采煤区地下水水质评价及影响因素分析

裴双保，延子轩，冯民权,*

(1.晋城市供水保障中心，山西 晋城 048000；2.西安理工大学 省部共建西北旱区生态水利国家重点实验室，西安 710048)

0 引 言

2019年我国原煤产量为38.5×108t，同比增长4%，煤炭在未来短期内，依旧是我国的主要的能源之一[1]。煤炭开采带来巨大能源收益的同时，也引发了一系列的生态环境隐患，尤以水环境问题较为突出[2]。采煤作业会产生大量的矿井水与废水，发生了风化、溶解、氧化等一系列复杂的物理化学反应，这些反应直接或间接影响地下水质量[3]。地下水作为全球分布最广的淡水资源，也是人类生活生产的供水主要来源，一旦遭受破坏，自净能力较弱，会对生态环境造成影响[4-7]。煤炭开采区生态环境脆弱，对地下水的保护形势更为严峻，明晰采煤对地下水水质的影响因素与水体质量的优良，是水资源保护和开发利用的基础。

20世纪60年代以来，水质指数的概念和公式提出之后，水环境质量评价进入了新的研究领域[8]。近年来，水质指数法[9-10]、主成分分析法[11]、模糊数学法[12]、BP神经网络[13]、灰色系统理论[14]等方法被引入到水质评价中，地下水水质评价由单因子评价到综合评价[15]，从数理统计到建立数学模型，方法与体系日趋完善，以期获得更为准确的评价结果。近年来，国内外研究学者在煤矿矿区水质研究领域做了大量的工作[16-17]，总体来说，复杂的水环境质量评价需要更加准确地对水质影响因子进行分析，但每个水质评价方法都有其不同的侧重点，都不能全面地反映复杂的水质情况[18]。地下水是一个复杂的系统，存在着许多影响因素，从而难以准确定量分析水质情况。主成分分析法可以充分考虑各指标之间的信息重叠，通过对数据标准化的处理，保留原始数据的信息基础上，结合秩和比法确定多个影响因子的权重，可以准确的定量化分析影响水质的主要因素。

晋城市及周边居民饮水来源主要是中层地下水，地下水质量的好坏直接影响人民的生活质量。研究区位于晋城市西北部泽州县，是晋城市经济带中的重要区域，同时也是煤矿富集区域，区内有煤矿14座，采煤引发的一系列环境问题刻不容缓，其中对饮水来源的地下水水质有着深远的影响。工业发达，人口密集，地理环境与社会环境复杂，是研究区的主要特征，这些因素影响着地下水水质。研究区地下水水质的准确评价与主要影响因素分析对于合理保护、开采地下水至关重要。基于此，本文通过主成分分析法构建水质评价指标体系，秩和比法确定权重系数，将二者结合建立评价模型，可减少指标信息重叠所造成的评价误差，对研究区复杂的地下水环境做出水质评价，结果可为晋城市地下水开发与利用提供科学的建议。

1 材料与方法

1.1 研究区概况

研究区位于山西省晋城市泽州县西北部(N 35°12′～35°42′，E 112°31′～113°14′)。地势西高东低，北高南低，流城内峰峦叠嶂，丘陵起伏，属典型的土石山地丘陵区，流域属典型的暖温带半湿润季风气候，四季分明，年平均气温10.9 ℃，年平均降水量为591.8 mm，年降水分布不均。根据含水层岩性组合特征及其层位分布，研究区含水层划分为3个主要含水层组：①第四系松散岩类孔隙含水岩组；②二叠系、三叠系碎屑岩类裂隙含水岩组；③石炭系碎屑岩夹碳酸盐岩类层间裂隙岩溶含水岩组。水质类型为HCO3-Ca、HCO3·SO4-Ca、HCO3-Ca·Na、SO4·HCO3-Ca·Na、HCO3·SO4-Ca·Mg、HCO3-Ca·Na·Mg等6种。

1.2 主成分分析法

主成分分析法(PCA)是一种将多维因子纳入同一系统中定量化分析的方法，通过降低由许多相互关联变量组成的数据集的维数，对原始变量相关矩阵的内部结构关系研究，找出多个影响环境质量的综合指标，此方法可以保留数据的原始信息，又可以使各指标之间互不相关，对数据的处理更为精准[19]。为消除水质数据与评价指标量纲的影响，利用SPSS软件Z-score归一化处理水质数据与水质评价标准。

(1)

式中：Zij为标准化后的变量值；Xij为实际变量值；Xi为方差；Si为标准差。

通过降维处理，根据相关系数矩阵和特征值，计算出主成分特征值贡献率：

(2)

