InVEST モデルと GeoDetector モデルによる太湖流域からの窒素損失の原因と原因

Scientific Reports volume 13、記事番号: 7440 (2023) この記事を引用

334 アクセス

1 オルトメトリック

メトリクスの詳細

流域からの活性窒素（Nr）損失の時間的および空間的変化を定量化し、その主な要因を探ることは、流域の水質改善の鍵となります。膨大な Nr 損失が、太湖流域 (TLB) の水環境の安全を脅かし続けています。ここでは、InVEST モデルと GeoDetector モデルを組み合わせて、1990 年から 2020 年までの TLB における Nr 損失を推定し、原動力を調査しました。 Nr 損失のさまざまなシナリオを比較し、Nr 損失が 2000 年の 181.66 × 103 t でピークに達したことを示しました。Nr 損失に影響を与える主な要因は土地利用であり、次に標高、土壌、傾斜係数が続き、それらの平均 q 値は 0.82、それぞれ0.52、0.51、0.48。シナリオ分析の結果、通常通りの事業シナリオと経済発展シナリオではNr損失が増加する一方で、生態系保全、栄養塩利用効率の向上、および栄養塩施用量の削減はすべてNr損失の削減に寄与することが明らかになりました。この発見は、TLB における Nr 損失制御と将来の計画に科学的な参考資料を提供します。

過剰な反応性窒素 (Nr) の損失は、世界中の水生生態系に対する最大の脅威の 1 つです1、2、3。農業の施肥、工業生産、下水の排出などの人為的活動により、陸上の Nr が水生生態系、つまり河川や湖沼への輸送が加速され、その結果、富栄養化 4、5、6、アオコの発生 7、温室効果ガスの排出などが引き起こされています。 3,8に。これらの現象は、家庭用水の安全と生産的な水の供給を大きく脅かします。世界水開発報告書によると、2050 年までに世界中で約 60 億人がきれいな水不足の危機に苦しむことになる9。特に、中国では不適切な水質によって水不足が悪化しており、高い Nr 負荷は最も深刻な脅威の 1 つである。水質について10． Nr の損失を削減し、制御することが緊急に必要です。

過去数十年にわたり、Nr 損失に関する多くの研究は現場での測定に焦点を当ててきました 11、12、13、14、15、16。しかし、流域の水質の長期的な監視と調査は時間がかかり、将来の土地利用変化の影響を評価するのには適していません14。地理情報システム (GIS) とリモートセンシングの発展により、土壌および水評価ツール (SWAT)、水文シミュレーションプログラム -FORTRAN (HSPF)、年次農業非ポイントソース (AnnAGNPS) と生態系サービスとトレードオフの統合評価 (InVEST) が開発され、広く使用されています14、15、16、17、18、19、20、21。 SWAT、HSPF、AnnAGNPS などの栄養塩輸送プロセスに基づくモデルは、水文学的プロセスを適切にシミュレートし、正確な結果を提供できます。しかし、これらのモデルは校正に大量の水文学データを必要とし 18,22、データが不足している地域では適用できないことが多く、操作が複雑でオペレーターに特別なトレーニングが必要です 19,23。 InVEST モデルには、他のモデルに比べて統合されたアルゴリズムが少ないため、使いやすく、データが不足している領域でも、実行時間が短く、空間表現が強力でモデリングと分析が可能です24。 InVEST モデルの栄養送達比 (NDR) モジュールは、より直接的な物質収支アプローチを使用して、長期的かつ安定した栄養分の空間移動を記述します。これは、さまざまな気候や土地利用の変化シナリオの下での栄養分の輸出を反映するだけでなく、亜流域または水文学単位のスケールで自然要因と人間の活動が汚染に及ぼす影響を評価する25。

農業の施肥と都市廃水の排出は、Nr を環境に直接曝露します26。気候と地形は Nr 輸送を促進することにより Nr 損失に寄与する11。土地利用の組成と構造の変化も、地表の栄養塩含有量と栄養塩輸送を変化させることにより、Nr 損失に影響を与える可能性があります27。研究によると、Nr 損失は農業の集約化により 3.5 倍に増加しており 28、不浸透性表面の増加も Nr 損失を悪化させている 29。さらに、森林から開墾地への移行により、脱窒能力が増加します28。そして草原のパッチエッジを増やすことでNr汚染を減らすことができます30。しかし、重線形回帰、相関分析、通常の最小二乗モデル、空間遅れモデル、空間誤差モデルなどの従来の研究ツールや手法では、ドライバーの空間変動に対処するのが困難です。これらは継続的なデータ分析に限定されているため、土地利用データを使用して Nr 損失への直接的な影響を分析することが困難になります。連続的な類型データを使用する GeoDetector モデルは、空間的不均一性の要因を明らかにできる新しい統計手法です。これは、独立変数が従属変数に大きな影響を与える場合、独立変数と従属変数の空間分布には類似性があるはずであるという原則に基づいています 31,32。 GeoDetector モデルは、自然や社会のさまざまな分野に適用されています31。たとえば、Chen et al. 彼らは、GeoDetector モデルを使用して、北京、天津、河北の都市集積における水資源の空間的および時間的分岐に対する土地利用などの要因の推進的な役割を調査しました33。 Liu ら 34 は、GeoDetector モデルに基づいて、都市の拡大に対する自然、経済、交通の影響を調査しました。

中国で最も発展した東部地域に位置する太湖流域（TLB）は、中国の国土のわずか 0.4% をカバーしていますが、人口の 4.4% を支え、GDP の 9.7% を占めています35。高度な経済発展と集約的な農業活動により、この地域の水質悪化が加速している36,37,38。太湖は盆地の最下部として、大量のNr.を受け取ります。 2009 年に約 70,000 トンの河川 Nr が太湖に入った。1998 年から 2007 年の間、1 月と 2 月を除いて、一年を通して大量のシアノバクテリアが湖に存在していた 39。 2007 年 5 月に大規模な藻類のブルームにより無錫で飲料水危機が発生40、太湖のほぼ半分がシアノバクテリアのブルームで覆われ、面積は 1,000 平方キロメートルを超え、その結果 200 万人以上が 1 週間飲み水がなくなった。当時41。近年、政府の措置と太湖総合規制に関する全体計画の実施により、太湖の水質は改善した。ただし、それでも適度に栄養価が高い42。報告書によると、2018年には39,500トンのNrが河川を通じて太湖に輸入され、湖を囲む22の主要河川のうち20のNr濃度が2 mg L−1を超えていた。飲料水の水質を評価した水質サンプルサイトのうち、必要な基準を満たしていたのは 29.09% のみでした43。大幅な Nr の損失は依然として地域の水環境の安全を脅かしています。しかし、太湖流域における Nr 損失に関する現在の研究は、野外などの小規模なスケールに限定されており 12,13、流域全体のスケールから Nr 損失の空間的および時間的変動を調査し、その要因を調査する研究はほとんど行われていない。 Nr損失の。したがって、上記のすべての問題に基づいて、まず InVEST モデルの NDR モジュールを GeoDetector モデルと統合して、TLB における Nr 損失の主な要因を調査します。さらに、さまざまなシナリオの下での TLB における Nr 損失の変動を調査するために 7 つのシナリオを設計しました。この研究の目的は、(1) 1990 年から 2020 年の間の TLB における Nr 損失の変化を比較すること、(2) 盆地における Nr 損失のホットスポットとその時空間変動を調査すること、(3) 流域内での Nr 損失の主な推進要因を特定することである。 Nr カスケード、および (4) さまざまなシナリオの下で流域における Nr 損失の将来の変化特性を予測します。

