黄河干流及主要支流水质时空差异性及其变化特征研究

张彦，梁志杰，邹磊，李平，窦明，黄仲冬，齐学斌*，高青

黄河干流及主要支流水质时空差异性及其变化特征研究

张彦1,3,4，梁志杰1,4，邹磊2，李平1,4，窦明3,5，黄仲冬1，齐学斌1,4*，高青1,4

(1.中国农业科学院 农田灌溉研究所，河南 新乡 453002；2.中国科学院 地理科学与资源研究所陆地水循环及地表过程院重点实验室，北京 100101；3.郑州大学 水利科学与工程学院，郑州 450001；4.农业农村部 农产品质量安全水环境因子风险评估实验室，河南 新乡 453002；5.郑州大学 生态与环境学院，郑州 450001）

【】了解黄河流域水环境状况可为黄河流域生态保护和高质量发展提供依据。选取黄河干流及主要支流湟水、渭河和汾河12个水质监测断面和4项水质指标pH值、溶解氧（DO）、高锰酸盐指数（CODMn）和氨氮（NH3-N），并利用多元统计方法分析了水质时空差异性及其变化特征，同时引入水污染指数法（）对整体的水环境状况进行评估分析。黄河干流水质状况最好，湟水和渭河水质状况次之，汾河水质状况最差，且水质指标在空间和时间上均呈显著的差异性；监测断面海东民和桥、渭南潼关吊桥和运城河津大桥的值达到IV类及以上水质标准的频率较高，分别为66.30%、98.91%和78.26%；各监测断面在春季和冬季的水质状况较差，而夏季和秋季水质状况相对较好。各监测断面的值均呈下降趋势，其中海东民和桥、中卫新墩和天水牛背等3个监测断面的下降趋势比较显著；基于指数的时空聚类分析结果与水体污染物浓度的时空分布情况具有一致性，空间上海东民和桥、渭南潼关吊桥和运城河津大桥值的波动性相对较大，时间上1—3月的值波动性相对较大。黄河干流及主要支流水质状况具有明显的时空差异性，但整体上水环境条件正在逐渐改善。

黄河；时空差异性；水污染指数；聚类分析

0 引言

【研究意义】黄河流域具有丰富的水资源条件，在我国经济社会发展和生态安全方面具有重要的地位，2019年，习近平总书记在黄河流域生态保护和高质量发展座谈会上强调要加强生态环境保护、推进水资源节约集约利用和推动黄河流域高质量发展。而随着沿黄地区经济社会的快速发展和人类活动的影响，黄河流域水资源和水环境条件的变化严重制约了流域内工农业的发展。因此，开展黄河干流及主要支流水质时空差异性和变化特征研究，可为黄河流域生态保护和高质量发展提供一定的理论基础。【研究进展】流域水生态环境受到多种因素的影响，分析河流水体污染物时空差异性对识别河流水质状况具有重要意义[1-2]。目前多元统计方法多用于此类分析，如Mann-Kendall检验法[3]、方差分析法[4]、主成分分析法和聚类分析法等[5]，并在赤水河上游[6]、鄱阳湖流域[7]、淮河流域[8]、黄河流域[9]、科威特湾[10]、日本八郎湖[11]和土耳其底格里斯河流域[12]等河湖中广泛应用。针对黄河流域，徐发凯等[13]、宁忠瑞等[14]、张婧雯等[15]分别利用相关统计方法分析了黄河干流兰州和白银段、黄河宁夏段和山西境内黄河流域水体污染物的时空变化特征；白璐等[16]分析了黄河流域水污染排放特征以及污染物空间集聚的格局；陆丹等[17]运用区间型贝叶斯模型对湟水干流的水质进行评价。以上研究主要针对水质单指标进行分析，而水污染指数法（Water Pollution Index，）作为一种多种水质污染指标浓度简化为单一性指数值的方法，具有计算便捷、准确性高、可比性好等优点，且可分级表征水体综合污染程度[18]；刘琰等[19]利用水污染指数法对湘江干流的18个监测断面进行了评价分析；孙艺珂等[20]以水污染指数和改进内梅罗指数建立了改进的综合水质指数法并评价了黄河干流水质状况；景朝霞等[21]利用水污染指数法和聚类分析识别了汉江中下游干流的水环境时空变化特征。【切入点】水污染指数法以水体污染最严重的指标作为判断水质类别，能够将黄河流域水质状况进行量化，更大程度上呈现黄河流域主要河流水质空间差异性和变化特征。【拟解决的关键问题】本研究基于黄河干流及主要支流监测断面的水质指标，利用Mann-Kendall趋势检验法、水污染指数法、聚类分析等方法，对黄河干流及主要支流水质时空的差异性及其变化特征进行分析，同时对黄河干流及主要支流主要污染物的来源进行阐述，以准确呈现水体污染物来源的特征并识别污染物来源的情况。

1 材料与方法

1.1 研究区及数据来源

黄河流域（89°E—126°E、26°N—54°N）是我国第二大流域，流域面积约为75万km2。渭河和汾河分别为黄河流域的最大支流和第二大支流，湟水为黄河上游的主要支流，其流域面积分别为13.48万、3.97万km2和3.29万km2。黄河发源于青海省青藏高原，全长5 464 km，自西向东分别流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东9个省（自治区），最终汇入渤海。黄河流域是重要的经济文化带，包含重要的工农业生产基地和重点生态功能区，为黄河流域的经济社会发展提供了丰富的资源[22]。

