2. 三峡库区地表过程与环境遥感重庆市重点实验室, 重庆 400047;
3. 西南大学资源环境学院, 重庆 400715
2. Key Laboratory of Surface Process and Environment Remote Sensing in the Three Gorges Reservoir Area, Chongqing 400047;
3. College of Source and Environment, Southwest University, Chongqing 400715
水体水质问题是当前及今后很长一段时期内困扰人类发展的重大问题(Barbash et al., 2001;Aryal et al., 2012), 现已成为众多学者和各级政府关注的焦点.三峡库区作为一特殊的地理区域, 区内的环境安全及其与经济社会的协调发展在很大程度上取决于河流水质的健康状况(Guo et al., 2011;Fan et al., 2014).长江干流作为三峡库区的主体部分, 其水质状况控制着库区的环境安全和协调发展的未来趋势.现有研究认为, 长江干流的水质状况沿程趋好, 且蓄水后较蓄水前的这一变好趋势更加明显(余明星等, 2001;印士勇等, 2011;兰峰, 2008);如娄保锋等(2011)研究认为, 蓄水后同蓄水前相比, 近坝水体高锰酸盐指数显著降低, 库区干流高锰酸盐指数整体上表现为从库尾至库首沿程下降;尹真真等(2014)通过对比分析蓄水前后的断面水质监测数据, 发现三峡水库常年回水区内的断面, 污染物浓度多数呈下降趋势.但这是否可认为入库水质较差, 经库区长江干流段自净与消纳后出库水质变好, 仍需要数据来证明.以往的研究很少从长江干流入出库首尾两端开展水质评价及未来变化趋势分析, 而库区入出口在长江干流水质变化中究竟起到多大作用?未来变化趋势如何?需要得到更进一步的分析与理解.
目前, 常用的水质评价方法主要有BP神经网络、Hopfield网络、灰色聚类、支持向量机等(Groft et al., 2007;Lermontow et al., 2009;苏彩红等, 2012;陈琳等, 2010), 但不同方法因所需表征水质状况的指标体系间差异较大, 受到各指标数据可得性的限制;而且现有水质评价的界限仍然是模糊的, 没有一个确定的等级边界.基于模糊理论的贴近度法可综合评价水质变化, 且能得到接近客观实际的结果, 尤其是基于灰色关联系数矩阵的TOPSIS法(Technique for order preference by similarity to an ideal solution)对样本数目和分布、评价指标多少和种类均无严格限制, 具有普适性强、计算量小、几何意义直观、信息失真小等特点(张军等, 2009;问国强, 2015), 而且将灰色关联分析理论与TOPSIS模型进行结合, 可以在一定程度上在多指标决策过程中避免因人为因素干扰而导致数据波动较大而没有典型的分布规律(Kuo et al., 2008).在水质变化趋势分析上, 目前更多应用Mann-kendall非参数统计检验法(Hirsch et al., 1982;Tošić, 2004;Eregno et al., 2014), 但该方法对数据的时间序列有严格要求, 所需水质数据时段至少5年以上(一般5~8年为佳)(李怡庭等, 2003), 且无法对未来水质变化趋势给出合理解释.但R/S分析法能对过去与未来进行对比分析, 并通过Hurts指数来判断时间序列所暗示的系统演化趋势, 能在不同时间尺度上研究自然现象的统计规律(樊晓一等, 2006).另外, 在水质指标选取上, Zhao等(2013)采用了pH、DO、CODMn和NH3-N监测数据, 利用水质指数法(Water Quality Indexing, WQI)来阐明蓄水后的库区出库与入库整体水质变化, 所得到的结果认为三峡库区的水质仍保持健康的状态, 所采用的数据来源于国家环境保护部环境保护数据中心所发布的重点监测断面水质自动监测周报, 由此能够反映出这4个指标在众多水质指标中所具有的代表性, 也能够反映出三峡库区这一大尺度区域的水质动态.
基于此, 本文首先对三峡库区长江干流入出库断面的水质状况进行年均和季均的统计分析, 在此基础上, 利用入出库年均、季均统计数据和水质标准, 通过基于灰色关联系数矩阵的TOPSIS法进行水质状况评价与对比分析, 最后利用相对贴近度, 通过R/S分析法探索入出库水质变化的未来趋势, 以期为三峡库区长江干流的水质动态监测和控制性规划提供科学依据.
