太湖饮用水源地金墅港、渔洋山水质综合评价

林怡雯，蔡晔，司蔚，李月娥

(1.苏州市环境监测中心站，江苏 苏州 215004；2.江苏省环境监测中心，江苏 南京 210036)



太湖饮用水源地金墅港、渔洋山水质综合评价

林怡雯1，蔡晔1，司蔚2，李月娥1

(1.苏州市环境监测中心站，江苏 苏州 215004；2.江苏省环境监测中心，江苏 南京 210036)

采用BP神经网络、内梅罗指数和综合营养状态指数评价了太湖金墅港、渔洋山饮用水源地水质及综合营养状态。结果表明， 2012年金墅港和渔洋山的水质基本达到国家Ⅱ类水要求，其水质均处于中营养状态(31.43～47.66)，不同水期对水源地营养状态影响较大，丰水期水质综合营养状态指数最低，且变化较小。渔洋山的年均富营养化状况(42.08)比金墅港(40.62)略重。

太湖；饮用水源地；BP神经网络；内梅罗指数；综合营养状态指数

太湖是江苏省部分地区的重要水源地之一[1]，是典型的富营养化湖泊。现采用BP神经网络、内梅罗指数和综合营养状态指数对太湖金墅港、渔洋山饮用水源地水质及综合营养状态进行评价。

1 研究方法

1.1 数据来源与评价指标

选取2012年1—12月太湖流域水源地金墅港和渔洋山的取样数据。将水期划分为枯水期(1、2、12月)，平水期(3、4、10、11月)和丰水期(5—9月)。根据《地表水环境质量标准》( GB3838-2002)(以下简称《地表水》)，选取pH值、NH3-N、粪大肠菌群、氟化物、IMn、COD、DO、BOD、TN和TP指标评定其水质状况。 采样、样品保存和运输及分析等环节按文献[2]操作。

1.2 基于BP网络模型的水质评价

BP神经网络的拓扑结构如图1所示。当输出值与期望输出模式有误差，不满足要求时，转入误差反向传播，将误差值沿连接通路逐层反向传送并修正各层连接权值，直到各个训练模式都满足要求时，则学习结束[3]。

1.2.1 BP模型建立、训练及检测

图1 BP神经网络的拓扑结构

表1 BP网络训练样本与学习结果

1.3 内梅罗水质综合评价

内梅罗指数的计算公式如下。

(1)

Fjmax=max{Ci/Yij}

(2)

(3)

式中：n——参加评价的污染物项目数；j——评价选用的标准所对应的水质类别数，j=1～5；Fjmean——i项污染物的分指数；Ci——i项污染物的平均值；Yij——i项污染物在j种标准下的标准值；Pj——在第j种标准下的内梅罗综合污染指数；Fjmax——在j种标准下，CiYij的最大值；Fjmean——在j种标准下，CiYij的平均值。

太湖水源地水质按照《地表水》Ⅱ类水进行评价。 采用内梅罗综合污染指数方法计算水环境质量标准中与待评价水体相同的污染因子，根据计算得到的综合污染指数与各类水的水质类型来确定待评价水体的污染等级,见表2。

1.4 结果分析

通过已构建的BP网络模型在MATLAB7.0中的运用以及内梅罗指数法的计算得出太湖水源地的水质类别，见表3。内梅罗指数与BP网络模型评价结果存在一定差异，主要由于内梅罗指数值取决于Fjmax，而2水源地TN、TP污染较重，对最终值影响较大，BP网络更能准确地反应综合水质类别。

由表3可见，金墅港全年Ⅱ类水及以上比例为41.7%，Ⅲ类水比例为33.3%，Ⅳ类水比例为25%；渔洋山全年Ⅱ类水及以上比例为33.3%，Ⅲ类比例为66.7%。此外，2个取样点的水质变化显著，Ⅲ类水主要出现在平水期和枯水期。根据BP网络模型评价金墅港、渔洋山全年均为Ⅱ类水，2个水源地水质均能达到相关国家标准。