研究数据主要来源于中国环境监测总站编制的《全国主要流域重点断面水质自动监测周报》，本文选取了黄河干流及主要支流12个监测断面的4项水质指标。12个监测断面均为黄河流域省界、水库、入海口和支流入黄前的关键监测断面，其中黄河干流监测断面主要有兰州新城桥、中卫新墩（甘-宁省界）、石嘴山麻黄沟（宁-蒙省界）、乌海海勃湾（宁-蒙省界）、包头画匠营子、忻州万家寨水库、济源小浪底和济南泺口（入海口），湟水监测断面为海东民和桥（青-甘省界），汾河监测断面为运城河津大桥（晋-晋、陕省界<入黄前>），渭河监测断面主要有天水牛背（甘-陕省界）和渭南潼关吊桥（陕-晋、豫省界<入黄前>），具体位置详见图1。水质指标主要为《全国主要流域重点断面水质自动监测周报》中监测指标，包括pH值、溶解氧（DO）、高锰酸盐指数（CODMn）和氨氮（NH3-N），其中石嘴山麻黄沟、海东民和桥和天水牛背为2011年新增加的监测断面，选取的监测时段为2011年5月—2018年12月，其余监测断面为2008年1月—2018年12月；水质指标监测频次基本为每周1次，通过数据处理将水质监测数据整理为月平均值，水质监测数据分析执行《地表水环境质量标准》（GB 3838—2002）[23]。

图1 黄河干流及主要支流水质监测断面分布

1.2 研究方法

1.2.1 Mann-Kendall检验法

Mann-Kendall（M-K）检验法是基于秩序的非参数检验方法，其零假设（0）为时间序列x（=1，2，…，）为独立随机变量同分布样本，备择假设（1）为双边检验，假设x'和x（≤且'≠）的分布不同[24]。M-K检验的优越性在于能够检验线性或非线性的趋势，其扩展的精确性在水质趋势分析中得到了广泛应用[25]。标准化检验统计值MK为时间序列数据变化趋势，若MK>0，表示时间序列数据随着时间的推移呈现增加趋势；反之表示时间序列数据随着时间的推移呈减小趋势。当｜MK｜>(1-α/2)时，则拒绝零假设，认为时间序列数据存在显著趋势性；(1-α/2)值可由标准正态分布表中查得，当取显著性水平=5%时，其对应的(1-α/2)值为1.96[26-27]。

1.2.2 时空差异性分析

考虑到黄河干流及主要支流水质在时间和空间上的差异性以及相似性，本文利用方差分析（ANOVA）对黄河干流及主要支流水质指标各监测断面和时间序列进行显著差异性检验，进而判断水质指标在不同监测断面和时间序列是否存在显著性差异[28]。

1.2.3 水污染指数法

水污染指数法以《地表水环境质量标准》（GB 3838—2002）中推荐的单因子评价法为基础。本研究基于4项水质指标分别计算了水污染指数（），在各监测断面分别取各指标对应的最大值作为该断面的值，并依据地表水水质标准与值判断各断面的水质类别[19,21,29-30]，值处于I、II、III、IV、V和劣V类水质标准所对应的值分别为20、20<≤40、40<≤60、60<≤80、80<≤100以及>100，其计算式为：

式中：()、C()、C()、5()分别为第个水质指标监测质量浓度值、水质指标所在类别标准下限质量浓度值及上限质量浓度值和第个水质指标地表水水质标准中V类标准质量浓度限值；()、()、()分别为各水质指标质量浓度值对应的水污染指数值；若地表水水质标准中2个水质等级标准值相同，则按低分数值区间插值计算。pH值的值一般取20，此外，若pH值＜6，(pH)=100+6.67×(6-[pH])；若pH值＞9，(pH)=100+8×([pH]-9)；若DO＜2 mg/L，(DO)=100+40×(2-[DO])/2。

其中，若单因子评价水质指标未超过V类水质标准，计算式见式（1）；若(DO)≥7.5 mg/L，（DO）取20；若2≤(DO)＜7.5 mg/L，计算式见式（2）；若单因子评价水质指标超过V类水质标准，计算式见式（3）。

1.2.4 聚类分析法

聚类分析法是根据研究对象的特性，进行定量分析的一种多元统计方法。最常用的聚类分析方法是层次聚类分析，其实质是将参与聚类的每个个体视为一类，根据两类之间的距离或者相似性逐步聚合，直到聚成一类[1]。本研究利用SPSS21.0软件进行黄河干流及主要支流水质指标时间和空间尺度的层次聚类分析，聚类距离测量方式为平方欧氏距离，流域水质评价中常按照监测时间和监测断面的地理位置进行聚类，分析流域水质的时空变化特征[31-32]。

1.2.5 箱线图法

箱线图法是描述统计的一个简便工具，以简单的组合图形将数据批量的以形状直观地表现出来，用于反映一组或多组连续型定量数据分布的中心位置和散布范围[33]。在流域水质评价的过程中使用箱线图法来进行分析研究，使得复杂庞大的监测数据得以清楚地反映出变化规律[6]。