2 材料与方法(Materials and methods) 2.1 区域概况三峡库区(图 1)是指受长江三峡工程淹没并有移民任务的地区, 位于我国地势第二、第三阶梯的过渡地带, 北靠秦巴山脉、东抵巫山、南倚云贵高原、西接川东平行岭谷区, 是重要的山地生态屏障区和脆弱区.植被属于亚热带常绿落叶和针阔混交林区, 地带性植被是常绿落叶阔叶林.气候属亚热带大陆季风气候, 冬夏季风更替明显, 随着季风的进退, 降水和气温有明显的季节变化.长江三峡大坝自蓄水以来, 分别在2003年6月、2006年10月和2010年10月的蓄水位达到135、156和175 m.三峡水库范围从三峡工程三斗坪坝址至上游江津, 长约660 km, 干流库面宽一般为700~1700 m, 大部分库段河宽不超过1000 m, 支流库面宽一般为300~600 m.
水质数据来源于中华人民共和国环境保护部数据中心的主要流域重点断面水质自动监测周报(http://datacenter.mep.gov.cn/), 监测数据以周为时间单元更新发布(从2004年第1周(即2003年12月29日-2004年1月4日)至今), 主要指标为溶解氧(DO)、高锰酸盐指数(CODMn)和氨氮(NH3-N), 单位均为mg·L-1.水环境质量评价标准执行《地表水环境质量标准》(GB 3838-2002)(表 1).
三峡库区的蓄水阶段主要是依据三峡水库的调水方式进行划分.三峡水库是典型的河道型水库, 采取“蓄清排浑”的调度方式, 2003、2006和2010年分别为135、156和175 m最高蓄水位的蓄水实施年份, 将不同实际运行水位所对应年份划分为的4个阶段(表 2), 分别为第1阶段(2004-2005年)、第2阶段(2006-2007年)、第3阶段(2008-2009年)、第1阶段(2010年以后).
在季度划分上, 由于三峡工程至大坝拦截蓄水以来, 不同时期的最高蓄水位不一样, 2010年10月26日以后库区进入正常的周期性蓄水方式, 因此, 在分析评价水质的时候为了平衡蓄水时间序列上的季节性变化, 本文采用正常的季度划分方式, 即第1季度为第1周到第12周(1-3月), 第2季度为第13周到第25周(4-6月), 第3季度为第26周到第38周(7-9月), 第4季度为第39周到第52周(10-12月).根据2010年以后的库区周期性蓄水方式(图 2), 在2010-2014年间, 第1季度和第2季度处于排水期, 库区水位不断降低, 降至145 m为底, 为水位调节期;第3季度为低水位运行期, 库区水位保持在最低水位, 除了遇到洪水需要蓄水以削减洪峰;第4季度处于蓄水期, 库区水位不断升高, 直至175 m最高水位, 为高水位运行期.
水质监测断面:①重庆朱沱断面(图 3a), 处于川渝交界处, 为库区长江干流入库口, 距三峡大坝750 km, 属水库175 m蓄水的背景断面.选取该断面的原因在于, 库区阶段性的排蓄水方式会影响到入库断面的水质, 2010年以后虽然三峡水库建设完工, 但以后三峡大坝常态性的蓄清排浑会影响到朱沱断面的水位, 进而影响其水质变化.②湖北宜昌南津关断面(图 3b), 为库区长江干流出库口, 靠近葛洲坝、夷陵和宜昌市区;时间上, 考虑到库区的蓄水阶段, 选取2004-2014年的水质监测数据, 分别提取各水质指标每年4个季度的季均值和每年的年均值.
TOPSIS模型为逼近理想点的排序模型, 是一种适于根据多项指标对多方案进行比较选择的分析方法(Hwang et al., 1981;Gumus, 2009), 该模型在卫生质量、生态效益评价、水环境评估等领域得到了广泛的应用(陈艳萍等, 2009;胡林林等, 2013;李灿等, 2013).但传统的TOPSIS模型受限于统计数据少且易受人为干扰的影响, 导致数据波动大、规律不明显, 而灰色关联分析所具有的原始数据少、原理简单、运算方便和易于挖掘数据规律等优点恰好能弥补“贫信息、少样本”的限制(沈珍瑶等, 2005;Shao et al., 2012).为此, 在已有研究基础上, 应用基于灰色关联系数矩阵的TOPSIS模型, 以便更准确地把握样本方案与理想样本间的空间距离, 提高评价精度.
以2个断面和5个水质标准等级为评价方案(编号i)、以DO、CODMn和NH3-N为评价指标(编号j), 评价三峡库区长江干流入出库水质的健康状况.具体评价思路和方案如下.
