吉林市城区浅层地下水污染源识别及空间分布

刘 博，肖长来*，梁秀娟，张 静，盛红勋

（1.吉林大学环境与资源学院，吉林 长春 130021；2.吉林市水资源管理中心，吉林 长春 132400）

吉林市城区浅层地下水污染源识别及空间分布

刘 博1，肖长来1*，梁秀娟1，张 静2，盛红勋2

（1.吉林大学环境与资源学院，吉林 长春 130021；2.吉林市水资源管理中心，吉林 长春 132400）

为实现对吉林市城区浅层地下水污染源识别与管理，共收集吉林市城区2009年50个监测井的17项水质指标监测资料，通过因子分析法（FA）进行多元统计分析，提取5个公因子（F1～F5）作为影响浅层地下水水质的主要污染因子，然后找寻其对应污染源，同时利用因子得分绘制各污染源在吉林市城区地下水造成的污染程度及空间分布.结果表明：所选5个公因子分别代表：迁移-富集作用、含磷污染质排放、“三氮”污染因子、有机污染因子、原生地质环境因子，其中F1和F5又可称为环境影响因子，F2～F4为人类活动影响因子；城区内地下水污染源为生活污水、工业废水排放、工业废渣堆放及农业生产中化肥农药使用；各污染因子主要分布在江北区和中心区，且污染较为严重，而江南区污染分布最少，且污染最轻；计算城区内50个监测井地下水综合污染得分并作图，将吉林市城区浅层地下水的综合污染状况及分布可视化，其中江北区和中心区浅层地下水污染最严重，江南区地下水水质最好；依据F得分分布将区内地下水划分为3个区：禁止开采区、非饮用水区和饮用水区，为今后相关部门开发利用浅层地下水提供参考和依据.

吉林市城区；因子分析；地下水水质；污染源识别；空间分布

近年来，随着工业化、城市化进程的加快，城市人口不断增多，再加上城区附近农业生产活动影响的共同作用，出现了当今城市浅层地下水复杂的水质环境［1-3］.从成因上看，可简单概括为原生水质问题和人类活动导致的水质问题.人为水质恶化反过来会在人类用水过程中给人类健康造成威胁［4］.做好地下水水质监测与管理，识别地下水的污染源及其分布，将地下水分区，做到分水质、分地区供水，对应急地下水水源地建设，乃至社会经济发展、人类生活质量的提高以及生态环境的可持续发展有着重要意义.

以往的水质评价方法，如常规的单因子评价法、综合评价法、灰色聚类法、神经网络等传统方法等［5-7］很难找出影响地下水水质的主要因子，它们中大部分只能对当前的水质进行评价和分级，忽略了地下水污染的空间特性，而因子分析方法（FA），不但可以提取数据的数学特征，从宏观上描述水质因子，找到与其对应的污染源，还可以利用其因子得分将研究区各污染因子及综合污染情况的优劣及分布在图中清晰直观地表达出来，便于研究.因此很多国内外学者采用FA方法对水环境污染进行空间分析及污染源解析［8-9］.曹阳等［10］利用因子分析法和系统聚类法对水质影响因素进行评价，2种方法评价结果基本一致，表明因子分析法的计算结果是切实可靠的.

本次研究区选在吉林市城区，共选取50个监测井的17项指标，第一次采用因子分析法挖掘吉林市城区浅层地下水水质污染因子，查明区内地下水污染源分布，为城区内居民生产、生活用水提供保障，也为管理者合理开发利用地下水提供依据.

1 研究方法

1.1 研究区概况

吉林市城区地理坐标为东经126°25′～126°40′；北纬43°46′～44°00′，城区面积128km2.区内多年平均降水量为688.97mm，多年平均蒸发量为1432mm.流经区内河流有第二松花江及其支流温德河、牤牛河，具体位置如图1所示［11］.

研究区位于第二松花江河谷平原，含水层主要岩性为全新统、上更新统及下更新统强透水的砂砾、圆砾及砾卵石层.研究区周边低山丘陵主要由燕山期花岗岩）、上三叠系大酱缸组（T3d）的安山岩、上二叠系杨家沟组（P2y）等基岩裂隙含水层为主，因其补给、储存条件差，富水性贫乏不作为主要供水水源.本次研究的目的含水层为位于河谷平原的松散岩类孔隙潜水，监测井井深为5.0～25.0m，单井涌水量为100～3000m3/d.区内潜水主要由大气降水入渗补给、周边基岩裂隙水侧向补给和灌溉入渗补给为主，排泄主要由向河谷侧向径流、人工开采和潜水蒸发等组成.

