淮河上游水质污染特征及其综合评价

2018-10-12焦利民

水土保持研究 2018年5期

党伟,焦利民

(1.河南城建学院,河南平顶山 467000; 2.武汉大学资源与环境科学学院,武汉 430083)

人类活动和全球气候变化引起了水质恶化、湖泊富营养化、水生态环境破坏等一系列的水环境问题，如何改善水污染现状已成为区域水环境研究中迫切需要解决的问题[1-3]。另外，河流水质因子众多，而且受地理环境、气候因素、土地利用方式、及人类活动的影响使得流域水质在时空上呈现较大的异质性[4-5]。明晰水质的时空变化规律是评价水环境质量、分析污染来源和改善水环境质量的前提，也是当今水质监测与评价的重点和难点。河流、特别是流经人类活动对自然环境影响相对强烈区域的内陆河，是区域生态环境可持续发展的重要因素[6-7]。作为区域居民生活污水、工业废水和地表径流排放的主要载体，内陆河最易遭受到污染和破坏。近几十年来，政府已经逐步建立了环境监测体系并且开展了大量水质监测项目，获得大量的水质监测数据，包括物理化学、有机物、重金属及生物指标等各种数据[8-9]。由于各个监测指标及监测点之间存在复杂的相互影响，导致大量的监测数据并不能充分的利用与分析，给水质专家和地方决策者如何采取有效措施管理和改善水环境提出了一个挑战[10-11]。因此，从大量的环境监测数据中挖掘出有用的信息，探索水质的时空分布模式，识别潜在污染源能够提高人们对区域环境状况的认识，帮助决策者建立高效合理的水环境管理方案。

水质评价是环境治理与监控的一项基础工作，通过水质监测，可对水质做出合理评价，并制定有针对性的水环境治理规划和方案，水质评价的合理性将直接影响水环境整治决策的准确性[12-14]。自1956年起，我国水利部相继在全国500多条河流上建立了900多个水化学监测站，对河水的理化性质进行监测，进而关注河流水质问题。然而，许多检测程序会输出大量复杂的数据，包括物理、化学、生态及微生物的。由于参数和监测点之间的潜在关系，这些数据很难分析、解译和梳理[15-16]。因此，有必要从数据集中提取有用信息，通过识别代表性参数从而优化监测网络，解析潜在污染源。近几十年来，地方政府部门开展了大量河流水质监测项目，鉴于各个监测指标及监测点之间存在复杂的相互影响，无法直观地提供给地方决策者管理和改善水环境的依据；因此，有必要以大量的环境监测数据为基础，综合评价河流水质，识别潜在污染源，帮助决策者建立高效合理的水环境管理和综合治理方案。

近年来，各类评价方法和多元统计方法被广泛应用于水质综合评价。单因子水质标识指数法既能直观表达水质类别，反映水体达标情况，做出定性评价，也能进行定量评估[17-18]；多元统计分析法能够将复杂的数据矩阵转化成更易理解的水质生态问题，对影响水系统的因子或污染源做出判断，并对水源和污染物的迁移转化规律提供有价值的信息[19]。数据的多元处理广泛适用于描述和评估地表水质，并且有效论证了水质时空变异会受到与季节相关的自然和人为因素的影响[20-21]。因此，本研究结合单因子水质标识指数法和多元统计分析法对水质时空分布特征进行分析，以期得到准确且全面的水质信息。水质标识指数法(WQI)是一种基于代数运算的水质连续性刻画评价方法，对水质进行定性与定量评价，并考虑多个水质因子之间的相互作用，能够较好地评价污染严重的河流水质。多元统计技术能够对复杂的多元数据进行降维简化，且可以保证主要信息不会丢失[22-24]。方差分析、因子分析作为传统的多元统计技术，在水质时空分异特征及潜在污染源识别上得到普遍的应用。此外，以往的研究割裂开了时间与空间相互作用的机制，只是单独探讨了时间与空间上的分异特征及污染源识别，忽略了时间对空间分布规律及其污染源的影响。本研究基于淮河流域的水质监测数据，应用综合水质标识指数法和方差分析法对水质进行综合评价，揭示河道水质污染特征和时空变化规律；结合单因子标识指数识别不同时间段不同区域水环境的主要污染源，识别流域水质时空分布特征及污染源解析，为河流管理提供理论依据及决策支撑。

1 材料与方法

1.1 数据来源

数据来自淮河上游2006年1月—2016年12月的流域监测站(南阳、信阳、阜阳、六安监测站)。为了分析方便，各水期的水质按照相应月份取平均值，本文选取丰水期(7月份)、枯水期(1月份)和平水期(10月份)进行水质时空分析(以下简称丰、平、枯)。每个监测站对该地区不同时期水质各指标均测定，其中南阳和信阳监测站野外监测点为15个，测量重复数为3，不同水期均采样测定，每年测量样品数为105；阜阳和六安监测站野外监测点为21个，一年测量样品数为189。