构建加权标准化矩阵Uk=(rij)m×n, 1≤i≤7, 1≤j≤3, m=7, n=3, rij是各指标原始值的标准化结果.利用层次分析法的主观权重Wj1(Sener et al., 2013)和熵权系数的客观权重Wj2(Pan et al., 2015), 根据公式(1)计算综合权重Wj.根据加权标准化矩阵统计各指标的理想点Rj, 对于“效益型”指标(DO), Rj为各指标列的最大值
(1) |
②根据公式(2)计算第i个方案与理想解Rj关于第j个指标的灰色关联系数qij, 并构建水质评价的灰色关联系数矩阵Qk=(qij)m×n.因关联系数矩阵可反映方案在特定指标上接近理想方案的程度, Qk中的指标均为正向指标, 由关联系数矩阵确定的正理想解qj+由最大的关联系数构成, 负理想解qj-由最小的关联系数构成.
(2) |
③根据公式(3)~(5)计算第i个方案到正理想点和负理想点的距离di+和di-, 以及各方案的相对贴近度Ci.按照相对贴近度的大小对方案进行排序, 断面的相对贴进度越大表明该断面的水质越好, 反之越差;其次是, 若断面的相对贴近度介于两个相邻水质标准等级的相对贴近度间, 则该断面的水质级别属于较低标准等级.
(3) |
(4) |
(5) |
R/S分析是时间尺度上演变趋势的非线性数量分析和预测方法(Llyod et al., 1966;江田汉等, 2004), 该方法的前提在于Hurts指数的计算, 并由其判断时间序列的未来趋势, 是完全随机的亦或存在趋势性成分等.Hurst指数的主要思想是假设一个质点在一维时间轴上游走, 那么累积均值离差就是质点随时间偏离起始点的距离, 如果改变断面水质监测的时间尺度大小, 就可以研究其统计特性变化规律.具体计算过程为:给定一个时间序列{ξ(t)}, t=1, 2, …, n, 对于任意正整数τ≥1, 定义均值序列为
对于比值H=R(τ)/S(τ)=R/S, 若存在如下关系R/SτH, 则说明时间序列{ξ(t)}(t=1, 2, …, n)存在Hurts现象, H值称为Hurst指数, 其值可在双对数坐标系(lnτ, ln (R/S))中用最小二乘法拟合得到.Hurst指数(H值)取值有3种形式(张子龙等, 2013):①若0.5 < H < 1, 表明该指标在时间尺度上的变化具有持久性, 过去的一个增量对应未来的一个增量, 即时间序列前后正相关;②若H=0.5, 表明该指标的时间序列为相互独立的随机序列, 具有“无后效性”;③若0 < H < 0.5, 表明该指标的时间序列数据具有反持续性, 过去变量与未来趋势呈负相关, 序列有突变跳跃特性.H值越接近0, 其反持续性越强;H值越接近0.5, 时间序列的随机性越强;越接近1, 其持续性越强.第1种和第3种形式可以进一步分级, 持续性和反持续性强度由弱到强都分为5级, 其中, 持续性强度用1~5级表示, 反持续性强度则用-1~-5级表示(表 3).
由图 4a可知, 2004-2014年间, 长江干流入出库断面溶解氧的年均值在多数年份均达到Ⅰ类水质标准, 而少数年份达到Ⅱ类水质标准, 最为明显的是2008年入库断面的DO年均值小于7.5 mg·L-1.时间变化上, 入出库断面DO年均值变化存在显著阶段性特征, 且与水库蓄水阶段具有一定的吻合性, 表现为处于蓄水第1阶段期间的2004-2005年和处于蓄水第4阶段的2010-2014年为入库断面DO值大于出库断面, 而处于蓄水第2阶段和第3阶段的2006-2009年相反.由此可见, 库区长江干流的入库与出库断面DO年均变化明显受到库区阶段性蓄水作用.
由图 4b和4c可知, 相比于DO指标, CODMn和NH3-N指标达到Ⅰ类水质标准的年份减少, 逼近Ⅱ类水质标准的年份增多, 且蓄水阶段性特征不明显.由图 4b可知, CODMn为Ⅰ类水质标准的年份有2005年、2007-2008年的入库断面、2013-2014年的出库断面, 其他年份的入出库断面均为Ⅱ类水质标准, 而且随着时间推进, 出库断面的CODMn年均值逐渐减小, 而入库断面有微弱的增大趋势, 表明库区蓄水以来入库断面的CODMn比出库断面的要差.由图 4c可知, NH3-N相对于CODMn更逼近于Ⅱ类水质标准线, 除2012-2014年的出库断面Ⅰ类水质标准, 其余年份的入出库断面均为Ⅱ类水质标准, 且入库断面的NH3-N年均值在水库蓄水后的2004-2014年间均大于出库断面, 且出库断面呈现逐渐减小趋势, 表明库区长江干流的入库NH3-N水质劣于出库.