TLB は中国東部 (東経 118 度～121 度、北緯 30 度～33 度) に位置し、長江デルタの中核地域内にあります (図 1)。この盆地は、江蘇省と浙江省の 2 つの省の一部と、地級都市の 1 つである上海を含み、蘇州、無錫、常州、張家港、鎮江などのいくつかの都市部を含んでいます。中国で最も工業化と都市化が進んだ地域の一つであり、総面積は約 36,900 km2 です。湿潤な北部亜熱帯気候帯に属し、平均年間降水量は 1177 mm、平均気温は 16.2 °C です。この盆地には多くの川があり、水路が密集しており、魚と米の産地として知られています6。地形的特徴と水文学的特徴に従って、TLBは8つのサブ盆地に分割できます（図1b）。胡西（HX）、呉城西兪（WC）、楊城典劉（YC）、太湖と名付けられています。 (HQ)、浙西 (ZX)、杭家胡 (HJ)、溥西 (PX)、および浦東 (PD)12。

InVEST モデルの NDR モジュールを使用して、TLB からの Nr 損失をシミュレートしました。式は式 1 と 2 に示されています。 (1、2)。河川の DEM 抽出に基づいて、実際の河川ネットワークを使用して元の DEM データが変更され、モデルシミュレーションの精度がさらに向上しました (補足資料の S1 および図 S1)。

ここで、 \(Load_{surf,i}\) と \(Load_{subs,i}\) はそれぞれ地表と地下の栄養塩負荷を表し、 \(Load_{i}\) はグリッドユニットの Nr 負荷を表します。 (\Pr op_{subs,i}\) は地下栄養塩流出の比率を指し、i はグリッド単位です。

地表および地下の栄養塩輸送速度は、方程式によって計算されました。それぞれ（3、4）。

ここで、\(NDR_{surf,i}\) は地表栄養素の移動率、\(IC_{0}\) は地形指数、\(IC_{i}\)、k は校正パラメータ \(NDR_ {o,i}\) は下流ピクセル内の未保存の栄養素の割合、\(NDR_{subs,i}\) は地下栄養素の移動速度、\(eff_{subs}\) は最大の栄養素保持効率です。 \(l_{subs}\) は土壌養分保持力が最大容量に達する距離、\(l\) はグリッドユニットから流れまでの距離です。式 (5) および (6) を使用して栄養負荷を計算しました。

ここで、 \(x_{\exp ,i}\) はグリッドセル i の栄養負荷を表し、 \(x_{{\exp_{tot} }}\) は盆地の総栄養負荷を指します。

表 1 の空間データに加えて、NDR モジュールは、各土地利用タイプの Nr 負荷 (補足資料の S2 および表 S1)、各土地タイプの Nr 保持効率、各陸地タイプの最大 Nr 輸送距離、および K パラメータの設定。 InVEST ユーザーガイドを参照すると、この研究における農地の Nr 負荷は、統計年鑑から得られた地域の農地の Nr 施肥から導出されています。

工業用地と家庭用地を含む建築用地からの Nr 負荷は、太湖流域水環境の統合的規制に関する全体プログラムから得られました35。他の土地利用タイプの Nr 負荷とすべての土地タイプの除去効率は、InVEST ユーザーガイドと表 244 の詳細から取得しました。最大 Nr 輸送距離はデフォルト値 150 m に設定されました。 InVEST モデルは、キャリブレーションに使用される主要なパラメータである K パラメータ45の影響を受けます。そこで、観察された Nr 損失に基づいて K パラメータを調整することでモデルを校正しました。最終的に、K の値は 12.5 に設定されました。

Getis-Ord Gi* 統計は、領域の低値クラスター (コールドスポット) と高値クラスター (ホットスポット) を識別するために使用されます 30、46、47。本研究では、調査地域をカバーする 1500 × 1500 m のグリッドを作成することで各グリッドの Nr 損失を抽出し、抽出されたデータをコールドホットスポットについて分析しました。

GeoDetector モデルシステムは、Risk Detector、Factor Detector、Ecological Detector、および Interaction Detector の 4 つの主要コンポーネントで構成されます。この論文では、主に因子検出器を使用して、Nr 損失の主な原動力を調査します。

因子検出器は、[0,1] の範囲の q 値によって測定される、Nr 損失に対するさまざまな因子の影響度を検出するために適用されました。 q値が大きいほど説明力が強くなります。式は次のとおりです。

ここで、h = 1, … L、L はさまざまな要因の分類です。 \(N_{h}\) と \(N\) は、それぞれ各因子の層 h のユニット数とその因子の層別を指します。 \(\sigma_{h}^{2}\) と \(\sigma^{2}\) はそれぞれ、各因子における層 h の分散と全体的な地域 Nr 損失の分散を表し、SSW と SST は次のようになります。それぞれ、層内の分散の合計と全体の合計分散です。

我々は以前の研究20、48、49を総合し、Nr損失の主な要因を調査するために選択された17の指標を用いて、要因を自然、社会経済、土地利用と構成、景観構成の4つのカテゴリーにグループ化した（表3）。 Fragstats 4.2 の「移動ウィンドウ」機能を使用して、すべての景観の構成と構成のインデックスを計算しました。これは、景観パターンの分析と評価に特化して設計された空間統計ツールです。詳細な情報は、公式 Web サイト (https://) から入手できます。 fragstats.org/)。ドライバーの最適な空間離散化と離散化の数のすべての方法は、R 4.2.2 ソフトウェアの「GD」パッケージに基づいています。

パッチ生成土地利用シミュレーション (PLUS) モデルは、TLB (補足資料の S3) における将来の土地利用/土地被覆変化 (LUCC) をシミュレートするために適用されました。モデルプロトコルでは、2 つの異なる期間にわたる LUCC が分析されました。次に、各土地利用タイプの LUCC 拡張部分と各ドライバーの対応する部分が抽出され、サンプリングされました。ランダムフォレストアルゴリズムは、各土地利用タイプの拡大に対する各推進要因の影響と貢献を定量化し、開発確率を取得するために使用されました52。最後に、このモデルはセルオートマトン (CA) モデルとランダムシードおよびしきい値減少メカニズムを組み合わせて、高いシミュレーション精度で各 LUCC タイプの変化をシミュレートしました 53,54,55。

2015 年から 2020 年までの変化と 14 の推進要因に基づいて、各 LUCC タイプの発展確率が計算され、評価されました。 2015年のものは、2020年をシミュレーションおよび予測するための基礎として選択されました。2020年に観測されたLUCCはシミュレーション結果を検証するために使用され、カッパ係数はシミュレーション結果の精度を評価するために選択されました。一般に、カッパ係数が 0.7 より大きい場合、モデルの精度が高いことを示します 25,56。

