基于灰色模式识别模型的洪湖水质评价初探

芦云峰,谭德宝,王学雷(1.武汉大学测绘遥感信息工程国家重点实验室,武汉40079;.长江科学院空间信息技术应用研究所,武汉40010;.中国科学院测量与地球物理研究所,武汉40077)

基于灰色模式识别模型的洪湖水质评价初探

芦云峰1,2,谭德宝2,王学雷3
(1.武汉大学测绘遥感信息工程国家重点实验室,武汉430079;2.长江科学院空间信息技术应用研究所,武汉430010;3.中国科学院测量与地球物理研究所,武汉430077)

根据洪湖近期水质监测数据资料,采用灰色模式识别模型方法对洪湖水质进行了分析评价,并利用软件surfer8.0生成洪湖不同季节的水质综合指数等值线图进行空间分异特征分析,结果表明:洪湖水质介于3～4级水之间,秋季水质较好,春季水质最差,水质随季节变化较大,湖内围网区域和进出水口区域之间水质差别较大。

洪湖;灰色模式识别模型;水质综合指数;水质评价

洪湖是沿湖15万多人的分散式饮用水源和近12 000 hm2农田的农业灌溉水源,也是洪湖市的重要水产养殖基地。洪湖水质的优劣直接关系到周边地区经济发展和人民生活水平的提高,因此,对洪湖水体进行监测和评价就显得尤为重要。

水环境系统是一个多因素耦合的复杂系统,由于各因素间的关系错综复杂,决定了系统的不确定性。从信息论角度看,将处理系统不确定性问题的灰色系统理论应用于水质评价是一个新的发展方向。文献[1～2]提出了水环境质量灰色关联度评价方法,但用灰色关联度确定水质级别存在以下不足:一是由于受关联系数两级级差的影响,灰色关联度评价值趋于均化,分辨率较低,不易区分两级别间的差异;二是划归同一水质级别的不同水体样本污染程度的高低难以精确地区分。因此,本文采用一种新的水质综合评价模型:灰色模式识别模型[3～6],该模型在灰色关联度的基础上引入加权关联差异度的概念,采用模糊识别的思想解出最优权系数——灰色从属度,最后利用综合指数法求出水质综合指数。该模型克服了灰色关联度方法评价结果趋于均化而分辨率低的缺点,且能够更精确地反映污染程度的高低。运用该模型,结合洪湖近期水质监测数据,计算出洪湖各监测点不同季节的水质综合指数,并生成洪湖不同季节的水质综合指数等值线图,最后进行了分析和评价。

图1 洪湖水质监测点位置示意图Fig.1 The sketch map of Honghu Lake water quality monitoring points

1 洪湖水质监测

中国科学院测量与地球物理研究所在洪湖地区设立了10个取样位(见图1),其中监测点10,3位于进水口附近,监测点1,4位于出水口附近,监测点5,6,7,8位于湖内围网密集区域,对以上10个监测点进行了特定的季节性定点取样分析。由于洪湖水体污染源主要来自湖区围垦养殖投放的大量鱼饵和周边工农业废水,所以洪湖水质的污染主要是氮、磷及有机物的累积导致的富营养化,因此主要选取p H值、溶解氧、化学耗氧量、NH4N、NO2N、NO3N、TN和TP 8个反映水体富营养化程度的典型因子来评价其水质。评价标准采用中国环保局《地表水环境质量标准GB3838——2002》。

2 水质评价灰色模式识别模型

(1)设有待分级评价的n个水质监测样本,每个样本有m项污染指标监测值X,根据国家规定的m项指标评价等级数c和水质标准浓度值S,得到水质监测浓度矩阵(1)和国家水质标准浓度矩阵(2)。

式中:xij为污染指标监测值;sit为相应的国家水质标准浓度值;t为水质标准级别;i=1,2,…,m;t= 1,2,…,5;j=1,2,…,n。

(2)对数据做归一化处理。对于越大越优的指标如DO,用

(3)将第j个水体监测样本向量aj(,…,),j=1,2,…,n取为参考序列,对于固定的j,将c级水质标准向量bj=,…),t= 1,2,…,5分别组成被比较序列,进行关联分析计算,则aj与bt第i个指标的关联系数表示为

