： ９１１－９１９ （ｉｎ Ｃｈｉｎｅｓｅ）
９１９３期　 　 　 　 　 　 　 　 　 　 　 　 尹　 才等： 基于增强回归树的流域非点源污染影响因子分析