综合这3个水质指标的年均值变化规律可以看出, 时间变化上库区入库断面相比于出库断面更倾向于水质较差的趋势, 即从DO到CODMn再到NH3-N, 入库断面越表现出偏离Ⅰ类水质标准的趋势, 水质越差.
3.1.2 季均评价由图 5a可知, 入库断面的DO季均值在2004-2014年间大体表现为蓄水第2阶段和第3阶段小于第1阶段和第4阶段, 这与上述入库断面的DO年均特征相似, 且前后两个阶段均以第1季度的均值最大, 其次是第4季度.由图 5b可知, 与入库断面不同的是, 出库断面的DO指标季均值的最大特征在于2006年第2季度(14.06 mg·L-1)和2007年第1季度(14.8 mg·L-1)达到峰值, 其余年份均在Ⅰ类水质标准线上下波动.
由图 5c可知, 最为明显的是, 入库断面CODMn在2004年第2季度的均值(4.8 mg·L-1)超过Ⅱ类水质标准线, 达到Ⅲ类水质标准;而且, 在蓄水第1阶段的2004-2005年和蓄水第3阶段的2010-2014年表现为第2、3季度均值大于第1、4季度.由图 5d可知, 出库断面的CODMn在2004-2008年的季均值几乎都在Ⅰ类和Ⅱ类水质标准线间波动, 2009年后出现低于Ⅰ类水质标准线的季度均值, 即CODMn较2009年前好转.比较入库和出库两断面可以发现, 入库断面CODMn季均值小于Ⅱ类水质标准的年份要多于出库断面, 但相比于DO指标, 入库断面CODMn所表现的水质好于出库断面的趋势明显减弱.
由图 5e可知, 入库断面的NH3-N季均值在2004第1季度(0.512 mg·L-1)和2005年第1、2季度(0.543、0.605 mg·L-1)达到Ⅲ类水质标准, 达到Ⅰ类水质标准的仅出现在2006年第4季度(0.11 mg·L-1)和2007年第1季度(0.12 mg·L-1), 其余年份处于Ⅰ类和Ⅱ类水质标准线间.由图 5f可知, 出库断面的NH3-N季均值在2004-2014年间的年际变化趋势类似于CODMn, 总体上呈现出随时间推移而逐渐降低的趋势, 预示着水质变好.不同的是Ⅰ类水质标准出现的时间延后到2012年, 2013-2014年NH3-N季均值均达到Ⅰ类水质标准.
综合这3个水质指标的季均值变化规律可以看出, 整体变化趋势上, 从DO到CODMn再到NH3-N, 入库和出库断面均表现出越来越偏离Ⅰ类水质标准的趋势, 这与年均特征较为一致, 所不同的是, 出库断面要比入库断面的水质表现出随时间演变而更倾向于Ⅰ类水质标准.因此, 在季均特征上, 库区长江干流的入库水质随时间演进相比于出库在单一水质指标所反映的水质要差.
3.2 2004-2014年水质综合评价单一水质指标所表现的水质变化规律并不能完全反映出断面水质的综合优劣, 因此, 需要对水质指标通过统计分析进行水质优劣排序, 以此反映库区长江干流入库与出库的水质时空演变特征.
3.2.1 年均评价由图 6a可知, 2004-2014年入库和出库断面的水质污染贴近度主要在Ⅰ类污染标准的贴近度曲线上下波动, 由此可见, 库区长江干流的入出库水质在2004-2014年间介于Ⅰ、Ⅱ类水质标准, 这与单一水质指标的年均值所表现的水质一致.
由图 6b可知, 比较入库断面和出库断面分别与Ⅰ类水质标准的相对贴近度差值发现, 在蓄水第1阶段的2004-2005年表现为两断面水质的交替变换, 蓄水第2和第3阶段的2006-2009年入库断面水质均劣于出库断面, 第4阶段的2010-2014年入库断面水质均优于出库断面, 由此存在明显的蓄水阶段性, 这与DO水质指标的年均值变化规律所反映的水质变化较为类似, 进一步地可以说明三峡工程阶段性的蓄水对长江干流水质产生明显影响.
3.2.2 季均评价由图 7的a~d可知, 每年4个季度入出库断面水质的相对贴近度表现为在Ⅰ类水质标准的相对贴近度曲线上下波动, 且均大于Ⅱ类水质标准的相对贴近度曲线, 说明两断面每年4个季度的相对贴近度均在Ⅰ、Ⅱ类水质标准间波动, 达到Ⅰ、Ⅱ类水质标准, 这与全年均值的计算结果(图 6a)较为类似.进一步地比较4个季度可发现, 4个季度入出库断面的水质相对贴近度在2004-2014年间存在着相反的升降趋势, 少数年份存在同步变化趋势, 且呈现着“螺旋式”的年际交替变化规律, 这表明三峡库区长江干流入库和出库的季度水质变化存在着反向年际变动, 也进一步说明三峡工程的开发建设、入库与出库间的沿程区域开发治理等人为活动对长江干流水质的影响.
