2018, Vol. 38
[PDF全文]
2. 中国环境科学研究院, 城市水环境科技创新基地, 北京 100012;
3. 中共青岛西海岸工委(黄岛区委)党校, 青岛 266404
2. Department of Urban Environmental Research, Chinese Research Academy of Environmental Sciences, Beijing 100012;
3. Qingdao West Coast Work Committee(Huangdao District) Party School of CPC, Qingdao 266404
水资源为经济社会发展提供了条件, 但随着社会经济的快速发展, 流域水污染也日趋严重(孟伟, 2007; 吴舜泽, 2000), 并受到社会各界的广泛关注.河流水质不仅受降水等自然条件的影响, 而且深受工业污染、农业面源和生活污水等人为因素的干扰(卜红梅等, 2009).对河流水质进行监测与评价, 研究其时空分布特征, 解析污染成因, 能够为水环境管理提供动态信息(徐华山等, 2012; 滕智超等, 2016), 有效控制河流污染和加强水质管理.
多元统计分析法作为一种重要的数据处理分析工具, 已被广泛应用于河流水质变化特征的研究中(冉桂花等, 2013; Yu et al., 2011; Zhou et al., 2007; 何万谦, 2010; 谢森, 2010; 富天乙等, 2014; 马小雪等, 2015; 黄金良等, 2012).徐华山等(2012)利用聚类分析(CA)和主成分分析(PCA)等方法分析漳卫南运河水环境特征, 揭示了水质时空变化趋势, 识别出市政污水、工业废水、天然污染源和采矿活动等主要因子; 杨道军等(2007)应用PCA和CA对影响巢湖水质的主要因子进行辨识, 阐明西半巢湖和东半巢湖的水质差异显著; Wang等(2008)运用线性回归分析法对上海地表水水质时空变化进行分析, 揭示了水质时空变化的主导因子为城市化水平; Pillsbury等(2007)采用回归分析, 探讨了Hillsborough河的水质时空变化及自然和人为污染源对水质的影响, 研究了污染物排放与水质的响应机制.
本文以2013—2015年武水河流域7个监测断面的11个水质指标作为研究对象, 应用PCA和CA, 分析武水河水质时空分布特征, 辨识主要污染因子, 解析污染源特征, 为武水河流域水质改善和水环境管理提供决策依据.
2 研究区域(The study area)武水河位于湖南省南部(112°41′34″~113°05′11″N, 25°25′53″~25°52′49″E), 是珠江流域北江水系一级支流, 流经郴州市临武县、北湖区、宜章县, 经宜章县的罗家渡流入广东省.武水河流域面积1223 km2, 干流长115 km, 主要支流有沙市河、人民河、排形河、斜江河、腊水河、水东河、玉溪河、渔溪河等(图 1).流域地貌复杂多样, 山系纵横, 溪谷交错, 地势西北高、东南低.流域内属亚热带季风性湿润气候, 四季分明, 年均温17.9 ℃, 年平均降水量1437.8 mm, 降水多集中在夏季.
 |
| 图 1 武水河流域水系及监测断面示意图 Fig. 1 Water system and monitoring sections in Wushui River Basin |
流域内设置7个监测断面, 其中岑水桥、临连大桥和武水五塘冲电站监测断面位于武水河干流, 城关曹排村和芙安河老桥监测断面分别位于支流玉溪河与芙安河, 长河水库、黄岑水库监测断面位于水库出口(图 1).长河水库和黄岑水库执行Ⅱ类水质标准, 其余断面执行Ⅲ类水质标准.基于国家地表水环境质量标准(GB3838—2002), 选取24个物理、化学、生物及重金属指标监测分析, 监测频次为每年1月、4月、7月和10月.筛选2013—2015年11个典型水质指标, 即温度、pH、溶解氧(DO)、高锰酸盐指数(CODMn)、5日生化需氧量(BOD5)、氨氮(NH3-N)、总磷(TP)、总氮(TN)、氟化物、砷(As)和粪大肠杆菌等指标作为研究对象, 进行多元统计分析.
