杜麦, 陈小威， 王颖

(西安理工大学 水利水电学院,陕西 西安 710048)

基于多元统计分析的浐灞河水质污染特征研究

杜麦, 陈小威， 王颖

(西安理工大学 水利水电学院,陕西 西安 710048)

为量化分析浐灞河的水质状况,确定影响水质的主要污染因子及来源,采用主成分分析(PCA)法和绝对主成分得分/多元线性回归分析(APCS/MLR)法对浐灞河14个断面8个指标的数据进行水质评价。结果表明：618渠、浐河口断面的水质污染严重,咸宁桥、长乐桥断面的水质较差,田王桥、C号坝断面的水质较好；浐灞河水体主要受有机物和富营养化的污染；确定的3个主成分对各污染因子的污染贡献率为60.090%～82.990%。该研究结果与实际调查结果相符,说明针对浐灞河的多元统计分析可以真实、客观地反映该地区的水质情况和污染物来源。

水质评价;多元统计分析;主成分分析法;APCS/MLR;浐灞河

近年来,随着我国经济的发展和人口的增加，导致河流水质状况不断恶化。由2014年中国水资源公报可知,全年Ⅰ类水和Ⅱ类水河长仅占到评价总河长的49.4%,且大部分湖泊处于富营养化状态。“十八大”以来,习近平同志围绕系统治水作出了一系列的重要论述和重大部署。陕西省政府也提出了系统治水的科学内涵以强化系统治水思维,突出治水的综合性、整体性和协同性。水环境质量评价是水环境治理的重要依据[1]。因此,为了维护浐灞河生态环境的多样性,保护其自然生态环境特征,有必要对该地区的水质污染特征进行量化分析。

目前,业内评价河流水质的方法基本有以下几种:综合污染指数法[2]、模糊综合评价法[3]、主成分分析法[4]、多元统计分析法[5]等。其中,多元统计分析法是分析水质变化特征和识别污染源的有效工具。主成分分析(Principal Component Analysis,PCA)法是利用降维的思想,将原始变量筛选出具有代表性的、独立的综合指标进行评价,使评价结果更加准确、客观。在此方法的基础上采用绝对主成分得分/多元线性回归分析(Absolute Principal Component Score/Multiple Linear Regression,APCS/MLR)法可统计出污染源的贡献率,以识别污染因子的来源[1]。

本文利用SPSS软件对浐灞河的河流水质进行主成分分析和绝对主成分得分/多元线性回归分析,进而对该河道的水质和污染源进行评价和解析,以期为该流域的生态环境综合发展提供科学依据。

1 研究区域概况与研究方法介绍

1.1 研究区域概况

浐灞河是浐河和灞河的合称,发源于秦岭,其中浐河为灞河的一级支流,灞河长104.1 km,浐河长64.6 km,浐河与灞河交汇于西安市的谭家堡,并于三郎村汇入渭河[6]。由实地调查结果可知,浐河上游主要受面源污染,下游又有工业废水排入,整体水质较差;灞河上游水质良好,中下游由于生活污水、工业废水的排入和浐河的汇入导致水质明显变差[7]。因此,对浐灞河的水质进行评价是十分必要的。

1.2 断面布设

根据浐灞河水质污染现状和断面布设原则[8],选取了14个监测断面。其中：浐河中上游选取高桥、咸宁桥、长乐桥和华清桥4个断面,下游选取浐灞大道和浐河口2个断面;灞河中上游选取田王桥、C号坝、B号坝和灞河口4个断面,下游选取A号坝、618渠、北绕城高速和三郎村4个断面,具体位置如图1所示。水质评价指标选取pH值、电导率、溶解氧(DO)、叶绿素a、氨氮(NH3—N)、总氮(TN)、总磷(TP)、化学需氧量(CODCr)8个指标。

