小流域农业面源污染阻力评价及“源-汇”风险空间格局

王金亮，陈成龙，倪九派※，谢德体，邵景安

（1. 西南大学资源环境学院，重庆 400715；2. 重庆师范大学地理与旅游学院，重庆 401331）

0 引 言

农业面源污染“源-汇”风险研究是将全球变化和大气污染研究中的“源-汇”方法引入到农业面源污染风险研究中，将流域景观赋予“源”“汇”属性，并依据“源-汇”景观指数评价流域景观对农业面源污染贡献的影响，以此识别流域内的农业面源污染风险强弱[1-3]。由此，发展包括景观空间负荷比指数[4-5]、“源-汇”水文响应单元景观格局指数[6]、网格景观空间负荷对比指数[7-8]等“源-汇”景观指数对面源污染风险的指示已成为研究趋势。尽管“源-汇”景观指数的构建与改进在一定程度上能够反映流域景观对农业面源污染风险的影响，但现有研究更多地局限于景观类型的“源-汇”归属识别，并基于客观经验、专家咨询法或赋予权重贡献法等，如利用土壤侵蚀通用方程中的植被覆盖与管理因子对“源-汇”景观类型的“源-汇”贡献权重进行简单赋值[9]，强调流域整体的“源-汇”特征，而较少考虑农业面源污染“源-汇”风险的内部空间差异[3]。

“源-汇”风险的识别不仅要考虑景观类型的多样化，还要考虑影响农业面源污染的各景观要素，以及这些景观要素的叠加影响所形成的阻力空间，以及面源污染物从“源”地迁移到其他景观单元上的空间距离。而最小累计阻力模型能够将阻力因子与农业面源污染物的输移过程进行耦合，以阻力成本的方式来有效识别影响农业面源污染的“源-汇”风险格局，且已有研究在理论上提出了从景观阻力与侵蚀力平衡关系的角度，并借助最小累计阻力模型来量化“源-汇”景观对土壤侵蚀的“源-汇”风险[10]，以及在实证研究上借助最小累计阻力模型来识别量化影响三峡库区大尺度面源污染的“源-汇”风险格局[3,11]。尽管如此，现有研究较少考虑农业面源污染过程中的氮磷流失机理，因为相对于大尺度空间，小流域尺度的氮磷污染物迁移转换过程较快，且存在一定差异，径流流失是氮素损失的基本途径和主要途径；而对于磷的迁移，除了溶解于水而随径流流失外，更重要的是因土壤颗粒的吸附而导致颗粒态磷的流失。

因此，在小流域的空间尺度上，最小累计阻力模型又该如何评价影响农业面源污染的阻力因子以及识别“源-汇”风险格局。一方面，小流域农业面源污染的影响因子与在大尺度区域上的有所不同，且空间化方式也有所不同，进而会影响到小流域的“源-汇”风险识别。另一方面，以小流域为单元进行农业面源污染防控是三峡库区农业面源污染治理最有效的技术途径，而现有景观所能产生的面源污染风险则是防控农业面源污染的基础[12-13]。

为此，本文以三峡库区腹地典型农业区的王家沟小流域为研究区，选取农村居民点和旱坡地作为“源”地并进行等级划分，考虑氮磷污染迁移转换机制的差异，构建影响农业面源污染的阻力因子评价体系，以此综合评价氮磷的阻力基面，然后借助最小累计阻力模型构建阻力面，以此将影响小流域农业面源污染的“源-汇”风险程度划分不同等级，分析“源-汇”风险格局特征，以期为库区农业面源污染治理提供参考依据。

1 材料与方法

1.1 研究区概况

王家沟小流域位于三峡库区腹心地区，地处重庆市涪陵区珍溪镇，为长江北岸的一级支流小流域。该流域是一个完整的自然闭合集水区，流域面积为82.34 hm2。气候类型上属于亚热带季风气候，年均温22.1 ℃，年均降水量920 mm。地形上具有典型的以山地、丘陵夹沟谷的地形地貌。土壤类型主要以水稻土和紫色土为主，偏酸性。该流域属于涪陵榨菜和桑蚕重点种植区，为高强度利用的种植单元和典型的农业耕作区，无工业经济，主要农作物是榨菜、玉米、水稻。分析该小流域出水口2015年的地表日径流监测数据可知[14]，从1月至5月初，全流域总氮累积排放负荷均只有100 kg左右；5月15日至6月20日，由于降雨频发和春季作物追肥结束，总氮、NO3--N和总磷累积排放负荷增加量分别约占全年累积排放负荷的50%～60%；6月下旬至9月初处于农闲时期，总氮、NO3--N和总磷累积排放负荷增幅较小；9月中旬至10月上旬，因强降雨事件增多，总氮、NO3--N和总磷累积排放负荷增大；10月中旬至12月底，由于此期间降雨量不到80 mm，总氮、NO3--N和总磷的累积排放负荷增量变化也不明显。

