星海湖水环境因子时空异质性及水环境质量综合评价

2017-03-21伍冠星白维东赵红雪杨永宇邱小琮

节水灌溉 2017年3期

伍冠星，李斌，白维东，赵红雪，杨永宇，邱小琮

(1.宁夏大学土木与水利工程学院，银川 750021；2.宁夏水产技术推广站，银川 750021；3.宁夏大学生命科学学院，银川 750021)

星海湖地处宁夏回族自治区石嘴山市，东经105°58′-106°59′，北纬38°22′-39°23′，之间。星海湖湿地集湖泊、沼泽、盐土、湖土荒地等多种类型为一体，位于宁夏石嘴山市大武口区，属于黄河水系，区域总面积48.08 km2，其中湖泊面积14.7 km2，平均水深1.2 m。星海湖湿地植物种类要有水生植物、耐盐碱植物2种类型,以草本植物为主，植物群落生长茂密[1]。星海湖分为北域、中域、南域、东域和新域共5个区域。根据星海湖现有情况，星海湖周边的水体污染源分为点污染源和非点污染源。点污染源主要为星海湖南域、中域、北域灌溉渠(二农渠)的补水口，星海湖北域中央鹿儿岛上生活、娱乐设施产生的生活污染源。非点污染源包括大气降尘、大气降水、星海湖东域东侧煤矸石堆淋溶产生的污水，星海湖周边水土流失以及星海湖北域、东域、中域的水产养殖污染[2]。

水环境系统是一个由多因子构成的多层次的复杂系统，水环境质量受诸多指标因子的影响，每一个因子都只从某一方面反映水质质量[3]。正确分析影响水质的各因素特征信息以及各因素之间的相互作用，才能得到较为可靠的综合分析结果。目前，常用的水环境质量评价的方法有指数评价法、模糊综合评价法[4]、灰色识别法[5]、神经网络法[6]、主成分法[7]等。本研究在分析星海湖水环境因子时空分布特征的基础上，运用BP神经网络法和灰色关联法进行水质评价，并使用综合营养状态指数法进行营养状态评价，旨在为星海湖合理开发利用和水环境保护提供依据。

1 材料与方法

1.1 样点布设与采样时间

1.1.1 样点布设

根据星海湖的形状，在星海湖设置了4个采样点S01，S02，S03，S04(图1)。

图1 星海湖采样点设置Fig.1 Locations of Sampling sites in Xinghai Lake

1.1.2 采样时间

采样时间分别为2013-2015年春(4月)、夏(7月)、秋(10月)、冬(1月)。

1.2 水样采集与测定

水样采集按照《水质采样方案设计技术规定(HJ 495-2009)》、《水质采样技术指导(HJ 494-2009)》、《水质样品的保存和管理技术规定(HJ 493-2009)》中的要求进行。现场测定水体的pH、透明度(SD)和溶解氧(DO)。用5.0L采水器采集水样保存，带回实验室测定氨氮(NH3-N)、总氮(TN)、总磷(TP)、高锰酸盐指数(CODMn)、叶绿素a。

水质指标的测定：氨氮使用纳氏试剂分光光度法(HJ 535-2009)，总氮使用碱性过硫酸钾消解紫外分光光度法(HJ 636-2012)，总磷使用钼酸铵分光光度法(GB 11893-89)，高锰酸盐指数使用(GB 11892-89)，叶绿素a使用分光光度法[8]。

1.3 水环境质量综合评价

(1)水质评价的BP神经网络法。水质评价的BP神经网络法基本思想是以《地表水环境质量标准》(GB3838-2002)中相关指标限值作为学习样本，以设定的水体实测值作为输入层单元，输出层则为水质级别值。一般考虑到尽可能减少学习时间,而又满足精度要求,选择有一个隐含层的BP网络模型即可，而隐含层单元数的确定则需要反复比较确定[9]

(2)水质评价的灰色关联法。以水质标准分级为比较数列，各年份水体实测值为参考数列，分别将水质分级标准值和实测值归一化处理，计算各年份与各水质级别的关联度，按关联度大小排序，得灰关联序。关联度越大，表明越接近某一级别，由此可判断某一年份水质的级别[10]。

(3)富营养化评价方法。依据水质因子监测结果及《地表水环境质量评价方法》(试行)[11]中湖泊、水库的综合营养状态指数法对星海湖营养状态进行评价，对照营养状态分级标准所列的分级标准，确定星海湖的营养状态。

