坪山河水质时空演变规律研究

，，，，

(1.华北水利水电大学，河南郑州450000；2.中国水利水电科学研究院 流域水循环模拟与调控国家重点实验室，北京100038；3.河北农业大学，河北保定071001)

水资源危机已成为世界上一个十分尖锐的社会问题，水资源危机不仅表现在水资源数量的短缺，更反映在水质的恶化。近年来，随着国家《水污染防治行动计划》(简称“水十条”)的发布，城市水系水质越来越受到重视。为更好地推进地区水资源合理有序以及可持续的开发利用，更好地推进最严格水资源管理制度的实施，探求地区水资源管理相对薄弱的环节，开展流域及地区水质评价，识别典型城市河流中主要污染物和研究其时空变化规律很有必要。

水质评价越来越受到人们的关注，评价方法也有很多。目前国内外进行水环境质量评价的常用方法有内梅罗指数法[1-3]，单因子法[4-5]，以及人工神经网络等数据挖掘手段模型[6-9]，T-S模糊神经网络模型[10]，差分进化算法-投影寻踪模型[11]，灰色模式识别模型[12]，可拓学物元分析方法[13-14]，模糊评价法[15-16]，主成分分析法[17-20]以及主成分分析法与其他方法耦合[21-22]等。Chang分析了Han River及其支流在1993—2002年中水环境时空变化，识别了主要影响因子[23]。Sener等结合水质指标法和GIS技术评估Aksu 河的水环境状况，认为化学需氧量和镁是造成水环境恶化的主要参数[24]。Singh等采用多元统计分析方法，对Gomti River的24个水质参数进行研究，分析了河流水环境的时空变化特征[25]。张汪寿等利用多元统计法对北运河武清段水污染的时空变异特征进行了分析[26]。拜亚丽采用熵权的集对分析法对水环境质量进行评价[27]。

本文以深圳市坪山河流域为研究对象，通过合理的案例设计与数据分析，以SPSS软件中的主成分分析法为工具，研究了河流污染源主要成分的时空变异性,以期为坪山流域的河流主要污染的时空变化提供参考，为城市河流水污染防治和水环境管理提供支撑。

1 研究区概况

坪山河位于深圳市东北部龙岗区的坪山街道和深圳市大工业区境内，贯穿整个新区，源短流急，是典型的城市雨源型河流。坪山河干流主要有3个水质监测站点，其中碧岭位于上游，红花潭位于中游，上洋断面位于下游。其位置分布见图1。

图1 坪山河研究区位置

2 研究方法

2.1 主成分分析

主成分分析的原理是在保持重要信息的基础上，通过原始变量的少数线性组合代表原始数据的绝大部分信息，减少研究问题的复杂程度。主成分评价水质的方法，具体可分为以下步骤。

(1)

再求得满足|λE-R|=0的非零值λ，根据特征值求出(λE-R)X=0的非零基础解系P1，P2，…，Pn，即为对应特征值λ的特征向量。主成分个数的提取原则为特征值前m个主成分，满足：

(2)

c) 综合评价

λ=λ1+λ1+,…,+λm

(3)

式中，m为主成分个数。通过式(3) 计算各监测断面主成分的得分值及综合得分值，并对其污染程度进行排序。其中综合得分越高，污染就越严重，且主成分表达式中最大线性系数相对应的指标即为最主要的污染物。

应用SPSS软件，主要是为了获得特征向量矩阵和原始数据的标准化后的矩阵。特征向量矩阵是通过“分析”—“降维”—“因子分析”，然后通过“转换”—“计算变量”两步获得；而标准化矩阵通过“描述统计”—“描述”命令实现。后续的综合得分通过Excel操作实行。

2.2 数据来源与案例设计

坪山河流域水质数据来源于深圳市环境监测中心站(碧岭、红花潭、上洋)，其数据监测序列为2011—2015年，监测项目为GB 3838—2002《地表水环境质量标准》中24项常规指标，监测频率为每月一次。为摸清该河流的主要污染物质和时空变化规律，本文数据分析设计如下。

a) 研究空间变异性。按照3断面分别找出每个断面的主要污染成分指标，将5 a的数据和国标的4个类别(Ⅱ，Ⅲ，Ⅳ，Ⅴ)的标准数据的22个指标，设计(64×22)的矩阵，分别求出每个断面的主要污染指标。

b) 研究时间变异性。按照5 a分别找出每年的主要污染指标，将3个断面的12个月数据和国标的4个类别(Ⅱ，Ⅲ，Ⅳ，Ⅴ)的标准数据，设计(36×22)的矩阵，分别求出每个年份的主要污染指标。

3 结果与讨论

3.1 水质现状评价

按照GB 3838—2002《地表水环境质量标准》，本文采用单因子污染指数法对碧岭、红花潭和上洋3个断面近5 a的水质情况进行了评价，见图2。

图2 坪山河水质分类评价结果

根据图2可以看出，2011—2015年，上游碧岭的水质数据最好，介于Ⅱ类水与劣Ⅴ类水之间。中游的红花潭和下游的上洋断面水质很差，常年为劣Ⅴ类水。碧岭的水质随季节性的波动比较明显，夏秋季节水质较春冬季节好，这可能跟径流量的季节性变化有关。但是根据这个评价结果，虽然能判别出其主要污染成分，但还很难辨别出其时空变异性。