与Ⅰ类水质标准的相对贴近度差值可以发现, 第1季度的入库与出库断面水质在大多数年份都超过Ⅰ类水质标准, 表明第1季度的水质最好.与第2季度相反的是, 第3季度水质低于Ⅰ类水质标准的年份较多(图 7g), 与Ⅰ类水质标准相对贴进度的差值的最大值也不超过0.15, 由此可见, 第3季度的水质在整体上较为偏低.第2季度和第4季度的明显差异在于入库和出库(图 7f和h), 主要表现为第2季度在除了2007年和2014年以外, 其余年份出库断面的水质都好于入库断面, 而第4季度在除了2008年和2012年以外, 其余年份入库断面水质都好于出库断面.
3.3 水质变化趋势 3.3.1 年变化趋势由图 8可知, 三峡库区入出库断面水质的未来年均变化趋势与过去存在很好的一致性, 表现为较强的长程依赖性和持续性.入库断面的Hurst指数为0.668, 出库断面为0.6201, 均大于0.5, 2004-2014年间水质的时间序列变化前后正相关, 意味着过去的水质变好会延续到未来相同的时间序列里, 即过去的年均水质变好会传导至未来, 使水质呈继续变好趋势.为此, 可预测在库区长江干流入出库范围内, 未来至少大约10年, 年均水质的趋好形势会继续下去, 这主要得益于政府的生态环境保护政策实施, 包括水污染治理、生态绿化工程、生态红线和功能规划等, 如在《重庆市林地保护利用规划(2010-2020年)》中划定420万hm2林地红线和373.33万hm2森林红线(重庆市环境保护局, 2014;重庆市环境状况公报, 2015).尽管如此, 由于入库断面水质的Hurst指数等级为较强等级, 出库为较弱等级, 可见未来变化趋势的持续性不是很强, 具有一定的随机性, 也就是说, 这种水质变好的持续趋势在未来的变化中是不稳定的, 需要进一步加强水质监控, 如新增扩建农业面源污染定位监测国控点, 并与全国联网运行.
总体来看, 库区长江干流入出库断面4个季度水质的未来变化趋势同样存在Hurst现象, 但各断面水质的季均未来变化趋势强度达不到相应年均未来变化趋势的程度.
入库断面水质的未来变化趋势随4个季度的推进表现出同过去的变化趋势相比呈现出由反向到正向持续性的过渡.由图 9a、b可知, 第1、2季度的H值均小于0.5, 反持续性强度为较弱等级, 两季度长江干流入库水质的季均未来变化趋势与2004-2014年相反, 而2004-2014年间两季度长江干流入库水质均在Ⅰ、Ⅱ类水质标准间变化, 可见两季度未来入库水质的变化趋势将会低于Ⅰ、Ⅱ类水质标准, 但这种变化趋势程度不高, 水质仍然会有反弹趋好的态势.相反, 由图 9c、d可知, 第3、4季度的H值均大于0.5, 两季度长江干流入库水质的季均未来变化趋势能保持2004-2014年的变化趋势, 两季度未来入库水质的变化持续地维持在Ⅰ、Ⅱ类水质标准间, 不同的是, 第3季度的持续性强度很弱, 有转换为低水质的风险, 而第4季度的持续性稍微较强.
出库断面水质的未来变化趋势在4个季度中表现出与过去的变化趋势呈现的正、反持续性的交替变换.由图 10a、c可知, 第1、3季度的H值均小于0.5, 且变化趋势强度相似, 分别为0.488和0.4844, 与2004-2014年的变化趋势相反, 表现出与过去的变化趋势相比呈反持续性, 但反持续性很弱.由图 10b、d可知, 第2、4季度的H值均大于0.5, 分别为0.5706和0.5542, 小于相应年均未来变化趋势, 表现出与过去的变化趋势呈正持续性, 继续在Ⅰ、Ⅱ类水质标准间变化.但与年均水质的未来变化趋势一致, 持续性较弱, 因此, 这一变化有一定的随机性, 未来趋势不稳定.
年均特征和季均特征上, DO所反映的库区长江干流入库和出库水质在多数年份都处于Ⅰ类水质标准;而CODMn和NH3-N所反映的特征为入库比出库的水质要差, 且随着时间推进出库断面的水质逐渐呈好, 这与印士勇等(2011)、黄庆超等(2015)、幸梅等(2008)的研究相近, 反映了库区长江干流的上游与库区区间对入库与出库水质的影响.
