Simulation and control of the evolution of construction land in Changzhutan metropolitan area under the constraints of ecological security pattern
-
摘要:
为探索生态安全格局下区域可持续发展模式，选取长株潭都市圈为研究对象，通过遥感数据识别2000—2020年建设用地变化情况，采用综合生态重要性评估模型和MCR（minimal cumulative resistance）模型构建都市圈生态安全格局，基于FLUS模型（future land use change scenario simulation model）设置自然发展(ND)、核心生态块保护(CEP)、生态安全格局约束(ESPR) 3种建设用地模拟情景，在模拟结果的基础上划定长株潭都市圈城镇开发边界。结果表明：2000—2020年长株潭都市圈建设用地扩张迅速，且由急速无序扩张转为缓速集中扩张；利用综合生态重要性评价得到极重要性生态用地共计2 649.54 km2，筛选得到生态源地共计1 204.38 km2，占研究区总面积的13.97%，并构建出长株潭都市圈综合生态安全格局；在ND、CEP、ESPR 3种情景模式下，2030年长株潭都市圈建设用地规模分别达到1 345.88、1 345.79和1 284.94 km2。基于ESPR情景划定城镇开发边界范围，可有效实现土地经济和生态效益的最大化，并为该地区的生态保护和土地利用规划提供参考。
Abstract:With the rapid development of urbanization, the contradiction between construction land and ecological land has become increasingly prominent. Controlling the expansion of urban construction land from the perspective of ecological security is the embodiment of ecological priority and green development in land and space planning in the new era. Changzhutan metropolitan area was selected as the research object, and the changes in construction land from 2000 to 2020 were identified through remote sensing data. The comprehensive ecological importance assessment model and the minimal cumulative resistance (MCR) model were used to construct the ecological security pattern of the metropolitan area. Based on the future land use change scenario simulation (FLUS) model, three construction land simulation scenarios of natural development (ND), core ecological block protection (CEP), and ecological security pattern restriction (ESPR) were set up. And the urban development boundary of Changzhutan metropolitan area was delineated on the basis of the simulation results. The results showed that from 2000 to 2020, the construction land in Changzhutan metropolitan area expanded very rapidly, and gradually changed from rapid and disorderly expansion to slow and concentrated expansion. By using the comprehensive ecological importance evaluation, it was concluded that the extremely important ecological land was 2 649.54 km², the ecological source area was 1 204.38 km², accounting for 13.97% of the total area of the study area, and the comprehensive ecological security pattern of Changzhutan metropolitan area was constructed. Under the three scenarios of ND, CEP and ESPR, the scale of construction land reached 1 345.88 km2, 1 345.79 km2 and 1 284.94 km2, respectively. The delineation of urban development boundaries based on ESPR scenarios could effectively maximize land economy and ecological benefits, and provide references for ecological protection and land use planning in the region.
-
以单因子指数法为代表的传统水质评价方法，是把特定的水质指标与规范标准进行比较，选取水质最差的类别作为评价结果[1-3]。水质指数（water quality index，WQI）是将多个水质监测指标的浓度值进行分级，并加权组合后转化为反映水质整体状况的单个值[4]。与传统的水质评价方法相比，WQI不仅能充分利用水质监测数据反映水质整体状况，还能用于不同监测断面之间的比较，确定水质空间变化趋势[4-5]。自1960年以来，WQI已逐渐被用于地表水和地下水的水质评价中[6-7]。
WQI评价方法在应用过程中不断被改进，如在发展中国家，通过考虑关键水质指标建立了改进WQI模型——最小水质指数（WQImin）[8]。如Pesce等[2]从20个水质指标中选择浊度、溶解氧（DO）以及电导率或总溶解固体建立阿根廷苏基亚河WQImin模型，Wu等[9]从15个水质指标中选择氨氮（NH3-N）、高锰酸盐指数（CODMn）、硝酸盐、DO和浊度建立中国巢湖流域WQImin模型，Nong等[10]从16个水质指标中选择总磷（TP）、粪大肠菌群、汞、水温（T）和DO建立中国南水北调工程的WQImin模型。WQImin和WQI结果之间存在高度相关性，由于水质指标的数量直接决定监测费用，而WQImin通过数量更少的水质指标，达到与WQI高度近似的评价结果，因而可节约当地管理部门在环境监测项目上的支出[11]。