2 结果与分析

2.1 水质时空分布特征及差异性分析

2.1.1 水质指标统计结果分析

对黄河干流及其支流湟水、汾河和渭河的水质指标年、季均值进行统计分析，如表1所示。黄河干流及主要支流水质总体上呈弱碱性。黄河干流、湟水、汾河和渭河DO质量浓度年均值分别为8.73、7.47、4.89和7.27 mg/L，其中汾河DO质量浓度年均值最低，处于IV类水质标准；黄河干流、湟水、汾河和渭河CODMn质量浓度年均值分别为2.83、3.94、37.09和5.14 mg/L，其中汾河CODMn质量浓度年均值为其他年均值的7～13倍，达到了劣V类水质标准；黄河干流、湟水、汾河和渭河NH3-N质量浓度年均值分别为0.35、1.81、11.39和1.52 mg/L，其中汾河NH3-N质量浓度年均值为其他年均值的6～32倍，达到了劣V类水质标准，湟水和渭河NH3-N质量浓度年均值也达到了IV类水质标准。总之，针对单水质指标因素，汾河的水质状况最差，黄河干流的水质状况较好。

表1 黄河干流及主要支流水质指标年、季的统计值

2.1.2 水体污染物质量浓度时空分布特征

黄河干流及主要支流水体污染物质量浓度时空分布情况如图2所示。各监测断面DO质量浓度变化明显，基本呈冬季＞春季＞秋季＞夏季，其中济南泺口冬季DO质量浓度最高为12.50 mg/L，运城河津大桥夏季DO质量浓度最低为3.57 mg/L。黄河干流、湟水、汾河和渭河夏季DO质量浓度全年最低，均值分别为7.40、6.45、3.57和6.18 mg/L；冬季DO质量浓度全年最高，均值分别为10.11、9.12、7.21和8.76 mg/L。

各监测断面CODMn质量浓度总体变化规律不明显，黄河干流、湟水、汾河和渭河CODMn质量浓度均值在夏季、秋季、春季和冬季最高分别为3.07、4.37、48.86 mg/L和5.58 mg/L；黄河干流和湟水CODMn质量浓度均值在冬季均值最低分别为2.58 mg/L和3.02 mg/L，汾河CODMn质量浓度秋季均值最低为29.21 mg/L，渭河CODMn质量浓度均值夏季最低为4.79 mg/L。

各监测断面NH3-N质量浓度变化明显，总体呈冬季＞春季＞秋季＞夏季，其中济源小浪底秋季NH3-N质量浓度最低为0.16 mg/L，运城河津大桥冬季NH3-N质量浓度最低为16.07 mg/L。黄河干流、湟水、汾河和渭河NH3-N质量浓度夏季均值最低，分别为0.24、0.98、7.91 mg/L和0.80 mg/L；冬季均值最高，分别为0.49、2.98、16.07 mg/L和2.47 mg/L。

图2 黄河干流及主要支流水体污染物质量浓度的时空分布

综上所述，黄河干流、湟水、汾河和渭河的DO、CODMn和NH3-N质量浓度基本在冬季和春季较大，秋季和夏季相对较小，这是由于秋季和夏季降水较多，河流径流量较大，水体自净能力较强，此时水体污染物质量浓度相对较好；冬季和春季降水较少，河流径流量较小，水体自净能力减弱，从而使水体污染物质量浓度相对较差[34-35]。

2.1.3 水体污染物质量浓度变化趋势

对各监测断面DO、CODMn和NH3-N质量浓度数据的时间序列进行M-K检验分析，其变化趋势分布情况如图3所示。中卫新墩和忻州万家寨水库监测断面DO质量浓度呈显著减小趋势，天水牛背、石嘴山麻黄沟和济南泺口监测断面DO质量浓度呈显著增加趋势；兰州新城桥、石嘴山麻黄沟和天水牛背监测断面CODMn质量浓度呈显著减小趋势，包头画匠营子监测断面CODMn质量浓度呈显著增加趋势；海东民和桥和天水牛背监测断面NH3-N呈显著性减小趋势；而针对其余监测断面DO、CODMn和NH3-N的质量浓度变化趋势不显著。

图3 各监测断面水体污染物变化趋势

2.1.4 水质时空差异性分析

利用方差分析对黄河干流及主要支流监测断面水质指标进行差异性分析，同时采用Duncan方法检验差异的显著性程度，其差异性检验结果如表2所示。可知，黄河干流及主要支流监测断面pH值、DO、CODMn和NH3-N在空间和时间上均呈现显著的差异性（＜0.05），说明不管从空间尺度还是时间尺度上，其水质指标都存在明显的变化，为了更加准确的描述水质总体变化状况，需要对水质状况进一步综合分析。

表2 水质时空差异性检验结果

注 采用Duncan方法检验，显著性水平﹤0.05。

2.2 基于WPI指数的水质分析

2.2.1 基于指数的水质时空分布

根据各监测断面的值，在保持监测数据时间一致的基础上，统计空间上各监测断面水质不同类别的频率（各监测断面监测频次为92），具体情况如图4所示。兰州新城桥、中卫新墩、石嘴山麻黄沟、乌海海勃湾、包头画匠营子、忻州万家寨水库、济源小浪底、济南泺口和天水牛背的值大部分处于III类及以下水质标准，频率分别为98.91%、100%、98.91%、96.74%、98.91%、100%、84.78%、100%和91.30%；海东民和桥、运城河津大桥和渭南潼关吊桥的值大部分处于IV类及以上水质标准，频率分别为66.30%、98.91%和78.26%，其中达到劣V类水质标准的频率分别为43.48%、89.13%和27.17%。总体来说，黄河干流水质状况比主要支流水质状况好，而支流汇入黄河干流前的监测断面水质状况最差。