3.2 研究方法 3.2.1 主成分分析PCA是一种降维处理技术, 将原来众多的具有一定相关性的变量重新组合成新的少数几个相互独立的综合变量, 并要求这些综合变量能够反映原变量提供的大部分信息, 以保证分析的准确性(高惠漩, 2005; 王艳红等, 2010; 李森等, 2012; 吉祝美等, 2012; 杨学福等, 2016), 这些新的综合变量称为主成分.本文应用SPSS 20软件提取了11个水质指标的3个主成分, 有效降低了具有较大因子载荷的变量个数.
3.2.2 聚类分析CA通过在变量之间定义相似系数, 代表变量之间的相似程度, 按照相似程度的大小, 将变量逐一归类, 直到所有变量都聚集为一类, 形成一个表示相似程度的谱系图.流域水质评价中常通过聚类监测时间和监测断面的地理位置, 来分析流域水质的时空变化特征(Alkarkhi et al., 2009; Sundaray, 2010; 李艳红等, 2016).
本文应用Origin 8.6软件对武水河流域水质指标在时空尺度上的变化趋势进行描述, PCA和CA则通过SPSS 20软件来实现.
4 结果与讨论(Results and discussion) 4.1 时空特征分析2013—2015年武水河流域水质总体达标, 个别时段存在超标现象.监测的11个水质指标中, CODMn、NH3-N、TP、TN、As和粪大肠杆菌等指标的浓度呈逐年降低趋势.各监测断面温度呈明显的季节变化特征, 流域内年均气温为17.9 ℃, 7月平均气温为27.7 ℃, 1月平均气温为6.6 ℃.pH值基本稳定在7.21±0.22, 长河水库和黄岑水库断面2015年1月和10月pH值偏高(pH=8.03).DO与温度呈负相关(r=-0.5, p＜0.01), 1月份浓度高, 7月份浓度低.各监测断面CODMn浓度整体上有所降低, 季节变化不明显; 由于7月份降水多, 各监测断面BOD5、NH3-N、TP、TN等指标7月浓度较低, 季节变化较显著.由于2014年降水量比多年平均水平降低14.3%, 属偏枯水年, 导致BOD5、NH3-N、TP、TN等水质指标在2014年季节变化不显著.粪大肠杆菌与BOD5呈正相关(r=0.56, p＜0.01), 变化趋势与BOD5基本一致.氟化物和As浓度呈逐年降低趋势, 季节变化不明显.
从空间上看, 在长河水库和黄岑水库断面, 11个水质监测指标均达Ⅱ类水质标准(2015年1月长河水库NH3-N浓度0.77 mg·L-1, 超标54%, 2015年7月黄岑水库NH3-N浓度0.57, 超标14%), CODMn、BOD5、TN、TP、氟化物、As和粪大肠杆菌等指标浓度均低于其他断面, 表明两个水库水质最优.岑水桥断面在2013年10月、2014年10月出现As超标现象(分别超标50.1%、13.4%), 2015年无超标现象; 该断面DO浓度较低, TN、氟化物、粪大肠杆菌等指标浓度较高.临连大桥断面CODMn、BOD5、TP浓度明显高于其他断面.武水五塘冲电站断面TN和As的监测浓度相对较高.城关曹排村和芙安河老桥为支流监测断面, DO、CODMn、TN、TP、NH3-N和As等指标浓度介于水库断面和干流断面之间, 但城关曹排村BOD5和粪大肠杆菌的监测值较高, 芙安河老桥断面氟化物和As的监测值较高.总体上, 干流主要污染物浓度最高, 水库的最低, 支流的介于两者之间, 流域水质由好到差的顺序为水库＞支流＞干流.
4.2 污染因子识别对2013—2015年7个监测断面的11个水质指标分别进行主成分分析, 2013、2014和2015年累积贡献率分别为86.40%、88.35%、88.41%, 提取的主成分均已解释了原始信息的85%以上, 满足主成分分析的原则, 说明提取的主成分可以很好的反映武水河的水质信息.主成分相关系数大于0.7的指标被认为和主成分显著相关(Liu et al., 2003).
