滇池水质1999—2008年时空变化特征

2014-05-22张军莉严谷芬

环境科学导刊 2014年3期

张军莉，严谷芬

(1.云南高原湖泊流域污染过程与管理重点实验室，云南昆明650034;2.云南省环境科学研究院，云南昆明650034)

滇池水质的时空变化特征一直是滇池保护研究的热点，可揭示滇池水质的变化规律，已成为滇池水体研究不可缺少的内容，为滇池的保护和治理提供科学依据。然而，滇池水质长时间系列时空变化的研究不多，见报道的研究成果多以短期高密度的监测对个别或者多个水质指标为研究对象进行。如方涛等关注了五个水质指标一年内的变化规律［1］。刘辉宁等［2］、李蒙等［3］着重分析了叶绿素a在短期内的时空变化。刘永川等［4］对磷在2004至2005年1年内的年内变化进行观测和分析。上述研究均侧重于某个或者某几个水质指标短期内的时空变化特征。

滇池长时间系列水质时空变化的研究多以某个特定指标为研究对象，采用不同的研究方法，从不同的角度解析滇池水质时空变化的规律。王红梅等以滇池富营养化状态指数为研究对象，考察了将近20年滇池富营养化的时空变化规律［5］。粱中耀等应用 STL(Seasonal－Trend Decomposition LOESS)方法对滇池近12年来多个水质指标的变化趋势进行了分析［6］。黎海林等采用水质综合污染指数法对滇池水质进行综合评价［7］。以上研究更多关注的是滇池水质时间上的年际变化特征，水质空间上的变化规律以单点定性研究为主。陈联君运用遥感技术对滇池水质的不同年份间的变化进行了比较［8］，然而此方法暂未见定量的对比研究。因此，钟艳霞等提出天然湖泊水质分析应进一步开展多点位综合评价和污染物空间分布研究［9］。

综上所述，滇池水质长时间系列的时空变化研究对于了解湖泊长期的水质变化规律至关重要。然而，现有的多个研究均侧重于短期的水质时空变化研究，采用空间技术方法定量研究滇池水质空间变化的研究不多。滇池由于常规监测采样点位少，以单点为基础分析水质的空间分布，不足以准确反映其空间分布的状况。本文采用因子分析法以滇池1999—2008年的水质监测数据为基础，综合评价滇池的水质数据，计算滇池每个监测点位和每年的水质综合评价得分，以此综合评价得分作为滇池水质监测点位的空间属性数据，采用ArcGIS软件的空间插值法，尝试定量分析10年间滇池水质的时空分布变化特征。

1 研究区域概况

滇池属长江流域金沙江水系，位于昆明市城区西南面，属断陷构造湖泊，是云贵高原上湖面最大的淡水湖泊。滇池平均水深4.4m，湖水面积309km2，湖容12.9亿m3。多年平均水资源量9.7亿m3，扣除多年平均蒸发量4.4亿m3，实有水资源量5.3亿m3。湖泊补给系数9.9，湖水滞留期约为981d。滇池水域分为草海、外海两部分，现由人工闸分隔。草海位于滇池北部，外海位于滇池中南部，为滇池的主体，面积大约占全湖的96.7%，草海、外海各有一个人工控制出口，分别为西北端的西园隧道和西南端的海口中滩闸。

2 研究方法

2.1 因子分析法

因子分析由Charles Spearman在1904年首次提出，通过研究多个变量间相关系数矩阵 (或协方差矩阵)的内部依赖关系，找出能综合所有变量主要信息的少数几个随机变量，通常称为因子。各个因子间互不相关，所有变量都可以表示成公因子的线性组合。因子分析的目的就是减少变量的数目，用少数因子代替多个变量去分析整个问题［10］。

水质评价是一个多指标的综合评价。因子分析法广泛用于水质的综合评价中，以解决水质多指标综合评价带来的难度和工作量。因子分析法可确保原始数据所携带的信息量丢失最少，同时在尽量保留所有变量对综合水质贡献的情况下，能减少评价指标，达到综合评价的目的，客观反映不同水质间的差异。同时，在水质的综合评价中，根据提取的公因子的累积贡献率大小和公因子中变量载荷的大小，对影响水质的主要污染类型进行分析。多个运用多因子法进行水质综合评价的结果均显示:因子分析法是一种将多变量纳入同一系统中进行定量化研究且理论较完善的多元统计分析方法，在解决国内外关于地表水污染等其他实际问题时取得了较好效果，且方法简便，准确率高［11～18］。该方法尽管无法对应国家地表水环境质量标准对水质综合类别进行判定，但可揭示水质的性质和时空变化规律，同时对水质的主要污染类型进行定性分析。

本文在上述研究的基础上，采用IBM SPSS Statistics 21软件对滇池10个常规监测点位的监测数据进行多元分析处理，综合评价研究期内滇池每年的主要污染物类型，并计算每个监测点位的综合评价得分。分析采用的方法和步骤参考上述文献和《SPSS统计分析高级教程 (第2版)》［10］，文内不再赘述。