3.2 坪山河水质空间变异分析

按照3断面(碧岭、红花潭、上洋)将5 a的水质数据的22个指标，设计(60×22)的矩阵，通过 SPSS 软件分析得到3个断面特征值矩阵见表1。最大线性系数即特征值的绝对值越大，其相对应的指标在各主成分中载荷就越大，因此特征值的绝对值最大者对应的污染物指标为主成分中最主要的污染物。每个断面特征矩阵代表80%以上的信息，即在每个矩阵中筛选出代表所有信息80%的特征值。因为每个特征值在所在矩阵中的载荷不同，所以最后筛选出的特征值的个数也不同，即每个断面的主要污染成分个数有所不同。

从表1可以看出，碧岭断面第一、第二和第三主成分中特征值最大值对应的污染指标分别为总磷、总氮和粪大肠菌群，即总磷在第一主成分中载荷最大，总氮在第二主成分中载荷最大，粪大肠菌群在第三主成分中载荷最大。红花潭断面锌、砷在第一主成分中载荷最大，氨氮在第二主成分中载荷最大，氟化物在第三主成分中载荷最大，粪大肠菌群在第四主成分中载荷最大。上洋断面硫化物在第一主成分中载荷最大，氨氮在第二主成分中载荷最大，化学需氧量在第三主成分中载荷最大，硒在第四主成分中载荷最大。分析得到断面的主要污染成分指标，见表2。

表1 3个断面特征值矩阵

表2 坪山河流域不同断面主要污染物分布

从表2可以看出上游碧岭的主要污染物成分为总磷、氨氮、粪大肠菌群；中游的红花潭主要污染物成分是锌、砷、氨氮、氟化物、粪大肠菌群；下游的上洋主要污染物成分是硫化物、氨氮、化学需氧量、硒。3个断面的主要污染物成分出现了一定的变化，其中氨氮是共有的主要污染物成分。

3.3 坪山河水质时间变异分析

按照5 a将3个断面的12个月数据设计(36×22)的矩阵，通过 SPSS 软件分析得到2011—2015年特征值矩阵见表3，同空间变异分析，特征值的绝对值最大者对应的污染物指标为主成分中最主要的污染物。

表3 2011—2015年特征值矩阵

从表3分别可以看出2011—2015年各污染物在主成分中的载荷。通过表3分析得到每年的主要污染成分指标见表4。

表4 坪山河流域不同时间主要污染物分布

从表4可以看出，2011年主要污染物成分为硫化物、氨氮和硒；2012年主要污染物为砷和氨氮；2013年主要污染物为硒、氨氮、粪大肠菌群和挥发酚；2014年主要污染物为砷、氨氮和挥发酚；2015年主要污染物为硒、氨氮、总磷和粪大肠菌群。2011年以来，氨氮一直都是主要的污染物，另外粪大肠菌群、砷、硒也是比较常出现的污染成分。偶尔也会出现硫化物、挥发酚等主要污染成分。

3.4 综合分析

通过特征值计算各监测断面及各年主成分的得分值及综合得分值，并对其污染程度进行排序。其中综合得分绝对值越高，污染就越严重。从表5可以看出，碧岭的最好水质出现在2015年，最差的在2012年，这可以说明2015年的水质比2011年水质状况较好一些，上洋和红花潭也有类似的情况，这说明从2011年以来，水质有一定的改善。

表5 坪山河不同断面在不同时间的综合得分情况

从表6可以看出碧岭12月至次年2月水质较好，红花潭1月至次年4月水质较差。从2011—2015年，水质年度排名最好的一直出现在碧岭，最差的大部分出现在红花潭，这说明碧岭水质优于上洋，上洋优于红花潭。这结果与图2的结果相印证，同时主成分分析法得到了图2得不到的结果。碧岭水质优于上洋，上洋优于红花潭表明污染源主要可能来自中游的红花潭地区。

表6 不同年份综合得分情况

4 结论

在水质评价中，水质指标众多，不同指标间往往存在一定程度的重叠，运用主成分分析可以对原指标变量进行变换后形成彼此相互独立的主成分，在保证原始数据的信息损失最小的情况下，以少数的综合变量取代原有的多维变量，减小评价指标之间的相关影响，反映水质的综合状况。通过分析得到以下3个结论。

a) 上游碧岭的水质最好，介于Ⅱ类水与劣Ⅴ类水之间。中游和下游的红花潭上洋断面水质很差，常年为劣Ⅴ类水。碧岭的水质随季节性的波动比较明显，夏秋季节水质较春冬季节好。

b) 从空间上看，碧岭水质优于上洋，上洋优于红花潭。上游碧岭的主要污染物为总磷、氨氮、粪大肠菌群；中游主要污染物为锌、砷、氨氮、氟化物；下游主要污染物成分为硫化物、氨氮、化学需氧量、硒。3个断面的主要污染物成分出现了一定的变化，其中氨氮是3个断面共有的主要污染物成分。

c) 从时间上看，2011年以来，砷、氨氮一直都是主要的污染物，另外粪大肠菌群也是比较常出现的污染成分。通过污染程度排名，总体来看水质有变好的趋势。

d) 通过主成分分析法所得结果与长年监测实际情况一致，结果表明，主成分分析方法是一种切实可行的水质综合评价方法，对环境质量评价问题有一定的参考价值。