原因解释上, 从库区蓄水后的水文条件变化可以理解, 这主要在于三峡库区蓄水的澄清作用.三峡工程蓄水以来, 库区长江干流由蓄水前的自然河流转变成蓄水后的人工河流, 水文形态发生显著变化, 水面变宽和流速减缓使得水体在库区的滞留时间增加, 泥沙沉降也随之增强, 因此,附着于泥沙的有机污染物浓度也降低(娄保锋等, 2012;尹真真等, 2014;Zhao et al., 2013), 导致距离三峡工程大坝750 km的重庆朱沱入库断面的水库澄清作用要弱于南津关出库断面, 且随着时间推进这种作用越加明显.从区域发展与生态治理可以理解, 水质整体趋好和入库水质劣于出库可以说明三峡库区长江干流的水体污染物来源主要来自于域外的输入, 而域内近年来推行的各种生态农业发展思路和面源污染治理措施确实起到非常显著的作用(Ni et al., 2013), 如环库柑橘产业带、换控释肥、水土流失治理等.
4.2 水质综合评价年均变化上, 本文采用的水质综合评价方法所得到的水质评价结果同DO指标的较为类似, 存在明显的蓄水阶段性特征, 而没有显示出与CODMn和NH3-N类似的变化规律.这说明本文选择的基于灰色关联系数矩阵的TOPSIS模型方法对溶解氧DO指标较为敏感, 也表明DO在库区长江干流水质变化中占有重要的成分, 进一步说明水库的阶段性蓄水对库区水质存在显著的影响.尽管不同蓄水阶段的每个季度蓄水位不一, 但在季均变化上, 长江干流的入库与出库水质变化仍表现出一定的季度特征, 因此,必然是受到季节性因素的影响和控制.
4.3 水质变化趋势年变化趋势上, 库区长江干流入库与出库断面的未来水质变化呈现同过去类似的持续性趋势, 但没有表现出十分强劲的趋势, 也就是水质变好的趋势是很不确定的, 仍然存在较大的风险, 尤其是出库断面.这可以从污染源解释, 已有研究认为, 长江干流的污染物来源主要为城镇生活污水排放和农业源排放, 因此, 随着城镇化速度的加快和农业的不断规模化将会带来的新的污染趋势(Ding et al., 2013), 进而使得断面水质的呈好趋势会发生逆转.季度变化趋势上, 持续性与反持续性强度要弱于年变化趋势, 表明未来水质的季度变化趋势不稳定性增强.由于三峡工程已进入常态化的调蓄水阶段, 因此, 未来水质的季度不稳定性趋势主要受季节性因素的影响, 如水温、入库来水量、泥沙沉积量, 以及农业的季节性生产方式等, 也因此需要在后续研究中对影响水质变化的影响因子进行识别.
5 结论(Conclusions)1)从3类水质因子的季均和年均特征可以总结得出, 三峡水库蓄水以来的2004-2014年间, 长江干流入出库断面DO的年均值以Ⅰ类水质标准为主, 少数年份为Ⅱ类水质标准, 存在蓄水阶段性特征.CODMn和NH3-N的年均值偏离Ⅰ类水质标准的年份减少, 偏近Ⅱ类水质标准的年份增多, 且入库比出库的水质要差, 且随着时间推进出库断面的水质逐渐呈好.
2)本文采用的水质综合评价方法所得到的年均水质评价结果以Ⅰ类水质为主, 表现出明显的蓄水阶段性特征, 可见蓄水的阶段性作用在一定程度上左右了库区长江干流的水质变化趋势, 与DO指标的较为类似.季度变化上, 长江干流的入库与出库水质变化仍表现出一定的季度特征, 水质类别处于Ⅰ、Ⅱ类水质标准, 且长江干流入库和出库的季度水质变化存在着反向年际变动.
3)库区长江干流入出库断面水质的未来年均变化趋势同过去存在一致性, 但持续性不强, 有一定随机性.入库断面水质的未来变化趋势伴随4个季度的推进表现出同过去由反向向正向持续性的过渡, 但要弱于年变化趋势, 且出库断面水质的未来变化趋势在4个季度中表现出与过去正反持续性的交替变换.因此, 要在保持水质趋好的形势下防控好影响水质变化的因素.
