-
河流水质评价是河流开发与利用的基础工作,是河道污染治理的必要措施[1]。目前常用的水质评价方法有单因子评价法、综合污染指数法、物元分析法、灰色系统评价法、水污染指数法、模糊数学评价法、综合水质标志指数法和人工神经网络法等[1-4]。由于河流污染种类、来源的复杂性,水质监测指标多样性,可能导致河流水质评价过程计算量过多,水质分析过于繁杂[5-6]。多元统计分析方法具有客观性强、简化数据结构、分析结果可靠等优点[5],适用于对复杂污染物、多评价指标的分析。主成分分析与聚类分析是常见的多元统计分析方法,在水质评价方面应用十分广泛。王红等[7]利用SPSS软件和主成分分析法得到梁子湖区水质主要影响因子以及综合水质评价函数。郑群威等[8]利用主成分分析法和绝对主成分多元线性回归分析法筛选了影响乌江流域水质的主要因子,并量化各污染物的贡献率。PARINET et al[9]采用主成分分析法研究了Yamoussoukro湖泊富营养化特征,将描述富营养化的大量参数缩减为4个。GUO et al[10]利用主成分分析法对焦作矿区地表水以及地下水污染状况进行研究,识别了影响水质的主要污染变量。申震等[11]采用系统聚类分析对高邮湖进行水质评价,筛选出关键污染因子和主要污染源。汤云等[12]采用聚类分析、因子分析等多元统计方法研究了闽江流域河流中污染物来源以及水质时空分布特征。TEMINO-BOES et al[13]对墨西哥湾南部的红树林河口和其他湿地进行氮污染评估,基于灰色聚类法提出了灰色总氮管理优先指数和灰色土地利用压力指数。HAJIGHOLIZADEH et al[14]采用系统聚类法对南佛罗里达州三条主要河流的水体污染状态和时空变化特征进行评估。
常州市属于典型平原河网地区,土地利用类型众多,污染来源复杂,水质状况应采用多元统计方法进行评价。针对研究区域内水质监测断面与监测指标较多较复杂的情况,本文采用单因子评价进行水质整体评价,采用主成分分析与聚类分析结合的综合分析法,对研究区域进行水质统计评价和污染特征分析,为常州河流水环境管理提供科学依据与技术支持。
常州市河流水质评价及污染特征分析
Assessment of river water quality and analysis of pollution characteristics in Changzhou City
-
摘要: 结合单因子评价与多元统计分析方法,对常州市河流在丰水月和枯水月分别进行水质评价与污染特征分析。采用单因子评价法对监测断面进行水质类别划分,对整体河流水质进行定性分级;采用主成分分析与聚类分析结合的综合分析法,分析河流断面污染特征并进行断面聚类。分析结果表明,常州市河流整体水质状况为轻度污染,但枯水月水质相对较差;有机污染和富营养化程度在丰水月与枯水月有所不同,但都是最主要的水质影响因子;聚类分析的结果表明丰水月河流断面可以划分为6个水质集群,枯水月河流断面可分为5个水质集群。Abstract: Combining the single-factor evaluation with the multivariate statistical analysis method, the water quality assessment and pollution characteristics analysis for rivers in Changzhou in the wet and dry months were performed respectively. The single-factor evaluation method was used to classify the water quality of monitored cross-sections and qualitatively grade the water quality of the whole rivers. The comprehensive analysis method combining the principal component analysis with the cluster analysis was used to analyze the pollution characteristics of river cross-sections and cluster the sections. The results showed that the overall water quality of rivers in Changzhou was slightly polluted, and the water quality in the dry month was relatively poor. Although the degree of the organic pollution and the eutrophication was different between the wet and the dry seasons. They were the most important water quality factors. The result of cluster analysis showed that the cross-sections could be classified into 6 clusters in the wet season and 5 clusters in the dry season.