TLB の開発傾向に従って、本研究では 2035 年の土地利用需要をシミュレーションするために、従来通りのビジネス (BAU)、生態保全 (EC)、および経済開発 (ED) の 3 つの土地利用シナリオを確立しました。 3 つの土地利用シナリオにおける各 LUCC タイプの確率は、2015 ～ 2020 年と同じでした。 2020 年の LUCC は、2035 年のシミュレーションと予測の基礎として使用されます。3 つの土地利用シナリオにおける各 LUCC タイプの開発確率は、2015 ～ 2020 年と同じです。 2 つの制約シナリオを追加して、Nr 肥料施用量 (RNA) の減少と Nr 利用効率の増加 (INUE) が Nr 損失に及ぼす影響を調査しました。したがって、拘束力のある制約シナリオと土地利用シナリオの組み合わせが検討されました。シナリオは以下のように設定しました。

BAU: このシナリオは、2035 年の BAU 土地需要のマルコフ連鎖予測に基づいた歴史的傾向を維持しました。

ED: このシナリオでは、TLB の経済発展が優先されます。農地の埋め立てとさらなる都市の拡大が奨励されました。このシナリオでは、各カテゴリの移転行列と移転確率を変更することにより、2035 年の土地需要を計算します (表 S2)。具体的には、水域、不毛の草原、森林が農地に移される確率が60%増加しました。水域、不毛地、草地、森林地、農地の都市土地への転換確率が100%増加しました。

EC: このシナリオでは、TLB の将来の発展は生態保護を優先し、政府は森林保護、植林、湿地回復などの政策を実施する一方、森林地や水域での都市建設は禁止されます。このシナリオでは、農地を森林地と水域の両方に変換する確率を 2 倍にするなど、各土地利用タイプの移転マトリックスと確率を変更して 2035 年の土地需要を計算します (表 S3)。不毛地が森林地と水域の両方に転換される確率は 80% 増加しました。一方、森林および水域を宅地に転換する確率をゼロに調整し、森林および水域を他の土地利用タイプに転換する確率を 40% 削減しました。

RNA: このシナリオは 2020 年の土地利用パターンに従っています。 2020 年の Nr 肥料施用量の 30% 削減がシミュレーションされました。

INUA: このシナリオは、2020 年の土地利用パターンに従っています。シミュレーションでは、農地における Nr 栄養素の保持率が 30% から 40% に増加しました。

BAU + INUA: このシナリオでは、UBA シナリオと INUA シナリオを組み合わせて、2035 年の通常どおりの土地利用が N 損失に対する N 利用効率の向上に与える影響を調査します。

ED + INUA: このシナリオでは、ED シナリオと INUA シナリオを組み合わせて、2035 年の経済開発の土地利用が N 損失に対する N 利用効率の向上に与える影響を調査します。

NDR モジュール、PLUS モデル、GeoDetector モデルには、空間グリッドデータ、つまり数値標高モデル (DEM) と LUCC データが必要でした。データソースと準備プロセスを表 1 に示します。

データ処理と統計分析は、Origin 2021 (OriginLab、カリフォルニア州パロアルト) および Excel 2019 (Microsoft Corp.、ワシントン州レドモンド) を使用して実行されました。地理データの空間可視性とコールドスポットの計算は、ArcGIS 10.08 (ESRI、カリフォルニア州レッドランズ) で完了しました。 GeoDetector の計算は、R バージョン 4.2.2 (R Core Team、https://www.R-project.org/) の「GD」パッケージを使用して実行されました57。

TLB の土地利用構造は過去 30 年間で劇的に変化し、農地が減少し、建築用地が拡大しました (図 2)。移転割合コードダイアグラムは、農地から宅地への転換率が増加傾向を示し、その後減少傾向を示していることを示しています。1990 ～ 2000 年、2000 ～ 2010 年、2010 ～ 2020 年の期間では、それぞれ 6.39%、12.83%、11.57% でした。 (図3)。そして、譲渡された農地の約 85% が宅地に転用され、その結果、両方の土地利用タイプの面積で明らかに逆の傾向が見られました (図 3、表 S4)。農地面積は1990年の70.53%から2020年の52.45%に大幅に減少したが、宅地面積は1990年の5.30%から2020年の23.71%に増加した（表4）。

1990 年から 2020 年までの TLB の土地利用と土地被覆の変化。

森林は主に農地の埋め立てによりわずかに減少し、1990年から2020年にかけて森林地の約18％が農地に転換されました（図3d）。直接宅地に転換されたのは森林のわずか 2.28% でしたが、農地に転換された森林の割合も 1990 ～ 2000 年の 3.89% から 2000 ～ 2010 年の 7.87%、2010 ～ 2020 年の 10.12% に増加しました (図 3)。都市化の加速が間接的に森林面積の減少につながったと考えられる（図S2）。水域とその他の土地利用タイプも相互に譲渡されるステータスを持っていました。

空間的には、土地利用の変化は盆地の南部と西部よりも東部と北部で最も顕著でした（図2）。宅地の拡大と農地の減少は主に東部と北部の都市、つまり上海、蘇州、無錫、常州、張家港で発生し、これらの都市は過去 30 年間で中国の主要な都市集積の 1 つに発展した（図 1、2、3、4）。 1、2）。主に南西部で森林が減少し、南部と西部で水域の面積がわずかに増加しました。

太湖流域水環境総合規制計画35で公表されているデータによれば、管理区域内の水域に流入するNrの量は、2005年には1.42×105トン、2010年には1.35×105トンであった。この研究では、管理区域における Nr 損失がそれぞれ 1.48 × 105 t および 1.24 × 105 t と予測され、これは観測値の相対誤差 5.65% および 7.02% に匹敵します。太湖流域局が提供した太湖の健全性に関する報告書では、流域のHXゾーンとHJゾーンで高レベルのNr損失があることがわかり、これは私たちの結果と一致していました（図S3）。この研究における Nr 損失の空間分布のモデル化の結果は、同様に正確でした。

シミュレートされた 2020 年の土地利用は 2015 年に基づいており、観測された 2020 年の土地利用を使用してその正確な読み取り値が検証されました (図 S4)。結果は、全体の精度が 0.89、カッパ係数が 0.84 であることを示しており、シミュレーション結果の精度が高く、後続の土地利用シナリオのシミュレーションを満たすことができることを示しています。

InVEST モデルに基づく Nr 損失の推定結果は、1990 年から 2000 年にかけて、TLB の Nr 損失が 1.60 × 105 t から 1.82 × 105 t に増加したことを示しました。 2000 年から 2020 年にかけて減少傾向が観察され、2020 年には合計 1.34 × 105 トンの Nr 損失が発生し、効果的な Nr 管理が示されました。サブ流域の中で、HJ ゾーンと HX ゾーンの Nr 損失が最も高く、各期間の総損失のそれぞれ 23 ～ 26% と 21 ～ 23% を占めました (図 S5)。各サブ盆地からの Nr 損失の変化は、盆地からの全体的な Nr 損失とほぼ同じでした。

