松花江省界缓冲区水质监测断面类别分析

彭俊，刘洪超，郑国臣，姜厚竹

（1.松辽流域水资源保护局，吉林长春130021；2.东北林业大学林学院，黑龙江哈尔滨150040）

松花江省界缓冲区水质监测断面类别分析

彭俊1，刘洪超1，郑国臣1，姜厚竹2

（1.松辽流域水资源保护局，吉林长春130021；2.东北林业大学林学院，黑龙江哈尔滨150040）

利用K-均值聚类分析，得出松花江流域省界缓冲区水质监测断面所属类别，将51个水质监测断面划分为7类，并对每类中的监测断面进行优化分析。根据松花江流域省界缓冲区，原来51个监测断面的自然地理位置等自然属性和监测指标优选原则，将监测断面优选为39个，精简了12个断面，减小了监测工作量，节约了监测费用。

松花江；省界缓冲区；监测断面；类别分析

松花江流域省界缓冲区是为黑龙江省、吉林省、辽宁省、内蒙古自治区4个省级行政区而特设的水功能区。省界缓冲区是以省界为中心向各省级行政区域不断扩展而划分出的缓冲水域，是流域水资源管理的重要区域，控制上游对下游或相邻省份的水污染，将污染风险降到最低，分清跨省污染问题的责任，强化对各省水资源管理的监督、考核和问责，加强各省级水资源单位对水资源保护力度，真正落实国家最严格的水资源管理制度[1]。水质监测断面的布设是水环境监测工作成功与否的核心环节，对水质监测断面进行优化是体现水环境监测科学与否的重要环节[2]。水质监测断面优化设置,就是根据水质监测数据对松花江流域省界缓冲区内水环境划分级别或类型，按水体污染性质及污染程度在空间上划分为不同的污染区域，同时结合水质监测断面的重要性和沿程水体中污染物变化情况及水质状况，科学合理地布设水质监测断面，以达到水质监测以最小的人物财力投入，所获监测数据更具代表性和科学可信的目的。

1 水质监测断面优选原则

在对水质监测断面按K-均值聚类分析法进行优化后，监测断面的优选应遵循以下原则：属于同一类别的水质监测断面原则上至少选择一个；同一类别中,相邻的监测断面之间有2种以上主要污染指标呈显著或极显著相关，并且属于同一功能类型的断面保留一个；国控、省控断面保留；河流源头及出入境处、一级支流汇入处、重要饮用水源地的断面尽量保留，未设监测断面的需增设省控断面；数据获取率低于50%的监测断面,原则上去除；有2种以上主要污染物年际变化不稳定的(变异系数超过70%)断面原则上去除；监测断面数目介于1和3之间的未作聚类分析河流，若相邻监测断面有2种以上主要污染指标显著相关或水质无显著差异，并且属于同一功能类型的断面原则上可以选取一个；无法满足代表性、可行性、方便性等地表水监测断面设置基本要求的去除或移位；兼顾生态补偿,城市环境综合整治定量考核与环境管理需求,尽量做到一个断面一套数据、多种功能[3]。

2 K-均值聚类法优化水质监测断面

K-均值聚类分析方法是基于划分的聚类算法，该过程的聚类是通过不断迭代直至达到最优解而实现的，这类聚类算法因具有逻辑简单、占据存储空间小、处理效率高，较适合于对大规模数据进行聚类。以2015年松花江流域省界缓冲区51个水质监测断面上优化后的铜、硒、COD、BOD5、氨氮、总磷和砷共7项水质监测指标的监测数据为基础，利用K-均值聚类法对该流域省界缓冲区水质监测指标进行优化。

3 K-均值聚类对断面优化结果分析

利用spss 21.0软件，将松花江流域省界缓冲区51个监测断面7项优化后的水质监测指标作为元数据，利用K-均值聚类分析法来分类处理[4]，从而实现断面优化。

3.1 断面水质监测数据标准化处理

为消除不同水质监测指标间的量纲差异，需对数据进行标准化处理。

3.2 样本分类数K值的确定

变量F可以综合反映各样本特征的组间紧密程度和分散程度，数值越大，说明该特征的组内关系越紧密，而组间关系越离散，分类相对也就更为合理。根据松花江流域省界缓冲区水质监测断面分布状况、监测项目个数等，预设聚类数为3～10之间。当水质监测断面分为7组时，F的统计值最大，因此，K-均值聚类分析的K值应选取7。