受人类活动以及地理环境差异的影响，不同流域的污染物特征和污染程度相差悬殊，WQImin的关键指标也不尽相同[12]。川中丘陵地区是四川省农业的主体区域，不合理的农业耕作和肥料施用导致区域内非点源污染日益严重[13-14]，区域内沱江、嘉陵江水系水质超标情况时有发生[15-16]。已有研究多关注该地区的部分污染物或氮、磷等水质指标[17-20]，鲜有关于影响水质变化的关键指标的研究，并且由于监测断面较少和监测指标不足，水质评价结果未能真实反映河流水质整体状况。
笔者以琼江流域上游段作为川中丘陵地区的典型代表，为了经济且高效地评价当地河流水质的整体状况，提出仅考虑关键指标的WQImin。从25个水质指标中选择关键指标，建立并验证WQImin模型，再根据33个断面的监测数据，将最佳的WQImin应用于当地水质评价中，量化水体受污染程度，分析水质空间变化规律，以期为了解川中丘陵地区水质现状以及开展水环境质量评价提供参考。
1. 数据来源与研究方法
1.1 研究区概况
川中丘陵地区（103°15′E~108°30′E，27°35′N~32°52′N）位于四川盆地中部，面积约9万 km2，地处长江以北，涪江、嘉陵江、渠江等中下游[21]。琼江系涪江一级支流、嘉陵江二级支流，为川中丘陵地区典型河流，全长235 km，发源于四川省资阳市，流经遂宁市安居区、重庆市潼南区，至重庆市铜梁区汇入涪江。琼江流域上游段（105°00′46″E~105°39′26″E，30°07′03″N~30°32′39″N）位于川中丘陵地区腹地，区域内琼江干流全长130.8 km，主要支流为蟠龙河、石洞河、会龙河和玉丰河，流域面积为1 591.8 km2（图1）。地势西高东低，主要为中、浅切割的丘陵地貌[22]。琼江流域上游段主要涉及资阳市乐至县、安岳县和遂宁市安居区，2018年农业人口分别占当地总人口的87.3%、85.1%、90.0%，农业生产总值分别占地区生产总值（GDP）的15.5%、23.6%、23.9%[23]。
![]()
图 1 琼江流域上游段水系及监测断面分布Figure 1. Distribution of water system and monitoring sections in the upper reaches of Qiongjiang River Basin1.2 数据来源
共收集琼江流域上游段33个干支流断面的水质监测数据，监测的水质指标信息如表1所示。监测断面涵盖了琼江干流以及蟠龙河、石洞河、会龙河、玉丰河4条主要支流，位置如图1所示。其中，跑马滩断面位于四川省的遂宁市与资阳市交界处 ，为国控断面；大安断面位于四川省遂宁市与重庆市潼南区交界处，为省控断面。大安、跑马滩断面水质监测数据来源于遂宁市生态环境局；其他31个干支流为常规监测断面，水质数据来源于遂宁市安居生态环境局。数字高程模型（DEM）数据来源于地理空间数据云（http://www.gscloud.cn/）的GDEMV2 30 m 分辨率数据。
表 1 水质监测断面详细信息Table 1. Details of water quality monitoring sections涉及断面 数据年份 水质指标 数据来源 大安省控断面、
跑马滩国控断面2018-01—2019-12 T、pH、DO、CODMn、五日生化需氧量（BOD5）、NH3-N、CODCr、挥发酚、氰化物、砷、汞、六价铬、铅、镉、石油类、TP、总氮（TN）、铜、锌、氟化物、硒、阴离子表面活性剂、硫化物、粪大肠菌群数、电导率共25项 遂宁市生态环境局 31个常规监测断面 2018-03—2019-10 DO、CODMn、BOD5、NH3-N、CODCr、TP共6项 遂宁市安居生态环境局 1.3 水质指数（WQI）
WQI的计算公式由Pesce等[2]开发和改进，计算公式如式（1）所示。
$$ \mathrm{W}\mathrm{Q}\mathrm{I}=\frac{\displaystyle\sum\limits _{i=1}^{n}{C}_{i}{P}_{i}}{\displaystyle\sum\limits_{i=1}^{n}{P}_{i}} $$ (1) 式中：n为水质指标个数；Ci为第i个水质指标的归一化值；Pi为第i个水质指标的权重。
依据GB 3838—2002《地表水环境质量标准》，采用并修订Ci的阈值划分[1]；由于该规范未对T和pH进行分级，T和pH的Ci阈值划分依据Wu等[3-4]的研究结果；由于河流水质评价不考虑TN[1,10]，因此，本研究WQI的计算不包括TN。根据水质指标对河流水质的影响程度，Pi的最大值为4，最小值为1（表2）[2,8,10]。WQI是0~100的无量纲数，按WQI将水质类型分为5个等级：优（WQI为80~100）、好（WQI为60~80）、中等（WQI为40~60）、差（WQI为20~40）、非常差（WQI为0~20）[10]。而WQI min仅考虑关键指标 ，计算方法同式（1），其水质的归一化值、权重选取与 WQI 相同。
表 2 水质指标的归一化值和权重Table 2. Normalized values and weights of water quality parameters水质指标 权重（Pi）[2,8,10] 归一化值（Ci） 100 80 60 40 20 T/℃ 1 15~22 12~15, 22~26 5~12, 26~30 −2~5, 30~36 −6~−2, 36~45 pH 1 7~8 8~9 6~7, 9.0~9.5 4~6, 9.5~11 2~4, 11~12 DO/(mg/L) 4 7.5 6 5 3 2 CODMn/(mg/L) 3 2 4 8 12 15 BOD5/(mg/L) 3 3 3 4 6 10 NH3-N/(mg/L) 3 0.15 0.5 1 1.5 2 CODCr/(mg/L) 3 15 15 20 30 40 挥发酚/(µg/L) 3 2 2 5 10 100 氰化物/(µg/L) 4 5 5 200 200 20 砷/(µg/L) 4 50 50 50 100 100 汞/(µg/L) 4 0.05 0.05 0.1 1 1 六价铬/(µg/L) 4 10 50 200 200 200 铅/(µg/L) 4 10 10 50 50 100 镉/(µg/L) 4 1 5 5 5 10 石油类/(µg/L) 2 50 50 50 500 1 000 TP/(mg/L) 4 0.02 0.1 0.2 0.3 0.4 铜/(µg/L) 2 10 1 000 1 000 1 000 1 000 锌/(µg/L) 2 50 1 000 1 000 2 000 2 000 氟化物/(mg/L) 2 1 1 1 1.5 1.5 硒/(µg/L) 4 10 10 10 20 20 阴离子表面活性剂/(mg/L) 4 0.2 0.2 0.2 0.3 0.3 硫化物/(µg/L) 2 50 100 200 500 1 000 粪大肠菌群数/(个/L) 3 200 2 000 10 000 20 000 40 000 电导率/(mS/m) 1 1 000 1 500 2 500 5 000 12 000 1.4 数据处理与分析
1.4.1 WQI的率定及验证
将大安、跑马滩断面的25个水质监测数据分为2个部分：根据2018年1月—2019年9月监测数据，进行多元线性逐步回归分析，提取关键指标，建立WQImin模型；根据2019年10—12月的数据，验证WQImin模型。在多元线性逐步回归分析中，在分析之前对水质指标数据进行对数转换〔lg(Ci+1)〕，以满足正态性。
1.4.2 数据分析