[${referVo.labelOrder}] | Aryal J, Gautam B, Sapkota N. 2012. Drinking water quality assessment[J]. Journal of Nepal Health Research Council, 10(22) : 192–196. |
[${referVo.labelOrder}] | Barbash J E, Thelin G P, Kolpin D W, et al. 2001. Major herbicides in ground water:results from the national water-quality assessment[J]. Journal of Environmental Quality, 30(3) : 831–845. DOI:10.2134/jeq2001.303831x |
[${referVo.labelOrder}] | 陈琳, 刘俊民, 刘小学. 2010. 支持向量机在地下水水质评价中的应用[J]. 西北农林科技大学学报(自然科学版), 2010, 38(11) : 221–226. |
[${referVo.labelOrder}] | 重庆市环境保护局.2015.2014重庆市环境状况公报[R].重庆:重庆市环境保护局 |
[${referVo.labelOrder}] | 陈艳萍, 吴凤平, 吴丹. 2009. 基于模糊优选和TOPSIS法的流域初始水权分配模型[J]. 河海大学学报(自然科学版), 2009, 37(4) : 467–471. |
[${referVo.labelOrder}] | Ding X Y, Zhou H D, Lei X H, et al. 2013. Hydrological and associated pollution load simulation and estimation for the Three Gorges Reservoir of China[J]. Stoch Environment Resource Risk Assessment, 27 : 617–628. DOI:10.1007/s00477-012-0627-4 |
[${referVo.labelOrder}] | Eregno F E, Nilsen V, Seidu R, et al. 2014. Evaluating the trend and extreme values of faecal indicator organisms in a raw water source:A potential approach for watershed management and optimizing water treatment practice[J]. Environmental Processes, 1(3) : 287–309. DOI:10.1007/s40710-014-0026-6 |
[${referVo.labelOrder}] | Fan D X, Huang Y L, Song L X, et al. 2014. Prediction of chlorophyll a concentration using HJ-1 satellite imagery for Xiangxi Bay in Three Gorges Reservoir[J]. Water Science and Engineering, 7(1) : 70–80. |
[${referVo.labelOrder}] | 樊晓一, 乔建平. 2006. 三峡水库区滑坡时间记录的R/S分析[J]. 中国地质灾害与防治学报, 2006, 17(2) : 99–101. |
[${referVo.labelOrder}] | Groft M V, Chow-Fraser P. 2007. Use and development of the wetland macrophyte index to detect water quality impairment in fish habitat of Great Lakes Coastal Marshes[J]. Journal of Great Lakes Research, 33(3) : 172–197. |
[${referVo.labelOrder}] | Gumus A T. 2009. Evaluation of hazardous waste transportation firms by using a two-step fuzzy-AHP and TOPSIS methodology[J]. Expert Systems with Applications, 36(2) : 4067–4074. DOI:10.1016/j.eswa.2008.03.013 |
[${referVo.labelOrder}] | Guo W X, Wang H X, Xu J X, et al. 2011. Ecological operation for Three Gorges Reservoir[J]. Water Science and Engineering, 4(2) : 143–156. |
[${referVo.labelOrder}] | Hirsch R M, Slack J R, Smith R A. 1982. Techniques of trend analysis for monthly water quality data[J]. Water Resources Research, 18(1) : 107–121. DOI:10.1029/WR018i001p00107 |
[${referVo.labelOrder}] | 黄庆超, 刘广龙, 王雨春, 等. 2015. 不同水位运行下三峡库区干流水质变化特征[J]. 人民长江, 2015, 46(增刊) : 132–136. |
[${referVo.labelOrder}] | 胡林林, 贾俊松, 毛端谦, 等. 2013. 基于FAHP-TOPSIS法的我国省域低碳发展水平评价[J]. 生态学报, 2013, 33(20) : 6652–6661. |
[${referVo.labelOrder}] | Hwang C L, Yoon K.1981.Multiple Attribute Decision Making//Lecture Notes in Economics and Mathematical Systems[M].Berlin:Springer-Verlag |
[${referVo.labelOrder}] | 江田汉, 邓莲堂. 2004. Hurst指数估计中存在的若干问题-以在气候变换研究中的应用为例[J]. 地理科学, 2004, 24(2) : 177–182. |
[${referVo.labelOrder}] | Kuo Y Y, Yang T H, Huang G W. 2008. The use of grey relational analysis in solving multiple attribute decision making problems[J]. Computers & Industrial Engineering, 55(1) : 80–93. |
[${referVo.labelOrder}] | 兰峰. 2008. 三峡工程蓄水前后库区河流水质变化分析[J]. 人民长江, 2008, 39(1) : 7–16. |
