关于松花江水体中的多环芳烃污染源解析因子分析

张美娜

摘 要：多环芳烃类污染物对流域水环境会造成严重破坏，而且传统的研究与分析方法也无法满足实际要求， 根据流域污染状况，需要深入分析水体中各类沉积物及悬浮颗粒物当中的多环芳烃污染实际情况。基于松花江流域实际情况，对其多环芳烃污染源解析过程中对因子分析方法的应用进行深入分析，并验证分析结果的真实性，提出污染治理建议，希望能为后续污染治理工作提供参考借鉴。

关键词：松花江 多环芳烃污染 源解析 因子分析

中图分类号：X52 文献标识码：A 文章编号：1672-3791（2018）11（b）-0108-02

多环芳烃类污染物对流域水环境会造成严重破坏，而且传统的研究与分析方法也无法满足实际要求，需要采用新的方法来明确其污染情况。其中，在源解析中采用因子分析方法是一种值得推广借鉴的手段。

1 流域基本情况

在我国，松花江是七大河流重要组成部分，总水资源数量可以排在全国第三，其地理位置为东经119°52′～129°30′，北纬41°42′～51°38′，总面积约55.68万km2。其源头有以下两个：第一，北源嫩江，以大兴安岭支脉伊勒呼里山中段南侧的南瓮河源地为起源地；第二，南源第二松花江，以白头山天池为起源地。这两个江源均能下流到三岔河，并在汇合后持续向下，即为松花江的干流。整条干流向东侧流动到同江市，然后从右岸进入黑龙江。其总长为：嫩江源总长约2309km，干流总长约939km，另一松花江源总长约1897km。整体可分成上游段、中游段和下游段。

2 分析方法

2.1 因子分析

属于多元统计分析范畴，对于多元统计，其基本思路为充分利用不同物质之间保持的关系得到源成分谱，也可确定能暗示主要排放物质的因子。开展因子分析的目的在于浓缩数据，也就是将海量可能有相互联系的变量处理成少量没有关联的指标。解析各个污染源，通过对因子分析的合理应用，对不同污染指标存在的依赖关系实施深入分析，同时用相应的变量进行表达，反映出过去由海量变量表示的信息，并对不同变量间存在的关系进行解释。基于此，对主要因子在受体中的贡献进行分析，即可明确样本实际污染源状况。该方法隶属于受体模型，不仅实现的条件十分简单，而且无需提前了解指纹谱，可对现有监测数据进行充分利用，保证污染源解析结果的准确性[1]。

2.2 研究区域与数据分析处理

数据主要来源于国、省控实时监测断面对应的多环芳烃污染物源实时监测数据，对松花江而言，其分别处在丰水期与平水期。将多环芳烃作为检测指标，在丰水期布置18个专门的断面，在平水期布置16个专门的断面。进行因子分析时，为使其对原始变量进行均等处理，避免因数值差别很大产生不利影响，分析开始前，应对每个采样点对应的浓度数值实施标准化处理，其计算公式为：

式（1）中，Xi为X的第i个观测结果；为X的平均值；S表示标准差。

3 研究结果和讨论

3.1 丰水期

为对因子分析方法适用性进行验证，先根据KMO标准，对数据进行球度检验。对于球度检验，主要确定相关性矩阵是否屬于单位矩阵，若不属于，则因子分析方法具有适用性。当KMO数值与1接近时，说明变量之间有很强的相关性，现有变量与因子分析相适应。这一标准提出，当KMO的数值超过0.6时，可进行因子分析。

因萘具有很高挥发性，会使分析结果出现很大偏差，所以本次研究不考虑萘。参与主成分分析与计算的研究数据为所有采样点对应的多环芳烃，包括苊、二氢苊、芴、菲、蒽、荧蒽、芘、苯并[a]蒽、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1，2，3-cd]芘、二苯并[a，h]蒽和苯并[g，h，i]苝[2]。

通过检测可知，KMO的数值为0.78，球度检验结果为0，说明数据符合正态分布，变量之间具有相关性，支持因子分析。以Kaiser为依据，因子特征值必须在1以上。满足这一标准的因子（1#、2#因子）解释了总方差的91%，因此可将其视作主要因子。

其中，1#因子的蒽、苯并[a]芘、苯并[k]荧蒽、菲、苯并[b]荧蒽、?、芴具有相对加高的实际荷载，茚并[1，2，3-cd]芘、苯并[a]蒽、苯并[g，h，i]苝与二苯并[a，h]蒽同样突出，相关研究表明，在焦炉排放物中，多花芳烃类包括蒽、荧蒽、芴和菲二氢苊。如果焦炉直接排放，则会使苯并[a]蒽数量大幅增加。芴与苯并[a]蒽是炼焦主要排放物，燃煤排放的主要污染物包括蒽、菲和苯并[a]蒽。交通排放主要污染物为苯并[g，h，i]苝，汽油燃烧后，会放出苯并[k]荧蒽与苯并[b]荧蒽0，而柴油燃烧后，会放出苯并[g，h，i]苝。另外，交通排放会产生大量?。因此，该因子主要表示的是交通污染与燃烧源。