研究期間中、Nr 損失コールドスポットは水域と森林が集中する地域に分布していました。これは、水域と森林が Nr 損失が最も少ない地域である傾向があるという以前の研究と一致していました3。ただし、ホットスポットはより変動しており、南と東から北に向かって徐々に集中していました (図 4)。 1990 年には、HX 北部、YC 西部、水域と森林が密集する地域を除き、TLB エリアの大部分がホットスポットでした（図 4a）。 2000 年から 2005 年にかけて、北部 (HX および WC) のホットスポットは徐々に増加しましたが、東部 (YC、PX、および PD) と南部 (HJ) のホットスポットは徐々に減少しました (図 4b、c)。 2010年から2020年にかけて、南部のホットスポットはさらに減少しましたが、YC、WC、PXは顕著なクラスター効果を示し、常熟、蘇州、無錫、上海などの主要都市がこの地域に位置しました（図4d–f）。都市の拡大は、徐々に TLB における Nr の減少に大きく寄与する可能性があります。

1990 年から 2020 年までの Nr 損失のコールドホットスポットの分布。*、**、および *** はそれぞれ 90%、95%、および 99% 信頼区間での Nr 損失を表します。 WC、HX、ZX、HQ、YC、PX、PD、および HJ は 8 つのサブ盆地を表します。

Nr 損失の潜在的な要因の説明力は、GeoDetector を使用して計算され、主な要因と、これらの主な要因が時間の経過とともにどのように変化するかを決定しました (表 5)。結果は、選択したすべての指標が 5% 有意性検定に合格したことを示し (p < 0.05)、土地利用と土地構成が TLB における Nr 損失の主な要因であることがわかりました (図 S6、表 5)。以前の研究成果20、58、59、60。 LUCC は Nr 損失について最も実質的な説明力を持ち、研究期間中の q 値は 0.8 を超え、平均値は 0.82 でした (表 5)。その主要な構成要素 (農地、森林地、水域、および建築用地) のうち、森林地 (FLP) と水域 (WAP) の割合の q 値はわずかに異なりました。 1990年から2020年にかけて、q値はFLPでは0.38から0.29に減少し、WAPでは0.30から0.32に増加しました。しかし、興味深いのは、農地 (CLP) の割合と建築用地 (BLP) の q 値が大幅に変化し、逆の傾向を示したことです。これは、農地と都市の土地利用の変化の傾向と一致しています。 CLP の q 値は 0.69 から 0.25 に減少し、BLP は 0.18 から 0.54 に増加しました。

自然要因では、DEM、土壌タイプ (SOIL)、および SLOPE の q 値は、期間にわたる Nr 損失に対する影響が減少傾向を示しました。しかし、それらは 0.4 ～ 0.6 の範囲に留まりました。 DEM、SOIL、SLOPE の平均 q 値は 0.52、0.51、0.48 で、LUCC に次いで 2 番目であり、土壌と地質環境が依然としてこの地域の Nr 損失に重大な影響を及ぼしていることを示唆しています。しかし、降水量 (PRE)、河川網密度 (RND)、および植生被覆率 (FVC) などの他の自然要因は、q 値が低く (< 0.3)、安定しているかわずかに減少しています (表 5)。河川網の密度や植生は、Nr 損失に大きな影響を与えません。社会経済的要因のうち、国内総生産（GDP）のq値は安定的に推移し、人口（POP）要因は若干増加した。 MESH、CONTAG、AI、SHDI などの土地利用構造を特徴付ける指標の q 値は調査期間を通じて小さいにもかかわらず、ほとんどのドライバーが徐々に低下する傾向とは対照的に、増加する傾向にあることは注目に値します。 q値。研究期間中に土地利用の変化がより顕著になるにつれて、TLB における Nr 損失に対する土地利用構造の影響は徐々に強化されました (図 2、表 4、表 5)。

3 つの異なる土地利用シナリオ間では、2035 年までの土地利用の変化に違いがありました (図 5)。 BAU シナリオでは、農地、森林地、水域の割合が減少する一方で、建築用地は 28.24% に増加しました。 EC シナリオでは、森林と水の面積が増加しました (表 6)。 ED シナリオでは、農地、森林地、水域の割合はそれぞれ 45.46%、10.12%、7.12% に減少し、宅地は 37.30% に増加しました。

さまざまなシナリオの土地利用と土地被覆分布。 BAU、通常通り。 EC、生態保全。 ED、経済発展。

空間的には、BAU シナリオと ED シナリオでは、農地の占有によって建築用地が拡大し、その結果、北部と西部でより顕著な都市集積が生じます。森林地の減少は主に南西部で発生し、そのほとんどが農地に転換されました。水域の減少は主に西部と南西部で発生します。対照的に、EC シナリオでは、森林地の増加は主に南西部にあり、水域の増加は主に南西部と西部にあります（図 2f、5b）。森林と水域の占有が制限されているため、このシナリオにおける宅地拡張は主に農地で行われる（表6）。

さまざまなシナリオでの Nr 損失は、InVEST モデルを使用して評価されました。さまざまなシナリオのシミュレーションで使用された DEM、降水量、モデルパラメーターなどの空間データは 2020 年と同じであったため、シナリオの効果を強調し、その結果をシナリオの結果と比較することができました。 2020年。異なるシナリオ間で2020年のNr損失を比較すると（図6）、BAUシナリオとEDシナリオのNr損失は5.73％と13.77％増加し、合計は1.41×105トンと1.52×105トンに達したことが示された。 t、それぞれ（表6）。 3 つのシナリオ、つまり RNA、INUA、EC における Nr 損失は、それぞれ 18.25%、12.12%、0.50% 減少しました。いくつかのシナリオ、すなわち、BAU、ED、および INUA の組み合わせは、単一の土地利用変更シナリオと制約シナリオよりも経済的および技術的改善に貢献しました。 Nr 損失は、BAU を組み合わせた INUE シナリオでは 6.75% 減少し、ED を組み合わせた INUE シナリオでは 1.57% 増加しました。これは、BAU + INUA シナリオと ED + INUE シナリオの両方が Nr 損失を大幅に削減することを示しています (図 6)。

Nr 損失はシナリオが異なると変化します。すべてのシナリオの損失数の変化は 2020 年と比較されます。 BAU、通常通り。 EC、生態保全。 ED、経済発展。 INUE、Nr の使用効率が向上。 RNA、Nr肥料施用量の削減。 ED + INUA、ED シナリオと INUA シナリオを組み合わせたもの。 BAU + INUE、UBA シナリオと INUA シナリオを組み合わせます。

以前の研究では、湿った降水が浸出と流出のメカニズムを通じて Nr 損失を増加させることが示されており、農地における Nr 損失を引き起こす主な要因であると考えられています 11。しかし、この研究で観測された降雨量の q 値は比較的低く、これはこの地域の降雨量のわずかな変動に起因すると考えられます。従来の考えに反して、平坦な地域では地形の違いが少ないため、地形は Nr 損失にあまり影響を与えないと考えられていました3。しかし、我々の研究は、DEM と傾きによって表される地形が、TLB における Nr 損失に対して LUCC に次いで 2 番目に高い影響を与えることを示しています (表 5)。これは、Nr肥料の多量施用が地形の影響でNr損失を悪化させる、より高い標高とより急な斜面での農業慣行に関連している可能性があります（図2、S2a、b）。私たちのホットスポット分析と統計結果は、地形に大きな変化があるZXおよびHX地域が、かなりの量のNr輸出と永続的なNr損失ホットスポットに寄与していることも示しています（図4、S5）。したがって、高い地形の起伏が Nr 損失に及ぼす影響を軽減するには、これらの地域の農地を効果的に移転および管理する土地管理戦略を実施することが不可欠です。

