茜坑水库水质评价及污染源解析

2021-02-14翟振起黄廷林

水资源与水工程学报 2021年6期

翟振起, 黄廷林, 陈凡

(1.深圳市北部水源工程管理处茜坑水库管理所，广东深圳 518110； 2.西安建筑科技大学环境与市政工程学院，陕西西安 710055)

1 研究背景

随着深圳市人口爆发式增长和经济社会的快速发展，全市总用水量从2000年的12.27×108m3增加到了2019年的20.62×108m3[1]。与此同时，由于地理条件比较特殊，深圳市内无大江大河大湖，本地水资源供给严重不足，绝大部分原水需从市外引入[2]。因此，调蓄型水库成为深圳主要供水来源，保护水库供水安全成为社会发展的重要环节[3]。水质评价作为水质管理的重要措施之一，具有判别水质类别、识别主要污染因子和解析水质时空变化等作用。目前水质评价常用的方法主要有单因子评价法、水质综合指数法、主成分分析法、灰色评价法、神经网络法、层次分析法等[4-5]，而识别水体污染物来源并定量估算其贡献率，是有针对性实施水质保障政策措施的重要依据[6]。对于水库污染源解析通常包括定性识别水中污染物不同来源和通过建立污染物与其来源的因果对应关系定量分析各污染源的相对贡献两个层面[7]。

粤港澳大湾区典型调蓄型水库——茜坑水库担负着深圳市西北区域400万人的供水任务，近年来局部轻微水华偶有发生，严重影响供水安全。茜坑水库水环境状况已引起部分学者关注，例如：马鑫标[2]、杨滢等[8]研究了茜坑水库藻类污染成因，并提出了治理对策；陈丽光等[9]分析了茜坑水库轮虫群落结构组成和动态；李良庚[10]、巫林和[11]对茜坑水库的生态建设进行了探索。然而，对于茜坑水库水质状况和主要污染因子的详细报道较为罕见。因此，本文选取茜坑水库关键断面作为研究对象，分析2019年全年水质数据。采用水质综合指数法、因子分析法和绝对主成分多元线性回归分析模型综合评价水库水质状况，识别污染因子，估算主要污染源贡献率，为茜坑水库提升水环境质量及保障饮用水安全提供参考，同时为南方众多调蓄型水库水质评价提供借鉴。

2 数据采集与研究方法

2.1 区域概况

茜坑水库位于深圳市龙华区福城街道，既是深圳北部水源工程的转输调蓄水库，也是龙华区唯一的中型水库。水库总库容为1 982×104m3，洪水位为75.2 m，死水位为55.3 m，水面面积为1.6 km2，水库集雨面积为4.43 km2，无入库支流，原水由东江东深干渠供应。茜坑水库属于亚热带海洋性气候区，区域多年平均降雨量为1 918.6 mm，太阳总辐射量较大，日照时间长，气候温和，冬季不明显。2019年深圳年平均气温为24 ℃，较常年偏高；全年总日照时数为1 868.7 h，比常年(1 837.6 h)偏多31.1 h；年降雨量为1 882.9 mm，比多年平均值略偏少，其中，3月降雨量异常偏多，4月偏多，1、11、12月异常偏少[12]。

2.2 数据采集

选取茜坑水库库中(S1)和水库水进入水厂的出水口处(S2)两个典型采样点(如图1所示)。采样时间为2019年1-12月，每月月初按照《水质采样技术指导》(HJ 494—2009)采集表层水(0.5 m)样品。由于水库已进行完全封闭管理多年，不存在明显的农业面源污染和工业污染，故选取pH、高锰酸盐指数(CODMn)、氨氮(NH3—N)、硝酸盐氮(NO3—N)、总氮(total nitrogen, TN)、总磷(total phosphorus, TP)、铁(Fe)和锰(Mn)等8个典型指标进行水质分析。各水质指标分析方法和目标限值参考的相关标准和规范见表1。

图1 茜坑水库及典型采样点位置示意图

表1 各水质指标检测方法及其目标限值

2.3 分析方法

相关性分析能反映不同水质指标间的线性关系强度，因此采用相关系数(r)进行关系强度数值度量[13]。由于茜坑水库全年水质数据不完全具有正态性分布的特点，故采用根据各水质数据之间秩进行排序进而计算的Spearman系数进行相关性分析。

水质综合指数法(water quality composite index, WQI)能将茜坑水库各种水质参数整合为一个能够代表整体水质的无量纲数，可以综合反映水库水环境质量状况，对于水质规律分析和制定环境政策均通俗易用[14]。计算时对水库每个所选水质指标数据进行标准化处理，权重取值则根据不同指标对水质的影响程度赋予1～4。1代表对水质影响较小，4代表对水质影响较大。具体取值结合茜坑水库调蓄型水源水库背景、历史水质情况以及参考文献[15]进行因地制宜取值。水质综合指数Iw的计算如公式(1)、(2)所示。

