气象条件对山美水库水质的影响分析

髙习 韦英英 关哲忠

摘要 利用2018年7月—2023年6月山美水库水质的常规理化监测日数据和附近自动气象站逐日气象观测数据，运用Pearson相关性分析方法，分析了山美水库水质监测项目和气象要素之间的相关关系，并采用综合污染指数法计算得出水质级别，再利用SPSS 16.0软件对影响水质级别的气象因子做Logistic多元回归和ROC曲线分析，得出山美水库水质与气象因子之间的关系，以及气象因子对水质诊断的最佳阈值，从而构建出气象条件与山美水库水质的关系模型，旨在为南安水库水质的管理提供气象参考。

关键词 气象条件；水库水质；关系模型

中图分类号：P342 文献标识码：B 文章编号：2095–3305（2023）09–0-03

随着城市化进程的不断推进，城市对水资源的需求增加，水库成为许多城市的供水水源。然而，随着人类社会经济发展，全球性水污染问题也日趋严重，水库的水质和生态问题严重影响着全市的农业生产和人民群众的生活。在全球气候变化的大背景下，气象条件对水体理化特征的影响已成为水生态学研究的热点问题[1-2]。

南安地处晋江中游，境内各类水利

工程达1.4万余处，尤其是山美水库总库容达6.55亿m3，是一座具有防洪、蓄水灌溉、供水、发电、养鱼等综合作用的大型水库工程，保障400万人口生活生产和433.33 km2农田灌溉的用水需求，为保障泉州经济社会的可持续发展提供水资源支撑。此外，山美水库还承担着防洪调度重要任务，调洪库容2.24亿m3，汛期蓄水削峰错峰，保护下游200多万人口生命财产安全。被誉为“泉州人民的生命库”和“泉州的生态调节器”。通过分析气象条件与山美水库水质之间的关系，从气象因素角度探讨了水库水质的影响，旨在为山美水库水质的管理提供气象方面的参考，为水生态方面的气象服务以及保护水库饮用水安全和健康生态系统提供科学依据，从而促进南安生态文明气象保障技术的发展。

1 资料与方法

1.1 资料来源

选取2018年7月—2023年6月山美

水库水质的常规理化监测日数据，监测项目包括pH值、电导率、浊度、溶解氧、高锰酸钾指数、总磷和总氮，以及山美水库附近气象自动站的逐日观测数据，观测要素包括平均气温、最高气温、最低气温、最大风速、极大风速、平均风速和降水量。

1.2 研究方法

主要运用Pearson相关性分析方法，分析山美水库水质常规理化监测项目和气象要素之间的关系，选取出与气象因素有关的水质监测项目，采用综合污染指数法计算得出水质级别，利用SPSS 16.0软件对影响水质级别的气象要素做Logistic多元回归和ROC曲线分析，得出山美水库水质与气象因子之间的关系，以及气象因子对水质诊断的最佳阈值，从而构建出气象条件与山美水库水质的关系模型。

2 结果与分析

2.1 气象要素对水质监测项目的影响分析

利用Pearson相关性分析方法对气象要素与水质监测项目的相关性进行分析得出，有4种常规水质理化监测项目与气象要素之间具有统计学意义的相关性（P＜0.05），分别是：pH值、溶解氧、高锰酸盐和总氮。

进一步分析气象要素对以上4种水质监测项目的影响，将具有相关性的气象要素变量分别纳入相应监测项目的多元线性回归模型，为避免自变量间的共线性，因此采用多元逐步向前回归方法进行分析。得到以下分析结果：

（1）影响水体pH值的气象因子是降水量和最高气温（表1）。其中，降水量和最高气温对pH值均为正向影响，表示降水量越大，最高气温越高，pH值越大，回归分析模型的R2=0.366，说明模型的解释能力较好。

（2）影响水体的溶解氧浓度的气象因子是最高气温、最大风速和降水量（表2）。其中，最高气温和降水量对溶解氧浓度为正向影响，表示最高气温越高，降水量越大，溶解氧的浓度值越大；而最大风速则为负向影响，表示最大风速越大，溶解氧浓度值越小。回归分析模型中R2=0.116，说明模型的解释能力较好。

（3）影响水体高锰酸盐浓度的气象因子是平均气温、平均风速和降水量（表3）。其中，平均气温和降水量对高锰酸盐为正向影响，表示平均气温越高，降水量越多，高锰酸盐的浓度值越大；而平均风速为负向影响，表示平均风速越大，高锰酸盐浓度值越小。回归分析模型中R2=0.179，说明模型解释能力较好。

（4）影响水体中总氮浓度的气象因子是最大风速和平均风速（表4）。其中，最大风速和平均风速对总氮均为负向影响，表示最大风速和平均风速越大，总氮的浓度值越小。回归分析模型中R2=0.048，说明模型的解释能力一般。

利用影響不同水质监测项目的气象因子的分析结果，在实际中可结合气象预报，为pH值、溶解氧、高锰酸盐和总氮4类水质指标的预测和治理提供气象方面的参考依据。

2.2 建立气象条件与水库水质的关系模型

2.2.1 山美水库水质评价 为了更好地建立气象条件与水库水质之间的关系模型，采用综合污染指数法对水库水质进行综合评价[3]。由于仅分析气象因素对水质的影响，因此选取与气象要素具有相关性的pH值、溶解氧、高锰酸盐和总氮这4项水质监测项目作为水质的评价因子，其计算公式为：

