长江云阳段水质调查与评价

郝鹏鹏　陈浩

【摘 要】于2013年5月至2014年4月对长江云阳段水体的水温、pH值、溶解氧、高锰酸钾指数、氨氮和总磷共6项水质指标进行监测，依据《地表水环境质量标准（GB 3838-2002）》，选取溶解氧、高锰酸钾指数、氨氮和总磷作为水质参数，采用水质标识指数法进行综合水质评价。单因子水质标识指数评价结果表明，总磷为长江云阳段水体主要的水质污染指标，全年超标率为66.7%；溶解氧、氨氮和高锰酸钾指数全年达到Ⅱ类水质标准。综合水质标识指数评价结果表明，长江云阳段水质较稳定，综合水质全年为Ⅱ类，达到水环境功能区目标；平水期、枯水期水质总体优于丰水期。

【关键词】长江云阳段；单因子水质标识指数；综合水质标识指数；水质评价

【Abstract】Six water quality indicators， including water temperature， pH， dissolved oxygen， CODMn， ammonia nitrogen and total phosphorus， were monitored in the Yunyang section of Yangtze River from May 2013 to April 2014. Selecting dissolved oxygen， CODMn， ammonia nitrogen and total phosphorus as water quality parameters， the method of water quality identification index was used to assess the water quality status on the basis of environmental quality standards for surface water（GB 3838-2002）. The assessment results of single factor water quality identification index showed that total phosphorus was the main water pollution indicator and the rate that exceeded the national standard Ⅱ was 66.7%， while dissolved oxygen， CODMn and ammonia nitrogen reached the water quality standard of Ⅱ type water throughout the year. The assessment results of comprehensive water quality identification index showed that the water quality state of this water area was stable， the water quality throughout the year was Grade Ⅱ， which achieved the goal of water environmental function， and the water quality of common and low water period was generally better than wet water period.

【Key words】The Yunyang section of Yangtze River； Single factor water quality identification index； Comprehensive water quality identification index； Water quality assessment

作为中国水量最丰富的河流，长江不仅为流域居民提供生活饮用水，还为流域及周边地区的经济发展发挥着农业灌溉、水力发电、航运等作用，其水质情况与流域及周边地区的居民健康和社会经济发展密切相关。长江上游末端的云阳段横贯重庆市云阳县，全长68.1km，总流域面积1.34×104km2，最高洪水位128.99m，最低枯水位82.86m，水位变幅46.13m，平均径流量4156.44m3[1]，是重要的饮用水源地，水质执行《地表水环境质量标准（GB 3838-2002）》Ⅱ类水质标准。三峡工程蓄水后，库区内的垃圾、污水、粪便等污染物排泄缺乏有效管理，且江水上涨、水流变缓、水体自净能力变差，这些因素势必影响到该段及下游地区的水环境质量。

目前，河流水环境质量的综合评价方法主要包括单因子评价法[2-3]、污染指数法[4-5]、模糊数学评价法[6-7]、灰色系统评价法[8-9]、层次分析法[10-11]、人工神经网络法[12-13]、水质标识指数法[14-15]等。其中，水质标识指数法是同济大学徐祖信教授于2005年首次提出的水质评价方法。与其他水质综合评价方法相比，水质标识指数法不仅可以对河流水质进行定性、定量评价，而且能够判断河流水质是否达到水环境功能区目标。本研究拟采用水质标识指数法对长江云阳段水质现状进行评价，以期为长江水资源的合理开发利用及水环境保护提供科学依据。

1 材料与方法

1.1 水样采集

依据《水质采样技术指导（HJ 494-2009）》，选取长江云阳段苦草沱断面等距离3点采样，采样时间为2013年5月至2014年4月，采样频率为每月1次。

1.2 水质监测

根据库区水体的实际情况，选取水温、pH值、溶解氧、高锰酸钾指数、氨氮和总磷共6项指标进行水质监测。采集的水样自然沉淀30 min后取上清液，按照《地表水环境质量标准（GB 3838-2002）》规定的分析方法进行检测。

1.3 水质评价

依据《地表水环境质量标准（GB 3838-2002）》，选取溶解氧、高锰酸钾指数、氨氮和总磷4项指标作为水质参数，采用单因子水质标识指数法和综合水质标识指数法，对长江云阳段的水质进行评价。

1.3.1 单因子水质标识指数

单因子水质标识指数P是由1位整数和2位小数点后有效数字构成，表达式为：

Pi=X1.X2X3

X1——第i个河流水质指标的水质类别，当水质优于Ⅴ类水时，通过监测数据与国家标准的比较来确定。

X2——第i个河流水质指标在X1类水质变化区间内的位置，当水质优于Ⅴ类水时，其确定分为非溶解氧指标和溶解氧指标两类：

其中，Ci为第i个水质指标的监测值，Cikl为第i个水质指标在第k类水质区间内的最小值，Cikh为第i个水质指标在第k类水质区间内的最大值，k=X1，X2的值四舍五入取整数。

X3——第i个河流水质指标的水质类别与水环境功能区类别的比较结果，用以判断单项水质指标的污染程度。若水质类别达到或优于水环境功能区类别，则X3=0；若水质类别劣于水环境功能区类别，则X3=X1-fi，其中fi为水环境功能区类别。

