重庆主城段水质指标与相关社会影响因素灰色关联度分析

刘 莹，罗以生，吕平毓

（1．重庆交通大学 河海学院，重庆400074；2．长江水利委员会 长江上游水文水资源勘测局，重庆400014）

重庆主城段水质指标与相关社会影响因素灰色关联度分析

刘 莹1，罗以生2，吕平毓2

（1．重庆交通大学 河海学院，重庆400074；2．长江水利委员会 长江上游水文水资源勘测局，重庆400014）

水质指标同相关社会影响因素间存在着一定相关性。将水质指标的影响因素分为直接与间接因素，运用灰色关联度分析方法对水质指标同相关影响因子之间进行关联性分析，分别得出直接因素与间接因素同水质指标间的关联度排序，发现工业废水是重庆主城段河流中COD的主要影响因素、农业污染则是TP的主要影响因素，间接因素中的人口数量同3项主要水质指标之间均存在相关性，而经济水平同水质指标间并无明显关联性。根据水质主要影响因素的分析结果，应当不断加强水环境保护力度，通过对污染源排放的控制，提高农业生产技术，提高污水处理率等方面来改善河流水质。

水质；影响因素；灰色关联

Abstract：Correlations might exist between water quality index and relevant social－economic factors．Association between water quality and certain social－economic factors are investigated using Grey Relative Model，where the influencing social－economic factors classified into both direct and indirect factors．Consequently，analysis results present each factor's influence to water quality index．The results suggest industrial sewage is the leading influencing factor for COD level in Chongqing urban river section，while agricultural pollution register the primary influencing factor for TP．Correlation proved to be significant between indirect factor population and three main water quality indexes，while some economic factors，such as GDP，appear to have insignificant correlation with water quality．Based on analysis results，the author finally concludes with suggestions for water quality improvement with emphasis on water contaminants sourcing control，agricultural production upgrading and sewage treatment enhance．

Key words：water quality；influencing factors；Grey Relative Model

重庆主城段位于长江、嘉陵江两江汇流区，主城居民生活取水大部分取自两江，且居民生活产生的污水排向两江，随着城市经济的发展，城市化进程的加快，人类活动对于河流水质的影响逐渐加深，两江水环境的健康状况受到极大的威胁，影响了河流正常的社会服务功能及景观环境。由于城市生产生活取水口与其排污口同时置于两江之中，社会生产生活对河流水质的影响至关重要［1－2］，其水质好坏直接影响到城市居民生活质量。因此有必要对主城段水质状况及其相关影响因素进行分析，以便有针对的展开河流水质保护工作。

水环境系统属于部分信息已知，部分信息未知的灰色系统［3］。因此，对流域系统的水环境分析，采用灰色系统理论和方法是较为合理的。本文将采用灰色系统理论中的关联度分析方法对水质指标同相关社会影响因素的关联度进行分析计算。

1 灰色关联度分析方法

1．1 灰色关联分析的特点

邓聚龙在1982年创立的灰色系统理论［4］，是一种研究少数据、贫信息不确定性问题的新方法。

在一般的抽象系统中，涉及诸多影响因素，我们通常很难判断哪些影响因素对于该系统是主要影响因素，哪些是次要因素，哪些因素对系统发展起推动作用需强化发展，哪些因素对系统发展起阻碍作用需加以抑制，这是系统分析中常常涉及到的问题。回归分析模型、主成分分析、方差分析等数理统计方法都能用来进行系统分析。但它们在实际应用到系统分析中时，都存在一定不足之处，如：需要有大量数据，要求样本服从某个典型概率分布，计算量大等等，而灰色关联分析恰恰弥补了这些不足［5］。

1．2 主要分析步骤

分析过程可分为直观分析和量化分析两部分，直观分析依据因素数列绘制曲线图，由曲线图直接观察因素列间的接近程度及数值关系，然后进行量化分析加以佐证，其基本步骤为：①标准化（无量纲化）：以每行数据中第一列为基准，然后将每行其他列除以第一列的数；②计算对应差数列表，内容包括：与参考数列值差（绝对值）、最大差、最小差、ζ为分辨系数，0＜ζ＜1，可设ζ＝0．5（最终务必使关联系数ξi（k）小于1为原则）；③关联系数ξi（k）计算：应用公式计算比较数列Xi上各点k与参考数列X0参照点的关联系数，最后求各系数的平均值即是Xi与X0的关联度ri；④比较各关联度大小，值愈大，关联度越高。

