基于Copula函数的区域...与分析：以北京市密云区为例_徐文.pdf

第45卷徐文，朱士江，纪道斌，等.基于Copula函数的区域氮代谢环境风险评价与分析：以北京市密云区为例J.环境科学与技术，2022，45（12）：154-163.Xu Wen，Zhu Shijiang，Ji Daobin，et al.A Copula-based approach for environmental risks evaluation and analysis of the nitrogen metabolism：a casestudy of Miyun district,BeijingJ.Environmental Science&Technology，2022，45（12）：154-163.Environmental Science&Technology第45卷 第12期2022年12月Vol.45 No.12Dec.2022环境科学与技术 编辑部：（网址）http:/（电话）027-87643502（电子信箱）收稿日期：2022-02-24；修回2022-05-08基金项目：国家自然科学基金青年科学基金项目（52000120）；湖北省水利重点科技项目（HBSLKY202124）；湖北省教育厅中青年人才项目（Q20191201）作者简介：徐文（1989-），女，讲师，博士，主要研究方向为流域非点源污染管理，（电子信箱）；*通讯作者，（电子信箱）。基于Copula函数的区域氮代谢环境风险评价与分析：以北京市密云区为例徐文1，2，3，朱士江1，2，3*，纪道斌1，2，3，丁致玉4，李虎3，于颖3，李凯凯3（1.三峡大学三峡库区生态环境教育部工程研究中心，湖北宜昌443002；2.三峡大学三峡水库生态系统湖北省野外科学观测研究站，湖北宜昌443002；3.三峡大学水利与环境学院，湖北宜昌443002；4.湖北亿立能科技股份有限公司，湖北宜昌443002）摘要：氮元素是支撑工农业生产的重要元素，随着人类活动对氮元素自然循环过程的干扰愈加强烈，氮代谢不可避免地存在一定的环境风险。该文基于Gumbel Copula函数构建了北京市密云区氮代谢环境风险评价模型，并且结合主成分分析法和通径分析法揭示了氮代谢环境风险形成机制。研究结果表明：密云区氮代谢环境风险在中等以上水平的区域占密云区总面积的43.62%。氮代谢环境风险的主要驱动力来自社会经济发展、农业发展以及养殖业发展等3个方面。在氮代谢环境风险的众多影响因素中，种植总面积、化肥施用量、畜禽粪便还田量和秸秆回用量对氮代谢环境风险的影响最为显著，它们不仅对氮代谢环境风险产生较大的直接影响，而且会通过其他影响因素对氮代谢环境风险产生较大的间接影响。关键词：氮代谢；Copula函数；风险识别；主成分分析；通径分析中图分类号：X820.4文献标志码：Adoi：10.19672/ki.1003-6504.0414.22.338文章编号：1003-6504(2022)12-0154-10A Copula-based Approach for Environmental Risks Evaluation and Analysisof the Nitrogen Metabolism：a Case Study of Miyun District,BeijingXU Wen1，2，3，ZHU Shijiang1，2，3*，JI Daobin1，2，3，DING Zhiyu4，LI Hu3，YU Ying3，LI Kaikai3（1.Engineering Research Center of Eco-environment in Three Gorges Reservoir Region of Ministry of Education,China Three Gorges University,Yichang 443002,China;2.Hubei Field Observation and Scientific Research Station for Water Ecosystem in Three Gorges Reservoir,China Three Gorges University,Yichang 443002,China;3.College of Hydraulic&Environmental Engineering,China Three Gorges