南四湖溶解氧变化规律研究
2016-09-07解文静娄山崇曹升乐孙秀玲王月敏
解文静，王 松，娄山崇，曹升乐，孙秀玲，王月敏，林 洁
(1.山东大学土建与水利学院，山东济南250061；2.山东省水文局，山东济南250002)
南四湖溶解氧变化规律研究
解文静1，王松2，娄山崇2，曹升乐1，孙秀玲1，王月敏1，林洁1
(1.山东大学土建与水利学院，山东济南250061；2.山东省水文局，山东济南250002)
运用Kendall秩次相关检验法、有序聚类分析法、游程检验法和方差谱密度图法等时间序列的分析方法对南四湖上级湖溶解氧DO等水质指标序列进行分析，利用2008年～2013年监测数据，对其分别进行了趋势成分及跳跃成分的识别和检验、周期成分的识别和提取；并用2014年监测数据对组成成分的识别结果进行检验，据此分析了DO指标序列的变化规律，预测DO指标的变化趋势。结果表明，南四湖上级湖的DO指标存在以年为周期的周期成分，虽均达到III类水质标准，但其量有减小趋势；在南四湖治理中，夏季应采取相应的防治措施。
溶解氧；水质指标序列；变化规律；南四湖
受农作物种植季节变化造成的农药及化肥流失量的季节变化、产业结构不断调整引起的工业污水排放量的变化等影响，排入湖泊的污染物因素也会随之变化，从而影响湖泊的水质状况。这种变化可能存在持续增大或减小的成分，也可能存在一定的周期和跳跃成分。这在过去的水质变化序列研究中，却很少考虑。由于各种自然或人为因素的影响，水质指标时间序列会存在一定的变化规律。其分析是揭露和认识水质指标变化过程特性的有效手段和重要途径[1]。它通常包含两种成分：一是确定成分，表现为水质变化过程的趋势变化、周期变化以及相依变化等；二是随机成分，表现为水质变化过程的纯随机变化[2]。因此，将时间序列的分析方法应用到水质指标时间序列的分析中，以找到其确定性成分和随机成分，从而寻求水质指标的变化规律。
1 水质指标序列分析方法
水质指标时间序列的组成包括确定性成分(趋势成分、跳跃成分、周期成分)和随机成分。对某一项水质指标时间序列进行分析时，采取以下步骤进行成分识别和检验。
(1)趋势成分识别。采用Kendall秩次分析检验[3]对序列进行趋势成分识别。
(2)跳跃成分识别与检验。采用有序聚类分析法[4]对序列进行跳跃成分识别，并利用游程检验法[5]进行跳跃成分的显著性检验。
(3)趋势成分和跳跃成分排除：①当序列存在有显著的趋势成分而无显著的跳跃成分时，对原始序列监测值减去趋势线方程并除以原始序列均方差，从而得到排除趋势成分后的标准化序列。②当序列存在有显著的跳跃成分时，以跳跃点为界，将原始序列分为前、后2个序列，分别称为序列A和序列B。对序列A和序列B，若不存在趋势成分，减去其相应的均值再除以相应的均方差，得到其对应的标准化序列；若存在趋势成分，减去相应的趋势线方程后再除以相应的均方差，得到其对应的标准化序列；再将其A、B两个序列的标准化序列合成得到原始序列的标准化序列。
(4)周期识别。采用方差谱密度图法对序列的周期成分进行识别，存在趋势成分或跳跃成分的指标序列采用(3)中得到的标准化序列进行检验；两种成分都没有的序列，则用原始序列来进行周期检验。若存在周期，求其周期函数并作周期函数图。
(5)组成成分检验拟合。利用检验出来的序列组成成分对2014年水质序列进行检验拟合及比较。
2 应用实例
以南四湖上级湖6个监测站DO时间序列分析为例，系统地评估了南四湖上级湖的DO变化规律，并预测其变化趋势。
2.1数据选取
选择DO作为水质时间序列分析的指标。根据已有的监测资料，对于南阳、独山、二级坝闸上3个监测站的DO指标，采用的数据序列为2008年～2014年中共84个月的监测值，其他3个监测站由于部分年份只有奇数月的监测数据。为保证数据序列时间间隔一致，故只采用2008年～2014年中奇数月份共42个月的监测值。
2.2组成成分识别
以王庙监测站的DO时间序列(以下简称“DO序列”)为例，给出其详细的组成成分分析过程，该DO序列各月监测值见图1。其中，利用其2008年～2013年的DO监测数据进行组成成分识别，然后利用求得的组成成分识别方程对2014年DO监测值进行检验拟合，因2014年12个月均有详细的DO监测数据，因此检验拟合时，采用的数据为2014年12个月份的数据。
(1)趋势成分识别。对DO序列的42个监测值，先确定所有对数偶(xi，xj)(j>i)中xi U=τ/[D(τ)]1/2 (1) 式中，τ=(4k/n(n-1))-1；D(τ)=2(2n+5)/9n(n-1)。由式(1)计算得τ=-0.3264，D(τ)=0.0115，U=-3.0453，给定显著性水平α=5%后，查算Uα/2=1.96。当|U| y=-0.099×t+10.98 (2) 图1 DO原始序列和趋势线 (2)跳跃成分识别及检验。设可能的突变点为τ，τ前后有n1，n2个值，则突变前后的离差平方和分别为 (3) (4) 给定显著性水平α=5%，查算Uα/2=1.96。根据式(4)计算得：U=-1.55，则|U| 图2 DO标准化序列和周期函数 (4)周期成分识别。采用水文序列(离散)一致的方差谱密度函数 (5) 式中，ωj=2πfj(j=0，1，2，…，m)，fj=j/(2m)；m=n/4；γk为样本的自相关系数；Dk为谱窗(权重因子或窗函数)，此处采用Hanning窗，Dk=0.5+0.5cos(πk/m)。点绘S(ωj)与f的关系图(见图3)。根据方差线谱计算其周期函数，其计算方法为 Yt=u+ajcosωjt+bjsinωjt=u+Ajcos(ωjt+θj) (6) (7) 图3 DO序列方差谱密度 (5)组成成分检验拟合。根据上述DO序列组成成分检验可知，该序列存在明显下降趋势成分和周期成分。根据确定性组成成分识别方程可得DO序列的趋势预测方程 x′=[-0.002 8+0.317 8×cos(1.047 2t+45°)]× S均方差-0.099×t+10.98 (8) 式中，S均方差为标准化后序列的均方差。由式(8)进行2014年DO序列拟合(见表1)。由表1可见，所有月份的相对误差均在20%以内，说明序列存在明显的周期与趋势等确定性成分，且确定性成分可反映序列的总体变化趋势。 