基于主成分分析法的黄河口及其邻近水域水质评价

刘 潇，薛 莹，纪毓鹏，徐宾铎，任一平 （中国海洋大学水产学院，山东 青岛 266003）

基于主成分分析法的黄河口及其邻近水域水质评价

刘 潇，薛 莹，纪毓鹏，徐宾铎*，任一平 （中国海洋大学水产学院，山东 青岛 266003）

于2013年6、7、10月在黄河口及邻近水域进行了3个航次的环境调查，获取了盐度、营养盐、COD及重金属等指标数据，利用主成分分析法（PCA）研究该海域的水质状况，并分析影响该海域水质的主要驱动因子.结果表明：应用主成分分析将14项调查指标转换提取为4种主成分，共解释了67.31%的结果.相关分析表明，影响该水域水质的主要驱动因子为氮营养盐、盐度、SiO32--Si和砷.主成分综合得分分析表明，黄河口及邻近水域2013年10月、7月、6月水质污染状况依次降低；空间上总体呈现出以黄河入海口为中心，向邻近海域递减，河口附近及南部水域污染较严重的格局.黄河径流污染物是主要污染源，应加强黄河口及其上游的水环境保护，从而改善黄河口及邻近水域水质状况.

黄河口；水质评价；主成分分析

近年由于陆源污染物的输入，渤海近岸海域污染日趋严重，海洋生态环境变化较大［1］.河口生态系统位于河流与海洋生态系统的交汇处，系统内部物理、化学及生物因素多变，形成河口区独特的环境和生物组成特征［2］.黄河每年向河口附近海域注入大量营养盐，为浮游植物的生长和繁殖提供了丰富的营养［3］，同时也造成部分水域污染［1］.近岸海域营养盐的分布和变化是评价海域环境状况的重要指标，影响到海洋生物生产力和生物资源的变动［4］.一些学者对黄河口及其邻近海域营养盐的分布状况及富营养化进行了研究［1，3，4-6］，但综合营养盐与重金属指标进行水质评价的研究较少.

主成分分析法（PCA）是研究水体富营养化评价方法之一，能够从众多变量中筛选出主要独立的综合因子［7］，在保留原始主要信息的同时，使彼此之间不相关，比原始变量具有优势［8］，已被广泛应用于重金属污染评价及水域营养盐评价［4，9-11］.

本文根据2013年6、7、10月在黄河口及其邻近水域环境调查数据，运用主成分分析方法，对黄河口及其邻近水域的水质状况进行了研究，分析水质污染的主要驱动因素；以主成分综合评分研究黄河口及邻近水域营养盐及重金属的时空变化格局，并分析其影响因素，以期为黄河口及邻近水域环境保护和治理提供依据.

1 材料与方法

1.1 研究区域与调查时间

数据来源于2013年6、7月（夏季）、10月（秋季）在黄河口及邻近水域进行的3个航次的环境调查.调查范围为37.65°N～38.20°N，118.85°E～119.68°E，以黄河入海口为中心，向外呈辐射状设置5条断面，中间3条断面各有4个站位，两侧断面各设置3个站位，河口附近的调查站位较密集（图1）.

1.2 样品采集及检测

盐度采用RBR-XR-424型CTD进行测定，氨盐使用水杨酸-次氯酸盐光度法；亚硝酸盐的测定使用盐酸α—萘胺比色法；硝酸盐使用α—萘胺锌还原法；磷酸盐使用磷钼兰法；COD采用碱性高锰酸钾氧化法；硅酸盐的测定是硅钼黄比色法；铜、铅、锌、镉、铬的测定方法为原子吸收分光光度法；汞、砷的测定方法为原子荧光法，分析方法详见《海洋监测规范》［12］.

1.3 主成分分析

本文的分析指标为盐度（x1），NH3-N（x2），COD（x7），铅（x8），镉（x9），铜（x10），锌（x11），汞（x12），砷（x13）和铬（x14）.数据采用表层海水和底层海水的各指标的平均值.

1.3．1 统计检验 使用主成分分析的前提条件是原始数据各个变量之间有较强的线性相关关系，其适用性检验方法有巴特莱特球性检验（Bartlett test of sphercity）和KMO（Kaiser-Meyer-Olkin-Measure of Sampling Adequacy）检验［13］.

