基于PCA法的沉积物质量评价模型构建及其应用

姜双城，林培梅，蔡建堤，颜聪毅，陈宇峰，吴建绍，陈思源，汪 新，林 琪*

(1.福建省水产研究所、福建省海洋生物增养殖与高值化利用重点实验室，福建 厦门 361013；2.厦门市第五中学，福建 厦门 361004)

目前，沉积物质量评价尚无统一的方法或标准。国内评价方法主要有单因子法、地质累积指数(Igeo)法、潜在生态危害指数(RI)法、生物效应浓度法(ERL、ERM)[1]、沉积物质量基准法[2]和层次分析法(AHP)等[3]；我国海洋环境质量公报以单因子污染评价为主，如生态环境部发布的中国近岸海域生态环境质量公报。单因子评价较直观，但由于监测结果采用平均值，导致数据存在相互掩盖现象；对于评价因子均超标的重污染海域，单因子无法合理评价和诊断。国际上的生态环境管理关注点在生态环境综合管理，而不是环境污染管理，并建立了生态环境健康综合评价模型，形成了相应的管理和监测体系。欧盟[4]和美国[5-6]分别提出了“生态状况综合评价模型”和“沿岸海域综合评价模型”。近岸沉积物是一个多维因子组成的复杂体系[7]，涉及众多化学要素，不同要素之间存在相关性，为了建立适合我国国情和特点的沉积物质量综合评价方法，需要充分利用我国现有的沉积物质量标准和常规监测指标，尽量简化众多底质参数[8-9]，删除指标间相互重叠的信息，开发沉积物评价模型，给出一个综合指数值来表征沉积物质量。

本研究针对我国近岸海域沉积物评价现状，基于海洋沉积物标准[10]和监测要素，运用主成分分析法(PCA)构建评价模型，选择在九龙江及毗邻海域进行示范应用。九龙江是福建省内的第二大河流[11-12]；其沿岸人口密集、工农业发达，每年有大量陆源污染物流入九龙江，其携带的污染物质通过物理沉降作用进入到底泥[13-14]，导致底泥中化学元素的浓度达到高风险标准，尤其是铜、锌、镉、汞和砷等元素[15-18]。沉积物质量综合评价模型的建立，可以为九龙江口环境保护和污染治理提供数据支撑；也可以为我国海域沉积环境的全面评估、诊断和决策，摸清沉积环境的压力现状提供技术支撑；同时有助于提升我国近岸海域生态环境综合监测、管理和评价水平。

1 材料和方法

1.1 样品采集与分析

在九龙江口布设16个站位(图1)，于2016年3月(枯水期)开展海上调查，采用开口面积为0.05 m2的抓斗式表层采泥器(国家海洋技术中心)收集沉积物样品。沉积物样品的采集、贮存与运输依据海洋监测规范第3部分[19]；而沉积物分析方法依据海洋监测规范第5部分[20]；使用电感耦合等离子体质谱仪(ICP-MS，型号：Agilent 7700x)测定沉积物中重金属(Cu、Pb、Zn、Cd和总Cr)；总Hg和无机砷的测定采用原子荧光仪(型号：AFS-9130)；使用总有机碳分析仪(型号：Vario TOC)测定有机碳(OC)；采用紫外可见分光光度仪(型号：Cary 50)测定石油类；采用连续流动分析仪(型号：Skalar San++)测定硫化物。

图1 2016年3月九龙江口调查站位Fig.1 Sampling locations of Jiulong Estuary in March, 2016

1.2 模型构建与数据挖掘分析

选取近海海洋底质环境调查指标，结合PCA开发沉积物质量综合评价模型。主成分、多元回归等数据探索性和挖掘性分析依据SPSS 20.0[21]，而平面分布图的绘制采用Surfer 12.0软件。

1.3 沉积物质量的综合评价指标体系和数学模型构建

1.3.1 沉积物质量综合评价模型指标选择和体系建构 依据我国近岸海洋环境和福建省重点海湾沉积物监测指标，选择10个参数作为底质评价模型构建因子，按照海洋沉积物质量[10](表1)建立假设样本，即以10个沉积物指标的区间值作为样本值。