使用ArcGIS水文分析等工具，以大安断面为流域控制点，基于DEM数据识别分水岭，并提取河流水系。采用Kruskal-Wallis H非参数检验，根据统计量（H）与显著性P判断大安、跑马滩断面之间的水质是否具有显著性差异（P<0.05）。依据决定系数（R2）评估WQImin模型的拟合度，采用百分比误差（PE）评估不同模型的预测能力[24]，PE越接近0，表示模拟的精度越高，PE计算公式如下：
$$ \mathrm{P}\mathrm{E}=\sum \left|\frac{{\mathrm{W}\mathrm{Q}\mathrm{I}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}{\mathrm{W}\mathrm{Q}\mathrm{I}}-1\right|\times 100/n $$ (2) 将多元线性逐步回归分析提出的多组关键指标分别建立WQImin模型，并依据R2、PE等参数筛选出最优模型。根据最优模型计算干、支流的WQImin，并对结果进行单因素方差分析，以评价区域内水质空间分布的差异性。
2. 结果
2.1 典型断面水质特性
对大安、跑马滩断面的水质指标进行统计（表3）。Kruskal-Wallis H非参数检验结果表明，除跑马滩断面的CODCr外，其余水质指标的浓度均值能够满足GB 3838—2002中Ⅲ类水质标准，其中T、pH、DO、CODMn、砷、石油类、铜、氟化物、阴离子表面活性剂9个水质指标不存在显著性差异，其余16个指标均存在显著性差异(P<0.05)。
表 3 大安与跑马滩断面水质指标平均值和标准差Table 3. Average values and standard deviations of water quality indexes at sections of Da'an and Paomatan水质指标 平均值±方差 H P 大安断面 跑马滩断面 T/℃ 20.3±7.31 21.27±7.52 0.283 0.595 pH 8.14±0.33 7.98±0.50 1.432 0.232 DO/(mg/L) 9.28±3.46 8.41±4.91 0.409 0.523 CODMn/(mg/L) 5.09±0.67 5.25±0.86 0.052 0.820 BOD5/(mg/L) 2.31±1.14 2.86±1.04 4.393 0.036 NH3-N/(mg/L) 0.28±0.15 0.31±0.47 8.401 0.004 CODCr/(mg/L) 17.96±2.97 20.83±3.60 7.659 0.006 挥发酚/(μg/L) 0.32±0.10 0.29±0.17 5.906 0.015 氰化物/(μg/L) 4.00±0.00 3.33±0.96 9.400 0.002 砷/(μg/L) 1.34±0.63 1.34±0.89 0.522 0.470 汞/(μg/L) 0.04±0.00 0.03±0.01 9.400 0.002 六价铬/(μg/L) 4.00±0.00 3.33±0.96 9.400 0.002 铅/(μg/L) 1.92±0.28 1.50±0.65 7.172 0.007 镉/(μg/L) 0.10±0.00 0.08±0.03 9.340 0.002 石油类/(μg/L) 12.5±6.76 12.08±6.24 0.204 0.652 TP/(mg/L) 0.13±0.04 0.12±0.14 8.078 0.004 铜/(μg/L) 1.00±0.00 1.04±0.64 2.335 0.126 锌/(mg/L) 0.05±0.01 0.04±0.02 7.484 0.006 氟化物/(mg/L) 0.36±0.08 0.39±0.07 3.145 0.076 硒/(μg/L) 0.40±0.02 0.34±0.10 7.207 0.007 阴离子表面活性剂/(mg/L) 0.06±0.01 0.05±0.02 1.082 0.298 硫化物/(μg/L) 5.00±0.00 4.15±1.24 9.366 0.002 粪大肠菌群数/(个/L) 2 638±1 510 1 228±810 18.312 0.000 电导率/(mS/m) 497.63±97.64 402.33±51.74 15.171 0.000 2.2 WQImin模型的率定
以大安、跑马滩断面除TN外的24个水质指标为自变量，以WQI为因变量进行多元线性逐步回归分析（表4）。结果表明，NH3-N能解释WQI变异的58.5%，NH3-N、CODCr能解释WQI变异的70.0%，具有较高的解释度；NH3-N、CODCr、BOD5、DO、粪大肠菌群数能共同解释WQI变异的85.2%，表明NH3-N、CODCr、BOD5、DO、粪大肠菌群数对WQI具有较强的影响。
表 4 WQI与水质指标的多元线性逐步回归分析Table 4. Multiple linear stepwise regression analysis of WQI and water quality$\mathrm{lg}\left(\mathrm{W}\mathrm{Q}\mathrm{I}+1\right)$ R2 F P ${1.838}^{***}+{0.067}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }$ 0.59 53.19 <0.001 ${1.777}^{***}+{0.066}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+ {0.036}^{***}\mathrm{l}\mathrm{g}\; {C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} } _ {\rm{Cr} } }$ 0.70 44.25 <0.001 ${1.751}^{***}+{0.065}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.028}^{**}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} } _{ {\rm{Cr} } } }+{0.022}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }$ 0.75 38.98 <0.001 ${1.758}^{***}+{0.050}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.024}^{**}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{C}\mathrm{O}\mathrm{D} }_{{\rm{Cr}}} }+{0.029}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }+{0.008}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{D}\mathrm{O} }$ 0.81 39.96 <0.001 ${1.668}^{***}+{0.049}^{***}\mathrm{l}\mathrm{g}\;{C}_{ {\mathrm{N}\mathrm{H} }_{3}-\mathrm{N} }+{0.025}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{C}\mathrm{O}\mathrm{D_{{\rm{Cr}}}} }+{0.033}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{B}\mathrm{O}\mathrm{D_{5} } }+{0.010}^{***}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{D}\mathrm{O} }+{0.043}^{**}\mathrm{l}\mathrm{g}\;{C}_{\mathrm{F}.