私たちの研究は、Nr 損失における土地利用と構成の重要な役割を実証しています。過去 30 年間で TLB における Nr 損失は減少したが、これは TLB における水環境の包括的管理のための全体プログラムの実施と Nr 肥料使用量の減少の結果である可能性があるが、流域における Nr 損失の現在のレベルは依然として高地であり、農地と都市部が大半を占める不適当な土地利用構造がある。長江デルタ都市集積開発計画では、流域全体で継続的な都市の拡大が見込まれています。都市開発と集中的な農業活動は栄養塩の流出を増加させ、農地と都市部が Nr 損失の重要な原因となっている27。建築面積を拡大すると、より不浸透性の表面が生成され、都市流出が増加し、Nr 損失のリスクが高まります60、61、62。 BUA と ED における土地利用シナリオのシミュレーションでは、都市開発が森林破壊と Nr 損失の増加につながることも明らかになりました。いくつかの研究は、劣悪な水質が中国の農村部の貧困の主な原因であること、および高レベルの Nr 損失が環境管理コストを増加させ、追加の投資が予想されることを示しています。したがって、経済成長と環境保全のバランスを取るための適切な土地利用戦略と管理手段を開発することが不可欠です。森林と湿地は、堆積物と栄養分の保持によって Nr 輸出を削減する可能性があります64,65。これは、これらの地域の回復の大部分が農地の転換によって達成されたことを示す EC の調査結果によって裏付けられています。

これまでの分析に基づいた農地、森林、水の計画に関する私たちの推奨事項は次のとおりです。(1) 土壌からの Nr 損失を最小限に抑えるための段々畑の建設など、急傾斜地農地の保護政策を強化する。 (2) 農家が肥料使用量を削減したり、急傾斜地農地の森林を回復したりするよう奨励するために、農業補助金を支給する。 (3) 他の事例での河岸緩衝保護対策の実施の成功は、Nr 損失の削減における潜在的な有効性を示唆しています66。 TLB は多数の河川を特徴としており、緩衝地帯内の植生の割合を増やしたり、移動中に Nr を消費する池を組み込んだりするなど、河畔緩衝保護措置を講じて Nr の損失を効果的に削減しています。都市に関して、この研究は2020年にBLPのq値が0.54に上昇し、POPのq値が0.34に上昇したことを示しています。これは、都市の拡大と人口増加が地域内のNr損失に与える影響が増大しており、都市部が徐々に減少していることを示しています。 Nr 損失のホットスポットになっています。 TLB 河川ネットワークの水域の硝酸塩を追跡するために Nr および酸素同位体を使用した私たちの最近の研究では、肥料と下水が水域の硝酸塩含有量に最も寄与していることが示されています 37。 TLB 内の河川や都市に関するいくつかの研究でも、生活排水と産業廃水が Nr 発生源として大きく寄与していることが示されています 37,48,67。しかし、TLB は中国の下水処理の進歩の先駆者であるにもかかわらず、その進歩は都市化と進行中の社会経済的拡大によって追い越されています。現在の廃水処理基準は、流域の環境容量を満たすには不十分です68。したがって、この地域の都市廃水処理基準をアップグレードする必要があります。同時に、比較的劣悪な廃水回収率と排出基準に適応するために、規模と人口を効果的に制御する必要があります。

使用される手法とデータにはまだいくつかの制限があります。まず、データの可用性の問題により、InVEST モデルを使用して過去 30 年間の Nr 損失をシミュレーションした場合、農地の Nr 負荷は年によって変化しましたが、他の土地被覆の Nr 負荷は固定されていました。このアプローチはモデルで広く使用されており、信頼性の高いシミュレーション結果が得られました 22,45,68 が、ある程度のバイアスと不確実性が生じる可能性があります。したがって、将来の研究では、Nr 損失をより正確にシミュレートするために、さまざまな期間の Nr 負荷を改善する必要があります。第二に、Nr 損失の将来のシナリオを予測する際、Nr 損失に対する土地利用の影響をより適切に調査するために、Nr 損失に対する気象要因の影響を考慮せずに、モデル設定のさまざまなシナリオの下で土地利用のみを変更しました。ただし、Nr の損失はさまざまな要因の影響を受けるため、実際の状況はさらに複雑になる可能性があります。今後の研究では、これらの要素の設定を改善する必要があります。最後に、この研究は流域スケールでの Nr 損失とその推進要因をシミュレーションおよび予測しました。ただし、Nr 損失は変化し、スケールが異なると複雑になります。そのため、今後は流域、郡、標高勾配など複数のスケールからNrの損失と帰属を分析・説明することを検討していきます。

この研究では、InVEST モデルと GeoDetector モデルを組み合わせて、TLB における Nr 損失と影響要因をシミュレーションおよび研究し、7 つの考えられるシナリオをシミュレーションしました。過去 30 年間にわたる TLB の Nr 損失ホットスポットとその原動力の変化を明らかにし、その後、さまざまなシナリオでの将来の Nr 損失を予測しました。その結果、1990 年から 2020 年にかけて、TLB からの最大 Nr 損失は 2000 年の 1.82 × 105 t N であり、都市は徐々に Nr 損失のホットスポットになったことを示しています。生態保護を実施し、栄養素の使用量を増やし、肥料の使用量を減らすことで、窒素の損失を減らすことができます。 Nr 損失の土地利用割合 (BLP) は徐々に増加し、2020 年までに q 値 0.54 に達します。 Nr 損失は地形と土壌によっても制約され、標高、土壌、および土壌の平均 q 値は 0.52、0.51、および 0.48 です。スロープ。 N 損失に対する人口要因の影響も年々増加しています。上記の結論に基づいて、流域管理者は、高地および急斜面地域の耕地における土壌と水の保全対策を強化し、農地を森林に戻す奨励政策を実施し、河川緩衝地帯の設定によりNr損失を削減する必要があることを提案します。都市の規模と人口を制御し、廃水処理のレベルを改善する必要があります。私たちの研究は、流域管理の科学的参考資料となる可能性があります。水質汚染管理のためのより正確なソリューションを提供するために、さまざまな流域についてさらなる研究が行われる予定です。

現在の研究中に使用および/または分析されたデータセットは、合理的な要求に応じて責任著者から入手できます。

Rockstrom、J. et al. 人類にとって安全な活動空間。自然 461、472–475。 https://doi.org/10.1038/461472a (2009)。

論文 ADS CAS PubMed Google Scholar

Yan、XY、Xia、LL & Ti、CP 中国における作物生産の窒素利用効率の時間的および空間的変動。環境。汚染。 293、118496。https://doi.org/10.1016/j.envpol.2021.118496 (2022)。

