封闭式采煤沉陷积水区富营养化评价方法比较

范廷玉,张金棚,王 顺,余 乐,王兴明 ,苏金飞

(1.安徽理工大学地球与环境学院，安徽 淮南 232001; 2.淮南美达采煤沉陷区综合治理有限公司安徽省院士工作站，安徽 淮南 232001 )

富营养化[1]是全球地表水环境的常见问题之一，全球约有75%以上的封闭型水体存在富营养化现象[2]。进行富营养化控制的前提是准确的评价富营养化状态，但是不同的水体所在区域地质背景、环境气候、形成机制、水质背景等不同，通用的综合营养状态指数法只能进行初步的评价。因此，近年来学者们围绕水体富营养化的评价方法做了大量的研究，将不同的数学算法与评价结合，普遍使用的评价方法包括人工神经网络法、基于粗糙集的模糊评价法等。文献[3]研究了人工神经网络模型在太湖富营养化评价中的应用,其认为人工神经网络是一种高度非线性关系映射，避免了模糊综合评价和灰色聚类等法权值赋值和隶属函数中人为因素的影响。文献[4]构造了微观模型，考虑湖泊富营养化对浮游植物、浮游动物以及鱼类等的影响，进而对富营养化进行评价。文献[5]将粗糙集与多维云模型相结合，对水体富营养化做出评价，其利用粗糙集减小数据尺度，提取定性规则，利用多维云模型定量分析水体富营养化的平均值、均匀值和稳定性。文献[6]根据湖泊水环境系统的不确定性，建立了基于随机模拟和三角模糊数的湖泊水体富营养化评价耦合模型。

采煤沉陷积水区有其独特性，根据与天然水系的连通情况，可以将其分为封闭式和开放式[7]，沉陷水域面积在几个平方公里到几十平方公里[8]，其中，对于处于非稳沉期的封闭式沉陷积水区，目前常用的天然水体的富营养化评价方法是否能够较细致、准确的表达富营养化的状态，并未有专门的研究，论文针对这一特殊水域，以综合营养状态指数评价法[9]264作为参照，采用人工神经网络[10-11]、改进粗糙集的模糊综合评价法[12-13]，对沉陷积水区的富营养化的时空变化特征进行对比研究，寻找适合采煤沉陷积水区的富营养化评价方法，为进行沉陷积水区水资源保护提供决策指导。

1 实验部分

1.1 研究区概况

研究区域为东经116°39′52″～117°05′50″、北纬32°39′11″～ 32°56′16″之间的淮南潘集矿，其属于暖温带半湿润季风气候，年降雨量926.3mm。研究区域内煤炭资源丰富，井工开采导致地表沉陷，加之该区域潜水位高，形成了大面积的沉陷积水区。

1.2 样品采集与分析

在该封闭采煤沉陷积水区均匀布置6个采样点，点位坐标用 GPS定位，研究区域环境概况及采样点位见图1。监测指标包括叶绿素a(Chl-a)、总磷(TP)、总氮(TN)、高锰酸盐指数(CODMn)、透明度(SD)共5 项。各采样点环境因子分析结果如表1所示。

图1 研究区域环境概况及采样点位

表1 采样点环境因子分析结果

1.3 评价标准

采煤塌陷区富营养化程度评价的关键是确定合理的富营养化评价标准。在参考相崎宇弘和郁根森 2 种标准[14-15]，结合淮南潘集采煤塌陷区的具体情况后，建立如下表2的评价标准。

表2 采煤塌陷区富营养化评价标准

2 评价方法

2.1 综合营养状态指数法

综合营养状态指数法[9]265TLI值计算公式如下

TLI(chla)=10×(2.500+1.086lnchla)

(1)

TLI(TP)=10×(9.436+1.624lnTP)

(2)

TLI(TN)=10×(5.453+1.694lnTN)

(3)

TLI(SD)=10×(5.118-1.940lnSD)

(4)

TLI(CODMn)=10×(0.109+2.661lnCODMn)

(5)

式(1)～(5)中，Chl-a的单位为mg/m3, SD的单位为m,其余的单位均为mg/L。

计算出表1中各营养状态TLI值，其与综合营养状态指数法评价标准的对应关系如表3所示。

表3 评价标准对应关系

2.2 人工神经网络法

BP神经网络是人工神经网络应用最广泛的一种算法，其具有多层网络结构，有sigmoid隐含层以及线性输出层，具有很强的映射能力。论文中利用Python建立一个4层的神经网络模型，即输入层、两个隐含层和输出层。目前理论上还不存在一种科学普遍的用于确定隐含层节点数的方法[16]，论文在经验以及多次实验的基础上，设置两个隐藏层的神经元个数分别为15、10，这样建立一个5-15-10-1的神经网络，使用dropout(随机失活)来清零隐含层的部分权重或输出，这样来实现节点间依赖性的降低[17]。设置训练次数为5 000次时，训练的正确率达99.79%，msc<0.002。以表2中的数据为基础，在各指标的分级区间内随机生成训练样本共10 000个，将各参数值作为输入单元进行训练，再将表1中的数据代入，得出研究区域的水体营养状态评价结果。