图1 研究区位置部分监测井分布Fig.1 the location of the study area and part of monitoring wells

1.2 数据来源

表1 水化学成分统计Table 1 The statistics of hydrochemical components

吉林市建成区地下水动态监测网始建于1980年，地下水水质的监测层位在第四系孔隙潜水，每年在枯水期取样1次（4月下旬～5月上旬）.取样后由吉林省水环境监测中心吉林分中心完成，水质外检分析及部分挥发性有机物由吉林大学科学实验测试中心检测，检验结果切实可靠.本文选取其中2009年吉林市城区内50个地下水监测井的17个指标（Na+、Ca2+、Mg2+、总铁（Fe）、总锰总磷（TP）、总硬度（TH）、CODMn、pH值及电导率，表1）进行多元统计分析，表征研究区的整体水质状况.

1.3 污染源识别

因子分析（FA）通过对变量之间关系的研究，找出能综合原始变量的少数几个因子，排除干扰信息，从而找出影响地下水质的主要因子及其对应的污染源.

1.3.1 数学模型 设原始变量的p个变量为x1，x2， …， xp，要寻找的k个因子（k＜p）为f1， f2， …， fk，因子fi和原始变量xi的关系可表示为：

式中：系数aij为第i个变量xi与第j个因子fj之间的线性相关系数，反映xi与fj之间的相关程度，也称为载荷.由于因子fi出现在每个原始变量与因子的线性组合中，因此也称为公因子.εi称为特殊因子，代表公因子以外的因素影响，它相当于多元线性回归模型中的误差项，实际分析时可忽略不计.

1.3.2 具体步骤 1） 数据标准化.采用公式（2）将所选取的各项指标的水质数据标准化.

式中：设x为水质检测值，xi是第i个监测井x的标准化结果，i是监测井编号，xm是xi的平均值，σ是其标准差.

2） 数据检验.其目的在于检验变量之间是否足够相关.Kaiser-Meyer-Olkin （KMO） 检验和Bartlett球形检验作为本次研究数据检验的方法.其中KMO检验计算公式如下：

式中：rij是变量xi与其他变量xj之间的简单相关系数；pij是变量xi与其他变量xj之间在控制了剩余变量条件下的偏相关系数.

本文数据计算结果如表2所示，其中KMO测度为0.632，接近0.7，适合作因子分析，同时Bartlett球度检验统计量为1547.7，检验的P值接近于0.表明17个变量之间有较强的相关关系.

3） 因子提取.是根据原始变量提取出少数几个因子，使得少数几个因子能够反映原始变量的绝大部分信息，从而达到变量降维的目的.

表2 KMO和Bartlett检验结果Table 2 Results of KMO and Bartlett's tests

4） 因子命名与解释.它是通过考察因子载荷矩阵并结合实际问题完成的，这也是因子分析重要的一步.

5） 计算因子得分.因子得分就是每个因子在每个样本上的具体取值.每个因子得分由下列因子得分函数给出：

由式（4）可以看出，因子得分是各变量的线性组合.

6） 计算综合得分.利用式（5）求出综合因子F得分：

式中：F为综合因子得分，Fi为第i个公因子的因子得分，m为提取公因子的个数；Wi为权重，其中，Wi可由式（2）得出［12］，

式中：λi为第i个公因子所对应的特征根.

2 结果与讨论

2.1 识别结果

表3 总方差解释Table 3 Total variance explaination

表4 旋转因子载荷矩阵Table 4 Rotated factor loading matrix

依据特征值大于1的原则，本次研究共提取了5个公因子，具体如表3所示.累积方差贡献率为75.01%，表明5个因子集中反映了影响总因素75.01%的信息量，为使各公因子的典型代表变量更加突出，利于解释，将因子荷载矩阵进行正交旋转，旋转后载荷向1或0两极化转换，旋转因子载荷矩阵见表4.与各公因子相关性最强的主要离子在表4中体现，各主要相关离子载荷已经被加粗表示.