(1)

Wi=wi/∑wi

(2)

式中：wi为水质指标i的权重，各水质指标权重分别取值为pH=4，CODMn=4，NH3—N=2，NO3—N=2，TN=3，TP=4，Fe=1，Mn=1；∑wi为各水质指标权重总和；Wi为水质指标i的权重占各水质指标权重总和的比例；Ci和Si分别为水质指标i的测量浓度和地表水Ⅱ类标准限值，mg/L。根据Iw值将水质分为5个等级：优(Iw≤50)，好(Iw=51～100)，良(Iw=101～200)，差(Iw=201～300)，极差(Iw>300)[14]。

Mann-Kendall秩检验法为广泛应用于水文、气象、环境等领域的趋势分析方法，该方法具有不需要数据服从特定的分布、允许数据有缺失等优势，检验结果由Kendall’s tau值(z值)验证。如果p<0.05，则认为趋势是存在的，z值的正负决定了趋势是增大(正)还是减小(负)[16]。计算通过R(“trend”包)程序完成。

因子分析法(factor analysis, FA)为目前应用最为广泛的水体污染解析方法之一。FA用监测数据中不同指标之间的相互关系建立矩阵，通过降维减少变量数目、简化问题，从而识别水体主要(潜在)污染因子，为决策者建立高效合理的水环境管理方案提供参考[17]。KMO(Kaiser-Meyer-Olkin)检验和Bartlett球形度检验可验证FA在数据集上的适用性。KMO检验是抽样充分性的一种度量，它提供了介于0和1之间的指数，反映了变量之间的方差比例，而Bartlett球形度检验表明了是否存在相关的矩阵关系。本研究KMO和Bartlett检验结果KMO值为0.513、p=0.001，表明数据满足分析要求。另外，所有水库水质数据均通过标准化处理，以避免由各种参数测量单位的差异而造成的误差。

绝对主成分多元线性回归分析模型(absolute pricipal component score-multivariate linear regression APCS-MLR)通过因子分析确定污染源的数量和种类，可以有效对各类污染源的贡献率进行量化分析[18]。以根据其特征向量和标准化数据得到的绝对主成分得分(APCS)为自变量、以实测水质指标浓度为因变量进行多元线性回归计算得到各污染源的平均贡献率，从而确定主要污染源对水体各评价指标的影响程度，如公式(3)所示。

(3)

式中：Ck为水质指标k在单次检测中浓度，mg/L；a0为常数项； APCSjk为绝对主成分得分；Aj为回归系数；Aj·APCSjk为某个污染源j对水质指标k的贡献浓度,mg/L。所有检测样本Aj·APCSjk的平均值与Ck的平均值的比值即为某个污染源对水质指标k的贡献率，具体计算过程参考文献[19]、[20]。

对所选取的茜坑水库S1和S2采样点所有水质指标进行逐月配对Wilcoxon符号秩检验，结果显示所有水质指标在分布上不存在显著不同(p>0.01)，因此后续分析取S1和S2两个采样点数据的平均值代表水库水质。

3 结果分析与讨论

3.1 水质指标变化规律

2019年1-12月茜坑水库各水质指标浓度变化如图2所示，各水质指标相关性分析结果如图3所示。对图2、3中的结果综合分析如下：

pH作为水库基础指标之一，是水库中各种离子酸碱平衡综合作用的体现。pH在2-8月份均保持在8以上，6月份pH达到最高值9.8，其余月份pH数值为7～8，水库水质呈现稳定的碱性状态(图2(a))。由于茜坑水库无明显外源污染，pH变化主要受浮游植物光合作用的影响[21]，水库浮游植物大量繁殖后产生较强的光合作用能够摄取超量CO2，当水库水体游离CO2不足时，只能从水中HCO3-获取并释放出OH-使水体pH升高。而6月份较高温度和强烈光照造成浮游植物大量繁殖是pH在此期间偏高的主要原因。CODMn表现出类似规律(图2(b))，浮游植物数量较多的4-7月份浓度明显大于其他月份，6月份达到极大值6.30 mg/L，超过地表水Ⅲ类标准，其他月份CODMn浓度较小，仅为1.46～2.00 mg/L，说明水库CODMn受浮游植物影响明显。Kukrer等[14]研究表明，初级生产力的增加会使水体有机物显著增加，造成CODMn浓度增大。相关性分析结果(图3)表明，CODMn与pH表现出高度的相关性(r=0.75，p<0.01)，这也说明两者主要影响因素高度同源，均为浮游植物。

