基于聚类分析的乌梁素海水质因子研究

2019-10-21岳程鹏李兴

人民黄河 2019年5期

岳程鹏李兴

摘要：为揭示乌梁素海水质因子相互作用关系和水体环境状况，更好地改善水质，采用2017年乌梁素海水质因子监测数据，基于复相关系数R型聚类分析法对水质因子进行聚类分析，参考《地表水环境质量标准》（ GB 3838-2002）对乌梁素海水质进行分类，分析了影响乌梁素海水质的主要因素，提出了改善水质的意见。结果表明：乌梁素海水质因子分为4类，水温、透明度、溶解氧、总氮、总磷、叶绿素a反映湖水的富营养化程度，pH值反映湖水的碱度，电导率、盐度反映湖水含盐量，COD反映湖水的有机污染物含量;氮磷比揭示出磷是乌梁素海藻类生长和富营养化的限制性因素。

关键词：复相关系数;聚类分析;水质因子;乌梁素海

中图分类号：X524

文献标志码：A

doi：10. 3969/j .issn. 1000-1379.2019.05.015

乌梁素海位于内蒙古乌拉特前旗，为我国第八大淡水湖，是全球荒漠半荒漠地区极为少见的大型寒旱区湖泊[1]。乌梁素海是内蒙古河套灌区生活污水、农田灌溉排水、退水及工业废水的承泄场所，是污染物的储存地，对于缓解黄河下游污染、保持水土、改善流域环境都有极其重要的作用[2]。但是，近年来随着工农业生产快速发展，乌梁素海的环境受到破坏，湖泊的富营养化问题突出，成为内蒙古湖泊水质最为恶化、富营养化最为严重的草一藻型湖泊。因此对乌梁素海水质问题的研究十分必要，有利于改善水质环境，维持生态平衡。

国外学者评价水质所用的方法有多元统计分析和重金属污染指数法[3]、水质指标和线性回归模型（多变量线性回归、分段线性回归）[4]、贝叶斯模型等[5]。国内学者对乌梁素海水质问题的研究集中在水质因子评价方面，运用的研究方法有主成分分析[6]、卡尔森营养状态指数[7]、灰色聚类分析[8]、神经网络评价[1]、灰色模式识别模型[2]等。目前，国内外学者对水质因子的相关性研究仅基于单相关系数分析，基于复相关系数R型聚类分析法的研究鲜见报道。水环境是一个复杂的生态系统，受到许多水质因子相互作用的综合影响，基于复相关系数R型聚类分析法可以使众多复杂的水质因子按照相似关系聚合成若干类，进而找出影响水生态系统的主要因素。

本研究于2017年对乌梁素海水质因子进行监测，依据《地表水环境质量标准》（ GB 3838-2002），参考文献[6-7]研究乌梁素海所采用的水质指标，选取10项水质因子，采用复相关系数R型聚类分析法对乌梁素海的水质因子进行聚类分析，将复相关系数引入到聚类分析中，研究水质因子之间的相互作用，以期为解决乌梁素海生态环境问题提供科学依据。

1 材料与方法

1.1 试验样品采集

2017年4-11月中旬，在乌梁素海人湖口、湖心、出湖口等设置12个采样点（采样点分布情况见图1），采样点采用GPS定位，每个采样点监测水温、透明度（SD）、电导率、pH值、溶解氧（DO）、盐度、总氮（TN）、总磷（TP）、COD、叶绿素a（Chl.a）。将所采集的样品装入聚乙烯瓶中，密封保存，运回实验室进行测试分析，共得到95组数据（剔除4月的一组异常数据）。

1.2 分析方法

总氮的测定采用过硫酸钾氧化紫外分光光度法，总磷的测定采用钼锑抗分光光度法，叶绿素a的测定采用分光光度计法，透明度采用自制赛式盘测定，水温、pH值、溶解氧、COD、盐度、电导率由法国PONSEL多参数水质分析仪现场监测获得。

1.3 数据分析

采用IBM SPSS Statistics（ SPSS 22）对乌梁素海的水质因子进行Pearson相关分析、计算复相关系数以及进行F值检验（即将相关系数转化成方差分析值F，并将转化后的F值运用F-检验法进行检验）。

1.4 复相关系数R型聚类分析法

1.4.1 复相关系数R型聚类分析原理

R型聚类分析的基本思想是在变量之间定义相似系数，相似系数代表变量之间的相似程度，按照相似程度对变量逐一归类。关系紧密的类划归到一个小的分类单位，逐渐扩大，直到所有样品聚类结束，形成一个表示亲疏关系的结构。R型聚类分析的作用是使相互混合复杂的变量聚合成若干个有代表性意义的类，以更加清晰明了地找出影响系统的主要因素。