在2013年, 第一主成分贡献率为39.85%, 主要包括氨氮、TN、As、pH、TP, 它们与第一主成分呈显著正相关, 表明污染物主要来源农业面源污染和工业污染(Zhou et al., 2007); 第二主成分贡献率为26.47%, 主要包括BOD5、CODMn、氟化物、DO, 其中DO与第二主成分呈负相关, 其他呈正相关, 表明污染物主要来源生活污水和工业废水; 第三主成分贡献率为20.1%, 包括粪大肠杆菌和温度, 它们与第三主成分呈正相关(图 3a).在2014年, 第一主成分贡献率为52.84%, 主要包括pH、TP、CODMn、氨氮, 它们与第一主成分呈显著正相关, 表明污染物主要来源生活污水和工业污染; 第二主成分贡献率为23.54%, 主要包括温度、DO、粪大肠杆菌, 其中DO与第二主成分呈负相关, 其他呈正相关, 表明污染物主要来源畜禽养殖; 第三主成分贡献率为11.94%, 包括TN、氟化物、As和BOD5(图 3b).在2015年, 第一主成分贡献率为49.63%, 主要包括pH、粪大肠杆菌、温度、BOD5, 它们与第一主成分呈正相关, 表明污染物主要来源畜禽养殖与生活污水; 第二主成分贡献率为21.43%, 主要包括DO、CODMn、TP, 其中DO与第二主成分呈负相关, 其他呈正相关, 表明污染物主要来源工业污染和农业面源; 第三主成分贡献率为17.35%, 主要包括NH3-N、TN、氟化物、As(图 3c).2013年主要污染源为农业面源污染和工业污染, 2014年主要污染物源于生活污水和工业废水, 2015年主要污染成因为畜禽养殖和生活污水.因此, 工业污染和农业面源对水质的影响逐年降低, 畜禽养殖废水与生活污水成为影响河流水质的主要因素.
 |
| 图 3 2013 (a)、2014 (b)、2015 (c)年的主成分散点图 Fig. 3 Scatter plot of loadings for the principal components in 2013(a), 2014(b) and 2015(c) |
对2013—2015年武水河流域7个监测断面进行空间聚类分析, 采用最邻近元素法, 以欧氏距离平方(SED)为度量标准, SED值越小, 聚类分析越显著(Yu et al., 2011).当SED＜18时, 7个断面聚类为3组(图 4).第1组包括武水五塘冲电站、岑水桥和临连大桥断面, 即干流断面; 第2组包含城关曹排村和芙安河老桥断面, 即支流断面; 第3组包括长河水库和黄岑水库断面, 即水库断面; 间接地表明3类监测断面水质存在显著差异.以上分析结果与水质空间差异分析一致.干流监测断面的SED最小(SED＜2), 支流断面的SED最大(SED＜8), 水库断面的SED介于两者之间(SED＜3), 表明3个干流监测断面的水质指标变化最小, 2个支流断面的水质指标变化最大, 2个水库断面的水质指标变化介于两者之间(图 2).
 |
| 图 4 最近邻近系统聚类树状图 Fig. 4 Clustering of nearest neighbor clusters |
 |
| 图 2 武水河流域水质指标时空尺度变化趋势示意图(1.长河水库, 2.黄岑水库, 3.城关曹排村, 4.芙安河老桥, 5.临连大桥, 6.武水五塘冲电站, 7.岑水桥) Fig. 2 Spatial-temporal variations of water quality indices in Wushui River basin (1. Changhe reservoir, 2. Huangcen reservoir, 3. Chengguancaipaicun, 4. Fu′anhelaoqiao, 5. Linliandaqiao, 6. Wushuiwutangchong power station, 7. Censhuiqiao) |
武水河流域降水多集中在夏季, 河流径流量大, BOD5、NH3-N、TP、TN等污染物被稀释, 导致在7月监测值较低, 季节变化显著.氟化物和AS等污染物季节变化不显著, 在雨季尾矿库的尾砂及河岸两边的采矿废石被雨水冲刷进入河道, 导致污染物浓度偏高.流域内乡镇生活污水集中处置工程建设严重滞后, 生活污水处理设施不足.未经处理的生活污水直接入河, 或渗入地下通过地下径流对河流水质造成污染; 根据2015年流域内所辖县区环统数据, NH3-N总入河量约1866.79 t, 其中生活污水占62.31%.根据2015年临武县和宜章县统计年鉴, 临连大桥和武水五塘冲电站断面控制的区域人口分别为16.63万人、15.27万人, 约占流域总人口的31.34%、21.78%, NH3-N入河量分别为381.67、282.11 t.岑水桥断面控制的区域人口7.69万人, 约占流域总人口的14.5%, NH3-N入河量154.41 t, 约为临连大桥和武水五塘冲电站断面的40.46%、54.73%;尽管断面所辖区域生活污水中的NH3-N入河量较小, 但污染物的累积效应导致岑水桥断面NH3-N浓度较高.武水河流域规模化畜禽养殖场共160余家, 由于缺少配套粪便污水贮存处理设施, 导致畜禽粪便处理不当, 大量氮磷等污染物流入武水河, 成为影响水质的主要污染源之一.