2.3 基于改进粗糙集的模糊综合评价法

粗糙集的重点是属性约简和权重的计算[18]。文献[19]提出的一种基于粗糙集的权重确定方法可以有效避免冗余、属性权重为零的情况，反映信息比原有方法更全面、更有效、更客观，可以有效地应用于不确定信息权重的计算。

根据相关文献[20-21]提出的我国湖泊富营养化评价标准的上下限，由基于改进的粗糙集条件信息熵权重确定方法，可得到各评价指标的重要度sig和权重w见表4。

表4 各评价指标的重要度 sig 和权重 w

建立各个指标因素的隶属函数：以采样点DJ2实测值为例。其叶绿素质量浓度为4.300mg/m3，其介于Ⅱ级与Ⅲ级之间，其对于各营养等级的隶属度计算如下

即

r11=0，r12=0.966，r13=0.034，r14=0，r15=0

由此分别计算出总磷、总氮质量浓度、高锰酸盐指数、透明度对各营养等级的隶属度。

建立多因素评价矩阵

综合评价：将权重向量w和模糊矩阵R合成。故采样点DJ2的综合评价向量

B=W·R=

(0.189 0.222 0.157 0.254 0.178)

因此，采样点DJ2对各等级的隶属度分别为0，0.183、0.147、0.365、0.306。故对Ⅳ级富营养状态隶属度最大，从表2可以看出该点的富营养状态为中-富营养。

屋顶上种植的植物需要具有抵抗极端气候条件的能力,要求植株低矮、耐瘠薄、抗风、耐积水；空中草坪要比地面草坪贵一倍还多，屋顶绿化建设成本也比普通绿化成本高很多．根据市场行情，一般简单的以佛甲草草坪为主的粗放型屋顶绿化造价在800元/m2左右，半集约式屋顶花园约1 300元/m2.由于屋顶环境的特殊性，对绿化后期维护要求也较高，否则景观效果很难保证[10]，这些因素也限制了屋顶绿化的建设．

3 结果与分析

新颁布的《采煤塌陷区水资源环境调查与评价方法》(GB/T 37574-2019)指出采用《地表水资源质量评价技术规程》(SL 395-2007)中规定的指数法来评价采煤塌陷区的富营养状态，其中提到的传统综合营养状态指数法应用普遍和得到学者们的认同[22]，作为本次评价的参照，先讨论人工神经网络法与改进粗糙集的模糊综合评价法的可行性，在确定可行的基础上，采用三种评价方法对沉陷区水体的富营养化时空分布特征进行对比分析。

3.1 评价方法可行性

通过采用不同方法对该6个点位冬、春、夏三季的富营养化状况进行评价，人工神经网络法的评价等级Ⅰ、Ⅲ、Ⅳ的个数分别为1、9、8；基于改进粗糙集的模糊综合评价法的结果表现为Ⅱ、Ⅳ、Ⅴ等级的个数分别为5、9、4；综合营养状态指数法结果表明Ⅲ、Ⅳ等级的个数分别为3、15。图2为表现采煤塌陷区各富营养化评价方法结果的堆积条形图。

注：图中A、B、C分别代表人工神经网络法、改进粗糙集的模糊综合评价法以及综合营养状态指数法；综合营养状态指数法Ⅲ、Ⅳ等级的划分是以表3中TLI的区间均值为界；Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ分别代表贫营养、贫-中营养、中营养、中-富营养、富营养状态图2 沉陷区富营养化评价结果

基于综合营养状态指数法，人工神经网络法、基于改进粗糙集的模糊综合评价法的评价结果与其评价结果的一致率分别达到94.4%以及60%，但人工神经网络法具有弱化研究区域水体营养状态评价等级的趋势，而改进粗糙集的模糊综合评价法具有加重营养状态评价等级的趋势。

采用综合营养状态指数法计算人工神经网络法生成的10 000个学习样本对应的TLI值，该TLI值与学习样本自身营养等级结果的皮尔逊相关性达到了0.989(P<0.01)；人工神经网络对18个点的预测结果与综合营养状态指数结果的皮尔逊相关性亦达到了0.829(P<0.01)。说明神经网络法在综合营养状态指数法的基础上具有一定的可行性。

改进粗糙集的模糊综合评价法与综合营养状态指数法的评价结果的重复率不高，但是两种方法的各指标权重标准差分别为0.038 256、0.037 032，而且改进粗糙集的模糊评价法的总氮、总磷权重之和大于综合营养状态指数法的总氮、总磷权重之和，这对于采煤沉陷积水区这种以农业面源污染为主的水域、是周围农业活动流失的N、P等营养元素的主要汇入地[23]，这种权重分配更符合实际情况。