1.3.2 综合水质标识指数

综合水质标识指数I是由1位整数和3位小数点后有效数字构成，表达式为：

I=X1′.X2′X3′X4′

X1′——河流综合水质的水质类别；X2′——河流综合水质在X1′类水质变化区间内的位置。X1′.X2′的取值是参与河流综合水质评价的所有水质指标的单因子水质标识指数中X1.X2部分的平均值。

X3′——在所有参与河流综合水质评价的水质指标中，未能达到水环境功能区目标的单项水质指标的数量。

X4′——河流综合水质类别与水环境功能区类别的比较结果，用以判断综合水质的污染程度。若河流综合水质类别达到或优于水环境功能区类别，则X4′=0；若河流综合水质类别劣于水环境功能区类别，则X4′=X1′-f，其中f为水环境功能区类别。

2 结果与分析

2.1 长江云阳段水质监测结果

长江云阳段自2013年5月至2014年4月期间的水质监测数据见表1，各项监测数据均为苦草沱断面等距离3个采样点监测值的平均值。

2.2 长江云阳段水质评价结果

根据水质监测数据（表1），计算水质指标溶解氧、高锰酸钾指数、氨氮、总磷的单因子水质标识指数，结果（表2）表明：长江云阳段4项水质指标的水质类别均不超过Ⅲ类；溶解氧和氨氮全年达标，且分别有8个月、2个月达到Ⅰ类水质标准；总磷在12个月内的超标率达到66.7%，是长江云阳段主要的水质污染指标；对于高锰酸钾指数来说，除了2013年6月的监测值超标外，绝大部分月份均能达到Ⅰ类水质标准。

根据单因子水质标识指数（表2），计算长江云阳段的综合水质标识指数，并进行综合水质评价，结果（表3）表明：长江云阳段综合水质良好，全年12个月为Ⅱ类水质，达到水环境功能区目标；水环境质量比较稳定，除2013年6月外，综合水质标识指数值在Ⅱ类水质变化区间内处于距离下限0～30%的位置，恶化为Ⅲ类水质的趋势较弱；对于各月的综合水质标识指数来说，在4项水质指标中，最多有2项未能达到水环境功能区目标；此外，平水期（2013年11月至12月）、枯水期（2014年1月至4月）的综合水质标识指数总体低于丰水期（2013年5月至10月），即平水期、枯水期的综合水质总体优于丰水期，或因丰水期有更多地表污染物被冲刷至江中所致。

3 结论

2013年5月至2014年4月期间，长江云阳段综合水质达到《地表水环境质量标准（GB 3838-2002）》Ⅱ类水质标准，基本实现水环境功能区目标，且水质较为稳定，无恶化趋势；受到陆源污染的影响，丰水期水质总体劣于平水期、枯水期；在所选取的4项水质指标中，总磷为主要的污染指标。因此，除了继续加大长江水质监测力度之外，还应大力加强长江各类污染源（尤其是营养性污染物磷污染源）的监控。

【参考文献】

[1]李欣，王宝亮.三峡库区云阳故陵滑坡形成机制与防治对策[J].现代交通技术，2010，7（2）：32-36.

[2]于芳，宋进喜，殷旭旺，等.泾河陕西段水体污染特征分析[J].北京师范大学学报：自然科学版，2013，49（4）：421-424.

[3]景胜元，徐明德，武春芳.汾河水库、上游水质分析及其污染防治措施[J].环境工程，2014（4）：18-21.

[4]Akkoyunlu A， Akiner M E. Pollution evaluation in streams using water quality indices： A case study from Turkey's Sapanca Lake Basin[J]. Ecological Indicators， 2012，18：501-511.

[5]Lai Y C， Tu Y T， Yang C P， et al. Development of a water quality modeling system for river pollution index and suspended solid loading evaluation[J]. Journal of Hydrology， 2013，478：89-101.

[6]王博，杨志强，李慧颖，等.基于模糊数学和 GIS 的松花江流域水环境质量评价研究[J].环境科学研究，2008，21（6）：124-129.

[7]Liu L， Zhou J Z， An X L， et al. Using fuzzy theory and information entropy for water quality assessment in Three Gorges Region， China[J]. Expert Systems with Applications， 2010，37（3）：2517-2521.

[8]朱永兰.灰色系统在地表水水质评价及预测中的应用研究[D].天津：天津大学，2008：12-20.

[9]Karmakar S， Mujumdar P P. Grey fuzzy optimization model for water quality management of a river system[J]. Advances in Water Resources， 2006， 29（7）：1088-1105.

[10]徐兵兵，张妙仙，王肖肖.改进的模糊层次分析法在南苕溪临安段水质评价中的应用[J].环境科学学报，2011，31（9）：2066-2072.

[11]Carbajal-Hernández J J， Sánchez-Fernández L P， Villa-Vargas L A， et al. Water quality assessment in shrimp culture using an analytical hierarchical process[J]. Ecological Indicators， 2013，29：148-158.

[12]Singh K P， Basant A， Malik A， et al. Artificial neural network modeling of the river water quality—A case study[J]. Ecological Modelling， 2009， 220（6）：888-895.

[13]卞建民，胡昱欣，李育松，等.基于BP神经网络的辽河源头区水质评价研究[J].水土保持研究，2014，21（1）：147-151.

[14]李艳利，李艳粉，徐宗学.浑太河流域水环境质量综合分析与评价[J].水土保持研究，2014，21（4）：173-178.

[15]富天乙，邹志红，王晓静.基于多元统计和水质标识指数的辽阳太子河水质评价研究[J].环境科学学报，2014，34（2）：71-74.

[责任编辑：汤静]