下载:
-
水是环境中最活跃的要素，它不停地运动且积极参与自然环境中一系列物理的、化学的和生物的过程[1-3]. 湖泊是陆地水资源的重要组成部分，也是陆地表层系统各要素相互作用的连接点，其作为地球上重要的淡水资源库、洪水调蓄库和物种基因库，与人类水产与生活息息相关[4-6]. 特别是西北地区，降雨量小，蒸发量大，水体矿化度高，湖泊基流严重不足，水体很容易受到环境污染，一旦受到污染，在短时期内很难恢复[7-9]. 同时，随着湖泊流域和周边地区人口增长和经济快速发展，导致进入湖泊TN、TP和COD等污染物增加，湖泊水环境污染不断加重，入湖污染物增加引起湖泊水环境质量急剧下降，同时导致水体藻类大量繁殖，富营养化加剧[10-12].
本文以宁夏某湖泊为研究对象，采用水质指数法（WQI），结合相关性分析、聚类分析、主成分分析等多元统计方法，基于该湖泊藻类爆发过程中12项水质数据，试图探究该湖泊在此次水质变化过程中水质演变规律，识别水质演变主要驱动因子，揭示水质空间差异及影响因素，以期为西部地区湖泊保护及管理提供科学支撑及参考.
全文HTML
-
本文研究区域位于宁夏石嘴山市境内，水域面积约22 km2，该区域为干旱半干旱地区，属典型的温带大陆性气候，降雨量小，蒸发量大，全年降水量不足200 mm，蒸发量达到2000 mm. 结合该湖泊地理形状和污染物分布状况，本次共设置9个监测点位（图1），连续监测20 d，每天采样分析1次，监测项目主要包括水温、pH、电导率、透明度、溶解氧、CODMn、CODCr、NH3-N、TP、F、TN等11项指标.采集样品严格按照《地表水环境质量标准》（GB3838—2002）开展监测，其中总磷采用钼酸铵分光光度法，总氮采用碱性过硫酸钾消解紫外分光光度法，化学需氧量采用重铬酸钾氧化法，氨氮采用纳氏试剂分光光度法（表1）.
-
采用的水质指数法（WQI）以中国的“地表水环境质量标准”(GB3838—2002)为基础，根据 WQI 评分将水质分为5个等级: 优秀(0—20)、良好(21—40)、中等(41—60)、差(61—80)和极差(81—100)，分别对应于 GB3838－2002中的I、II、III、IV 或 V 类水体，研究中的环境参数的标准浓度即为 GB3838－2002中地表水环境质量标准基本项目标准限值，计算公式参照Tian等[13]：
地理信息系统法(GIS)：该分析方法是利用计算机软件，以部分已知点位的检测信息数据，以空间相关和变异函数为计算方法，核算出整个未知区域的检测信息数据，即以有限的点位含量测算出整个未知区域的含量，展现出直观的含量变迁特征[14].
社会科学统计软件包（SPSS）：该分析方法是以检测数据为基础，将抽象的数字转化为易于理解和分析的图形[15]，其中的主成分分析（principal component analysis，PCA）主要是通过压缩变量方式，将多个影响因子压缩到极少数主要的影响因子，从而更加直观地反映样本之间的相互关系 [16-18]；聚类分析（hierarchical cluster analysis, HCA）主要是根据各种变量之间的相似系数和距离，按照各种变量之间相似程度将关系密切地聚集为一小类，最终形成类似分类的谱系图，从而直观地反映出了各变量之间的关联性[19-21].
-
本次研究过程中样品采集、保存、分析及数据处理均严格按照《环境水质监测质量保证手册（第二版）》等相关国家技术规范有序进行，监测分析方法均采用国家相应标准分析方法，同时采用平行样分析、加标回收分析、质控样对比分析等实验室内质量控制措施，从而确保监测数据.