\mathrm{c}\mathrm{o}\mathrm{l}\mathrm{i} }$ 0.85 43.59 <0.001 注：*表示模型中各自变量指标对因变量lg(WQI+1)的显著性，**表示P<0.01，***表示P<0.001；CF.coli表示粪大肠菌群数。 以NH3-N、CODCr、BOD5作为WQImin的关键指标，分别评价DO、粪大肠菌群数以及二者共同作用对WQImin的影响，据此建立模型WQImin-a、WQImin-b、WQImin-c、WQImin-d（表5）。率定结果显示，模型WQImin-b、WQImin-d相较于WQImin-a、WQImin-c具有更低的PE，并且与WQI呈密切的相关性（R2>0.90）。所有模型中，WQImin-b模拟精度最高（PE为17.4%）。模型WQImin-b、WQImin-d的率定结果表明，引入粪大肠菌群数对 WQImin模型的拟合度提升较小（R2仅增加0.01），并导致模拟误差略微增大（PE增加1.5%）。
表 5 WQImin模型的参数率定结果Table 5. Parameter calibration results of the WQImin model模型 包含指标 R2 P PE/% WQImin-a NH3-N、CODCr、BOD5 0.47 <0.001 23.2 WQImin-b NH3-N、CODCr、BOD5、DO 0.92 <0.001 17.4 WQImin-c NH3-N、CODCr、BOD5、粪大肠菌群数 0.52 <0.001 30.7 WQImin-d NH3-N、CODCr、BOD5、DO、粪大肠菌群数 0.93 <0.001 18.9 2.3 WQImin模型的验证
根据参数率定结果，采用大安以及跑马滩断面2019年10—12月水质监测数据，对模型WQImin-b、WQImin-d进行验证，结果如表6所示。由表6可知，WQImin-b、WQImin-d与WQI的回归系数显著，且R2处于较高水平，但WQImin-b的PE为11.9%，远低于WQImin-d。因此，包含NH3-N、CODCr、BOD5、DO 4项指标的WQImin-b为该流域最佳的WQImin模型。
表 6 WQImin模型的参数验证结果Table 6. Verification results of the WQImin model模型 包含指标 R2 P PE/% WQImin-b NH3-N、CODCr、BOD5、DO 0.78 0.012 11.9 WQImin-d NH3-N、CODCr、BOD5、DO、
粪大肠菌群数0.82 0.008 17.9 2.4 基于WQImin的水质评价
2018—2019年，琼江流域上游段的33个常规监测断面水质评估结果显示（图2），有3.0%的监测断面为优，69.7%为好，中等水质占27.3%；琼江干流WQImin呈沿程升高的趋势，当流经安居区县城时，WQImin从70.8降至61.5，但能较快恢复至入城区前的水平，至大安断面时WQImin升至80.7；会龙河WQImin总体呈沿程升高的趋势，周边支流汇入后WQImin虽出现一定程度减低，水质类型由好变为中等，但能较快恢复至汇入前的水平，至支流汇口下游4.9 km，水质类型由中等转好；玉丰河WQImin呈明显的沿程降低趋势；蟠龙河WQImin沿程变化趋势不明显，WQImin为53.7~62.9；石洞河上游WQImin处于较低水平（48.7~53.9），沿程变化趋势不明显，石洞河下游有较大支流汇入，WQImin明显上升。
![]()
图 2 琼江流域上游段WQImin的空间分布Figure 2. Spatial distribution of WQImin values in the upper reaches of Qiongjiang River Basin根据单因素方差检验结果（图3），琼江流域上游段WQImin为63.1±17.2，水质整体为好。其中，琼江干流水质最好，WQImin为66.5±14.6，显著高于支流蟠龙河、石洞河、玉丰河（P<0.05）。区域内WQImin均值表现为琼江干流>会龙河>玉丰河>蟠龙河>石洞河。其中，会龙河WQImin为63.8±13.8，水质类型为好；玉丰河水质类型虽为好，但是WQImin接近下临界值（60.5±18.0）；蟠龙河WQImin为58.3±19.2，水质类型属于中等；石洞河WQImin最低，为53.3±18.7，水质类型属于中等。
![]()
图 3 干流与4条支流WQImin的空间分布差异性注：字母不同表示存在显著差异(P<0.05)。Figure 3. Distribution difference of WQImin values between mainstream and four tributaries3. 讨论
3.1 WQImin的关键指标选定
Sun等[4]认为，WQI的计算应该包括物理、化学和细菌等水质监测指标；Pesce等[2]认为，计算WQImin的水质指标不仅要能代表其他环境指标，还要易于测量；Wu等[3-10]认为，考虑权重的WQImin模型性能优于不带权重的模型。因此，笔者在WQImin开发过程中考虑了各指标的权重。
本研究考虑了涵盖物理、化学和细菌3类25个指标，并根据多元线性逐步回归分析结果，提出WQImin模型由NH3-N、CODCr、BOD5、DO 4项关键水质指标组成，评价结果与WQI高度相关（R2=0.81，P<0.001），能够较好地解释区域的水质特征及变化，并且关键指标均属于常规监测指标，这有利于当地水质评价工作的高效开展。
作为回归分析的第一个因子，NH3-N对WQI的变化贡献较大（R2=0.59，P<0.001）。作为有机污染的指标，CODCr、BOD5分别对琼江流域上游段WQI的变化具有第2、第3高的解释力，其原因可以归结为当地有机污染较严重。DO是模型引入的第4个因子，能够影响水生生物的生长等许多复杂的生化过程，是水生态系统生化条件的敏感指标，其浓度的高低能够反映水体自净能力的强弱，在国内外研究中，DO作为WQImin的关键因子得到了广泛的应用[2,8,25]。粪大肠菌群数作为第5个指标被引入回归分析中，该指标能够反映人类活动和城市污染对河流的影响[26-27]。
本研究的WQImin率定验证数据来自跑马滩、大安2个断面，其中，跑马滩断面位于支流蟠龙河上，周边人口密集度较低且大型集镇数量较少；大安断面处于流域的最下游，上游40 km范围内涉及6个大型集镇和遂宁市安居区，大安断面粪大肠菌群数显著高于跑马滩断面（P<0.001），平均值是跑马滩断面的2.15倍（表3）。即使引入粪大肠菌群数对模型的拟合度有一定提升，但2个断面之间粪大肠菌群数的差异性，将导致WQImin在率定和验证阶段PE升高。因此，粪大肠菌群数不能作为琼江流域上游段WQImin模型的关键指数。
其余19个水质指标，由于执行归一化后WQI为常量或缺失相关性，被多元线性回归程序剔除。以汞为例，虽然大安面与跑马滩断面浓度具有差异性，但整体浓度非常低，WQIHg（仅考虑汞）均为100，这表明WQIHg不能较好地解释WQI的变化规律，因此，不能被选做WQImin的关键指标。