1.2 数据来源与处理

本文所涉及的数据包括地形图、土地利用数据、土壤数据、农业生产生活资料，详细数据信息见表1。其中，土地利用数据通过谷歌卫星地图检索工具（Google Satellite Maps Retriever）下载了覆盖小流域的 Google Earth第18级卫星影像，影像分辨率为0.6 m，投影方式为WGS 1984 Mercator，影像时间为2015年8月18日。通过野外踏勘选取地表位置突出的控制点和1:1 000地形图进行影像的空间校正和几何精纠正。对影像进行目视解译，所解译的土地利用类型包括农村居民点、农村道路、水田梯田、旱地梯田、旱坡地、林地、桑园和水利设施用地，见图1。土壤采样点是在坡面地表径流汇水区域内沿坡面方向不同坡面位置（坡顶、坡腰、坡底）布设，研究区域内共布设45个土样采集点，采集的数据包括土层厚度、土壤饱和导水率、主要土壤养分等。土壤样品每年采集5次，采集时间为2014—2015年春秋2季作物种植前和农作物追肥结束后的 2个星期内以及夏季春秋作物轮空期间。2016年7月—8月期间，利用参与式农户问卷调查方式获取小流域内所有农户的农业生产生活资料，包括农户人口、农作物种类和产量、耕作面积、化肥种类和施用量、家畜种类与数量、农作物秸秆处理情况和农药使用情况等。该流域共有95户，有效问卷共95份，总人口数412人，常住人口295人，从事农业劳动的人口（157人）占常住人口的53.2%，其中从事农业劳动人口中属于青壮年的（16～50岁）占 51.6%，属于“半劳动力”（50～65岁）的占21%，65岁以上仍从事农业劳动的占27.4%。利用ArcGIS软件中的重采样工具（重采样方法默认为最邻近法）对以上所有栅格数据统一转换为空间分辨率为1 m的栅格数据，并且所有空间数据统一转为Albers等积投影。

图1 王家沟小流域的高程图和土地利用分布图Fig.1 Elevation map and land use map of Wangjiagou small catchment

表1 研究区所需数据及来源Table 1 Content of data and sources

1.3 基于最小累计阻力模型的“源-汇”风险识别方法

最小累计阻力模型的最初构建是为了分析物种从源到目的地运动过程中所付出的最小阻力值[15]，将该模型应用到农业面源污染中，表示农业面源污染物从“源”地到达目标点所克服阻力的累积和最小值[3]。由此，本文利用最小累计阻力模型识别影响三峡库区小流域农业面源污染的阻力和“源-汇”风险，具体识流程见图 2。模型的基本公式[15-16]如下

式中MCR表示最小累积阻力面值，无量纲；f表示最小累积阻力与生态过程的负相关关系；min表示对不同的“源”地取累积阻力最小值；Dij表示源 j到景观单元i的空间距离，m；Ri表示景观单元 i对运动过程的阻力基面，无量纲；m是阻力面栅格的个数；n是源地的数目。

图2 技术路线图Fig.2 Technology roadmap

1.3.1 “源”地分级

首先是确定“源”地。“源”是物质能量流通或物种扩散的原点，具有内部同质性或集聚性和外部扩张性的特点[17]。对于研究区的农业面源污染而言，依据已有研究对王家沟小流域的农业面源污染源分析，小流域主要污染源为畜禽粪便、作物秸秆、农村污水和化肥，总氮和总磷污染物等标负荷比分别为30.4%、21.61%、4.27%和2.8%[14]，而且在研究区耕地类型中，旱坡地的氮磷流失最为明显[18]。由此，选择农村居民点和旱坡地作为王家沟小流域农业面源污染的最大“源”地。

