危润初,肖长来,梁秀娟 (吉林大学地下水资源与环境教育部重点实验室,吉林 长春 130021)

吉林市城区地下水污染时空演化

危润初,肖长来*,梁秀娟 (吉林大学地下水资源与环境教育部重点实验室,吉林 长春 130021)

通过提出投影寻踪地下水污染指数模型,求得吉林市城区 1980～2009年地下水监测井的污染指数.同时考虑第二松花江两岸地下水污染的非连续性,用修正的局部多项式插值方法对各年污染指数进行分区插值,得到各年地下水污染指数分布图.结果表明,吉林市城区地下水受到不同程度的污染,地下水污染指数普遍偏高,江北片区污染最为严重.全区在时间演化上具有“轻-重-轻”的阶段特征,地下水污染时空演化规律与人类活动方式紧密联系.吉林市城区地下水主要污染因子为“三氮”,其中NO2-对地下水污染的影响最大,对地下水污染指数的贡献度多年保持在0.7上下.

吉林市；投影寻踪；地下水污染指数；修正局部多项式；时空演化

城市化对地下水溶质成分的变化有着重要的影响,它改变了地貌形态,进而改变了原有的地下水系统的循环,影响了地下水对溶质的稀释和运移能力,同时,城市化还增加了新的溶质来源[1].目前城区地下水污染的时空演化规律已经成为城市水资源管理和决策需要解决的关键性问题,近些年来,国内外相关学者在这方面做了很多研究工作[2-4].结果表明,在城市发展的过程中,土地利用形态、污染源分布和污染物排放等与地下水污染的范围、类型以及时间演化关系密切.地下水污染评价主要有综合污染指数法、内梅罗指数法、模糊综合法、灰色聚类法、层次分析法等,这些方法各有优劣[5].综合污染指数法和内梅罗指数法虽然计算简单,但是未考虑权重因素.灰色聚类和层次分析方法发映出了不确定特征,但是在指数的确定上具有较大的主观性.投影寻踪方法以其自动分类、结果简单直观的优势越来越多地被运用到水质评价中[6-8],它考虑了地下水质量标准中各个因子不同水质级别的数值分布特征,通过投影寻踪优化得到最优投影方向向量,其各分量大小由高维数据结构特征决定[9],反映了地下水环境对各个污染因子单项指数变化的敏感程度.在地下水污染时空演化方面, 很多学者运用地质统计学和 GIS空间统计方法来研究地下水污染的时空分布[10-12],但是这些传统方法难以解决地下水污染短程变异的问题.

吉林市地下水污染与吉林市城市化、工业化过程密切相关[13],2005年吉林石化污染事件发生后,吉林市相关决策部门就开始着手城区应急水源地的选址和建设,城市地下水污染的时空演化规律也就成为了应急水源地建设所需要研究的关键性问题.本研究尝试运用投影寻踪模型建立地下水污染指数模型,并以此求得各年各监测井的污染指数,在考虑插值障碍的前提下应用修正局部多项式插值方法对地下水污染指数进行全局插值,以分析研究区内地下水污染的时空演化,并在此基础上分析主要的污染因子,为地下水污染时空演化的研究提供一条新的思路.

1 研究区概况

图1 研究区范围Fig.1 Location of the study area

吉林市城区(43°46′40″N～43°59′44″N,126°25′59″E～

2 数据来源与研究方法

126°37′35″E)面积为 126.44km2.区内多年平均降水量为688.97mm,多年平均蒸发量为1432mm.主要河流为第二松花江及其支流温德河、牤牛河(图1)[13].

研究区地貌上属于第二松花江河谷平原,主要含水层岩性为全新统、上更新统及下更新统强透水的砾砂、圆砾及砾卵石层.研究区周边为低山丘陵,基岩岩性主要为燕山期花岗岩(γ52)、上三叠系大酱缸组(T3d)的安山岩、上二叠系杨家沟组(P2y)等.本研究的监测井井深在 5.0～25.0m之间,均为河谷平原的孔隙潜水,单井涌水量在100～3000m3/d.该层地下水主要接受大气降水补给、周边基岩裂隙水侧向补给和灌溉入渗补给,排泄方式主要为向河谷的侧向径流、人工开采以及潜水蒸发,循环及动态特征严格受气象、水文、地质地貌及人为因素的制约.

2.1 数据来源

吉林市建成区地下水动态监测网始建于1980年,因各种原因的影响,每年水质监测井数并不完全一致.吉林市地下水水质监测的层位为第四系孔隙潜水,每年取样 1次,时间为枯水季,即 4月下旬～5月上旬.本次研究收集了 1980～2009年吉林市地下水水质监测数据,各年监测井数如表1所示,对各水样数据均进行了阴阳离子平衡分析,验证了数据的准确性.