2012年，太湖共实施了3次引江济太工程，累计通过望虞河调引长江水218.4亿m3，引水入湖97.5亿m3，结合雨洪资源利用，通过太浦闸向下游地区增加供水155.5亿m3。第一阶段为1月1日—2月6日，第二阶段为7月30日—8月1日，第三阶段为10月18日—12月31日。3次引江济太工程使得水源地在枯水期以及夏季降雨较少致使水位较低的情况下，水质仍能保持较好。

表2 内梅罗综合指数与水质划分

表3 太湖水源地2012年各月水质变化状况

2 太湖水源地富营养化评价

2.1 综合营养状态指数评价

根据文献[5-6]，选择TP、TN、IMn、Chla和SD 5项指标。综合营养状态指数计算公式和营养状态指数计算公式如下。TLI(j)各参数TLI权重确定的计算参考文献[4]。湖库富营养化状况分级标准见表4 。

表4 湖库富营养化状况分级标准

(4)

(5)

2.2 结果分析

根据公式4和5得到金墅港和渔洋山营养状态分级，见表5。

表5 2012年金墅港和渔洋山营养状态分级

由表5可见，2个水源地水质均处于中营养状态，随水期变化显著。枯水期综合营养状态指数较高，金墅港和渔洋山的综合营养指数均值分别为43.70、46.00；丰水期综合营养指数较低且变化较小，金墅港及渔洋山的综合营养指数均值分别为37.33、39.36，平水期综合营养状态指数变化较大金墅港及渔洋山的综合营养指数均值分别为42.42、42.52。此外，渔洋山(年均值42.08)的富营养化状态比金墅港(年均值40.62)略重。2012年太湖水源地TN和TP变化趋势见图2(a)(b)。

图2 2012年太湖水源地TN和TP变化趋势

由图2可见，TN和TP是引起太湖富营养化的主要原因。丰水期时TN和TP值均较低，进入枯水期后其值均显著上升。目前环绕太湖周边建造的工业设施比20年前增加了2～3倍[7]。同时由于城镇化、农业发展和人口速增等因素，大量N、P元素被排放到太湖中，1987年排入太湖的TN和TP分别为1 326.69 t和26 020 t[8]，到2002年排入太湖的TN和TP分别达到了1 890 t和44 600 t[9]，15 a内TN和TP的排放分别增长了42.46%和71.41%。太湖水环境中的营养元素包括外来源及内部源[10]，来自沉积物释放(内部源)的N、P分别占20.4%和13.5%[11]，来自外来源的农业、市政污水、牲畜和家禽产业氮比例分别为49.5%、30.2%、6.2%，P比例分别为25.6%、47.9%、18.1%[12]。

1月由于长江水的大量引入使得N、P水平大幅度下降。春季(2—4月)，农业利用的N增多，而水流量却减少，导致N浓度升高[13]。夏季，虽然底泥中释放的N增多，但是由于温度较高，被反硝化作用、氨化作用和氨氧化作用所补偿[14]。此外，夏季处于丰水期，水力停留时间短[15]，7月中下旬江水的引入，对N、P的稀释作用较大。冬季为枯水期，水体生物活动强度降低，再加上动植物残体的腐解，营养盐浓度较高[15]。秋季温度仍较高，水生生物仍具有一定的活性，消耗水中的营养元素，致使水体的综合营养状态水平相对较低。

3 结论

应用BP网络模型评价太湖水源地金墅港和渔洋山2012年的水质状况，其均能满足水源地水质要求；应用内梅罗指数法评价2水源地的水质污染状况，金墅港全年41.7%、渔洋山全年33.3%处于Ⅱ类水以上水质。应用综合营养状态指数评价其水质富营养化状况，结果显示，均处于中营养状态(31.43～47.66)。水质营养状况受水期影响显著，丰水期时营养状态指数较小，变化程度小；平水期时营养状态变化较大；枯水期的营养状态指数最高。渔洋山的富营养化程度略高于金墅港。

[1] 范清华,黎刚,王备新,等.太湖饮用水源地水环境健康风险评价[J].中国环境监测,2012,28(1):6-9.