对于氮素，NO3—N和TN表现出强烈相关性(r=0.74,p<0.01)，说明两者变化基本一致(图3)。6-9月份两者浓度处于全年较低水平，其原因可能是该阶段浮游植物生长需要摄取大量氮素，其他月份浓度变化不大(图2(d)、2(e))。与大多数水库TN浓度较高类似[22-23]，茜坑水库TN浓度为0.54～1.73 mg/L(图2(e))，全年均超过地表水Ⅱ类标准(0.50 mg/L)，部分月份甚至大于Ⅳ类水标准(1.50 mg/L)，氮负荷较高是茜坑水库亟需解决的难题之一。相反，水库全年的NH3—N浓度在0.02～0.08 mg/L范围内(图2(c))，处于较低水平，说明水库具有一定的自净能力，硝化作用是水库氮循环的主要途径[24]。从TN的组成成分来看，NO3—N全年占比保持在71%±9%，说明NO3—N占水库氮素的绝大部分，有机氮污染较少。水库TP浓度全年保持在0.010～0.022 mg/L之间(图2(f))，呈现出较低水平并满足地表水Ⅱ类标准。水库全年氮磷比(TN/TP)为62～136，远大于适合浮游植物生长的氮磷比值16[25]，说明磷是限制茜坑水库浮游植物生长的因素之一。

图2 2019年1-12月茜坑水库各水质指标浓度变化

注：n=12，“*”表示P<0.05水平显著， “**”表示P<0.01水平显著。

茜坑水库Fe和Mn全年浓度分别0.014～0.150 mg/L和0.002 0～0.015 5 mg/L(图2(g)、2(h))，均未超过地表水限值。从变化趋势上看，两者均存在较大波动，但变化趋势基本一致，相关性强烈(r=0.82,p<0.01)。1-4月份Fe和Mn浓度基本保持较低水平，5月份以后，两者浓度出现明显增长且维持较高浓度。Fe和Mn在水体中的循环过程非常类似[26]，通常有着相同的变化规律。研究表明水库中Fe和Mn浓度均主要受外源输入和内源释放的影响[27]，其中外源输入主要与引水带来的负荷有关，而内源释放则可能是由于外界扰动、底层厌氧等因素引起沉积物释放。对于茜坑水库两者浓度在5月份均突然增加的情况，考虑与汛期降水冲刷河流导致引水带入和水库分层底层厌氧沉积物释放有密切关系。由于污染来源基本一致，因而Fe和Mn相关系数较高。另外5月份以后茜坑水库的Fe和Mn均保持较高浓度，其可能的原因是无论外源或内源负荷，Fe和Mn在水体中的滞留率和停留时间均较高[27]。因而5月份以后Fe和Mn的增长对于水库水质的影响需引起关注。另外，pH与Mn浓度呈较强的负相关(r=-0.75,p<0.01)，而与Fe浓度未表现出显著的相关性。可能原因是水库水体长期保持弱碱性环境，Mn的氧化速度远小于Fe[26]，Fe被迅速氧化后稳定存在于水体中，而Mn的氧化速度较慢，因而其浓度变化受pH影响较大。

3.2 基于WQI指数的水库水质评价

基于WQI法计算的2019年1-12月茜坑水库水质综合指数Iw如图4所示。由图4可看出，茜坑水库全年水质综合指数在52～103之间，均值为78，总体处于“好”水平，其中4和6月份水质为“良”，其他月份均为“好”，说明茜坑水库水质满足供水要求。同时注意到茜坑水库总体水质变化并未呈现出大多数水库[28-30]出现的汛期(5-9月)水质明显差于非汛期的状况，这说明汛期降雨引起的面源污染不是影响水库水质的主要原因。这与茜坑水库作为调蓄型水库的特征密切相关，按照水库年均2.6×108m3的引水量计算，水库引水量约是其自身库容的13倍，因此外来引水所带来的污染汇入影响远大于其自身面源污染。另外，利用Mann-Kendall趋势检验分析水质综合指数变化趋势，结果为z=-2.13,p=0.03<0.05(n=12)，说明茜坑水库水质综合指数呈显著减小趋势。近几年来，茜坑水库在水质防治方面采取了多种措施，例如：通过优化水源调度，采用多进水多出水策略，加速水体交换，改善水库水力条件；投放白鲢鱼、鳙鱼进行生物防治，在一定程度上控制浮游植物生长；实施隔离围网项目全面加强水源保护，切断所有人为污染源等。这些措施的协同效应使得茜坑水库水质整体呈现出逐渐向好的趋势。