图1 浐灞河各监测断面示意图

1.3 浐灞河水质评价方法

通过SPSS软件采用主成分分析和APCS/MLR分析相结合的多元统计分析法对2012年浐灞河断面水质监测数据的年均值进行评价。对水质监测数据进行主成分分析,是利用相关性矩阵确定水质评价指标的主成分和特征根及其相对应的标准化特征向量,获得旋转因子载荷矩阵和主成分累积贡献率,进而计算各断面水质评价指标的主成分得分,从而进行水质评价,基本步骤按文献[9]进行。由于主成分分析得到的各水质评价指标主成分得分不能体现现实情况,需要在原始数据中添加一个“0”样本,得到绝对零值主成分得分,两者的差值即为绝对主成分得分(APCS)[10]。再由APCS进行多元线性回归分析即可得到各水质评价指标的污染贡献率[11-14]。

2 浐灞河水质污染特征分析

2.1 描述性统计

对浐灞河各断面水质监测数据进行描述性统计,结果见表1。由表1可知：电导率的标准差最大(267.72),说明其极值差最大,不同监测断面的监测数据差也最大;TP的标准差最小(0.08),说明其在不同监测断面的监测数据差最小。据我国地表水环境质量标准(GB 3838—2002)可知,DO、NH3—N、TN、CODCr的浓度均值均达到V类,pH值的浓度均值达到Ⅳ类,TP的浓度均值达到Ⅲ类。

表1 浐灞河各断面水质监测数据统计

2.2 主成分分析

对浐灞河14个断面的水质监测数据进行相关系数分析,结果见表2。根据相关系数矩阵可知,NH3—N和电导率的相关系数最高,DO和NH3—N的相关系数最低。应用Kaiser Meyer Olkin(KMO)和Bartlett球形方法对监测数据进行相关矩阵检验,得到KMO度量值为0.677,Bartlett的显著性为0.00,满足P<0.05的置信区间,说明该主成分分析是有效的[15]。

表2 浐灞河各水质指标相关系数矩阵

将提取到的水质评价指标主成分和最大方差进行旋转,得到的成分矩阵见表3。由表3可知：共提取出了3个主成分,其特征值分别为5.321、1.450和0.740，方差贡献率分别为66.518%、18.131%和9.244%，3个主成分的累计总方差为93.893%,表示3个主成分共解释了总变异的93.893%,满足累计贡献率大于85%的提取原则,说明提取3个主成分是合适的。

表3 浐灞河水质评价指标主成分分析及旋转后的成分矩阵

成分矩阵中数值的绝对值反映主成分与原始变量的相关程度。根据表3还可以看出:①水体中NH3—N、电导率、TN、DO、CODCr和TP与第一主成分联系紧密,其中除TP外其余评价指标与第一主成分的相关系数的绝对值均大于0.9,说明浐灞河水体主要受有机物污染。这主要是因为浐灞河有大量的城市、农村生活污水和工业废水排入,其中含有大量的有机物和营养盐。②与第二主成分显著相关的水质评价指标是pH值。pH值主要与水体中含有的腐殖质和矿物质有关[16],说明浐灞河中的面源污染可能是第二主成分的主要来源。③叶绿素a与第三主成分显著相关,叶绿素a是衡量水体富营养化的基本指标,与DO、TP、水温等密切相关[17],说明第三主成分主要与水体富营养化污染有关。

浐灞河水质评价指标的主成分得分系数矩阵见表4。通过以下表达式可以获得各断面水质评价指标的主成分得分和综合得分情况,结果见表5。其中各主成分得分记为F1、F2、F3,标准化的原始变量记为zx1、zx2、zx3、zx4、zx5、zx6、zx7、zx8,各主成分的特征值记为λ1、λ2、λ3,则综合得分F的表达式如下:

F1= -0.118zx1+0.190zx2-0.254zx3-0.152zx4+

0.212zx5+0.201zx6+0.144zx7+0.129zx8；

F2= 0.782zx1+0.074zx2+0.358zx3+0.136zx4-

0.061zx5-0.109zx6+0.217zx7+0.172zx8；

F3= 0.121zx1-0.075zx2+0.119zx3+1.016zx4-

0.048zx5+0.012zx6-0.143zx7+0.153zx8；

表4 浐灞河水质评价指标的主成分得分系数矩阵

表5 浐灞河水体各断面水质综合评价结果

由表5可知,618渠、浐河口、北绕城断面为第一主成分得分排名前3的断面,说明该3个断面受到NH3—N、电导率、TN、DO、CODCr、TP的影响较为显著,其中电导率可以有效地反映水体中的杂质含量和含盐量,而NH3—N、TN、DO、CODCr可反映水体中的有机物含量,说明该区域水体中的有机物含量、杂质含量和含盐量较高;618渠、高桥、咸宁桥断面为第二主成分得分排名前3的断面,说明该3个断面对pH值的变动较为敏感,水体中可能含有较多的矿物质和腐殖质;A号坝、三郎村、B号坝断面为第三主成分得分排名前3的断面,说明该3个断面受叶绿素a的影响较大,水体中可能存在较严重的富营养化污染。

从综合得分情况来看:①咸宁桥、长乐桥、华清桥断面的综合得分大于田王桥、C号坝、B号坝、灞河口断面,说明浐河上游的污染程度比灞河上游的污染程度严重。这主要是因为浐河上游的排污口众多,面源污染比较严重[18]。②618渠、浐河口断面的综合得分最高,说明该2个断面的污染情况最为严重。618渠是灞河排污口之一,污染情况可想而知；浐河口断面的污染情况是由于浐河上游水源的污染情况严重,且华清桥断面至浐河口断面的河段又有大量的生活污水和工业废水排入,进而导致浐河口断面水质变差。③北绕城、A号坝和三郎村断面的水质污染情况也十分严重。北绕城和A号坝断面的水质是由于浐河的汇入导致其明显变差的,且北绕城断面位于618渠断面的下游,其水质污染程度较A号坝断面更为严重;三郎村断面位于浐灞河下游,此区域是陕西省的重要工业生产基地,水质较差。根据实地调查研究可知,浐河从高桥至浐河口断面的水质为劣V类；灞河从田王桥至灞河口断面的水质较好,灞河口下游水质的污染程度加剧,水质为劣V类[7],这与本研究的水质评价结果基本一致。

2.3 APCS/MLR分析

浐灞河水体各水质评价指标的污染贡献率结果见表6。

表6 浐灞河水体各水质评价指标的污染贡献率

据表6可知：①除TP外其余评价指标的R2值都在0.9以上,说明线性回归分析是有效的[16]。②浐灞河水体的污染主要来源于第一主成分,其次为第二主成分、第三主成分。③第一主成分(TN、NH3—N、电导率、DO、CODcr和TP)的污染贡献率分别为82.390%、81.960%、74.930%、68.330%、62.180%和60.090%;第二主成分(pH值)的污染贡献率为82.990%;第三主成分(叶绿素a)的污染贡献率为77.460%。

3 结语

本文基于主成分分析法和绝对主成分得分/多元线性回归分析法对浐灞河的水质污染特征进行了量化分析,确定了影响其水质的主要污染因子及来源,主要得到以下结论:

1)在浐灞河各断面水质分析的研究中,灞河上游的田王桥、C号坝、B号坝、灞河口断面的水质情况良好,浐河上游的高桥、咸宁桥、长乐桥、华清桥、浐灞大道、浐河口断面的水质较差,灞河下游A号坝、北绕城和三郎村断面的水质污染程度相对较差,618渠断面的水质最差。

2)根据主成分分析得出的3个主成分可知:第一主成分主要来源于城市、农村生活污水和工业废水的排入；第二主成分的主要来源可能为浐灞河的面源污染；第三主成分的主要来源为水体富营养化污染。说明浐灞河的污染主要来源于有机物和富营养化,需加强对浐河上游和灞河下游的点源和面源污染防治力度。

3)利用APCS/MLR方法得出第一主成分对TN、NH3—N、电导率、CODcr、DO和TP指标的污染贡献率为60.090%～82.390%;第二主成分对pH值指标的污染贡献率为82.990%;第三主成分对叶绿素a指标的贡献率为77.460%。

[1] 杨学福,王蕾,关建玲,等.基于多元统计分析的渭河西咸段水质评价[J].环境工程学报,2016,10(3):1560-1565.

[2] 刘增进,祁秉宇,张关超.南水北调中线工程水源地河南段水质现状及污染分析[J].华北水利水电大学学报(自然科学版),2017,38(2):77-81.