[2] 国家环境保护总局科技标准司.HJ/T 91-2002 地表水和污水监测技术规范 [S].北京：中国标准出版社，2002.

[3] 李雪,刘长发,朱学慧,等.基于 BP 人工神经网络的海水水质综合评价[J].海洋通报,2010,29(2):225-230.

[4] 帅红.洞庭湖健康综合评价研究[D].湖南： 湖南师范大学,2012.

[5] 孟红明,张振克.我国主要水库富营养化现状评价[J].河南师范大学学报：自然科学版,2007,35(2):133-136,141.

[6] 王明翠,刘雪芹,张建辉.湖泊富营养化评价方法及分级标准[J].中国环境监测,2002,18(5):47-49.

[7] 孔繁翔,胡维平,范成新,等.太湖流域水污染控制与生态修复的研究与战略思考[J].湖泊科学,2006,18(3):193-198.

[8] 黃漪平.太湖水环境及其污染控制[M].科学出版社:2001.

[9] 张运林,秦伯强,杨龙元.太湖梅梁湾水体悬浮颗粒物和 CDOM 的吸收特性[J].生态学报,2006,26(12):3969-3979.

[10] QIN B,XU P,WU Q,et al.Environmental issues of lake Taihu,China[J].Hydrobiologia,2007,581(1):3-14.

[11] 逄勇,颜润润,李一平,等.内外源共同作用对太湖营养盐贡献量研究[J].水利学报,2008,39(9):1051-1059.

[12] QIN B.Lake Taihu,China:dynamics and environmental change[M].New York,2008,Springer.

[13] 朱广伟.太湖水质的时空分异特征及其与水华的关系[J].长江流域资源与环境,2009,18(5):439-445.

[14] 金相灿,姜霞,徐玉慧,等.太湖东北部沉积物可溶性氮,磷的季节性变化[J].中国环境科学,2006,26(4):409-413.

[15] 许海,刘兆普,焦佳国,等.太湖上游不同类型过境水氮素污染状况[J].生态学杂志,2008,27(1):43-49.

(栏目编辑 李文峻)

Water Quality Assessment of Drinking Water Source(Jinshugang， Yuyangshan) of Taihu Lake

LIN Yi-wen1， CAI Ye1，SI Wei2，LI Yue-e1

(1.SuzhouEnvironmentalMonitoringCentralStation,Suzhou,Jiangsu215006,China；2.JiangsuEnvironmentalMonitoringCenter,Nanjing,Jiangsu210036,China)

BP neural network, Nemerow index and integrate nutrition index method were applied to assess water quality and water nutrition state of drinking water source (Jinshugang and Yuyangshan) of Taihu Lake in this study. The results indicated that the two drinking water sources of Taihu Lake had reached the water quality standard for a drinking water source area. Besides, the water quality of Jinshugang was better than Yuyangshan. The two drinking sources of Taihu Lake were both at medium nutrient (31.43～47.66). Water seasons affected the nutrient state significantly. The variance was slight and the integrate nutrition index was lowest in rainy season. Besides, the average of integrate nutrition index of Yuyangshan(42.08) was slightly higher than Jinshugang(40.62), indicating that a more serious eutrophic state of Yuyangshan.

Taihu lake； Drinking water source；BP neural network； Nemerow index method；Integrate nutrition index

2014-05-14；

2014-10-08

国家水体污染控制与治理科技重大专项项目(2011ZX07506-003-005)。

林怡雯(1987—)，女，助理工程师,硕士，从事环境监测工作及相关科研。

X832

B

1674-6732(2015)01-0041-04