2.2 研究方法

2.2.1 投影寻踪地下水污染指数 采用投影寻踪方法来建立地下水污染指数模型.投影寻踪(简称PP 模型)是一种适应于高维数据处理的探索性数据分析的方法,其基本思路是把高维数据通过某种组合投影到低维子空间上,采用投影指标函数来衡量投影暴露某种结构的可能性大小,寻找出使投影指标函数达到最优的投影方向向量,然后根据该投影向量来分析高维数据的结构特征[9],目前该方法已被广泛运用到水科学领域[6,8].

表1 研究区地下水水质监测井数(1980～2009)Table 1 The numbers of monitoring wells from 1980 to 2009

图2 吉林市城区代表年份地下水水质因子浓度箱线Fig.2 Box plots showing concentrations of groundwater quality factors in typical years

以GB/T14848-93[14]为参照标准,在9个评价指标的 5个等级的标准下限阈值附近分别随机生成10个值,组成50个标准水样(对pH值的评价指标进行了相应转换).

则最优的投影方向求取步骤如下:

1) 求得各标准水样的单因子污染指数

式中:(,)Cij为第i个标准水样第j个评价指标的值;()Sj为第j个评价指标的Ⅲ类水的上限阈值.

2) 线性投影

以a=(a(1),a(2),…,a(9))为投影方向将p(i,j)进行线性投影,从而得到一维投影值Z(i):

其中,a=(a(1),a(2),…,a(p))为待定投影方向向量.

3) 投影指标函数的构造及求解

综合投影指标值时,要求投影值 Z(i)的散布特征表现为局部投影点尽可能密集,而在整体上投影点团之间尽可能散开,a的求解过程可转化为以下优化问题[8],即:

应用基于实数编码加速遗传算法进行优化计算,选定父代初始种群规模 n=100,交叉概率Pc=0.7,变异概率Pm=0.6,优秀个体数目为50个,变化率 а=0.05,窗口密度系数 β=0.1(即令 R= 0.1×Sz)[8],求得最优投影方向向量a*=(0.162,0.199 0.199,0.207,0.668,0.353,0.209,0.206,0.441),把 a*代入,即得各水样水污染指数 Z(i).设定一标准水样,令该水样各因子值为GB/T14848-93[14]中相应的Ⅲ类水质的上限阈值,计算得到该水样对应的污染指数为 2.64,并将其定义为地下水污染线.当Z(i)大于2.64时,表明地下水已受到较重污染, Z(i)值越大,地下水污染越严重.

2.2.2 修正局部多项式分区插值 为了研究区内地下水污染的时空演化规律,需根据取样点的污染指数计算值进行空间插值.由于不同区域人类活动形态的差异很大,地下水溶质浓度的分布可能呈现出非平稳的特征[3],此外,区内第二松花江河床深切潜水含水层,河流两岸的地下水污染的变化会呈现出非连续性.因此考虑有障碍的修正局部多项式插值方法,并运用该方法对求取的各年污染指数进行插值.局部多项式方法是一种局部加权最小二乘拟合方法,采用多个多项式插值,每个多项式都处在特定重叠的邻近区域内,即在以格网节点为中心、给定长、短轴长度的搜索椭圆内通过对数据进行最小平方拟合来指定格网节点的值[15].

本研究采用3阶多项式做为插值函数,为简化处理选择圆形搜索域,同时考虑水样分布和地下水溶质的扩散能力,令搜索半径 R=4000m.具体计算步骤参照文献[15],并且将散点的计算推广到研究范围内的散点集合,根据最小二乘原理来求插值函数的单项系数.

局部多项式插值法对于确定空间变量小范围的变异具有很强的处理能力,特别是数据集中含有短程变异时,局部多项式法能够很好地进行描述,但是不论是低次趋势面还是高次趋势面都存在估值趋势面光滑的问题,尤其是地下水水质很容易受到点污染源的影响导致局部变异很大,这样就会造成较大的局部误差,因此该法不是一个精确的插值方法[15].本研究将局部多项式趋势面方程与残差分析结合,以提高原始数据的插值精度.取样点数据与局部多项式方法的插值结果的差值即为残差,可以认为残差在研究区域内满足平稳假设和内蕴假设[16],因此利用普通克里金法对残差进行插值估计,然后将局部趋势面插值结果与残差估计相加,该结果即为修正后的估计值.与此同时对第二松花江进行白化处理,对江左岸和右岸进行分区插值,然后将分区插值结果进行叠加融合,得到整体的插值结果.