[${referVo.labelOrder}] | Lermontow A, Yokoyama L, Lermontov M, et al. 2009. River quality analysis using fuzzy water quality index:Ribeira do lguape river watershed, Brazil[J]. Ecological Indicators, 9(6) : 1188–1197. DOI:10.1016/j.ecolind.2009.02.006 |
[${referVo.labelOrder}] | 李灿, 张凤荣, 朱泰峰, 等. 2013. 基于熵权TOPSIS模型的土地利用绩效评价及关联分析[J]. 农业工程学报, 2013, 29(5) : 217–227. |
[${referVo.labelOrder}] | 李怡庭, 翁建华. 2003. 黄河干流重点河段水质变化趋势分析及水质管理对策探讨[J]. 水文, 2003, 23(5) : 16–19. |
[${referVo.labelOrder}] | Lloyd E H, Hurst H E, Black R P, et al. 1966. Long-term storage:An experimental study[J]. Journal of the Royal Statistical Society, 129(4) : 591. |
[${referVo.labelOrder}] | 娄保锋, 蒋静, 刘成, 等. 2012. 三峡水库蓄水后库区干流泥沙含量时空变化研究[J]. 人民长江, 2012, 43(12) : 14–16. |
[${referVo.labelOrder}] | Ni J P, Shao J A. 2013. The Drivers of land use change in the migration area, Three Gorges Project, China:Advances and Prospects[J]. Journal of Earth Science, 24(1) : 136–144. DOI:10.1007/s12583-013-0306-5 |
[${referVo.labelOrder}] | Pan G B, Xu Y P, Yu Z H, et al. 2015. Analysis of river health variation under the background of urbanization based on entropy weight and matter-element model:A case study in Huzhou City in the Yangtze River Delta, China[J]. Environmental Research, 139 : 31–35. DOI:10.1016/j.envres.2015.02.013 |
[${referVo.labelOrder}] | Shao J A, Li Y B, Ni J P. 2012. The characteristics of temperature variability with terrain, latitude and longitude in Sichuan-Chongqing Region[J]. Journal of Geographical Science, 22(2) : 223–244. DOI:10.1007/s11442-012-0923-4 |
[${referVo.labelOrder}] | Sener E, Davraz A. 2013. Assessment of groundwater vulnerability based on a modified DRASTIC model, GIS and an analytic hierarchy process (AHP) method:the case of Egirdir Lake basin (Isparta, Turkey)[J]. Hydrogeology Journal, 21(3) : 701–734. DOI:10.1007/s10040-012-0947-y |
[${referVo.labelOrder}] | 沈珍瑶, 杨志峰. 2005. 灰色关联分析方法用于指标体系的筛选[J]. 数学的实践与认识, 2005(5) : 728–732. |
[${referVo.labelOrder}] | 苏彩红, 向娜, 陈广义, 等. 2012. 基于人工蜂群算法与BP神经网络的水质评价模型[J]. 环境工程学报, 2012, 6(2) : 699–704. |
[${referVo.labelOrder}] | Tošić I. 2004. Spatial and temporal variability of winter and summer precipitation over Serbia and Montenegro[J]. Theoretical and Applied Climatology, 77(1/2) : 47–56. |
[${referVo.labelOrder}] | 问国强. 2015. 基于指标规范变换TOPSIS法的地表水环境质量评价[J]. 安全与环境工程, 2015, 22(3) : 65–69. |
[${referVo.labelOrder}] | 幸梅, 张秀, 何秀清. 2008. 三峡水库156 m水位蓄水前后长江干流水质的变化[J]. 三峡环境与生态, 2008, 1(3) : 1–4. |
[${referVo.labelOrder}] | 印士勇, 娄保锋, 刘辉, 等. 2011. 三峡工程蓄水运用期库区干流水质分析[J]. 长江流域资源与环境, 2011, 20(3) : 305–310. |
[${referVo.labelOrder}] | 尹真真, 李琎. 2014. 三峡水库蓄水前后长江干流主要污染物浓度变化趋势分析研究[J]. 环境科学与管理, 2014, 39(4) : 42–45. |
[${referVo.labelOrder}] | 余明星, 邱波, 夏凡, 等. 2011. 三峡水库蓄水前后干流水质特征与变化趋势研究[J]. 人民长江, 2011, 42(23) : 34–38. |
[${referVo.labelOrder}] | 张军, 梁川. 2009. 基于灰色关联系数矩阵的TOPSIS模型在水环境质量评价中的应用[J]. 四川大学学报(工程科学版), 2009, 41(4) : 97–101. |
[${referVo.labelOrder}] | 张子龙, 刘竹, 陈兴鹏, 等. 2013. 基于R/S的中国碳排放演变趋势及其空间差异分析[J]. 经济地理, 2013, 33(8) : 20–25. |
[${referVo.labelOrder}] | Zhao P, Tang X Y, Tang J, et al. 2013. Assessing Water Quality of Three Gorges Reservoir, China, Over a Five-Year Period From 2006 to 2011[J]. Water Resource Management, 27 : 4545–4558. DOI:10.1007/s11269-013-0425-x |