表1拟合数据和原始监测数据的相对误差 月份123456相对误差0.0830.0050.1840.0490.1660.197月份789101112相对误差0.0370.1670.1320.0030.0860.104 2.4DO序列组成成分识别结果分析 采用同样的方法对除王庙外其余5个测站的DO序列进行组成成分分析，6个监测站的DO序列分析结果见表2。 表2DO序列分析结果 序列组成成分王庙南阳前白口独山沙堤二级坝闸上趋势成分显著否趋势显著下降显著下降不显著—显著下降显著下降显著下降跳跃成分显著否不显著不显著不显著不显著不显著不显著周期成分显著否周期显著一年显著一年显著一年显著一年显著一年显著一年 由表2可知，王庙等6个监测站的DO水质指标均存在以年为周期的周期成分，呈现冬季高、夏季低的变化规律；此外，除前白口监测站之外，其余5个监测站的DO均有显著的下降趋势，即水质有变差的趋势；虽然目前DO量均达到III类水质标准(大于等于5 mg/L)，但应采取必要的预防措施。 当水体中的DO量小于5 mg/L，一些鱼类的呼吸就发生困难；若水体中DO得不到及时补充，水体中的厌氧菌等就会很快繁殖，导致有机物因腐败而使水体变黑、发臭。因此，在南四湖的管理中，尤其是在夏季，应特别注意控制入湖水体中有机物，也应注意水体中鱼类等的生长状况，及时避免因DO量过低而导致鱼类死亡，使得南四湖水体质量变差的情况。 (1)分析研究了南四湖上级湖6个测站的DO监测值序列的变化规律，研究结果表明，DO监测值序列存在以年为周期、冬季高、夏季低的变化规律，且存在有明显减少的变化趋势。 (2)虽然目前各站的DO量全年各月均达到地表水III类水质标准(大于等于5 mg/L)，但由于存在明显减少的趋势，水质变坏的可能明显存在，应提前采取必要的预防措施。 (3)将时间序列分析方法用于水质指标监测值序列的分析，提取了序列的各项确定性成分，了解水质指标多年来的变化规律，是水质分析中一种合理可行的方法。 [1]桑燕芳， 王中根， 刘昌明. 水文时间序列分析方法研究进展[J]. 地理科学进展， 2013， 32(1)： 21- 25. [2]张小琴， 施作林， 徐桂霞， 等. 水文时间序列分析方法在水文长期预报中的应用[J]. 甘肃水利水电技术， 2010， 46(6)： 5- 6. [3]于延胜， 陈兴伟. 基于Mann-Kendall法的水文序列趋势成分比重研究[J]. 自然资源学报， 2011， 26(9)： 1586- 1590. [4]张敬平， 黄强， 赵雪花. 漳泽水库水文序列突变分析方法比较[J]. 应用基础与工程科学学报， 2013， 21(5)： 838- 843. [5]王文圣， 丁晶， 金菊良. 随机水文学[M]. 北京： 中国水利水电出版社， 2008. [6]GB 3838—2002地表水环境质量标准[S]. [7]付洁廉， 王金文. 年水文序列近似周期分析研究与实现[J]. 水电能源科学， 2006， 24(6)： 35- 38. (责任编辑陈萍) Research on the Change Rules of DO Index Sequence in Nansi Lake XIE Wenjing1, WANG Song2, LOU Shanchong2, CAO Shengle1, SUN Xiuling1, WANG Yuemin1, LIN Jie1 (1. School of Civil Engineering, Shandong University, Jinan 250061, Shandong, China;2. Hydrology and Water Resources Bureau of Shandong Province, Jinan 250002, Shandong, China) The Kendall rank correlation method, the ordered clustering analysis method, the run test and the variance spectrum density diagram method are applied to the analysis of Nansi upper lake’s DO index sequences from 2008 to 2013, and the trend components, jump components and periodic components of these sequences are respectively identified. Based on the DO monitoring data of 2014, the results of the component identification are tested. According to these results, the change rules of DO index sequences are summarized and the change trend of DO index is forecasted. The results show that the Nansi upper lake’s DO index sequence exhibits remarkable seasonal variation which had a period of one year. Although current DO is to class III water quality standard, but its content has a decreasing trend. Taking corresponding prevention measures in summer should be paid attention in the management of Nansi Lake． DO; water quality index sequence; change rule; Nansi Lake 2015- 05- 13 山东省水利科研及技术推广资助项目(SDSLSK201302) 解文静(1990—)，女，山东潍坊人，硕士研究生，研究方向为水文学及水资源；曹升乐(通讯作者)． TV68；X524 A 0559- 9342(2016)05- 0001- 03
3 结 论