論文 CAS PubMed Google Scholar

Wang、YH、Cai、ZC、Lang、XL、Yan、XY、Xu、KQ 長江デルタの農業-食糧-環境システムにおける窒素カスケード、1998年から2018年。科学。トータル環境。 787、147442。https://doi.org/10.1016/j.scitotenv.2021.147442 (2021)。

論文 ADS CAS PubMed Google Scholar

Smith, VH、Tilman, GD & ネコラ, JC 富栄養化: 淡水、海洋、陸上の生態系に対する過剰な栄養素の投入の影響。環境。汚染。 100、179–196。 https://doi.org/10.1016/S0269-7491(99)00091-3 (1999)。

論文 CAS PubMed Google Scholar

リュー、XCら。長江（長江）の窒素・リン源、滞留、東シナ海・黄海への輸出の時空間変化を探る。水耐性 142、246–255。 https://doi.org/10.1016/j.watres.2018.06.006 (2018)。

論文 CAS PubMed Google Scholar

趙、ZHら。窒素と酸素の同位体結合ベイジアンモデルによる長江デルタの平野河川ネットワークにおける硝酸塩汚染ホットスポットの追跡可能性。環境汚染。 315、120438。https://doi.org/10.1016/j.envpol.2022.120438 (2022)。

論文 CAS PubMed Google Scholar

ムーネヤ、RJ 他五大湖への小さな支流からの膨大な栄養の寄与。手順国立アカド。科学。 117、28175–28182。 https://doi.org/10.1073/pnas.2001376117 (2020)。

記事 ADS CAS Google Scholar

Sinha, E.、Michalak, AM、Calvin, KV & Lawrence, PJ 気候緩和に関する社会的決定は、21 世紀の富栄養化に劇的な影響を与えるでしょう。ナット。共通。 10, 939。https://doi.org/10.1038/s41467-019-08884-w (2019)。

論文 ADS CAS PubMed PubMed Central Google Scholar

ボレッティ A. & ローザ L. 世界水開発報告書の予測を再評価する。きれいな水。 2、15。https://doi.org/10.1038/s41545-019-0039-9 (2019)。

記事 Google Scholar

Ma, T. et al. 汚染は中国の水不足と地域的不平等を悪化させている。ナット。共通。 11, 650。https://doi.org/10.1038/s41467-020-14532-5 (2020)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Liu, LY、Zheng, XQ、Peng, CF、Li, JY & Xu, Y. 中国における植林の総 Nrloss の原動力と将来の傾向。環境。汚染。 267、115660。https://doi.org/10.1016/j.envpol.2020.115660 (2020)。

記事 CAS Google Scholar

Shan、LN、He、YF、Chen、J.、Huang、Q.、Wang、HC 中国、太湖流域のさまざまな処理下での白菜畑からのアンモニアの揮発。Ｊ．Ｅｎｖｉｒｏｎ．科学。 38、14–23。 https://doi.org/10.1016/j.jes.2015.04.028 (2015)。

記事 CAS Google Scholar

Liang、XQら。中国の太湖地域の水田の洪水におけるリン遮断。Ｊ．Ｅｎｖｉｒｏｎ．科学。 19(12)、1474–1481。 https://doi.org/10.1016/S1001-0742(07)60240-X (2007)。

記事 CAS Google Scholar

Wu, YP & Chen, J. 中国南部の東江 (東江) の水質に対する点源および非点源汚染の影響を調査。エコル。指示します。 32、294–304。 https://doi.org/10.1016/j.ecolind.2013.04.002 (2013)。

記事 CAS Google Scholar

Panagopoulos, Y. et al. オハイオ・テネシー川流域の水文学、水質、作物の生産性に対する気候変動の影響。内部。Ｊ．アグリック．バイオル。工学 8(3)、36–53。 https://doi.org/10.3965/j.ijabe.20150803.1497 (2015)。

記事 Google Scholar

Song, Y. 他中国の黄土高原の典型的な黄土丘陵と峡谷の流域であるヤン川流域における汚染物質負荷の時空間的特徴。地理学。レット。 9、10。 https://doi.org/10.1186/s40562-022-00220-3 (2022)。

記事 ADS Google Scholar

Pfannerstill, M.、Guse, B. & Fohrer, N. 低地集水域における非線形地下水力学を強調する SWAT モデルの複数貯留地下水コンセプト。ハイドロール。プロセス。 28、5599–5612。 https://doi.org/10.1002/hyp.10062 (2014)。

記事 ADS Google Scholar

Dennedy-Frank、PJ、ミュンヘン、RL、Chaubey, I. & Ziv, G. 水資源の決定に関する生態系サービス評価のための 2 つのツールの比較。Ｊ．Ｅｎｖｉｒｏｎ．管理。 177、331–340。 https://doi.org/10.1016/j.jenvman.2016.03.012 (2016)。

記事 Google Scholar

Yazdi, MN、Ketabchy, M.、Sample, DJ、Scott, D. & Liao, HH 都市流域における河川流域をシミュレートするための HSPF と SWMM の評価。環境。モデル。ソフトウェア。 18、211–225。 https://doi.org/10.1016/j.envsoft.2019.05.008 (2019)。

記事 Google Scholar

Bai、Y.、Chen、YY、Alatalo、JM、Yang、ZQ、Jiang、B. 土地特性と生態系サービスの関係に対するスケール効果: 中国の太湖流域でのケーススタディ。科学。トータル環境。 716、137083。https://doi.org/10.1016/j.scitotenv.2020.137083 (2020)。

論文 ADS CAS PubMed Google Scholar

Zhao、FB、Wu、YP、ying、XW、Georgii、A. & Qiu、LJ 水と炭素の組み合わせ管理を使用した黄土高原の持続可能な植生を目指して。エンジニアリング 15、143–153。 https://doi.org/10.1016/j.eng.2020.12.017 (2022)。

記事 CAS Google Scholar

Cong、WC、Sun、XY、Guo、HW & Shan、RF 複雑な盆地における水文生態系サービスの空間パターン、優先順位、トレードオフを決定するための SWAT モデルと InVEST モデルの比較。エコル。指示します。 112、106089。https://doi.org/10.1016/j.ecolind.2020.106089 (2020)。

記事 Google Scholar

Chen, CZ、Gan, R.、Feng, DM、Yang, F. & Zuo, Q. 気候変動下での流量予測の不確実性に対する SWAT モデリングと CMIP6 インプットの寄与を定量化。 J. クリーン。製品。 364、132675。https://doi.org/10.1016/j.jclepro.2022.132675 (2022)。

記事 Google Scholar

クアラルンプール州ビガーストルとJE 州オーケマ淡水生態系サービスをモデル化するツールの比較。Ｊ．Ｅｎｖｉｒｏｎ．管理。 92、2403–2409。 https://doi.org/10.1016/j.jenvman.2011.06.040 (2011)。

記事 Google Scholar

Huang, DQ、Huang, J. & Liu, T. 村の行政境界を含む CLUE-S モデルを使用して都市の成長境界を画定します。土地利用政策 82、422–435。 https://doi.org/10.1016/j.landusepol.2018.12.028 (2019)。