巴莱特球性检验的理论依据源于多元正态总体协方差矩阵的检验理论，差异检验值显著时认为数据适合进行主成分分析；KMO检验是从比较原始变量之间的简单相关系数和偏相关系数的相对大小进行检验，其值接近1，则变量适合进行主成分分析［14］.

1.3．2 评价方法的建立 （1）原始数据标准化原始样本矩阵为［15］：

式中：n为样本个数，每个样本有p项指标，本文中n为54（18个调查站位，3个航次），p为14.

数据进行标准化处理，按如下公式进行，获得均值为0，标准差为1的标准化数据［16］.

式中：Zij表示第i站位j指标的标准化值；xij表示第i站位j指标的实测值表示第j个指标的平均值表示第j个指标的方差.

（2）相关系数矩阵：原始数据处理后得标准化数据矩阵，计算其对应的相关系数矩阵R，并计算R的特征值与特征向量［15，17］.

R的特征值λi（i=1，2，...p），将其按大小排列为λ1≥λ2≥…λp≥0，即为主成分的方差，其大小描述了对应主成分对原始样本的权重［15］.每个特征根对应的特征向量为lg1，lg2，…lgp.通过特征向量将标准化的指标转化为主成分［18］：

F1为第1主成分，…，Fp为第p主成分.

（3）确定主成分个数：根据主成分方差累计贡献率大于80%～90%［17］或特征值大于1.0的原则确定主成分个数m［19］.

（4）主成分综合得分：主成分综合评价根据如下公式计算［15］：每一个样本先求前m个主成分的值，即

1.3．3 水质状况时空分布 主成分分析得到各月每个站位的综合得分（Fi），构建黄河口及其邻近水域主成分综合得分箱线图和时空分布图.箱线图以简单的组合图形将数据批的分布形状直观地表现出来［20］，便于进行黄河口及邻近水域不同月份水质状况的比较.利用R 2.13.0软件完成图形构建［21］.

主成分综合得分能够反映水体的水质状况，得分越高，水质污染状况越严重利用Surfer 11软件，得到各月水质状况的空间分布图［4，22］，直观表现黄河口及邻近水域各站位的水质状况.

1.3．4 相关分析 本文使用斯皮尔曼检验（Spearman's test）来分析主成分得分和原始变量的相关系数，从较多参数中提取与水质状况有关的控制因素，分析黄河口及邻近水域水质污染的驱动因子［23-24］.

上述主成分分析及相关分析应用统计软件IBM SPSS Statistic19进行［25］.

2 结果与讨论

2.1 黄河口及邻近水域水质主成分分析

本研究中，KMO统计量为0.787，Bartlett 的球形检验值小于 0. 001，说明主成分分析法的适用性好，变量间存在相互关系，不相互独立，符合主成分分析要求.利用特征值根大于1的原则筛选出的前4种主成分解释了67.31%的结果.各主成分的特征根、方差、累计方差及因子载荷如表1、表2所示.

表1 相关矩阵的特征根、方差及累计方差贡献率Table 1 Eigenvalues， variance contribution and its accumulated contribution rate in principal components

表2 主成分中因子载荷Table 2 Various factors loadings in principal components

主成分1对总方差的贡献率为37.11%，锌、NH3-N、在其中占有较高权重.本研究中，NH3-N（0.093±0.10mg/L）、（0.50±0.27mg/ L）和锌（29.79±29.11ug/L）浓度明显高于历史资料［1，26］，这可能主要受黄河污染物排海影响［27］，因此，主成分1可视为污染压力指标.主成分2对总方差的贡献率为14.01%，主要代表了盐度、营养盐、硅营养盐.以硅藻为优势种的黄河口及邻近水域的浮游植物对盐度有一定的选择性和耐受性［28-29］；无机氮和无机硅等营养物质为浮游植物提供营养物质基础［30］.因此，称主成分2为浮游植物生长理化环境指标.主成分3对总方差贡献率为8.32%，主要代表汞；主成分4对总方差的贡献率为7.87%，主要代表铅.