University,Yichang 443002,China;4.Hubei Ealioneng Technology Co.,Ltd.,Yichang 443002,China）Abstract：Nitrogen plays a critical role in industrial and agricultural production.However,with the growing intervention ofhuman impact on the nitrogen cycling,regional nitrogen metabolism would inevitably bring about multiple environmentalrisks.In the research,we choose Miyun District,Beijing as the study area,within which the environmental risks of the nitrogen metabolism were evaluated through a Gumbel Copula-based approach.After that,the principal component analysis andthe pathway analysis were combined to reveal the environmental risks formation mechanism.The results showed that areasabove moderate risk level accounted for about 43.62%of the total territory of the District.Moreover,environmental risks ofthe nitrogen metabolism within the study area were constitutionally driven by socioeconomic growing,agricultural planting,aswell as stockbreeding expanding.Among the multitudinous influential factors of the environmental risks,planting area,fertilizer consumption,manure returning,and straw recycling had the maximum impact on the environmental risk level.These第12期factors could not only have direct influences on the generating of the environmental risks,but also affect the environmentalrisks in a backhanded approach through influencing other factors.Key words：nitrogen metabolism;Copula function;risk identification;principal component analysis;pathway analysis伴随着人口增加、经济发展和城市化进程的加快，人类活动对物质自然循环过程的干扰愈加强烈。一方面，人类活动影响下的物质循环通量远远超过物质自然循环的强度；另一方面，人类活动导致物质循环中每一环节的流动或代谢路径过长1。然而，人类活动影响下的物质循环尚未建立起良好和完备的循环机制，再加上长期以来我国高投入、低产出的粗放型经济发展模式，不仅造成了自然资源的大量浪费，而且导致物质代谢过程中对自然环境（大气、水和土壤）输出大量的污染物，进而引发了一系列生态环境问题2，3，严重地制约了区域经济、社会与环境的协同发展。准确识别污染高风险重点管控区域对制定污染物管理方案至关重要，在物质流分析的基础上识别物质代谢的环境风险，是实现“低投入、低消耗、低污染”的物质代谢循环经济发展模式亟需解决的技术难题。氮元素是地球大气中含量最多的元素，自然状态下，输入到陆地生态系统中的氮元素在经历一系列生物地球化学过程后，一部分被还原为N2重返大气，而另一部分则作为肥料被植物吸收利用后生产出各种农产品，进而沿着食物链进行系统内循环4。