从季节来看，基于指数的黄河干流及主要支流水质类别断面占比如图5所示。各季节值处于II类水质标准的断面占比最大，春季、夏季、秋季和冬季的断面占比分别为52.34%、50.14%、57.72%和50.55%；其次为值处于III类水质标准的断面占比，春季、夏季、秋季和冬季的断面占比分别为20.11%、23.58%、21.41%和19.95%；值达到IV类及以上水质标准的断面占比冬季最大为28.69%，其次为春季和夏季分别为25.90%和25.20%，秋季最小为18.70%，其中春季和冬季值达到劣V类水质的断面占比分别达到了18.73%和18.31%，说明整体黄河干流及主要支流在春季和冬季水质出现较差的监测断面居多。

图4 基于WPI指数的水质类别频率统计

图5 基于WPI指数的水质类别断面占比

2.2.2 基于的水质趋势变化

根据指数的各断面水质变化趋势（图6）可知，黄河干流及主要支流各监测断面的值均呈现下降趋势，其中海东民和桥、中卫新墩和天水牛背下降趋势比较显著；与上面各水体污染物浓度变化趋势相比，值的变化趋势与NH3-N的变化趋势最为接近，说明黄河干流及主要支流各监测断面水质浓度变化的控制指标为NH3-N。另外对各监测断面的值进行MK趋势突变分析可知，济南泺口在2010年9月出现明显突变，忻州万家寨水库在2011年4月出现明显突变，包头画匠营子和运城河津大桥分别在2012年5月和6月出现明显突变，济源小浪底、石嘴山麻黄沟、渭南潼关吊桥和乌海海勃湾分别在2013年11、4、8月和4月出现明显突变，兰州新城桥和天水牛背分别在2016年1月和6月出现明显突变；各监测断面值在不同的时间段发生明显突变，说明在此时间段之后监测断面水体污染状况呈现出明显的变好趋势。

图6 基于WPI指数的各断面水质变化趋势

2.2.3 基于指数的聚类和箱线图分析

根据空间聚类分析结果（图7（a））可知，可将黄河干流及主要支流监测断面值在空间上分为3类：S1类主要位于黄河干流及渭河甘-陕省界，包括中卫新墩、济南泺口、忻州万家寨水库、兰州新城桥、石嘴山麻黄沟、乌海海勃湾、包头画匠营子、济源小浪底和天水牛背，这类监测断面的水质状况最好；S2类主要位于湟水和渭河汇入黄河干流入口处，包括海东民和桥和渭南潼关吊桥，这类监测断面的水质状况较差；S3类为运城河津大桥，位于汾河汇入黄河干流入口处，此处的水质状况最差。根据时间聚类分析结果（图7（b））可知，可将黄河干流及主要支流值在时间上分为3个时段：时段T1为6—10月，时段T2为4、5、11月和12月，时段T3为1—3月；这与黄河干流及主要支流季节的月份基本上对应，说明各季节值的差异性较显著，但组内各月值的差异不大，T1时段内的水质状况比T2时段和T3时段的水质状况好，这与季节性的分析结果一致。

图7 基于WPI指数的空间尺度和时间尺度聚类分析

根据空间箱型图结果（图8（a））可知，运城河津大桥的值变异性最大，说明其水质状况的波动性较大；海东民和桥和渭南潼关吊桥的值变异性次之，其水质状况的波动性弱于运城河津大桥；其余监测断面的值变异性相对较小，水质状况整体较为稳定。根据时间箱型图结果（图8（b））可知，1—3月的值变异性相对较大，4、5、11月和12月的值变异性次之，6—10月的值变异性相对较小；说明水质整体状况在年内的波动性较大。

图8 基于WPI指数的空间尺度和时间尺度箱线图分析

3 讨论

黄河干流及主要支流水体污染物主要来自工业废水、生活污水、畜禽养殖废水以及化肥农药施用引起的农业面源污染。相关研究表明渭河沿岸工业、农业和养殖业生产规模不断扩大，生产生活用水量增加，污水的排放量也不断增加，导致渭河流域的环境污染负荷上升；汾河排放了大量未经处理的工业废水和生活污水，使得汾河水体遭到了严重污染[36-38]。据统计，2019年青海省湟水流域城镇居民生活污水排放量为6 101万t，工业废水排放量为7 495万t[39]；2018年山西省汾河流域废污水排放量达到了3.52亿t，占山西省总废污水排放量的44.4%[40]；2018年陕西省黄河流域城镇居民生活污水排放量为4.699亿t，工业废水排放量为4.912万t[41]。

从时间尺度来说，黄河干流及主要支流各监测断面的水体污染物具有显著的差异性且呈变好趋势，这与相关研究[9,42]具有一致性。由于水体污染物质量浓度受到降雨、径流和人类活动等多种因素的影响，黄河干流及主要支流水体污染物呈春季和冬季较差、夏季和秋季水体污染物相对较好的现象，这是因为春季和冬季河流径流较小，水体自净能力较差，夏季河秋季河流径流较大，水体自净能力较强；然而径流量相对于水体污染物质量浓度变化存在一个极值，当径流量大于这个极值时，河流能够保持足够的自洁能力，反之河流会被进一步污染[43]。