2.2 黄河口及邻近水域水质时空变化特征

图2 各月主成分综合得分箱线图Fig.2 Boxplot of comprehensive scores of the principal components in each month

箱线图表明，6月、7月主成分综合得分相近且较低，中位数分别为-0.8和-0.6；10月综合得分明显高于6、7月，中位数为1.4，并存在异常值点（图2）.黄河口及邻近水域10月水质污染严重，6、7月污染较轻，这可能是由于6、7月水温较高，光照时间长，浮游植物的光合作用较强，水体中无机氮、磷酸盐被浮游植物利用而浓度降低.另一方面，10月水温降低光照减弱，浮游植物种群密度降低［4］，且调水调沙使黄河的营养盐向河口输送非常集中［31］，造成各营养盐及重金属浓度上升，污染严重.

图3 主成分综合得分空间分布Fig.3 Spatial distribution of the comprehensive scores of principal components

黄河口及邻近水域水质综合得分有明显的空间变化，总体由黄河口水域到邻近水域呈现出降低趋势，南部水域水质污染较北部严重，北部沿岸水域（38.00°N～38.15°N，119.00°E～119.10°E）出现综合得分最低值（图3）.张继民［6］也得出黄河口南部营养盐浓度往往高于北部的结论.

由图3得出，各月主成分综合得分由黄河口及南部水域到北部及外海水域呈现出降低趋势.黄河携泥沙等入海后，在潮流和波浪等动力下，向外海和沿岸扩散［32］.另一方面，黄河口水域涨潮时潮流向东南流动，落潮时由莱州湾流向外海，存在逆时针大环流［32］，且渤海湾北部海流呈反时针方向回转［33］，不利于黄河入海营养盐等向北部扩散，因此在黄河口北部沿岸水域水质污染状况较轻（图3）.

2.3 水质污染的驱动因子

各参数与主成分之间的相关系数如表3所示，NH3-N、盐度、和砷分别与主成分1、主成分2、主成分3和主成分4相关性最显著（P＜0.01）.NH3-N、和分别与4个主成分显著正相关（P＜0.01），重金属元素大多与各主成分呈显著负相关（P＜0.01）.因此，氮营养盐、盐度、和砷是黄河口及邻近水域水质污染的主要驱动因子.

盐度作为重要的物理因子，对藻类的生长及水体富营养化有重要影响［34］.在本文中盐度与主成分2呈显著负相关（r=-0.719，P＜0.01），这可能是由于黄河冲淡水携大量营养盐冲入河口区，造成河口区营养盐等浓度升高，水质污染，受冲淡水影响盐度降低，从而形成了负相关趋势，外海区营养盐浓度降低而盐度升高.在黄河口改道前后盐度含量的分布趋势均与营养盐相反，近岸底，远岸高［35］.

NH3-N、和统称为溶解无机氮（DIN），分别与主成分1、2、3显著相关，其中硝酸氮是有机氮转化为无机氮的最终产物.黄河口及邻近水域的无机氮处于过剩和累积状态［36］，是影响该水域富营养化的主要因子之一.本文无机氮中所占比例最大，与张继民等［6］在黄河口附近海域研究结果一致.本研究中磷酸盐浓度的普遍较低，这可能是由于水体中悬浮物有吸附-解吸磷酸盐的效应［37］.

与20世纪80年代资料相比［38］，黄河口及邻近水域的溶解态砷含量没有明显增加.黄河口及邻近水域重金属元素与各主成分主要呈负相关，不与营养盐含量的变化趋势相同，可能是由于重金属污染物进入水体后，很快被水体中的悬浮物吸附，转入底泥，降低可溶性浓度［39］.与2008年黄河口及邻近水域的营养盐浓度相比［1］，本文调查的硝酸盐、COD浓度较高，亚硝酸盐浓度稍低， 6、7月磷酸盐浓度与之相当，10月磷酸盐浓度稍高.2013年6、7、10月硅酸盐浓度均在0.37mg/L左右，稍低于2005年的检测浓度［6］.

表3 各因子与主成分之间的斯皮尔曼相关系数Table 3 Spearman's correlation coefficient between the factors and principal components PCs

3 结论

3.1 运用主成分分析方法将14个水质指标综合为4个主成分，解释了67.31%的结果，能够基本反映原指标信息.应用主成分综合得分评价了黄河口及邻近水域的水质污染状况，黄河口及邻近水域2013年10月水质污染严重、7月、6月污染程度较低，空间上总体呈现出以黄河入海口为中心，向邻近海域递减，河口附近及南部水域污染严重的格局.