“十二五”期间, 通过重金属治理工程, 对河道尾砂以及河岸废渣进行清理, 并进行覆土和植被恢复等, 有效控制了重金属污染程度, 监测断面的砷浓度明显减少.由于斜江河、东山河上游采矿遗留的废渣堆砌, 导致下游的武水五塘冲电站、岑水桥等断面氟化物、砷等污染物指标的监测值较高, 历史遗留问题(矿坑水、淋溶、污染土壤、农田、地下水、河道底泥)对氟化物、砷等污染物的贡献度约占90%.
为改善流域水环境质量, “十三五”期间, 基于NH3-N、氟化物、As超标现象, 强化城镇生活污染治理, 保障饮用水水源安全, 科学划定畜禽养殖禁养区, 防治水产养殖污染, 狠抓工业污染防治, 落实环境准入制度.加大重金属污染治理力度, 在武水河干流、斜江河、腊水河、东山河、杨家河、黄岑水库及长乐水流域等实施重金属治理项目(图 5).
 |
| 图 5 武水河流域“十三五”项目分布 Fig. 5 Pollution control project distribution in Wushui River Bisin |
1) 2013—2015年, 武水河水质整体上有所改善, CODMn、氨氮、TP、TN、砷和粪大肠杆菌等指标监测值趋于减小.
2) 武水河流域水质空间差异显著, 水库断面水质水平较高, 干流断面的较低, 支流断面的介于两者之间.
3) 2013—2015年武水河污染成因发生了变化, 生活污水和畜禽养殖成为武水河氮、磷污染和有机污染的主要贡献源; 工业污染对水质的影响逐渐降低.
4) 基于武水河流域主要污染源特征, 建议增加乡镇污水处理设施, 提升污水处理技术, 提高生活污水处理率; 合理优化养殖布局, 推广畜禽粪便污水集中处理和资源化利用, 实现生态健康养殖; 加强历史遗留重金属污染治理, 改善流域水环境质量.
Alkarkhi A F M, Ahmad A, Easa A M. 2009. Assessment of surface water quality of selected estuaries of Malaysia: multivariate statistical techniques[J]. Environment Systems and Decisions, 29(3): 255–262.
|
卜红梅, 刘文治, 张全发. 2009. 多元统计方法在金水河水质时空变化分析中的应用[J]. 资源科学, 2009, 31(3): 429–434.
|
富天乙, 邹志红, 王晓静. 2014. 基于多元统计和水质标识指数的辽阳太子河水质评价研究[J]. 环境科学学报, 2014, 34(2): 473–480.
|
高惠漩. 2005. 应用多元统计分析[M]. 北京: 北京大学出版社: 265–289.
|
何万谦, 黄金良. 2010. 澳门半岛近岸海域水质时空变异分析[J]. 环境科学, 2010, 31(3): 606–611.
|
黄金良, 黄亚玲, 李青生, 等. 2012. 流域水质时空分布特征及其影响因素初析[J]. 环境科学, 2012, 33(4): 1098–1107.
|
吉祝美, 方里, 张俊, 等. 2012. 主成分分析法在SPSS软件中的操作及在河流水质评价中的应用[J]. 环保科技, 2012, 18(4): 38–43.
