1980 年以降の中国の河川水質の変化: 持続可能な開発による管理への影響

npj クリーンウォーター 6 巻、記事番号: 45 (2023) この記事を引用

863 アクセス

メトリクスの詳細

人間の活動と気候変動により、中国の河川の水質が脅かされています。私たちは、1980 年中の国内 10 の主要河川流域の 613 の流域における河川の全窒素 (TN)、アンモニア性窒素 (NH3-N)、全リン (TP)、および化学的酸素要求量 (CODMn) の月次濃度をシミュレーションしました。 –2050 年の期間は、スタッキング機械学習モデルを使用した 16 年間 (2003 ～ 2018 年) のモニタリングデータセットに基づいています。その結果、TN 濃度を除いて水質が著しく改善されたことが示されました。これはおそらく TN 管理目標と評価システムの欠如によるものと考えられます。定量分析により、TN、TP、および NH3-N 濃度の気候要因および地理的要因と比較して、人為的要因が主要な制御要因であることが示されました。中国の水質に関連する17の持続可能な開発目標（SDGs）すべてに基づいて、中国の河川の生態学的状態の改善を達成するために、水資源、水環境、水生生態および水の安全保障を総合的に考慮する必要がある。

河川は、陸地と湖や海洋の間の物質の移動と輸送のための重要な経路であり、飲料水、灌漑、水産養殖、航行、発電のための豊富な淡水資源を提供します1,2。しかし、河川生態系は広範な劣化を経験しており、人為的活動と気候変動によって世界的に脅かされています3,4。世界規模の調査によると、世界人口（2000 年時点）のほぼ 80%（48 億人）が、人間の水の安全に対する脅威の発生率が高い（>75%）地域に住んでいることが明らかになりました5。さらに悪いことに、世界人口の 3 分の 1 は安全な飲料水にアクセスできません6。現在の課題に直面して、河川の淡水資源を保護するために、広範囲の時間的および空間的スケールで河川の水質に対する脅威を診断し、その根本的な原因を修復し、発生源からの脅威を制限することが緊急に必要です5。

中国の河川は、1978 年の中国の改革開放以来、環境に対する経済発展の否定できない圧力により、深刻な水質悪化に見舞われてきた7。中国の水質汚染は、中国における 400 億立方メートルの水不足の主な原因であることが確認されている。中国/年8. 人為的栄養素の流入量の増加は、中国の河川の水質低下の重大な原因となっています。マルチスケールモデルからの推定によると、2012 年に中国の河川に投入された全溶存窒素 (TDN) と全溶存リン (TDP) は、それぞれ 28 Tg と 3 Tg でした9。さらに、川からの過剰な栄養分が湖や海に運ばれ、その結果ブルームや赤潮が頻繁に発生し、人間と水生生物の健康と生態系サービスが危険にさらされました10。幸いなことに、2003 年から 2017 年にかけて中国全土の内陸水質は顕著な改善を示し、または全国的に良好なレベルに維持されました。これは栄養塩排出の減少に起因すると考えられています 11,12。 2022年、中国全土の河川、湖、貯水池の3641のサンプリング地点を対象とした国家調査では、サンプリング地点の12.1%が中国地表水環境基準（GB3838-2002）に基づくクラスIII未満の水質であったのに対し、0.7%は水質が低いことが示された。 % のサイトでは、クラス V13 よりも深刻な状態でした。改革開放以来の過去 40 年間、経済発展と環境保護のバランスを背景に、中国の河川の水質保護に参考と情報を提供するために、中国の河川の水質パターンとその根底にあるメカニズムを特定することが不可欠である。発展途上国7.

いくつかの研究は、中国の河川の水質パターンとそれに関連する要因に焦点を当てており、さまざまな水源から中国の河川への窒素とリンの投入量を複数のスケールで定量化する9、水源、変換、フラックス14、15、および河川障害の空間的な水質パターンと重要な共変量12、16、17、18。しかし、過去 40 年間にわたる中国の河川の水質の時空間変動とその根底にあるメカニズムの理解にはまだ不足点があります。第一に、追跡可能で入手可能なモニタリングデータが 2003 年からしか存在しないため、長期にわたる定期的な全国モニタリングデータの欠如が河川水質への影響の研究における大きなボトルネックとなっている12,19。第二に、河川の水質変動の駆動メカニズムの特定は、要因モデルと説明変数（自然の地理的特徴、社会経済的指標、土地利用データ、気象要因を含む）の時間的および空間的スケールの解像度に依存します12,17。最後に、科学的研究と管理への応用への障壁を橋渡しし、歴史的な河川水質変動とその推進メカニズムの理解を将来の水質管理と持続可能な開発目標（SDGs）の達成に適用することは困難です7,10。

35%) on the two nutrient levels (TP and NH3-N) in the Yellow and Pearl River Basins17, which is different from our study. Anthropogenic N and P inputs had higher contributions to the variability of both nutrients in the Songhua, Haihe, Huaihe, Yangtze, Southwest, and Northwest Inland rivers, where a somewhat higher contribution was registered with the regression coefficient of >1 (Fig. 3e–h). The results suggested that with socio-economic growth, the rivers in western and inland regions of China (except eastern regions) have registered severe water quality impairments, which should be given more attention in the future./p> 0.25; (2) deletion of the prediction variables with collinearity (Spearman correlation analysis, R > 0.8); (3) retainment of the prediction index that has a high correlation with a response index (Spearman correlation analysis, R > 0.4). The general processes inherent in the models are depicted in Fig. 1. We utilized the model stacking method, which provided a composite prediction based on the results of multiple base models (that is, RF, SVM, and KNN)20. The model stacking algorithm uses a two-layered learning framework where the outputs generated by individual base models are input into another model to generate final predictions39,40. The learning process of the stacking model is categorized into three steps: stacking generation, stacking pruning, and stacking integration. The phase of stacking generation mainly refers to the generation of base models, whereas the last two steps optimally combine the base model predictions to form a final set of predictions using a second-level algorithm./p>

ニュース

1980 年以降の中国の河川水質の変化: 持続可能な開発による管理への影響