依据“源”地的氮磷输出能力，需要对“源”地进行等级划分。尽管“源”地的氮磷输出会受到径流的驱动影响，而径流又受土壤厚度、下渗能力和土壤前期含水量因素等的影响，但是对小流域径流量难以进行空间化，主要原因在于：一方面，在实际监测中无法获取小流域内每个栅格单元（1 m×1 m）的径流量数值，也不能像在大尺度空间通过多个气象站点的降雨量进行空间插值而得到降雨量的空间变化趋势那样对径流量进行空间插值；另一方面，流域的下垫面较为复杂，存在土壤、植被和水文状况等综合因素的影响，导致产流的损失，从而难以精确模拟径流量的空间异质性。因此，本文对“源”地的分级进行如下：1）总体上，农村居民点所产生的氮磷污染负荷远高于其他污染源，农村居民点的氮磷污染源主要来自生活污水和畜禽粪便，且没有污水处理系统。可见农村居民点所产生的污染负荷高，因此作为一级源；2）对于旱坡地，依据坡度的大小对旱坡地进行等级划分，坡度越大，等级越高，共为 5个等级。坡度等级的划分见表2。因此，研究将小流域的“源”地划分为6个等级。

表2 阻力基面评价指标体系Table 2 Indicator system of evaluating resistance base surface

1.3.2 阻力基面评价指标体系构建

在农业面源污染过程中，地形、土壤、水文和植被等景观要素往往控制着景观流，表现出的阻力作用也不同。考虑到氮磷的流失机理存在差异性，本文分别构建氮和磷的阻力基面评价指标体系，选择相对高程、坡度、“源-汇”景观类型和植被截留指数作为常规因子，氮磷的阻力基面评价都需要考虑；选择地形湿润指数、水流长度和氮投入量作为影响氮的阻力基面的特殊因子；选择土壤流失垂直距离指数、土壤侵蚀强度和磷投入量作为影响磷的阻力基面的特殊因子，具体见表2。

其中，相对高程、坡度和水流长度利用流域DEM在ArcGIS10.3软件中的表面分析和水文分析等工具获取。地形湿润指数通过 ArcGIS10.3软件的空间分析模块获得，见公式（2）[19-20]

式中R为流域中某点的地形湿润指数；α为流域上某一点的累积汇水量，mm；P为小流域年降雨量，mm；K为标准化的土壤饱和导水率，无量纲；D为标准化的土层厚度，无量纲；β为坡度值，（°）。

植被截留指数反映的是流域内植被缓冲带截留污染物的可能性，截留带宽度越大，坡度越小，截留效率越高[21]。计算公式如下

式中V是截留效率；Wk是下游流线上点k处的植被截留带宽度，m；βk是坡度角，（°）；K 是流域上某点在下游流线上土地利用类型为林地或草地的栅格数[21]。

土壤流失垂直距离指数的计算需要先提取土壤流失垂直距离，该距离的提取主要是利用ArcGIS的空间分析模块，将水系的高程值向外扩展得到水系高程面数据，并运用DEM数据与该水系高程面数据相减而实现，然后利用该指数的计算公式（4）[22]进行提取

式中Hi是流域中某点的土壤流失垂直距离指数；Hmax是流域中土壤流失垂直距离的最大值，m；hi是流域中某点的土壤流失垂直距离，m。

土壤侵蚀强度等级的划分参考周月敏[23]的研究方法，主要是依据研究区所处位置及主要土壤侵蚀类型，重点考虑代表植被覆盖度、坡度及土地利用的 3个指标来确定王家沟小流域水土流失强度分级，并根据此划分小流域的土壤侵蚀强度等级。

“源”、“汇”景观类型的提取主要是利用土地利用数据进行重分类。重分类的依据在于“源-汇”景观理论[1-2]，在具体归类上参考Wang等的研究[24]，将农村居民点、农村道路、旱坡地和旱地梯田归为“源”景观类型，而林地、桑园、水田梯田、水利设施用地为“汇”景观类型。

对于氮磷因子的氮磷投入量计算，通过农户调查访问发现，氮、磷投入主要与土地利用相关，为此，以参与式农户问卷调查方式获取小流域内农户的农业生产生活资料，具体的氮磷投入参数选取和计算可参考文献[25]。

各指标的赋值和权重设置上，参考叶玉瑶等[26-27]的研究，分别将各阻力因子的 5个等级用 1、3、5、7、9进行赋值。指标权重的获取是通过专家打分的方式确定，具体的方法为德尔菲法[28]，所参与的专家均为西南地区面源污染专业背景的相关专家（共 20名），主要是通过对指标的重要性和权重值进行填表咨询，并计算专家意见的集中值与变异程度，以及协调程度的和谐系数，最后对指标的权重进行归一化运算，得到每个指标的权重。由此，通过指标图层与相应权重的空间叠加，最终得到小流域的阻力基面。