1.1. 样品的采集与分析
1.2. 研究方法
1.3. 质量控制
-
水环境质量变化受到各种因素的影响，水温、pH、溶解氧等均是导致水环境质量变化的基本条件和要素[22-23]. 本次水环境质量变化过程持续时间约20 d，9个点位监测结果见表2. 按照《地表水环境质量标准》（GB3838—2002）Ⅲ类标准限制评价，水体水质稳定在Ⅳ类轻度污染，水体处于中度富营养水水平，主要污染物指标为CODMn、CODCr、NH3-N、TP、TN和叶绿素a，其中CODMn监测数据标准偏差达到69%—136%，CODCr监测数据标准偏差达到301%—746%，叶绿素a监测数据标准偏差达到1133%—1858%，这3种污染物浓度波动性较大（见图2）. 从监测结果来看，造成水环境质量恶化的主要污染指标为CODCr、CODMn、TP、F和TN，5项污染物最大超标率分别达到95%、100%、100%、15%、95%，且不同区域污染程度不同.
通过计算水质指数（WQI），对藻类爆发过程中水环境质量变化过程进行评价分析。通过20 d的持续监测（图3），计算WQI浓度值范围为29.4—36.2，均值为33，位于良好等级. 通过综合分析，叶绿素a监测浓度与WQI 具有一定程度的相关性（r=0.5781，P<0.05）.
-
地理信息系统可以呈现湖泊污染物时空变化特征，为污染物迁移转化过程提供科学依据[14, 24]. 以每5日作为一个周期，分为a、b、c、d 的4个周期，对本次监测的9个点位监测数据波动性较大的CODMn、CODCr和叶绿素分周期（污染物浓度5日均值）进行时空分布分析（图4）. 分析结果表明，整个污染过程，这3种污染物均存在一个高浓度监测区域（Sit-2），且这3种污染物监测浓度空间分布情况基本一致，部分时段其他点位污物会出现一定的波动性，但整体分布状况相似，这说明该湖泊主要污染物可能存在一定的区域性和扩散性，在该湖泊水环境质量改善过程中，可以通过精准化整治重点污染区域，从而短时间内改善水环境质量状况.
-
采用二元定距变量的相关性（Pearson 相关系数）对各个监测点位监测因子之间关联性进行分析，分析结果见表3. 分析结果表明，本次所监测的11项指标在该水体9个不同区域呈现不同程度的相关性，最终形成66对数据相关性因素组，其中Sit-1点位有18个相关性因素组（相关率27%），Sit-2点位有14个相关性因素组（相关率21%），Sit-3点位有9个相关性因素组（相关率14%），Sit-4点位有23个相关性因素组（相关率35%），Sit-5点位有10个相关性因素组（相关率15%），Sit-6点位有16个相关性因素组（相关率24%），Sit-7点位有26个相关性因素组（相关率39%），Sit-8点位有17个相关性因素组（相关率26%），Sit-9点位有23个相关性因素组（相关率35%）. 综合分析，水温和大部分监测指标呈现负相关性，分析原因可能是随着夏季水温升高，水体各种生物活性增强，水体碳、氮、磷更容易迁移转化；CODMn和CODCr 两者之间呈现较强的正相关性，分析原因水体有污染物污染可能存在相似来源；叶绿素和CODMn、CODCr 均呈现较强的正相关性，分析原因藻类本身为有机体，含有大量的糖类和脂类等有机物，藻类的富营养过程就是有机物CODMn、CODCr 的增长过程；溶解氧和叶绿素呈现较强的相关性，分析原因藻类爆发过程中由于光合作用会向水体释放大量氧气，造成水体溶解氧增加；部分区域叶绿素和总磷、总氮也呈现较强的正相关性，分析原因氮、磷本身为藻类营养元素，这些营养元素以其他形式存在于藻类体内.