2.2 反距离加权插值法 (Inverse Distance Weighted，简写为:IDW)

IDW是用于散乱数据插值的技术之一。利用邻域内已知点，采用距离加权反比法的属性值进行插值，计算空间待插点值。待插点的属性值是待插点邻域内已知点属性值的加权平均，权的大小与待插点与邻域内点之间的距离有关，是一种跟距离的倒数成反比关系的插值方法。它以插值点与采样点间的距离为权重进行加权平均，离插值点越近的采样点赋予的权重越大，配给的权重是分数，所有权重的总和等于1，当插值点与采样点重合时，该采样点被分配全部的权重［19］。该方法广泛运用于地理学、环保、医学、气象等领域。刘光孟等总结:IDW节约成本，普适性强，方法灵活，无需根据数据的特点对方法加以调整，当样本数据的密度足够大时，几何方法一般能达到满意的精度［20］。

3 数据来源与处理

数据来源于昆明市环境监测中心站常规的水质监测数据，采用每个监测点不同年份的年均值和每年所有监测点位全湖的平均值为分析对象。1999—2008年，滇池全湖共设置了10个常规监测点位，监测点位分布见图1。其中草海有2个监测点 (草海中和段桥)，外海有8个监测点。由于长期的监测数据有限，本次的水质指标仅包括:溶解氧(DO)、氨氮 (NH3－N)、总氮 (TN)、总磷(TP)、生化需氧量 (BOD5)、高锰酸盐指数(CODMn)、叶绿素a(Chl－a)，共计7个水质指标。原始数据为每个月每个点位的水质指标监测值，全湖水质指标年均值的计算方法为:先平均每个点位1—12月的均值，再将所有点位的均值进行平均得到一年的均值。以10年间每一年参与研究的指标值为分析对象进行因子分析得到每年的水质综合评价得分。以每一年所有点位的数据为分析对象进行因子分析，得到每一年每一个监测点位的水质综合评价得分，以该得分作为空间属性数据进行空间分析。

在进行因子分析时，由于溶解氧为反向指标，参考李文生等的数据处理方式［18］，将其取倒数后带入计算。首先对上述数据进行标准化处理(SPSS软件自动完成)，对所得到的相关系数矩阵进行Kaiser－Meyer－Olkin(KMO)和巴特利球形(Bartlett’s test of Sphericity)统计学检验;然后再进行统计分析，用回归因子得分的方法估计因子得分系数，然后对提取的因子载荷矩阵进行正交旋转，最终得出各主因子得分，以此计算各监测点和每年的水质综合评价得分。所有的计算都在SPSS软件下完成(IBM SPSS Statistics 21)。每个监测点位计算得出的综合评价得分作为监测点位的空间属性数据加入到ArcMap中，运用反距离加权插值法进行湖泊水质的空间分布特征分析。

4 结果与分析

4.1 分析数据描述

全湖水质指标年均值的描述见表1。

表1 滇池1999—2008年全湖水质平均值统计描述

4.2 滇池水质1999—2008年变化分析

KMO和Bartlett检验结果显示，变量间具有较强的相关性，且KMO检验值为0.646，＞0.5，适合应用因子分析法［10］。分析中指定提取3个公因子，其累计方差贡献率为91.252%，因此该3个公因子已经足够描述水质的情况。3个因子旋转成分矩阵见表2。

从表2可知，在研究期10年内，第一公因子在叶绿素－a、BOD5和NH3－N有较大载荷，NH3－N比TN的载荷大，显示了NH3－N在该10年间的污染贡献比TN大，且第一公因子的累积方差贡献率接近70%，说明10年间，滇池水质污染以富营养化为主要特征，且以氮污染为主要污染特征;第二公因子在TP上有较大载荷，磷污染物对滇池水质污染的贡献不如氮污染物;第三公因子在高锰酸盐指数上有较大载荷。

表2 因子旋转成份矩阵

根据上述结果计算每年的水质综合评价得分。结果见图2。图2显示出1999年以来，滇池水质总体出现了不断恶化的趋势，虽2008年水质较2007年略有所好转，但仍未回到2006年水平。本研究结果与王红梅等［5］和黎海林等［7］的研究结果类似。

对1999—2008年每个点位每年的年均值进行因子分析，计算得到每年每个监测点位的水质综合评价得分。进行因子分析时采用同上述一样的分析方法，先进行KMO和Bartlett检验，制定提取2个公因子，然后计算综合评价得分，以综合评价得分作为监测点位的属性数据导入ArcMap，进行空间插值。KMO和Bartlett检验的检验结果，除2001年的KMO值低于0.5外，其它年份的数值均适用因子分析方法，为确保结果的一致性，对2002年的数据结果，仍旧采用因子分析方法进行计算。