1.3.3 阻力面构建与“源-汇”风险分级

阻力面反映了各种“流”（物质和能量等）从“源”景观中出发克服各种阻力要素到达目的地的相对或绝对难易程度，也客观表现了事物空间运动在景观表面的趋势[15-16]。具体构建过程如下：基于基面阻力评价结果，运用ArcGIS10.3中的cost-distance模块分别生成对应氮和磷的各6个等级源的阻力面，依据公式（1），利用Con函数进行两两比较不同等级源的阻力面，筛选出各等级源的阻力面的最小值，作为氮和磷的阻力面，用Con函数继续比较氮和磷的阻力面，筛选出最小值，作为影响小流域农业面源污染的总阻力面，见图2。影响农业面源污染的“源-汇”风险等级划分，主要是选择关于不同累计阻力数对应栅格数的突变情况作为阻力阈值的确定依据[29]。根据最小累计阻力的标准方差，对总阻力面值初步划分为多个类别，并统计每一类的栅格数及其占总栅格数的比例，以及前一分类与后一分类的比例差值。然后依据比例差值确定风险分区的临时阈值，将影响小流域农业面源污染的“源-汇”风险进行分区，等级越高，农业面源污染的风险也越高。

2 结果与分析

2.1 阻力因子的空间分布特征

对于阻力基面各因子的等级空间分布，由 1等级变化到 9等级，表示影响农业面源污染的潜在阻力逐渐增大。由图 3可以看出，阻力基面各因子的空间分布存在明显的空间差异，且差异程度明显不同。

相对高程、水流长度和土壤流失垂直距离指数的等级空间分布趋势相近，均由小流域的出水口逐渐向流域内增大，呈现圈层分布特征。土壤流失垂直距离指数的1等级空间区域远大于其他 2个因子，主要原因在于土壤流失垂直距离反映的是距离水系远近导致的相应土地利用类型对河流泥沙的贡献程度的差异[22]，而在整体上，小流域内土地利用类型距离水系较近，流失的土壤颗粒易入水系，潜在阻力较小，导致土壤流失垂直距离指数的1等级空间范围较大。

坡度越大，潜在阻力越小，等级也越小。王家沟小流域的坡度特征表现为由高海拔的外围坡度大逐渐向中间低洼处降低，因此其等级空间分布的趋势与实际坡度相反。相对于坡度，地形湿润指数的等级空间分布特征较为复杂，大致呈现“山脊-山谷”状的分布特征，由“山脊”处的等级高、潜在阻力大，过渡到“山谷”处的等级低、潜在阻力小。

“源”“汇”景观类型呈现出土地利用空间分布的特征，“源”景观类型的潜在阻力小，等级低；“汇”景观类型的潜在阻力大，等级高。植被截留指数和土壤侵蚀强度的等级空间分布呈现出环状特征，表现为林地和桑园覆盖的区域阻力等级高，其他区域等级低。氮磷投入量的等级空间分布也受土地利用状况的影响，呈现出土地利用的空间分布特征，表现为旱坡地和农村居民点的等级低、潜在阻力相对小，林地和桑园的等级高、潜在阻力相对大。

2.2 阻力基面和阻力面的综合评价

阻力基面反映的是景观单元通过阻力因子的垂直叠加，对于农业面源污染过程的综合影响程度，即各阻力因子的空间叠加影响而形成的阻力基面。由图 4可以看出，影响农业面源污染的氮磷阻力基面存在空间差异，主要表现在，空间分布上，阻力基面低值主要分布在旱坡地和旱地梯田所处的空间，可见这些区域的景观单元受到阻力因子的综合影响较小，所产生的氮磷面源污染物极易流失；而阻力基面高值主要分布在林地和桑园所分布的环带空间中，这些景观单元受到阻力因子的综合影响较大，氮磷面源污染物易被拦截。进一步地从土地利用分布的角度看，表 3可以看出，农村居民点、旱坡地、旱地梯田和农村道路所分布的阻力基面平均值小于林地、桑园、水田梯田和水利设施用地，由此可见，阻力基面的空间分布结果反映了影响库区小流域农业面源污染的“源-汇”景观空间差异。

图3 阻力基面评价指标的空间分布特征Fig.3 Spatial distribution of indicators for evaluating resistance base surface