3.2 黄河口及邻近水域水质污染的主要驱动因子为氮营养盐、盐度、SiO3-Si和砷，重金属元素大多与各主成分呈显著负相关.

3.3 通过对黄河口及邻近水域水质的时空变化及主要驱动因子分析，认为应加强黄河口及其上游的水质保护和污染防治工作，控制黄河径流污染物，防止黄河口及邻近水域水质进一步恶化.

［1］孙 栋，段登选，刘红彩，等.黄河口水域渔业生态水环境调查与研究 ［J］. 海洋科学进展， 2010，28（2）：229-236.

［2］孙 涛，杨志峰.河口生态系统恢复评价指标体系研究及其应用［J］. 中国环境科学， 2004，24（3）：381-384.

［3］刘 霜，张继民，冷 宇，等.黄河口附近海域营养盐行为及年际变化分析 ［J］. 海洋通报， 2013，32（4）：383-388.

［4］周 斌，王 悠，王进河，等.山东半岛南部近岸海域富营养化状况的多元评价研究 ［J］. 海洋学报， 2010，（2）：128-138.

［5］张欣泉，邓春梅，魏 伟，等.黄河口及邻近海域溶解态无机磷，有机磷，总磷的分布研究 ［J］. 环境科学学报， 2007，27（4）：660-666.

［6］张继民，刘 霜，张 琦，等.黄河口附近海域营养盐特征及富营养化程度评价 ［J］. 海洋通报， 2008，27（5）：65-72.

［7］冯利华.环境质量的主成分分析 ［J］. 数学的实践与认识，2003，33（8）：32-35.

［8］姚焕玫，黄仁涛，刘 洋，等.主成分分析法在太湖水质富营养化评价中的应用 ［J］. 桂林工学院学报， 2005，25（2）：248-251.

［9］杨丽原，沈 吉，张祖陆，等.南四湖表层底泥重金属和营养元素的多元分析 ［J］. 中国环境科学， 2003，23（2）：206-209.

［10］樊庆锌，杨先兴，邱 微.松花江哈尔滨段城市水环境质量评价［J］. 中国环境科学， 2014，34（9）：2292-2298.

［11］Perkins R G， Underwood G J C. Gradients of chlorophyll a and water chemistry along an eutrophic reservoir with determination of the limiting nutrient by in situ nutrient addition ［J］. Water Research， 2000，34（3）：713-724.

［12］GB17378.4-2007 海洋监测规范，海水分析 ［S］.

［13］傅德印.主成分分析中的统计检验问题 ［J］. 统计教育，2007（9）：4-7.

［14］张文彤.SPSS11统计分析教程（高级篇） ［M］. 北京：北京希望电子出版社， 2002：190-193.

［15］张 弘，赵惠祥，刘燕萍，等.基于主成分分析法的科技期刊评价方法 ［J］. 编辑学报， 2008，20（1）：87-90.

［16］祁洪全.综合评价的多元统计分析方法 ［D］. 长沙：湖南大学，2001.

［17］方红卫，孙世群，朱雨龙，等.主成分分析法在水质评价中的应用及分析 ［J］. 环境科学与管理， 2009，34（12）：152-154.

［18］韩 伟，李 钢.主成分分析在地区科技竞争力测评中的应用［J］. 数理统计与管理， 2006，25（5）：512-517.

［19］刘臣辉，吕信红，范海燕.主成分分析法用于环境质量评价的探讨 ［J］. 环境科学与管理， 2011，36（3）：183-186.

［20］庄作钦.BOXPLOT——描述统计的一个简便工具 ［J］. 统计教育， 2003，1：34-35.

［21］薛 毅，陈立萍.统计建模与R软件 ［M］. 北京：清华大学出版社，2012，125.

［22］曾庆飞，谷孝鸿，周露鸿，等.东太湖水质污染特征研究 ［J］. 中国环境科学， 2011，31（8）：1355-1360.

［23］柴 超，俞志明，宋秀贤，等.长江口水域富营养化特性的探索性数据分析 ［J］. 环境科学， 2007，28（1）：53-58.

［24］Lundberg C， Lonnroth M， Numers von M， et al. A multivariate assessment of coastal eutrophication. Examples from the Gulf of Finland， northern Baltic Sea ［J］. Marine Pollution Bulletin，2005，50（11）：1185-1196.