2 结果与分析

2.1 星海湖水环境因子时空分布特征

星海湖水环境因子时空分布如图2-图10所示。

图2 pH时空变化Fig.2 Temporal and spatial distribution of pH

图3 透明度时空变化Fig.3 Temporal and spatial distribution of SD

图4 溶解氧时空变化 Fig.4 Temporal and spatial distribution of DO

图5 叶绿素a时空变化Fig.5 Temporal and spatial distribution of chla

图6 CODMn时空变化Fig.6 Temporal and spatial distribution of CODMn

图7 CODCr时空变化Fig.7 Temporal and spatial distribution of CODCr

图8 氨氮时空变化Fig.8 Temporal and spatial distribution of NH3-N

图9 TN时空变化Fig.9 temporal and spatial distribution of TN

图10 TP时空变化Fig.10 temporal and spatial distribution of TP

2013年pH变化范围8.81～9.77，季节变化幅度较大，样点之间差异小。2014年pH变化范围9.16～9.46，各样点之间的pH差异较小，没有明显的空间分布趋势，季节变化幅度不大，春季较高。2015年pH变化范围8.83～9.39，各样点之间的pH差异较小，季节变化幅度较大，春季较高。

2013年透明度的季节变化明显，最大值出现在春季，夏、秋季较低，湖中心透明度较高。2014年最大值出现在冬季，夏季较低，样点间差异不明显。2015年最大值出现在春季，夏季较低，这主要是由于水温的变化引起了水体中浮游生物量的变化。夏季水温高，水体中浮游生物量大，透明度就低，冬春季水温低，水体中浮游生物量下降，透明度随之升高。

2013年DO时空分布差异不大，春季较低，冬季较高；2014年DO季节变化幅度较大，春季较低，夏季较高，样点间差异不大；2015年DO季节变化幅度不大，夏季较高，样点间差异较小。

2013年叶绿素a含量季节变化明显，夏秋季较高，冬春季较低。2014、2015年叶绿素a含量变化基本一致，夏季最高，冬、春季较低。

2013年高锰酸盐指数在夏、秋季较高，冬季较低，其他时间以及样点间变化幅度差异较小，COD冬季较小，夏季较高，样点间变化幅度差异较小。2014年高锰酸盐指数变化幅度差异较大，夏季较高，样点间差异不大，CODCr夏季较高，冬季较低。2015年高锰酸盐指数、COD变化趋势与2014年近似，冬季较小，夏季较高。

2013年氨氮含量冬季较低，其他季节变化不明显；2014年夏秋季较高，冬春季较低，样点间差异不明显；2015年夏季较高，其他时段变化幅度不大，样点间差异不明显。

2013年TN含量冬季较低，春夏季较高,样点间差异明显，S01样点含量明显高于S03样点。2014年季节变化明显，夏季最高，冬春季较低，样点间差异不明显；2015年季节变化明显，秋季最高，冬春季较低，样点间差异不明显。

2013年TP含量季节变化明显，冬季较低，春夏季较高。2014年、2015年TP含量变化趋势相似，季节变化明显，夏季较高，春季较低，样点间差异不明显。

2.2 星海湖水环境质量综合评价

2.2.1 BP神经网络法评价

以4个样点溶解氧、高锰酸盐指数、氨氮、总氮、总磷的平均值作为评价因子，以《地表水环境质量标准》中相关指标限值作为训练样本，为了有足够的训练样本，使用等差插值的方法使训练样本加密一倍，然后进行归一化[]，运用DPS软件进行训练和仿真，网络输出结果如表1。2013年春、夏、秋季的水质都为Ⅲ类，冬季的水质为II级。2014年春、秋两季为Ⅲ级，夏季为Ⅳ，冬季为Ⅱ。2015年春冬两季水质为Ⅱ类，夏、秋两季水质为Ⅲ类。

2.2.2 灰色关联法评价

以4个样点溶解氧、高锰酸盐指数、氨氮、总氮、总磷的平均值作为评价因子，然后把数据进行归一化[]，分辨系数为0.1，通过DPS软件计算关联度，关联度评价结果如表2。2013年春、夏水质为III类，秋季为Ⅱ类，冬季为Ⅳ；2014年春季为Ⅴ类、夏季为Ⅱ类，秋季为Ⅱ类，冬季为Ⅴ类；2015年春季为Ⅴ类，夏季为Ⅲ类，秋季为Ⅲ类，冬季为Ⅱ类。

表1 BP神经网络评价结果Tab.1 Evaluation results of BP neural network

表2 关联度计算结果Tab.2 Evaluation results of grey correlation

2.2.3 综合营养状态指数评析

星海湖2013-2015年平均综合营养状态指数变化情况见表3。2013年春夏秋季为轻度富营养化，冬季为中营养；2014年春、秋、冬季为中营养，夏季为轻度营养。2015年春冬季为中营养，夏秋为轻度营养。