2.2 污染源解析

由表4可见，F1作为影响区内地下水的首要因素，主要以TH、EC、Na+、Ca2+为主要代表变量，最高值为总硬度，其方差贡献率达到36.14%.这些离子主要来源于原生地质环境.区内地下水作为一种载体，携带着溶解盐类、化学元素从低山丘陵区向河谷平原区迁移.低山丘陵区山高坡陡、地形切割强烈，易溶组分K+、Na+、Ca2+、及微量组分F-、I-、 As5+、Cd2+、Cr6+等多被渗入水淋溶带走，元素含量普遍较低.水化学特征为重碳酸钙型，矿化度＜300mg/L，总硬度＜150mg/L.地下水径流至“二松”及其支流河谷平原时，随着地下水埋藏条件的变化，水力坡度的变缓、水交替作用的减弱，水文地球化学作用逐步由淋溶-迁移向迁移-富集转化.表现为水中常量离子含量增多，矿化度增至500mg/L或500mg/L以上，总硬度＞300mg/L，水化学类型变为HCO3-Na，HCO3-Na、Ca，HCO3SO4-Na、Ca型.

因此，F1可以命名为地下水迁移-富集作用，近年来，在人类活动的不断干扰下，在一些地区F1所代表元素含量均值已经高于地下水化学背景值的上限［13］，表明调查区主要污染源附近地下水在天然离子富集的基础上，又叠加了由生活、农业及工业污染产生的离子组分和各种污染物，改变了地下水的天然化学组成.

F2贡献率为12.88%，TP与其正相关性最高.地下水中磷元素的富集主要是由人类活动造成的.据吉林市环境保护局资料［14］，城区生活污水排污线共有51条，每年因管线泄露或事故造成生活废水直接排放到地下水含水层中的约有上百吨，在这些生活污水中夹杂着大量溶解性总磷，正磷酸盐和溶解性正磷酸盐等含磷物质；同样在一些工厂企业在生产过程中也会排放大量含磷废水，尤其是橡塑企业，在橡胶制品生产过程中会产生大量含磷废水［15］，这些工业废水或是因直接排放地下或泄漏于地下，造成地下水体污染，亦或是排放于河流，间接造成地下水污染；农业生产中含磷化肥的使用，会随雨水渗入浅层地下水中，造成区域地下水中大面积磷元素增加.因此F2可以代表的污染源为生活及工业中含磷废水排放的点源污染和农业生产中磷肥及农药的使用的面源污染，具体污染源类型要由当地的土地使用类型决定.

F3贡献率为11.30%，以、和离子为主要荷载变量.其中硝酸盐与亚硝酸盐污染较重的地段分布在生活垃圾场下游及老菜田耕作区.氨氮检出含量范围为0.00～21.02mg/L，含量高的区域分布在市区工业与生活污水排污线附近、垃圾堆埋区、粉煤灰堆放场下游等地.由此分析可知，本区地下水“三氮”污染主要来源于农药、化肥的长期施用、生活和工业废水排污线的渗漏和垃圾、废渣等堆放场的淋滤渗透作用.特别是在市郊的水田及菜地、农场区农药和含氮肥料的长期使用和流失是促成吉林城区地下水中氮污染的主要原因［16-17］，在有氧条件下，肥料中主要成分，通过硝化作用易被氧化成，具体过程如下式：从反应过程中可以看出转化为的过程中，会伴有H+出现，即富集会伴有H+增加，表4中，F3与“三氮”成正相关的同时却与pH值成负相关同样验证了这一现象.

F4贡献率相比前3个相对较低，仅为7.92%，与CODMn有着最高的正相关性.CODMn反映了水中近似有机物的总量.城区内浅层地下水含量区间为0.90～3.20mg/L，均值1.76mg/L.区内地下水中有机污染源主要为生活污水和工业废水随意排放和地下排污管线的渗漏，以及工业垃圾堆放场的渗滤液.尤其在现代工业中，氯代溶剂已经广泛应用于脱脂、干洗等工艺，它工作后的产物已经普遍出现在当今一些城市的地下水中，对地下水水质的威胁很大.同样在江北，作为吉林市重要的化学工业区，分布众多化工企业，尤其在涉及石油等加工过程中，会产生大量的有机废水造成地下水污染，并且难以治理.