［25］Meglen R R. Examining large databases： a chemometric approach using principal component analysis ［J］. Marine Chemistry， 1992，39（1）：217-237.

［26］张晓琳.长江口、黄河口及其邻近海域重金属的分布特征及影响因素研究 ［D］. 青岛：中国海洋大学， 2013.

［27］国家海洋信息中心.中国海洋环境状况公报 ［OL］. ［2015-3-16］［2015-3-31］http：//www.coi.gov.cn/gongbao/huanjing/.

［28］宋书群，孙 军，沈志良，等.长江口冬季和春季浮游植物的粒级生物量 ［J］. 应用生态学报， 2008，19（3）：658-666.

［29］张继民，刘 霜，张 琦，等.黄河口附近海域浮游植物种群变化［J］. 海洋环境科学， 2010，29（6）：834-837.

［30］杨东方，于子江，张 柯，等.营养盐硅在全球海域中限制浮游植物的生长 ［J］. 海洋环境科学， 2008，27（5）：547-553.

［31］姚庆祯，于志刚，王 婷，等.调水调沙对黄河下游营养盐变化规律的影响 ［J］. 环境科学， 2009，30（12）：3534-3540.

［32］王崇浩，曹文洪，张世奇.黄河口潮流与泥沙输移过程的数值研究 ［J］. 水利学报， 2008，39（10）：1256-1263.

［33］宋文鹏.渤海冬.夏季温盐场结构及其海流特征分析 ［D］. 青岛：中国海洋大学， 2009.

［34］高 嵩，范士亮，韩秀荣，等.浒苔绿潮与南黄海近岸海域水质的关系 ［J］. 中国环境科学， 2014，34（1）：213-218.

［35］沈志良，乐肯堂.黄河口演变对河口水化学环境的影响 ［J］. 海洋科学集刊， 1993（0）：93-105.

［36］单志软，郑振虎.渤海莱州湾的富营养化及其研究 ［J］. 海洋湖沼通报， 2000（2）：41-46.

［37］胡 俊，刘剑彤，刘永定.沉积物与悬浮物中磷分级分离形态差异的初步研究 ［J］. 环境科学学报， 2005，25（11）：1517-1522.

［38］李 静，陈淑珠，杨淑海，等.黄河口及其邻近海区溶解态砷的分布及存在形式 ［J］. 青岛海洋大学学报， 1989，19（4）：87-96.

［39］孙卫玲，倪晋仁.泥沙吸附重金属研究中的若干关键问题 ［J］.泥沙研究， 2002，（6）：53-59.

An assessment of water quality in the Yellow River estuary and its adjacent waters based on principal component analysis.

LIU Xiao， XUE Ying， JI Yu-peng， XU Bin-duo*， REN Yi-ping （College of Fisheries， Ocean University of China，Qingdao 266003， China）. China Environmental Science， 2015，35（10）：3187～3192

Three surveys were conducted in the Yellow River estuary and its adjacent waters in June and July October 2013 for collecting the information on the 14 environmental variables including salinity， nutrients， COD and heavy metals. Principal component analysis （PCA） was used for analyzing the collected data and the potential driving variables influencing the water quality were evaluated. Four principal components were extracted from the 14 environmental variables， which explained 67.31% of the total variance in the original data set. Principal component analysis demonstrated that DIN， salinity，Si and As were the dominating factors influencing the water quality in the Yellow River estuary and its adjacent waters. The PCA analysis indicated that pollution was more serious in the Yellow River estuary than in its adjacent waters， and the pollution in the southern area was more serious than that in the northern area. The most serious pollution occurred in October， followed by July and June. The Yellow River runoff was the main source of the estuary pollution. Management measures should be taken to protect environments along the Yellow River in order to improve the water quality in the Yellow River estuary and its adjacent waters.

Yellow River estuary；water quality assessment；principle component analysis

X55

A

1000-6923（2015）10-3187-06

刘 潇（1991-），女，河北石家庄人，中国海洋大学硕士研究生，主要从事渔业资源与生态环境研究.发表论文1篇.

2015-02-07

公益性行业（农业）科研专项经费项目（201303050）资助

* 责任作者， 讲师， bdxu@ouc.edu.cn