从空间尺度来说，黄河干流及主要支流各监测断面的水体污染物具有显著的空间差异性，黄河干流水质状况最好，湟水和渭河水质状况次之，汾河水质状况最差，这主要与各流域当地的经济社会发展状况和废污水排放量大小密切相关。目前来看，仍有些监测断面污染情况较为严重，如海东民和桥、渭南潼关吊桥和运城河津大桥，水污染指数年均值分别达到了86.60、107.19和297.29，同时研究表明黄河流域各监测断面水质质量浓度变化的控制指标为NH3-N，这与相关研究发现渭河主要污染因子以NH3-N为主一致[44]。

总体来说，黄河流域各监测断面的水质呈现显著的时空差异性，为减少河流水体污染物质量浓度改善河流水体环境，要减少化肥农药的使用，从源头控制污染物的来源；要加大工业废水、生活污水和养殖废水的处理力度，减少污染物的排放；要加强黄河流域污染较重的支流的监测和治理，针对排污量较大的项目，应及时采取治理措施。

4 结论

1）黄河干流及主要支流水质总体上呈现弱碱性，黄河干流水质状况最好，湟水和渭河水质状况次之，汾河水质状况最差，且水质指标在空间和时间上均呈现显著的差异性；海东民和桥、渭南潼关吊桥和运城河津大桥的水体污染物质量浓度超过III水质标准占比基本上处于50%以上，且其值达到IV类及以上水质标准的频次较高，分别为66.30%、98.91%和78.26%。

2）各监测断面呈春季和冬季水质状况较差，而夏季和秋季水质状况相对较好，值达到IV类及以上水质标准的断面占比冬季最大为28.69%，其次为春季和夏季分别为25.90%和25.20%，秋季最小为18.70%。各监测断面的值均呈现下降趋势，其中海东民和桥、中卫新墩和天水牛背下降趋势比较显著；监测断面水质在不同年份出现明显突变，且质量浓度变化的控制指标为NH3-N。

3）基于指数的时空聚类分析结果与水体污染物质量浓度的时空分布情况具有一致性，空间上海东民和桥、渭南潼关吊桥和运城河津大桥值的波动性相对较大，其余监测断面的值变异性相对较小；时间上1—3月的值波动性相对较大，其余月份值波动性相对较小。

[1] 汤云, 卢毅敏, 吴升. 闽江流域水质时空分布特征及污染源解析[J]. 长江科学院院报, 2019, 36(8): 30-35, 48.

TANG Yun, LU Yimin, WU Sheng. Spatio-temporal distribution and source identification of water pollutants in Minjiang river basin[J]. Journal of Yangtze River Scientific Research Institute, 2019, 36(8): 30-35, 48.

[2] 马小雪, 王腊春, 廖玲玲. 温瑞塘河流域水体污染时空分异特征及污染源识别[J]. 环境科学, 2015, 36(1): 64-71.

MA Xiaoxue, WANG Lachun, LIAO Lingling. Spatio-temporal characteristics and source identification of water pollutants in Wenruitang river watershed[J]. Environmental Science, 2015, 36(1): 64-71.

[3] 陈欣佛, 柴元冰, 闵敏. 基于Kendall检验法的湟水水质变化趋势分析[J]. 人民黄河, 2019, 41(9): 97-101.

CHEN Xinfo, CHAI Yuanbing, MIN Min. Analysis of variation trend of Huangshui water quality based on Kendall method[J]. Yellow River, 2019, 41(9): 97-101.

[4] 邱瑀, 卢诚, 徐泽, 等. 湟水河流域水质时空变化特征及其污染源解析[J]. 环境科学学报, 2017, 37(8): 2 829-2 837.

QIU Yu, LU Cheng, XU Ze, et al. Spatio-temporal variation characteristics and water pollution sources in the Huangshui River Basin[J]. Acta Scientiae Circumstantiae, 2017, 37(8): 2 829-2 837.

[5] 朱琳, 王雅南, 韩美, 等. 武水河水质时空分布特征及污染成因的解析[J]. 环境科学学报, 2018, 38(6): 2 150-2 156.

ZHU Lin, WANG Ya’nan, HAN Mei, et al. Spatio-temporal distribution of water quality and source identification of pollution in Wushui River Basin[J]. Acta Scientiae Circumstantiae, 2018, 38(6): 2 150-2 156.

[6] 滕智超, 丁爱中, 李亚惠, 等. 赤水河上游水质时空特征分析及其污染源解析[J]. 北京师范大学学报(自然科学版), 2016, 52(3): 322-327.

TENG Zhichao, DING Aizhong, LI Yahui, et al. Sources of water pollution and their spatiotemporal variations in the upper reach of the Chishui River[J]. Journal of Beijing Normal University (Natural Science), 2016, 52(3): 322-327.

[7] 李艳红, 葛刚, 胡春华, 等. 基于聚类分析和因子分析的鄱阳湖流域水质时空变化特征及污染源分析[J]. 南昌大学学报(理科版), 2016, 40(4): 360-365.

LI Yanhong, GE Gang, HU Chunhua, et al. Spatiotemporal variation and pollution sources analysis of Poyang Lake basin by cluster and factor analysis[J]. Journal of Nanchang University (Natural Science), 2016, 40(4): 360-365.

[8] ZHAI X Y, XIA J, ZHANG Y Y. Water quality variation in the highly disturbed Huai River Basin, China from 1994 to 2005 by multi-statistical analyses[J]. Science of the Total Environment, 2014, 496: 594-606.

