地表水环境质量综合评价方法研究与应用进展

姜明岑，王业耀,，姚志鹏，刘廷良，孙宗光，杨 琦

1.中国地质大学(北京)水资源与环境学院，北京 100083 2.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 100012

地表水环境质量综合评价方法研究与应用进展

姜明岑1，王业耀1,2，姚志鹏2，刘廷良2，孙宗光2，杨 琦1

1.中国地质大学(北京)水资源与环境学院，北京 100083 2.中国环境监测总站，国家环境保护环境监测质量控制重点实验室，北京 100012

水质评价是目前水环境质量管理的重要支撑，水质综合评价方法已经逐渐由断面评价向流域综合评价进行转变与突破。该文对目前的断面水质评价方法进行了归类综述，并且对流域水质综合评价方法及其在各个国家流域的应用进行了重点评述。分析认为中国在流域评价中所使用的“断面比例法”不够准确，缺乏污染物时空分析以及生物评价等问题，并据此提出了未来的研究方向，为未来地表水质评价方法的提升以及水环境管理的完善提供科学的参考依据和建议。

流域质量评价；评价方法；地表水质评价

地表水污染问题在全球范围内普遍存在，随着人类对水资源的迫切需要以及对环境问题的逐渐重视，对于提高和完善地表水水质的监控管理一直是学者们研究的重点[1]。地表水环境质量评价，作为管理地表水水质中的关键，更是研究的重中之重。早期的水质评价工作是从识别水体中的色味以及浑浊度等简单的指标开始的，随着对评价研究的不断深入，日常监测及参与评价的指标也逐渐增多。并且，在将数学模型的概念引入水质评价后，评价的方法日益丰富[2]。

尽管如此，一直以来绝大多数的评价方法还只停留于对流域监测断面水质情况进行判断[3]。虽然，所设置的监测断面已经尽可能地获取了足够的流域中有代表性的环境信息，且其具体位置也基本能反映所在区域环境的污染特征。然而在流域水质监测工作中，有时要考虑到实际采样时的可行性和方便性，2个断面间的隐藏和突发情况无法把控，断面水质评价也无法解释断面之间的关联。因此，仅用断面的水质评价类别占总体的比例程度，难以反映整体的水质情况，更加无法准确地展现流域水质所具有的时间和空间上的变化特征。而且，对于大量的繁杂的监测数据，断面水质评价难以给出合理的描述和解释。尤其是指标之间的联系、数据间深层的意义还亟待探究。本文对目前国内外的地表水环境质量断面及流域综合评价方法和内容进行了评述，分析了地表水环境质量综合评价现存问题以及未来的发展方向，以期为地表水环境质量综合评价方法的提升、预警预报技术的发展以及水环境管理的完善提供科学的参考依据。

1 断面水质评价方法研究及应用进展

断面水质评价是地表水环境质量评价的基础，它可以在一定程度上反映地表水环境质量的基本情况。目前包括我国在内，美国、欧盟及日本等多个国家和地区根据本国不同的水质标准，采取具代表性的断面水质评价，来判别部分或整体的地表水环境质量的达标状况。

1.1 单因子判别类评价方法

在单因子判别类的评价方法中，所选择的评价因子将逐一和评价标准进行比较判别，或判别后再进行赋权，最终得出综合水质判别的结果。目前，除我国使用的单因子指数法外，在美国、欧盟各成员国以及日本等国家所使用的物化指标类的水质评价，皆属于单因子判别类评价方法的范畴。单因子指数法，以逐一比较后最差的因子评价的结果作为最终的水质类别，具有严谨、计算简便、易于推广等优点。安乐生等[2]应用综合污染指数评价法(内梅罗指数型)对太湖水质进行了评价，发现虽然考虑到最大污染因子的影响，但因同时取单因子指数的平均值，评价结果过于乐观。刘琰等[4]提出水污染指数法，并应用于湘江干流的水质评价，得到了较好的评价结果。2005年徐祖信[5-6]提出了标识指数法，并应用该法对上海市典型断面进行水质评价，结果表明，该方法对水体是否黑臭有很好的判断。模糊数学评价在水质评价的方法中已相对成熟[7]，其中模糊综合评价(FSE)是较为常用的评价方法[8-9]。台湾有学者应用FSE法对曾文溪水质进行评价，体现出了环境系统的不确定性[8]。

单因子判别类的评价方法，拥有结果直观、计算简便、易于操作推广等优点。但是由于评价过程中对因子的赋权，会影响评价结果的客观性，有时还会使不同样本无法进行横向比较。并且，指标之间的联系不能得以体现，无法综合评价地表水环境质量的状况。