图4 影响农业面源污染的阻力基面Fig.4 Resistance base surface impacted agricultural non-point source pollution

表3 不同土地利用类型的阻力基面和阻力面平均值Table 3 Mean value of resistance base surface and resistance surface under different land use

阻力面是在阻力基面和“源”地的基础上叠加距离因素而得到的最小累计阻力值，综合反映了面源污染物从“源”地出发所经过的阻力空间分布趋势。对比图 4和图 5可以看出，阻力基面与阻力面的空间分布存在一定的区域差异，由图 5可以看出，氮和磷及总体的阻力面总体上都围绕“源”地向外呈现不断增大的变化趋势。其中，阻力面的高值区域主要分布在小流域内的低洼处和流域出水口，这些区域主要分布水田梯田，表 3也可以看出水田梯田的氮磷阻力面和总体阻力面值为最高，均值分别为 846.60、858.06和 828.41；尤其是分布在坡度较缓的旱地梯田，其氮磷阻力面和总阻力面值也较高，均值分别为 741.36、722.76和 711.23。这主要原因在于水田梯田和旱地梯田处于流域内的低洼处，相对高程较低、坡度较小，距离“源”地的农村居民点和旱坡地较远，面源污染物从“源地”到达水田梯田会经历更多的阻力作用，阻力相对较大，所以阻力面值较大。阻力面的低值区域主要分布在农村居民点和旱坡地，原因在于由于这 2类景观类型被选作影响农业面源污染的“源”地，其内部的阻力最小。相关研究[3]也认为距离“源”地较远的地类，所处的阻力面值往往偏大，主要是受空间距离影响，距离越远，所经历的阻力作用相对较大，反之则较小。

图5 影响农业面源污染的阻力面Fig.5 Resistance surface impacted agricultural non-point source pollution

2.3 影响农业面源污染的“源-汇”风险特征

按照最小累计阻力值的标准方差，初步将图5c的总阻力面划分为16类（C1～C16），每类间隔四分之一方差，并统计每一类的栅格数及其占总栅格数的比例，以及前一分类与后一分类的比例差值，如C1类的比例减去C2类的，以此类推。由表4可以看出，C1类变化到C2类，栅格数的差值占到整个流域栅格总数的28.08%；C2类变化到C3类，突变幅度占到整个流域栅格总数的1.64%；接着是C6类变化到C7类，突变幅度占整个流域栅格总数小于1%，以及最后的C15到C16的突变，突变幅度发生减小，为-1.22%。因此，选择上述突变点作为“源-汇”风险分区的临界阈值，将“源-汇”风险分区划分为5等级：极高风险区（C1类）、高风险区（C2类）、中风险区（C3～C6类）、低风险区（C7～C15类）和极低风险区（C16类），并利用ArcGIS软件的统计功能统计每个风险分区的面积，以及每种土地利用类型的各风险分区的面积比例，结果如图6所示。

表4 总阻力面的标准差分类Table 4 Classification based on standard deviation for whole resistance surface

由图6可以看出，各等级“源-汇”风险区表现为：极高风险区（0.297 7 km2）>高风险区（0.154 4 km2）>中风险区（0.147 5 km2）>低风险区（0.147 4 km2）>极低风险区（0.016 0 km2），可见影响整个小流域农业面源污染的“源-汇”风险偏高，尽管如此，小流域内仍然有一定范围的低风险区，能确保流域内的氮磷流失得到有效拦截。

对于极高风险区，在整个小流域的分布面积为最大，占到整个流域的 39%，空间特征主要表现为团聚块状分布，其内的景观阻力最小，氮磷污染物极易流失，而且分布的地类为旱坡地和农村居民点（极高风险区的面积比例均为100%），即“源”地的“源-汇”风险极高，因而是氮磷污染物的最大来源。

紧邻围绕极高风险区分布的是高风险区，分布面积占整个流域的20.23%，在空间上表现为沿着极高风险区分布的细条带状特征。在地类分布上，图6b可以看出，相对于“源”景观类型，“汇”景观类型反而占据一定的比例，这主要原因在于这些“汇”景观类型镶嵌分布于“源”景观中，距离“源”景观中的旱坡地和农村居民点相对较近，易受这些“源”的影响，在某些地段呈现高风险特征。