F5贡献率与F4接近，为6.76%，主要荷载变量为Mn.区内锰含量高的地下水分布广泛.锰含量的区间为0.00～10.10mg/L，均值0.59mg/L.据了解，含水介质及其上覆岩土性质是控制地下水中锰元素迁移富集的基本因素，也是其主要的内在因素.吉林地区的平原区，含水层一般具有二元结构.由于含水层中含有锰和有机质，尤其是上覆土层的锰含量相对较高.因此在还原环境下有机质分解，产生大量的CO2和H2S等还原物质，使Eh值降低，从而使介质中较稳定的高价锰氧化物还原为低价的易溶盐并分离出大量的锰离子，使区内地下水中锰含量增加［18］.因此F5可作为原生地质环境因子.

2.3 污染源分布特征及原因分析

通过SPSS在因子分析过程中计算出50个监测井公因子的因子得分，结合监测井所在位置，得出各污染源在城区内的分布特征及对下水造成的污染程度，因子得分越高，监测井所在位置污染越严重.

图2a可见，F1污染区域主要发生在江北大部地区，中心城区部分地区和哈达湾区大部分区域，而九站片区仅在G536监测井周围存在一定污染.结合吉林市污染源调查状况可知，F1值偏高的区域土地使用类型主要为纤维厂，化工厂等企业用地，农田耕地，人口密集的商业中心等区段.并且污染物随地下水流逐渐向第二松花江扩散.F1所代表的迁移-富集作用在自然条件下的分布本应是相对平缓，并且在会在地下水径流末端及第二松花江及其支流附近值较高，但由于人类活动的影响，人为改变了地下水的天然组成，同时也在一定程度上改变了其径流方式，日积月累的情况下，最终形成了F1值分布规律.

F2在本区出现高值及污染的区域较多.其中江北区和中心区污染较为严重（F2＞1.2），面积较大；哈达湾区仅有一处，面积较小；而船营区污染范围虽然大，但污染程度并不高（0＜F2＜1）；江南片区和九站片区磷污染程度相对较低，图中基本以浅蓝色为主（F＜0）.哈达湾片区大部分土地被农田所占据，在附近偶见一些从事有色金属铸造的工厂；江北片区污染最严重，这是因为江北区为吉林市化工区，该区不仅有大量的化工企业还有其相应的煤灰、废料堆放场.由于灰场下部揭穿了潜水含水层，即使做了相应防渗工作，灰渣中含磷等污染物也会随雨水渗入含水层中，造成水体污染.中心片区重污染区主要集中在热闹的商业中心，其中宾馆、酒店、浴池等店铺作为该区的主要污染源在区内林立；船营区在作为居民生活区的同时，其附近还有大量的陶瓷加工厂，在洗砖的过程中会产生含磷废水，废水处理不当可能会渗入地下，造成该区F2偏高.

图2 各公因子与综合污染因子空间差值分布Fig.2 The spatial distribution of scores for five factors and a comprehensive factor

F3得分高低代表该区地下水中“三氮”含量的多少.吉林城区F3正值中心主要有2个，分别坐落于江北和中心片区.江北片区作为重要的化工区，区内化工厂等企业林立，地下水中“三氮”污染属于正常现象.而中心片区污染主要在天津街的闹市区内，该区域属于吉林市的老城区，由于过去渗井、深坑及下水管道老旧以及当初生活垃圾的堆放，使得该区内地下水以较差水为主，主要污染物有硝酸盐、亚硝酸盐及总硬度，但随着近年来城市建设的发展，人民居住条件的改善，该区内地下水遭受生活污染的程度正逐渐降低.