1.2 综合因子判别类评价方法

不同于单因子判别，综合因子判别类的方法是将所选评价因子综合考虑，并与水质标准进行比对判断，因此可以得出地表水环境质量综合评价结果。灰色系统理论是我国学者邓聚龙于1982年提出的一种新理论[10]，无论应用灰色关联分析(GRA)对汉江进行水质评价[11]，还是应用灰色聚类分析(GC)对四平市地表水进行水质评价[12]，结果都展示了灰色理论法可避免临界值附近的样本数据变化所导致的评价结果误差，证明是具有严格的理论基础和计算方法。但是当在水质评价中所选指标较多时，某些指标权重在归一化后变得很小，从而将整个指标在评价中的作用淡化甚至忽略，因而无法得到准确的分类结果。

人工神经网络(ANN)以其高速运算、强大的学习能力和容错能力以及其超强的记忆能力等优势，在水质评价的应用中迅速发展，并且也是未来水质评价方法的一个重要的发展趋势。黄圣伟等[13-15]分别将ANN中的自适应变步长的BP(Back-Propagation)、Hopfield及RBF(Radial Basis Function)神经网络模型应用于大汶河、凤嘴江等地表水质评价中，皆得到了较好的评价结果。但是，当训练模本数量较小时，模型的学习很快会收敛，致使无法准确评判，并且低于最低标准的水质无法进行评价。

投影寻踪法(PP)的基本原理是将高维的数据投影到低维的子空间上，采用投影指标函数来衡量投影结构，寻出达到最优投影值的投影指标函数[16]。该方法可提高水质评价结果的分辨率，解决了单项指标间无关联的问题。但因其求解复杂而不能进行推广，学者们先后采用遗传算法[17]、蚁群算法[18]及粒子群算法[19]来优化投影指标函数，但是均存在收敛过早的问题。邵磊等[20]提出用自由搜索的算法来寻求PP的全局最优解，并应用于汾河流域的水质评价中，得到了较好的效果。

除上述方法外，国内外学者还研究了其他类型的水质评价方法。物元可拓法是我国学者蔡文提出的综合指标评价方法[21]，因其在水资源系统方面体现出优势而被广泛采用。而在实际应用中，因其定义的集合只做定性之用所暴露出的不足，张龙云等[22]对其加以改进并应用于黄河水质评价中，使集合中的“+”、“-”为定量之用，结果更具合理性。庞振凌等[23]应用层次分析法(AHP)[24]对南水北调中线水源区进行了水质评价，体现出了简单、有效、实用等特点，并且分析结果比较灵敏。

由于水质评价系统是由多维变量相互关联所组成的复杂系统，且彼此的相关性也有所不同，各个地表水流域也具有各自的污染特征。因此，上述水质评价方法各有各的优缺点，亟待进行整合，形成扬长避短、具有流域特点的评价体系。

2 流域水质综合评价方法研究及应用进展

在流域水质综合评价中，用于评价的样本数据量通常是非常大的，这些样本间往往存在紧密的联系，简单的评价方法难以对大量的数据进行明确的解释。并且，探究流域水质的时间和空间上的变化对于监控管理地表水环境质量是非常必要的。经国内外学者的研究，目前多元统计学类方法在流域水质综合评价中的应用较为广泛，同时人工神经网络类方法也是未来发展的一个重要方向。

2.1 聚类分析

聚类分析(CA)是一种可对样本进行量化分类的多元统计方法，是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按照关系的程度对样本进行分类[25]的分析方法。常用的聚类方法为系统聚类分析(HCA)，它基于的凝聚方法可以识别任何数据集和样本间的相似性，并最终以树状图的形式将分类结果表达出来[26]。SHRESTHA等[27]以日本富士川流域为例，应用聚类分析法，根据断面的具体水质情况，将13个监测断面分成具有内部相关性的3类(轻度、中度、重度污染断面)，且由结果显示出监测断面的分类不仅是按照从上游到下游的顺序，还考虑了流域的自净等作用。BOYACIOGLU等[28]以土耳其的Tahtali流域为例，同样应用聚类分析对监测断面进行分类，其中一类断面所处的位置人口密集，土地使用以农田为主，各断面间的相似点为含有比其他类断面浓度高的总溶解固体、钠、氯化物和硫酸盐。由此可见，地区土地的使用情况也反映了聚类分析所分类的准确性和可靠性。WAHED等[29]以埃及的Fayoum流域为例，应用聚类分析将各监测断面分成了2个大类，而第二大类中又可分成2个小类。各类间具有较强的水质相似特性，为分析污染源提供了依据。还有学者将样本根据时间特点进行聚类分析，如ZHANG等[30]以中国的大辽河流域为例，利用聚类分析将12个月的样本分成3个阶段(枯水期、平水期、丰水期)。因流域的流量主要受到气候和水文条件的影响，聚类分析的结果很好地证明了大辽河流域是中国北部的一条典型的季节性河流。