1.3 秩和比法

秩和比法(RSR)是一种参数与非参数融合的方法，可较好地消除无关因子的干扰，能综合多项指标的信息，既使数据量多而杂，也可以通过合理分档数表分档聚类，进行分析研究。基于主成分分析计算得出的特征值贡献率作为经验权重系数，对相应的主成分进行编秩计算，编秩原则采用高优或低优指标。结合秩和比法(RSR)中的SR确定权重系数[20]，通过分比SR与特征值贡献率计算各指标权重系数W。

高优指标：

(3)

低优指标：

(4)

(5)

式中：∑R为各项指标秩和;k、m分别为矩阵的行和列。

(6)

(7)

式中:SR为分比；W′为特征值贡献率。

1.4 PCA-RSR水质模型法

通过RSR法确定的权重系数及PCA法提取的主成分，在归一化后的水质评价标准下，计算水质等级阙值，对研究区地下水水质评价分析。

fi=WiuiPi

(8)

(9)

式中:fi为水质阈值；Wi为权重系数；ui为主成分荷载系数；Pi为归一化后的地下水质量标准；f为水质综合评价值;Fi(x,y)为各指标主元值大小。

图1 研究区地下水水质指标含量分布Fig.1 Groundwater quality index content distribution in the study area

2 结果与讨论

2.1 地下水水质空间分布特征

2019年7月实地调研，结合研究区地下水分布特征、含水层特性以及城镇居民用水现状，依据GB/T14848-2017《地下水质量标准》和长河流域多年地下水水质监测数据，在研究区布设了12个水质监测点，对研究区中层地下水水质进行监测研究。统计监测点水质数据，制出水质指标空间分布图，见图1。由图1可见，pH和氟化物，在研究区中游区域浓度较高；氯化物、硝酸盐氮、硫酸盐、溶解性固体和总硬度，在研究区上游区域浓度较高；亚硝酸盐氮和高锰酸盐指数在研究区下游区域浓度高；而浑浊度在整个研究区域浓度都较高。可见，研究区地下水水质污染因子呈现规律性分布，除了浑浊度和氟化物，其余指标值都是在上游或者下游较高，根据现场实地考察分析，长河上游区域有城镇居民生活污水排放和采煤厂煤矿开采活动，下游区域有化工厂工业污水排放，整个区域在长河煤矿经济带内，因此地下水水质受到工业污染可能性较大，且污染物质影响复杂，各个污染物之间相互联系，相互影响，使得水质评价复杂且不能准确展示不同区域水质的等级。

2.2 地下水水质评价

2.2.1 数据处理及相关性分析

依据GB/T14848-2017《地下水质量标准》，选取相对应的监测点水质指标(pH、浑浊度、氯化物等)，对其水质评价等级和水质数据进行归一化处理(式1)。通过主成分分析法确定地下水水质评价因子相关系数矩阵(图2)，进一步计算出特征值贡献率W′=(0.422 7、0.207 7、0.152 1)，从而得出特征值。对水质监测数据及水质评价等级的归一化处理，可以使建立的新的水质评价等级更准确，消除因为数据信息不同而产生的误差。归一化目的是将数据进行无量纲化。

图2 相关系数矩阵Fig.2 Correlation coefficient matrix

由图2可见,各指标之间的相关性。氯化物和硫酸盐呈正相关，R=0.81；硫酸盐和高锰酸盐指数呈高度正相关，R=0.98；总硬度与溶解性固体呈高度正相关，R=0.99；溶解性固体与硝酸盐氮、高锰酸盐指数与亚硝酸盐氮，都呈正相关性，其余指标R值为负，呈现负相关性。根据相关性分析得出的碎石图可见，第三个公因子后的特征值变化趋于缓慢，因此选取3个公共因子较为合理，进一步确定地下水水质指标主成分分析后可得3个主元。

2.2.2 秩和比法确定权重系数

对评价指标体系中3个提取的主元指标进行横向排序，运用秩和比(RSR) 法对各指标编秩，测算秩和比、分比及权重系数，结果见表1，通过对每个监测点的计算分析，得出3个主成分的秩和比权重系数，为建立新的水质评价模型提供基础。

2.2.3 基于水质模型法的地下水水质评价

根据上述RSR法确定的权重系数W、PCA法提取的主元与归一化处理的地下水质量标准，利用式(8)建立三者之间的联系，计算出水质等级阈值(表2)，水质临界阈值分级标准依据原《地下水质量标准》划分得来。由PCA-RSR法建立的地下水水质评价模型[21]，结合各主元值，通过式(9)计算各个监测点的综合评价值f，进行水质评价。评价结果见表3。