表1 海洋沉积物质量标准Tab.1 Classification by the Marine Sediment Qualiy

1.3.2 沉积物指标间信息的重叠性 使用SPSS 20.0分析10个沉积物参数之间的相关性，相关系数矩阵见表2。从分析结果可以看出，10个指标之间的相关区间为0.880～1.000，相关度较高。因此，如果直接选择上述因子构建数学模型，指标之间信息会存在彼此重叠现象，并导致严重的共线问题。同时，运用SPSS的因子分析模型探索沉积物指标间的偏相关性，其研究结果显示数据假设样本Bartlett球型检验统计量的Sig值小于0.01，再次说明10个指标信息存在很大的相关性和重叠性，而并非彼此独立的。

表2 沉积物质量参数的相关矩阵Tab.2 Correlation matrix among 10 parameters of sediment quality

1.3.3 基于PCA法开发沉积物质量综合评价模型 10个沉积物指标间的相关矩阵和Bartlett球形检验结果表明各因子之间存在很大的相关度，为了更准确的评价沉积物质量，需要运用PCA法进行数据降维，删除重叠信息，用少数几个主成分表征10个变量，开发沉积物质量的综合评价数学模型。

①主成分的分析结果。对假设样本中的10个因子进行了PCA分析，分析结果见表3，统计数据表明第一主成分特征根(λ1)为9.806，它解释了沉积物质量指标累积方差信息的98.060%，远大于85%的SPSS统计分析技术指标要求；而λ2的特征根为0.194，λ2之后远小于1，其解释累积方差信息和小于2%；根据初始特征值绘制的碎石图(图2)，从图中也可以直观看出，第二个公因子后的特征值变化趋缓。因此，只提取1个主成分，已经可解释约98.1%的指标信息，完全满足PCA分析的技术规定。

表3 沉积物主成分分析表Tab.3 Principal component analysis for the sediments

续表3

图2 沉积物主成分碎石图Fig.2 Gravel map of sediment principal component

②沉积物质量综合评价数学模型。10个沉积物质量标准的初始因子载荷见表4。

表4 初始因子的载荷矩阵Tab.4 Load matrix of the initial factor

将10个沉积物指标的含量区间值进行数据标准化，通过SPSS 20.0运行过程中的数学运算，建立其质量综合评价指数(F)的数学模型：

(1)

式(1)中：λ1=9.806、i分别代表Cd、Hg、Pb、……和AVS等10个沉积物质量指标，Bi对应为表4中的B值，而Xi为沉积物质量标准化数值。

③沉积物综合质量评价的指数值。运用沉积物质量数学模型，即式(1)，统计出三类沉积物质量综合指数的取值范围，结果列于表5。

表5 三类沉积物质量综合指数的取值范围Tab.5 Range of three types of sediment quality F

2 结果与讨论

基于2016年3月(枯水期)，九龙江口16个调查站位的分析结果，运用沉积物质量综合评价数学公式，分别计算了16个站位的沉积物物质量综合指数值，结果列于表6，并使用Surfer 12.0绘制F值的空间格局和平面分布分别见图3、4。

表6 九龙江口沉积物质量综合指数值Tab.6 Sediment quality comprehensive index of Jiulong Estuary

续表6

圆点的大小表示F的高与低，对应沉积物综合质量的劣和好。从图3中可以明显看出，沉积物质量较差的区域主要位于九龙江流域南部沿岸区的J2、J3、J4、J15等站位，北部沿岸海域仅有J6站位较差；而厦门岛南部海域的J10、J11、J12和J13等站位沉积物质量较好；其中J5站位的污染指数非常低，这与该站位沉积物类型为砂质型有关，此类型沉积物有利于底泥中各沉积化学元素的释放，而不利于元素的富集[22]。空间分布格局整体呈现沿着九龙江入海方向，综合质量逐渐趋好，评价结果比较符合实际情况。

图3 九龙江口沉积物综合评价指数空间分布Fig.3 Spatial distribution of sediment quality comprehensive index of Jiulong Estuary

沉积物F值平面分布见图4，其分布呈现从河流→河口→近海，综合指数呈现逐渐降低的趋势，表明综合质量逐渐变好。本研究结果与林彩(2011)[23]、姜双城(2019)[24]的结论基本一致，在J10、J11、J12和J13等盐度较高的外海海域污染较轻、综合质量较好；而漳州开发区北部沿岸区沉积物质量较差，可能与当地家庭作坊、化工、拆船和码头较多有关，需要当地政府加强治理，防止沉积物质量进一步恶化。研究结果表明厦门海域的沉积物综合质量优于漳州海域，这与厦门市政府实施污水达标排放、退养还海、增殖放流等海洋生态环保政策有关。

图4 九龙江口沉积物质量综合指数平面分布Fig.4 Horizontal distribution of sediment quality comprehensive index of Jiulong Estuary

