InVEST 및 GeoDetector 모델을 통한 태호 유역의 질소 손실 원인 및 원동력

Scientific Reports 13권, 기사 번호: 7440(2023) 이 기사 인용

334 액세스

1 알트메트릭

측정항목 세부정보

유역에서 발생하는 반응성 질소(Nr) 손실의 시간적, 공간적 변화를 정량화하고 주요 동인을 탐색하는 것이 유역 수질 개선의 핵심입니다. 막대한 Nr 손실은 Taihu Lake Basin(TLB)의 수질 환경 안전을 계속해서 위협하고 있습니다. 여기에서는 InVEST와 GeoDetector 모델을 결합하여 1990년부터 2020년까지 TLB의 Nr 손실을 추정하고 추진력을 탐색했습니다. Nr 손실에 대한 다양한 시나리오를 비교한 결과, Nr 손실은 2000년에 181.66×103 t로 최고조에 달했습니다. Nr 손실에 영향을 미치는 주요 요인은 토지 이용, 고도, 토양 및 경사 요인 순이었으며 평균 q-값은 0.82였습니다. 각각 0.52, 0.51, 0.48입니다. 시나리오 분석에 따르면 평소와 같은 경제 개발 시나리오에서 Nr 손실이 증가한 반면, 생태학적 보전, 영양분 사용 효율성 증가, 영양분 적용 감소는 모두 Nr 손실 감소에 기여하는 것으로 나타났습니다. 이번 연구 결과는 TLB의 Nr 손실 제어 및 향후 계획에 대한 과학적 참고 자료를 제공합니다.

과도한 반응성 질소(Nr) 손실은 전 세계적으로 수생 생태계에 가장 큰 위협 중 하나입니다1,2,3. 농업 시비, 산업 생산, 하수 배출과 같은 인위적 활동은 육상 Nr의 수생 생태계, 즉 강과 호수로의 이동을 가속화하여 부영양화4,5,6, 녹조7, 온실가스 배출 등을 초래했습니다. on3,8. 이러한 현상은 국내 물 안보와 생산적인 물 공급을 심각하게 위협합니다. 세계 물 개발 보고서에 따르면 20509년까지 전 세계적으로 거의 60억 명이 깨끗한 물 부족 위기에 직면할 것으로 예상됩니다. 특히, 중국의 부적절한 수질로 인해 물 부족이 악화되고 있으며, 높은 Nr 부하가 가장 심각한 위협 중 하나입니다. 수질에10. Nr 손실을 줄이고 제어하는 ​​것이 시급합니다.

지난 수십 년 동안 Nr 손실에 대한 많은 연구는 현장 측정에 중점을 두었습니다. 그러나 장기적인 유역 수질 모니터링 및 연구는 시간이 많이 걸리며 향후 토지 이용 변화의 영향을 평가하는 데 적합하지 않습니다14. 지리 정보 시스템(GIS) 및 원격 감지의 개발로 토양 및 수질 평가 도구(SWAT), 수문학 시뮬레이션 프로그램-FORTRAN(HSPF), 연간 농업 비-수문학 등 수질 및 수문학 생태계 서비스를 평가하기 위한 많은 모델이 개발되었습니다. 포인트 소스(AnnAGNPS)와 생태계 서비스 및 상충관계의 통합 평가(InVEST)가 개발되어 널리 사용됩니다14,15,16,17,18,19,20,21. SWAT, HSPF, AnnAGNPS 등 영양분 이동 과정을 기반으로 한 모델은 수문학적 과정을 잘 시뮬레이션하고 정확한 결과를 제공할 수 있습니다. 그러나 이러한 모델은 교정을 위해 대량의 수문학 데이터가 필요하며18,22, 이는 데이터가 부족한 지역에서는 적용할 수 없는 경우가 많으며 작동이 복잡하고 운영자를 위한 특정 교육이 필요합니다19,23. InVEST 모델은 다른 모델에 비해 통합 알고리즘 수가 적기 때문에 사용하기 쉽고, 실행 시간이 짧고 공간 표현력이 뛰어나 데이터가 부족한 영역에서 모델링 및 분석이 가능합니다24. InVEST 모델의 영양분 전달 비율(NDR) 모듈은 보다 직접적인 물질 수지 접근 방식을 사용하여 영양분의 장기적이고 안정적인 공간 이동을 설명합니다. 이는 다양한 기후 및 토지 이용 변화 시나리오에서 영양분 수출을 반영할 뿐만 아니라 도움이 됩니다. 하위 유역 또는 수문학 단위 규모에서 오염에 대한 자연적 요인과 인간 활동의 영향을 평가합니다25.

농업 시비 및 도시 폐수 배출은 Nr을 환경에 직접 노출시킵니다. 기후와 지형은 Nr 수송을 촉진하여 Nr 손실에 기여합니다11; 토지 이용 구성 및 구조의 변화는 표면 영양분 함량과 영양분 수송을 변경하여 Nr 손실에 영향을 미칠 수도 있습니다. 연구에 따르면 농업 집약화로 인해 Nr 손실이 3.5배 증가했으며28 불투수성 표면이 증가하여 Nr 손실도 악화된 것으로 나타났습니다. 더욱이, 산림에서 개간지로의 이동은 탈질 능력을 증가시킵니다28. 초원의 패치 가장자리를 늘리면 Nr 오염을 줄일 수 있습니다. 그러나 다중 선형 회귀, 상관 분석, 보통 최소 제곱 모델, 공간 지연 모델 및 공간 오류 모델과 같은 전통적인 연구 도구 및 방법은 운전자의 공간 가변성을 처리하기가 어렵습니다. 이는 지속적인 데이터 분석으로 제한되어 토지 이용 데이터를 사용하여 Nr 손실에 대한 직접적인 영향을 분석하는 것이 어렵습니다. 연속적이고 유형적인 데이터를 사용하는 GeoDetector 모델은 공간 이질성의 동인을 밝힐 수 있는 새로운 통계 방법입니다. 이는 독립변수가 종속변수에 유의한 영향을 미치는 경우 독립변수와 종속변수의 공간적 분포가 유사성을 가져야 한다는 원리에 기초합니다31,32. GeoDetector 모델은 자연과 사회의 다양한 분야에 적용되었습니다31. 예를 들어, Chen et al. GeoDetector 모델을 사용하여 베이징-천진-허베이 도시 응집에서 수자원의 공간적, 시간적 분기에 대한 토지 이용과 같은 요인의 추진 역할을 탐색했습니다33. Liu 등34은 GeoDetector 모델을 기반으로 도시 확장에 대한 자연, 경제 및 교통의 영향을 조사했습니다.