Pi =（1）

P =（2）

式（1）、式（2）中，Pi为第i项因子的污染指数，Ci为第i项评价因子实际监测值，Si为第i项评价因子标准限值，m为评价因子总数。

对于pH值，Pi=（Ci -7.0）/（8.5-7.0）（pH＞7.0）或Pi=（7.0 - Ci）/（7.0-6.5）（pH≤7.0），水质评价分级见表5。

由于研究的山美水库水域功能主要是用于生活饮用水和水产养殖等，根据《地表水环境质量标准》（GB 3838—2002），水质评价因子须满足Ⅲ类地表水环境标准限值，从而得到2018年7月—2023年6月每日水质的评价结果。

2.2.2 構建气象条件与水质的关系模型 为保证模型结果更加可靠，需要先筛选出对水质有意义的气象因子，再将其纳入模型进行分析。将合格与不合格2种水质级别对应的气象要素进行独立样本t检验和非参数秩和检验（表6），从表中可以看出，平均气温、最高气温、最低气温、降水量和平均风速在合格水质和不合格水质两组间的差异具有统计学意义（P＜0.05）。

将以上5种气象因子纳入Logistic回归模型，为了排除自变量之间的相关性，采用多元逐步回归方法，分析不合格水质与气象因子之间的关系（见表7）。可以看出，最高气温、降水量和平均风速均对水质有影响，其中影响程度最大是最高气温，其次是降水量，平均风速的影响程度最小。且最高气温和降水量对不合格水质有正向影响，表明最高气温越高，降水量越多，水质不合格的风险越大，而平均风速则对不合格水质有反向影响，说明风速越小，水质不合格的风险越大。

利用SPSS 16.0软件对最高气温、降水量和平均风速3种气象因子做ROC曲线分析（图1），可以看出最高气温对水质的诊断效果最好，其次是降水量，平均风速效果最差。因此，在实际中根据气象条件对水质情况进行诊断预测时，优先考虑最高气温和降水量2个因素。

最高气温、降水量和平均风速对水质不合格的诊断界限值以及曲线下面积见表8。可以看出，诊断水质不合格的气象因子的最佳阈值为：最高气温＞29.6 ℃，降水量＞0.0 mm，平均风速≤0.8 m/s，可将此阈值作为诊断水质不合格的气象参考条件。其中，最高气温的AUC值0.733为最高，表示最高气温对水质的诊断效果最好，而平均风速的AUC值最低且接近0.5，说明用平均风速诊断水质的效果较为一般。

此结果可以为实际工作中开展的针对水库水质方面的生态气象服务提供依据和参考，当气象预报出现最高气温＞29.6 ℃，或降水量＞0.0 mm，或平均风速≤0.8 m/s的情况时，可以判断为水质不合格的气象条件，并且当最高气温满足该阈值时，水库水质不合格的可能性最大，从而为水库水质监测和管理提供气象参考。

3 结论

通过对2018年7月—2023年6月的山美水库的水质监测数据与气象观测数据之间的关系分析，得出以下结论：

水库水质监测项目与气象要素之间的关系表明，气象要素对水质的pH值、溶解氧、高锰酸盐和总氮的监测值均有影响，分别表现为：降水量越大，最高气温越高，则pH值越大；最高气温越高，降水量越大，最大风速越小，则溶解氧的值越大；平均气温越高，降水量越大，平均风速越小，则高锰酸盐的值越大；最大风速和平均风速越小，则总氮的值越大。在气象条件与山美水库水质的关系模型中，最高气温对水质的影响程度最大，其次是降水量，平均风速对水质的影响程度最小，且最高气温越高，降水量越多，平均风速越小，水质不合格的可能性越大。诊断水质不合格的气象条件为最高气温＞29.6 ℃，或降水量＞0.0 mm，或平均风速≤0.8 m/s，其中最高气温的诊断效果最好。

通过研究，山美水库水质与气象条件之间有着密切的关系，但仍存在需要进一步探讨的问题。由于水质评价因子仅选取与气象要素相关的水质监测项目，因此定义的水质不合格，其污染物主要为受气象因素影响的污染物，对于水质不合格的诊断是从气象因素角度得出，仅为水库水质管理提供气象方面的参考。由于山美水库附近所设气象自动站的观测要素有限，如气压、湿度等气象要素没有观测数据，仍需进一步研究除本研究资料外的气象因素对水库水质的影响。

参考文献

[1] 李蒙，谢国清，鲁韦坤，等.气象条件对滇池水华分布的影响[J].气象科学， 2011，31（5）：639-645.

[2] 韦力元，王真，洪松.气象与水质对滇池草海叶绿素a浓度的影响[J].环境科学与技术，2016，39（10）：26-30，35.

[3] 陆卫军，张涛.几种河流水质评价方法的比较分析[J].环境科学与管理，2009，34（6）：174-176.

Analysis of the Impact of Meteorological Conditions on the Water Quality of Shanmei Reservoir

Gao Xi et al（Meteorological Bureau of Nan’an City， Fujian Province， Nan’an， Fujian 362300）

Abstract Using daily routine physical and chemical monitoring data of water quality in Shanmei Reservoir from July 2018 to June 2023 and daily meteorological observation data from nearby automatic meteorological stations， Pearson correlation analysis method was used to analyze and study the correlation between water quality monitoring projects and meteorological elements in Shanmei Reservoir. The water quality level was calculated using the comprehensive pollution index method， By using SPSS 16.0 software to perform logistic multiple regression and ROC curve analysis on meteorological factors that affect water quality levels， the relationship between water quality and meteorological factors in Shanmei Reservoir， as well as the optimal threshold for diagnosing water quality by meteorological factors， was obtained. A relationship model between meteorological conditions and water quality in Shanmei Reservoir was constructed， aiming to provide meteorological reference for the management of water quality in Nan’an Reservoir.

Key words Meteorological conditions; Reservoir water quality; Relational model