城市池塘水质时间变化特性<br/>——以扬州大学江阳路南校区池塘为例

城市池塘水质时间变化特性
——以扬州大学江阳路南校区池塘为例

2020-06-15黄金柏黄涌增罗迪文

中国农村水利水电 2020年5期

顾准，黄金柏，黄涌增，罗迪文

(扬州大学水利科学与工程学院，江苏扬州 225127)

0 引言

随着城市化的快速发展，我国许多城市都面临水资源短缺、水质污染和水环境恶化等问题[1]。许多城市的池塘和湖泊，都已成为工业废水和城市生活污水的滞留地，由于城市中的池塘或湖泊水体流动性小，自净能力较差，水体污染程度较为严重[2]。池塘是城市水体的重要组成部分，在美化环境、调节小区域气候、保护生物多样性等方面发挥着重要作用[3]，池塘水质污染是城市环境污染的重要问题之一。随着当前城市水环境问题越来越受到重视，解决水环境问题的迫切程度不断提升[4]，池塘水体水质污染问题也越来越受到关注。国外对池塘水质的研究较多且起步较早，如Jesper等[5]探究了13个池塘的水文和水力条件对其除氮性能的影响，得出有效体积比是主要影响因素的结论；Palma等[6]测量了阿尔基瓦水库的各种水质参数，提出了改善水质的方法措施；Liang等[7]对加拿大北极地区1138个湖泊和池塘的酸碱度和超标的临界负荷进行调查研究。国内对池塘水质的研究起步稍晚但发展较快，如袁军等[8]对合肥斛兵塘的富营养化现状进行了分析并提出了修复对策；王变等[9]对位于淮河流域焦岗湖水质参数的时空变化和影响因素进行了分析；段立增等[10]以昆明人工湖为例分析了小型水体水质特征及其随季节变化状况。有关城市池塘水质的研究是当前水环境领域研究的热点问题之一。

扬州城区分布着各种尺度数以百计的池塘，这些池塘的水质状况，对扬州城区的水环境和水生态有较大影响。研究池塘水质的时间变化特性，对扬州城区池塘水质的改善具有重要意义，对池塘水体水质相关研究的开展具有一定的促进作用和参考价值。为揭示池塘水体水质时间变化特性，本研究选取位于扬州大学江阳中路南校区内的池塘为研究区，对该池塘的水质参数进行观测，并采用多种数理方法对其时间变化特性进行分析，以期为扬州城区池塘水质与水环境研究提供部分基础数据，以及为池塘水质监测分析提供方法上的参考。

1 材料与方法

1.1 研究区概况与数据观测

扬州大学江阳中路南校区池塘平面示意图如图1所示。池塘水面南北方向最长约为80 m，东西方向最宽约为70 m，周长约为328 m，池塘内有两个小岛，水面面积约5 626 m2。池塘周围未发现地表水补给与排泄渠道，可认为其水量仅受降雨、入渗和蒸散发的影响。

采用多参数水质分析仪(型号：YeoKal615，产地：澳大利亚)对池塘的蓝绿藻(Phyco)、水温(WT)、pH、溶解氧浓度(DO)和电导率(EC)进行一周2次的观测，观测点P(32°22′33.3″N，119°25′17.1″E)，观测时段为2018年7月至2019年6月，为期1年。研究期间内，从2019年4月13日至28日对该池塘水质参数进行6日1 h序列的观测，观测时段为8∶00-20∶00。

图1 研究区平面示意图Fig.1 Sketch map of the study area

1.2 研究方法

1.2.1 变异系数法

变异系数法是通过样本标准差与样本均值的比值来判断样本分布的离散程度，变异系数越大，则样本的离散程度越大，由各指标的变异系数推求出的权重能够较直观的反映各个评价指标的相对重要程度，变异系数与某一指标的权重计算公式为[11]：

(1)

(2)

式中：V为某一指标的变异系数；S为样本标准差；为该水质参数的均值；Ai为第i项指标的权重；Vi为第i项指标的变异系数。

1.2.2 单因子水质标识指数法

单因子水质标识指数法由徐祖信[12]提出，该法可以通过评价因子的标识指数计算结果直观的判断水质类别且能够与同一类水进行比较。单因子水质标识指数法由一位整数和两位小数组成，表示为：

Pi=X1X2X3

(3)

式中：X1代表第i项水质指标的水质类别，由水质指标的实测值按照《国家地表水环境质量标准》(GB3838-2002)的水质分类确定；X2代表观测数据在X1(k)类水质变化区间中所处的位置。