3 结果与分析

根据各年监测井的水污染指数的插值结果绘制地下水污染指数空间分布图,并以Z=2.64为基准勾勒出地下水污染线.因限于篇幅本文仅给出1980、1985、1988、1992、1997、2002、2006和2009年的地下水污染指数空间分布(图3).

3.1 地下水污染时空特征及分析

为了更好地开展数字学术服务，高校图书馆应建立数字学术服务咨询与指导委员会、数字学术服务管理委员会。（1）数字学术服务咨询与指导委员会。该委员会成员应包括图书馆领导，以及校内的各学院、学术管理部门、教学管理部门、技术服务部门等机构的负责人或相关业务骨干，图书馆就开展的数字学术服务重要事宜向委员会咨询，并接受委员会的指导。（2）数字学术服务管理委员会。高校图书馆应组建由馆领导、数字学术服务部门负责人等组成的数字学术服务管理委员会，加强对数字学术服务具体事宜的管理，使数字学术服务更加科学、规范，提高数字学术服务的成效。

从总体上看,吉林市地下水受到了不同程度的人类活动的影响,多年大部分地区的地下水污染指数大于2.64,地下水污染指数偏高.这是因为城区地下水在天然离子富集的基础上,又叠加了农业、生活、工业污染物.地下水污染呈现出明显的空间分布规律,江北片区污染程度要大于其他片区,中心城区次之.从地下水污染的时间演化来看,区内地下水污染具有“轻-重-轻”的阶段特征,这也反映了区内人类生产、生活由粗放到精细的转型过程.

图3 吉林市城区地下水污染指数空间分布(1980～2009)Fig.3 Distribution of groundwater pollution index(1980～2009)图中黑色虚线为地下水污染线(Z=2.64)

江北片区是吉林市重要的化工区,也是污染最严重的地区.由各年地下水污染指数分布图可以看出, 1980～1997年江北片区大部分区域的地下水污染指数都要大于 2.64,最大值甚至达到100以上,属于严重污染.尤其在江北片区的西部,布局有多个化工、热电厂的粉煤灰堆放场,地下水污染指数全区最高.1998年起,区域内的粉煤灰场陆续停用,以及区内对生产、生活污水的规范处理、排放,地下水污染指数逐渐降低,污染范围也逐步减小,到2006年和2009年只见少数孤岛状分布的较严重污染区,主要位于西北部和东南部的松花江沿岸一带.

中心城区在 1980～1995年地下水呈全区性较重污染,且污染指数逐年升高.1996年后地下水污染范围缩小,污染程度降低,2009年仅在南部出现了较重污染区段,最大污染指数为 13.48.中心城区做为老城区,多年来受城市生产、生活污水的影响,地下水污染较重.20世纪90年代中期以后,城市居住条件得到改善,过去的渗井、渗坑被填埋,生活垃圾也得到了及时清运和处理,地下水污染源强逐渐减弱,地下水污染指数也随之降低.

九站片区地下水污染范围主要集中在松花江沿岸一带,1980～2004年污染强度和污染范围基本稳定,2005年后污染程度降低,污染范围逐渐减小.

哈达湾片区东南部地下水污染状况多年稳定,水质良好,受污染程度较轻.其西北部 1980～1990年地下水污染指数较大,但是多年稳定,自1991年起区内地下水污染指数迅速增加,至2002年地下水污染指数最大达 57,此后又逐渐好转,分析其原因,该区域原为吉林市区重要的蔬菜基地,地下水遭受化肥、农药等污染,随着城市建设的快速发展,区内菜地面积有所减少,地下水污染源强在逐步减弱,地下水污染状况也明显好转.

船营片区原为近郊,20世纪 80年代中期开始逐渐发展为城区,区内地下水污染指数也随着增加,2005年以后又逐渐好转,2009年区内地下水污染指数已在2.64附近,为轻度污染.

江南片区在1992年以前是研究区地下水污染指数最高的片区之一,1992年起该片区地下水污染程度逐渐降低,范围也逐渐减小,至 2009年,区内仅存零星点状分布的较强污染区域,地下水污染指数最大为 4.6.该片区原为蔬菜种植基地,1992年在此设立吉林市高新技术开发区,城市建设速度加快,后又被定位为高科技产业区和生态宜居新城,地下水环境也随之好转.