記事 Google Scholar

van Puijenbroek、PJTM、Beusen、AHW & Bouwman、AF 共有社会経済経路に基づく都市廃水中の世界的な Nrand リン。Ｊ．Ｅｎｖｉｒｏｎ．管理。 231、446–456。 https://doi.org/10.1016/j.jenvman.2018.10.048 (2019)。

記事 CAS Google Scholar

フォーリー、JA et al. 土地利用の世界的な影響。サイエンス 84、570–574。 https://doi.org/10.1126/science.1111772 (2005)。

記事 ADS CAS Google Scholar

Hajati, M.-C.、White, S.、Moosdorf, N. & Santos, IR 亜熱帯の土地利用勾配にわたる流域規模の窒素損失をモデル化。フロント。地球。科学。 8、347。 https://doi.org/10.3389/feart.2020.00347 (2020)。

記事 ADS Google Scholar

Huang、JC et al. 中国の河川水質の特徴: 最近の進歩と進行中の課題。水耐性 201、117309。 https://doi.org/10.1016/j.watres.2021.117309 (2021)。

論文 CAS PubMed Google Scholar

李、YYら。気候変動と土地利用の進化が、中国の典型的な流域における非点源汚染とどのように関係しているのか。科学。トータル環境。 839、156375。https://doi.org/10.1016/j.scitotenv.2022.156375 (2022)。

論文 ADS CAS PubMed Google Scholar

ワン、JFら。地理的検出器に基づく健康リスク評価と、中国和順地域の神経管欠損研究におけるその応用。内部。 J. ジオグラフ。情報科学。 24、107–127。 https://doi.org/10.1080/13658810802443457 (2010)。

記事 CAS Google Scholar

Wang、JF、および Xu、CD 測地検出器: 原理と将来性。アクタ。ジオグラフィカ。シニカ。 72 (1) 、116–134。 https://doi.org/10.11821/dlxb201701010 (2017)。

チェン、J.ら。測地検出器と空間弾性係数軌道モデルに基づく北京-天津-河北都市集積における水保全の空間的および時間的不均一性解析。 GeoHealth 4、e2020GH000248。 https://doi.org/10.1029/2020GH000248 (2020)。

記事 PubMed PubMed Central Google Scholar

Liu, J.、Xu, QL、Yi, JH & Huang, X. 多次隣接指数と測地検出器モデルを組み合わせた、都市拡大景観パターンと推進要因の不均一性の分析。エコル。指示します。 136、108655。https://doi.org/10.1016/j.ecolind.2022.108655 (2022)。

記事 Google Scholar

TBAMWR。太湖の現状をレポートします。 http://www.tba.gov.cn/slbthlyglj/thjkzkbg/content。 2022 年 11 月 10 日にアクセス。

Lang、XL et al. PAHs の空間的な発生と堆積物中の発生源は、中国の太湖の生態学的および健康上のリスクを引き起こします。科学。議員 12、3668。https://doi.org/10.1038/s41598-022-07507-7 (2022)。

論文 ADS CAS PubMed PubMed Central Google Scholar

趙、ZHら。窒素と酸素の同位体結合ベイジアンモデルによる長江デルタの平野河川ネットワークにおける硝酸塩汚染ホットスポットの追跡可能性。環境。汚染。 315、120438。https://doi.org/10.1016/j.envpol.2022.120438 (2022)。

論文 CAS PubMed Google Scholar

趙、ZHら。太湖の草と藻類の種類のゾーンの堆積物では、さまざまな窒素の発生と推進力が形成されます。環境。科学。汚染。解像度 29、30114–30125。 https://doi.org/10.1007/s11356-021-17784-w (2022)。

記事 CAS Google Scholar

ヤン、L.ら。シアノバクテリアブルームハザード関数と中国の太湖における予備的適用。 Chemosphere 307、136122。https://doi.org/10.1016/j.chemosphere.2022.136122 (2022)。

論文 ADS CAS PubMed Google Scholar

秦、BQら。中国の太湖で有害なシアノバクテリアが開花する変動のダイナミクスとメカニズム。顎。科学。ブル。 61、759–770。 https://doi.org/10.1360/N972015-00400 (2016)。

記事 Google Scholar

ストーン、R. 中国は有毒な湖の汚染に対して流れを変えることを目指している。サイエンス 333、1210–1211。 https://doi.org/10.1126/science.333.6047.1210 (2011)。

論文 ADS PubMed Google Scholar

中国国家発展改革委員会。 https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201606/t20160603_962187_ext.html。 2022 年 11 月 10 日にアクセス。

Zhang、J.ら。中国の太湖流域における水質の時空間変動に関する洞察。環境。モニト。評価。 193, 757。 https://doi.org/10.1007/s10661-021-09554-5 (2021)。

論文 CAS PubMed Google Scholar

ワン、SLら。 MODIS 由来の Forel-Ule 指数を使用した世界の内陸水域の栄養状態の評価。遠隔感覚環境。 217、444–460。 https://doi.org/10.1016/j.rse.2018.08.026 (2018)。

記事 ADS Google Scholar

レッドヘッド、JW 他英国における InVEST 栄養保持モデルの国家規模の評価。科学。トータル環境。 610–611、666–667。 https://doi.org/10.1016/j.scitotenv.2017.08.092 (2018)。

論文 ADS CAS PubMed Google Scholar

Getis, A. & Ord, JK 距離統計を使用した空間関連の分析。地理。アナル。 24、189–206。 https://doi.org/10.1007/978-3-642-01976-0_10 (1992)。

記事 Google Scholar

Ord, JK & Getis, A. 局所空間自己相関統計: 分布の問題と応用。地理。アナル。 27、286–306。 https://doi.org/10.1111/j.1538-4632.1995.tb00912.x (1995)。

記事 Google Scholar

Liu、LLら。複数の統計分析モデルを使用して、中国の太湖における長期的な汚染傾向と発生源の寄与についての洞察を提供します。 Chemosphere 242、125272。https://doi.org/10.1016/j.chemosphere.2019.125272 (2020)。

論文 ADS CAS PubMed Google Scholar

Petersen, RJ、Blicher-Mathiesen, G.、Rolighed, J.、Andersen, HE & Kronvang, B. 農業窒素損失の 30 年間の規制: デンマークの農業モニタリングプログラムの経験。科学。トータル環境。 787、147619。https://doi.org/10.1016/j.scitotenv.2021.147619 (2021)。

論文 ADS CAS PubMed Google Scholar

Zhao、F.ら。中国の乾燥/半乾燥地域における生態学的水需要に対する景観パターンの変化の影響を分析する。Ｊ．ハイドロール。 578、124098。https://doi.org/10.1016/j.jhydrol.2019.124098 (2019)。

記事 Google Scholar

Jia, YQ, Tang, LN, Xu, M. & Yang, XY 都市の空間形態を評価するための景観パターン指標: 中国都市のケーススタディ。エコル。 Ind. 99、27–37。 https://doi.org/10.1016/j.ecolind.2018.12.007 (2019)。