考虑到灰色关联分析的诸多特点，采用此方法并利用重庆市监测的水质数据与相关社会影响因子数据对重庆市主城区水质指标与相关社会影响因素的关联度进行模拟，以便找出主要积极因子与消极因子，为开展重庆主城水环境保护工作，制定相应政策提供依据。

2 分析指标选取

2．1 确定水质指标

此次比较对象为水质与相关社会影响因素，由此确定相应的分析指标。结合重庆市多年年均水质统计资料，以工业废水、生活污水为主要污染源，因此主要考虑COD、NH3－N、TP 3类代表性的常规水质监测项目为主要水质指标，数据来源为2003～2009年重庆长江干流寸滩站和嘉陵江干流北碚站测定的COD、NH3－N、TP等3个因子的加权平均浓度。

2．2 主要社会影响因素

相关社会影响因素可从其对于水质的作用方式上分为直接影响因素与间接影响因素。直接影响因素主要是直接作用于河流的影响因素，如工业废水、生活污水等；间接影响因素则是在某种程度上对水质起着一定影响作用的非直接因素，如GDP水平、人口数量、农业污染、污水处理率等，其既能反映该项指标本身对于水质的影响程度，也能在一定程度上对工业废水、生活污水等直接影响因素的影响程度起到佐证作用。具体来说，GDP的增长即反映了三大产业的增长水平，其中，工业的增长必定带动工厂数量，工业生产规模等因素的扩大，也带来了更多的工业废水排放；而人口数量的增加对水环境产生负面影响主要表现为，人口增长和居民生活水平的提高，引起资源的匮乏，城镇生活污水排放量迅速增加；农业污染则表现为化肥和农药施用量的增加导致的水环境污染，因为大量农药和化肥的使用会造成一定的面源污染，受到污染的水体排放到河流中则会对河流造成污染；最后，较高的污水处理率在一定程度上减缓了以上因素对于河流水体的污染，此项指标与水质污染指标则呈现反相关的关联性。

综上所述，GDP水平、人口数量、农业污染、污水处理率这几项针对水质指标的社会影响因素包含了经济、人口、减排能力、以及城区周围的农业生产等几方面内容，作为周边因素（非直接影响因素）可以大体反映社会各方面对于水质的影响。由此确定本次评价主要的社会影响因素包括：（1）直接影响因素：工业废水、生活污水；（2）间接影响因素：GDP水平、人口数量、农业污染（包括化肥施用量和农药使用量）、污水处理率。相应数据来源参考《重庆市统计年鉴》。

3 模型建立及计算

3项水质指标 NH3－N、COD、TP的数据取自2003～2009年重庆长江干流寸滩站、北碚站及临江门站的实际测定值，考虑到排污口的布置、污染物沿下游聚集等因素，最终的水质指标值应在3个监测站的监测数据上体现出不同的权重，因此，将3个监测站的监测数据乘以相应权重再求和即为该项水质指标最终的年均值。

根据监测站点的位置分布情况，污染物排放的情况也有所不同，北碚站位于这次分析河段的最上游，其监测结果只能代表小部分入河污染源对水质的影响，而位于中游的临江门站和下游的寸滩站的监测结果则表征了大部分入河污染源对于河流水质的影响，因此，对3个监测站水质监测结果划分权重更为科学的体现出入河污染源对于河流水质的实际影响。主要考虑3个监测站点的地理位置并结合层次分析决策方法划分其权重为：北碚站0．1、临江门站0．4、寸滩站0．5。经计算所得的水质指标年均值如表1所示。