[9] 时文博, 曹春燕, 宋颖, 等. 基于多元统计分析的黄河山东段水质评价研究[J]. 人民黄河, 2020, 42(2): 48-53.

SHI Wenbo, CAO Chunyan, SONG Ying, et al. Water quality assessment of the Shandong reach of the Yellow River based on multivariate reach analysis[J]. Yellow River, 2020, 42(2): 48-53.

[10] AL-MUTAIRI N, ABAHUSSAIN A, EL-BATTAY A. Spatial and temporal characterizations of water quality in Kuwait Bay[J]. Marine Pollution Bulletin, 2014, 83(1): 127-131.

[11] HAYAKAWA A, IKEDA S, TSUSHIMA R, et al. Spatial and temporal variations in nutrients in water and riverbed sediments at the mouths of rivers that enter Lake Hachiro, a shallow eutrophic lake in Japan[J]. Catena, 2015, 133: 486-494.

[12] VAROL M, GÖKOT B, BEKLEYEN A, et al. Spatial and temporal variations in surface water quality of the dam reservoirs in the Tigris River basin, Turkey[J]. Catena, 2012, 92: 11-21.

[13] 徐发凯, 何丽, 王一帆, 等. 2010—2019年黄河干流兰州和白银段水质时空变化特征[J]. 水资源保护, 2021, 37(4): 44-50.

XU Fakai, HE Li, WANG Yifan, et al. Temporal and spatial variation characteristics of water quality in Lanzhou and Baiyin section of the Yellow River [J]. Water Resources Protection, 2021, 37(4): 44-50.

[14] 宁忠瑞, 李虹彬. 基于水质标识指数的黄河宁夏段水质评价与分析[J]. 灌溉排水学报, 2020, 39(S1): 56-61.

NING Zhongrui, LI Hongbin. Assessment and analysis of water quality in ningxia section of the Yellow River based on comprehensive water quality identification index[J]. Journal of Irrigation and Drainage, 2020, 39(S1): 56-61.

[15] 张婧雯, 王婷. 山西境内黄河流域2016—2019年间COD及氨氮变化特征[J]. 四川环境, 2020, 39(3): 19-24.

ZHANG Jingwen, WANG Ting. Chemical oxygen demand and ammonia nitrogen variation characteristic of the Yellow River Basin in Shanxi from 2016 to 2019[J]. Sichuan Environment, 2020, 39(3): 19-24.

[16] 白璐, 孙园园, 赵学涛, 等. 黄河流域水污染排放特征及污染集聚格局分析[J]. 环境科学研究, 2020, 33(12): 2 683-2 694.

BAI Lu, SUN Yuanyuan, ZHAO Xuetao, et al. Analysis on Discharge Characteristics and Pollution Aggregation Pattern of Water Pollution in Yellow River Basin[J]. Research of Environmental Sciences, 2020, 33(12): 2 683-2 694.

[17] 陆丹, 耿昭克, 闵敏, 等. 基于区间型贝叶斯模型的湟水干流水质评价[J]. 水利水运工程学报, 2020(2): 15-21.

LU Dan, GENG Zhaoke, MIN Min, et al. Water quality evaluation in Huangshui mainstream based on interval type Bayesian model[J]. Hydro-Science and Engineering, 2020(2): 15-21.

[18] 刘征, 刘洋. 水污染指数评价方法与应用分析[J]. 南水北调与水利科技, 2005, 3(4): 35-37.

LIU Zheng, LIU Yang. Methods and analyses of water pollution index assessment[J]. South-to-North Water Transfers and Water Science & Technology, 2005, 3(4): 35-37.

[19] 刘琰, 郑丙辉, 付青, 等. 水污染指数法在河流水质评价中的应用研究[J]. 中国环境监测, 2013, 29(3): 49-55.

LIU Yan, ZHENG Binghui, FU Qing, et al. Application of water pollution index in water quality assessment of rivers[J]. Environmental Monitoring in China, 2013, 29(3): 49-55.

[20] 孙艺珂, 王琳, 祁峰. 改进综合水质指数法分析黄河水质演变特征[J]. 人民黄河, 2018, 40(7): 78-81, 87.

SUN Yike, WANG Lin, QI Feng. Analysis of water quality evolution of the main stream of the Yellow River based on improved integrated water quality index[J]. Yellow River, 2018, 40(7): 78-81, 87.

[21] 景朝霞, 夏军, 张翔, 等. 汉江中下游干流水质状况时空分布特征及变化规律[J]. 环境科学研究, 2019, 32(1): 104-115.

JING Zhaoxia, XIA Jun, ZHANG Xiang, et al. Spatial and temporal distribution and variation of water quality in the middle and downstream of Hanjiang river[J]. Research of Environmental Sciences, 2019, 32(1): 104-115.

[22] 左其亭, 张志卓, 吴滨滨. 基于组合权重TOPSIS模型的黄河流域九省区水资源承载力评价[J]. 水资源保护, 2020, 36(2): 1-7.

ZUO Qiting, ZHANG Zhizhuo, WU Binbin. Evaluation of water resources carrying capacity of nine provinces in Yellow River Basin based on combined weight TOPSIS model[J]. Water Resources Protection, 2020, 36(2): 1-7.

[23] 国家环境保护总局, 国家质量监督检验检疫总局. 地表水环境质量标准: GB 3838—2002[S]. 北京: 中国环境科学出版社, 2002.