3.2 不同评价方法适用性分析
单因子指数法在我国地表水、地下水的水环境污染评价中被广泛应用[1]。该方法将实测数据和标准值进行对比分类，选取水质最差的类别作为评价结果。根据四川省生态环境状况公报，琼江流域省/国控断面在2018年之前不能稳定达到Ⅲ类水质标准（单因子指数法），主要超标因子为CODCr和TP[15-16]。而本研究WQI法分析结果表明，即使流域内WQICOD与WQITP相对较低，由于其余指标WQI处于较高水平，因此水质整体仍属于好。单因子指数法评价结果取决于水质最差的指标，这种评价方法不能客观反映出区域水环境的整体状况。
除单因子指数法之外，水环境质量评价的方法还包括综合污染指数法与模糊综合评价法。综合污染指数法通过对各污染指标的相对污染指数进行统计，得出代表水体污染程度的数值。该方法的评价结果是一个相对值，只能定性评价，不能说明综合水质类别，由于同一类别水质的标准限值有一个变化范围，因此取不同的标准限值作为分母会得到不同的评价数据[28]。此外，模糊综合评价法是一种基于模糊数学的综合评价方法，该方法通过对各级水质类别建立隶属度矩阵，取最大隶属度所对应的级别作为该样本所属的级别，不足之处是无法确定主要污染指标，且计算过程较其他方法更为复杂[29]。
WQI不仅能对水质进行定性评价，将其分为5个等级，还能定量化评价不同河流及其不同断面的水质状况，同时计算方法简单，可操作性强。但Kannel等[8]认为高监测成本以及复杂的水样测定过程是限制WQI在环境保护经费预算匮乏的发展中国家广泛应用的主要原因。WQI的计算通常需要十几项以上水质指标[4]，而WQImin不仅继承了WQI的优点，并且通过剔除冗余的水质指标，得到3~5个能够解释水质变化关键指标[8-11]，该方法可以指导水质监测工作，减少水质监测的工作内容，进而节约当地管理部门在环境监测项目上的支出。
此外，由于水样数据的局限性、丘陵地区产汇流的独特性以及区域经济发展的差异性，本研究提出的WQImin模型在中国西南川中丘陵地区具有准确的模拟结果，然而是否适用于其他流域，还有待进一步分析验证，但是WQImin模型的建立、验证过程是可推广的。
4. 结论与建议
（1）本研究WQI由25个水质指标组成，在WQI的基础之上筛选出NH3-N、CODCr、BOD5、DO 4个关键指标组成WQImin模型，该模型与WQI存在高度相关性，在反映琼江流域上游段的水质状况方面表现出优异的性能（R2=0.81，PE=11.9%）。
（2）评价结果表明，琼江流域上游段水质整体为好，WQImin为63.1±17.2。琼江流经安居区以及会龙河，经周边支流汇入后，WQImin明显降低，但能较快恢复至受影响前的水平，琼江干流、会龙河WQImin整体上呈沿程升高的趋势，玉丰河WQImin呈沿程降低的趋势，而蟠龙河、石洞河沿程变化趋势不明显。
（3）4条主要支流水质均劣于干流，其WQImin大小依次为琼江干流>会龙河>玉丰河>蟠龙河>石洞河。
琼江流域支流水系的污染问题未得到有效控制是干流水质不稳定的主要原因。下一阶段流域水污染治理的重点应逐步放到支流上，加强对支流水系的水质监测；针对支流水系的面源污染，应加快农村环境综合整治，实行农村污水处理统一规划、统一建设、统一管理，强化农村集中处理生活污水以及配套管网建设，积极推进城镇污水处理设施和服务向农村延伸；针对支流水系的点源污染问题，考虑到集水区域内污水处理厂数量少、处理能力低，需要新增污水处理厂，并对已有污水处理厂进行提标、扩容改造。
-
![]()
图 2 2000—2020年长株潭都市圈建设用地标准差椭圆
Figure 2. Standard deviation ellipse used for the construction land of Changzhutan metropolitan area from 2000 to 2020
![]()
图 3 长株潭都市圈生态因子重要性评价与综合生态用地识别
Figure 3. Evaluation of the importance of ecological factors and identification of comprehensive ecological land in Changzhutan metropolitan area
![]()
图 4 长株潭都市圈生态安全格局
Figure 4. Ecological security pattern of Changzhutan metropolitan area
![]()
图 5 长株潭都市圈建设用地现状与模拟检验
Figure 5. Status quo and simulation test of construction land in Changzhutan metropolitan area
![]()
图 6 长株潭都市圈2030年建设用地多情景模拟
Figure 6. Multi-scenario simulation of construction land in Changzhutan metropolitan area in 2030
![]()
图 7 长株潭都市圈2030年城镇开发边界划定
Figure 7. Delineation of urban development boundary in Changzhutan metropolitan area in 2030
表 1 生物多样性保护功能评价分级标准
Table 1 Classification standards of biodiversity conservation function evaluation
评价因子 分级指标 分值 权重 用地类别 林地、灌木林、疏林地、其他林地 1 0.8 河渠、湖泊、水库坑塘、滩地、沼泽地 2 高覆盖草地、中覆盖草地、低覆盖草地 3 水田、旱地 4 城镇用地、农村居民点、其他建设用地、
裸土地、裸岩石质地5 坡度/（°） 0~2 1 0.2 2~8 2 8~15 3 15~25 4 25~72 5 
下载: 导出CSV
表 2 地质灾害的影响因子及其敏感性划分标准
Table 2 The influencing factors of geological disasters and the classification standard of susceptibility
敏感性分值 植被覆盖度/% 高程/m 坡度/（°） 用地分类 1 <30 <25 <2 林地、灌木林、疏林地、其他林地 2 30~45 25~50 2~8 河渠、湖泊、水库坑塘、滩地、沼泽地 3 45~60 50~100 8~15 高覆盖草地、中覆盖草地、低覆盖草地 4 60~75 100~200 15~25 水田、旱地 5 >75 >200 >25 城镇用地、农村居民点、其他建设用地、
裸土地、裸岩石质地权重 0.25 0.2 0.3 0.25
下载: 导出CSV
表 3 长株潭都市圈基本生态阻力系数
Table 3 Basic ecological resistance coefficient of Changzhutan metropolitan area
有林地、河渠、
湖泊水田、灌木林、水库
坑塘、沼泽地疏林地、其他
林地、滩地旱地、高覆盖
度草地中覆盖度草地、
低覆盖度草地裸土地、裸
岩石质地农村居
民点其他建设
用地城镇
用地1 10 20 30 50 200 300 400 500
下载: 导出CSV
表 4 FLUS模型模拟试验相关参数及具体设置情况
Table 4 Relevant parameters and specific settings of FLUS model simulation experiment