3.3 聚类中心

K-均值聚类法得出的结果，按7类对松花江流域省界缓冲区51个水质监测断面聚合，确定初始聚类的各变量中心点。为使各类别间距达到最优，K-均值聚类分析对以上的初始聚类中心迭代，聚类中心的变化为0.000，迭代停止。松花江流域省界缓冲区51个水质监测断面，作为这次分析的聚类成员所属的类及所属类中心的距离，具体划分结果如表1。

表2为K-均值聚类分析的聚类结果形成的聚类中心的各变量值，结合表2和表3可以看出，51个水质监测断面可分为7类。第一类包括石灰窑、尼尔基大桥等11个监测断面；第二类包括加西、白桦下等16个监测断面；第三类包括拉哈、二节地等10个监测断面；第四类只有龙家亮子1个监测断面；第五类包括嫩江浮桥、塔虎城渡口等3个监测断面，第六类包括小莫丁、同发等2个监测断面；第七类包括两家子、浩特营子等8个监测断面。

表1 聚类成员

表2 最终聚类中心

3.4 聚类结果检验

K-均值聚类分析的结果是否可靠，可根据ANONA表来判断。方差分析表明，针对每种聚类的结果，对分类进行检验都会显示sig为0.000，类别间距离差异的概率值均小于0.010，说明通过聚类所得的类别之间是有显著差异的，这也是聚类分析必要的。松花江流域省界缓冲区51个水质监测断面在7个类别中存在着显著差异，结果有效。

3.5 K-均值聚类分析结果分析

按水质监测断面优选原则来对上述7类监测断面进行分析，第一类中，石灰窑、尼尔基大桥和江桥均位于嫩江黑蒙缓冲区，可以考虑将其合并为一个，由于尼尔基水库具有重要的水生态意义，保留尼尔基大桥断面；金蛇湾码头、肖家船口和同江均为国家考核断面，必须保留。第二类中，加西、白桦下、柳家屯均位于甘河蒙黑缓冲区，断面情况及水质状况评价结果相似，由于柳家屯位于甘河的保留区内，则该断面保留；古城子和萨马街断面均位于诺敏河蒙黑缓冲区，可以考虑合并，只保留古城子；大河和新发断面在音河流域上，大河断面较新发断面距省界距离较远，采样时较为不便，可以考虑把大河断面上升为新发断面；乌塔其农场和龙头堡断面为新增断面，其中乌塔其农场断面为国控断面，从数据的获取率上分析，龙头堡的获取率低于50%，因此应考虑删除。第三类中，牛头山大桥、蔡家沟和板子房断面为拉林河一级支流监测断面，这三个断面距省界距离较远，监测数据的代表性极差，保留一个即可，由于板子房断面为国控断面，则应保留。第六类中，小莫丁为国家考核断面，同发为新增断面，分析同发断面的数据获取率极低，所在的霍林河经常出现断流现象，故应删除。第七类中永安和煤窑断面均是新增的，断面的相似性极高，但是煤窑断面的数据获取率极低，同时根据距省界距离选择保留永安断面；宝泉和野马图这两个断面，宝泉断面为国家考核断面，则可以考虑将这两个断面合并为宝泉断面。监测断面优化结果见表3。

表3 监测断面优化结果

4 结论

利用K-均值聚类分析，可以得到松花江流域省界缓冲区水质监测断面所属类别，将51个水质监测断面划分为7类，并对每一类别中的监测断面进行优化分析。根据K-均值聚类分析结果，实现了对监测断面的删除、合并和新增。经过优化后，根据松花江流域省界缓冲区原来51个监测断面的自然地理位置等自然属性和监测指标优选原则，将监测断面优选为39个，删除掉许多重复断面，大大减小了监测工作量，节约了监测费用。利用K-均值聚类分析优化水质监测断面，克服了以往单凭经验优化时过于依赖主观分析的不合理因素,提供了客观分析的依据,提高了水质监测点优化的准确性和工作效率。

［1］许琳娟，褚俊英，周祖昊，等.松花江流域水环境质量特征分析［J］.水资源保护，2012，28（6）：55-58.

［2］李玮，褚俊英，秦大庸，等.松花江流域水污染特征及其调控对策［J］.中国水利水电科学研究院学报，2010，8（3）：229-232.

［3］李茜,张建辉,罗海江.区域地表水监测断面优化调整的技术方法［J］.环境监控与预警，2012，04（1）：34-37.

X824

B

1002—0624（2017）08—0054—03

2017-04-25