3 结语

星海湖补水主要是在春季、夏季和秋季，水源主要来自黄河干渠生态补水和农灌退水，补水水质对星海湖水体影响很大。根据环境监测站监测结果，黄河石嘴山入境断面水质污染指标主要为高锰酸盐指数、氨氮、化学耗氧量、挥发酚。所以星海湖春、夏、秋季高锰酸盐指数、氨氮、化学耗氧量都比冬季高，夏季补水量最大，故指标值最大。冬季属于枯水期，黄河水几乎不会补充星海湖中，故指标值最小。星海湖东，北，南域都是人工养鱼场，随着温度升高，向湖中投放的饲料会相继增加，夏季鱼类生长快，新陈代谢快，向湖中排泄的代谢物比较多。鱼类未吃完的饲料残留在湖中和周围人类生活污水未处理直接排放到湖中，多方面因素增大了湖中氨氮、总氮、总磷的含量。夏季浮游植物大量繁殖和生长，叶绿素含量也在夏季达到了最大。

在水体环境中，影响水体水质的因素很多，不同时期、不同指标对水质类别的贡献程度是处于变化过程中的，具有不精确、不确定和不完全性的特征[14]。运用BP神经网络法和灰色关联法的评价结果有差别，综合两种方法的优缺点和星海湖的实际水体情况，本研究认为，对于星海湖，BP神经网络法的评价结果较为符合实际。星海湖水质冬季较好、夏季较差，总体水质较好，为Ⅱ、Ⅲ类水，受污染程度小。根据星海湖水环境因子的时空分布特征，可以看出星海湖湖水质与季节变化有密切关系，高锰酸盐指数、氨氮、氮磷营养盐是造成水体污染的主要原因。星海湖的水质受灌溉渠补水影响较大，次要影响为星海湖内水产养殖对水质所造成的影响。有机物污染、氮磷营养盐主要来源于灌溉渠补水和星海湖内的水产养殖场，因此对星海湖污染治理应该大力着手于灌渠补水水质，合理控制养殖规模。

表3 星海湖水体富营养状态综合评价结果Tab.3 Evaluation results of comprehensive trophic state index

星海湖的营养状态季节变化明显，变化趋势和氮磷的时空分布特征一致，主要是由于氮和磷是湖水体中非常重要的营养元素，在很多水体中是浮游植物生长的限制性营养元素，氮磷含量过低会限制浮游植物的生长，过高会导致浮游植物种类组成发生变化。此外星湖的pH长期大于8.4，由于高pH(8.0以上)有利于蓝藻生长，再加之氮磷含量较高，长此以往会导致蓝藻大量生长，蓝藻会成为优势种，使得富营养化程度加重。

星海湖水体呈现一定程度的污染，轻度富营养化，氮磷营养盐超标是造成星海湖水体污染和富营养化的主要原因，因此星海湖的水环境防治治理应该以降低外源性的氮磷营养盐含量为主。

[1] 王娅娟. 宁夏星海湖湿地水环境污染评价及可持续利用研究[J]. 农业科学研究,2010,(4):46-49.

[2] 刘阳. 星海湖现有水体污染源调查[J]. 宁夏农林科技,2012,(10):133-134.

[3] 王晓鹏. 河流水质综合评价之主成分分析方法[J]. 数理统计与管理,2001,20(4):49-52.

[4] 曾永,樊引琴,王丽伟,等. 水质模糊综合评价法与单因子指数评价法比较[J]. 人民黄河,2007,(2):45,65.

[5] 袁秀娟,毛显强,李卓,等. 用改进的灰色识别法评价地表水环境质量——以北京石景山区莲花河新开渠为案例[J]. 城市环境与城市生态,2006,(1):7-10.

[6] 曹艳龙,汪西莉,周兆永. 基于BP神经网络的渭河水质评价方法[J]. 计算机工程与设计,2008,22:5 910-5 912,5 916.

[7] 刘小楠,崔巍. 主成分分析法在汾河水质评价中的应用[J]. 中国给水排水,2009,18:105-108.

[8] 江敏,余根鼎,戴习林,等. 凡纳滨对虾养殖塘叶绿素a与水质因子的多元回归分析[J]. 水产报,2010,(11):1 712-1 718.

[9] 马细霞,贺晓菊,赵道全,等. B-P网络隐含层对水质评价结果的影响分析[J]. 水电能源科学,2002,(3):16-18.

[10] 吴梅,钱翌. 灰色关联分析法在水磨河水环境质量评价中的应用[J]. 安全与环境工程,2006,(1):26-29.

[11] 《地表水环境质量评价方法》(试行)[S].