由于自然状态下的氮循环是一种动态的紧凑循环，氮的循环利用效率高达90%，很少出现氮元素流失和积累的现象5，6，故而不容易对环境造成污染。进入21世纪以来，随着经济的快速发展和人口的急剧增加，极大地刺激了社会在能源和食物方面的需求，促使氮元素的输入量与自然状态下相比超出1倍之多，但是氮循环的强度和效率并没有相应地增强，使固氮与反硝化之间的平衡关系被打破7，8，这就导致大量的氮元素流失和积累到环境（大气、水和土壤）之中，并引发一系列如空气质量下降、温室效应、地表水富营养化、地下水硝酸盐污染和土壤生物多样性丧失等环境问题9-12，对环境健康、人类生存和经济可持续发展构成了严重威胁。根据美国人口调查局和联合国人口基金会的估计，世界人口在未来数十年将呈现持续增长的趋势，预计到2050年世界人口将突破90亿。若按照目前人均氮消费量4.5 kg/a(以N计)来估算13，为满足人口氮元素需求，届时的氮元素输入量可能比目前的氮元素输入量至少增加 1 倍。这种持续增长的氮元素输入将给生态环境健康带来巨大的压力，同时也给环境保护与可持续发展带来巨大的挑战。在这一背景下，如何对氮元素进行合理地利用，使之在满足人类和社会需求的同时，降低其环境风险成为全球学者所共同关注的热点问题14-17。借鉴欧盟提出的环境风险概念18，本文将氮代谢环境风险定义为有毒有害物质的不同浓度对环境产生破坏等不良后果的危害程度。环境风险评价是一个涉及多准则和多层次的综合评价问题，目前环境风险评价方法主要有神经网络法19、模糊数学法20、判断矩阵法21、熵权-灰色关联法22、突变级数法23、地累积指数法24、潜在生态风险指数法25、内梅罗污染综合指数法26等。以上方法能够有效地表征区域风险大小，但是多应用于对单一指标的分析，或者将多项指标构成指标集进行整体评价，较少考虑各项指标之间的相关性。而氮代谢的最终环境归宿包括排入大气、排入地表水体以及在土壤中积累，并且这3个过程之间存在直接或间接的关联。因此，厘清这3个过程之间的相互作用对评价氮代谢环境风险是十分必要的。Copula函数正是一类将联合分布函数与它们各自的边缘分布函数连接在一起的函数，可用于描述变量间的相关性27，28。尤其是当变量维数大于2时，Copula函数构建的多元概率模型结构简单、适用性强29。因此，本文将基于Copula 函数构建氮代谢环境风险评价模型，并结合主成分分析法和通径分析法探寻氮代谢环境风险形成机制，为实现“低投入、低消耗、低污染”的区域氮代谢模式提供科学指导依据。1研究区域概况密 云 区 坐 落 于 北 京 市 东 北 部（11639331173025E；40137404757N），辖17个镇和3个街道办事处（图1），区域总面积约2 229.45 km2，是北京市土地面积最大的区。境内有潮河、白河和潮白河等3条主要河流，以及遥桥峪水库、半城子水库、沙厂水库和密云水库等4座大中型水库。地表水水质监测结果表明，密云区境内主要河流的氨氮浓度自2010年来有小幅度的升高，密云水库的总氮浓度自2006年以来一直接近类水体标准，但是在2011年超过了类水体标准，其余3座中型水库的总氮浓度自2007年以来有逐年上升的趋势，并且年均总氮浓度大大超过密云水库的年均总氮浓度30。氮元素被识别为引起密徐文，等基于Copula函数的区域氮代谢环境风险评价与分析：以北京市密云区为例155第45卷云区地表水体水质发生变化的一个重要因素。根据调查统计，境内每年因施用化肥流失到环境中的氮素约为7.84105kg31，每年因畜禽排泄物流失到环境中的氮素约为4.89106kg32，水库周边地区地表水的监测分析表明，化肥农药污染占地表水污染的 50%70%31。因此，在未来经济发展和生态环境保护齐头并进的大情势下，基于氮的生物地球化学循环理论和流域氮消费体系中的氮流动特征，识别区域氮代谢环境风险来源，对氮代谢环境风险进行评价和分级，对支持区域的可持续发展和保障地表水水质具有重要的现实意义。2研究方法2.1氮代谢网络模型本研究选取居民生活、农作物种植、蔬菜种植、干鲜果种植、生猪养殖、牛羊养殖、家禽养殖、水产养殖和工业等9个与氮元素密切相关的生产系统和生活系统为节点，考虑氮元素在各个节点的输入、消费、回收以及排放过程，建立密云区氮代谢网络模型的研究框架（图2），每个节点均可以看作一个独立的子系统，而节点之间也可以通过物质的输入产生关联，例如生猪养殖产生的粪便经过处理可以为农作物种植、干鲜果种植、蔬菜种植和水产养殖等提供肥料。