羊昌河流域岩溶地下水水化学特征及影响因素分析

2019-08-06王中美周向阳

安全与环境工程 2019年4期

张荣，王中美，周向阳

(贵州大学资源与环境工程学院，贵州贵阳 550025)

在西南岩溶地区，贵州省是岩溶地貌分布面积最大、岩溶类型最齐全的省份，其独特的地质构造和地形地貌使其地下水系统具有复杂性和脆弱性等特点[1]。岩溶地区的落水洞、岩溶裂隙和竖井成为各种地表及大气污染物直接进入岩溶地下水系统的通道,地下水十分容易遭受污染。而岩溶地下水系统一旦遭到破坏,其恢复难度比非岩溶区更大[2]。

羊昌河是贵阳市最重要的饮用水源地——红枫湖的最大源流，梯级水电的开发[7]、生活污水的排放以及农业化肥的滥用[8]，已经严重影响了红枫湖作为饮用水水源的水域功能。因此，本文以羊昌河流域岩溶地下水作为研究对象，综合运用描述性分析、聚类分析和因子分析等多种多元统计分析方法对羊昌河流域岩溶地下水的水化学特征及其影响因素进行研究，以对该地区地下水污染防治以及岩溶地下水资源保护和管理工作提供指导。

1 研究区概况

羊昌河位于贵州省安顺市东北部境内，先后流经安顺西秀区、平坝区，而后汇入红枫湖，其地理位置为东经105°59′～106°22′、北纬26°9′～26°29′。该地区属亚热带季风气候区，春暖秋凉，夏热冬寒，四季分明，年平均气温为15℃，降雨集中于4～9月份，年降水量介于1 200～1 400 mm之间。

受新构造运动以来的地壳抬升及河流下切的影响，该地区在地貌上表现出独特的丘原-峡谷二元结构，褶皱、断层发育，地质结构复杂多变，地貌类型主要为峰丛和峰林。由于受太平洋板块和亚欧板块的长期挤压，使得区内北东-南西和南北向构造发育，决定了该流域山脉和水系的基本走向[9]。

研究区主要地层岩性为：三叠系下统(T1)薄-中厚-厚层状白云岩、石灰岩；三叠系中统(T2)厚层块状白云岩、石灰岩、砂页岩互层；二叠系下统(P1)中-厚层石灰岩，底部为砂页岩及劣煤层；二叠系上统(P2)泥页岩夹燧石灰岩；石炭系(C)中-厚层石灰岩、白云岩、白云质灰岩。

区内地下水类型主要有碳酸盐岩裂隙溶洞水、碳酸盐岩与碎屑岩裂隙溶洞水、基岩裂隙水、松散岩类孔隙水，其中裂隙溶洞水含水层的出露面积达89%。

研究区存在以化工厂为代表的工矿企业，土地利用类型以农业用地为主，由于施用的化肥不能被农作物完全吸收，因此剩余部分会残留在耕作层中；区内村落大多依水而建，且人口居住分散，产生的生活污水大多直接排入河沟中。以上因素对该地区地下水环境产生了重要的影响。

2 水样采集与研究方法

2. 1 水样采集及分析测试

图1 研究区地下水采样点分布图Fig.1 Distribution map of groundwater sample points in the study area

2. 2 研究方法

聚类分析(HCA)是指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是将相似程度较高的指标聚合为一类，从而将所有指标聚合在一起[10-11]。根据研究对象的不同，聚类分析分为Q型聚类(对样品分类)和R型聚类(对变量分类)。在地下水水质研究中常采用Q型聚类，本次研究使用组间联接方法和平方欧式距离对地下水样品数据进行Q型聚类分析[11]。

因子分析(FA)是从研究原始变量相关矩阵内部结构出发，通过降低变量维数的方法，将一些具有错综复杂关系的变量归纳为几个综合因子[12]。根据研究对象的不同，因子分析分为Q型(样品间相互关系)因子分析和R型(变量间研究关系)因子分析。在地下水水化学研究中，常采用R型因子分析[13]，本次研究利用SPSS 24.0软件对变量数据进行R型因子分析。

3 研究结果与讨论

3. 1 研究区地下水的水化学特征分析

对研究区28个地下水水样的12项水化学成分常规指标数据进行统计分析，其统计结果见表1。

表1 研究区地下水水样的水化学成分常规指标统计

注:除pH值无量纲外，其余指标的单位均为mg/L。

根据研究区地下水水样的水化学成分Piper三线图(见图2)，按舒卡列夫分类法，研究区有15个水样点地下水的水化学类型为HCO3-Ca·Mg型水，占总水样点的54%；其余13个水样点为其他水化学类型，其中有6个水样点地下水的水化学类型为HCO3·SO4-Ca·Mg型水，有4个水样点地下水的水化学类型为HCO3-Ca型水，有3个水样点地下水的水化学类型为HCO3·SO4-Ca型水。

图2 研究区地下水水样的水化学成分Piper三线图Fig.2 Piper three-line diagram of the hydrochemical composition of groundwater samples in the study area

变异系数(CV)可以反映样本数据的离散程度，通常CV≤0.1为弱变异性，0.11，表明该流域岩溶地下水中K+和F-的分布不均匀且表现出强烈的空间变异性。K+的来源主要是硅酸盐的溶解[15]，此外大气降水、农业活动和离子置换也是K+的重要来源[16]。F-主要源于含氟矿物的溶解，包括萤石、磷灰石、电气石、云母和其他矿物岩石的风化产物，此外人为污染也是F-的重要来源[17]。地下水pH值的CV<0.1，表明该流域岩溶地下水pH值的空间变异性较弱；而研究区地下水中其他离子均表现出中等变异性。由此可见，所取地下水水样的离散性较好，可以进行聚类分析。

3. 2 研究区地下水水化学类型的聚类分析

本文利用SPSS 24.0软件，采用组间联接方法和平方欧式距离对研究区地下水水化学成分各项指标的原始数据进行Q型聚类分析，得到其聚类分析谱系图，见图3。

图3 研究区地下水水样聚类分析谱系图Fig.3 Cluster analysis pedigree of groundwater samples in the study area

由图3可见，当类间距离<15时，分类效果较好，研究区地下水水样可分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四类。

图4为研究区地下水水样聚类及水化学类型空间分布图。

图4 研究区地下水水样聚类及水化学类型空间分布图Fig.4 Clustering and spatial distribution of water chemistry types of groundwater samples in the study area

3.3 研究区地下水水化学成分各项指标之间相关性的因子分析

作为多元统计方法的一种，因子分析的目的主要是将原始数据浓缩，将彼此可能存在相关性的变量转换成几个不相关的综合指标。且因子分析不需要区内污染源的监测数据，在缺少污染源成分谱的情况下仍可对地下水污染源进行解析。

本文将研究区地下水水化学成分各项指标的原始数据进行因子分析，得出研究区地下水水化学成分12项指标间的相关系数矩阵(见表2)，并通过原始数据计算得出旋转因子荷载矩阵的贡献率、累计贡献率(见表3)，再根据贡献率选出4个主要因子，这四项因子的累计贡献率为77.918%，反映了总样本77.918%的信息量。