东营市水生态系统演变与驱动力研究

2020-06-12李浩，刘云

中国农村水利水电 2020年4期

李浩，刘云

(宜宾市农业机械研究所, 四川宜宾 644000)

我国是一个水资源缺乏的国家，良好的水生态是水资源保护工作的首要任务[1]；社会的发展和人口的增长，以及人类对水资源的过度开发和利用，造成了一系列的问题[2-4]。水生态系统对水资源管理具有重意义，国内外学者就水生态系统研究做了大量的工作，也取得了较好的成果。Ioriya基于化学和生物方面，对札幌湖的水质进行研究，并预测了区域水质变化趋势[5]，Chernyaev利用仪器检测了水生态中人为放射性核素[6]，Sharifahmadian将贝叶斯网络应用于水环境体系的风险预测中，取得较好精度，为水资源的利用提供了决策依据[7]。王晓峰基于WSUD生态学思想，提出以区域城市水体为中心，向外依次构建多带多功能的污染防控体系，以改善水环境[8]。焦雯珺构建污染足迹模型，对影响水环境的人文驱动力进行评估[9]。学者们对水生态方面做了许多的工作，也为下一阶段的研究打下了基础。水生态系统是一个涉及多个学科，复杂多变的系统[10-12]；水生态系统评价是人类防治污染与合理利用水资源的基础；目前对水生态系统的评价多数是讨论了影响水质的具体因子，但在宏观方面对影响水生态系统的驱动因子的研究还显得不足。

1 研究方法

主成分分析法(Principal Component Analysis, PCA)是一种降维的思想，利用数学统计学的原理处理复杂的、多维的数据序列，去除数据相互重叠部分，得到少数几个综合指标(即主成分)[13,14]；每个主成分反映了原数据提供的大部分信息，且所包含信息互不重复；同时得到的数据信息更加科学有效[15,16]。

1.1 主成分分析

通过主成分分析法对数据矩阵的个指标向量做线性组合得综合指标向量为：

(1)

简写为：

(2)

(3)

模型的系数wij应满足下列条件：

(1)Fi和Fj(i≠j,i,j=1,2,…,p)互不相关。

1.2 指标标准化

从几何的观点可以看出，主成分分析是对原坐标轴进行旋转，得到相互正交的坐标轴，从而分析出数据的特征值。用数学语言来描述：设数据X中含有n个栅格，p个单指标变量，即：

(4)

在数据进行标准化处理前，必须进行指标的正向化：

(5)

(6)

正向化处理不改变数据的分布规律，保留了数据变异程度的差异。通常，一些数据具有不同的量纲，且数量级差异较大，在使用主成分分析时不同的量纲和数量级将会引发起新的问题，故对数据进行标准化处理，将数据无量纲化。无量纲化的矩阵为：

(7)

将式(4)的数据按式(5)或式(6)进行数据正向化，按式(7)进行标准化，的到标准化矩阵：

(8)

1.3 累计贡献率

主成分的贡献率和累计贡献率是分析F从原始数据X中提取出的信息比重，也是衡量具体数据与主成分关系的桥梁。

(1)贡献率：第k个主成分对应的特征值在矩阵中全部特征值的比例，所占比例越大，说明原始数据的影响越大。

(9)

式中：λk为第k个主成分对应的特征值。

(2)累计贡献率：前m个主成分的特征值之和在全部特征值中的比例，所占比例越大，说明前m个主成分越全面地代表原始数据的信息。

(10)

在实际问题中，一般选取前几个主成分，当累计方差贡献率达到80%以上，即可用它们代替原有p个变量，实现降维的目的。

2 实例研究

2.1 研究区概况

黄河三角洲位于渤海南岸和莱州湾西岸，位于东经117°31′～119°18′ 和北纬36°55′～38°16′。地面平坦，在海拔10 m以下。三角洲属，温带季风性气候。四季分明，光照充足，区内自然资源丰富。东营市是黄河三角洲代表性地带，全市实现地区生产总值(GDP)3 430.49 亿元，第一产业增加值123.99 亿元；第二产业增加值2 345.08 亿元；第三产业增加值961.42 亿元。

