姜 来，李 洪，李 嘉，黄文典，张陵蕾

(1.四川大学 水力学与山区河流开发保护国家重点实验室，成都 610065；2.四川省紫坪铺开发有限责任公司，成都 610065)

西南河道型水库具有河流和湖泊的双重特性[1]，与一般水库不同的是河道型水库水深和水面宽都远小于库长，且较一些平原水库防洪问题较突出。在枯水期，上游来水较少，水库高水位运行，整体上呈湖泊特性；丰水期为了满足防洪要求，来流量与泄洪量基本相等，呈河道特性。西南山区蕴含丰富的水资源，随着工农业的发展及区域人口的增长，西南山区水库水环境问题日益恶化，出现“藻类水华、黑潮、突发性水质恶化”等水环境问题。西南河道型水库区别于东部平原水库有着水深大、水温低等特点，其中水库季节性分层是影响水库物理、化学和生物过程的重要因素[2]。

紫坪铺水库是西南地区的一座具有灌溉、供水、防洪、发电、旅游和环境保护等功能的大型水库，位于岷江上游，正常蓄水位877 m，最大坝高156 m，总库容11.12 亿m3，是西南山区典型的河道型水库。随着水库运行时间的增长，水体水质受到影响，威胁着供水安全，在不同季节会产生不一样的水质问题。学者们针对紫坪铺水库进行了相关研究。如李嘉等[3]分析不同的运行流量对污染物下泄的影响，并对不同污染物的来流情况提出对应的应急措施。李志勤等[4]结合水库水动力学特性分析水库中污染物运动规律。张沁等[5]采取水库的水质原型观测方法对水库的水质模型进行验证。综上，相关研究只是针对单一水文形态下的水质进行研究，并未对季节影响下湖泊、河流等形态周期变化下的水质进行研究。本研究以2016-2017年以紫坪铺水库的水质监测结果成果为基础，运用聚类分析、因子分析、回归分析等多元统计分析方法，探究不同形态周期下水库水质的变化规律及影响水体营养状态的主控因子，以期为保障水库水环境安全及富营养化管理提供有力的支撑。

1 材料与方法

1.1 采样点设置

在紫坪铺水库设置12个监测断面，即渔子溪电站尾水下游(G1)、牛圈沟(G2)、阿坝铝厂下游(G3)、圣音寺(G4)、寿溪河(Z5)、寿溪河汇口下游(G6)、水田坪(G7)、龙溪沟(Z8)、跨库大桥右(G9R)、跨库大桥中(G9M)和跨库大桥左(G9L)、坝前查关村(G10)和坝下水文站(G11)。紫坪铺采样监测断面见图1。

图1 紫坪铺水质监测点分布Fig.1 Distribution of monitoring sites in Zipingpu reservoir

1.2 样品采集与分析

采样时间为2016年5月-2017年4月，每月下旬，每次监测1 d，共监测12次。现场采取表层0.5 m水样，水银温度计及YSI EXO水质多参数水质仪(YSI，美国)读取表层和深层水温(T)，塞氏盘测量透明度(SD)，pH计测定pH(HACH，美国)，便携式浊度仪测定浊度(HACH，美国)，便携式电导率仪测定电导率。现场水样采集结合实验室分析的监测指标包括高锰酸盐指数(CODMn)、五日生化需氧量(BOD5)、氨氮(NH3-N)、总磷(TP)、总氮(TN)、叶绿素(Chla)等。监测及分析方法按《地表水环境质量标准》中选配的方法进行。紫坪铺水库2016～2017年气象资料来源于都江堰气象局。

1.3 数据处理及分析

多元统计分析方法包括因子分析、聚类分析、主成分分析，此类方法可以在数据处理中保留大部分的信息，其中主成分分析能够克服变量选择时的相关、选择信息量最丰富的因子，已在水质污染状况和水质时空变化研究中广泛应用。

(1)聚类分析。针对数据出现的单位及数量级的不同，对数据进行标准化处理。季节变化对水质的影响，运用多元统计方法选取2016-2017年库区及坝下12个断面中包含降雨量及水温在内的12个指标进行聚类分析，以欧式距离(Euclidean distance)度量样本距离，运用Ward算法使水质特征相似的月份形成层次聚类树，将特征类似的季节聚类，得到河流形态时期和湖泊形态时期。

(2)主成分分析。根据水质数据按河流形态期和湖泊形态期分类后，各自利用10个水质指标进行因子分析，依据特征值(PCi)是否大于一的原则提取主成分，分别提取出河流形态期和湖泊形态期的主要水质影响因子，最后计算出监测点的综合因子得分，由初始因子荷载阵与其对应主成分特征值的平方根的比值得到对应的系数矩阵后，与对应标准化后的水质指标相乘可得到主成分表达式：