其次是中风险区，在风险特征上处于高风险和低风险的过渡状态，空间分布范围仅次于高风险区，也是围绕极高风险区而分布。地类分布上，图6b可以看出，中风险区在“汇”景观类型中分布较广，尤其是在林地、桑园和水利设施用地中。如果这些地类转换为旱坡地或者农村居民点，必然增大“源-汇”风险，中风险等级将会转变为更为严重的高风险或极高风险。

最后是低风险区和极低风险区，这 2类风险区的农业面源污染风险较低，“源-汇”特征上以“汇”为主，景观阻力较大，景观单元对氮磷污染物的截留能力较强。空间分布上，低风险区主要分布于小流域内地势低洼处，以及缓坡处等地方；而极低风险区则主要分布在 3处，包括流域出水口附近、流域边界的北部和流域中部低洼处，这些地方距离“源”地较远，氮磷污染物伴随土壤颗粒和水流迁移需要经受更长空间距离的阻力作用。分布地类上，以水田梯田和旱地梯田分布为主，其次是桑园、水利设施用地和林地，其中的旱地梯田虽然被划分为“源”景观类型，但其分布的坡度较低，而且有高于坡面的石坎或土坎在一定程度能够拦截氮磷污染物，因此其景观阻力较大，“源-汇”风险较小。

图6 影响小流域农业面源污染的“源-汇”风险区及不同土地利用类型的“源-汇”风险区面积比例Fig. 6 “Source-sink” risk zones impacted agricultural non-point source pollution and its area ratio of different land use types

3 讨 论

本文从影响农业面源污染的“源-汇”出发，引入最小累计阻力模型将农业面源污染过程融入到风险评价中，从而以阻力面的形式来表征“源-汇”风险。研究所得出的影响三峡库区小流域农业面源污染的“源-汇”风险格局与相关研究能够得到很好的验证，例如陈成龙等[30]研究也认为，水田能够显著降低了坡面和干渠节点的总氮流失浓度，旱地和多数水旱轮作地与不同坡面和干渠的总氮流失浓度相当，可见流域内的水田农业面源污染风险低，而旱坡地的相对较高，这与本文的水田梯田处于“源-汇”风险的低风险区、旱坡地处于高风险区的风险格局较为相近。Chen等[14]也分析认为氮磷污染物浓度（总氮、总磷）与水稻、桑树面积比呈显著的负相关关系，而与玉米和榨菜面积比呈正相关关系，也表明本文基于最小累计阻力模型的农业面源污染“源-汇”风险格局识别的可行性。同时，本文还存在需要进一步完善与深入研究的问题。在考虑构建阻力基面评价指数体系时，由于小流域面积小于1 km2，导致降雨量、土壤类型等空间差异较小而无法进行空间化，因此不能够全面地综合所有影响因子。因此，需要考虑如何更好地将小流域农业面源污染的外在影响因子与内在转换迁移机制结合起来，并在最小累计阻力模型中实现。另外，本文的“源-汇”风险格局识别侧重于空间上的过程，而时间预测功能相对较弱，因为农业面源污染过程实质上也是面源污染物的在时空上的“源-汇”过程，“源-汇”风险在时间尺度上存在着演变过程。

4 结 论

本文从阻力的角度，结合源汇景观理论和最小累计阻力模型，在确定“源”地的基础上，构建影响小流域农业面源污染的阻力因子评价体系，以此对小流域的阻力基面进行综合评价，最后借助最小累计阻力模型构建阻力面，以此识别影响小流域农业面源污染的“源-汇”风险格局。研究结论如下：

1）对于影响农业面源污染的不同阻力因子，其空间分布存在明显的空间差异。氮和磷的阻力基面反映了影响三峡库区小流域农业面源污染的“源-汇”景观空间差异，其中阻力基面低值主要分布在属于“源”景观类型的旱坡地和旱地梯田所处的空间，而阻力基面高值主要分布在属于“汇”景观类型的林地和桑园所分布的环带空间中。

2）氮和磷的阻力面总体上围绕“源”地向外呈现不断增大的变化趋势，即距离“源”地越远，阻力面值越大，面源污染物所受的空间阻力越大，其中的高值区域主要分布水田梯田分布区域，而低值区主要分布在农村居民点和旱坡地。依据阻力面和阻力阈值，研究划定了影响王家沟小流域农业面源污染的“源-汇”风险区，表现为极高风险区（0.297 7 km2）>高风险区（0.154 4 km2）>中风险区（0.147 5 km2）>低风险区（0.147 4 km2）>极低风险区（0.016 0 km2）。“源-汇”风险格局特征在整体上表现出，影响整个小流域农业面源污染的“源-汇”风险偏高，但小流域内仍有一定范围的低风险区，能确保流域内的氮磷流失得到有效拦截。