1.2 分析方法

水质标识指数单因子水质标识指数PI可表示为：

PI=W1·W2·W3

式中：W1为第I项水质指标的水质类别；W2为监测数据在W1类水质变化区间中所处的位置；W3表示水质类别与功能区划设定类别的比较结果，视评价指标的污染程度而定。

综合水质标识指数(IWQ)由整数位和3位小数位组成。表示为：

IWQ=X1·X2·X3·X4

式中：X1为综合水质类别；X2为综合水质在X1类水浓度区间中距下限值的位置；X3为参与评价的指标中劣于水环境功能区水质类别的指标个数；X4为综合水质劣于水环境功能区目标的类别数。上述两式中：的W1·W2和X1·X2由计算获得；W3；X3和X4根据比较结果得到。通过综合水质标识指数可以判断河流是否黑臭，判断标准为：6.07.0，水体黑臭。

因子分析是一种数据简化技术，通过研究众多变量之间的内部依赖关系，探求观测数据之间的基本结构，并用少数几个独立的不可观测变量(因子)来表示其基本的数据结构。各公因子对应的最高因子载荷变量对其有最强的解释能力。根据负荷值的大小将变量的相关性水平分为3类：负荷值>0.75，为显著相关；负荷值∈(0.50，0.75]，中等相关；负荷值∈[0.30，0.50]，为弱相关。水质分析中常用因子分析提取污染因子对污染源定性。

水质因子众多，利用所有的因子对水质进行评价有一定的难度，而主成分分析是利用降维的思想，把原来具有错综复杂的变量归纳为少数几个综合变量，其中每个主成分都是原始变量的线性组合，各主成分之间互不相关，从而实现以少数几个综合变量反映原始变量的绝大部分信息，且所含的信息互不重叠。主成分分析法能够全面反映水体的污染程度、主要污染物的类别、来源、成因、时空分布规律以及变化趋势，找到优先控制的监测断面和水质指标。其计算步骤主要有:对原始数据进行标准化处理；计算相关系数矩阵；计算特征值和特征向量；计算对应于特征值的特征向量；计算主成分贡献率和累计贡献率；计算主成分载荷；各主成分得分。

针对定点采样的原始数据，进行主成分分析之前，用Kurtosis和Skewness检验污染指标的分布特征，其结果分别为：-0.685～5.6和-0.802～32.18(置信度为95%)，说明过于偏离正态分布，进行BOX-COX转化之后，所有污染指标呈正态或接近正态分布。同时，为了消除单位的影响，对数据进行标准化，即均值为0，方差为1。

2 结果与分析

2.1 水质特征

2.2 水质指标单因子评价

图1淮河上游水质特征

表1 单因子水质标识指数法对单项水质的评价结果

2.3 水质时空变化综合评价

2006—2016年南阳、信阳、阜阳、六安4个断面综合水质标识指数的评价结果见图2。由图可知，2006—2016年，南阳整体污染程度呈增加趋势，不同时期WQI值基本表现为丰水期>平水期>枯水期，其中枯水期WQI值范围在6.23～7.25，丰水期WQI值范围在6.85～8.36，平水期WQI值范围在6.85～8.12；信阳整体污染程度呈增加趋势，不同时期WQI值基本表现为丰水期>平水期>枯水期，其中枯水期WQI值范围在6.42～7.36，丰水期WQI值范围在7.56～8.45，平水期WQI值范围在6.98～7.64；阜阳整体污染程度呈增加趋势，不同时期WQI值基本表现为丰水期>平水期>枯水期，其中枯水期WQI值范围在6.85～7.69，丰水期WQI值范围在7.98～8.71，平水期WQI值范围在7.23～8.23；六安整体污染程度呈增加趋势，不同时期WQI值基本表现为丰水期>平水期>枯水期，其中枯水期WQI值范围在7.02～7.72，丰水期WQI值范围在8.26～8.95，平水期WQI值范围在7.85～8.46。

图2单因子水质标识指数法对单项水质的评价结果

2.4 水质指标的因子分析

为了验证数据对于因子分析的适用性，首先用Barttett球度检验和KMO标准对数据进行检验，KMO标准一般认为KMO>0.6(其值域在0～1)的适合因子分析。对于确定用几个因子代表污染源，目前常借助Kaiser标准，即提取的因子数量是因子特征值大于1的因子的数量.特征值是一个因子关于所有变量的因子载荷平方总和，它是各个因子解释观察值方差的测量尺度。因子的指标负荷情况如表2所示，现分别解析每个因子所代表的含义。