2.2 研究指标的建立

本次研究共选取了8 个指标作为水生态系统的影响因子(或驱动因子)，分别为人口密度X1、人均用水量X2、万元GDP用水量X3、重工业产值比重X4、废水排放量X5、单公顷化肥施用量X6、植被覆盖率X7、生态补水量X8；涵盖了人类活动、社会经济、自然条件等因素，指标较为全面，可作为区域水生态系统研究的对象。

本次研究数据来源于2004-2015 年《山东省统计年鉴》、《东营市统计年鉴》、《东营市水资源公报》。具体数据见表1，其中有少数数据缺失，采用插值法补全数据序列。

2.3 主成分分析

为了提取数据的主成分，并判断指标与其的关系利用SPSS软件进行分析。

表1 研究指标数据Tab.1 Research indicator data

表2 特征值与贡献率Tab.2 Eigenvalues and contribution rates

图1 主成分碎石图Fig.1 Principal component lithotripsy map

由表2可以看出第一个主成分的特征根为4.64 ，包含的信息为58.02% ；第二主成分的特征根为1.32 ，包含的信息为16.44%；第三主成分的特征根为1.24 ，包含的信息为15.47%；第一、第二、第三主成分所包含的信息为89.93% ，超过80% ，涵盖了原始数据的大部分信息。由图1 看出，在第三个主成分特征值是出现了明显的拐点，碎石图由陡峭变为平缓，综合上述，确定主成分的个数为3个。

根据表3 主成分矩阵可以看出，第一主成分与指标X1、X2、X3、X4、X5相关程度较高，受影响程度较大；其中X1、X4、X5是与第一主成分正相关，X2、X3与第一主成分负相关。第二主成分与指标X7相关程度较高；并与X7正相关。第三主成分与X6相关程度较高，受影响程度较大；并与X6负相关，由此可知，人口密度、人均用水量、万元GDP用水量、重工业产值比重、废水排放量与第一主成分相关性较强，所占比重较大，是影响水生态系统的最主要的因子；单公顷化肥施用量、植被覆盖率分别与第二、第三主成分相关度较高，是影响水生态系统的次要因子。

2.4 综合得分

根据提取的主成分，结合SPSS软件进行重新定义，并定义相同的新变量，根据特征向量矩阵可得到主成分表达公式：

F1=0.44X1-0.40X2-0.46X3+0.45X4+

0.37X5+0.02X6+0.01X7+0.17X8

(11)

F2=0.21X1-0.07X2-0.05X3+0.05X4+

0.34X5-0.78X6-0.05X7+0.63X8

(12)

F3=0.11X1+0.37X2+0.10X3+0.15X4+

0.33X5+0.10X6+0.87X7+0.05X8

(13)

由于选定指标的数据具有不同的属性，各个数据的量纲有所不同且量纲的数量级也有差距，为了避免数据非因素影响，将原始数据进行标准化处理(见表4)。

表3 主成分矩阵Tab.3 Principal component matrix

表4 数据标准化矩阵Tab.4 Data standardization matrix

将表4 中数据分别带入主成分表达式中，得到各个主成分在每年的具体得分，根据得分与贡献率的关系可得综合得分，即可判断各年水生态系统的优劣程度；根据所选去的指标体系可知，综合得分越高，表明水生态系统越恶劣(见表5)。

表5 各年得分情况Tab.5 Scores for each year

图2 综合得分图Fig.2 Comprehensive score

根据表5 和图2 可以看出，各年综合得分呈逐渐增加的趋势，综合得分越高，说明水生态系统的质量越恶劣，从2011 年后增加的幅度呈现减缓的趋势；2004-2015年，东营市的水环境情况呈现逐渐变差的趋势，仅在2011 年后才有缓解的趋势，但缓解程度仍然不明显。黄河三角洲的合理利用水资源和水生态系统保护仍是政府部门和水利工作者工作的重心。