[1] 陈利顶，傅伯杰，赵文武.“源”“汇”景观理论及其生态学意义[J]. 生态学报，2006，26(5)：1444－1449.Chen Liding, Fu Bojie, Zhao Wenwu. Source-sink landscape theory and its ecological significance[J]. Acta Ecologica Sinica,2006, 26(5): 1444－1449. (in Chinese with English abstract)

[2] Chen L D, Fu B J, Zhao W W. Source-sink landscape theory and its ecological significance[J]. Frontiers in Biology, 2008,3(2): 131－136.

[3] 王金亮，谢德体，邵景安，等. 基于最小累积阻力模型的三峡库区耕地面源污染“源-汇”风险识别[J]. 农业工程学报，2016，32(16)：206－215.Wang J L, Xie D T, Shao J A, et al. Identification of source-sink risk pattern of agricultural non-point source pollution in cultivated land in Three Gorge Reservoir Area based on accumulative minimum resistance model[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16): 206－215. (in Chinese with English abstract)

[4] Chen L D, Tian H Y, Fu B J, et al. Development of a new index for integrating landscape patterns with ecological processes at watershed scale[J]. Chinese Geographical Science, 2009, 19(1): 37－45.

[5] Wu Z P, Lin C, Su Z H, et al. Multiple landscape“source-sink” structures for the monitoring and management of non-point source organic carbon loss in a peri-urban watershed[J]. Catena, 2016, 145: 15－29.

[6] Zhou Z X, Li J. The correlation analysis on the landscape pattern index and hydrological processes in the Yanhe watershed, China[J]. Journal of Hydrology, 2015, 524(5):417－426.

[7] Jiang M Z, Chen H Y, Chen Q H. A method to analyze“source-sink” structure of non-point source pollution based on remote sensing technology[J]. Environmental Pollution,2013, 182: 135－140.

[8] Jiang M Z, Chen H Y, Chen Q H, et al. Study of landscape patterns of variation and optimization based on non-point source pollution control in an estuary[J]. Marine Pollution Bulletin, 2014, 87(1/2): 88－97.

[9] 孙然好，陈利顶，王伟，等. 基于“源”“汇”景观格局指数的海河流域总氮流失评价[J]. 环境科学，2012，33(6)：1784－1787.Sun Ranhao, Chen Liding, Wang Wei, et al. Correlating landscape pattern with total nitrogen concentration using a Location-weighted Sink-source landscape index in the Haihe river basin, China[J]. Environmental Science, 2012, 33(6):1784－1787. (in Chinese with English abstract)

[10] 许申来，周昊. 景观“源、汇”的动态特性及其量化方法[J]. 水土保持研究，2008，15(6)：64－71.Xu Shenlai, Zhou Hao. The landscape dynamics of 'source'and 'sink' and its quantification method[J]. Research of Soil and Water Conservation, 2008, 15(6): 64－71. (in Chinese with English abstract)

[11] Wang J L, Shao J A, Wang D, et al. Identification of the“source” and “sink” patterns influencing non-point source pollution in the Three Gorges Reservoir Area[J]. Journal of Geographical Science. 2016, 26(10): 1431－1448.

[12] Adams R, Arafat Y, Eate V, et al. A catchment study of sources and sinks of nutrients and sediments in south-east Australia[J]. Journal of Hydrology, 2014(515): 166－179.

[13] 陈利顶，贾福岩，汪亚峰. 黄土丘陵区坡面形态和植被组合的土壤侵蚀效应研究[J]. 地理科学，2015，35(9)：1176－1182.Chen Liding, Jia Fuyan, Wang Yafeng. The effects of slope configuration and vegetation pattern on soil erosion in the Loess Hilly Area[J]. Scientia Geographica Sinica, 2015,35(9): 1176－1182. (in Chinese with English abstract)

[14] Chen C L, Gao M, Xie D T, et al. Spatial and temporal variations in non-point source losses of nitrogen and phosphorus in a small agricultural catchment in the Three Gorges Region[J]. Environmental Monitoring & Assessment,2016, 188(4): 1－15.

[15] Knaapen J P, Scheffer M, Harms B. Estimating habitat isolation in landscape planning[J]. Landscape and Urban Planning, 1992, 23(1): l－16.