由于水是氮元素进入水环境的重要载体，因此本研究将降水、灌溉、渗漏、排污等与氮元素排放到水体相关的过程纳入氮代谢网络模型的研究框架。本研究不考虑氮元素在土壤中淋溶过程，即地下水不作为氮元素在自然环境中的汇，只考虑氮元素排放入大气和地表水体以及在土壤中积累的过程。由于缺少相关研究数据，本研究不考虑农畜产品和工业产品出口，以及食物、能源、肥料、饲料、原材料进口而产生的隐藏流。156第12期2.2环境风险源的定义环境风险是指由人类活动引起，或者由人类活动和自然过程共同引起的，通过环境介质传播并且能对人类及其生存、发展的基础（环境）产生不利后果的事件发生的概率，具有客观性、不确定性和危害性。而环境风险源是指可能对环境产生危害的源头，是环境风险事件发生的先决条件33。风险源分析则是对区域中可能对环境产生不利后果的作用进行识别、分析和度量，以便更深入地认识各种风险源，揭示环境风险的影响过程。本研究将采用由欧盟提出的，根据有毒有害物质的不同浓度对其可能引起的危害程度进行分级18，对环境风险的等级做出较为完整和直观的度量。2.3氮代谢环境风险源的筛选与分类根据密云区氮代谢网络模型，氮物质流的最终环境归宿包括排入大气、排入地表水体以及在土壤中积累。排入大气的氮会增加温室气体的含量；排入地表水体的氮会引起富营养化；积累在土壤中的氮会在淋洗作用下进入水体或者通过反硝化、氨挥发过程产生温室气体排入大气。因此，本研究将氮代谢的环境风险源划分为大气氮排放、地表水氮负荷以及土壤氮积累3种。具体到密云区氮代谢网络模型中的各个子系统，居民生活子系统、生猪养殖子系统、家禽养殖子系统、牛羊养殖子系统、水产养殖子系统以及工业子系统的氮代谢环境风险源有大气氮排放和地表水氮负荷两种；而农作物种植子系统、蔬菜种植子系统和干鲜果种植子系统的氮代谢环境风险源有大气氮排放、地表水氮负荷和土壤氮积累3种（表1）。表1密云区氮代谢环境风险源分类Table 1Environmental risk sources of the nitrogen metabolismin Miyun District子系统居民生活子系统农作物种植子系统蔬菜种植子系统干鲜果种植子系统生猪养殖子系统家禽养殖子系统牛羊养殖子系统水产养殖子系统工业子系统大气氮排放地表水氮负荷土壤氮积累注：代表存在此类环境风险源，例如居民生活子系统存在大气氮排放和地表水氮负荷两类环境风险源。2.4基于Copula函数的环境风险等级评价模型2.4.1评价指标体系构建本研究根据密云区氮代谢网络模型的结果，用大气氮排放、地表水氮负荷以及土壤氮积累的氮物质流计算结果作为氮代谢环境风险等级评价的指标，对密云区17个镇氮代谢环境风险等级进行评价。假设由i个评价指标j个评价对象组成的矩阵为：X=|X11X12X1jX21X22X2jXi1Xi2Xij（1）为了消除数量级对后续数据分析的影响，本研究采用取极差标准化法对各个指标进行归一化处理：Xij=Xij-Min(Xij)Max(Xij)-Min(Xij)（2）式（2）中，Max(Xij)和Min(Xij)分别是指标Xij的最大值和最小值。2.4.2评价指标的边缘分布令U、V和W分别表示大气氮排放、地表水氮负荷以及土壤氮积累的氮物质流，本研究采用蒙特卡洛模拟的方法确定随机变量U、V和W的边缘分布。蒙特卡洛模拟是以概率论和统计论为基础的一种计算方法，其基本原理是从变量中随机抽样并产生系统模拟值，重复上述过程就会产生系统模拟值的分布，并且重复次数越多，系统模拟值与实际情况越接近34。以构建大气氮排放的边缘分布为例，具体步骤如下：（1）根据密云区氮代谢网络模型，建立大气氮排放U与其影响因素之间的函数关系：U=f(s1，s2，sn)（3）（2）根据文献数据和专家咨询，确定每个影响因素sn的概率密度函数g(sn)和累积概率函数G(sn)，本研究中采用的分布有均匀分布、正态分布和对数正态分布3种。