3.2 地下水主要污染因子分析

根据地下水污染指数 Z(i)的计算公式,各污染指标的单因子污染指数与 a*对应的分量乘积即为该因子对Z(i)的贡献值,贡献值与Z(i)的比值即为该分量的污染贡献度,贡献度越大,表示该因子对地下水环境的影响越大.

选择各年污染指数大于2.64的水样进行分析(即遭较重污染水样),计算各污染因子的贡献度的逐年平均值(图 4).由图可以看出,自 1980～2009年,吉林市城区地下水污染主要为“三氮”,其中 NO2

-是主导性因素,其对地下水污染指数的贡献度多在0.7以上;其次为NH4+,贡献度一般在0.1～0.2间;在大多数年份,NO3-相对前两者来说对地下水污染指数的贡献度要小,但是在1998～ 2000年,NO3-的贡献度超过了NH4+, pH值、SO42-、Cl-、F-、总硬度(CaCO3)、COD等因子的多年贡献度均低于 0.025,表明区内这些因子对地下水的污染程度较轻.

区内“三氮”的来源主要为工业污染源、生活污染源和农业污染源,尤其是沿松花江两岸分布的化工、造纸、冶金、纺织等工业以及工业废料堆放场.吉林市城区地下水污染的空间分布也和此密切相关,江北工业区始终是吉林市地下水污染最严重的地区;生活污染源主要有生活污水、生活垃圾、动植物残渣(体)等,主要集中在中心城区等商业居住区,随着城市污水处理、垃圾清运的规范化,生活污染源的强度在逐渐减小;农业污染源主要集中在原为城郊菜地的江南片区和哈达湾片区的西北区域,大量使用含氮农药、化肥,给地下水带来了较重污染.但随着城市的发展,菜地逐渐转变成城区,污染状况有所改善.

图4 各因子地下水污染指数贡献度(1980～2009)Fig.4 Contribution rates of all factors to groundwater pollution indexes (1980～2009)

研究区地貌上属松花江、温德河和牤牛河的一级和二级阶地,为地下水的径流末端,水力坡度小,地下水更新速度缓慢,表层广泛分布有2～10m厚的粘土、粉质黏土和粉土且城区地面多被建筑、混泥土路面等覆盖,地下水系统形成了相对封闭、厌氧的还原环境.同时,区内地下水为中偏酸性(图2),pH值中位数值多年在6.2～6.8间,这就形成了一个较高 H+活度和高电子活度的酸性还原体系,在这种体系下Fe主要以Fe2+的形态存在于地下水中[17].根据吉林市历年地下水水质监测数据统计可知,本区 Fe2+的浓度一般在 0.12～2.84mg/L,平均浓度为1.07mg/L,较其它地方偏高.工业、农业和生活废水中的氮进入地下水中后,在硝化细菌的作用下开始硝化作用过程.硝化作用可分为亚硝化和硝化两个过程,区内地下水处于中偏酸性环境,且Fe2+偏高,在此环境下发生可逆反应:

这就拟制了NO2-经过硝化作用转化为NO3-的过程,使得研究区NO2-浓度偏高,这点在文献[18]也有相同阐述.

根据吉林市地下水污染的时空演化特点,本文提出以下几条建议:①完善城市规划,增加社区绿地面积,且尽可能使之分布均衡,逐步改善城区地下水厌氧环境;②合理设计与改造城市排水管网和污水处理设施,严格保证雨污分流,杜绝城市生产、生活污水的无序排放和渗漏;③加强对工业污水排放的管理与控制,严格做到“不达标,不排放”.

4 结论

4.1 投影寻踪地下水污染指数模型较好地反应了吉林市城区地下水污染情况,同时修正的局部多项式插值方法能够有效地解决地下水污染局部变异大、地下水污染非连续的问题.

4.2 吉林市城区地下水污染时空演化与人类活动方式紧密联系,各个片区地下水受到不同程度的污染,地下水污染指数普遍偏高.江北片区污染最为严重,污染源主要为工业污染源、生活污染源和农业污染源,时间演化上具有“轻-重-轻”的阶段特征.

4.3 吉林市城区地下水主要的污染因子为“三氮”,其中 NO2-对地下水污染的影响最大,其对地下水污染指数的贡献度多年在0.7以上.

[1] Barron O V, Barr A D, Donn M J. Evolution of nutrient export under urban development in areas affected by shallow watertable [J]. Science of the Total Environment, 2013,443:491-504.

[2] Wong C I, Sharp J M, Hauwert N, et al. Impact of urban development on physical and chemical hydrogeology [J]. Elements, 2012,8(6):429-434.