-
本文采用组间类平均法（between-groups average linkage）进行变量标准化分析，其中距离测量分析采用平方欧氏距离法（squared Euclidean distance），最终形成不同污染物的不同监测点位的分析树形图（图5）. 该研究区域不同污染物最终形成的点位聚类不同，9个监测点位污染特征区域最多聚为3个，其中CODMn 主要污染集中在2个区域，分别为Sit-2区域和其他区域；CODCr主要污染存在3个区域，主要为Site-7区域、Site-2区域和其他区域；TN主要污染集中在3个区域，分别为Site-4区域、Site-2/Site-7区域和其他区域；NH3-N主要污染集中在4个区域，主要为Site-2区域、Site-9区域、Site-3区域和其他区域；TP主要污染集中在2个区域，分别为Site-2区域和其余区域；叶绿素a污染集中在3个区域，主要为Site-2区域、Site-7区域和其他区域.
-
在因子分析前，先进行KMO检验和Bartlett球体检验，本次分析KMO检验系数>0.5，Bartlett球体检验的统计值显著性概率P<0.05，符合因子分析要求. 本文在数据统计、空间分布、相关性分析、聚类分析的基础上，最终通过主成分分析，对该湖泊9个点位的CODMn、CODCr、NH3-N、TP、F、TN、叶绿素a主要污染来源及迁移趋势进行初步分析和研判，具体见下表4. Sit-1 共提取出2个主成分，揭示出67%的污染来源；Sit-2 共提取出2个主成分，揭示出67%的污染来源；Sit-3 共提取出3个主成分，揭示出74.7%的污染来源；Sit-4 共提取出3个主成分，揭示出84.7%的污染来源；Sit-5 共提取出3个主成分，揭示出72.8%的污染来源；Sit-6 共提取出2个主成分，揭示出63.2%的污染来源；Sit-7 共提取出2个主成分，揭示出72.8%的污染来源；Sit-8 共提取出2个主成分，揭示出60.9%的污染来源；Sit-9 共提取出2个主成分，揭示出68%的污染来源. PCA分析表明，本次藻类爆发过程中水体主要污染物来源较为简单，60.9%—84.7%的污染主要来源于两方面，TN、TP、F可能来源于黄河补水，CODMn、CODCr、NH3-N和叶绿素a可能来源于水体藻类爆发过程的影响，还有15.3%—39.1%污染来源不确定，Sit-3、Sit-4、Sit-5提取出3个主成分，表明该区域可能存在其他方式的污染来源，需要进一步核查.
2.1. 水环境质量
2.2. 污染物时空变迁
2.3. 相关性分析
2.4. 聚类分析（HCA）
2.5. 主成分分析（PCA）
-
(1)在夏季水环境质量变化过程中，pH、NH3-N、TP、F、TN监测浓度较为稳定，而水温、电导率、透明度、DO、CODCr、CODMn和叶绿素浓度均出现较大的波动性，其中CODCr、CODMn 和叶绿素监测浓度标准偏差分别达到746%、136%、1858%. 从监测结果来看，造成水环境质量恶化的主要污染指标为CODCr、CODMn、TP、F和TN，5项污染物最大超标率分别达到95%、100%、100%、15%、95%，且不同区域污染程度不同.
(2)本次研究所监测的9个点位11项指标共形成66对数据相关性因素组，从相关性分析结果可以看出，9个监测点位的相关率达到14%—39%，水温和大部分监测指标呈现负相关性，CODMn和CODCr 两者之间呈现较强的正相关性，叶绿素和CODMn、CODCr 均呈现较强的正相关性，溶解氧和叶绿素呈现较强的相关性，部分区域叶绿素和总磷、总氮也呈现较强的正相关性.
(3)本次藻类爆发过程中水体主要污染物来源较为简单，60.9%—84.7%的污染主要来源于两方面，TN、TP、F可能来源于黄河补水，CODMn、CODCr、NH3-N和叶绿素a可能来源于水体藻类爆发过程的影响，还有15.3%—39.1%污染来源不确定.
(4)本研究通过采集连续、完整的全过程监测数据，深入分析水温等物理参数和水体碳氮磷变化关系，阐述各种因素影响下水环境质量变化过程，从而揭示夏季特殊情况下影响水体主要污染物碳氮磷的释放过程和影响程度，为后期水污染防治工作提供理论基础，研究成果可用于西北地区湖泊水环境质量污染防治及预报预警.