（3）利用随机数发生器对每个影响因素sn产生均匀分布的随机数：G(sni)=0snif(sn)dsn（4）式（4）中，n为影响因素的个数，i为模拟次数（本研究取i=100 000），可根据式（4）求解相应的sni，得到影响因素sn的随机数可用如下矩阵表示：sn=|s11s21sn1s12s22sn2s1is2isni（5）（4）将每次得到的随机数带入式（3）中，得到相应的大气氮排放Ui值：Ui=f(s1i，s2i，sni)（6）（5）根据每次得到的大气氮排放Ui值，作频率直方图，计算统计特征量并拟合概率分布，平均值和标准差的计算公式分别如下：U=imi=1mUi（7）U=1m-1i=1m(Ui-U)2（8）2.4.3Copula函数的选取徐文，等基于Copula函数的区域氮代谢环境风险评价与分析：以北京市密云区为例157第45卷Copula函数是一种将变量的联合分布与它们各自的边缘分布函数连接在一起的函数，可用来描述变量间的相关性，因此也被称为连接函数。通常，Copula函数可分为正态Copula函数、t-Copula函数和阿基米德Copula函数等3类。阿基米德Copula函数由于其形式简单、对称性、可结合性以及构造快捷等优点在环境风险评价领域得到广泛的应用35，36。常见的阿基米德Copula函数有Ali-Mikhail-Haq Copula、Clayton Copula、Frank Copula以及Gumbel-HougaardCopula等4种，其表达形式和参数范围见表2所示。函数名称Ali-Mikhail-Haq CopulaClayton CopulaFrank CopulaGumbel-Hougaard Copula表达形式j=1nuj/|1-j=1n(1-uj)|()j=1nu-j-d+1-1/1ln|1+j=1nexp(uj)-1/exp()exp-|j=1n(-lnuj)1/参数范围-1，1)-1，)0R01，)表24种常用的阿基米德Copula函数Table 2Forms and parameters of the four commonly used Archimedean Copula functions本研究选用阿基米德Copula函数构造大气氮排放、地表水氮负荷以及土壤氮积累之间的联合分布。以Gumbel-Hougaard Copula 为例，假设M=FU(u)、N=FV(v)和P=FW(w)分别为随机变量大气氮排放、地表水氮负荷以及土壤氮积累的边缘分布，u、v和w分别是U、V和W序列中的元素根据流域氮代谢环境风险源分类，大气氮排放和地表水氮负荷的二维Gumbel-Hougaard Copula函数可以表示为：C(M，N)=C(FU(u)，FV(v)=exp(-(-lnM)+(-lnN)1/)(1)（9）大气氮排放、地表水氮负荷以及土壤氮积累的三维Gumbel-Hougaard Copula函数可以表示为：C(M，N，P)=C(FU(u)，FV(v)，FW(w)=exp(-(-lnM)+(-lnN)+(-lnP)1/)(1)（10）2.4.4环境风险等级评价模型根据评价指标的多元联合分布，可得到环境风险危险度评价模型如下：R=G（C(FU(u)，FV(v)，FW(w)）（11）式（11）中，C(FU(u)，FV(v)，FW(w)是大气氮排放（U）、地表水氮负荷（V）以及土壤氮积累（W）三者的多元联合分布，根据环境风险危险度评价模型的结果，R越大代表环境风险的危险度越大。3结果与讨论3.1Copula函数模型的优劣性评价令U、V和W分别表示氮代谢环境风险等级评价指标中的大气氮排放、地表水氮负荷以及土壤氮积累，在获得U、V和W的边缘分布后，本文选用Clayton Copula、Frank Copula以及Gumbel Copula等3种较为常见的阿基米德Copula函数来构造U、V和W之间的联合分布。根据经验Copula函数的定义，基于U、V和W的经验分布，得到U和V、U和W、V和W的经验Copula函数，建立的各个Copula函数模型与经验Copula函数之间的平方欧式距离如表3所示。通常，平方欧式距离越小，代表其相应的Copula函数模型的拟合效果越好。从表3中可以看出，Gumbel Copula函数与经验Copula函数的平方欧式距离最小，即选用Gumbel Copula函数来度量U和V、U和W、V和W的相关性更为合适。表3Copula函数模型的平方欧式距离Table 3The square euclidean distance of the Copula functionsU和VU和WV和WClayton Copula0.383 00.256 70.213 3Frank Copula0.884 01.664 41.826 9Gumbel Copula0.102 40.095 30.056 93.2三元阿基米德Copula函数模型在3.1节中建立了U和V、U和W、V和W之间的二元 Gumbel Copula、Clayton Copula 和 Frank Copula函数模型，并且依据平方欧氏距离选取Gumbel Copula函数来度量U和V、U和W、V和W的相关性。