聚类分析在目前流域综合水质评价中是一项非常重要的评价方法，诸多研究均显示出聚类分析可为整个流域断面分类及监测站点优化提供可靠的依据，且在需要快速简洁评估水质时，可从每类中选出具有代表性的断面进行评价，以此减少工作量，降低评价成本。

2.2 主成分/因子分析

主成分分析(PCA)在流域水环境质量评价中多用于水质污染物的分析，将原始的评价指标转变成新的、互不相关的变量，该变量即为主成分。新的主成分变量让指标变得更加有意义，且更加简洁明了，在使原始信息损失最小的情况下，总结出这些指标的统计学规律。因子分析(FA)是主成分分析的延伸，它除了是所监测到的水质变量的线性组合以外，还能包含那些没有监测到的、推测的、潜在的变量[31-32]。PEJMAN等[33]学者以Haraz流域为例，运用主成分/因子分析来识别重要的季节性水质指标。特征值是识别因子是否显著的方法之一——特征值最大的因子就是最显著的因子；一般认为特征值大于或等于1.0的因子即为显著的因子[27]。根据绝对载荷值大于0.75、 0.75～0.50、0.50～0.30，可将因子载荷的等级分为强、中、弱[34]。主成分/因子分析结果表明，在一个季节中对水质影响较大的指标，并不是在所有的季节中都是显著变化的水质指标。因此，应根据季节性的变化来调整监测点位及监测频次。

2.3 判别分析

判别分析(DA)的原理是根据表明事物特点的变量值和它们所属的类别，建立判别函数，使错判的概率最小，对给定的一个新样本，判断它来自哪个总体[25]。因此，在流域水质评价中，研究者们常用判别分析来将样本分类。与聚类分析不同的是，判别分析所得出样本的统计分类，是根据某一特定类别的分类先验结果所得出的。SINGH等[35]以印度的Gomti流域为例，应用判别分析分别对流域水质的时间和空间变化特性进行分析，并应用聚类分析进行验证，结果相同。同时发现，有9个指标为空间变化特征上最显著的指标，与主成分分析/因子分析所得出的结果相比，数据更加简化。JUAHIR等[36]以Langat流域为例，在7个监测站点中应用判别分析对流域的空间变化特征进行分析，在聚类分析的分类结果中进一步确定了各类中有差异的指标(即聚类分析的潜在分类标准)。由此可以看出，判别分析往往会给出更加明确的分类结果，并且，与主成分/因子分析相比较，有时会给出更佳的降维效果，使评价工作更加简便。

2.4 回归分析

在流域水质评价中，污染源、指标及水质间往往存在一定的联系，研究者们应用回归分析(RA)来确定变量间模糊的相关方向和密切程度。回归分析是指根据相关关系的具体形态，选择一个合适的数学模型来近似地表达变量间平均变化关系的统计分析方法[37]。在水质评价中，污染源解析是评估污染源对于每个污染物浓度贡献的重要方法。SINEONOV等[38]以希腊北部的流域为例，应用回归分析对主成分分析所得出的主要污染因子进行主成分的得分计算，分析了污染物质的主要来源。韩国CHO[39]基于非线性回归分析建立了水质评价模型(WQAM)，并以Geum-Sum-Young流域为例进行应用，结果表明，该模型可替代原始复杂的水质模型，找出流域最佳的修复位置。

2.5 自组织映射法

自组织映射(SOM)算法由芬兰学者KOHONEN[40]提出，因其对大量数据可视化和分类的优势，在流域水质评价中得到了广泛且有效的应用。它是一种基于神经网络系统的算法，将高维的数据空间以非线性的形式投影到低维空间(多数为二维空间)中，且并不利用线性的或传统的统计技术的假设直接将数据进行分类[41]。TSAKOVSKI等[42]以保加利亚的Struma流域为例，利用自组织映射法将所评价的12个指标分成了明确的4类。而生化需氧量和化学需氧量分别自成一类可以解释为它们都具有描述不同的且往往不可控的污染物及其转化物复杂信息的能力[43]。GAMBLE等[44]以白河流域为例，应用SOM作为非线性变量降维的方法，以此来表征流域的水质条件。而KALTEH等[45]则对已经发表的关于地表水质的分析、评估以及指标预测等SOM的方法进行了考察。