表3 滇池水质1999—2008年主要水质指标因子分析年旋转成份矩阵表

基于每年10个监测点位的因子分析结果 (见表3)，对研究期内每年的主要污染类型进行分析。1999年因子分析显示，指定的2个主成份的累积贡献率达到97.4%，说明2个主成份可代表所有指标对水质状况进行解释。第一主成份中，氨氮、总磷、溶解氧和总氮的载荷最大，表明氮磷污染物是滇池水质的主要污染物，而第二主成份以有机污染物 (高锰酸盐指数和五日生化需氧量)和叶绿素－a为代表。2000年分析的2个公因子的累积贡献率达到96.7%，氮磷污染是水体的主要污染物，五日生化需氧量的影响较1999年对水质污染的贡献加大，高锰酸盐指数和叶绿素－a在第二个主成份中载荷最大。2001年呈现出与2000年相似的水质状况，氮磷仍旧是水体的主要污染物，五日生化需氧量的影响持续增加。2002年和2003年的结果表明，以氨氮为主要污染物的氮污染物仍旧是滇池水质的主要污染物。2004年水质因子分析的第一主成份中氨氮的载荷保持最大，其次是溶解氧、总氮和总磷。第二主成份中叶绿素－a的载荷最大，说明滇池富营养化水平不断增加。2005年的分析中，第一主成份中总磷的载荷最大，叶绿素－a在第一主成份中的载荷不断增强。第二主成份中以高锰酸盐指数的载荷最为突出。这个结果显示滇池氮磷污染突出，其湖泊的富营养化水平持续增加。2006年的氨氮表现出了突出的水质污染贡献，五日生化需氧量的影响也日渐突出。2007年结果仍旧体现出氮磷依然是滇池水质主要的污染类型，氨氮的影响相应减少，但是，五日生化需氧量和叶绿素－a的影响却在不断增加。2008年的结果表明氮污染物是滇池水质主要的污染物，五日生化需氧量对水质的贡献不断增加。

4.3 滇池水质1999—2008年的空间变化特征

各监测点位10年的水质综合评价得分变化见图3。图中显示:草海片区的2个监测点位草海中和段桥是所有监测点位中得分最低的，尤以段桥点位最低，说明草海片区水质在整个滇池中是最差的区域。其它外海的8个监测点位中，以灰湾中的综合评价得分最低，该点位于外海北部，正处于草海水域和外海水域的结合地带。其它点位的综合评价得分均差别不大，在一定范围内浮动。

滇池水质在空间分布上呈现出南部片区水质优于北部草海片区，在10年间，水质由北向南逐步恶化。中部区域和南部区域10年间水质变化在一定范围内徘徊，时好时差。采用IDW空间插值法基于ArcGIS10.2软件计算每年的水质空间分布图，结果见图4。从图4可知，总体看来，滇池南部水质好于北部水质，水质从北到南逐步下降。这与多个研究结论相同［1，6］。同时，结合图例，从1999—2008年的水质空间变化趋势看，滇池北部区域 (主要是草海片区)的水质综合评价得分逐年降低，显示出北部区域水质不断恶化的趋势。南部区域水质呈现出波动变化的趋势，在1999年，南部区域水质好于中部和北部区域，在2001和2002年，南部区域水质综合评价得分持续下降，而到2003年，最南部小范围内水质较2001和2002年好。

2004年和2005年滇池南部水质再次下降，2006年和2007年出现好转，到2008年，南部水质又呈现出恶化趋势。

滇池中部区域水质呈现出与南部区域水质不同的变化趋势。1999和2003年中部区域水质不如南部区域。在2002年，中部和南部区域水质状况基本相同。2004年和2005年在中部区域出现小范围的水质较南部区域好，到2006年和2007年，南部区域水质优于中部区域，2008年中西部和中东部区域水质较南部水质好。

4 结论

1999—2008年，滇池水质综合评价得分不断降低，说明滇池水体总体出现了不断恶化的趋势。多年的水质数据分析表明，氮磷污染在10年间一直是滇池水质的主要污染物，其中以氨氮的污染最为突出，五日生化需氧量和叶绿素－a对水质综合评价得分的贡献也不容忽视。总体来说，在研究期内，滇池水质富营养化的程度不断加深。

滇池南部区域水质优于中部和北部区域，其中以北部的草海区域的水质最差。特别是在草海和外海交界的段桥监测点位的水质多年来一直是水质最差的区域。草海北部片区，即草海中监测点位片区的水质呈现出稳中有升的趋势。中部区域的水质10年间在一定范围内波动，整体出现不断恶化的趋势。较之北部区域，南部区域的水质在整个滇池水质中最好，然而，同样出现了水质在一定范围内上下波动的趋势，预示着南部区域的水质正逐步恶化。

本文在尝试采用空间插值法对滇池水质空间特征进行定量分析时，由于监测点位的数量有限，计算结果未能真实反映实际情况，但在一定程度上对滇池水质的时空分布特征进行了分析。