但是根据密云区氮代谢网络模型，大气氮排放（U）、地表水氮负荷（V）以及土壤氮积累（W）这3种环境风险源是同时存在的，因此需要建立 U、V 和 W 之间的三元Copula函数模型。根据n维Copula函数的定义，可以推导得出n元Copula函数是由多个二元Copula函数生成的这一结论，以 Gumbel Copula 函数为例，n 元Gumbel Copula函数可以看作是由n-1个二元Gumbel Copula函数建立起来的相关结构，即：C(u1，u2，un；)=exp-|j=1n(-lnuj)1/（12）158第12期C(u1，u2，un-1，un)=C(C(u1，u2，un-1)，un)（13）基于此，U、V和W之间的三元Copula函数模型可构建如下：C(u，v，w)=C(C(u，v)，w)（14）对于式（14）的求解，先利用Gumbel Copula让U和V复合，复合参数为2.180 7，然后将U和V的复合元与W复合，复合参数为1.205 4，最终得到U、V和W之间的三元Gumbel Copula函数模型如下：CG(u，v，w；，)=exp-ln(exp(-lnu)2.180 7+(-lnv)2.180 7)1.2054+(-lnw)1.205 4)11.2054（15）3.3氮代谢环境风险等级评价分级根据式（15）构造的U、V和W之间的三元GumbelCopula函数，经计算可得到相应的多元联合分布函数值，以此作为环境风险危险度评价的依据。本文通过标准化法使氮代谢环境风险等级的取值范围在01之间，以便于评价环境风险等级。密云区17个镇的氮代谢环境风险综合指数计算结果见表4，根据环境风险综合指数排序可知，氮代谢环境风险最低的是古北口镇，最高的是河南寨镇。为了能够优先识别出氮代谢环境风险相对严重的区域，本文定性地将环境风险等级在01之间进行了不均匀划分，相应地建立了氮代谢环境风险模糊分级标准：氮代谢环境风险综合指数在0.000.10、0.100.30、0.300.50、0.500.70、0.700.10范围内对应的环境风险等级分别为小、较小、中等、较大、大。行政区划古北口镇密云镇石城镇冯家峪镇翁溪庄镇北庄镇环境风险等级0.027 20.030 30.032 40.063 90.070 50.075 7排序123456行政区划十里堡镇新城子镇穆家峪镇大城子镇东邵渠镇不老屯镇环境风险等级0.095 20.135 00.266 40.280 50.314 30.328 3排序789101112行政区划高岭镇太师屯镇巨各庄镇西田各庄镇河南寨镇环境风险等级0.330 70.345 10.422 10.573 50.706 2排序1314151617表4密云区各个镇氮代谢环境风险综合指数Table 4The comprehensive index of nitrogen metabolism environmental risks in Miyun District根据建立的氮代谢环境风险模糊分级标准，对密云区各个镇氮代谢环境风险等级进行划分。总体来看，密云区氮代谢环境风险等级小、较小、中等、较大、大的区域分别占密云区总面积的 36.32%、20.06%、34.30%、6.16%、3.16%左右（图3）。因此，有必要对密云区氮代谢环境风险进行分区控制和管理，在未来经济发展的同时降低其危险度。具体地：（1）冯家峪镇、翁溪庄镇、北庄镇和十里堡镇等7个镇的氮代谢环境风险等级小，这些区域未来仍然有较大的经济发展空间；（2）新城子镇、穆家峪镇和大城子镇等3个镇的氮代谢环境风险等级较小，这些区域未来仍然有一定的经济发展空间；（3）东邵渠镇、不老屯镇、高岭镇、太师屯镇和巨各庄镇等5个镇的氮代谢环境等级中等，这些区域在未来发展经济的同时需要关注氮代谢引起的环境问题；（4）西田各庄镇的氮代谢环境风险等级较大，该镇需要进行有限度的发展，通过调控氮元素输入、优化农林牧渔产业结构、提高氮循环利用率等手段降低氮代谢引起的负面环境效应；（5）河南寨镇的氮代谢环境风险等级大，该镇未来也需要进行有限度的经济发展。