复相关系数R型聚类分析求新变量Y（由单个变量X_a和X_b合成）与各个旧变量X_i的相关性时，可由合成新变量的单个变量X_a和X_b与各个旧变量X_i的復相关系数表示。由于复相关系数反映的是多个变量与某个变量之间的复相关程度，因此采用F检验法对复相关系数进行显著性检验，如果新变量y和某个旧变量X_i的相关性显著，则把新变量Y与旧变量X_i聚在一起合成一个新变量。复相关系数R型聚类分析法把复相关系数引入到聚类分析中，可以使聚类结果更加精确，提高R型聚类分析法的科学性、合理性。

1.4.2 复相关系数R型聚类分析步骤

2 结果与讨论

2.1 乌梁素海水质因子复相关系数R型聚类结果

将乌梁素海12个采样点的10项水质因子指标记为X1（水温）、X2（透明度）、X3（电导率）、X4（pH值）、X5（溶解氧）、X6（盐度）、X7（总氮）、X8（总磷）、X9（COD）、X10。（叶绿素a），求这10项指标之间的相关系数矩阵，再将相关系数矩阵转化为F值矩阵，见表1。

由表1可知，X3、X6之间相关性检验的F值最大，即F3.6= 29.020，显著性a=0.05， F3，6 >F0.05（1，95 -1 -1）=3.941.因此可将X3、X6合并。将合并后的X3、X6记为新的指标Y1（ X3，X6），求新指标y与旧指标之间的复相关系数，并将复相关系数矩阵转化为F值矩阵，见表2。

由表2可知，Xl、X7之间相关性检验的F值最大，即F1.7=21.279.显著性a=0.05，F1.7>Fo.os（1，95 -1-1）=3. 941，因此可将X1、X7合并。将合并后的X1、X7记为新的指标Y2（ X1，X7），求新指标l，与旧指标之间的复相关系数，并将复相关系数矩阵转化为F值矩阵。由此计算公式，同理依次可得新指标Y3（ X1，X5，X7）、Y4（X1， X5， X7， X8）、Y5（ X1，X5， X7，X8， X10）、Y6（X1，X2，X5，X7，X8，X10），求新指标Y6与剩余旧指标之间的复相关系数，再将复相关系数矩阵转化为F值矩阵，见表3。

由表3可知，最大的F值为F（ 3.6），9=3.025，但Fc3.6），9

2.2 乌梁素海水质类别

按照《地表水环境质量标准》（ GB 3838-2002），计算得出乌梁素海总氮、总磷、溶解氧、COD等5种水质指标的2017年年均值，分别为2. 70、0.23、8.62、6.05、85.00 mg/L，pH值年均值为8.62，水质类别分别为V类、V类、V类、Ⅱ类、V类。由此可知，2017年乌梁素海水质较差，属于V类，只适用于农业用水及一般景观用水。李兴等[9]研究乌梁素海2006-2008年人湖水质超标风险率，结果表明总氮、总磷、BOD5、COD均已大比例超出V类水标准。由此可知总氮、总磷对乌梁素海水质影响较大。

2.3 乌梁素海水质影响因素分析

乌梁素海水质因子复相关系数R型聚类分析表明，影响乌梁素海生态系统的相互混合复杂的水质因子有4类，即富营养化因子、碱度因子、盐性因子、有机污染因子。李兴[10]研究结果表明，乌梁素海湖区水体受富营养化污染、有机物污染、盐化污染十分严重，说明乌梁素海水质因子分类结果是科学合理的。富营养化因子中的总氮、总磷对乌梁素海水质影响较大，总氮、总磷是反映水体富营养化的重要指标。作为河套灌区生活污水的承泄地，乌梁素海接纳的大量生活污水是总氮的主要来源：城镇生活污水及农田残留的大量磷及其化合物通过排干渠进入湖泊，是乌梁素海磷元素的主要来源[11]。氮、磷是藻类生長必需的营养物质，是反映水体藻类生长状况的重要指标[12]，湖泊氮、磷浓度较高，浮游生物生长迅速，浮游生物的初级生产力较高，进而影响到湖泊生态系统。

N和P以16：1的原子数比被浮游植物在光合作用中吸收[13]，有研究认为，淡水环境中，氮磷比大于7，磷是限制性营养盐[14]。乌梁素海监测点氮磷比的平均值为12.39，说明磷是乌梁素海藻类生长和富营养化的限制性因素，这与李培培等[14-15]的研究结果一致。

2.4 讨论

2.4.1 乌梁素海水质改善方法

（1）外源治理。工业废水、农业退水、城镇生活污水是乌梁素海氮、磷等营养物质最重要的外部来源，对排人乌梁素海的城镇生活污水和农田退水加以控制，进而减少磷的排放，可以在很大程度上减轻乌梁素海的富营养化程度，改善水质，进而维护好乌梁素海的水域生态系统。

（2）加强旅游区水环境管理，禁止游客向湖中随意丢弃垃圾，及时清理湖中污物。

（3）实施挖深、疏浚工程。由于沉积于湖底的氮、磷等营养物质在生化作用下可以重返水体，促进藻类的繁殖生长，对水体环境造成二次破坏，因此实施挖深、疏浚工程可以去除含有氮、磷的湖底污泥，改善水体环境。