式中ρ为分辨系数,0＜ρ＜1,通常取ρ=0.5。

(4)aj与bj的关联程度则定义为ξi(aj,bt)的面积测度,即关联度,记

(5)为了进一步提高评价决策的分辨率,引入关联差异度的概念,待评价水体样本aj与第t级水质标准的加权关联差异度为

其中,权系数ujt与模糊数学中模糊隶属度的概念类似,这里定义为第j个水体样本从属于第t级水的灰色从属度。满足以下条件1,j=1,2,…,n,且0,t=1,2,…,5,采用模糊识别的思想,解出最优灰色从属度ujt。

(6)为了更真实地评价水体水质,进一步引入水质评价灰色识别模式的综合指数

式中:GC为水质评价灰色识别模式的综合指数,t为水质标准级别,t=1,2,…,5。

根据t的取值范围可知,GC的取值在1～5之间,最小值为1,最大值为5。只有当各指标都达到一级水要求时,GC=1;当所有指标都超过或等于5级水质标准时,GC=5,其余情况,1＜GC＜5。

3 计算结果及分析评价

3.1 计算结果及制图

根据洪湖近期春夏秋冬四季水质监测数据,利用灰色模式识别模型可以计算出相应的洪湖水质灰色识别模式的综合指数,见表1。

表1 洪湖四季各监测点水质综合指数(20世纪90年代中后期)Table 1 The water quality comprehensive indexes of Honghu Lake's all monitoring points in different seasons

利用软件surfer8.0生成春、夏、秋、冬四季洪湖水质综合指数等值线图,见图2至图5。

图2 洪湖春季水质综合指数等值线图Fig.2 The water quality comprehensive index isolines of Honghu Lake in spring

图3 洪湖夏季水质综合指数等值线图Fig.3 The water quality comprehensive index isolines of Honghu Lake in summer

图4 洪湖秋季水质综合指数等值线图Fig.4 The water quality comprehensive index isolines of Honghu Lake in autumn

图5 洪湖冬季水质综合指数等值线图Fig.5 The water quality comprehensive index isolines of Honghu Lake in winter

图6 洪湖各监测点四季水质综合指数变化过程Fig.6 The change process of the Honghu Lake’s water quality Comprehensive indexes in different seasons

3.2 洪湖水质综合分析与评价

由表1可知:洪湖各监测点水质综合指数位于2.944 5～4.640 2之间,说明洪湖水质属于3～4级水。秋季除监测点10,4因受农业排水污染水质较差外,其他各点水质较好。原因:一是在春夏季洪湖水生植物大量繁殖生长,洪湖水生植物在生长过程中能够不断地吸附、吸收、分解水中的营养盐和污染物,使水质得到净化,到秋季时水中总磷和总氮含量大幅下降;二是汛期大量的降雨和频繁的水交换也对湖水起到稀释净化作用。春季水质最差,是由于一方面秋冬季水生植物的大量死亡腐烂,而在春季水生植物才刚开始繁殖生长,还未大量吸收、分解水中营养物质,导致总氮和总磷含量较高;另一方面菹草的大量生长也使pH值增加到一年中的最大值。

从图6可以看出,在同一季节洪湖水质各监测点水质综合指数差异较大,说明洪湖水交换过程缓慢,导致不同区域间水质差别较大,主要原因是洪湖是一个半封闭型浅水湖泊,水生植物生长又很旺盛,大量的水生植物对水交换过程产生阻碍作用,导致洪湖难以形成一定程度的湖流。在不同季节,监测点10,1,3,4,9由于位于进出水口区域附近,受客水影响水交换频繁,水质综合指数变化较大。而监测点2,5,6,7,8由于位于湖中心主要受气温、降水和水生植物生长状况影响,水质综合指数变化相对小一些。