[3] Lee S M, Min K D, Woo N C. Statistical models for the assessment of nitrate contamination in urban groundwater using GIS [J]. Environmental Geology, 2003,44:210-221.

[4] Pórcel R A D, Gómez H D L, Schüth C. Urban impacts analysis on hydrochemical and hydrogeological evolution of groundwater in shallow aquifer Linares, Mexico [J]. Environmental Earth Sciences, 2012,66(7):1871-1880.

[5] 李祚泳,汪嘉杨,程会珍.基于免疫进化算法的地下水水质评价普适公式 [J]. 水科学进展, 2008,19(5):707-713.

[6] 张欣莉,丁 晶,李祚泳,等.投影寻踪新算法在水质评价模型中的应用 [J]. 中国环境科学, 2000,20(2):187-189.

[7] 肖长来,危润初,梁秀娟,等.基于投影寻踪聚类模型的龙坑水源地地下水水质评价 [J]. 吉林大学学报(地球科学版), 2011, 41(s1):248-252.

[8] 付 强,赵小勇.投影寻踪模型原理及其应用 [M]. 北京:科学出版社, 2006.47-51.

[9] Fu Qiang, Lu Tieguang, Fu Hong. Application PPE Model Based on RAGA to Classify and Evaluate Soil Grade. [J]. Chinese Geographical Science, 2002,12(2):136-141.

[10] Adhikary P P, Dash C J, Chandrasekharan H. Evaluation of groundwater quality for irrigation and drinking using GIS and geostatistics in a peri-urban area of Delhi, India [J]. Arabian Journal of Geosciences, 2012,5(6):1423-1434.

[11] Pius A, Jerome C, Sharma N. Evaluation of groundwater quality in and around Peenya industrial area of Bangalore, South India using GIS techniques [J]. Environmental Monitoring and Assessment, 2012,184(7):4067-4077.

[12] 于云江,杨 彦.基于GIS的松花江沿岸某区浅层地下水污染特征及人群暴露风险评价 [J]. 中国环境科学, 2013,33(8):1487-1494.

[13] 孟晓路,梁秀娟,盛洪勋,等.吉林市城区地下水中总氮的分布规律及迁移影响因素分析 [J]. 水土保持研究, 2007,14(6):85-87. [14] GB/T14848-93 地下水质量标准 [S].

[15] Fan J, Gijbels I. Local polynomial modelling and its applications [M]. Boca Raton: CRC Press, 2003.

[16] 王春颖,尚松浩,毛晓敏.区域地下水位插值的整体-局部组合方法 [J]. 农业工程学报, 2011,27(8):63-68.

[17] 王晓蓉.环境化学 [M]. 南京:南京大学出版社, 2006:63-67.

[18] 梁秀娟,肖长来,盛洪勋,等.吉林市地下水中“三氮”迁移转化规律 [J]. 吉林大学学报(地球科学版), 2007,37(2):335-340.

Spatio-temporal evolution of groundwater pollution in the urban areas of Jilin City.

WEI Run-chu, XIAO Chang-lai*,

LIANG Xiu-juan (Key Laboratory of Groundwater Resources and Environment, Ministry of Education, Changchun 130021, China). China Environmental Science, 2014,34(2)：417～423

Projection pursuit method was adopted to establish groundwater pollution index model. Correspondingly, groundwater pollution indexes of monitoring wells from 1980 to 2009 were calculated. Considering the non-continuity of groundwater pollution between the both sides of Songhua River, modified local polynomial was used to complete interpolation of pollution indexes sub-regionally. Then distribution maps of groundwater pollution indexes from 1980 to 2009 showed. The results showed that, groundwater was contaminated in all districts with different severities for region-widely high groundwater pollution indexes, especially in Jiangbei district. The groundwater pollution in all districts revealed a ight-severe-light character in the time revolution. Spatio-temporal evolution of groundwater pollution in this region was closely linked with human activities. From the analysis of the contributions of all pollution factors to groundwater pollution indexes in each year, a conclusion could be drawed that, nitrite, nitrate and ammonia were the main factors affecting the groundwater environment, while nitrite was the dominant one with a contribution rate of 0.7 up and down in most years.

Jilin City；projection pursuit；groundwater pollution index；modified local polynomial；spatio-temporal evolution

X523

：A

：1000-6923(2014)02-0417-07

危润初(1984-),男,湖南邵阳人,吉林大学博士研究生,主要从事水资源与环境评价模拟研究.发表论文5篇.

2013-06-10

吉林省科技厅重点攻关项目(20100452)

* 责任作者, 教授, xcl2822@126.com