DO是水体生态环境动态平衡和维持水生生物生存的必要条件，是衡量水质状况的一项重要指标[13]，因此选取DO为评价指标。X2计算公式为：

(4)

式中：ρDOk上为k类水质DO的上边界值，ρDOk下为k类水质DO的下边界值，ρDO为DO实测浓度。

当溶解氧浓度小于2.0 mg/L(水质类别劣于Ⅴ类水)时：

(5)

式中：m为计算公式修正系数，一般取4。当水质很差时,DO接近于0, 此时X1X2变化范围为6.0～7.0，与非溶解氧指标劣Ⅴ类水的标识指数值不对应。为了解决这个问题，引入修正系数m，经试算，取m=4时可以使DO指标为劣Ⅴ类水的标识指数与非溶解氧指标劣Ⅴ类水的标识指数值大致相对应。

X3表示水质类别与功能区划设定类别的比较结果，为一位或两位有效数字。若水质类别达到功能区规划设定类别，则X3取0。若水质类别未达到功能区规划设定类别且X2不为0，则：

X3=X1-fi

(6)

若水质类别比功能区规划设定类别差且X2等于0，则：

X3=X1-fi-1

(7)

式中：fi为水环境功能区类别。

1.2.3 多元线性回归法

多元线性回归分析法是一种研究自变量(X1、X2、…、Xn)和因变量(Y)之间存在相关关系的数学方法，能够利用所得多元线性回归模型预测因变量的变化趋势[14]。由于WT、pH、藻类对DO有较大影响[15]，因此本研究以DO(Y)为因变量，WT(X1)、pH(X2)、Phyco(X3)为自变量建立多元线性回归模型：Y=b0+b1X1+b2X2+b3X3，其中b0，b1，b2，b3为待定系数，将实测数据代入方程(矩阵形式)Y=XB，其中[16]：

根据最小二乘法计算中间变量：

(8)

(9)

(10)

(11)

(12)

(13)

(14)

(15)

(16)

建立矩阵方程：

(17)

通过解上述方程求出b1，b2，b3值，并根据公式求出b0，进而得到多元线性回归方程。

采用R检验法检验DO与WT、pH、Phyco的线性关系，其公式为：

(18)

R值越接近1，说明DO与WT、pH、Phyco之间相关性显著，则该模型可以较好反映因变量与自变量的线性关系。

2 结果与分析

2.1 观测结果

图2为研究期间池塘WT、pH、DO和EC的观测结果。从图2中可以看出，池塘WT季节性变化明显，2018年7月至8月逐渐升高，最大值为33.6 ℃(2018年8月2日)，2018年8月至2019年2月WT逐渐下降，最低为5.1 ℃(2019年1月2日)，之后WT逐渐上升。

图2 水质参数观测结果Fig.2 The observasion result of water quality parameters

DO是水体生态环境动态平衡和维持水生生物生存的必要条件，在一定程度上反映了水体受到的污染状况[17]。由图2可以看出，观测期间池塘DO变化的随机性较强，无明显变化规律，其原因是池塘中水生生物较多，对DO影响较大，其变化范围为1.57 mg/L(2019年4月17日)～13.30 mg/L(2018年9月14日)；2018年8月至2019年1月，WT下降约28 ℃，而DO浓度并未发生明显改变，通过计算WT与DO的相关系数，得出二者相关系数为0.279，说明该池塘水体WT与DO的相关性不高；依据《国家地表水环境质量标准》(GB3838-2002)，池塘夏、秋季DO平均值分别为7.73和8.48 mg/L，达到I类水DO要求；春、冬季DO浓度平均值分别为4.56和6.94 mg/L，满足Ⅳ类水DO要求。

如图2所示，观测期间内，池塘pH变化范围在7.74～9.98之间，水体呈碱性；2018年7月至2019年1月pH波动较大，2018年7月至11月整体呈现上升趋势，其余时段pH变化的随机性较强，变化趋势不明显，最低值为7.74(2018年8月13日)，最高值为9.98(2019年3月20日)；2018年7月至2019年1月pH较高时DO也较大，pH减小时DO也有所下降，pH与DO的变化趋势较相似，其余时段二者变化趋势无明显相关性。

电导率反映水中电解质的含量，是衡量水质的重要指标，电导率受溶解固体种类、含量和水温影响[18]。如图2所示，2018年7月至2018年8月WT逐渐上升而EC出现小幅度的下降；自2018年8月至2019年1月WT逐渐下降，EC出现明显的上升并于2019年2月24日达到最大值322 μS/cm，此后WT逐渐上升，EC逐渐下降；通过计算WT与EC的相关系数，得出二者相关系数为-0.757，说明WT与EC呈负相关。