（4）采取养殖荷花、睡莲、茭白、香蒲等水生植物的生物措施。水生植物具有水体产氧、氮循环、吸附沉积物、抑制浮游藻类繁殖、减轻水体富营养化、提高水体自净能力等重要功能，同时能为水生动物、微生物提供栖息地和食物源，维持水岸带物种多样性，广泛应用于湖泊富营养化治理[16]。何连生等[17]研究表明，利用荷花治理白洋淀水体富营养化取得了很好地成效，因此可在乌梁素海种植荷花、睡莲、茭白、香蒲等水生植物，利用生物措施改善水质，美化环境。

2.4.2 乌梁素海水质研究方法

把复相关系数引入到水质因子R型聚类分析中，并且对合并的指标间的相关性进行检验，可以真实地反映新指标与多个旧指标之间的相关性，一定程度上提高了聚类的精确度。

常规的水质监测通过在现场设置具有代表性的采样点进行采样，在实验室进行水质分析，这种传统的水质监测方法费时、费力、周期长、不具有连续实时性，而利用遥感技术监测湖泊水质具有成本低、速度快、实时动态等优点[18]，在今后的水质研究中，可采用遥感技术监测乌梁素海水体环境，以此获得乌梁素海水质因子的时空分布特征，为乌梁素海水体环境的治理提供全面科学的理论依据。

3 结论

通过监测乌梁素海2017年水质因子，运用复相关系数R型聚类分析法进行水质因子分类，共分为4类，水温、透明度、溶解氧、总氮、总磷、叶绿素a聚成一类，反映湖水的富营养化程度;pH值自成一类，反映湖水的碱度;电导率、盐度聚成一类，反映湖水含盐量;COD自成一类，反映湖水的有机污染物含量。乌梁素海总体水质为V类，总氮、总磷对乌梁素海的水体环境影响较大，氮磷比表明磷是乌梁素海富营养化的限制性因素。严格管控周边工业废水、城镇生活污水、农田退水排放是改善乌梁素海水体环境的关键。

参考文献：

[1] 黄健，贾克力，席北斗，乌梁素海富营养化的神经网络评价[J].人民黄河，2011，33（1）：75-76.

[2] 田伟东，贾克力，史小红，等.2005-2014年乌梁素海湖泊水质变化特征[J].湖泊科学，2016，28（6）：1226-1234.

[3] FELANIAINA Rakotondrabe， JULES-REMY Ndam Ngou-payou， ZAKARI Mfonka， et al.Water Quality Assessment inthe Betare-Oya Cold Mining Area（ East-Cameroon）： Multi-variate Statistical Analysis Approach [J]. Science of theTotal Environment， 2018（1）：831-844.

[4]

DAMIRT，MIRJANAC， ANKICA S M.Assessing the SurfaceWater Status in Pannonian Ecoregion by the Water QualityIndex Model[J]. Ecological Indicators， 2017， 79： 182-190.

[5] RODELYN A，BEVERLEY H，EIAINE M， et al.EvaluatingStatistical Model Performance in Water Quality Prediction[J].Joumal of Environmental Management， 2018， 206： 910-919.

[6]代進峰，李畅游，张生，乌梁素海水质指标的主成分分析[J].农业环境科学学报，2007，26（增刊）：400-405.

[7] 张晓晶，李畅游，张生，等，内蒙古乌梁素海富营养化与环境因子的相关分析[J].环境科学与技术，2010，33（7）： 125-133.

[8]姜忠峰，乌梁素海水环境灰色聚类分析[J].人民黄河，2011，33（6）：78-80.

[9] 李兴，勾芒芒，王勇，内蒙古乌梁素海入湖水质超标风险率分析[J].农业环境科学学报，2011，30（8）：1638-1644.

[10] 李兴，内蒙古乌梁素海水质动态数值模拟研究[D].呼和浩特：内蒙古农业大学，2009：116-118.

[11] 何连生，席北斗，雷宏军，等，乌梁素海综合治理规划研究[M].北京：中国环境出版社，2013：15-17.

[12] 王斌，马健，王银亚，等，天山天池夏季叶绿素a的分布及富营养化特征研究[J].环境科学，2015，36（7）：2465-2471.

[13] 梅卫平，江敏，阮慧慧，等，滴水湖叶绿素a时空分布及其与水质因子的关系[J].生态学杂志，2013，32（5）：1249-1254.

[14]李培培，史文，刘其根，等，千岛湖叶绿素a的时空分布及其与影响因子的相关分析[J].湖泊科学，2011，23 （4）：568-574.

[15] 罗宜富，李磊，李秋华，等，阿哈水库叶绿素a时空分布特征及其与藻类、环境因子的关系[J].环境科学，2017，38（10）：4151-4158.

[16] 李冬林，王磊，丁晶晶，等，水生植物的生态功能和资源应用[J].湿地科学，2011，9（3）：290-296.

[17] 何连生，孟繁丽，孟睿，等，利用荷花治理白洋淀水体富营养化的原位围隔研究[J].湿地科学，2013，11（2）：282-285.