3.4氮代谢环境风险影响因素分析3.4.1影响因素的主成分分析本文基于密云区氮代谢网络模型和物质流分析的结果，并结合密云区实际情况，从社会经济水平、农业种植要素、畜禽养殖要素、工业污染排放以及含氮物质回收利用等5个方面进行深入挖掘，选取了14个能够量化分析氮代谢环境风险的影响因素（表5）。主成分分析法的结果表明，前3个成分的特征根分别为 8.383、3.009 和 1.068，分别可解释变量总变异的59.880%、21.494%和 7.630%，方 差 累 积 贡 献 率 为89.005%。根据主成分选取原则，即特征根大于1或者方差的累积贡献率达85%95%，提取前3个成分作为主成分。荷载系数反映了自变量（影响因素）与主成分之间的相关性，通过主成分分析的方法得到已选取的14个影响因素在提取的3个主成分上的荷载情况如图4所示。徐文，等基于Copula函数的区域氮代谢环境风险评价与分析：以北京市密云区为例159第45卷表5氮代谢环境风险的主要影响因素Table 5The main factors of the nitrogen metabolismenvironmental risk影响因素社会经济水平农业种植要素畜禽养殖要素工业污染排放含氮物质回收利用量化指标（自变量）人口数量（x1）城乡居民农产品消费量（x2）城乡居民畜禽产品消费量（x3）种植总面积（x4）化肥施用量（x5）灌溉用水量（x6）畜禽养殖总量（x7）饲料投入量（x8）畜禽粪便产生量（x9）工业废水排放量（x10）工业废气排放量（x11）畜禽粪便还田量（x12）生活废水还田量（x13）秸秆回用量（x14）从图4中可以看出，种植总面积（x4）、化肥施用量（x5）、灌溉用水量（x6）、畜禽粪便还田量（x12）、生活废水还田量（x13）以及秸秆回用量（x14）等6个影响因素在第一主成分上的荷载较高；人口数量（x1）、城乡农产品消费量（x2）、城乡畜禽产品消费量（x3）、畜禽粪便产生量（x9）、工业废水排放量（x10）以及工业废气排放量（x11）等6个影响因素在第二主成分上的荷载较高；畜禽养殖量（x7）和饲料投入量（x8）这2个影响因素在第三主成分上的荷载较高。根据各个影响因素的涵义，种植总面积（x4）、化肥施用量（x5）、灌溉用水量（x6）、畜禽粪便还田量（x12）、生活废水还田量（x13）以及秸秆回用量（x14）是农业种植的相关要素，因此第一主成分代表农业发展；人口数量（x1）、城乡畜禽产品消费量（x2）代表城乡居民生活的消费需求，畜禽粪便产生量（x9）、工业废水排放量（x10）以及工业废气排放量（x11）代表生产活动引起的排污需求，因此第二主成分代表社会经济发展；畜禽养殖量（x7）和饲料投入量（x8）是畜禽养殖的相关要素，因此第三主成分代表养殖业发展。综上，社会经济发展、农业发展以及养殖业发展对密云区氮代谢环境风险具有重要的影响作用。3.4.2影响因素的通径分析选取环境风险危险度作为因变量y，种植总面积（x1）、化肥施用量（x2）、畜禽养殖量（x3）、饲料投入量（x4）、畜禽粪便产生量（x5）、工业废气排放量（x6）、畜禽粪便还田量（x7）、生活废水还田量（x8）以及秸秆回用量（x9）等作为自变量，首先通过回归分析求解相关系数rij和直接通径系数Piy，进而计算出间接通径系数，最后根据通径系数计算自变量对因变量的决定系数（表6）。自变量种植总面积化肥施用量畜禽养殖量饲料投入量畜禽粪便产生量工业废气排放量畜禽粪便还田量生活废水还田量秸秆回用量直接通径系数0.8640.8210.1670.1450.2100.032-0.9440.029-0.652间接作用x10.8160.0770.0770.104-0.001-0.9360.017-0.595x20.8590.0780.0740.098-0.002-0.9370.018-0.584x30.4000.3830.1090.0640.002-0.4430.009-0.269x40.4580.4190.1250.1720.010-0.4640.020-0.314x50.4260.3830.0510.1190.009-0.4060.022-0.298x6-0.031-0.0530.0110.0430.0610.0200.0120.124x70.8560.8150.0780.0710.090-0.0010.017-0.564x80.5210.4990.0520.1010.1570.013-0.561-0.295x90.7890.7350.0690.0700.096-0.006-0.8170.013间接通径系数4.2783.9970.5420.6640.8430.024-4.5430.128-2.796相关系数5.1424.8180.7090.8091.5030.056-5.4870.157-3.448表6密云区氮代谢环境风险影响因素的通径分析Table 