2#因子中，Acy与Ace实际荷载比其它高，研究表面，此类低环组分为炼焦主要排放物质，而油类物质排放以分子量相对较低的PAHs为主。因此，可将该因子定性为炼焦及油类污染源。

1#因子重点监测区包括：镇江口、阿什河口下与佳木斯下，同时这也是污水水平较高的区域。2#因子重点监测区包括：哨口、白旗。根据流域范围内工业和企业实际情况，结合断面所在具体位置特征，可得：（1）二松吉林段中，PAHs由石油与煤的燃烧产生；（2）二松松原段中，PAHs由油类污染及煤的燃烧产生；（3）干流哈尔滨段中，PAHs由电厂及油类物质燃烧产生；（4）干流佳木斯段中，PAHs由油类污染物与煤的燃烧产生[3]。

3.2 平水期

为对因子分析方法适用性进行验证，先根据KMO标准，对数据进行球度检验。对于球度检验，主要确定相关性矩阵是否属于单位矩阵，若不属于，则因子分析方法具有适用性。当KMO数值与1接近时，说明变量之间有很强的相关性，现有变量与因子分析相适应。这一标准提出，当KMO的数值超过0.6时，可进行因子分析。

因萘具有很高挥发性，会使分析结果出现很大偏差，所以本次研究不考虑萘。参与主成分分析与计算的研究数据为所有采样点对应的多环芳烃，包括苊、二氢苊、芴、菲、蒽、荧蒽、芘、苯并[a]蒽、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、茚并[1，2，3-cd]芘、二苯并[a，h]蒽和苯并[g，h，i]苝。

通过检测可知，KMO的数值为0.78，球度检验结果为0，说明数据符合正态分布，变量之间具有相关性，支持因子分析。以Kaiser为依据，因子特征值必须在1以上。满足这一标准的因子（1#、2#因子）解释了总方差的91%，因此可将其视作主要因子。

其中，1#因子的An、Phen、Fluo、Chry、BghiP、BbF与BkF有相对较高的实际荷载，同时BaA与InP同样突出，其污染的来源和丰水期大致相同。因此，该因子主要表示的是交通污染与燃烧源[4]。

2#因子的Flur、Acy、Ace与BaP也具有很高的实际荷载，其污染的来源和丰水期大致相同。因此，该因子主要表示的是炼焦及油类污染源。

1#因子重点监测区包括：呼兰河口下、肇源、阿什河口下、松江、镇江口与白旗；2#因子重点监测区包括：哨口、白旗。因平水期该流域的主要污染源与丰水期没有太大差别，所以实际的污染情况也和丰水期没有明显差别[5]。

3.3 丰水期与平水期流域污染状况综合对比

经对比研究，在丰水期，镇江口、阿什河口下与佳木斯下的污染水平相对较高，属燃煤与交通污染源。而哨口与白旗则是当地炼焦和油类污染较为严重的区域。在平水期，九站、白旗与哨口的污染水平相对较高，其中哨口与白旗的炼焦及油类污染最为严重。对上述污染情况进行汇总，可得该流域属于复合式的多环芳烃污染[6]。

4 结论与建议

4.1 结论

（1）借助统计方法对流域监测断面在丰水、平水两个时期的多环芳烃污染实施因子分析，确定了4个主要的污染来源，即煤和油类燃烧、交通、油类污染物与炼焦。这两个时期的流域污染情况基本相同，没有太大的变化。

（2）因研究范围相对较大，所有断面都具有一定特殊性，流域受复合式污染，在采样点周围的大型工厂，均属于主要污染源。

（3）在二松吉林段中，污染物主要从包含吉林石化等在内的企业中排出。在二松松原段中，污染物主要从附近油井及电厂中排出。在干流哈尔滨段中，污染物主要从附近电厂中排出。在干流佳木斯段中，污染物主要从电厂及焦化厂中排出。

4.2 建议

根据流域污染状况，需要深入分析水体中各类沉积物及悬浮颗粒物当中的多环芳烃污染实际情况，同时还要对污染源进行定量分析与计算，规定时间完成流域整体环境多环芳烃污染二次测定与主要来源的因子分析解析，并通过纵向對比，确定污染物和它的来源实际变化情况及规律，为后续污染治理工作提供参考借鉴，最终实现提高污染治理水平的根本目标。

参考文献

[1] 于英鹏，刘敏.上海市多环芳烃潜在污染源成分谱特征初探[J].科学技术与工程，2017，17（11）：131-136.

[2] 李嘉康，宋雪英，崔小维，魏建兵.土壤中多环芳烃源解析技术研究进展[J].生态科学，2017，36（5）：223-231.

[3] 王喆，卢丽，夏日元.城市近郊型地下河水中多环芳烃分布规律与来源解析[J].环境化学，2015，34（11）：2096-2102.

[4] 周海军，孙文静，团良，等.重点污染源企业周边农田土壤中多环芳烃污染水平与风险评价[J].环境化学，2013，32（10）：1976-1982.

[5] 章汝平，陈克华，何立芳.九龙江龙岩段地表水中多环芳烃分布与污染源解析[J].中国环境监测，2014，30（4）：107-111.

[6] 高鲁红.莱芜大气污染源排放颗粒物中多环芳烃研究[J].环境监控与预警，2018，10（5）：45-47.