3.3 洪湖水质的空间分异特征分析

图2至图5绘出了洪湖春夏秋冬四季水质综合指数等值线图,反映了洪湖水质空间分异状况。监测点5,6,7,8,9附近区域在春夏冬季水质较差,水质综合指数等值线形成封闭区。主要原因是该区围网密集,围网养殖投放的大量饵料除部分直接为鱼类摄取外,部分未利用饵料及鱼类排泄物加速了湖水富营养化。另外,渔民日常生活垃圾、渔业机械漏油及废燃料倾倒入湖加剧了该区湖水的污染[7,8]。监测点10和3位于进水口附近,除夏季汛期接纳流域大量来水,湖水得到稀释水质偏好外,其他季节应接纳的客水多为农业排水和居民日常生活废水水质均较差。监测点1,4位于出水口附近,水交换频繁,全年大部分时间水质较好。由于洪湖水交换缓慢,从图2至图5可以看出在处于进出水口附近的监测点10,1,3,4和湖内监测点5,2,6, 7,8,9之间等值线往往比较密集,说明水质变化较大。

4 结论

通过运用灰色模式识别模型计算出洪湖不同监测点的水质综合指数,生成水质综合指数等值线图,使对洪湖水质的评价分析由一维空间扩展到二维空间。在对洪湖水质进行评价时,可以使评价结果具有连续性和可比性,能够更精确地反映各监测点水质污染程度的高低状况,同时可以形象直观地反映出洪湖水质的空间分异规律,便于综合比较分析各监测点水质差异情况。通过分析比较,得到洪湖水质评价结果如下:洪湖水质介于3～4级水之间,秋季水质较好,春季水质最差;受水生植物生长状况和气温等影响,水质季节变化较大;受水交换过程缓慢、围网养殖和进出口水交换等影响,湖内围网区域和进出水口区域之间水质差别较大。

[1]杨继东,侯晓军.灰色关联分析在环境质量评价中的应用[J].环境工程,1993,11(3):27-31.

[2]夏军.区域水环境质量灰关联评价方法研究[J].水文,1995,15(2):4-11.

[3]史晓新,夏军.水环境质量评价灰色模式识别模型及应用[J].中国环境科学,1997,17(2):127-130.

[4]邹晓雯.水质评价的灰色关联度方法[J].水资源保护,1994,(3):11-16.

[5]邓聚龙.灰色控制系统[M].武汉:华中理工大学出版社,1985.

[6]陈守煜.系统模糊决策理论与应用[M].大连:理工大学出版社,1994.

[7]陈宜瑜,蔡述明,杨汉东,等.洪湖水生生物及其资源开发[M].北京:科学出版社,1995.

[8]杨汉东,蔡述明.洪湖生态环境的化学结构[J].生态学报,1995,15(4):392-397.

(编辑:周晓雁)

Assessment of Water Quality by Grey-mode Identification Model in Honghu Lake

LU Yun-feng1,2,TAN De-bao2,WANG Xue-lei3
(1.State Key Laboratory of Information Engineering in Survey,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China;2.Spatial Information Technology Application Research Institute, Yangtze River Scientific Research Institute,Wuhan 430010,China;3.Institute of Geodesy and Geophysics,Chinese Academy of Science,Wuhan 430077,China)

On the basis of the monitoring data of water quality during the period of 1990s,this paper presents the assessment of water quality in Honghu Lake by the grey-mode identification model.And the water quality comprehensive index isolines of Honghu Lake’s different seasons are drawn by applying the surfer8.0 software. From the isolines,it can analyze the spatial distribution features of water quality in Honghu Lake.The research results indicate that the water quality of Honghu Lake remains between the grade 3-4 in criterion of surface water and in mesotrophic state.In autumn,the water quality of Honghu Lake is better,but in spring it is the worst.And in different seasons,it changes greatly.The difference of water quality between fish-screen regions and intake-outlet water areas is very obvious.

Honghu Lake;grey-mode identification model;comprehensive index of water quality;assessment of water quality

S157.2

A

1001-5485(2009)05-0058-04

2008-06-24;

2009-01-13

国家自然科学基金资助项目(49871071)

芦云峰(1974-),男,湖北枣阳人,工程师,在职博士研究生,主要从事资源环境、湿地生态与GIS的结合应用研究,(电话)027-62383329(电子信箱)06fengyun@163.com。