由表3可见，研究区共有12个水质监测点，整体水质良好。其中Ⅲ类水占比较大，JC1、JC10-JC11是Ⅳ类水，JC2-JC8、JC12是Ⅲ类水，JC9是Ⅱ类水。根据PCA-RSR模型计算得出主要污染物为pH、浑浊度、总硬度、亚硝酸盐氮等，并且综合指标f值越大，污染越严重，水质也越差。

水质较差区域主要集中在长河流域上游段与下游段，为Ⅳ类水质，中游段水质较好，可达到Ⅲ类水。在以往的水质评价研究中，多数是采用水质标准(GB/T 14848-93)或者固定的数据计算进行评价，而PCA-RSR模型法可对水质评价等级进行优化，减小评价的误差，更加准确、客观地评价水质级别。本文利用Arcgis强大的可视化功能，将PCA-RSR水质模型计算出的综合评价值f赋值到gis中，通过IDW插值法(IDW是一种确定性插值技术，它根据其与测量点的接近程度来估计非测量点的值)得出研究区域水质评价分区见图3。

表1 RSR法计算结果

表2 地下水水质等级临界阈值

表3 地下水综合评价

图3 研究区地下水水质评价分区Fig.3 Zoning map of groundwater quality evaluation in the study area

2.3 水质影响因素分析

研究区处于山谷之间，上游山地较多，地势高，地下水的补给大多是降雨补给和河道渗漏补给，流域位于晋城市煤炭经济带，区内有大小煤矿14座，煤炭业与化工业较发达，城镇居民的饮水主要来源于地下水，水质受到人类活动影响较大。结合上述地下水水质评价结果与研究区整体生态环境情况，总结影响研究区地下水水质的因素：

1)工业污水排放。晋城市长河流域2018年工业污水排放总量为504.35万t，据统计排放污水的主要成分为COD、氨氮、总磷和SS。研究区内人口密集处在长河上游处，采煤厂和化工厂也集中于上游和下游地势平缓处。研究区内大部分污废水直接排入长河，通过地表水与地下水的水力交换，污染物质下渗到地下水，是造成研究区地下水硝酸盐氮、亚硝酸盐氮、溶解性固体浓度高的主要原因，也是长河流域上游与下游地下水污染较为严重的重要原因。

2)地下水开采。研究表明，地下水盐污染主要是由硝酸盐污染和硬度升高造成，二者间存在密切的联系，阳离子交换、硝化作用是导致地下水硝酸盐和硬度升高的重要机制[22]。随着硬度升高，溶解性总固体含量也随之增加。根据区内中层地下水位监测点近年来水位数据，研究区整体地下水埋深呈逐年升高的趋势，因此，人为超采是导致地下水各指标升高的主要原因之一。研究区各水位监测点2018—2019年地下水埋深变化曲线见图4。

综上所述，在长河上游区域，因为大量煤矿分布，常年的采煤活动及工业污水的排放，导致长河污染严重，长河地表水与地下水的水力联系以及煤矿煤矸石堆集下渗的污水，影响了地下水水质，使地下水受到不同程度的污染。而下游污染严重段建有煤化工厂，大量工业污水排放也会影响地下水水质。整体而言，研究区地下水水质良好，但个别区域水质较差，应加大管理力度，适度合理开采地下水。

图4 2018—2019年长河流域中层地下水水位埋深变化Fig.4 2018—2019 Changhe River Basin groundwater level changes in depth

3 结 论

本文以晋城市长河流域地下水为研究对象，运用主成分分析和秩和比法相结合的方法对水质主要影响指标进行评价，分析其影响因素，结论如下：

1)针对研究区12个不同区域监测点的地下水水质，主成分分析指出，可将10个水质指标综合为3个主成分，分别为：硫酸盐、亚硝酸盐氮和浑浊度。

2)12个水质监测点中，1个Ⅱ类水，8个Ⅲ类水和3个Ⅳ类水，研究区地下水整体水质良好，Ⅲ类水居多，水质较差区域主要分布在上、下游区域，主要污染物为pH值、浑浊度、总硬度、硝酸盐氮、亚硝酸盐氮等。

3)运用PCA-RSR水质模型法在反应研究区水质好坏的同时，也可以根据主元权重系数来确定影响研究区域的主要污染物质，更科学有效地进行地下水的保护与开采。