图2d可知，区内F4即有机污染分布范围虽然不大，但因子得分F4＞1，说明受污染区域有机污染程度较高.区内有机污染主要发生在九站片区、船营片区、江北片区和江南区一小部分区域.九站区污染主要集中在区域南部.该区有机污染严重主要原因为九站污水明渠原为天然河道，河床岩性为砂砾石，无任何防渗措施.污水渠已运行多年，1992年以前主要排放糖厂和化纤厂工业废水，1992年后，污水渠主要排放酒精厂工业废水、制糖厂生活污水、化纤厂工业废水和生活污水，这些污水都通过渠渗漏流入地下水，造成该区内地下水有机污染十分严重.哈达湾区污染源主要为金属铸造厂、水泥厂等工厂企业；江北区上部沿江地段大部分属于橙红色区域，表明该区作为吉林市化工区地下水已经受到了严重的有机污染，并且污染范围基本与F1～F3的相同，该区域的污染源同样源于位于江北化工区的石化企业及工厂；江南区橙红色范围很小，仅在一些钢厂、钢窗厂及印刷厂周边，该处F4值偏高很可能与这些工厂有关.

F5分布即代表区内地下水中锰元素的分布，Mn的分布除与地下水含水介质性质有关外，还与当地的地下水径流条件有着密切关系.因此图2e的F5得分分布（颜色分布）即为上诉2种原因共同导致的结果.

2.4 地下水综合污染特征

吉林城区地下水综合污染得分通过式（5）计算，其中Wi=｛0.482， 0.172， 0.151， 0.106， 0.090｝，F=0.482F1+0.172F2+0.151F3+0.106F4+0.09F5，将50个监测井各因子得分带入上式，得出综合污染得分F，具体分布如图2f所示，由图2f可知，江北区和中心区地下水污染最为严重，江南区地下水水质最好，从地下水水质状况的分布进一步证明地下水环境好坏与人类活动（土地使用，地下水排污管线、化肥农药使用等）有直接关系.

为更好地实现吉林市城区地下水开发利用，将吉林市城区地下水按污染程度划分为3个区段（图2f）：第一区为禁止开采区，即F值大于0.5的范围（橙色-红色），该区域地下水不允许使用；第二区为非饮用水区，即F值在0.0～0.5之间的范围（黄色-橙色），该区域地下水虽不可作为饮用水，但可经处理作为景观用水、清扫用水等；第三区为F值小于0.0的区域（蓝色），这些区域可以作为饮用水区（实线圈定的区域为禁止开采区，虚线圈定的区域为非饮用水区）.

3 结论

3.1 影响吉林市城区地下水水质的首要因素为迁移-富集作用，它决定了吉林市城区浅层地下水的化学类型，F1主要以TH、EC、Na+、Ca2+为主要代表变量，其方差贡献率达到36.14%.其次污染因子为“磷”因子、“三氮”因子，二者贡献率接近，分别为12.88%和11.30%，并且因子得分高的区域与实际污染源调查时工厂、生活污水排放区及农田分布相对一致，表明人类活动对地下水水质有着巨大而直接的影响.

3.2 吉林市城区的浅层地下水污染源主要为生活污水中含氮、含磷及含有机质污水的直接排放或是在排放过程中的管线渗漏；石油化工企业中工业废水不当排放，工业废渣、生活垃圾的长期储存、堆放产生的渗滤液；以及城市周边农业生产中化肥、农药的不当或过量使用.

3.3 F1～F5各污染因子得分在城区浅层地下水中分布各不相同，主要原因为各污染因子对应的污染源不同，不同的污染源又有不同的空间分布.

3.4 吉林市城区地下水污染最严重的区域为江北区和中心区，受到污染最轻微的是江南区；将吉林城区地下水按污染程度可分为禁止开采区、非饮用水区、饮用水区3部分，该区域的划分可以为今后吉林市城区开发利用地下水提供参考.

［1］Joarder M A， Raihan F， Alam J B， et al. Regression analysis of groundwater quality data of Sunamjang District， BangLADESH International Jour ［J］. Environ. Research， 2008， 2（3）：291-296.

［2］章光新，邓 伟，何 岩，等.中国东北松嫩平原地下水水化学特征与演变规律 ［J］. 水科学进展， 2006，17（1）：20-28.

［3］Simpson T B， Holman I P， Rushton K R. Understanding and modeling spatial drain-aquifer interactions in a low-lying coastal aquifer-the Thurne catchment， Norfolk， UK ［J］. Hydrological Processes， 2011，25（4）：580-592.

［4］Van Leeuwen F X R. Safe drinking water： the toxicologist's approach ［J］. Food and Chemical Toxicology， 2000，38：51-58.