目前SOM算法在水质评价中常与其他技术联合应用研究，SENGORUR等[46]以Melen流域为例，一方面应用SOM将水质指标分类，探寻流域的污染源；另一方面是对每一类应用ANN进行分析，确定可代表流域水质的主要影响指标。JIN等[47]以韩国的Yeongsan流域为例，结合HCA和SOM 2种方法对在6个站点所监测的水质指标及流量等数据进行识别分类，应用SOM算法优化HCA的分类组数，对分类结果进行微调使其更加准确。

3 我国地表水环境质量评价存在的问题

目前，国内的研究多以断面水质评价方法为主，虽然逐渐发展到利用流域监测大数据来进行流域水质整体的评价研究，但仍存在以下几个方面的问题：①断面水质评价方法可描述断面水质的达标情况，但却无法解释断面之间的关联，也无法表征流域污染物的时间和空间上的变化。②采用流域综合水质评价的方法，必须有足够数量的数据来进行支撑。对于缺乏历史数据资料，监测断面设置不完善的流域，无法运用这些方法准确评价流域的水环境质量状况。③与其他国家相比，缺乏地表水生物指标评价的内容。④所选用的评价指标缺乏对于流域污染特征的针对性。例如，在特定的流域中，一些指标常年处于稳态且含量低或无法检出的状态，又由文中提到的案例可知，在一个季节中对水质影响较大的指标，并不是在所有的季节中都是显著变化的水质指标。统一固定频次评价水质情况，无法满足流域水环境质量管理的实际需求。

4 研究发展方向

1)流域水质综合评价方法虽可弥补断面水质评价方法的缺点，却无法判断水质达标情况，流域之间缺乏横向可比性，在对地表水环境质量有明确分级和达标规定的国家中难以实行和推广。未来的研究趋于既能将水环境质量状况分级，又能表征污染物时间和空间变化特征的评价方法体系。

2)对于历史数据不足、监测断面不完善的流域，可探寻与其水文、地理、污染信息相似的流域作为参考，或加入可靠的模型模拟对数据空白进行填补，来满足对流域进行大数据分析的需要。因此，为资料匮乏的流域建立一套完整的评价系统是未来流域水质综合评价方法研究的一个重要方向。

3)美国和欧盟各成员国已经开展了生物指标的水质评价研究，并取得了一定的效果。在我国评价工作中增加生物评价的内容是未来发展的必然趋势。

4)针对具不同特点的流域，尽可能减少不必要的监测和评价工作也是研究发展的主要方向。建立具有流域污染特征的独立档案，为快速评价流域整体水质情况提供可靠依据。同时也为后续的预警预报工作打下基础，以期减少面对突发污染事件时做出响应所需要的时间。

[1] KHAN M Y A, GANI K M, CHAKRAPANI G J. Assessment of surface water quality and its spatial variation. A case study of Ramganga River, Ganga Basin, India[J]. Arabian Journal of Geosciences, 2016, 9(1): 1-9.

[2] 安乐生, 赵全升, 刘贯群, 等. 代表性水质评价方法的比较研究[J]. 中国环境监测, 2010,26(5): 47-51.

[3] 中国环境监测总站. 水环境监测技术[M]. 北京：中国环境出版社, 2014.

[4] 刘琰, 郑丙辉, 付青, 等. 水污染指数法在河流水质评价中的应用研究[J]. 中国环境监测, 2013,29(3): 49-55.

[5] 徐祖信. 我国河流单因子水质标识指数评价方法研究[J]. 同济大学学报：自然科学版, 2005,33(3): 321-325.

[6] 徐祖信. 我国河流综合水质标识指数评价方法研究[J]. 同济大学学报：自然科学版, 2005,33(4): 482-488.

[7] 凌敏华, 左其亭. 水质评价的模糊数学方法及其应用研究[J]. 人民黄河, 2006, 28(1): 34-36.

[8] CHANG N B, CHEN H W, NING S K. Identification of river water quality using the fuzzy synthetic evaluation approach[J]. Journal of Environmental Management, 2001, 63(3): 293-305.