6Path analysis of the environmental risk factors of the nitrogen metabolism in Miyun District直接通径系数代表某个自变量直接对因变量产生的影响，间接通径系数代表某个自变量通过其他自变量间接对因变量产生的影响，通径系数的正负则代表自变量对因变量产生的是正效应还是负效应。结合表6中的结果可知：增加种植总面积（x1）、化肥施用量（x2）、畜禽养殖量（x3）、饲料投入量（x4）、畜禽粪便产生量（x5）、工业废气排放量（x6）和生活废水还田量（x8）等将会在一定程度上提高密云区氮代谢环境风险的危险度，但是增加畜禽粪便还田量（x7）和秸秆回用量（x9）将会在一定程度上降低密云区氮代谢环境风险的危险度。畜禽粪便还田量代表农业种植中有机肥的用量，秸秆回用量包括秸秆还田和秸秆饲料2部分，由此可以说明提高农业种植和畜禽养殖中含氮物质的回收利用有助于减少密云区氮代谢环境风险的危险160第12期度。此外，表6中大多数自变量的直接通径系数小于间接通径系数，说明自变量之间的相互关联程度较高，自变量相互作用对因变量产生的影响大于自变量直接对因变量产生的影响。自变量直接或间接对因变量产生的影响的大小可通过决定系数来判断，决定系数又称为拟合优度，拟合优度越大，自变量引起的变动占总变动的比例越高，即自变量对因变量的解释程度越高。根据通径系数计算得出本研究中影响因素对氮代谢环境风险危险度的决定系数如表7所示。决定系数的取值在01之间，本研究将决定系数0.4的影响因素记为对氮代谢环境风险危险度具有重要影响的因素。结合表7可知，密云区氮代谢环境风险危险度的影响因素由大到小依次为x7x72x71x1x12x17x2x79x21x27x19x29x9，其中xij代表自变量xi与xj共同对因变量产生的影响。由此可以说明，畜禽粪便还田量、种植总面积、化肥施用量、秸秆回用量、畜禽粪便还田量与化肥施用量的共同作用、畜禽粪便还田量与种植总面积的共同作用、种植总面积与化肥施用量的共同作用、畜禽粪便还田量与秸秆回用量的共同作用、化肥施用量与秸秆回用量的共同作用等会对氮代谢环境风险危险度产生较大的影响。自变量种植总面积化肥施用量畜禽养殖量饲料投入量畜禽粪便产生量工业废气排放量畜禽粪便还田量生活废水还田量秸秆回用量x10.7460.6650.0060.0060.0110.0000.8760.0000.354x20.7380.6740.0060.0050.0100.0000.8780.0000.341x30.1600.1470.0280.0120.0040.0000.1960.0000.072x40.2100.1760.0160.0210.0300.0000.2150.0000.098x50.1810.1470.0030.0140.0440.0000.1640.0000.089x60.0010.0030.0000.0020.0040.0000.0000.0000.015x70.7330.6640.0060.0050.0080.0000.8910.0000.318x80.2710.2490.0030.0100.0240.0000.3150.0000.087x90.6220.5400.0050.0050.0090.0000.6670.0000.425表7影响因素对密云区氮代谢环境风险危险度的决定系数矩阵Table 7Determining coefficient matrix of environmental risk factors of the nitrogen metabolism in Miyun District3.5氮代谢环境风险形成机制综合考虑影响因素的主成分分析和通径分析结果，可在一定程度上揭示密云区氮代谢环境风险的形成机制（图5）。密云区氮代谢环境风险的主要驱动力来自社会经济发展、农业发展以及养殖业发展等3个方面。社会经济的发展会引起人口数量、城乡居民生活消费结构与水平发生变化，进而导致农业种植和畜禽养殖的结构和规模发生变化。农业种植和畜禽养殖的结构和规模的改变会影响到