[24] WU H, SOH L K, SAMAL A, et al. Trend analysis of streamflow drought events in Nebraska[J]. Water Resources Management, 2008, 22(2): 145-164.

[25] BOUZA-DEAÑO R, TERNERO-RODRÍGUEZ M, FERNÁNDEZ-ESPINOSA A J. Trend study and assessment of surface water quality in the Ebro River (Spain)[J]. Journal of Hydrology, 2008, 361(3/4): 227-239.

[26] 魏光辉, 邓丽娟. 基于MK与SR非参数检验方法的干旱区降水趋势分析[J]. 西北水电, 2014(4): 1-4.

WEI Guanghui, DENG Lijuan. Analysis on precipitation trend in arid regions based on non- parametric verification methods of Mann- Kendall and Spearman's rho[J]. Northwest Hydropower, 2014(4): 1-4.

[27] 张彦, 梁志杰, 李平, 等.河南省2009—2017年水体污染物时空分布特征解析[J].灌溉排水学报, 2020, 39(10): 91-98, 144.

ZHANG Yan, LIANG Zhijie, LI Ping, et al. Spatiotemporal Variation of Pollutants in Water Bodies from 2009 to 2017 in Henan Province [J]. Journal of Irrigation and Drainage, 2020, 39(10):91-98, 144.

[28] 张涛, 陈求稳, 易齐涛, 等. 太湖流域上游平原河网区水质空间差异与季节变化特征[J]. 湖泊科学, 2017, 29(6): 1 300-1 311.

ZHANG Tao, CHEN Qiuwen, YI Qitao, et al. Spatial and seasonal variations of water quality in the upstream plain river networks of the Taihu Basin[J]. Journal of Lake Sciences, 2017, 29(6): 1 300-1 311.

[29] 刘欢, 吴金甲. 水污染指数法在河流水质评价中应用分析[J]. 安徽农业科学, 2014, 42(21): 7 164-7 165.

LIU Huan, WU Jinjia. Application of water pollution index in water quality assessment of Rivers [J]. Journal of Anhui Agricultural Sciences, 2014, 42(21): 7 164-7 165.

[30] WANG Q, WU X, ZHAO B, et al. Combined multivariate statistical techniques, Water Pollution Index (WPI) and Daniel Trend Test methods to evaluate temporal and spatial variations and trends of water quality at Shanchong River in the Northwest Basin of Lake Fuxian, China[J]. PLoS One, 2015, 10(3): e0118590.

[31] 周丰, 郭怀成, 黄凯, 等. 基于多元统计方法的河流水质空间分析[J]. 水科学进展, 2007, 18(4): 544-551.

ZHOU Feng, GUO Huaicheng, HUANG Kai, et al. Multivariate statistical technique for spatial variation in river water quality[J]. Advances in Water Science, 2007, 18(4): 544-551.

[32] 郝守宁, 董飞. 尼洋河水质沿程变化特征多元统计分析[J].灌溉排水学报, 2019, 38(12): 109-114.

Changing characteristics of the water quality along the Niyang River based on multivariate analysis method[J]. Journal of Irrigation and Drainage, 2019, 38(12): 109-114.

[33] TAREEN A D K, NADEEM M S A, KEARFOTT K J, et al. Descriptive analysis and earthquake prediction using boxplot interpretation of soil radon time series data[J]. Applied Radiation and Isotopes, 2019, 154: 108861.

[34] 魏伊宁, 李勋贵, 李芳. 黄河上游径流丰枯分布特征及其影响因素[J/OL]. 水资源保护: 1-14 [2021-05-04]. http://h-s.kns.cnki.net.zzulib.vpn358.com/kcms/detail/32.1356.TV.20201218.1111.002.html.

WEI Yining, LI Xungui, LI Fang. Distribution characteristics and influencing factors of high and low runoff in the upper Yellow River[J/OL]. Water Resources Protection: 1-14 [2021-05-04]. http://h-s.kns.cnki.net.zzulib.vpn358.com/kcms/detail/32.1356.TV.20201218.1111.002.html.

[35] 陈磊, 王义民, 畅建霞, 等. 黄河流域季节降水变化特征分析[J]. 人民黄河, 2016, 38(9): 8-12, 16.

CHEN Lei, WANG Yimin, CHANG Jianxia, et al. Characteristics and variation trends of seasonal precipitation in the Yellow River Basin[J]. Yellow River, 2016, 38(9): 8-12, 16.

[36] 樊璐, 成爱芳. 2011—2018渭河陕-甘交界区水质状况评价[J]. 陕西农业科学, 2019, 65(8): 79-82.

FAN Lu, CHENG Aifang. Water quality evaluation of Weihe river in junction area of Shaanxi-Gansu from 2011—2018[J]. Shaanxi Journal of Agricultural Sciences, 2019, 65(8): 79-82.

[37] 吴瑞红, 任悦玲. 汾河太原段COD、氨氮特征分布和污染防治[J]. 山西水利, 2017, 33(6): 17-19, 23.

WU Ruihong, REN Yueling. Characteristic distribution and pollution control of COD and ammonia nitrogen in Taiyuan Section of Fenhe River [J]. Shanxi Water Resources, 2017, 33(6): 17-19, 23.

[38] 吕振豫, 穆建新. 黄河流域水质污染时空演变特征研究[J]. 人民黄河, 2017, 39(4): 66-70, 77.