[16] Greenberg J A, Rueda C, Hestir E L, et al. Least cost distance analysis for spatial interpolation[J]. Computers &Geosciences, 2011(37): 272－276.

[17] Gonzales E K, Gergel S E. Testing assumptions of cost surface analysis: A tool for invasive species management[J].Landscape Ecology, 2007, 22 (8): 1155－1168.

[18] 徐畅，谢德体，高明，等. 三峡库区小流域旱坡地氮磷流失特征研究[J]. 水土保持学报，2011，25(1)：1－10.Xu Chang, Xie Deti, Gao Ming, et al. Study on the nitrogen and phosphorus loss characteristics from sloping uplands in small watershed of Three Gorges Reservoir Region[J].Journal of Soil and Water Conservation, 2011, 25(1): 1－10.(in Chinese with English abstract)

[19] Qiu Z Y. Assessing critical source areas in watersheds for conservation buffer planning and riparian restoration[J].Environmental Management, 2009, 44(5): 968－980.

[20] 庞树江，王晓燕. 流域尺度非点源总氮输出系数改进模型的应用[J]. 农业工程学报，2017，33(18)：213－223 Pang Shuijiang, Wang Xiaoyan. Application of modified diffuse total nitrogen export coefficient model at watershed scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(18): 213－223. (in Chinese with English abstract)

[21] Wang J L, Shao J A, Wang D, et al. Simulation of the dissolved nitrogen and phosphorus loads in diあerent land uses in the Three Gorges Reservoir Region: Based on the improved export coeきcient model[J]. Environmental Science-Processes & Impacts, 2015, 17(11): 1861－1994.

[22] 傅伯杰，赵文武，陈利顶，等. 多尺度土壤侵蚀评价指数[J]. 科学通报，2006，51(16)：1936－1943.Fu Bojie, Zhao Wenwu, Chen Liding, et al. Evaluation indices of soil erosion under multi-scales[J]. Science Bulletin,2006, 51(16): 1936－1943.

[23] 周月敏. 面向小流域管理的水土保持遥感监测方法研究[D]. 北京: 中国科学院遥感应用研究所，2005.Zhou Yuemin. Study on Methods for Soil and Water Conservation Monitoring Small Watershed-oriented[D].Beijing: Institute of Remote Sensing Applications, Chinese Academy of Sciences, 2005.

[24] Wang J L, Ni J P, Chen C L, et al. Source-sink landscape spatial characteristics and effect onnon-point source pollution in a small catchment of theThree Gorge Reservoir Region[J].Journal of Mountain Science, 2018, 15(2): 327－339.

[25] Scoonesa I, Toulmin C. Soil nutrient balances: What use for policy?[J]. Agriculture, Ecosystems and Environment, 1998,71(1/3): 255－267.

[26] 叶玉瑶，苏泳娴，张虹鸥，等. 生态阻力面模型构建及其在城市扩展模拟中的应用[J]. 地理学报，2014，69(4)：485－496.Ye Yuyao, Su Yongxian, Zhang Hong’ou, et al. Ecological resistance surface model and its application in urban expansion simulations[J]. Acta Geographica Sinica, 2014,69(4): 485－496.

[27] Ye Yuyao, Su Yongxian, Zhang Hongou, et al. Construction of an ecological resistance surface model and its application in urban expansion simulations[J]. Journal of Geographical Science, 2015, 25(2): 211－224.

[28] 李华敏. 基于顾客价值理论的旅游地选择意向形成机制研究[J]. 地理研究，2010，29(7)：335－1344.Li Huamin. Study on the formation mechanism of tourism destination choosing intention based on the customer value theory[J]. Geographical Research, 2010, 29(7): 335－1344.

[29] 程迎轩，王红梅，刘光盛，等. 基于最小累计阻力模型的生态用地空间布局优化[J]. 农业工程学报，2016，32(16)：248－257.Cheng Yingxuan, Wang Hongmei, Liu Guangsheng, et al.Spatial layout optimization for ecological land based on minimum cumulative resistance model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(16): 248－257. (in Chinese with English abstract)

[30] 陈成龙，高明，倪九派, 等. 三峡库区小流域不同土地利用类型对氮素流失影响[J]. 环境科学，2016，37(5)：1707－1716.Chen C L, Gao M, Ni J P, et al. Nitrogen losses under the action of different land use types of small catchment in Three Gorges Region[J]. Environmental Science, 2016, 37(5): 1707－1716.