模型运行模块 主要参数 说明及要求 具体设置 基于神经网
络的出现概
率计算模块Land Use Data 初始年份用地类型栅格数据，用地类型编号从1开始，属于区域内的用地类型设置为“Valid Data”，
区域外设置为“NoData Value”初始年份为2015年 ANN Training 设置神经网络获取训练样本的采样模式、
采样比例及隐藏层数采样模式为均匀采样模式；采样比例为20，即采样点占研究区有效像元的2%；隐藏层数为12（默认值），层数增高可降低误差，提高概率数据精度 Save Path 设置存放路径及输出概率数据的精度类型 数据精度类型为Single Accuracy Driving Data 加载驱动因子栅格数据，各因子数据的行列数要与用地类型栅格数据保持一致 研究区驱动因子共12个，用于神经网络
适宜性概率计算基于自适应惯性机制的元胞自动机 Land Use Data 初始年份用地类型栅格数据，用地类型编号从1开始，属于区域内的用地类型设置为“Valid Data”，
区域外设置为“NoData Value”初始年份为2015年和2020年 Probability Data 加载适宜性概率数据 基于神经网络的适宜性概率计算模块得到的各用地类型的分布概率数据 Restricted Data 输入约束用地变化的限制数据。该数据为二值数据，即0和1。数值0表示不允许用地类型发生转化，1表示允许发生转化 研究区内的现状河流、核心源地、高安全格局
作为限制区域Simulation Setting 设置模拟参数：Maximum Number of Iteration，300；Neighborhood，3；Accelerate(0-1)，0.1；Thread，1 初始年份的用地类型像元数为2015年各用地类型数量；模拟的目标像元数为2020年各用地类型数量；成本转换矩阵根据研究区2015—2020年建设用地面积转移矩阵设置；邻域因子参数为0~1，越接近1表示该用地类型的扩张能力越强，该参数设置情况经多次对比调整后确定 Save Simulation 设置模拟结果保存路径
下载: 导出CSV
表 5 2000—2020年长株潭都市圈建设用地增长速率与强度
Table 5 The growth rate and intensity of construction land in the Changzhutan metropolitan area from 2000 to 2020
时间段 增长速率/% 增长强度 2000—2005年 1 159.4 5.28 2005—2010年 3 921.91 14.13 2010—2015年 446.65 0.94 2015—2020年 183.33 0.37
下载: 导出CSV
-
[1] GRIGORESCU I, KUCSICSA G, POPOVICI E A, et al. Modelling land use/cover change to assess future urban sprawl in Romania[J]. Geocarto International,2021,36(7):721-739. DOI: 10.1080/10106049.2019.1624981
[2] 纪荣婷, 陈梅, 刘溪, 等.基于能值生态足迹分析的宁海县可持续发展潜力评价[J]. 环境科学研究,2020,33(12):2752-2760. DOI: 10.13198/j.issn.1001-6929.2020.11.05 JI R T, CHEN M, LIU X, et al. Sustainable development potential assessment of Ninghai County using an emergy ecological footprint analysis[J]. Research of Environmental Sciences,2020,33(12):2752-2760. DOI: 10.13198/j.issn.1001-6929.2020.11.05
[3] 王建军, 周小天.面向国土空间规划的都市圈划定方法研究[J]. 城市问题,2022(1):4-14. WANG J J, ZHOU X T. Research on the methods of metropolitan district delineation for territorial spatial planning[J]. Urban Problems,2022(1):4-14.
[4] ZHOU D, LIN Z L, MA S M, et al. Assessing an ecological security network for a rapid urbanization region in Eastern China[J]. Land Degradation & Development,2021,32(8):2642-2660.
[5] BORYSIAK J, MIZGAJSKI A, SPEAK A. Floral biodiversity of allotment gardens and its contribution to urban green infrastructure[J]. Urban Ecosystems,2017,20(2):323-335. DOI: 10.1007/s11252-016-0595-4
[6] 李皓, 翟月鹏, 杨小龙, 等.基于层次分析-有序加权平均多准则评估的雄安新区生态安全格局模拟研究[J]. 生态学报,2022,42(1):150-160. LI H, ZHAI Y P, YANG X L, et al. Simulating ecological security patterns in the Xiongan New Area based on the multicriteria evaluation of AHP-OWA[J]. Acta Ecologica Sinica,2022,42(1):150-160.
[7] 如克亚·热合曼, 阿里木江·卡斯木, 哈力木拉提·阿布来提.基于MSPA和MCR模型的图木舒克市生态安全格局构建[J]. 环境科学与技术,2021,44(5):229-237. DOI: 10.19672/j.cnki.1003-6504.2021.05.030 REHEMAN R, KASIM A, ABLAT H. Construction of ecological security pattern in tumshuk city based on MSPA and MCR model[J]. Environmental Science & Technology,2021,44(5):229-237. DOI: 10.19672/j.cnki.1003-6504.2021.05.030
[8] 李涛, 巩雅博, 戈健宅, 等.基于电路理论的城市景观生态安全格局构建: 以湖南省衡阳市为例[J]. 应用生态学报,2021,32(7):2555-2564. LI T, GONG Y B, GE J Z, et al. Construction of urban landscape ecological security pattern based on circuit theory: a case study of Hengyang City, Hunan Province, China[J]. Chinese Journal of Applied Ecology,2021,32(7):2555-2564.