-
表 1 相关矩阵特征值与方差贡献率表
主成分 特征值 方差贡献/% 累积方差/% 提取特征值 提取方差/% 累积值/% 1 3.38 42.2 42.2 3.38 42.2 42.2 2 1.82 22.7 65.0 1.82 22.7 65.0 3 1.49 18.6 83.6 1.49 18.6 83.6 4 0.46 5.7 89.3 − − − 5 0.38 4.7 94.0 − − − 6 0.27 3.4 97.4 − − − 7 0.13 1.6 99.0 − − − 8 0.08 1.0 100.0 − − − 表 2 主成分因子载荷矩阵
监测指标 F1 F2 F3 DO倒置 −0.38 0.13 0.86 CODMn 0.92 −0.03 0.08 COD 0.86 −0.28 −0.09 BOD5 0.89 −0.13 −0.22 NH3−N 0.67 0.49 0.39 TP 0.59 −0.16 0.62 挥发酚 0.27 0.81 −0.38 石油类 −0.02 0.88 0.06 表 3 相关矩阵特征值与方差贡献率表
主成分 特征值 方差贡献/% 累积方差/% 提取特征值 提取方差/% 累积值/% 1 3.15 39.4 39.4 3.15 39.4 39.4 2 2.15 26.9 66.3 2.15 26.9 66.3 3 1.21 15.2 81.5 1.21 15.2 81.5 4 0.69 8.7 90.1 5 0.32 3.9 94.1 6 0.25 3.1 97.2 7 0.14 1.7 98.9 8 0.09 1.1 100.0 表 4 主成分因子载荷矩阵表
监测指标 F1 F2 F3 DO倒置 0.28 0.76 0.43 CODMn 0.84 0.01 −0.27 COD 0.68 −0.56 0.16 BOD5 0.86 −0.33 0.08 NH3-N 0.84 0.22 −0.43 TP 0.38 0.60 −0.37 挥发酚 0.19 0.83 0.34 石油类 0.53 −0.24 0.70 -
[1] 潘荦, 黄晓荣, 魏晓玥, 等. 三种常用水质评价方法的对比分析研究[J] 中国农村水利水电, 2019(6): 51-55. [2] 纪广月. 基于云计算和GA-BP神经网络的西江水质评价研究[J]. 河南师范大学学报(自然科学版), 2020(3): 34 − 40. [3] 者萌, 张雪芹, 孙瑞, 等. 西藏羊卓雍错流域水体水质评价及主要污染因子[J]. 湖泊科学, 2016, 28(2): 287 − 294. doi: 10.18307/2016.0207 [4] 徐彬, 林灿尧, 毛新伟. 内梅罗水污染指数法在太湖水质评价中的适用性分析[J]. 水资源保护, 2014, 30(2): 38 − 40. [5] 张海平, 郝彩侠, 郝敏霞, 等. 主成分分析法在河流水质评价中的应用[J]. 河北建筑工程学院学报, 2015, 33(3): 52 − 55. doi: 10.3969/j.issn.1008-4185.2015.03.012 [6] 富天乙, 邹志红, 王晓静. 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. [7] 王红, 姚君兰, 李艳蔷, 等. 基于主成分分析法的梁子湖水质评价分析[J]. 湖北大学学报(自然科学版), 2017, 39(6): 601 − 608. [8] 郑群威, 苏维词, 杨振华, 等. 乌江流域水环境质量评价及污染源解析[J]. 水土保持研究, 2019, 26(3): 204 − 212. [9] PARINET B, LHOTE A, LEGUBE B. Principal component analysis: an appropriate tool for water quality evaluation and management—application to a tropical lake system[J]. Ecological Modelling, 2004, 178(3−4): 295 − 311. doi: 10.1016/j.ecolmodel.2004.03.007 [10] GUO X, ZHANG X, YUE H. Evaluation of hierarchically weighted principal component analysis for water quality management at Jiaozuo mine[J]. International Biodeterioration & Biodegradation, 2018, 128: 182 − 185. [11] 申震, 张磊, 沈军, 等. 高邮湖水环境质量评价与分析[J]. 黑龙江工程学院学报, 2019, 33(6): 28 − 32. [12] 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. doi: 10.11988/ckyyb.20171452 [13] TEMINO-BOES R, ROMERO-LOPEZ R, IBARRA-ZAVALETA S P, et al. Using grey clustering to evaluate nitrogen pollution in estuaries with limited data[J]. Science of the Total Environment, 2020, 722: 137964. doi: 10.1016/j.scitotenv.2020.137964 [14] HAJIGHOLIZADEH M, MELESSE A M. Assortment and spatiotemporal analysis of surface water quality using cluster and discriminant analyses[J]. CATENA, 2007, 151: 247 − 258. [15] 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. [16] 国家环境保护部. 地表水环境质量评价办法(试行)[EB/OL]. http://www.mee.gov.cn/gkml/hbb/bgt/201104/t20110401_208364.htm.