［5］刘 博，肖长来，田浩然，等.灰色关联和层次分析法在地下水质评价中的应用—以吉林市为例 ［J］. 节水灌溉， 2013，1：26-29.

［6］孙 涛，潘世兵，李永军.人工神经网络模型在地下水水质评价分类中的应用 ［J］. 水文地质工程地质， 2004，25（3）：58-61.

［7］金菊良，魏一鸣，丁 晶.水质综合评价的投影寻踪模型 ［J］. 环境科学学报， 2011，21（1）：261-262，265.

［8］Alaa A Masoud. Spatio-temporal evaluation of the groundwater quality in Kafr Al-Zayat District， Egypt ［J］. Hydrological Processes， 2013，27：2987-3002.

［9］Ahmad Aryafar · Faramarz Doulati Ardejani. R-mod factor analysis， a popular multivariate statistical technique to evaluate water quality in Khaf-Sangan basin， Mashhad， Northeast of Iran［J］. Arab. J. Geosci.， 2013，6：893-900.

［10］曹 阳，滕彦国，刘昀竺.宁夏吴忠市金积水源地地下水水质影响因素的多元统计分析 ［J］. 吉林大学学报（地球科学版），2013，43（1）：235-243.

［11］危润初，肖长来，梁秀娟.吉林市城区地下水污染时空演化 ［J］.中国环境科学， 2014，34（2）：417-423.

［12］贾俊平.统计学 ［M］. 北京：中国人民大学出版社， 2012：261-270.

［13］吉林省地下水化学背景值调研课题组.吉林省地下水化学背景值调查研究 ［R］. 1988.

［14］牛世臣，李 洪，王丽芹，等.吉林市城区地下水污染调查报告［R］. 吉林：吉林市水资源管理办公室， 2004.

［15］蔡文静，常春平，宋 帅，等.德州地区地下水中磷的空间分布特征及来源分析 ［J］. 中国生态农业学报， 2013，21（4）：456-464.

［16］梁秀娟，肖长来，等.吉林市地下水中“三氮”迁移转化规律 ［J］.吉林大学学报（地球科学版）， 2007，37（2）：336-342.

［17］张亚丽，张依章，张远，等.浑河流域地表水和地下水氮污染特征研究 ［J］. 中国环境科学， 2014，34（1）：170-177.

［18］曾昭华，蔡伟娣，张志良.地下水中锰元素的迁移富集及其控制因素 ［J］. 资源环境与工程， 2004，18（4）：39-42.

Identification of shallow groundwater pollution factors and spatial distribution in the urban areas of Jilin City.

LIU Bo1， XIAO Chang-lai1*， LIANG Xiu-juan1， ZHANG Jing2， SHENG Hong-xun2
（1.College of Environment and Resources，Jilin University， Changchun 130021， China；2.Water Management Institute of Jilin City， Jilin 132000， China）.

China Environmental Science， 2015，35（2）：457～464

For groundwater contamination management and contamination source identification， we collected 50groundwater samples in 2009 at Jilin City and 17parameters were tested for each sample. The Factor Analysis （FA）method was then employed to assess the degree of groundwater contamination in the shallow aquifer and identify the contamination source. Five factors （F1～F5） were extracted to represent transmission and enrichment， phosphorus emission，ammonia-nitrite-nitrates pollution， organic pollution and natural geologic environment， respectively. In addition， F1and F5represented environmental influence factors， F2～F4represented human influence factors. As a result， the groundwater pollution was mainly induced by domestic and industrial wastewater discharge， industrial waste residue， fertilizers and pesticides used in agriculture. Moreover， according to the spatial distribution of five factors， we found that the groundwater pollution was more serious in the central and northern part of the city and becomes better in the south. Based on the resulting pollution distribution， three areas of the ban exploiting， no drinking water， drinking water were divided to support the exploration of groundwater resources in the shallow aquifers.

Jilin City；factor analysis；groundwater quality；pollution factor identification；spatial distribution

X523

A

1000-6923（2015）02-0457-08

刘 博（1987-），男，吉林长春人，吉林大学博士研究生，

2014-05-28

吉林省科技厅重点攻关项目（20100452），吉林省自然科学基金项目 （20140101164JC）

* 责任作者， 教授， xcl2822@126.com

主要从事水资源与环境评价模拟研究.发表论文4篇.