根据《重庆市统计年鉴统计》，2003～2009年的相关社会影响因素（包括工业废水、生活污水、GDP水平、人口数量、农业污染、污水处理率等）的统计数据如表2所示。

表1 NH3－N、COD、TP指标2003～2009年加权平均值统计

表2 2003～2009年水质指标相关社会影响因素统计

灰色关联分析的核心公式为：

在求得各项比较列数据同系统列的关联系数后，再算出比较列所有数关联度的平均值，即为此比较对象同被比较对象的关联度。

3．1 直观分析

结合以上数据，以时间为X轴，以相应数据值为Y轴，对3项水质指标与6项影响因素分别作出变化折线图。

首先需要比较的是3个水质指标同相关社会影响因素之间变化趋势的相似性，因为比较数据单位及数值大小的不同，所以先要对数据进行标准化（无量纲化），使其能在一个坐标轴上显示，即以每行数据中第一列为基准，然后将每行其他列除以第1列的数。画出3项水质指标同相关社会影响因素之间的变化趋势折线图，见图1、图2、图3。

图1 2003～2009年NH3－N同相关社会影响因素的变化趋势折线

图2 2003～2009年COD同相关社会影响因素的变化趋势折线

图3 2003～2009年TP同相关社会影响因素的变化趋势折线

从图1～3上可看出NH3－N的年际变化折线处于折中的位置，在直接影响因素中的工业废水、生活污水以及农业污染的年际变化折线之间，同间接影响因素的人口数量年际变化折线也较为接近，同时随着污水处理率的提高，表现为下降的趋势，其同GDP水平年际变化值之间并无明显的关系；COD的年际变化折线同直接影响因素中的工业废水年际变化折线较为接近，同时随着污水处理率的提高，也有下降的趋势；从上述图中可以明显看出，TP的年际变化折线同间接影响因素中的农业污染年际变化折线十分接近。

3．2 量化分析

下面对NH3－N、COD、TP 3项水质指标同相关影响因素之间的关联性分别进行量化分析，计算过程采用灰色关联度分析法。

（1）标准化（无量纲化）。前面在作3项水质指标同相关影响因素的比较折线图时已经对评价数据进行了标准化。

（2）计算对应差数列表。为使比较结果较为明显，通常取分辨系数ζ＝0．5，然后求出标准化后数据列表中每一对比较项的最大差值与最小差值。

（3）求各比较项之间的关联系数。对3项水质指标同相关影响因素之间的数据（即图1、图2、图3所涉及的数据）分别进行灰色关联系数计算。

具体计算过程及结果如下（以NH3－N为例）：

第1步，标准化（无量纲化）

第2步，计算差序列

第3步，计算极差

极差最大值：2．515 4

极差最小值：0．0000

第4步，计算关联系数

第5步，算出其余影响因素与NH3－N的灰色关联度，如表3。

表3 NH3－N同相关影响因素的灰色关联度值统计

将结果分为直接影响和间接影响来分析，直接影响因素中的工业废水和生活污水对其影响较大，关联度分别达到了0．927 5和0．876 2，说明工业废水和生活污水的排放是评价河段NH3－N的主要、直接来源；间接影响因素中的人口数量和农业污染则对其有较大影响，其关联度分别达到0．9704和0．933 7，而GDP水平和污水处理率与NH3－N的关联度相比之下不明显。

440C为美国牌号，近似于我国的102Cr17Mo，是一种高碳高铬的马氏体不锈钢，其碳含量（质量分数）达到1%左右。该钢适用于制造在腐蚀环境和无润滑强氧化气氛中工作的轴承、轴套，燃油附件中的活门衬套和其他既耐磨又耐蚀的零件。由于其高碳高铬的特性，热处理后碳化物数量多，耐磨性好，耐蚀性好。在大气、水、海水中以及某些酸类和盐类的水溶液中有优良的耐蚀性。该钢由于含碳量高，生产时易出现脱碳、淬裂和残留奥氏体等问题，是较难进行热处理的钢种。

同理求得COD同相关影响因素的关联度值如表4。

表4 COD同相关影响因素的灰色关联度值统计

由此分析，直接影响因素中的工业废水对其影响最为明显，关联度达到0．970 5，说明工业废水的排放是评价河段COD值的主要、直接来源；间接影响因素中的人口数量对其有较大影响，其关联度达到0．922 6，而GDP水平和污水处理率与COD的关联度都没有超过0．7，分别为0．696 4和0．661 2，所以COD同这两项影响因素之间的关联性不明显。