記事 Google Scholar

Liang、X.ら。パッチ生成土地利用シミュレーション (PLUS) モデルを使用した持続可能な土地拡張の原動力の理解: 中国の武漢でのケーススタディ。計算します。環境。都市システム 85、101569。https://doi.org/10.1016/j.compenvurbsys.2020.101569 (2021)。

記事 Google Scholar

Wang、Z.ら。都市レベルでの気候変動シナリオに基づく土地利用変化の動的シミュレーションと炭素貯留の評価: 中国のボルタラのケーススタディ。エコル。指示します。 134、108499。https://doi.org/10.1016/j.ecolind.2021.108499 (2022)。

記事 CAS Google Scholar

Wang, ZY、Gao, Y.、Wang, XR、Lin, Q. & Li, L. 都市開発の持続可能性を考慮した土地利用の最適化とシミュレーションへの新しいアプローチ: 中国のボルタラのケーススタディ。持続する。都市協会 87、104135。https://doi.org/10.1016/j.scs.2022.104135 (2022)。

記事 Google Scholar

Zhang、SQら。さまざまなシナリオの下での長江中流域の土地利用/土地被覆の予測と分析。科学。トータル環境。 833、155238。https://doi.org/10.1016/j.scitotenv.2022.155238 (2022)。

論文 ADS CAS PubMed Google Scholar

Cicchetti, DV & Feinstein, AR 一致度は高いがカッパは低い: II - パラドックスを解決する。Ｊ．クリン．エピデミオール。 43、551–558。 https://doi.org/10.1016/0895-4356(90)90159-M (1990)。

論文 CAS PubMed Google Scholar

Song, YZ, Wang, JF, Ge, Y. & Xu, CD 最適なパラメーターベースの地理検出器モデルは、空間不均一性分析の説明変数の地理的特性を強化します: さまざまなタイプの空間データを使用するケース。 GISci。リモート。上院議員 57、593 ～ 610。 https://doi.org/10.1080/15481603.2020.1760434 (2020)。

記事 Google Scholar

イリノイ州ラッシャーら。都市および農地利用が栄養塩、堆積物、流出に及ぼす規模依存の影響。科学。合計。環境。 652、611–622。 https://doi.org/10.1016/j.scitotenv.2018.09.370 (2019)。

論文 ADS CAS PubMed Google Scholar

De Wit、HA et al. 土地利用は、管理された自然の北欧源流集水域からの窒素とリンの輸出に関する気候制御を支配します。ハイドロール。プロセス 34、4831 ～ 4850。 https://doi.org/10.1002/hyp.13939 (2020)。

記事 ADS CAS Google Scholar

アラムダリ、N.、クラゲット、P.、サンプル、DJ、イーストン、ZM、ヤズディ、ミネソタ急速に発展する流域における流出と汚染物質負荷に対する気候と土地利用の変化の共同影響を評価する。 J. クリーン。製品。 330、129953。https://doi.org/10.1016/j.jclepro.2021.129953 (2022)。

記事 CAS Google Scholar

ビアン、GD 他中国南東部の秦淮川流域における不浸透面の空間的および時間的変化に対する流出反応を定量化するための手順。カテナ 157、268 ～ 278。 https://doi.org/10.1016/j.catena.2017.05.023 (2017)。

記事 Google Scholar

Van der Salm, C.、van den Toorn, A.、Chardon, WJ & Koopmans, GF オランダの河川平原の重い粘土質土壌における水と栄養素の輸送。Ｊ．Ｅｎｖｉｒｏｎ．クオリティ。 41、229–241。 https://doi.org/10.2134/jeq2011.0292 (2012)。

論文 CAS PubMed Google Scholar

Cohen, A. & Sullivan, CA 中国農村部の水と貧困: 水と貧困の多面性を評価する手段を開発。エコル。エコン。 69, 999–1009。 https://doi.org/10.1016/j.ecolecon.2010.01.004 (2010)。

記事 Google Scholar

ハンター、R.ら。処理された都市排水を同化するルイジアナ州の森林湿地の栄養塩除去と負荷率の分析。環境。管理。 44、865–873。 https://doi.org/10.1007/s00267-009-9348-y (2009)。

記事 ADS Google Scholar

Shi、P.ら。中国北西部の渭河流域における地表水の窒素汚染の土地利用および社会経済的要因への反応。持続する。都市協会 50、101658。https://doi.org/10.1016/j.scs.2019.101658 (2019)。

記事 Google Scholar

Huang、L.ら。土地保全は、半乾燥流域における気候変動による淡水生態系サービスの劣化を緩和できる: 米国アイダホ州ポートヌフ川流域のケース。科学。トータル環境。 651 年、1796 ～ 1809 年。 https://doi.org/10.1016/j.scitotenv.2018.09.260 (2019)。

論文 ADS CAS PubMed Google Scholar

Ti、CP、Xia、YQ、Pan、JJ & Yan、XY 常熟市における窒素収支と地表水窒素負荷: 中国の太湖地域におけるケーススタディ。ニュートル。サイクル。アグロエコシスト。 91、55。https://doi.org/10.1007/s10705-011-9443-3 (2011)。

記事 CAS Google Scholar

CE、Berg、MM Mineau、SH Rogers 沿岸流域における栄養塩除去の生態系サービスを調査。エコシスト。サーブ。 20、104–112。 https://doi.org/10.1016/j.ecoser.2016.06.007 (2016)。

記事 Google Scholar

リファレンスをダウンロードする

この研究は、中国国家重点研究開発プログラム (2021YFC3201500)、中国国家自然科学財団 (番号 41673107)、および江蘇省教育局の主要プロジェクト (番号 20KJA170001) によって支援されました。

南京師範大学地理学部、1 Wenyuan Road、Qixia、南京、210023、中国

Xinghua He、Jiaming Tian、Yanqin Zhang、Zihan Zhao、Zucong Cai、Yanhua Wang

地理情報リソースの開発と応用における共同イノベーション江蘇センター、南京、210023、中国

Zucong Cai & Yanhua Wang

教育省仮想地理環境主要研究室、南京師範大学、南京、210023、中国

Zucong Cai & Yanhua Wang

PubMed Google Scholar でこの著者を検索することもできます

著者全員がこの作品に貢献しました。 XHH: 執筆、レビュー、編集、方法論。 JMT: 調査、データキュレーション、視覚化。 YQZ: ビジュアライゼーション、ソフトウェア。 ZHZ: 調査、方法論。 ZCC: リソース、レビュー、監督。 YHW：執筆・レビュー・編集、プロジェクト管理、監修。

王燕華氏への対応。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

He、X.、Tian、J.、Zhang、Y. 他。 InVEST モデルと GeoDetector モデルによる太湖流域からの窒素損失の原因と原因。 Sci Rep 13、7440 (2023)。 https://doi.org/10.1038/s41598-023-34184-x

引用をダウンロード

受信日: 2023 年 1 月 26 日

受理日: 2023 年 4 月 25 日

公開日: 2023 年 5 月 8 日

DOI: https://doi.org/10.1038/s41598-023-34184-x

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

ブログ

InVEST モデルと GeoDetector モデルによる太湖流域からの窒素損失の原因と原因