LYU Zhenyu, MU Jianxin. Study on spatial and temporal evolution feature of water quality in Yellow River Basin[J]. Yellow River, 2017, 39(4): 66-70, 77.

[39] 青海省水利厅. 2019年青海省水资源公报[R].青海省, 2019.

[40] 山西省水利厅. 2018年山西省水资源公报[R].山西省, 2018.

[41] 陕西省水利厅. 2018年陕西省水资源公报[R].陕西省, 2018.

[42] 于茜. 陕西省渭河流域水质变化分析研究[J]. 环境科学与管理, 2017, 42(8): 150-153.

YU Qian. Analysis on water quality change in Weihe river basin of Shaanxi Province[J]. Environmental Science and Management, 2017, 42(8): 150-153.

[43] 王泰然, 孙根年, 刘顺艳. 渭河干流关中段水污染时空变化及其与径流量的关系[J]. 干旱区研究, 2011, 28(4): 609-615.

WANG Tairan, SUN Gennian, LIU Shunyan. Relationship between spatiotemporal variation of water pollution and runoff volume of mainstream section of the Weihe river in Shaanxi Province[J]. Arid Zone Research, 2011, 28(4): 609-615.

[44] 赵俪婷, 成爱芳. 2008—2018年渭河陕-晋-豫交界区水质状况评价[J]. 江西科学, 2019, 37(3): 359-364.

ZHAO Liting, CHENG Aifang. Evaluation of water quality in the Wei river Shaanxi-Shanxi-Henan junction area from 2008 to 2018[J]. Jiangxi Science, 2019, 37(3): 359-364.

Spatiotemporal Variation in Water Quality in the Yellow River Basin

ZHANG Yan1,3,4, LIANG Zhijie1,4, ZOU Lei2, LI Ping1,4, DOU Ming3,5, HUANG Zhongdong1, QI Xuebin1,4*, GAO Qing1,4

(1.Institute of Farmland Irrigation, Chinese Academy of Agricultural Sciences, Xinxiang 453002, China; 2. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 3. School of Water Conservancy Engineering, Zhengzhou University, Zhengzhou 450001, China; 4.Laboratory of Quality and Safety Risk Assessment for Agro-Products on Water Environmental Factors, Ministry of Agriculture, Xinxiang 453002, China; 5. School of Ecology and Environment, Zhengzhou University, Zhengzhou 450001, China)

【】The Yellow River is the second largest river in China, flowing through six provinces across the county from the west to the east. The rapid economic development and the increased anthropogenic activity over the past four decades, however, have resulted in changes in its runoffs and water quality both temporally and spatially. Understanding these changes can help improve water management and maintain ecological sustainability of the river. The purpose of this paper is to present the results of a survey on the water quality of Yellow River and its tributaries.【】We selected 12 sections in the river and its tributaries, and measured pH, dissolved oxygen (DO), permanganate index (CODMn) and ammonia nitrogen (NH3) in each section at different seasons. Spatiotemporal variations in these chemical properties were analyzed using the multivariate statistical method, and the quality of the water at each section was quantified using a water pollution index ().【】Water quality of the river was the best in the mainstream, followed by its tributaries Huangshui River and Weihe River, with the water quality in Fen river being the worst. All four chemical properties varied spatiotemporally. Themeasured at different seasons in the sections at Minhe Bridge in Haidong, Tongguan Suspension Bridge in Weinan, and Yuncheng Hejin Bridge in Yuncheng, reached Class IV water quality standard or above at frequencies of 66.30%, 98.91% and 78.62%, respectively. In general, the water quality of all sections was poor in spring and winter but improved in summer and autumn. During the measuring period, thein all sections had been in decrease, especially the sections at Minhe Bridge in Haidong, Zhongwei Xintun, and Tianshui Niubei. Cluster analysis based on theindex was consistent with the spatiotemporal distribution of the pollutant concentrations, and the seasonal fluctuation inat Minhe Bridge in Haidong, Tongguan Suspension Bridge in Weinan, and Hejin Bridge in Yuncheng, was higher, especially from January to March, than that in other sections. 【】The water quality of Yellow River and its tributaries varied spatiotemporally, but overall it has been improving.

Yellow river; spatiotemporal variation; water pollution index; cluster analysis

张彦, 梁志杰, 邹磊, 等. 黄河干流及主要支流水质时空差异性及其变化特征研究[J]. 灌溉排水学报, 2021, 40(9): 125-133.

ZHANG Yan, LIANG Zhijie, ZOU Lei, et al.Spatiotemporal Variation in Water Quality in the Yellow River Basin[J]. Journal of Irrigation and Drainage, 2021, 40(9): 125-133.

X824

A

10.13522/j.cnki.ggps.2021621

1672 – 3317（2021）09 - 0125 - 09

2020-11-04

河南省自然科学基金项目（212300410310）；国家重点研发计划项目子课题（2017YFD0800403）；中央级公益性科研院所基本科研业务费专项（FIRI20210105，FIRI2017-11）；国家自然科学基金项目（51879239，42101043）；常熟市耕地质量提升技术支撑服务项目（JSJY-Z2021D002）

张彦（1989-），男。助理研究员，主要从事水资源与水环境研究。E-mail: zhangyan09@caas.cn

齐学斌（1963-），男。研究员，主要从事农业水资源研究。E-mail: qxb6301@sina.cn

责任编辑：赵宇龙