|
Kannel P R, Lee S, Kanel S R, et al. 2007. Spatial-temporal variation and comparative assessment of water qualities of urban river system: a case study of the river Bagmati (Nepal)[J]. Environmental Monitoring & Assessment, 129(1/3): 433–459.
|
Liu C W, Lin K H, Kuo Y M. 2003. Application of factor analysis in the assessment of groundwater quality in a blackfoot disease area in Taiwan[J]. Science of the Total Environment, 313(1/3): 77–89.
|
李森, 丁贤荣, 潘进, 等. 2012. 基于主成分分析的太湖水质时空分布特征研究[J]. 环境科技, 2012, 25(3): 44–47.
|
李艳红, 葛刚, 胡春华, 等. 2016. 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.
|
马小雪, 王腊春, 廖玲玲. 2015. 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.
|
孟伟. 2007. 中国流域水环境污染综合防治战略[J]. 中国环境科学, 2007, 27(5): 712–716.
|
Pillsbury L A, Byrne R H. 2007. Spatial and temporal chemical variability in the Hillsborough River system in the Hillsborough River system[J]. Marine Chemistry, 104(1/2): 4–16.
|
冉桂花, 葛继稳, 苗文杰, 等. 2013. 三峡库区古夫河水质时空分异特征[J]. 生态学报, 2013, 33(17): 5385–5396.
|
Singh K P, Malik A, Mohan D, et al. 2004. Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti River (India)a case study[J]. Water Research, 38(18): 3980–3992.
DOI:10.1016/j.watres.2004.06.011
|
Sundaray S K. 2010. Application of multivariate statistical techniques in hydrogeochemical studies--a case study: Brahmani-Koel River (India)[J]. Environmental Monitoring & Assessment, 164(1/4): 297.
|
滕智超, 丁爱中, 李亚惠, 等. 2016. 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.
|
王艳红, 王桂玲. 2010. 基于主成分和地统计的太湖水质分析[J]. 环境科学与技术, 2010, 33(12): 547–550.
|
吴舜泽, 夏青, 刘鸿亮. 2000. 中国流域水污染分析[J]. 环境科学与技术, 2000(2): 1–6.
|
Wang J, Da L, Song K, et al. 2008. Temporal variations of surface water quality in urban, suburban and rural areas during rapid urbanization in Shanghai, China[J]. Environmental Pollution, 152(2): 387–393.
DOI:10.1016/j.envpol.2007.06.050
|
谢森, 何连生, 田学达, 等. 2010. 巢湖水质时空分布模式研究[J]. 环境工程学报, 2010, 4(3): 531–539.
|
徐华山, 徐宗学, 唐芳芳, 等. 2012. 漳卫南运河流域水质时空变化特征及其污染源识别[J]. 环境科学, 2012, 33(2): 359–369.
|
杨道军, 钱新, 殷福才, 等. 2007. 因子分析与聚类法的复合模型在水环境评价和管理中的应用[J]. 环境科学与管理, 2007, 32(4): 155–158.
|
杨学福, 王蕾, 关建玲, 等. 2016. 基于多元统计分析的渭河西成段水质评价[J]. 环境工程学报, 2016, 10(3): 1560–1565.
DOI:10.12030/j.cjee.20160388 |
Yu H B, Xi B D, Jiang J Y, et al. 2011. Environmental heterogeneity analysis, assessment of trophic state and source identification in Chaohu Lake, China[J]. Environmental Science and Pollution Research, 18(8): 1333–1342.
DOI:10.1007/s11356-011-0490-8
|
周丰, 郭怀成, 黄凯, 等. 2007. 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 F, Guo H, Liu L. 2007. Quantitative identification and source apportionment of anthropogenic heavy metals in marine sediment of Hong Kong[J]. Environmental Geology, 53(2): 295–305.
DOI:10.1007/s00254-007-0644-7
|
Zhou F, Liu Y, Guo H. 2007. Application of Multivariate Statistical Methods to Water Quality Assessment of the Watercourses in Northwestern New Territories, Hong Kong[J]. Environmental Monitoring & Assessment, 132(1/3): 1–13.
|