[3] 钱会,席文娟.基于AHP权重的模糊评价法在水质评价中的应用[J].华北水利水电学院学报,2012,33(3):100-103.

[4] 姬志宏,姬志新,许正彪,等.主成分分析法在黄河三门峡库区水质评价中的应用[J].华北水利水电学院学报,2012,33(1):126-130.

[5] 张蕾,卢文喜,安永磊,等.基于多元统计分析的石头口门水库汇水流域水质综合评价[J].中国环境监测,2012,28(2):122-126.

[6] 徐志嫱,刘维,张建丰,等.基于流域不同特征的浐灞河生态系统健康评价[J].西北农林科技大学学报(自然科学版),2011,39(8):215-223.

[7] 赵淑兰.浐灞河流域水功能区纳污能力及入河污染物总量控制分析[J].陕西水利,2012(5):146-148.

[8] 国家环境保护总局.地表水和污水监测技术规范:HJ/T 91—2002[S].北京:中国环境科学出版社,2002.

[9] 汪冬华.多元统计分析与SPSS应用[M].上海:华东理工大学出版社,2010.

[10] 瞿明凯,李卫东,张传荣,等.基于受体模型和地统计学相结合的土壤镉污染源解析[J].中国环境科学,2013,33(5):854-860.

[11] THURSTON G D,SPENGLER J D.A quantitative assessment of source contributions to inhalable particulate matter pollution in metropolitan Boston[J].Atmospheric Environment,1985,19(1):9-25.

[12] ZHOU F,HUANG G H,GUO H,et al.Spatio-temporal patterns and source apportionment of coastal water pollution in eastern Hong Kong[J].Water Research,2007,41(15):3429-3439.

[13] LUO X S,YAN X,WANG Y L,et al.Source identification and apportionment of heavy metals in urban soil profiles[J].Chemosphere,2015,48(1):152-157.

[14] 赵洁,徐宗学,刘星才,等.辽河河流水体污染源解析[J].中国环境科学,2013,33(5):838-842.

[15] 王颖,孙扬,张丹.浐灞流域水质污染分析及评价研究[J].西安理工大学学报,2014,30(2):213-219.

[16] 张水波.pH值对水质和对虾的影响及调控措施[J].渔业致富指南,2015(24):27-28.

[17] 梅卫平,江敏,阮慧慧,等.滴水湖叶绿素a时空分布及其与水质因子的关系[J].生态学杂志,2013,32(5):1249-1254.

[18] 余杨铭.浐灞生态区水质模拟与评价[D].西安:西安理工大学,2013.

EvaluationofWaterPollutionCharactersinChanbaRiverBasedonMultivariateStatisticalAnalysis

DU Mai, CHEN Xiaowei, WANG Ying

(School of Water Resources and Hydroelectric Engineering, Xi′an University of Technology, Xi′an 710048, China)

In order to quantify and analyze water quality of Chanba River and find out the main pollution factors as well as sources, principal component analysis (PCA) and the multivariate linear regression of the absolute principal component scores (APCS/MLR) were applied to evaluate the water quality based on 8 parameters of 14 monitoring sections. The results show：the water of Canal 618 and Chan River mouth is seriously polluted; the water of Xianning Bridge and Changle Bridge, is in poor quality; water quality at the section of Tianwang Bridge and DamCis in good conditions; organics and eutrophication are the main pollution sources; the pollution contribution rates of three principal components to each pollution factor range from 60.090% to 82.990%. The results are in conformity with the actual survey, so it is reliable to reflect the water quality and pollution sources in Chanba River with multivariate analysis statistical method.

water quality evaluation; multivariate statistical analysis; principal component analysis; APCS/MLR; Chanba River

张陵)

TV211.2

A

1002-5634(2017)06-0088-05

2017-04-29

陕西省水利科技项目(2015slkj-03)。

杜麦(1993—),女,河北邢台人,硕士研究生，从事环境水力学方面的研究。E-mail：dm747966969@163.com。

王颖(1962—),女,陕西西安人，教授，硕士，从事环境动力学和浮射流运动规律方面的研究。E-mail：wangying@xaut.edu.cn。

10.3969/j.issn.1002-5634.2017.06.014