九龙江及毗邻海域具有点源和面源交叉污染的特征。大面污染主要源于陆源输入；而九龙江的点源污染主要集中在J4、J6和J15的邻岸海域，污染源可能主要由小企业和手工作坊造成。

根据单因子指数，本研究将2016年3月的沉积物调查数据中主要的超标指标因子(Cu、Zn、Pb)提取出来(表7)。从表7可以知道，16个调查站位超标率最高的是Zn元素，其次是Cu元素，其中沉积物中Zn含量超过海洋沉积物质量[10]的一类标准值约50%；为了判断锌和铜的的可能来源，分别绘制了Zn(图5)和Cu(图6)平面分布图，从上述图中可以明显识别出九龙江流域Zn和Cu的污染呈现点源特征，均在J2、J4和J6等站位出现含量极高值。由于铜、锌和铅出现超标的站位不一致，程度各不同，单因子评价无法对沉积物综合质量优劣予以科学评判。

表7 九龙江口沉积物质量主要超标参数Tab.7 Main parameters of sediment quality of Jiulong Estuary exceeding the Marine Sediment Quality

图5 九龙江口沉积物中Zn含量的平面分布Fig.5 Horizontal distribution of zinc content in sediments of Jiulong Estuary

图6 九龙江口沉积物中Cu含量的平面分布Fig.6 Horizontal distribution of copper content in sediments of Jiulong Estuary

为了更直观的判断综合指数和单因子，这两种评价方式的优劣，本研究将Zn、Cu含量的平面分布和沉积物质量综合指数空间分布重叠在一起(图7、8)。从图7、8中可以明显识别出综合指数较好的反应了Zn(图5)和Cu(图6)在J2、J3、J4和J6的点源、面源复合污染现状，这也说明F在九龙江口沉积物质量评价应用效果较好。

图7 九龙江口Zn含量的平面分布和沉积物质量综合指数空间分布重叠图Fig.7 Overlapping map of horizontal distribution of zinc content and sediment quality comprehensive index of Jiulong Estuary

图8 九龙江口 Cu含量的平面分布和沉积物质量综合指数空间分布重叠图Fig.8 Overlapping map of horizontal distribution of copper content and sediment quality comprehensive index of Jiulong Estuary

上述研究结果表明，运用综合指数的量化值，结合单因子评价，不但可以科学准确的评判沉积物质量优劣，而且筛选出了九龙江口污染重点区域(J4、J6和J15站位)和关键监管因子(Zn、Cu和Pb)。这对于政府加强监管和治理，防止铜、锌和铅污染加剧，避免对生态环境造成严重破坏具有指导意义。沉积物质量的综合量化，实现了沉积物质量的可比性。而重点区域和关键指标的确定，则有利于减轻政府的工作量，节约环保资金的投入，针对性开展沉积物的环境监测工作。

3 结论

(1)本研究根据海洋沉积物标准，选取近海海洋环境沉积物监测指标中的重金属(Cu、Pb、Zn、Cd、Cr)、类金属元素(Hg、As)、硫化物(AVS)和有机污染指标(Oil、OC)等10个指标，组建沉积物质量综合评价的指标体系。

(2)运用PCA删除了10个指标间的重叠信息，提取了可解释98.060%的指标累积方差信息的第一主成分(λ1=9.806)，并开发沉积物质量综合评价数学模型，划分出三类沉积物质量F值的量化区间，实现了沉积物质量的可量化，解决了高污染沉积物样品如何比较的技术瓶颈问题。

(3)为了更好的修正和完善评价数学模型，选择九龙江口进行了示范验证，评估和诊断了枯水期沉积物质量现状，计算并绘制了F值的空间格局和平面分布，筛查出调查海域污染防控重点区域，减轻了一线监测人员的业务量，并节省了环保资金的投入。

(4)模型研究结果显示调查海域的沉积物质量以二类为主，具有面源和点源相互叠加的复合污染特征，重点防控海域为漳州近岸；其空间分布呈现从河流→河口→近海，F逐渐降低，底质质量趋优的分布。单因子评价结果表明污染关键指标为Zn、Cu和Pb。单因子和综合指数的综合应用较好的反应了枯水期沉积环境质量现状，为九龙江口环境保护和治理提供了技术支撑。

致谢：感谢吴立峰、郑盛华、席英玉、杨妙峰、陈财珍、罗冬莲、钱小明、许贻斌、李卫林和林娇等同志在样品采集、分析过程中给予的帮助。