2.2 变异系数法计算结果

计算该池塘各水质参数以季度为时段的变异系数、总变异系数与权重，结果如表1所示。

由表1可知，WT的变异系数在2018年第四季度(2018-10-2018-12)明显高于其他时段，说明在这一时段WT波动较大；pH各季度的变异系数均小于0.1，结合图2可知，pH波动的随机性虽然较强，但其季节性波动不大；DO的变异系数多大于同一季度其他参数的变异系数，其变化范围在0.154～0.417之间；2018年第四季度(2018-10-2018-12)DO的变异系数较小，造成这一现象的原因是该时段WT较低，水中化学反应和生物代谢活动较为缓慢、耗氧量减少，从而该时段DO较为稳定；2019年第二季度(2019-04-2019-06)DO的变异系数最大，达到0.417，结合图2可知，该时段DO的波动程度较大；各水质参数的权重计算结果表明：WT所占权重最高，pH所占权重最低，各参数所占权重由高到低依次为WT>DO>EC>pH。

表1 水质参数各季度变异性计算结果Tab.1 Variation coefficient calculation result of different water quality parameters

注：2019年2月数据缺失，未计算2019年第一季度(2019-01-2019-03)变异系数。

2.3 单因子水质标识指数法分析结果

以DO作为评价指标的单因子水质标识指数计算结果如图3所示。

图3 单因子水质标识指数计算结果Fig.3 Calculation results of the single factor water quality index

由图3可知，在观测期间，该池塘DO达到Ⅲ类水标准的时段占总观测时段的84%；2018年7月至2019年1月，以DO为指标的水质类别多为Ⅰ～Ⅲ类水，DO的水质标识指数值均小于4；2019年3月至4月水质标识指数大于4，说明该时段水质较差，这是由于池塘中挺水植物荷的茎叶在生长期后未从池塘内移出，大量腐烂，导致水质变差，结合图2可知，该时段DO降低，pH值明显增大，水质较差；2019年5月至6月DO逐渐升高，水质标识指数Pi下降，水质类别多为Ⅰ类或Ⅱ类，池塘水质逐渐好转。

对研究期间内6日(8∶00-20∶00)1 h序列的DO水质标识指数进行计算，结果如图4所示。

由图4可知，所计算的6日1 h序列DO水质标识指数值变化范围在2.2～5.9之间，变化范围较大；如图4(a)所示，4月13日Pi值在3附近上下波动，其变化范围为2.8～3.4；由图4(b)、4(d)可以看出，2019年4月14日、4月21日的Pi值均呈现出明显的上升趋势并于当日19∶00达到最高值，说明这两日的DO从早到晚逐渐下降，水质逐渐变差；由图4(c)可知，4月20日Pi值较稳定，变化范围为2.0～2.7，说明DO变化较小并且满足Ⅱ类水标准；由图4(d)、4(f)可知，4月27日与4月28日Pi值在4附近波动，两日的水质为Ⅲ类或Ⅳ类，DO较低，水质较差。由图4(d)可知，2019年4月21日的Pi值均大于4，其变化范围为4.2～5.9，水质为Ⅳ类或Ⅴ类。由以上对图4的分析结果可知，以DO为指标的单因子水质标识指数可以在一定程度上反映该池塘单日水质变化情况，而在所观测的6日，该池塘水质未表现出明显的日变化规律。

图4 单日1 h序列标识指数法计算结果(每日08∶00-20∶00)Fig.4 Calculation results of the single factor water quality index of time interval of 1h (daily 8∶00-20∶00)

2.4 多元线性回归分析法结果

经计算，因变量DO与自变量WT(X1)、pH(X2)、Phyco(X3)的多元线性回归模型为：

Y=-22.62+0.018X1+3.695X2-3.493X3(R=0.927)

(19)

式中：Y为DO；X1为WT；X2为pH；X3为Phyco。

R检验结果为R=0.927，可知上述多元线性回归方程能够较好的反映出因变量DO与自变量WT、pH、Phyco的线性关系；模型中X1、X2的系数均为正数，X3的系数为负数，说明该池塘的DO与WT、pH为正相关，与Phyco为负相关；系数的绝对值从大到小依次为X2>X3>X1，说明该池塘水体pH对DO的影响最大，其次为Phyco，WT对DO的影响在这3个因子中最小，即3个自变量对于DO的权重从大到小依次为pH>Phyco>WT。根据多元线性回归模型可以评价自变量WT、pH、Phyco对DO的影响程度，并根据自变量WT、pH、Phyco的观测结果预测DO的变化趋势。