[9] 李莲芳, 曾希柏, 李国学, 等. 利用模糊综合评判法评价潮白河流域水质[J]. 农业环境科学学报, 2006,25(2): 471-476.

[10] 邓聚龙. 灰色系统综述[J]. 世界科学, 1983(7):1-5.

[11] IP W C, HU B Q, WONG H, et al. Applications of grey relational method to river environment quality evaluation in China[J]. Journal of Hydrology, 2009, 379(3): 284-290.

[12] 王洪梅, 卢文喜, 辛光, 等. 灰色聚类法在地表水水质评价中的应用[J]. 节水灌溉, 2007,(5): 20-22.

[13] 黄胜伟, 董曼玲. 自适应变步长 BP 神经网络在水质评价中的应用[J]. 水利学报, 2002,(10): 119-123.

[14] 龙腾锐, 郭劲松, 霍国友. 水质综合评价的 Hopfield网络模型[J]. 重庆建筑大学学报, 2002,24(2): 57-60.

[15] 罗定贵, 郭青, 王学军. 地表水质评价的径向基神经网络模型设计[J]. 地理与地理信息科学, 2003,19(5): 77-81.

[16] 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, 2001,21(4): 432-434.

[17] 杨晓华, 杨志峰, 郦建强. 区域水资源潜力综合评价的遗传投影寻踪方法[J]. 自然科学进展, 2003,13(5):554-557.

[18] 孟庆斌, 杨晓华, 王伟, 等. 水环境质量综合评价的ACSIM[J]. 北京师范大学学报：自然科学版, 2008,44(4):429-433.

[19] 张国华, 张展羽, 邵光成, 等. 基于粒子群优化算法的灌溉渠道配水优化模型研究[J]. 水利学报, 2006,37(8):1 004-1 008,1 014.

[20] 邵磊, 周孝德, 杨方廷, 等. 基于自由搜索的投影寻踪水质综合评价方法[J]. 中国环境科学, 2010,30(12): 1 708-1 714.

[21] 蔡文. 物元模型及其应用[M]. 北京: 科学技术文献出版社,1994.

[22] 张龙云, 曹升乐. 物元可拓法在黄河水质评价中的改进及其应用[J]. 山东大学学报：工学版, 2007,37(6): 91-94.

[23] 庞振凌, 常红军, 李玉英, 等. 层次分析法对南水北调中线水源区的水质评价[J]. 生态学报, 2008, 28(4): 1 812-1 819.

[24] SAATY T L, BENNETT J P. A theory of analytical hierarchies applied to political candidacy[J]. Behavioral Science, 1977, 22(4): 237-245.

[25] 李春林, 陈旭红. 应用多元统计分析[M]. 北京:清华大学出版社, 2013.

[26] TEMPL M, FILZMOSER P, REIMANN C. Cluster analysis applied to regional geochemical data: problems and possibilities[J]. Applied Geochemistry, 2008, 23(8): 2 198-2 213.

[27] SHRESTHA S, KAZAMA F. Assessment of surface water quality using multivariate statistical techniques: A case study of the Fuji river basin, Japan[J]. Environmental Modelling & Software, 2007, 22(4): 464-475.

[28] BOYACIOGLU H, BOYACIOGLU H. Water pollution sources assessment by multivariate statistical methods in the Tahtali Basin, Turkey[J]. Environmental Geology, 2008, 54(2): 275-282.

[29] WAHED M S M A, MOHAMED E A, Wolkersdorfer C, et al. Assessment of water quality in surface waters of the Fayoum watershed, Egypt[J]. Environmental Earth Sciences, 2015, 74(2): 1 765-1 783.

[30] ZHANG Y, GUO F, MENG W, et al. Water quality assessment and source identification of Daliao river basin using multivariate statistical methods[J]. Environmental Monitoring and Assessment, 2009, 152(1-4): 105-121.

[31] HELENA B, PARDO R, VEGA M, et al. Temporal evolution of groundwater composition in an alluvial aquifer (Pisuerga River, Spain) by principal component analysis[J]. Water Research, 2000, 34(3): 807-816.

[32] VEGA M, PARDO R, BARRADO E, et al. Assessment of seasonal and polluting effects on the quality of river water by exploratory data analysis[J]. Water Research, 1998, 32(12): 3 581-3 592.

[33] PEJMAN A H, BIDHENDI G R N, KARBASSI A R, et al. Evaluation of spatial and seasonal variations in surface water quality using multivariate statistical techniques[J]. International Journal of Environmental Science & Technology, 2009, 6(3): 467-476.