图4 2019年1-12月茜坑水库水质综合指数Iw

3.3 污染源解析

对8个水质指标进行因子分析，各水质指标对于每个因子的方差用特征值来表示，即代表了各因子对整个水质信息解释贡献度。解释度表示为该因子特征值与所有因子特征值之和的比值，累计解释度为所有解释度值之和。一般取特征值大于1为有效因子，对于茜坑水库共有3组数据(VF1=3.09，VF2= 2.69，VF3=1.00)符合要求，因此因子分析只考虑前3个因子。提取前3个因子，累计解释度达84.71%，大于多数同类研究结果[31-33]，表明该3个因子能较好地代表水质评价原始数据中的水质信息。各水质指标的因子分析结果如表2所示。按照因子得分值为大于0.75、0.75～0.50和0.50～0.30，其与水质指标的相关关系可相应地分为强相关、中等相关和弱相关3类[34]。

表2 各水质指标的因子分析结果(最大方差法)

第1个因子(VF1)解释了整个数据集的38.68%，与TN和NO3—N呈强正相关，与TP呈中等正相关。这一因子可归纳为与引水汇入相关。茜坑水库引水来源为东江河流水，目前河流地表水环境质量标准低于湖库水，造成引水质量劣于水库水质的供水要求，给水库带来大量营养盐负荷，造成水质供需矛盾。另外，引水工程改变了水库原有的进口水动力-水质条件，必然影响库区水质变化[35]。与此同时茜坑水库由于自身地形特点存在较多库湾，一旦引入过多污染物质将会使得水库污染物浓度峰值更高、滞留时间更长，从而放大了引水负荷对水库水质的影响。

第2个因子(VF2) 解释了整个数据集的33.64%，与pH和CODMn呈强正相关，与TP呈中等正相关。前述分析表明pH和CODMn变化与水库浮游植物密切相关，同时浮游植物可以将颗粒态磷转化为溶解态增加了水体磷负荷[36]，说明此因子代表了浮游植物变化对水库水质的影响。水库地处(亚)热带地区，气温高且日照久，适合浮游植物生长，一旦其数量超过阈值将会改变水库物质循环和能量流动[37]，严重破坏水生态健康。另外，部分浮游植物繁殖对饮用水安全有巨大影响[38]，例如蓝藻藻毒素对人体健康危害严重。

第3个因子(VF3)对整个数据集的解释度为12.39%，与Fe和Mn呈强正相关，说明该因子与内源释放对水库水质的影响有关。茜坑水库主库区平均水深大于15 m，满足形成水体热分层的条件[39]，夏季库中水体会出现明显的热分层从而引起水质恶化，包括底层溶解氧降低、沉积物中Fe和Mn向水体释放等[40]。

3.4 污染源贡献率估算

通过因子分析确定了3个主要污染源，即引水汇入、浮游植物和内源释放，利用 APCS-MLR 计算各主要污染源对于茜坑水库水质指标的贡献率,结果见表3。

表3 主要污染源对各水质指标贡献率

由表3中回归方程R2值以及预测值与实测值的比值可知，除NH3—N和TP外，其他水质指标在模型拟合结果中均有较好表现。NH3—N因其浓度很低，模型拟合结果不能说明主要问题，而水库中由于TP含量较小且其易受到流域汇入、沉降与释放、生物循环和大气沉降等多种因素的影响，故其拟合结果较差，因此这两种物质不参与后续污染源贡献率的计算。

引水汇入对NO3—N和TN的贡献率分别达到58.6%和44.1%，这说明水体中的氮负荷有超过一半来自引水。浮游植物对CODMn的贡献率达到40.0%，应警惕浮游植物对水体的有机污染。内源释放对NH3—N 、Fe和Mn的贡献率较大，分别为43.0%、53.1%和46.2%，对其他指标影响不大。从回归结果综合来看，不存在某种污染源对某一指标的影响占绝对主导地位的情况，这说明茜坑水库与天然湖泊类似，其水质变化同样受到包括水动力、水生态和外界环境等多方面的综合影响，这必然对水源水库的水质管理带来巨大挑战。另外，由于所分析的水样均在水库表层采集，在水库分层期间其分析结果不能完全代表水库的水质状况，若要准确掌握水库水质的变化规律，应在分层期进行垂向采样。

因此，未来在水库管理上，一方面需加强浮游植物监测，掌握其数量和群落变化，提前预警其对水库的影响；另一方面应尽量改善引水水质并采取工程措施消除水体分层，抑制内源释放，才能从根源上提升水库的水环境质量。