3.2 水体富营养化时空特征

基于上述三种评价方法的评价结果，对采煤塌陷区的水体富营养化时空分布特征进行分析。图3为沉陷区富营养化状态时空分布图。

注：图中A、B、C分别代表人工神经网络法、基于改进粗糙集的模糊综合评价法、综合营养状态指数法，DJ、CJ、XJ分别代表冬季、春季、夏季，横纵坐标为经纬度图3 沉陷区富营养化状态时空分布图

1)空间分布特征

从图3可以看出，三种评价方法得出的富营养化评价等级的空间分布特征不同。人工神经网络法评价结果中冬季为同一营养级Ⅳ级，在春季与夏季，营养状态最好的区域均出现在研究区域的中部，夏季时研究区域西北方的水质营养状态等级高于东南方。改进粗糙集的模糊综合评价法冬季的营养状态有Ⅳ、Ⅴ两个级别，北部营养级别高于南部；在春季与夏季，研究区域的营养等级自西北向东南表现为逐级递减，水质最优处均出现在研究区域东南角处。综合营养状态指数法评价结果在冬季营养状态均一，春季最优的水质区域出现在研究区域中部，这一结果与神经网络法相似；在夏季的水质亦表现为西北方劣于东南方。

2)时间分布特征

由图3可以看出，三种评价方法评价得出的冬季富营养化的等级基本一致，但在春夏两个季节上评价等级区分度不同：综合营养状态指数法中，春季与夏季的水质表现基本相同，基本没有区分度；人工神经网络法中，春季水质优于夏季；基于改进粗糙集的模糊综合评价法中，春季与夏季虽然营养等级跨度一样，但从各等级区域的面积可见春季的水质劣于夏季，这与其他富营养化湖泊的水华爆发的规律一致，一般在春季藻类在气温回升的条件下，且在春季施肥导致周边农田有农业面源汇入的情况下，湖库的水质一般不佳，导致富营养化程度加剧[28]。这与湖泊的类型、水力条件、周边污染源、降雨的分布等密切相关。采煤沉陷区作为典型的浅水“湖泊”，其富营养化时间演变与上述文献中提到的太湖一致，但有部分湖泊呈现夏季富营养化的程度加剧的现象[29]，这也更加表明采煤塌陷区不能简单地等同于一般的湖泊水体，其富营养状态的表现较为复杂。从沉陷区周边污染源等因素分析可知，春季是研究区域周围农田农业种植集中施肥的季节，农业面源随着地表径流进入沉陷积水区，进而加剧农业污染源对水体的污染。各监测点的氮磷元素的含量变化也与之吻合。因此，改进粗糙集的模糊综合评价法相对其他两种方法，更加符合沉陷区的实际情况。

分析各监测点的叶绿素质量浓度，发现夏季高于冬季高于春季，这与有关研究[30-31]的结果是一样的，春季的水温(平均20℃)、夏季的水温(平均29.5℃)高于冬季的水温(平均6℃)，夏季的温度宜于浮游植物、浮游动物等的生长，使得水中的叶绿素含量有所上升；冬季水温低，生物处于休眠状态，浮游植物生长量低，水中叶绿素含量低。分析冬季、春季、夏季的水体的平均DO含量,发现冬季与春季基本持平，大约在10.1mg/L,而夏季为7.5mg/L，考虑是因为水温越高，水中的溶解氧含量越低，空气中的二氧化碳含量高，导致植物代谢加快，影响水质，这与有关研究的结果是一致的[32]。

由于塌陷区本身形成的特殊性，其不同于一般的湖泊，在建立相关的评价方法时需要考虑的因素较多，论文研究的结果表明，以综合营养状态指数法为基础，其余两种方法都具有一定的可行性，但在考虑到塌陷区不具备湖泊这种源汇一体的特征时，基于改进粗糙集的模糊综合评价法的评价方法更合适。

4 结论

(1)研究区域的水体质量总体在I类到III类水之间，未出现严重的富营养化状态。三种方法均表明该研究区域的水体有一定程度的富营养化。

(2)相较于传统的综合营养状态指数法和人工神经网络法，改进粗糙集的模糊综合评价法在时间和空间上，对富营养化的变化特征表达得更加符合采煤沉陷区的实际。

(3)通过采用三种方法对采煤沉陷区的水体富营养状态时空分布分析表明：由于人类活动，研究区的西北方水质劣于东南方；春季是富营养化控制的关键季节，可以通过减少外部面源中的化肥施用量，采用高效施肥方法、在汇入区域修筑拦截生态缓冲带、重点区域采取强制措施控制水中营养盐等多方法与手段，有效减轻和预防研究区水体的富营养化。