(1)

(2)

式中：Fi为各断面主成分得分；Xj为监测指标；ηij为特征值对应系数；F为各断面的综合得分。

(3)多元线性回归。多元线性回归将具有多个解释变量的线性回归模型，解释因变量与其他多个自变量之间的线性关系。t-test用于检验回归系数,R2用于验证预测结果的精确度。本文以2016～2017年紫坪铺湖泊形态期和河流形态期中各自的主成分因子分值(Score values)为自变量，Chla浓度为因变量进行多元线性回归。湖泊形态期选择3个主成分因子的分值(Score valuesPCi)作为自变量进行多元线性回归；河流形态期选择4个主成分因子的分值(Score valuesPCi)作为自变量进行多元线性回归，分别得出紫坪铺Chla预测模型。

使用Excel 2016和SPSS 22.0进行数据分析，P<0.05表示显著性相关，P<0.01表示极显著相关。

2 结果与分析

2.1 水质样本

紫坪铺作为岷江上游一座典型西南山区河道型水库，做好水质监测与防治对水库水质安全具有重要意义。选取具有代表性的12个监测断面的10个水质指标作为评价对象。2016年5月～2017年4月监测数据如表1、2。

表1 年内水质指标监测数据Tab.1 Monitoring statistics of water quality index during the year

表2 评价断面水质监测年均值统计Tab.2 Water quality monitoring annual average statistics of evaluation section

2.2 季节变化的水质特征

降雨和温度等季节性条件对河道型水库边界影响很大，进而影响水库的水动力特征，不同水动力条件下的水质变化也不同[1]。图2为2016年5月-2017年4月紫坪铺包含季节变化特征在内的12个水质因子的聚类结果。依据(Dlink/Dmax)×100<7.5(Dlink/Dmax表示个案连锁距离与最大连锁距离之比)和(Dlink/Dmax)×100<2处将时间序列分为两个时期，即5-9月为河流形态期，1-4月及10-12月为湖泊形态期。水利调度是水库河流形态与湖泊形态变化的关键因子，1-4月水库入、出库流量较小，自5月起入、出库流量逐渐增加，且在此期间水位较低，流速加快，来流量与出库量基本相等，呈现河道的形态。至9月下泄流量发生改变，出库量开始减小，水位较低，至10月后下泄流量逐渐下降，水位开始升高至较高水平，流速减小，呈现湖泊的形态。实际水利调度与聚类分析出的结果具有较高相似度，说明聚类结果较好。河流形态期间水位变化范围在830.69～848.54 m，保持在低水位运行的状态，入库流量和降雨量都在较高的程度，且在6、7月泄洪洞开始使用，使流速加快，水域面积减小，形成近似于河道的形态；10月随着入库流量和降雨量的降低，水库开始蓄水至次年的1月，期间保持着平均水位为871.71 m的高水位运行，流速减缓，水域面积增大，形成近似于湖泊的形态。

水温是影响水库水质的重要参数之一，水温变化过程及分布状况将影响到湖库水环境中的理化过程，直接或间接的影响水体中浮游植物的生长，水温的分层对水华的爆发作用显著[6]。大型水库中，库区的水深较深，易形成水温分层现象，选取库区水深较深的水田坪、跨库大桥中和查关村断面及在河流形态、湖泊形态和水位变动时期中的典型月份进行水温分层分析(图3)。紫坪铺水库地处川东盆地亚热带气候区，从春末夏初开始至初秋，都保持着稳定的水温分层结构。在河流形态期向湖泊形态期过渡的9-10月，水体垂向对流作用导致垂向分层破坏，库区接近同温状态，三个断面平均上下层水温差仅为1.85 ℃。

图2 2016-2017年紫坪铺水质聚类分析结果与月均水利调度变化Fig.2 Water quality cluster analysis results and monthly average water project operation of Zipingpu Reservoir during 2016-2017