[34] LIU C W, LIN K H, KUO Y M. Application of factor analysis in the assessment of groundwater quality in a blackfoot disease area in Taiwan[J]. Science of the Total Environment, 2003, 313(1): 77-89.

[35] SINGH K P, MALIK A, MOHAN D, et al. Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti River (India)—a case study[J]. Water Research, 2004, 38(18): 3 980-3 992.

[36] JUAHIR H, ZAIN S M, YUSOFF M K, et al. Spatial water quality assessment of Langat River Basin (Malaysia) using environmetric techniques[J]. Environmental Monitoring and Assessment, 2011, 173(1-4): 625-641.

[37] 王志良, 李淑贞, 李立阳, 等. 水质统计理论及方法[M]. 北京: 中国水利水电出版社, 2013.

[38] SIMEONOV V, STRATIS J A, SAMARA C, et al. Assessment of the surface water quality in Northern Greece[J]. Water Research, 2003, 37(17): 4 119-4 124.

[39] CHO Y. Development of a water quality assessment model: a water quality assessment model based on watershed characteristics by non-linear regression[J]. Water Science and Technology: Water Supply, 2015, 15(2): 236-247.

[40] KOHONEN T. Self-organization formation of tepologically correct feature maps[J]. Biological Cybernetics, 1982, 43: 59-69.

[41] KOHONEN T. Self-organizing Maps[M]. Berlin: Sprines, 2001.

[42] TSAKOVSKI S, ASTEL A, SIMEONOV V. Assessment of the water quality of a river catchment by chemometric expertise[J]. Journal of Chemometrics, 2010, 24(11/12): 694-702.

[43] SIMEONOVA P, SIMEONOV V, ANDREEV G. Water quality study of the Struma river basin, Bulgaria (1989—1998)[J]. Open Chemistry, 2003, 1(2): 121-136.

[44] GAMBLE A, BABBAR-SEBENS M. On the use of multivariate statistical methods for combining in-stream monitoring data and spatial analysis to characterize water quality conditions in the White River Basin, Indiana, USA[J]. Environmental Monitoring and Assessment, 2012, 184(2): 845-875.

[45] KALTEH A M, HJORTH P, BERNDTSSON R. Review of the self-organizing map (SOM) approach in water resources: Analysis, modelling and application[J]. Environmental Modelling & Software, 2008, 23(7): 835-845.

[46] SENGORUR B, KOKLU R, ATES A. Water Quality Assessment Using Artificial Intelligence Techniques: SOM and ANN—A Case Study of Melen River Turkey[J]. Water Quality, Exposure and Health, 2015, 7(4): 469-490.

[47] JIN Y H, KAWAMURA A, PARK S C, et al. Spatiotemporal classification of environmental monitoring data in the Yeongsan River basin, Korea, using self-organizing maps[J]. Journal of Environmental Monitoring, 2011, 13(10): 2 886-2 894.

Research and Application Advances in Methods of Surface Water Quality Assessment

JIANG Mingcen1， WANG Yeyao1,2， YAO Zhipeng2， LIU Tingliang2， SUN Zongguang2， Yang Qi1

1.School of Water Resources and Environment, China University of Geosciences (Beijing), Beijing 100083, China 2.State Environmental Protection Key Laboratory of Quality Control in Environmental Monitoring, China National Environmental Monitoring Centre, Beijing 100012, China

Water quality assessment is an important support for water environmental quality management currently. The assessment method of water quality is no longer only about the monitoring-section assessment, but transforming into watershed comprehensive assessment gradually. The current methods of monitoring-section water quality assessment were classified and reviewed. And the ones of watershed comprehensive assessment and application in each watershed of different countries were reviewed as the emphasis. Some problems of water quality assessment in China, namely, the inaccuracy ofmonitoring-sectionproportionwater quality method which is used in watershed assessment in China, the lack of pollutants temporal and spatial analysis and the short of biological water quality assessment, were analyzed. Research directions were proposed based on these problems. It is possible to design a future that the improvement of surface water quality assessment and water environmental quality management can be provided scientific reference and recommendations.

watershed quality assessment; assessment method; surface water quality assessment

2016-06-14;

2016-06-20

国家水体污染控制与治理科技重大专项“流域水生态监测技术体系研究与示范项目”(2014ZX07502002)

姜明岑(1989-)，女，辽宁沈阳人，在读博士研究生。

王业耀

X826

A

1002-6002(2016)04- 0001- 06

10.19316/j.issn.1002-6002.2016.04.01