[9] 曹帅, 金晓斌, 杨绪红, 等.耦合MOP与GeoSOS-FLUS模型的县级土地利用结构与布局复合优化[J]. 自然资源学报,2019,34(6):1171-1185. DOI: 10.31497/zrzyxb.20190604 CAO S, JIN X B, YANG X H, et al. Coupled MOP and GeoSOS-FLUS models research on optimization of land use structure and layout in Jintan District[J]. Journal of Natural Resources,2019,34(6):1171-1185. DOI: 10.31497/zrzyxb.20190604
[10] 蔡成瑞, 舒帮荣, 朱慧, 等.顾及区域异质性驱动的土地利用变化模拟模型研究[J]. 中国土地科学,2020,34(11):38-47. DOI: 10.11994/zgtdkx.20201109.091252 CAI C R, SHU B R, ZHU H, et al. Modeling land use change by considering regional heterogeneous driving mechanism[J]. China Land Science,2020,34(11):38-47. DOI: 10.11994/zgtdkx.20201109.091252
[11] 荣月静, 张慧, 王岩松.基于Logistic-CA-Markov与InVEST模型对南京市土地利用与生物多样性功能模拟评价[J]. 水土保持研究,2016,23(3):82-89. DOI: 10.13869/j.cnki.rswc.2016.03.015 RONG Y J, ZHANG H, WANG Y S. Assessment on land use and biodiversity in Nanjing City based on logistic-CA-Markov and InVEST model[J]. Research of Soil and Water Conservation,2016,23(3):82-89. DOI: 10.13869/j.cnki.rswc.2016.03.015
[12] 胡碧松, 张涵玥.基于CA-Markov模型的鄱阳湖区土地利用变化模拟研究[J]. 长江流域资源与环境,2018,27(6):1207-1219. DOI: 10.11870/cjlyzyyhj201806004 HU B S, ZHANG H Y. Simulation of land-use change in Poyang Lake Region based on CA-Markov model[J]. Resources and Environment in the Yangtze Basin,2018,27(6):1207-1219. DOI: 10.11870/cjlyzyyhj201806004
[13] 幸瑞燊, 周启刚.基于Ann-CA-Markov模型的生态空间预测模拟: 以重庆市万州区为例[J]. 生态与农村环境学报,2021,37(6):740-750. XING R S, ZHOU Q G. Predictive simulation of ecological spatial evolution based on ann-CA-Markov model: a case study of Wanzhou District, Chongqing[J]. Journal of Ecology and Rural Environment,2021,37(6):740-750.
[14] GEMITZI A. Predicting land cover changes using a CA Markov model under different shared socioeconomic pathways in Greece[J]. GIScience & Remote Sensing,2021,58(3):425-441.
[15] 吴永强, 李明凯, 唐中楠, 等.基于灰色动态模型群的衡水市居民年用水量预测[J]. 环境工程技术学报,2022,12(1):267-274. DOI: 10.12153/j.issn.1674-991X.20210233 WU Y Q, LI M K, TANG Z N, et al. Projection of residential annual water consumption in Hengshui City based on dynamic gray model groups[J]. Journal of Environmental Engineering Technology,2022,12(1):267-274. DOI: 10.12153/j.issn.1674-991X.20210233
[16] 宋蕾, 曹银贵, 周伟, 等.基于SD模型的三峡库区快速城镇化地区耕地利用模拟研究[J]. 长江流域资源与环境,2018,27(4):818-827. SONG L, CAO Y G, ZHOU W, et al. Simulation study on cultivated land utilization in rapid urbanization area of Three Gorges Reservoir area based on SD model[J]. Resources and Environment in the Yangtze Basin,2018,27(4):818-827.
[17] ZHENG H, YUAN P F. A generative architectural and urban design method through artificial neural networks[J]. Building and Environment,2021,205:108178. DOI: 10.1016/j.buildenv.2021.108178
[18] 李媛洁, 叶长盛, 黄小兰.基于CLUE-S模型的南昌市“三生”空间时空演变及情景模拟研究[J]. 水土保持研究,2021,28(5):325-332. DOI: 10.13869/j.cnki.rswc.2021.05.037 LI Y J, YE C S, HUANG X L. Temporal-spatial evolution and scenario simulation of production-living-ecological space in Nanchang based on CLUE-S model[J]. Research of Soil and Water Conservation,2021,28(5):325-332. DOI: 10.13869/j.cnki.rswc.2021.05.037
[19] 杨济达, 欧晓昆, 呙靖雯, 等.基于CA-Markov和Geomod模型橡胶林变化预测比较[J]. 山地学报,2014,32(3):267-276. DOI: 10.3969/j.issn.1008-2786.2014.03.002 YANG J D, OU X K, GUO J W, et al. Comparison of CA- Markov and geomod models for rubber plantation prediction[J]. Mountain Research,2014,32(3):267-276. DOI: 10.3969/j.issn.1008-2786.2014.03.002
[20] 张宸铭, 高尚, 何贝, 等.基于空间句法耦合SLEUTH模型的新老城区扩展模拟研究: 以开封市为例[J]. 地理研究,2021,40(5):1372-1386. DOI: 10.11821/dlyj020200431 ZHANG C M, GAO S, HE B, et al. Urban expansion simulation around new and old districts based on the loose coupling between space syntax and SLEUTH: a case study of Kaifeng[J]. Geographical Research,2021,40(5):1372-1386. DOI: 10.11821/dlyj020200431
[21] 井云清, 张飞, 张月.基于CA-Markov模型的艾比湖湿地自然保护区土地利用/覆被变化及预测[J]. 应用生态学报,2016,27(11):3649-3658. DOI: 10.13287/j.1001-9332.201611.027 JING Y Q, ZHANG F, ZHANG Y. Change and prediction of the land use/cover in Ebinur Lake Wetland Nature Reserve based on CA-Markov model[J]. Chinese Journal of Applied Ecology,2016,27(11):3649-3658. DOI: 10.13287/j.1001-9332.201611.027
[22] PARKER D C, MANSON S M, JANSSEN M A, et al. Multi-agent systems for the simulation of land-use and land-cover change: a review[J]. Annals of the Association of American Geographers,2003,93(2):314-337. DOI: 10.1111/1467-8306.9302004
[23] 刘小平, 黎夏, 叶嘉安.基于多智能体系统的空间决策行为及土地利用格局演变的模拟[J]. 中国科学 D辑:地球科学,2006,36(11):1027-1036. [24] MA X N. Simulation of land use spatial layout based on FLUS model: a case study of Huadu District, Guangzhou[J]. Advances in Social Sciences,2019,8(7):1327-1341. DOI: 10.12677/ASS.2019.87182
[25] 俞孔坚.生态安全格局与国土空间开发格局优化[J]. 景观设计学,2016,4(5):6-9. [26] 单渌铱, 王海军, 张彬, 等.顾及土地生态安全的环鄱阳湖城市群土地利用情景模拟[J]. 地球信息科学学报,2020,22(3):543-556. DOI: 10.12082/dqxxkx.2020.190306 SHAN L Y, WANG H J, ZHANG B, et al. Land use simulation of the city clusters around Poyang Lake based on land ecological security assessment[J]. Journal of Geo-Information Science,2020,22(3):543-556. DOI: 10.12082/dqxxkx.2020.190306
[27] 王思易, 欧名豪.基于景观安全格局的建设用地管制分区[J]. 生态学报,2013,33(14):4425-4435. DOI: 10.5846/stxb201204120515 WANG S Y, OU M H. Zoning for regulating of construction land based on landscape security pattern[J]. Acta Ecologica Sinica,2013,33(14):4425-4435. DOI: 10.5846/stxb201204120515
[28] 陈阳, 王西平, 甄娜, 等.基于生态系统服务理论内涵的山水林田湖草生态保护修复实践: 以河南省南太行地区试点工程为例[J]. 环境工程技术学报,2021,11(4):701-710. DOI: 10.12153/j.issn.1674-991X.20200190 CHEN Y, WANG X P, ZHEN N, et al. Practice of ecological protection and restoration of mountain-river-forestfarmland-lake-grassland based on connotation of ecosystem service theory: taking the pilot project of South-Taihang Area in Henan Province as an example[J]. Journal of Environmental Engineering Technology,2021,11(4):701-710. DOI: 10.12153/j.issn.1674-991X.20200190
[29] 童亮, 姚晓洁, 王霞.基于电路理论的农耕平原地区生态安全格局构建: 以亳州市为例[J]. 环境科学与技术,2020,43(11):217-226. TONG L, YAO X J, WANG X. Construction of ecological security pattern in agricultural Plains based on circuit theory: a case study of Bozhou City[J]. Environmental Science & Technology,2020,43(11):217-226.