图3 水温的垂向分层特征Fig.3 Vertical stratification of water temperature

2.3 水质因子空间分布特征

为了研究紫坪铺河流和湖泊水文形态时期中水质变化规律和主导因子，以及受形态周期变化影响较大的区域。对一年中10个主要的逐月水质参数进行因子分析，将多个水质变量降维为少数能反映情况的综合变量，即主成分，其中累计贡献率可代表水质指标大多数的信息。对数据进行KMO(Kaiser-meyer-olkin)值分析和Bartlett球型检验[(χ2) ，Bartlett test of sphericity]，检验结果表明，湖泊形态期和河流形态期Bartlett值和KMO值分别为0、0.003和0.550、0.529，Bartlett值小于0.05，KMO值大于0.5，说明数据适合用于因子分析。湖泊形态期和河流形态期旋转载荷矩阵如表3，采用的Kaiser标准化正交旋转法，通过对10个相关程度较高的水质因子进行线性变换后，将水质因子间的变化关系和相互作用关系集中体现到综合性变量上，即主成分(PCi)。湖泊形态期从该时期的水质因子中提取了3个特征值大于1的主成分(PC1、PC2、PC3)，PC1的贡献率为51.78%，主要包含浊度、TP和SD，基本反映了该时期水质的磷污染。PC2的贡献率为15.14%，主要包含TN、BOD5、电导率和Chla，反映水体的营养状态。PC3的贡献率为10.99%，主要包含pH和CODMn，反映水质的有机污染。在第一主成分PC1基本确定湖泊形态期水质一般性的磷污染情况下，还反映了水体营养状态和有机污染的2种不同环境问题；河流形态期从该时期的水质因子中提取了4个特征值大于1的主成分(PC1、PC2、PC3、PC4)，PC1的贡献率为39.20%，主要包含浊度、SD和TP，基本反映了该时期水质的磷污染。PC2的贡献率为22.83%，主要包含BOD5、TN和NH3-N，反映水体受农业面源的污染。PC3的贡献率为14.24%，主要包含NH3-N、pH和Chla，反映水体的营养状态。PC4的贡献率为10.96%，主要包含电导率和CODMn，反映水质的有机污染。在第一主成分PC1基本确定河流形态期水质一般性的磷污染情况下，还反映了农业面源污染、水体营养状态和有机污染的3种不同环境问题。

各个监测点的因子得分及综合得分如表4。湖泊形态期和河流形态期因子1都在G1和G2上的得分较高，但湖泊形态期得分较高，分别为2.27、2.05，上游河流是水库外源性磷主要输入形式，且大部分是颗粒态磷，故说明湖泊形态期上游区域主要受泥沙及磷元素影响。湖泊形态期因子2和因子3也在G1和G2上的得分较高，还受农业排放、生物和有机物的综合影响；河流形态期中，因子1在G4、G6和G9M监测断面处的得分较高，分别为2.26、1.23和1.21，此期间，降雨量大，径流冲刷带入的磷元素及受到扰动影响的沉积磷向上覆水释放产生的磷大量增加，导致这几个监测点受泥沙及磷元素的影响。因子2在Z5、G4和G1上的得分较高，因子4在G2、G6和G4这几个断面处得分最高，说明在上游及支流汇口处受生物化学因素影响及有机物的影响。因子3在G9L和G9M断面处的得分较高，分别为2.12和1.50，说明这几个断面处水体主要受人类活动的影响。湖泊形态期和河流形态期综合得分较高的都位于上游区域，说明上游区域受影响程度大，且是下游区域水质变化的“源”。河流形态期中其次综合得分较高的是G4、G6和G9M，该区域水体流动性相对较弱，有适宜藻类生长的水动力条件，受其上游影响且此期间温度较高，故在此区域易发生水华。

表3 2016-2017年紫坪铺水库水质主成分荷载矩阵Tab.3 Principal component loading matrix of water quality for Zipingpu Reservoir during 2016-2017

表4 监测点分期污染情况综合得分Tab.4 Contamination synthesis scores of monitoring sites during different phases

2.4 水质因子时间分布特征

依据紫坪铺水库2016-2017年一年的水质监测数据并结合聚类分析、主成分分析分析结果，选取因水文形态周期变化水质受其影响较大的区域进行分析。即渔子溪电站尾水下游(G1)、圣音寺(G4)为上游区域，寿溪河汇口下游(G6)为支流汇口下游区域，跨库大桥中(G9M)和查关村(G10)为库区代表区域。对年内各典型水质因子进行分析(图4)。降雨量和水温与部分水质因子显著性相关(P<0.05)，表明季节变化对紫坪铺水库水质影响显著。

2016-2017年紫坪铺水库TP月变化剧烈，尤其是入库断面G1，在湖泊形态期来水量较低，总磷的含量也相对较低(图5)。水库中的磷大部分是由上游干流输入而来，且主要是颗粒态的磷，由于水库集水面积大，河流进入的流速缓慢，输入的含磷颗粒物更易沉降，干流输入的磷含量更多，随着降雨量的增大，上游的径流量随之增加，且吸附能力较差的土壤会因降雨将其表面的含磷物质冲刷至水库，对下游库区磷含量产生影响，故在河流形态期内出现相应的几个峰值。

图4 2016-2017年紫坪铺水库主要水质指标月变化Fig.4 Monthly variation of main water quality index in Zipingpu Reservoir during 2016-2017