最后求出TP同相关影响因素的关联度值如表5。

表5 TP同相关影响因素的灰色关联度值统计

从分析结果中可以看出，虽然直接影响因素中的生活污水同TP之间的关联度达到0．905 6，但间接影响因素中的农业污染同TP之间的关联度达到了0．980 1，因此可以认为农业污染对TP指标的贡献度是最大的，其对于TP值产生的影响较其他因素有着绝对的优势。

4 结论

本次分析过程只是选取了工业废水、生活污水、GDP水平、人口数量、农业污染、污水处理率6项对水质指标值有影响作用的因子作为代表项，运用灰色关联度分析对重庆主城段河流NH3－N、COD及TP 3项水质指标同6项相关社会影响因素的关联度进行计算，得出了以下结论：

（1）3项水质指标项的数值高低，同6项社会影响因素之间存在不同程度的关联度。其中，直接影响因素中的工业废水对COD指标存在较为明显的影响；间接影响因素中的农业污染则对TP指标存在十分明显的影响作用。

3项水质指标同其相关社会影响因素的关联度大小比较如下：

直接影响因素：工业废水＞生活污水

通过比较结论可知，工业废水排放和生活污水排放仍然是主要的水污染直接来源，人口数量的增加及农业生产中化肥农药的施用所造成的面源污染，均会对水环境造成一定压力；相比之下，GDP水平和污水处理率在此次关联度分析中与水质指标的关联性并不明显。

（2）水质指标同GDP水平之间并无明显的正相关性，意味着在经济快速发展的同时，仍然可以做好水环境的保护工作，维持水环境的健康，两者并不矛盾。这也是可持续发展的内涵。

（3）尽管污水处理率在本次分析中同水质指标间的关联度并不明显，但污水处理率的提高确实可以减少或减缓污染物对于水环境的影响，近几年，NH3－N等水质项目的污染程度并没有明显提高，这与污水处理率等因素存在一定关系，在关联性分析中，这种隐性的影响并不能直接表现出来。

（4）列举了几项代表性的影响因素，对于今后可以分析更多相关影响因素同水质指标关联度提供一种新思路，从而作为河流水质控制与管理的理论依据，在对制定水质防控政策时起到一定辅助作用。

（5）根据造成水环境问题的影响因素分析，需要从源头上进行控制，如工业废水和生活污水的排放需加强排放许可证的管理，建立污水分散式或集中式处理机制；对于农业生产中的农药化肥施用造成的污染，可以在河湖周边建立绿化缓冲带来减少污染，同时提高施肥技术，减少由此带来的氮磷污染；最后还需提高污水处理水平，较高的污水处理率能在一定程度上减少主要排污源头对于河流的水体污染［6］。

［1］ 唐善德，张 伟，曾令刚．水环境与社会经济发展阶段关系初探［J］．人民长江，2003，34（11）：7－9．

［2］ 吕平毓，陈 虎．重庆主城区水环境质量和社会经济关系分析［J］．人民长江，2011（19）：66－67．

［3］ 王晓光．灰色模糊聚类分析与水质评价［J］．辽宁大学学报，1997，24（2）：70－75．

［4］ 邓聚龙．灰色理论教程［M］．武汉：华中理工大学出版社，1990．

［5］ 肖新平．关于灰色关联度模型的理论研究和评论［J］．系统工程理论与实践，1997（8）：76－81．

［6］ 黄 川．重庆主城区水污染现状及处理方案探讨［J］．西南师范大学学报：自然科学版，2002，27（2）：412－416．

Application of Grey Relational Analysis on Water Quality Index and Relevant Social－economic Factors－A Case Study in Chongqing Municipality

LIU Ying1，LUO Yisheng2，LU Pingyu2

（1．School of River and Ocean Engineering，Chongqing Jiaotong University，Chongqing 400074，China；2．Hydrology and Water Resources Bureau of Upper Yangtze River，Changjiang Water Resources Commission，Chongqing 400014，China）

X24

A

1674－2842（2012）05－0003－05

2012－06－04

刘 莹（1986－），男，重庆人，在读硕士研究生，主要从事水文学及环境水文的研究工作，E－mail：LY11015015＠126．com。

罗以生（1954－），男，重庆酉阳人，高级工程师，主要从事水文水资源的研究工作，E－mail：syluoys＠cjh．com．cn。