[30] 邓淏丹, 叶露锋, 刘丽香, 等.城市生态安全研究进展[J]. 环境工程技术学报,2022,12(1):248-259. DOI: 10.12153/j.issn.1674-991X.20210179 DENG H D, YE L F, LIU L X, et al. Review of urban ecological security research[J]. Journal of Environmental Engineering Technology,2022,12(1):248-259. DOI: 10.12153/j.issn.1674-991X.20210179
[31] 刘骏,唐芝玉.基于文本解读的重庆城市绿地系统规划变迁与发展研究[J]. 中国园林,2022,38(8):99-104. Liu Jun, Tang Zhiyu. Research on the Change and Development of Chongqing Urban Green Space System Planning Based on Text Interpretation[J]. Chinese Landscape Architecture,2022,38(8):99-104.
[32] 刘延国, 李景吉, 逯亚峰, 等.西南山区生态保护红线划定方法优化: 基于生态地质环境脆弱性评估[J]. 生态学报,2021,41(14):5825-5836. LIU Y G, LI J J, LU Y F, et al. Optimization method of ecological redline delineation in Southwest China from the view of eco-geo environment vulnerability assessment[J]. Acta Ecologica Sinica,2021,41(14):5825-5836.
[33] 吕红亮, 周霞, 党冰, 等.基于生态过程的城市生态基础设施空间实现: 以南京江北新区为例[J]. 城市发展研究,2020,27(6):19-26. LÜ H L, ZHOU X, DANG B, et al. Realization of urban ecological infrastructure space based on ecological process[J]. Urban Development Studies,2020,27(6):19-26.
[34] 任保平, 杜宇翔.黄河流域经济增长-产业发展-生态环境的耦合协同关系[J]. 中国人口·资源与环境,2021,31(2):119-129. REN B P, DU Y X. Coupling coordination of economic growth, industrial development and ecology in the Yellow River Basin[J]. China Population, Resources and Environment,2021,31(2):119-129.
[35] 陈炳, 曾刚, 曹贤忠, 等.长三角城市群生态文明建设与城市化耦合协调发展研究[J]. 长江流域资源与环境,2019,28(3):530-541. CHEN B, ZENG G, CAO X Z, et al. Coupling coordination development between ecological civilization construction and urbanization in Yangtze River Delta Urban Agglomerations[J]. Resources and Environment in the Yangtze Basin,2019,28(3):530-541. ⊕
-
期刊类型引用(11)
1. 乔宇豪，贾飚，徐芬芳，王康，朱焱. 四川省水质评价及时空特征分析. 节水灌溉. 2025(03): 43-50 . 
百度学术
2. 焦娇. 水资源评价模型优化及驱动因子分析研究. 水利科技与经济. 2024(03): 54-58+106 . 百度学术
3. 邓国海，陈波，向秋实，赖欣，吴瑶，陈俊. 基于主成成分分析的水质考核排名研究——以涪江四川国省考断面为例. 四川环境. 2024(04): 59-66 . 百度学术
4. 唐洪波. 韶关市水库水质综合评价与分析. 广东化工. 2024(20): 137-140 . 百度学术
5. 唐洪波. 两种水质综合评价法在粤北丘陵地区典型流域中的应用和比对. 资源节约与环保. 2024(10): 117-121 . 百度学术
6. 符诗雨，王丽娜，吕凤春，陈表娟，徐诗琴，郭欣. 海南岛三大流域“十三五”水质变化特征及“十四五”趋势预测. 环境工程技术学报. 2023(03): 982-991 . 本站查看
7. 张勇，李灿，夏尚光，詹宇，王慧，肖逸凡，杨丽丽，刘佳奇. 不同森林类型地表径流水质特征分析与评价. 安徽林业科技. 2023(02): 12-18+36 . 百度学术
8. 杨旭莹，宋金玲，林琢，刘风超，张经武. 多种水质评价方法在木兰溪流域的比较应用. 河北科技师范学院学报. 2023(02): 58-66 . 百度学术
9. 曹艳敏，安宏雷，韩帅. 湘江流域水环境评价模型及驱动因子识别. 长江科学院院报. 2023(10): 51-58 . 百度学术
10. 胡鑫，刘兵，杨永安，王远铭，李克锋. SWAT模型在我国山区小流域水质预测中的应用——以琼江流域为例. 四川环境. 2023(05): 143-152 . 百度学术
11. 杨永安，刘兵，杨娟，龙帅，王远铭，李克锋. 琼江流域遂宁段水环境治理规划研究. 灌溉排水学报. 2022(S2): 94-98 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 390
- HTML全文浏览量: 214
- PDF下载量: 36
- 被引次数: 13