图5 2016-2017年紫坪铺水库渔子溪电站尾水下游断面总磷、总氮与月降雨量的变化Fig.5 Comparison between monthly precipitation and concentrations of TN and TP of Yuzixi downstream of the tailrace monitoring site in ZipingpuReservoir during 2016-2017

入库G1断面TN月变化很大，最大值为5.19 mg/L，最小值为0.22 mg/L，平均值为1.73 mg/L，污染相对严重，河流形态期内降雨量较高，其中5月降雨量达到189 mm，TN含量达到峰值，7月降雨量为全年最大值，达287 mm，在次月TN随即快速增加至1.42 mg/L。说明TN含量受降雨量的影响。同时在5月及7月透明度较高，分别为0.25和0.18 m，说明受人类扰动较小，所受外源氮输入影响高于人类扰动作用。

入库断面Chla浓度的季节变化与其他断面明显不同，可能是受上游来水影响。由于降雨量的增大改变了上游区域水文条件及温度升高超过了藻类生长的适宜温度。全年降雨量最高的7月后的8月库区各点出现峰值，最大值达14.18 mg/m3。4月和8月的双峰值代表了年内河道型水库中藻类的生长情况。氮、磷是藻类生长所必须的元素，G9M断面处的Chla与氮、磷元素有一定的相似关系，说明氮、磷对藻类生长起到了关键的作用，在河流形态期随着降雨量的增大向下游库区带入更多的氮、磷元素，且SD发生变化，会有发生水华的风险[7]。但也有不同之处，比如在湖泊形态期向河流形态期过渡的4-5月TP与Chla的变化不同，且氮磷比不同时会对浮游植物繁殖造成相应的影响，平均值为87，说明在过渡期藻类受磷元素的限制，在湖泊形态期，面源污染严重，但是藻类受到温度的影响生长较缓慢(图6)。

图6 2016-2017年紫坪铺水库跨库大桥中断面总磷、总氮与叶绿素a的变化Fig.6 Comparison between concentrations of TN, TP and chlorophyll-a of Central bridge of the tailrace monitoring site in Zipingpu Reservoir during 2016-2017

2.5 多元线性回归分析

由于紫坪铺水库在不同时期具有湖泊、河流形态特征，且因季节变化对Chla影响的因素会不同。故利用聚类分析、主成分分析法、多元线性回归分析按不同时期提取主要影响因子，由表5并结合表3的主成分分析可知，湖泊形态期中对Chla浓度影响最大的是PC1，主要因素是浊度、TP和SD，即Chla含量受水体污染状况及磷元素的综合影响；河流形态期中对Chla浓度影响最大的是PC3，主要因素是NH3-N、pH，即Chla含量受人类活动的影响，主要受氮元素的影响。PC2和PC4的贡献较PC3相差不大，故Chla次要影响因素是BOD5、电导率、CODMn，即Chla含量受生物化学与有机物的综合影响。

表5 叶绿素a与水质因子的回归方程Tab.5 Stepwise multiple regression between chlorophyll-a and water quality factors

3 结 语

(1)紫坪铺水库兼具湖泊与河流的双重形态特征。1-4月及10-12月受紫坪铺蓄水的影响，水位较高，流速缓慢，水域面积较大，接近天然湖泊形态。5-9月水位降低，水域面积减小，呈自然河流形态。根据主要指标的时段变化特征，1-4月及10-12月为湖泊形态期，5-9月为河流形态期。

(2)主成分分析结果表明，紫坪铺水体营养状态在不同时期受不同主导因素的影响，且对Chla起主要影响作用的水质指标也不同。将湖泊与河流形态期的因子得分作为自变量进行多元线性回归，分析结果发现各时期Chla与因子显著相关。湖泊形态期主要水质影响指标为浊度、TP和SD，Chla主要影响因子为PC1，水体污染情况及磷含量影响显著；河流形态期主要水质影响指标为浊度、TP和SD，Chla主要影响因子为PC3，水体氮含量影响显著。

(3)水质时空分布特征结果表明，湖泊形态期受影响程度大的是上游区域，主要影响因子是浊度、TP和TN；河流形态期受影响程度大的是中下游区域，主要影响因子是浊度、TP和BOD5。湖泊和河流形态期内都主要受磷元素影响，随着湖泊形态期向河流形态期过渡，入库流量逐渐增大，外源磷逐渐向下游输移，藻类的吸收利用制约着下游区域的 水质情况。综上所述，紫坪铺水库在河流、湖泊形态周期变化下导致年内水动力条件改变直接影响营养盐的富集与释放，最终影响水库营养状态。

(4)在不同时期对主要水质影响指标及时空特征进行研究，可更全面反映水库营养状态，对水库管理具有一定的意义。

□